CN117875491A - 一种基于leap模型的火电厂碳减排潜力分析方法及系统 - Google Patents
一种基于leap模型的火电厂碳减排潜力分析方法及系统 Download PDFInfo
- Publication number
- CN117875491A CN117875491A CN202410028892.XA CN202410028892A CN117875491A CN 117875491 A CN117875491 A CN 117875491A CN 202410028892 A CN202410028892 A CN 202410028892A CN 117875491 A CN117875491 A CN 117875491A
- Authority
- CN
- China
- Prior art keywords
- emission
- carbon
- power plant
- leap
- thermal power
- 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 200
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 199
- 230000009467 reduction Effects 0.000 title claims abstract description 80
- 238000004458 analytical method Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 79
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 82
- 238000006477 desulfuration reaction Methods 0.000 claims description 43
- 230000023556 desulfurization Effects 0.000 claims description 43
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 41
- 239000001569 carbon dioxide Substances 0.000 claims description 41
- 230000000694 effects Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 34
- 239000002803 fossil fuel Substances 0.000 claims description 30
- 239000003795 chemical substances by application Substances 0.000 claims description 29
- 238000002485 combustion reaction Methods 0.000 claims description 29
- 230000003009 desulfurizing effect Effects 0.000 claims description 29
- 239000000446 fuel Substances 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 26
- 238000005516 engineering process Methods 0.000 claims description 22
- 239000002956 ash Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 239000002893 slag Substances 0.000 claims description 20
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 17
- 239000000428 dust Substances 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000003245 coal Substances 0.000 claims description 13
- 239000010881 fly ash Substances 0.000 claims description 10
- 230000003647 oxidation Effects 0.000 claims description 10
- 238000007254 oxidation reaction Methods 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 8
- 230000035425 carbon utilization Effects 0.000 claims description 7
- 230000009919 sequestration Effects 0.000 claims description 7
- 238000004134 energy conservation Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000012946 outsourcing Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 239000005431 greenhouse gas Substances 0.000 description 9
- 238000010248 power generation Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007727 cost benefit analysis Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000528 statistical test Methods 0.000 description 2
- 241000287410 Phylloscopus trochilus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/063—Operations research, analysis or management
-
- 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
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于火电厂碳排放量预测技术领域，公开了一种基于LEAP模型的火电厂碳减排潜力分析方法及系统；所述方法包括以下步骤：采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；在设置的三种不同情景下，基于获取的碳排放量以及构建的火电厂LEAP模型，通过NSGA‑Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量并进行对比，获得火电厂碳减排潜力分析结果。本发明提供的技术方案，可提高碳减排潜力分析的精确度与合理性。
Description
技术领域
本发明属于火电厂碳排放量预测技术领域，特别涉及一种基于LEAP(LowEmission Analysis Platform)模型的火电厂碳减排潜力分析方法及系统。
背景技术
火电为经济发展作出重大贡献的同时，也带来了一些环境问题，深刻影响着可持续发展。因此，妥善解决火电带来的环境问题，对于可持续发展以及减缓全球气候变化都至关重要。
国际上，现有的CO2排放量计算方法可分为两大类：一类是直接通过计量设施或检测手段监测烟气排放量和二氧化碳浓度，通常需要安装价格高昂的烟气监测仪；另一类是从燃料投入出发，根据理论计算来计算CO2排放量，充分考虑燃烧条件、燃烧设备和燃料状态等影响二氧化碳排放的实际因素，使得计算结果更具有说服力。因此，釆用燃料投入法计算燃煤电厂二氧化碳排放量的计算问题，成为目前国际上研究的重点。
核算碳排放量是指，火电企业在发电过程中会排放温室气体(解释性的，包括直接和间接排放)，很大一部分碳排放是间接的或不容易直接观测到的，使得计量碳排放需要采用较为抽象的方法。
目前，大多数火电企业虽然已经对碳排放进行了计量，但通常是基于实物或对已发生的碳排放进行计算，很少将整个发电过程中较为抽象的碳排放纳入计量，导致计量结果的准确度不够高；此外，火电企业在计算碳排放时的边界模糊，信息披露也不完善，导致碳排放计量存在问题，如数据分析差异大、信息不一致、整体性较差以及操作空间受限等。
发明内容
本发明的目的在于提供一种基于LEAP模型的火电厂碳减排潜力分析方法及系统，以解决上述存在的一个或多个技术问题。本发明提供的技术方案，可提高碳减排潜力分析的精确度与合理性。
为达到上述目的，本发明采用以下技术方案：
本发明提供的一种基于LEAP模型的火电厂碳减排潜力分析方法，包括以下步骤：
步骤1，采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；
步骤2，获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；
步骤3，在设置的三种不同情景下，基于步骤1获取的碳排放量以及步骤2构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
步骤4，将三种不同情景下使拟合优度R2最大的碳排放量进行对比，获得火电厂碳减排潜力分析结果。
本发明的进一步改进在于，所述步骤1中，采用排放因子法的步骤具体包括：
1)确定分析目标和分析范围；
2)基于步骤1)确定的分析目标和分析范围，收集数据；其中，收集的数据包括排放源数据、活动水平数据和排放因子数据；排放源数据包括特定源的数量、产量、能源消耗量信息；活动水平数据包括与排放源相关的活动水平；排放因子数据指不同源类别的单位产出或活动水平对应的排放量；
3)基于步骤2)收集的数据，计算碳排放量；其中，根据排放源的活动水平数据和排放因子数据，计算每个排放源的排放量的表达式为，E＝AD×EF；
式中，E表示二氧化碳排放量；AD表示活动水平数据；EF表示排放因子数据；
燃煤火电厂总的碳排放量计算公式为，E＝E燃烧+E脱硫+E电；
式中，E燃烧表示燃料燃烧产生的二氧化碳排放量；E脱硫表示脱硫工艺产生的二氧化碳排放量；E电表示外购电产生的二氧化碳排放量；
式中，ADi表示第i种化石燃料普通水平；EFi表示第i种化石燃料的排放因子；
ADi＝FCi×NCVi×10-6；
式中，FCi表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的平均低位发热值；
式中，CCi表示第i种化石燃料的单位热值含碳量；OFi表示第i种化石燃料的碳氧化率；
单位热值含碳量
式中，C煤表示燃煤的月平均元素碳含量(％)；
氧化率
式中，G渣表示全年的炉渣产量；C渣表示炉渣的平均含碳量；G灰表示全年的飞灰产量；C灰表示飞灰的平均含碳量；η除尘表示除尘系统平均除尘效率；
E脱硫＝Σ(CAL×EFk)；
式中，E脱硫表示脱硫过程的二氧化碳排放量；CAL表示碳酸盐消耗量；EFk表示脱硫剂排放因子；K表示脱硫剂类型；
CALk,y＝ΣmBk,m×Ik；
式中，CALk,y表示全年脱硫剂中碳酸盐消耗量；Bk,m表示某月脱硫剂的消耗量；Ik表示脱硫剂中碳酸盐含量；Y表示核算和报告年；
EFk＝EFk,t×TR；
式中，EFk表示脱硫过程的排放因子；EFk,t表示完全转化时脱硫过程排放因子；TR表示转化率百分比；
E电＝AD电×EF电；
式中，E电表示净购入使用电力产生的二氧化碳排放量；AD电表示企业的净购入电量；EF电表示区域电网年平均供电排放因子；
4)基于步骤3)获得的碳排放量，对比不同排放源的碳排放量以分析排放水平差异，识别获得主要排放源。
本发明的进一步改进在于，所述步骤2中，
所述行业信息至少包括预计生产、技术结构的行业信息；
所述技术信息至少包括燃料消耗、燃料成本、燃烧过程CO2排放的技术信息。
本发明的进一步改进在于，所述步骤3中，
所述三种不同情景分别为基准情景、减排情景和具体技术实施情景；其中，
所述基准情景为参照情景，是装机容量和单位产品能耗维持不变的情景；
所述减排情景是从实际出发，参考不同政策，针对机组节能改造减排的情景；其中，所述减排情景包括能效限额情景和能效改进情景；
所述具体技术实施情景是选取火电厂现代化设备升级，采用超临界技术，提高燃烧效率，减少燃料消耗和排放的情景。
本发明的进一步改进在于，所述步骤3中，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化的步骤包括：
在LEAP模型对多情景的碳排放潜力进行分析时，使用改进的遗传算法NSGA-Ⅱ对LEAP模型的火电厂运营和产能、碳捕获、碳封存和碳利用相关参数、减排设备的投资和运维成本、可再生能源和清洁能源比例、电网的容量和输电效率、碳交易市场相关输入参数进行寻优，以综合拟合优度R2最大化为目标函数，直至LEAP模型的输入参数取得最优结果。
本发明提供的一种基于LEAP模型的火电厂碳减排潜力分析系统，包括：
第一碳排放量获取单元，用于采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；
模型构建单元，用于获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；
第二碳排放量获取单元，用于在设置的三种不同情景下，基于第一碳排放量获取单元获取的碳排放量以及模型构建单元构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
对比分析单元，用于将三种不同情景下使拟合优度R2最大的碳排放量进行对比，获得火电厂碳减排潜力分析结果。
本发明的进一步改进在于，所述第一碳排放量获取单元中，采用排放因子法的步骤具体包括：
1)确定分析目标和分析范围；
2)基于步骤1)确定的分析目标和分析范围，收集数据；其中，收集的数据包括排放源数据、活动水平数据和排放因子数据；排放源数据包括特定源的数量、产量、能源消耗量信息；活动水平数据包括与排放源相关的活动水平；排放因子数据指不同源类别的单位产出或活动水平对应的排放量；
3)基于步骤2)收集的数据，计算碳排放量；其中，根据排放源的活动水平数据和排放因子数据，计算每个排放源的排放量的表达式为，E＝AD×EF；
式中，E表示二氧化碳排放量；AD表示活动水平数据；EF表示排放因子数据；
燃煤火电厂总的碳排放量计算公式为，E＝E燃烧+E脱硫+E电；
式中，E燃烧表示燃料燃烧产生的二氧化碳排放量；E脱硫表示脱硫工艺产生的二氧化碳排放量；E电表示外购电产生的二氧化碳排放量；
式中，ADi表示第i种化石燃料普通水平；EFi表示第i种化石燃料的排放因子；
ADi＝FCi×NCVi×10-6；
式中，FCi表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的平均低位发热值；
式中，CCi表示第i种化石燃料的单位热值含碳量；OFi表示第i种化石燃料的碳氧化率；单位热值含碳量
式中，C煤表示燃煤的月平均元素碳含量(％)；
氧化率
式中，G渣表示全年的炉渣产量；C渣表示炉渣的平均含碳量；G灰表示全年的飞灰产量；C灰表示飞灰的平均含碳量；η除尘表示除尘系统平均除尘效率；
E脱硫＝Σ(CAL×EFk)；
式中，E脱硫表示脱硫过程的二氧化碳排放量；CAL表示碳酸盐消耗量；EFk表示脱硫剂排放因子；K表示脱硫剂类型；
CALk,y＝ΣmBk,m×Ik；
式中，CALk,y表示全年脱硫剂中碳酸盐消耗量；Bk,m表示某月脱硫剂的消耗量；Ik表示脱硫剂中碳酸盐含量；Y表示核算和报告年；
EFk＝EFk,t×TR；
式中，EFk表示脱硫过程的排放因子；EFk,t表示完全转化时脱硫过程排放因子；TR表示转化率百分比；
E电＝AD电×EF电；
式中，E电表示净购入使用电力产生的二氧化碳排放量；AD电表示企业的净购入电量；EF电表示区域电网年平均供电排放因子；
4)基于步骤3)获得的碳排放量，对比不同排放源的碳排放量以分析排放水平差异，识别获得主要排放源。
本发明的进一步改进在于，所述模型构建单元中，
所述行业信息至少包括预计生产、技术结构的行业信息；
所述技术信息至少包括燃料消耗、燃料成本、燃烧过程CO2排放的技术信息。
本发明的进一步改进在于，所述第二碳排放量获取单元中，
所述三种不同情景分别为基准情景、减排情景和具体技术实施情景；其中，
所述基准情景为参照情景，是装机容量和单位产品能耗维持不变的情景；
所述减排情景是从实际出发，参考不同政策，针对机组节能改造减排的情景；其中，所述减排情景包括能效限额情景和能效改进情景；
所述具体技术实施情景是选取火电厂现代化设备升级，采用超临界技术，提高燃烧效率，减少燃料消耗和排放的情景。
本发明的进一步改进在于，所述第二碳排放量获取单元中，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化的步骤包括：
在LEAP模型对多情景的碳排放潜力进行分析时，使用改进的遗传算法NSGA-Ⅱ对LEAP模型的火电厂运营和产能、碳捕获、碳封存和碳利用相关参数、减排设备的投资和运维成本、可再生能源和清洁能源比例、电网的容量和输电效率、碳交易市场相关输入参数进行寻优，以综合拟合优度R2最大化为目标函数，直至LEAP模型的输入参数取得最优结果。
与现有技术相比，本发明具有以下有益效果：
针对现有技术在计量火电企业碳排放的过程中常常忽略发电过程中较为抽象的碳排放量，计算碳排放时边界模糊，信息不完善，以及数据分析差异大的问题。本发明具体公开了一种基于LEAP模型的火电厂碳减排潜力分析方法；其中，首先使用排放因子法对火电厂的整个电力系统进行了分析研究，对火电厂的碳排放量进行核算，其次基于NSGA-Ⅱ算法优化LEAP模型的输入参数，使LEAP模型在基准情景、减排情景、具体技术实施情景下对碳减排潜力进行分析，使最大化综合拟合优度R2。本发明方法考虑了发电过程中较为抽象的碳排放量，具有精确度高，效率高的特点；另外，可具体化碳排放核算边界，能够提升核算整体性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，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的附图。
图1是本发明实施例中，基于LEAP模型的火电厂碳减排潜力分析方法的流程示意图；
图2是本发明具体实施例中，基于LEAP模型的火电厂碳减排潜力分析方法的流程示意图；
图3是本发明实施例中，碳减排潜力分析的LEAP模型分析路线示意图；
图4是本发明实施例中，基于LEAP模型的火电厂碳减排潜力分析系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
请参阅图1，本发明实施例提供的一种基于LEAP模型的火电厂碳减排潜力分析方法，包括以下步骤：
步骤1，采用排放因子法，核算选定火电厂(解释性的，可为某一确定的火电厂；或者，为选定区域的多个火电厂)的未来某个选定时间段(解释性的，可以是未来某年)的碳排放量；
步骤2，获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；具体解释性的，所述行业信息至少包括预计生产、技术结构的行业信息，所述技术信息至少包括燃料消耗、燃料成本、燃烧过程CO2排放的技术信息；
步骤3，在设置的三种不同情景下，基于步骤1获取的碳排放量以及步骤2构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
步骤4，对比三种不同情景下使拟合优度R2最大的碳排放量，获得火电厂碳减排潜力分析结果。
本发明实施例公开的技术方案中，首先使用排放因子法对火电厂的整个电力系统进行了分析研究，对火电厂的碳排放量进行核算，其次基于NSGA-Ⅱ算法优化LEAP模型的输入参数，使LEAP模型在基准情景、减排情景、具体技术实施情景下对碳减排潜力进行分析，使最大化综合拟合优度；本发明方法考虑了发电过程中较为抽象的碳排放量，具有精确度高，效率高的特点。
进一步解释性的，排放因子法是目前应用最为广泛的温室气体排放量核算方法，基本公式是“温室气体排放量＝活动水平数据×排放因子”，反映出能源强度和碳排放强度的高度相关；政府间气候变化专门委员会(IPCC)编制的《2006年IPCC国家温室气体清单指南》对此种方法进行了详细说明，为不同国家、不同地区、不同行业的温室气体排放量计算提供了详细的技术指导；排放因子法既可应用于宏观核算，也适用于行业的微观角度。
本发明实施例具体示例性的，所采用的技术方案包括：首先根据各地区不同年份的统计年鉴，根据政府间气候变化专门委员会(IPCC)公布的《国家温室气体清单指南》，采用排放因子法核算碳排放量；在此基础上选取火电厂的预计生产、技术结构等行业信息以及燃料消耗、燃料成本、燃烧过程CO2排放等技术信息；最后用LEAP模型在不同情景中预测未来时间段的碳排放量，与此同时利用改进后的遗传算法(NSGA-Ⅱ)寻优使拟合优度R2最大化。解释性的，本发明方法中，首先采用排放因子法对火电厂整个发电过程的碳排放量进行核算，以核算的数据作为基础；其次建立用于能源政策分析和气候变化评估的LEAP模型，并以具体政策和技术中的数值作为参数设置的依据，增加判断的专业性；最后采用情景分析法对多个场景进行碳减排潜力分析并且用改进后的遗传算法(NSGA-Ⅱ)寻优使拟合优度R2最大化，剔除数据的波动对结果趋势造成的影响。
请参阅图2，本发明实施例具体示例性的，公开一种基于LEAP模型的火电厂碳减排潜力分析方法，具体包括以下步骤：
步骤1，基于待碳减排潜力分析的火电厂，采用排放因子法，对选定历史时间段的碳排放量进行核算，求出未来时间段目标的碳排放量，以用于与后续LEAP模型求出的碳排放量进行拟合优度R2的计算。
本发明实施例具体示例性的，步骤1包括：从电力行业层面出发，通过自上而下的方法，针对火电厂自身情况，综合其具体行为及活动中产生的温室气体，同时考虑技术效率、物料损耗等细节，对近几年碳排放量进行核算；其中，
用排放因子法进行分析时，主要遵循以下四个环节，包括：
1)确定分析目标和范围，包括：确定分析目标，例如特定的污染物排放分析、温室气体排放分析等；确定分析范围，包括涉及的源类别、时间范围、地理范围等；
2)收集数据，包括：收集所需的数据，包括排放源数据、活动水平数据和排放因子数据；其中，排放源数据包括特定源的数量、产量、能源消耗量等信息；活动水平数据包括与排放源相关的活动水平，例如产量、生产规模等；排放因子数据指不同源类别的单位产出或活动水平对应的排放量；
3)计算排放量，包括：根据排放源的活动水平和排放因子，计算出每个排放源的排放量；其中，排放量＝活动水平×排放因子，表达式为，
E＝AD×EF；
式中，E表示二氧化碳排放量，t；AD表示活动水平数据，TJ；EF表示排放因子；
根据核算边界可知，燃煤火电厂总的碳排放量计算公式为，
E＝E燃烧+E脱硫+E电；
式中，E表示二氧化碳排放量，t；E燃烧表示燃料燃烧产生的二氧化碳排放量，t；E脱硫表示脱硫工艺产生的二氧化碳排放量，t；E电表示外购电产生的二氧化碳排放量，t；
式中，ADi表示第i种化石燃料普通水平；EFi表示第i种化石燃料的排放因子，tCO2/MWh；
ADi＝FCi×NCVi×10-6；
式中，FCi表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的平均低位发热值；
式中，CCi表示第i种化石燃料的单位热值含碳量；OFi表示第i种化石燃料的碳氧化率；/>表示二氧化碳与碳的分子量之比；
单位热值含碳量
式中，C煤表示燃煤的月平均元素碳含量(％)。
氧化率
式中，G渣表示全年的炉渣产量；C渣表示炉渣的平均含碳量；G灰表示全年的飞灰产量；C灰表示飞灰的平均含碳量；η除尘表示除尘系统平均除尘效率。
根据湿法脱硫的原理可知，电厂在脱硫过程中，会产生CO2；此过程排放量采用排放因子法，可通过排放因子和碳酸盐的消耗量相乘得出，计算公式如下，
E脱硫＝Σ(CAL×EFk)；
式中，E脱硫表示脱硫过程的二氧化碳排放量；CAL表示碳酸盐消耗量；EFk表示脱硫剂排放因子；K表示脱硫剂类型。
本发明实施例具体示例性的，活动水平数据为脱硫剂中碳酸盐的年消耗量，按月记录每批次投加量之和；脱硫剂中碳酸盐含量取缺省值90％。
CALk,y＝ΣmBk,m×Ik；
式中，CALk,y表示全年脱硫剂中碳酸盐消耗量；Bk,m表示某月脱硫剂的消耗量；Ik表示脱硫剂中碳酸盐含量；Y表示核算和报告年。
脱硫剂排放因子为基于物料守恒法计算并考虑转化率的参数，等于脱硫剂中碳酸盐完全转换成二氧化碳时的排放因子和转化率相乘。完全转化时脱硫过程的排放因子根据碳酸盐种类选择缺省值，转换率可使用推荐之100％；
其中，EFk＝EFk,t×TR；
式中，EFk表示脱硫过程的排放因子；EFk,t表示完全转化时脱硫过程排放因子；TR表示转化率百分比；
对于净购入使用电力产生的二氧化碳排放量的计算采用排放因子法，用净购入电量乘以该区域电网平均供电排放因子得出；其中，活动水平数据为发电企业净购入电量，排放因子来自政府主管部门发布的最近一年对应区域的电网年平均排放因子，公式如下，
E电＝AD电×EF电；
式中，E电表示净购入使用电力产生的二氧化碳排放量；AD电表示企业的净购入电量；EF电表示区域电网年平均供电排放因子。
4)分析和解释结果，包括：分析计算得到的排放量数据，对排放情况进行评估和解释；比较不同排放源的排放量，分析其排放水平差异，识别主要排放来源。
步骤2，LEAP模型的结构性强，可以结合其他模型综合分析能源政策和环境影响；LEAP以情景分析为基础，提供情景管理，可以设置不同的情景，数据设置更为灵活，更易于操作；为实现环境影响评价功能，用户可手动设置实际排放因子，或者直接采用系统自带的排放因子数据库。解释性的，LEAP模型包含“能源需求预测”、“能源转化”、“环境影响预测”、“成本效益分析”等模块，本发明实施例技术方案主要从终端能源消费出发，采用“能源需求预测”、“环境影响预测”和“成本效益分析”模块来分析行业的碳减排潜力和减排成本，具体分析过程如图3所示。
本发明实施例中，设置了三种分析情景，分别是基准情景、减排情景和具体技术实施情景；其中，每种情景代表着不同技术参数，分别计算每种情景下的产量，基于每种情景的产量及技术信息，对每种情景下的能源需求、成本、二氧化碳排放进行分析，最终得到各个情景的CO2减排潜力。
步骤3，LEAP模型以情景分析法为基础，在设计情景时，通过历史数据，以对未来做出尽量合理的假设，然后通过经济性分析等手段预测其可行性及需要采取的措施。
具体示例性的，参考具体政策目标，设计三种情景，情景描述如下：
情景1，基准情景，即参照情景：某地区电力行业不改变某年的生产模式和能源效率，按照当前的技术条件完成电力生产，即装机容量和单位产品能耗维持不变，而其他减排途径或方式皆是相对于此情景的优化方案；
情景2，减排情景：从实际出发，参考不同国家政策，重点针对机组的节能改造，提出以下减排情景：
1)能效限额情景，参考《国家常规燃煤电厂单位产品能耗限额》，某地区电力行业实施推广的一批关键成熟的节能技术，用以提高能源效率，达到当前行业同类型机组先进值；
2)能效改进情景，根据煤电节能减排升级与改造行动计划，某地区电力行业将加强节能技术改造，进一步提高能源利用效率；
情景3，具体技术实施情景：重点选取火电厂现代化设备升级，采用超临界技术，提高燃烧效率，减少燃料消耗和排放；优化燃烧过程，改进锅炉、汽轮机和发电机组等关键设备，提高能源转化效率；燃料切换与可再生能源整合：将部分煤炭替换为天然气，减少煤炭消耗；增加可再生能源(如风能、太阳能)的并网发电量；引入二氧化碳捕获技术，将火电厂排放的二氧化碳捕获并储存或转化为有价值的产品的情景。
步骤4，在LEAP模型对多情景的碳排放潜力进行分析时使用改进的遗传算法(NSGA-Ⅱ)对LEAP模型的火电厂运营和产能、碳捕获、碳封存和碳利用相关参数、减排设备的投资和运维成本、可再生能源和清洁能源比例、电网的容量和输电效率、碳交易市场等相关输入参数进行寻优，以综合拟合优度R2最大化为目标函数，直至该模型的输入参数取得最优结果，使碳减排潜力分析更为精确合理。进一步解释性的，拟合优度检验用于检测观测数据和依据模型计算得出的假设数据之间吻合性的统计学上的检验方式；其中，拟合优度由两部分构成，分别是由自变量引起的因变量的变差平方和和由随机误差项引起的因变量的变差平方和，依次记为R2m、R2n；
在实际应用中，常用可决系数来表示，R2m、R2n、R2、/>的具体计算公式如下，
式中，R2为总离差平方和；为观测值；yi是理论值；/>是平均值；n-p-1、n-1为R2m、R2的自由度，n是观测值的个数，p是自变量的个数，1表示截距项；可决系数/>取值介于0和1之间，/>越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比越高，观测点在回归曲线附近越密集，即观测点与理论点间误差越小，模型拟合程度越好；反之亦然。
本发明实施例具体解释性的，LEAP模型是指大量用于能源政策分析和气候变化评估且已成为大多国家实行能源规划和环境影响评价(包括温室气体排放)的标准的模型，该模型通过不同情景下未来发展趋势的预测来分析未来能源需求和能源消费以及环境影响，并通过经济性分析来预测这些情景发生的可能性；模型包含“能源需求预测”、“能源转化”、“环境影响预测”、“成本效益分析”等模块。本发明实施例技术方案，主要从终端能源消费出发，采用“能源需求预测”、“环境影响预测”模块来分析行业的碳减排潜力。该模型的输入参数由以下几个方面构成：1)火电厂运营和产能相关参数：火电厂容量和装机容量、发电量、煤炭、天然气等燃料的消耗量、发电效率、碳排放因子和控制技术。2)火电厂的碳排放因子：碳捕获、碳封存和碳利用技术的效率和成本、减排设备的投资和运维成本。3)可再生能源和清洁能源比例：可再生能源(如风能、太阳能)和清洁能源(如核能)在总发电量中的占比。4)能源政策和法规：碳排放限制政策(如碳排放配额)、火电厂碳排放标准。经济和社会因素：经济增长率、人口增长率、电力需求增长率、投资和财务因素。5)碳排放市场情况：碳排放配额价格、碳交易市场情况。
本发明实施例中，碳减排潜力分析模型的建立可分为以下四步：1)行业生产预测2)能源需求预测3)二氧化碳排放量预测4)碳减排潜力分析。
所述的拟合优度R2指标是用于检测观测数据和依据模型计算得出的假设数据之间吻合性的统计学上的检验方式。
综上所述，本发明实施例公开的基于LEAP模型的火电厂碳减排潜力分析方法中，首先使用排放因子法对火电厂的整个电力系统进行了分析研究，对火电厂的碳排放量进行核算，其次通过LEAP模型在基准情景、减排情景、具体技术实施情景下对碳减排潜力进行分析，利用改进后的遗传算法(NSGA-Ⅱ)对LEAP模型中涉及火电厂运营、碳捕获、碳封存、碳利用、减排设备成本、可再生能源比例、电网容量、碳交易市场等参数进行多目标寻优，旨在最大化综合拟合优度R2，以实现对模型输入参数的优化，进而提高碳减排潜力分析的准确性和合理性。综上所述，本发明技术方案提高了碳减排潜力分析的精确度与合理性，为实现“双碳”计划提供了理论依据。
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未披露的细节，请参照本发明方法实施例。
请参阅图4，本发明再一实施例中，提供一种基于LEAP模型的火电厂碳减排潜力分析系统，包括：
第一碳排放量获取单元，用于采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；
模型构建单元，用于获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；
第二碳排放量获取单元，用于在设置的三种不同情景下，基于第一碳排放量获取单元获取的碳排放量以及模型构建单元构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
对比分析单元，用于将三种不同情景下使拟合优度R2最大的碳排放量进行对比，获得火电厂碳减排潜力分析结果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于LEAP模型的火电厂碳减排潜力分析方法，其特征在于，包括以下步骤：
步骤1，采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；
步骤2，获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；
步骤3，在设置的三种不同情景下，基于步骤1获取的碳排放量以及步骤2构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
步骤4，将三种不同情景下使拟合优度R2最大的碳排放量进行对比，获得火电厂碳减排潜力分析结果。
2.根据权利要求1所述的一种基于LEAP模型的火电厂碳减排潜力分析方法，其特征在于，所述步骤1中，采用排放因子法的步骤具体包括：
1)确定分析目标和分析范围；
2)基于步骤1)确定的分析目标和分析范围，收集数据；其中，收集的数据包括排放源数据、活动水平数据和排放因子数据；排放源数据包括特定源的数量、产量、能源消耗量信息；活动水平数据包括与排放源相关的活动水平；排放因子数据指不同源类别的单位产出或活动水平对应的排放量；
3)基于步骤2)收集的数据，计算碳排放量；其中，根据排放源的活动水平数据和排放因子数据，计算每个排放源的排放量的表达式为，E＝AD×EF；
式中，E表示二氧化碳排放量；AD表示活动水平数据；EF表示排放因子数据；
燃煤火电厂总的碳排放量计算公式为，E＝E燃烧+E脱硫+E电；
式中，E燃烧表示燃料燃烧产生的二氧化碳排放量；E脱硫表示脱硫工艺产生的二氧化碳排放量；E电表示外购电产生的二氧化碳排放量；
式中，ADi表示第i种化石燃料普通水平；EFi表示第i种化石燃料的排放因子；
ADi＝FCi×NCVi×10-6；
式中，FCi表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的平均低位发热值；
式中，CCi表示第i种化石燃料的单位热值含碳量；OFi表示第i种化石燃料的碳氧化率；
单位热值含碳量
式中，C煤表示燃煤的月平均元素碳含量(％)；
氧化率
式中，G渣表示全年的炉渣产量；C渣表示炉渣的平均含碳量；G灰表示全年的飞灰产量；C灰表示飞灰的平均含碳量；η除尘表示除尘系统平均除尘效率；
E脱硫＝∑(CAL×EFk)；
式中，E脱硫表示脱硫过程的二氧化碳排放量；CAL表示碳酸盐消耗量；EFk表示脱硫剂排放因子；K表示脱硫剂类型；
CALk,y＝∑mBk,m×Ik；
式中，CALk,y表示全年脱硫剂中碳酸盐消耗量；Bk,m表示某月脱硫剂的消耗量；Ik表示脱硫剂中碳酸盐含量；Y表示核算和报告年；
EFk＝EFk,t×TR；
式中，EFk表示脱硫过程的排放因子；EFk,t表示完全转化时脱硫过程排放因子；TR表示转化率百分比；
E电＝AD电×EF电；
式中，E电表示净购入使用电力产生的二氧化碳排放量；AD电表示企业的净购入电量；EF电表示区域电网年平均供电排放因子；
4)基于步骤3)获得的碳排放量，对比不同排放源的碳排放量以分析排放水平差异，识别获得主要排放源。
3.根据权利要求1所述的一种基于LEAP模型的火电厂碳减排潜力分析方法，其特征在于，所述步骤2中，
所述行业信息至少包括预计生产、技术结构的行业信息；
所述技术信息至少包括燃料消耗、燃料成本、燃烧过程CO2排放的技术信息。
4.根据权利要求1所述的一种基于LEAP模型的火电厂碳减排潜力分析方法，其特征在于，所述步骤3中，
所述三种不同情景分别为基准情景、减排情景和具体技术实施情景；其中，
所述基准情景为参照情景，是装机容量和单位产品能耗维持不变的情景；
所述减排情景是从实际出发，参考不同政策，针对机组节能改造减排的情景；其中，所述减排情景包括能效限额情景和能效改进情景；
所述具体技术实施情景是选取火电厂现代化设备升级，采用超临界技术，提高燃烧效率，减少燃料消耗和排放的情景。
5.根据权利要求1所述的一种基于LEAP模型的火电厂碳减排潜力分析方法，其特征在于，所述步骤3中，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化的步骤包括：
在LEAP模型对多情景的碳排放潜力进行分析时，使用改进的遗传算法NSGA-Ⅱ对LEAP模型的火电厂运营和产能、碳捕获、碳封存和碳利用相关参数、减排设备的投资和运维成本、可再生能源和清洁能源比例、电网的容量和输电效率、碳交易市场相关输入参数进行寻优，以综合拟合优度R2最大化为目标函数，直至LEAP模型的输入参数取得最优结果。
6.一种基于LEAP模型的火电厂碳减排潜力分析系统，其特征在于，包括：
第一碳排放量获取单元，用于采用排放因子法，核算获得选定火电厂的未来某个选定时间段的碳排放量；
模型构建单元，用于获取选定火电厂的行业信息和技术信息，构建获得火电厂LEAP模型；
第二碳排放量获取单元，用于在设置的三种不同情景下，基于第一碳排放量获取单元获取的碳排放量以及模型构建单元构建的火电厂LEAP模型，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化，获得三种不同情景下使拟合优度R2最大的碳排放量；
对比分析单元，用于将三种不同情景下使拟合优度R2最大的碳排放量进行对比，获得火电厂碳减排潜力分析结果。
7.根据权利要求6所述的一种基于LEAP模型的火电厂碳减排潜力分析系统，其特征在于，所述第一碳排放量获取单元中，采用排放因子法的步骤具体包括：
1)确定分析目标和分析范围；
2)基于步骤1)确定的分析目标和分析范围，收集数据；其中，收集的数据包括排放源数据、活动水平数据和排放因子数据；排放源数据包括特定源的数量、产量、能源消耗量信息；活动水平数据包括与排放源相关的活动水平；排放因子数据指不同源类别的单位产出或活动水平对应的排放量；
3)基于步骤2)收集的数据，计算碳排放量；其中，根据排放源的活动水平数据和排放因子数据，计算每个排放源的排放量的表达式为，E＝AD×EF；
式中，E表示二氧化碳排放量；AD表示活动水平数据；EF表示排放因子数据；
燃煤火电厂总的碳排放量计算公式为，E＝E燃烧+E脱硫+E电；
式中，E燃烧表示燃料燃烧产生的二氧化碳排放量；E脱硫表示脱硫工艺产生的二氧化碳排放量；E电表示外购电产生的二氧化碳排放量；
式中，ADi表示第i种化石燃料普通水平；EFi表示第i种化石燃料的排放因子；
ADi＝FCi×NCVi×10-6；
式中，FCi表示第i种化石燃料的消耗量；NCVi表示第i种化石燃料的平均低位发热值；
式中，CCi表示第i种化石燃料的单位热值含碳量；OFi表示第i种化石燃料的碳氧化率；
单位热值含碳量
式中，C煤表示燃煤的月平均元素碳含量(％)；
氧化率
式中，G渣表示全年的炉渣产量；C渣表示炉渣的平均含碳量；G灰表示全年的飞灰产量；C灰表示飞灰的平均含碳量；η除尘表示除尘系统平均除尘效率；
E脱硫＝∑(CAL×EFk)；
式中，E脱硫表示脱硫过程的二氧化碳排放量；CAL表示碳酸盐消耗量；EFk表示脱硫剂排放因子；K表示脱硫剂类型；
CALk,y＝∑mBk,m×Ik；
式中，CALk,y表示全年脱硫剂中碳酸盐消耗量；Bk,m表示某月脱硫剂的消耗量；Ik表示脱硫剂中碳酸盐含量；Y表示核算和报告年；
EFk＝EFk,t×TR；
式中，EFk表示脱硫过程的排放因子；EFk,t表示完全转化时脱硫过程排放因子；TR表示转化率百分比；
E电＝AD电×EF电；
式中，E电表示净购入使用电力产生的二氧化碳排放量；AD电表示企业的净购入电量；EF电表示区域电网年平均供电排放因子；
4)基于步骤3)获得的碳排放量，对比不同排放源的碳排放量以分析排放水平差异，识别获得主要排放源。
8.根据权利要求6所述的一种基于LEAP模型的火电厂碳减排潜力分析系统，其特征在于，所述模型构建单元中，
所述行业信息至少包括预计生产、技术结构的行业信息；
所述技术信息至少包括燃料消耗、燃料成本、燃烧过程CO2排放的技术信息。
9.根据权利要求6所述的一种基于LEAP模型的火电厂碳减排潜力分析系统，其特征在于，所述第二碳排放量获取单元中，
所述三种不同情景分别为基准情景、减排情景和具体技术实施情景；其中，
所述基准情景为参照情景，是装机容量和单位产品能耗维持不变的情景；
所述减排情景是从实际出发，参考不同政策，针对机组节能改造减排的情景；其中，所述减排情景包括能效限额情景和能效改进情景；
所述具体技术实施情景是选取火电厂现代化设备升级，采用超临界技术，提高燃烧效率，减少燃料消耗和排放的情景。
10.根据权利要求6所述的一种基于LEAP模型的火电厂碳减排潜力分析系统，其特征在于，所述第二碳排放量获取单元中，通过NSGA-Ⅱ算法寻找最优的LEAP模型输入参数，使得拟合最优度R2最大化的步骤包括：
在LEAP模型对多情景的碳排放潜力进行分析时，使用改进的遗传算法NSGA-Ⅱ对LEAP模型的火电厂运营和产能、碳捕获、碳封存和碳利用相关参数、减排设备的投资和运维成本、可再生能源和清洁能源比例、电网的容量和输电效率、碳交易市场相关输入参数进行寻优，以综合拟合优度R2最大化为目标函数，直至LEAP模型的输入参数取得最优结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410028892.XA CN117875491A (zh) | 2024-01-08 | 2024-01-08 | 一种基于leap模型的火电厂碳减排潜力分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410028892.XA CN117875491A (zh) | 2024-01-08 | 2024-01-08 | 一种基于leap模型的火电厂碳减排潜力分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117875491A true CN117875491A (zh) | 2024-04-12 |
Family
ID=90586189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410028892.XA Pending CN117875491A (zh) | 2024-01-08 | 2024-01-08 | 一种基于leap模型的火电厂碳减排潜力分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117875491A (zh) |
-
2024
- 2024-01-08 CN CN202410028892.XA patent/CN117875491A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ofosu-Adarkwa et al. | Forecasting CO2 emissions of China's cement industry using a hybrid Verhulst-GM (1, N) model and emissions' technical conversion | |
| CN109272243B (zh) | 碳资产管理方法及系统 | |
| CN107316112B (zh) | 一种成本效益最优的火电机组减排方案定制方法和系统 | |
| Oree et al. | A multi-objective framework for long-term generation expansion planning with variable renewables | |
| CN110263395A (zh) | 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统 | |
| Han et al. | Coal-fired power plant CCUS project comprehensive benefit evaluation and forecasting model study | |
| CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
| Fragniere et al. | A stochastic programming model for energy/environment choices under uncertainty | |
| CN116664161B (zh) | 一种基于燃煤火电厂的二氧化碳排放核算技术选择方法 | |
| Peng et al. | A framework for evaluating energy security in China: Empirical analysis of forecasting and assessment based on energy consumption | |
| Patankar et al. | Using robust optimization to inform US deep decarbonization planning | |
| CN117869930B (zh) | 用于燃煤锅炉宽负荷范围稳燃的多变量控制方法及装置 | |
| Monterrat et al. | Integration Cost of Variable Renewable Resources to Power Systems–A Techno-economic Assessment in European Countries | |
| CN114239197A (zh) | 供热系统碳转化过程建模和低碳优化运行调度决策的方法 | |
| Cohen | A techno-economic plant-and grid-level assessment of flexible CO2 capture | |
| Chen et al. | Long-term impacts of carbon tax and feed-in tariff policies on China's generating portfolio and carbon emissions: a multi-agent-based analysis | |
| Tao et al. | An opportunistic joint maintenance strategy for two offshore wind farms | |
| CN117422167A (zh) | 一种基于树模型的电力碳排放预测分析方法 | |
| Nakicenovic | Technological change and learning | |
| CN116822977A (zh) | 一种基于定量测算企业碳减排潜力的减排策略生成方法 | |
| CN116629553A (zh) | 基于非完全区间多目标模糊优化的区域综合能源调度方法 | |
| Fortuin | Strategic analysis of electricity generation mix in South Africa | |
| CN117875491A (zh) | 一种基于leap模型的火电厂碳减排潜力分析方法及系统 | |
| Liu et al. | Comparative Analysis of CO₂ Emission Accounting Methods for Coal-fired Power Plants | |
| CN115511243A (zh) | 配煤掺烧控制方法、装置、设备及介质 |
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 |