CN117391237A - 省级碳排放及其交易规模预测方法、系统、设备及介质 - Google Patents
省级碳排放及其交易规模预测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117391237A CN117391237A CN202311272215.4A CN202311272215A CN117391237A CN 117391237 A CN117391237 A CN 117391237A CN 202311272215 A CN202311272215 A CN 202311272215A CN 117391237 A CN117391237 A CN 117391237A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- energy
- target
- carbon
- energy consumption
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 217
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005265 energy consumption Methods 0.000 claims abstract description 109
- 230000009467 reduction Effects 0.000 claims abstract description 37
- 238000011161 development Methods 0.000 claims abstract description 34
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 22
- 239000003245 coal Substances 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 17
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 10
- 230000033228 biological regulation Effects 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 6
- 230000005684 electric field Effects 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002802 bituminous coal Substances 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种省级碳排放及其交易规模预测方法、系统、设备及介质，涉及碳排放预测技术领域，其中一种省级碳排放及其交易规模预测方法包括：获取目标省份的经济社会基础数据和历史能源消耗数据，构建能源消耗LEAP模型，从而预测目标省份水平年的能源消耗，利用得到的各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量不同发展强度情景下目标水平年的能源消耗数据，根据对应能源的碳排放总量确定各能源碳排放峰值的目标年份，从而确定碳市场总交易规模，进而获取预测结果来制定碳减排的策略；本发明可准确预测目标年碳排量、目标省的碳排放峰值及峰值年，帮助目标省碳排放计划的实施和制定，推动实现了碳排放水平的目标。
Description
技术领域
本发明涉及碳排放技术领域，具体而言，涉及一种省级碳排放及其交易规模预测方法、系统、设备及介质。
背景技术
随着全球变暖造成极端气候、海平面上升等问题，温室效应越来越严重。而我国能源活动的主要排放源CO2占全社会碳排放的86.8％、温室气体的77.7％，随着排碳目标的制定，对节能减排提出了新的要求。对于我国实现节能减排而言，现阶段准确把握排放趋势、辅助企业做出更有效的决策计划，有效开展各项减排工作的核心基础底座就是碳排放统计核算和预测分析。由于我国各区域和各省间经济发展水平不均衡，各地区的数据不一样，人均碳排放量和碳排放强度不一致，规划碳排放量和碳排放强度的路径和方法也有可能不一样，因此研究省级层面的碳排放预测，对市场化交易规模及碳减排的策略的制定至关重要。
目前，国内外在对能源行业的碳排放预算方法上均未实现统一规范测算，碳排放测算的影响因素分析也并不完整，缺少科学、合理的分解模型来预测碳排量，无法分析碳排放峰值和峰值年。
基于此，本申请提出一种级碳排放及其交易规模预测方法、系统、设备及介质来解决上述问题。
发明内容
本发明的目的在于提供一种省级碳排放及其交易规模预测方法、系统、设备及介质，其能够预测碳排量，分析碳排放峰值及峰值年，给出市场化交易规模，提出碳减排策略建议。
本发明的技术方案为：
第一方面，本申请提供省级碳排放及其交易规模预测方法，其包括以下步骤：
S1、获取目标省份的经济社会基础数据和历史能源消耗数据；
S2、根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
S3、将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
S4、根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
S5、根据各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
S6、根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
S7、通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
进一步地，上述经济社会基础数据包括人口增长、GDP增长和产业结构数据，上述历史能源消耗数据包括电气领域能源消耗数据、工业领域能源消耗数据、交通领域能源消耗数据和建筑领域能源消耗数据。
进一步地，步骤S3中，上述目标省份水平年的能源消耗包括：在基准情景、调控情景和强化情景下目标省份的水平年的电气领域、工业领域、交通领域以及建筑领域的能源消耗。
进一步地，步骤S4中，上述基于各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量的计算过程包括：
CO2＝CO2，直接+CO2，间接；
CO2，间接＝∑Ae×EFe
CO2，直接＝∑(Ai，j，k×EFi，j，k)
其中，CO2为碳排放总量，CO2，直接为二氧化碳直接排放量，CO2，间接为二氧化碳间接排放量，Ae表示煤电、气电和非化石能源电力调入，EFe表示煤电、气电等电力二氧化碳排放因子，Ai,j,k表示不同种类化石能源的消费量，EFi,j,k表示不同种类能源的排放因子，i为化石能源类型，j为部门类型，k为技术类型。
进一步地，步骤S6包括：
根据各能源碳排放峰值的目标年份、历史平均碳交易价格和当年国内碳排放量得到碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
采用回归分析确定目标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
根据标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格确定碳市场总交易规模。
第二方面，本申请提供一种省级碳排放及其交易规模预测系统，包括：
数据获取模块，用于获取目标省份的经济社会基础数据和历史能源消耗数据；
模型构建模块，用于根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
能源消耗计算模块，用于将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
碳排放计算模块，用于根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
第一确认模块，用于根据各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
第二确认模块，用于根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
预测模块，用于通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
第三方面，本申请提供一种电子设备，包括：
存储器，用于存储一个或多个程序；
处理器；
当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项的省级碳排放及其交易规模预测方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的省级碳排放及其交易规模预测方法。
相对于现有技术，本发明至少具有如下优点或有益效果：
本发明提供的一种省级碳排放及其交易规模预测方法，通过自上而下的构建能源消耗LEAP模型来对峰值开展分析预测，结合目标省经济社会发展与能源规划情况，分析碳排放峰值目标及达峰路径，准确预测目标年碳排量并进一步分析目标省的碳排放峰值及峰值年，进而可以给出其市场化交易规模，并提出碳减排的策略建议，帮助目标省碳排放计划实施制定及控制，推动实现了碳排放水平的目标。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明提供的一种省级碳排放及其交易规模预测方法的步骤图；
图2为本发明提供的一种省级碳排放及其交易规模预测系统的示意性结构框图；
图3为能源消耗LEAP模型结构框架图；
图4为考虑情景潜力和减排潜力下的能源消耗LEAP模型的示意框图；
图5为调控情景下不同行业减排贡献趋势图；
图6为强化情景下不同行业减排贡献趋势图；
图7为本发明提供的一种电子设备的示意性结构框图。
图标：101、存储器；102、处理器；103、通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
第一方面，本申请提供省级碳排放及其交易规模预测方法，如图1所示，其包括以下步骤：
S1、获取目标省份的经济社会基础数据和历史能源消耗数据；
S2、根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
S3、将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
S4、根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
S5、根据获得的各能源消耗终端能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
S6、根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
S7、通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
作为一种优选的实施方式，经济社会基础数据包括人口增长、GDP增长和产业结构数据，历史能源消耗数据包括电气领域能源消耗数据、工业领域能源消耗数据、交通领域能源消耗数据和建筑领域能源消耗数据。
作为一种优选的实施方式，步骤S3中，目标省份水平年的能源消耗包括：在基准情景、调控情景和强化情景下目标省份的水平年的电气领域、工业领域、交通领域以及建筑领域的能源消耗。
作为一种优选的实施方式，步骤S4中，基于各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量的计算过程包括：
CO2＝CO2，直接+CO2，间接；
CO2，间接＝∑Ae×EFe
CO2，直接＝∑(Ai，j，k×EFi，j，k)
其中，CO2为碳排放总量，CO2，直接为二氧化碳直接排放量，CO2，间接为二氧化碳间接排放量，Ae表示煤电、气电和非化石能源电力调入，EFe表示煤电、气电等电力二氧化碳排放因子，Ai,j,k表示不同种类化石能源的消费量，EFi,j,k表示不同种类能源的排放因子，i为化石能源类型，j为部门类型，k为技术类型。
作为一种优选的实施方式，步骤S6包括：
根据各能源碳排放峰值的目标年份、历史平均碳交易价格和当年国内碳排放量得到碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
采用回归分析确定目标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
根据标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格确定碳市场总交易规模。
第二方面，本申请提供一种省级碳排放及其交易规模预测系统，如图2所示，包括：
数据获取模块，用于获取目标省份的经济社会基础数据和历史能源消耗数据；
模型构建模块，用于根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
能源消耗计算模块，用于将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
碳排放计算模块，用于根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
第一确认模块，用于根据获得的各能源消耗终端能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
第二确认模块，用于根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
预测模块，用于通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
实施例1
请参阅图3、4，图3为能源消耗LEAP模型结构框架图，图4为考虑情景潜力和减排潜力下的能源消耗LEAP模型的示意框图；
其中，能源消耗LEAP模型由经济社会基础数据和终端能源电力数据组成，经济社会基础数据包括国内生产总值、产业结构和人口，终端能源电力数据包括工业领域、建筑领域和交通领域；工业领域包括化工行业、非金属矿物质行业、钢铁行业、石化行业、电力行业、建筑业、有色金属行业以及其他行业等能源消耗终端，建筑领域包括公共建筑和住宅建筑，交通领域包括区域交通和市内交通。
在不同情景下，电力领域、工业领域、交通领域、建筑领域部门进行终端能源电力需求和碳排放量预测。LEAP模型自上而下可分为需求-部门-行业-种类-能源五级分支，可在不同情景界面不同领域分支中输入数据及编辑数学函数来描述各领域分支活动水平或能源强度在未来时间可能的发展趋势，其中，模型数据输入常用函数类别有Modeling(建模函数)、Time-Series(时间序列函数)和Constants(连续函数)等。本实施例中，基于目标省能源消耗LEAP模型利用现有技术即可求解各能源消耗终端能源在不同发展强度情景下的能源消耗。
由此，通过自上而下和自下而上方法相结合的方式分析，并构建LEAP等峰值预测模型开展分析预测，结合目标省经济社会发展与能源规划情况，分析碳排放峰值目标及达峰路径，预测目标年碳排量并进一步分析目标省的碳排放峰值及峰值年，进而给出其市场化交易规模，并提出碳减排的策略建议，帮助目标省碳排放计划实施制定及控制，从而推动完成碳排放水平目标的实现。
下面通过具体实施案例说明不同发展强度情景下实现的过程：
本案例基准年选取为2019年；
(1)基准情景：能源消费总体保持“控碳、增气、增绿电”的预设模式，基准情景是一种以现有的发展状况保持不变并持续到预测终止年或者节能减排力度较弱、节能减排措施施行滞后的情景。
(2)调控情景：全面推行低碳经济，加强政策引导激励，加快技术进步和能源结构的调整，控制现有产能、淘汰落后产能，使得各行业能源强度持续下降，能效水平进一步提高，能源结构持续优化，清洁能源占比大幅提升。
(3)强化情景：强化各种措施的减排力度，以完成具体目标如达到某种效果如“减少能源消费和碳排放”为导向，设置阶段性任务，有针对性的开展具体的节能减排工作。
基于Z省规划年的规划，参考相关发展目标，基准情景和达峰情景选择相同的经济参数、产业结构参数及人口，具体的参数设置如下：Z省主要情景设置条件参数见表1。
表1Z省2019年的碳排放情况。
下面基于Z省各领域未来水平年碳排放趋势进行分析：
(1)电力领域
按照用电量现状结合2025、2030、2035弹性系数，测算出到2025年、2030年、2035年Z省电力需求分别为2127、2569、2978亿千瓦时，其中，本地用电需求分别为1312、1585、1837亿千瓦时，净调出需求分别为814、984、1140亿千瓦时。
结合规划以及相关能源专家意见反馈，2020-2025年期间，Z省将调整优化煤电结构，有效提升煤电利用效率，有序发展热电联产，坚持“以热定电”。预期未来2020-2025年时期，煤电少量新增，并在2025-2030年以及2030-2035年装机保持稳定；热力供应满足全区需求，余热、余压、余气发电稳步增长。到对2020-2025年、2025-2030年以及2030-2035年的装机发展目标进行设定，如表2所示。
表2可再生能源电力装机发展目标
按照2019年各电力发电小时数测算到2025年、2030年、2035年火电、风电、太阳能、水电发电量见表3。
表3可再生能源发电量发展目标
(2)工业领域
2025年以及2030年时期，工业主要的能源消费及碳排放增长将严重依赖于重大项目的投产，对于重点投产项目体量较大的石油煤炭、化工、建材、钢铁、有色以及其他工业产值增长，随着技术进步以及企业营业额的增长，主要行业单位产值能耗水平呈下降趋势，单位产值能耗5年累计下降见表4。分析Z省2025年至2030年“两高”项目建设，预计2025年Z省能耗增加在900～1300万吨之间。
表4工业主要行业单位产值能耗下降
(3)交通领域
根据Z省新能源汽车和公交车的比例提高及其发展规划，2020-2025年时期，营运车辆单位运输周转二氧化碳排放较2020年下降4％。根据Gompertz模型预测乘用车保有量、利用增长率预测商用客车、商用货车利用保有量和货运量的线性函数进行预测。
商用车按照每年4％的增速计算，2025年、2030年、2035年乘用车达到每千人210辆、238辆、270辆。2025年、2030年、2035年商用车保有量达到138万辆、168万辆和204万辆。从结构上分析，未来随着“公转铁”等，2025年、2030年、2035年分别0.5％、1％和2％的道路周转量转向铁路预测Z省在达峰前汽车保有量会显著增长，新能源车比例在2025年、2030年、2035年分别达到15％、20％、25％。燃油商用车能效下降率达到9％、21％和35％。燃油乘用车能效下降率达到8％、10％和15％。
基准情景：在未来每年新增汽车中新能源汽车的比例在在2025年、2030年、2035年分别达到15％、20％和25％。
调控情景：在基准情景的基础上降低机动车的年行驶里程，通过减少机动车使用强度来降排放量，设置强度减缓情景,假设未来各类机动车行驶里程在基准年的基础上每年降低0.6％。
强化情景：强化各种措施的减排力度，设置每年的燃料经济性降低2％，年行驶里程每年降低1.5％，2019年后公交车新增汽车全部为新能源汽车，此外到2035公共汽车全部转化为新能源汽车。
(4)建筑领域
居民生活按照过去十年的电力增长趋势，设定未来户均电力增长趋势为年均8％，按照煤改气的发展要求，2035年前天然气消费快速增长，年均增速5.8％，2040年后用气量饱和，年均增速减缓至0.7％；服务业至2035年各主要能源消耗量(烟煤、汽油、柴油)分别达到33.71万吨、0.46万吨和20.56万吨。
基于上述分析结果，计算分析获取Z省基准情景、调控情景、强化情景三种情景下碳排放量及达峰年，具体可参考表5；
表5不同情景下Z省能源消费和碳排放情况
基准情景：基于Z省产业结构与能源结构现状，以及“2020”对Z省能耗强度和碳排放强度考核要求，按照“2025年”、“2030年”“2035年”能耗强度下降率低于全国控制目标(分别为12.5％，12％和11％)，设定“2025年”、“2030年”“2035年”末的非化石能源占比分别达到15％、20.3％和29％、煤炭消费占比分别控制在77.7％、71.2％和61.0％。预测可在2031年左右达峰，碳排放的峰值约2.57亿吨左右；扣除电力调出，峰值为2.17亿吨左右(能源消费总量为1.16亿吨标煤左右(扣除外调电))。按照这种情景，“2025年”碳排放强度下降15.9％，低于全国平均的18％要求，也低于“2020年”Z省碳排放目标下降17％的要求。
调控情景：能耗强度按照预计给Z省分配的指标(“2025年”为15.5％)，“2030年”和“2035年”能耗强度同国家下降率保持一致。规划到“2025年”、“2030年”“2035年”末，根据风电和光伏装机水平，“2025年”“2030年”和“2035年”非化石能源占比分别达到15％、21.4％和29.5％、煤炭消费占比分别控制在77.7％、70.1％和60.5％，煤炭消费在2025年达峰。碳排放强度下降速度达到18.8％，比“2020年”对Z省碳排放强度要求高，比基准情景更早达峰。预测达峰时间为2030年左右，碳峰值2.42亿吨左右；扣除电力调出，峰值为2.04亿吨左右(能源消费总量为1.02亿吨左右且扣除外调电)。此种情景下，“2025年”能源消费将增长1023万吨，如果扣除国家重大在建项目，可满足目前Z省在建项目能耗要求，并且有100万吨能源可以用于拟建项目。达峰峰值较基准情景低0.15亿吨，达峰年份煤化工、交通和钢铁依然是对减排量贡献最大的行业，对减排量的贡献率分别为40％、24％和23％，贡献了减排总量的87％；可参考图5所示，为调控情景下不同行业减排贡献趋势图；
强化情景：若到“2025年”、“2030年”和“2035年”末，非化石能源占比分别不低于15％、23％和30％，煤炭消费占比分别控制在77.7％、69.7％和60％以下，能耗、碳排放强度下降速度高于全国水平(“2025年”按15.5％、18.8％考虑)，可以比上述两个情景更早达峰。预测达峰时间在2028年左右，峰值2.33亿吨左右；扣除电力调出，峰值为1.97亿吨左右(能源消费总量为1亿吨左右)。“2030年”能源发展规划预计非化石能源消费量达到2180万吨标煤，该情景对“2030年”非化石能源消费要求进一步增加达到2300万吨标煤，预计将增加260万非化石能源装机。较基准情景降低约0.24亿吨。在各行业减排的贡献中，煤化工、钢铁行业、交通行业减排量分别占减排总量的42％、24％、20％，合计贡献减排总量的86％。
2022年，全国碳排放配额年度成交量5088.95万吨，年度成交额28.14亿元，成交均价为45.61元/吨。碳排放配额占全国碳排放量约0.5％。
通过回归分析，预测2030年碳排放配额占全国碳排放量约1％，成交均价为55元/吨。考虑之前的碳排放量缓慢增长，以及之后的碳排放量缓慢下降，由此得到三种情景下Z省2030年碳排放量分别为1.95亿吨、2.04亿吨和2.45亿吨，进而得出其碳排放配额预测值分别为195万吨、204万吨和245万吨，成交总金额分别为1.07亿元、1.12亿元和1.35亿元。可参考图6所示，为强化情景下不同行业减排贡献趋势图；
本案例通过综合Z省发展态势影响，综合考虑经济增速、能耗强度，非化石能源占比等因素，采用自上而下和自下而上相结合的方式就Z省的碳排放量针对三种不同场景进行碳排放预测和达峰年确定。基准情景可在2031年达峰、碳排放峰值2.57亿吨；调控情景可在2030年达峰、碳排放峰值2.42亿吨；强化情景可在2028年达峰、碳排放峰值2.33亿吨。三种情景下Z省2030年碳排放量分别为1.95亿吨、2.04亿吨和2.45亿吨，进而得出其碳排放配额预测值分别为195万吨、204万吨和245万吨，成交总金额分别为1.07亿元、1.12亿元和1.35亿元。
实施例2
请参阅图7，图7为本申请实施例2提供的一种电子设备的示意性结构框图。
一种电子设备，包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图中所示的结构仅为示意，省级碳排放及其交易规模预测方法还可包括比图中所示更多或者更少的组件，或者具有与图中所示不同的配置。图中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，附图中的流程图或框图显示了根据本申请的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的省级碳排放及其交易规模预测方法、系统、设备及介质，通过自上而下的构建能源消耗LEAP模型来对峰值开展分析预测，结合目标省经济社会发展与能源规划情况，分析碳排放峰值目标及达峰路径，准确预测目标年碳排量并进一步分析目标省的碳排放峰值及峰值年，进而可以给出其市场化交易规模，并提出碳减排的策略建议，帮助目标省碳排放计划实施制定及控制，推动实现了碳排放水平的目标。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种省级碳排放及其交易规模预测方法，其特征在于，包括以下步骤：
S1、获取目标省份的经济社会基础数据和历史能源消耗数据；
S2、根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
S3、将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
S4、根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
S5、根据各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
S6、根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
S7、通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
2.如权利要求1所述的省级碳排放及其交易规模预测方法，其特征在于，所述经济社会基础数据包括人口增长、GDP增长和产业结构数据，所述历史能源消耗数据包括电气领域能源消耗数据、工业领域能源消耗数据、交通领域能源消耗数据和建筑领域能源消耗数据。
3.如权利要求1所述的省级碳排放及其交易规模预测方法，其特征在于，步骤S3中，所述目标省份水平年的能源消耗包括：在基准情景、调控情景和强化情景下目标省份的水平年的电气领域、工业领域、交通领域以及建筑领域的能源消耗。
4.如权利要求1所述的省级碳排放及其交易规模预测方法，其特征在于，步骤S4中，所述基于各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量的计算过程包括：
CO2＝CO2，直接+CO2，间接；
CO2，间接＝∑Ae×EFe
CO2，直接＝∑(Ai，j，k×EFi，j，k)
其中，CO2为碳排放总量，CO2，直接为二氧化碳直接排放量，CO2，间接为二氧化碳间接排放量，Ae表示煤电、气电和非化石能源电力调入，EFe表示煤电、气电等电力二氧化碳排放因子，Ai,j,k表示不同种类化石能源的消费量，EFi,j,k表示不同种类能源的排放因子，i为化石能源类型，j为部门类型，k为技术类型。
5.如权利要求1所述的省级碳排放及其交易规模预测方法，其特征在于，步骤S6包括：
根据各能源碳排放峰值的目标年份、历史平均碳交易价格和当年国内碳排放量得到碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
采用回归分析确定目标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格；
根据标水平年的碳市场交易规模占国内碳排放量的比例和平均碳交易价格确定碳市场总交易规模。
6.一种省级碳排放及其交易规模预测系统，其特征在于，包括：
数据获取模块，用于获取目标省份的经济社会基础数据和历史能源消耗数据；
模型构建模块，用于根据目标省份的历史能源消耗数据和不同发展强度的情景构建能源消耗LEAP模型；
能源消耗计算模块，用于将经济社会基础数据和历史能源消耗数据输入能源消耗LEAP模型来预测目标省份水平年的能源消耗，得到各类消耗能源的碳排放因子；
碳排放计算模块，用于根据各类消耗能源的碳排放因子计算该能源目标水平年的碳排放总量以得到各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据；
第一确认模块，用于根据各类消耗能源在不同发展强度情景下目标水平年的能源消耗数据和对应能源的碳排放总量，确定各能源碳排放峰值的目标年份；
第二确认模块，用于根据各能源碳排放峰值的目标年份、历史平均碳交易价格确定碳市场总交易规模；
预测模块，用于通过碳市场总交易规模和目标省能源规划情况获取预测结果，并根据预测结果制定碳减排的策略。
7.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-5中任一项所述的省级碳排放及其交易规模预测方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的省级碳排放及其交易规模预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311272215.4A CN117391237A (zh) | 2023-09-28 | 2023-09-28 | 省级碳排放及其交易规模预测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311272215.4A CN117391237A (zh) | 2023-09-28 | 2023-09-28 | 省级碳排放及其交易规模预测方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117391237A true CN117391237A (zh) | 2024-01-12 |
Family
ID=89465801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311272215.4A Pending CN117391237A (zh) | 2023-09-28 | 2023-09-28 | 省级碳排放及其交易规模预测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117391237A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117669899A (zh) * | 2024-02-02 | 2024-03-08 | 航天宏图信息技术股份有限公司 | 农业碳排放减排潜力分析方法、系统、电子设备及介质 |
-
2023
- 2023-09-28 CN CN202311272215.4A patent/CN117391237A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117669899A (zh) * | 2024-02-02 | 2024-03-08 | 航天宏图信息技术股份有限公司 | 农业碳排放减排潜力分析方法、系统、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Scenarios of rare earth elements demand driven by automotive electrification in China: 2018–2030 | |
| Xu et al. | Greenhouse gas emissions of electric vehicles in Europe considering different charging strategies | |
| Gu et al. | Coupled LMDI and system dynamics model for estimating urban CO2 emission mitigation potential in Shanghai, China | |
| Ekins et al. | A major environmental tax reform for the UK: results for the economy, employment and the environment | |
| Wang et al. | Role of electrolytic hydrogen in smart city decarbonization in China | |
| CN117391237A (zh) | 省级碳排放及其交易规模预测方法、系统、设备及介质 | |
| Lin et al. | Economic and environmental impacts of EVs promotion under the 2060 carbon neutrality target—A CGE based study in Shaanxi Province of China | |
| Qiu et al. | Empirical grid impact of in-home electric vehicle charging differs from predictions | |
| Wang et al. | Carbon-neutral power system transition pathways for coal-dominant and renewable Resource-abundant regions: Inner Mongolia as a case study | |
| Zhang et al. | Contribution of potential clean trucks in carbon peak pathway of road freight based on scenario analysis: A case study of China | |
| CN115392588A (zh) | 一种全生命周期的电动汽车碳排放预测方法以及装置 | |
| Wei et al. | Impact of intelligence on the carbon emissions of energy consumption in the mining industry based on the expanded STIRPAT model | |
| Kong et al. | Environmental and economic multi-objective optimization of comprehensive energy industry: A case study | |
| Mehmanpazir et al. | Dynamic strategic planning: A hybrid approach based on logarithmic regression, system dynamics, Game Theory and Fuzzy Inference System (Case study Steel Industry) | |
| Su et al. | Explore the environmental benefits of new energy vehicles: evidence from China | |
| He et al. | Long-term planning of wind and solar power considering the technology readiness level under China's decarbonization strategy | |
| CN118211980A (zh) | 一种面向高耗能企业铝加工过程的节能减碳潜力评价方法及系统 | |
| Olovsson et al. | Impacts of electric road systems on the german and swedish electricity systems—an energy system model comparison | |
| Reyes-Valenzuela et al. | Economic evaluation of fuel cell-powered OFF-ROAD machinery using stochastic analysis | |
| CN107122549A (zh) | 一种汽车焊接车间能耗的分析方法 | |
| CN117273240A (zh) | 碳排放成本的决策优化方法 | |
| CN112508231A (zh) | 一种基于系统动力学的中长期电力负荷预测方法及系统 | |
| CN110222952B (zh) | 一种电动汽车绿色发展体系指数计算方法 | |
| Tang et al. | Economic Analysis of Emerging Integrated Energy Service Market in China: A Theoretical View | |
| Jia et al. | Low-carbon planning of urban charging stations considering carbon emission evolution characteristics and dynamic demand |
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 |