CN117171949B - 数字化园区碳排放态势推演方法 - Google Patents
数字化园区碳排放态势推演方法 Download PDFInfo
- Publication number
- CN117171949B CN117171949B CN202310880507.XA CN202310880507A CN117171949B CN 117171949 B CN117171949 B CN 117171949B CN 202310880507 A CN202310880507 A CN 202310880507A CN 117171949 B CN117171949 B CN 117171949B
- Authority
- CN
- China
- Prior art keywords
- park
- carbon emission
- energy consumption
- annual
- deduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 115
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims description 70
- 238000011161 development Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000006386 neutralization reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数字化园区碳排放态势推演方法,通过对数字化园区碳排放情况调研,获取作为推演信息输入的园区数据,设置园区碳排放态势推演条件,并根据推演信息输入和园区碳排放态势推演条件进行园区碳排放态势推演计算。本发明所提方法能够推演出数字化园区未来的碳排放情况,有利于给出园区能源建设方案建议,可为优化园区能源结构、提升园区用能效率、构建低碳运行模式提供数据和策略支撑,对区域双碳目标达成有重要的意义和实用价值。
Description
技术领域
本发明属于低碳技术领域,具体是一种数字化园区碳排放态势推演方法。
背景技术
数字化园区可通过在监测、推演、服务上的示范效用带动整体经济的低碳高效发展。作为一项系统性工程,低碳减排需要多项举措协同并举,利用数字化技术建立数字化智慧能源体系以及碳排预测推演,实现园区低碳能耗管理服务,企业能耗管理服务,全盘掌握园区各家企业的碳核算数据,进而指导政策制定、场景打造等。园区碳排态势推演技术不仅能够提供网络化、数字化、智能化的手段,赋能构建清洁低碳安全高效的能源体系,而且可以间接推动社会总体能耗的降低。未来,园区碳排态势推演技术将贯穿我国“碳家底”摸查、碳达峰碳中和进程预测、减排路径规划,推动减排路径实施的各个阶段。因此,如何准确推演数字化园区碳排放态势,是本发明所要解决的技术问题。
发明内容
为了解决上述问题,本发明提供了能够得到未来的园区碳排放量总量和园区清洁能源建设方案计算结果的数字化园区碳排放态势推演方法。
为了达到上述目的,本发明是通过以下技术方案来实现的:
本发明是数字化园区碳排放态势推演方法,包括如下步骤:
步骤1,获取包括园区能源消耗、园区固碳情况和园区经济数据的园区数据,作为推演信息输入;
步骤2,设置包括园区发展趋势、推演周期和修正系数的园区碳排放态势推演条件;
步骤3,利用推演信息输入和园区碳排放态势推演条件进行园区碳排放态势推演计算,推演出周期中每一年度的园区碳排放总量C和园区清洁能源建设增加量Eo,包括:
步骤3.1,计算园区能源消耗趋势;
步骤3.2,计算园区经济数据趋势;
步骤3.3,计算修正后的趋势指标;
步骤3.4,计算园区碳排放推演模型;
步骤3.5,设置园区碳排放与清洁能源增加量关系表达式;
步骤3.6,根据推演条件求解推演结果。
本发明的进一步改进在于:步骤1中,园区能源消耗表达式为:
E(tz)={Er(tz),Ea(tz)},tz={tz,1,tz,2,…,tz,n};
其中,E(tz)为tz年度的园区能源消耗总量集合,单位为kJ;Er(tz)为tz年度的园区非清洁能源消耗总量集合,单位为kJ;Ea(tz)为tz年度的园区清洁能源消耗总量集合,单位为kJ;tz为历史年度;n为历史年度数量。
本发明的进一步改进在于:步骤2中,园区发展趋势F包括园区低碳高速发展F1、园区低碳平稳发展F2和园区碳中和发展F3;
推演周期的表达式为:
tv={tv,1,tv,2,…,tv,m};
其中tv为推演周期集合,单位为年;m为推演周期数量;
修正系数的表达式为:
其中,ω为修正系数集合;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωh为园区固碳情况修正系数;ωm为园区经济数据修正系数。
本发明的进一步改进在于:步骤3.1中园区能源消耗趋势的表达式为:
其中,λer为园区非清洁能源消耗趋势;λea为园区清洁能源消耗趋势;i为年度编号;n为历史年度数量;Er(tz,i)为编号为i的年度的园区非清洁能源消耗总量集合;Ea(tz,i)为编号为i的年度的园区清洁能源消耗总量集合。
本发明的进一步改进在于:步骤3.2中园区经济数据趋势λm的表达式为:
其中,M(tz,i)为编号为i的年度的园区经济数据,单位为万元;n为历史年度数量。
本发明的进一步改进在于:步骤3.3中根据不同的园区发展趋势,选择不同的修正系数,计算修正后的趋势指标,表达式为:
λe'r=ωer(λer-1)+1;
λe'a=ωea(λea-1)+1;
λ'm=ωm(λm-1)+1;
其中,λ'er为修正后的园区非清洁能源消耗趋势;λ'ea为修正后的园区清洁能源消耗趋势;λ'm为修正后的园区经济数据趋势;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωm为园区经济数据修正系数。
本发明的进一步改进在于:步骤3.4中第tv,j年的园区碳排放推演模型的表达式为:
Cer(tv,j)=η·λ'er·Er(tv,j-1);
Cea(tv,j)=η·[λ'ea·Ea(tv,j-1)+Eo(tv,j-1)];
M(tv,j)=λ'm·M(tv,j-1);
其中,Cer(tv,j)为第tv,j年的园区非清洁能源消耗碳排放,单位为吨CO2;η为碳排放因子,单位为tCO2/kJ;Cea(tv,j)为第tv,j年的园区清洁能源消耗碳排放,单位为吨CO2;Eo(tv,j-1)为第tv,j-1年的园区清洁能源建设增加量,单位为kJ;Er(tv,j-1)为第tv,j-1年的园区非清洁能源消耗总量;Ea(tv,j-1)为第tv,j-1年的园区清洁能源消耗总量;M(tv,j)为第tv,j年的园区经济数据,单位为万元。
本发明的进一步改进在于:步骤3.5设置园区碳排放与清洁能源增加量关系表达式,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
C(tv,j)=Cer(tv,j)-Cea(tv,j)-ωh·Ch;
其中,C(tv,j)为第tv,j年的园区碳排放总量,单位为吨CO2;Cq(tv,j)为第tv,j年的园区碳排放强度,单位为吨CO2/万元;ωh为园区固碳情况修正系数;Ch为园区固碳情况,单位为吨CO2。
本发明的进一步改进在于:步骤3.6根据推演条件求解推演结果,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
当F=F1;
C(tv,j)≤Cα2,当F=F2;
C(tv,j)≤0,当F=F3;
其中,Cα1和Cα2为设定的园区最高碳排放量,单位为吨CO2;Cqα为设定的园区最低碳排强度,单位为吨CO2/万元。
本发明的有益效果是:本发明通过对数字化园区碳排放情况进行调研,根据调研结果进行碳排放态势推演计算,能够推演出数字化园区未来的碳排放情况,可以根据推演结果给出园区能源建设方案建议,可为优化园区能源结构、提升园区用能效率、构建低碳运行模式提供数据和策略支撑,对区域双碳目标达成有重要的意义和实用价值。
附图说明
图1是数字化园区碳排放态势推演方法流程图;
图2是某园区2014年至2022年的非清洁能源消耗总量曲线;
图3是某园区2014年至2022年的清洁能源消耗总量曲线;
图4是园区在不同发展趋势下的碳排放推演结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及实施例,对本发明做出进一步详细阐述。应当注意,此处所描述的实施例仅用以解释本发明,并不用做限定本发明。
如图1所示,本实施例的一种数字化园区碳排放态势推演方法,包括如下步骤:
步骤1,获取园区数据,作为推演信息输入;
步骤2,设置园区碳排放态势推演条件;
步骤3,利用推演信息输入和园区碳排放态势推演条件进行园区碳排放态势推演计算,推演出周期中每一年度的园区碳排放总量C和园区清洁能源建设增加量Eo。
步骤1获取的园区数据包括园区能源消耗、园区固碳情况Ch和园区经济数据M(tz);其中,园区固碳情况单位为吨CO2;园区经济数据M(tz)单位为万元,其中图4表示某园区2014年至2022年的经济数据。
园区能源消耗包括园区清洁能源消耗和园区非清洁能源消耗,表达式为:
E(tz)={Er(tz),Ea(tz)},tz={tz,1,tz,2,…,tz,n}
其中,tz为历史年度;n为历史年度数量;E(tz)为tz年度的园区能源消耗总量集合,单位为kJ;Er(tz)为tz年度的园区非清洁能源消耗总量集合,单位为kJ;Ea(tz)为tz年度的园区清洁能源消耗总量集合,单位为kJ;本实施例中某园区2014年至2022年的非清洁能源和清洁能源消耗总量曲线如图2和图3所示。
步骤2中的设置园区碳排放态势推演条件包括设置园区发展趋势、推演周期和修正系数。
园区发展趋势F包括园区低碳高速发展F1、园区低碳平稳发展F2和园区碳中和发展F3。
推演周期的表达式为:
tv={tv,1,tv,2,…,tv,m};
其中,tv为推演周期集合,单位为年;m为推演周期数量;本实施例中推演周期取2023年至2030年。
修正系数的表达式为:
其中,ω为修正系数集合;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωh为园区固碳情况修正系数;ωm为园区经济数据修正系数。本实施例中修正系数集合ω取值为:
步骤3具体包括:
步骤3.1,计算园区能源消耗趋势,表达式为:
其中,λer为园区非清洁能源消耗趋势;λea为园区清洁能源消耗趋势;i为年度编号;n为历史年度数量;Er(tz,i)为编号为i的年度的园区非清洁能源消耗总量集合;Ea(tz,i)为编号为i的年度的园区清洁能源消耗总量集合。
步骤3.2,计算园区经济数据趋势,表达式为:
其中,M(tz,i)为编号为i的年度的园区经济数据,单位为万元;n为历史年度数量。
步骤3.3,计算修正后的趋势指标,,根据不同的园区发展趋势F设置,选择不同的修正系数集合ω,表达式为:
λ'er=ωer(λer-1)+1;
λ'ea=ωea(λea-1)+1;
λ'm=ωm(λm-1)+1;
其中,λ'er为修正后的园区非清洁能源消耗趋势;λ'ea为修正后的园区清洁能源消耗趋势;λ'm为修正后的园区经济数据趋势;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωm为园区经济数据修正系数。
步骤3.4,计算园区碳排放推演模型;第tv,j年的园区碳排放推演模型的表达式为:
Cer(tv,j)=η·λ'er·Er(tv,j-1);
Cea(tv,j)=η·[λ'ea·Ea(tv,j-1)+Eo(tv,j-1)];
M(tv,j)=λ'm·M(tv,j-1);
其中,Cer(tv,j)为第tv,j年的园区非清洁能源消耗碳排放,单位为吨CO2;η为碳排放因子,单位为tCO2/kJ;Cea(tv,j)为第tv,j年的园区清洁能源消耗碳排放,单位为吨CO2;Eo(tv,j-1)为第tv,j-1年的园区清洁能源建设增加量,单位为kJ,本实施例中取2.53×10-7tCO2/kJ;Er(tv,j-1)为第tv,j-1年的园区非清洁能源消耗总量;Ea(tv,j-1)为第tv,j-1年的园区清洁能源消耗总量;M(tv,j)为第tv,j年的园区经济数据,单位为万元。
步骤3.5,设置园区碳排放与清洁能源增加量关系表达式,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
C(tv,j)=Cer(tv,j)-Cea(tv,j)-ωh·Ch;
其中,C(tv,j)为第tv,j年的园区碳排放总量,单位为吨CO2;Cq(tv,j)为第tv,j年的园区碳排放强度,单位为吨CO2/万元;ωh为园区固碳情况修正系数;Ch为园区固碳情况,单位为吨CO2。
步骤3.6,根据推演条件求解推演结果,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
当F=F1
C(tv,j)≤Cα2,当F=F2
C(tv,j)≤0,当F=F3
其中,Cα1和Cα2为设定的园区最高碳排放量,单位为吨CO2;Cqα为设定的园区最低碳排强度,单位为吨CO2/万元。其中,本实施例中Cα1和Cα2分别取3500吨CO2和3000吨CO2,取3.0吨CO2/万元;本实施例中某园区2023年-2035年不同发展趋势下的碳排放推演结果如图4所示。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (2)
1.数字化园区碳排放态势推演方法,其特征在于:包括如下步骤:
步骤1,获取包括园区能源消耗、园区固碳情况和园区经济数据的园区数据,作为推演信息输入;
步骤2,设置包括园区发展趋势、推演周期和修正系数的园区碳排放态势推演条件;
步骤3,利用推演信息输入和园区碳排放态势推演条件进行园区碳排放态势推演计算,推演出周期中每一年度的园区碳排放总量C和园区清洁能源建设增加量Eo,包括:
步骤3.1,计算园区能源消耗趋势;
步骤3.2,计算园区经济数据趋势;
步骤3.3,计算修正后的趋势指标;
步骤3.4,计算园区碳排放推演模型;
步骤3.5,设置园区碳排放与清洁能源增加量关系表达式;
步骤3.6,根据推演条件求解推演结果;
所述步骤2中,园区发展趋势F包括园区低碳高速发展F1、园区低碳平稳发展F2和园区碳中和发展F3;
推演周期的表达式为:
tv={tv,1,tv,2,…,tv,m};
其中,tv为推演周期集合,单位为年;m为推演周期数量;
修正系数的表达式为:
其中,ω为修正系数集合;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωh为园区固碳情况修正系数;ωm为园区经济数据修正系数;
所述步骤3.1中园区能源消耗趋势的表达式为:
其中,λer为园区非清洁能源消耗趋势;λea为园区清洁能源消耗趋势;i为年度编号;n为历史年度数量;Er(tz,i)为编号为i的年度的园区非清洁能源消耗总量集合;Ea(tz,i)为编号为i的年度的园区清洁能源消耗总量集合;
所述步骤3.2中园区经济数据趋势λm的表达式为:
其中,M(tz,i)为编号为i的年度的园区经济数据,单位为万元;n为历史年度数量;
步骤3.3中根据不同的园区发展趋势,选择不同的修正系数,计算修正后的趋势指标,表达式为:
λ′er=ωer(λer-1)+1;
λ′ea=ωea(λea-1)+1;
λ'm=ωm(λm-1)+1;
其中,λ′er为修正后的园区非清洁能源消耗趋势;λ′ea为修正后的园区清洁能源消耗趋势;λ'm为修正后的园区经济数据趋势;ωer为园区非清洁能源消耗修正系数;ωea为园区清洁能源消耗修正系数;ωm为园区经济数据修正系数;
所述步骤3.4中第tv,j年的园区碳排放推演模型的表达式为:
Cer(tv,j)=η·λ′er·Er(tv,j-1);
Cea(tv,j)=η·[λ′ea·Ea(tv,j-1)+Eo(tv,j-1)];
M(tv,j)=λ′m·M(tv,j-1);
其中,Cer(tv,j)为第tv,j年的园区非清洁能源消耗碳排放,单位为吨CO2;η为碳排放因子,单位为tCO2/kJ;Cea(tv,j)为第tv,j年的园区清洁能源消耗碳排放,单位为吨CO2;Eo(tv,j-1)为第tv,j-1年的园区清洁能源建设增加量,单位为kJ;Er(tv,j-1)为第tv,j-1年的园区非清洁能源消耗总量;Ea(tv,j-1)为第tv,j-1年的园区清洁能源消耗总量;M(tv,j)为第tv,j年的园区经济数据,单位为万元;
所述步骤3.5设置园区碳排放与清洁能源增加量关系表达式,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
C(tv,j)=Cer(tv,j)-Cea(tv,j)-ωh·Ch;
其中,C(tv,j)为第tv,j年的园区碳排放总量,单位为吨CO2;Cq(tv,j)为第tv,j年的园区碳排放强度,单位为吨CO2/万元;ωh为园区固碳情况修正系数;Ch为园区固碳情况,单位为吨CO2;
所述步骤3.6根据推演条件求解推演结果,计算第tv,j年的园区碳排放数据并求解园区碳排放总量C和园区清洁能源建设增加量Eo,使其满足以下表达式:
当F=F1;
C(tv,j)≤Cα2,当F=F2;
C(tv,j)≤0,当F=F3;
其中,Cα1和Cα2为设定的园区最高碳排放量,单位为吨CO2;Cqα为设定的园区最低碳排强度,单位为吨CO2/万元。
2.根据权利要求1所述的数字化园区碳排放态势推演方法,其特征在于:所述步骤1中,园区能源消耗表达式为:
E(tz)={Er(tz),Ea(tz)},tz={tz,1,tz,2,…,tz,n};
其中,E(tz)为tz年度的园区能源消耗总量集合,单位为kJ;Er(tz)为tz年度的园区非清洁能源消耗总量集合,单位为kJ;Ea(tz)为tz年度的园区清洁能源消耗总量集合,单位为kJ;tz为历史年度;n为历史年度数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310880507.XA CN117171949B (zh) | 2023-07-18 | 2023-07-18 | 数字化园区碳排放态势推演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310880507.XA CN117171949B (zh) | 2023-07-18 | 2023-07-18 | 数字化园区碳排放态势推演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117171949A CN117171949A (zh) | 2023-12-05 |
CN117171949B true CN117171949B (zh) | 2024-04-05 |
Family
ID=88940143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310880507.XA Active CN117171949B (zh) | 2023-07-18 | 2023-07-18 | 数字化园区碳排放态势推演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117171949B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101035398B1 (ko) * | 2010-11-22 | 2011-05-20 | (주)에코브레인 | 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템 |
CN114021936A (zh) * | 2021-10-29 | 2022-02-08 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种区域二氧化碳排放的评价分析方法 |
CN114139893A (zh) * | 2021-11-17 | 2022-03-04 | 国网天津市电力公司 | 一种碳排放影响因素分析与指标评估方法及装置 |
CN114330826A (zh) * | 2021-11-04 | 2022-04-12 | 国网江苏省电力有限公司经济技术研究院 | 一种碳排放预测及优化方法 |
CN115081908A (zh) * | 2022-07-01 | 2022-09-20 | 浙江财经大学 | 一种区域碳中和指标体系构建及测算方法 |
CN115239538A (zh) * | 2022-06-16 | 2022-10-25 | 国网浙江省电力有限公司营销服务中心 | 一种基于动态碳排因子的综合能源园区低碳运行优化方法 |
CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
CN115829253A (zh) * | 2022-11-24 | 2023-03-21 | 国网河南省电力公司安阳供电公司 | 碳中和绿色生态园区低碳化实施路径与评价方法 |
CN115952990A (zh) * | 2022-12-28 | 2023-04-11 | 国网上海市电力公司 | 基于园区需求响应经济调度的碳排放核算方法及系统 |
CN116029743A (zh) * | 2022-10-28 | 2023-04-28 | 国网辽宁省电力有限公司经济技术研究院 | 一种适用于零碳园区的碳足迹溯源方法及装置 |
CN116205325A (zh) * | 2022-10-13 | 2023-06-02 | 国网吉林省电力有限公司白城供电公司 | 一种面向城市的二氧化碳排放核算及优化方法 |
CN116227712A (zh) * | 2023-03-13 | 2023-06-06 | 生态环境部南京环境科学研究所 | 一种工业园区碳达峰预测方法 |
CN116244933A (zh) * | 2023-02-10 | 2023-06-09 | 国网电力科学研究院有限公司 | 一种园区碳排演进分析方法、系统、存储介质及计算设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220390137A1 (en) * | 2021-05-28 | 2022-12-08 | Johnson Controls Tyco IP Holdings LLP | Building control system with predictive control of carbon emissions using marginal operating emissions rate |
US20230020417A1 (en) * | 2021-07-12 | 2023-01-19 | Johnson Controls Tyco IP Holdings LLP | Control system with adaptive carbon emissions optimization |
-
2023
- 2023-07-18 CN CN202310880507.XA patent/CN117171949B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101035398B1 (ko) * | 2010-11-22 | 2011-05-20 | (주)에코브레인 | 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템 |
CN114021936A (zh) * | 2021-10-29 | 2022-02-08 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种区域二氧化碳排放的评价分析方法 |
CN114330826A (zh) * | 2021-11-04 | 2022-04-12 | 国网江苏省电力有限公司经济技术研究院 | 一种碳排放预测及优化方法 |
CN114139893A (zh) * | 2021-11-17 | 2022-03-04 | 国网天津市电力公司 | 一种碳排放影响因素分析与指标评估方法及装置 |
CN115239538A (zh) * | 2022-06-16 | 2022-10-25 | 国网浙江省电力有限公司营销服务中心 | 一种基于动态碳排因子的综合能源园区低碳运行优化方法 |
CN115081908A (zh) * | 2022-07-01 | 2022-09-20 | 浙江财经大学 | 一种区域碳中和指标体系构建及测算方法 |
CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
CN116205325A (zh) * | 2022-10-13 | 2023-06-02 | 国网吉林省电力有限公司白城供电公司 | 一种面向城市的二氧化碳排放核算及优化方法 |
CN116029743A (zh) * | 2022-10-28 | 2023-04-28 | 国网辽宁省电力有限公司经济技术研究院 | 一种适用于零碳园区的碳足迹溯源方法及装置 |
CN115829253A (zh) * | 2022-11-24 | 2023-03-21 | 国网河南省电力公司安阳供电公司 | 碳中和绿色生态园区低碳化实施路径与评价方法 |
CN115952990A (zh) * | 2022-12-28 | 2023-04-11 | 国网上海市电力公司 | 基于园区需求响应经济调度的碳排放核算方法及系统 |
CN116244933A (zh) * | 2023-02-10 | 2023-06-09 | 国网电力科学研究院有限公司 | 一种园区碳排演进分析方法、系统、存储介质及计算设备 |
CN116227712A (zh) * | 2023-03-13 | 2023-06-06 | 生态环境部南京环境科学研究所 | 一种工业园区碳达峰预测方法 |
Non-Patent Citations (2)
Title |
---|
Low-carbon_economy_energy_use_strategy_for_parks_based_on_dynamic_carbon_emission_factors;Lei Yang;《2022 Power System and Green Energy Conference(PSGEC)》;20220920;第403-409页 * |
低碳工业园区规划的碳排放计量分析系统构建;刘丽荣;刘婵;李欣原;;桂林理工大学学报;20130215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117171949A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
CN112564109B (zh) | 一种基于储能系统参与含大规模海上风电的调频优化运行方法 | |
CN114091913B (zh) | 考虑热网及p2g多园区综合能源系统低碳经济调度方法 | |
CN111082466A (zh) | 考虑风电不确定性的新能源接入与网架扩建优化方法 | |
CN114820046A (zh) | 一种区域电网混合储能辅助调频经济优化与补偿定价方法 | |
CN115860413A (zh) | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法 | |
Ding et al. | A two-stage dispatching optimization strategy for hybrid renewable energy system with low-carbon and sustainability in ancillary service market | |
CN117171949B (zh) | 数字化园区碳排放态势推演方法 | |
CN114301089B (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
Yang et al. | Optimal scheduling of electro-thermal system considering refined demand response and source-load-storage cooperative hydrogen production | |
CN111080099A (zh) | 基于碳排放管理的综合能源系统调度评估方法及系统 | |
CN112016186B (zh) | 一种基于随机场景构建的年度弃风、弃光率计算方法 | |
CN108110800A (zh) | 风、光、储、热多能柔性互补的有源配电负荷重构方法 | |
CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
CN112448411A (zh) | 多风电场接入系统的汇集站选址和外送容量规划方法 | |
CN108718084B (zh) | 一种适应电力市场化改革的电源和电网协调规划方法 | |
CN116342176A (zh) | 一种电力市场现货电能量交易规则的火电企业分段报价方法 | |
AU2021101468A4 (en) | A Block Bidding method and system for promoting clean energy consumption Based on the Power trading platform | |
CN114925892A (zh) | 水电与电转气结合的中长期风水火发电量双层规划方法 | |
Fu et al. | Differential Game Model of Distributed Energy Sharing in Industrial Clusters Based on the Cap-and-Trade Mechanism | |
CN116050711A (zh) | 一种输变电建设工程施工期碳排放识别系统 | |
CN111353680B (zh) | 城市综合能源系统能源技术效率建模方法及终端设备 | |
CN114925912B (zh) | 一种供电系统的优化方法、电子设备及可读存储介质 | |
CN116307304B (zh) | 混合储能配置信息生成方法、装置、设备及可读存储介质 | |
CN113642165B (zh) | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |