电能消费为主背景下能源结构与碳排放量关系分析方法与流程

1.本发明涉及能源经济研究领域，特别涉及一种电能消费为主背景下能源结 构与碳排放量关系分析方法。


背景技术：

2.针对全球变暖问题，我国将进一步提高国家自主贡献力度，采取更加有力 的政策和措施，co2排放力争于2030年前达到峰值，努力争取2060年前实现碳 中和。可以看出，这对中国积极应对气候变化和能源高质量发展提出了新的、 更高的、定量的要求。
3.能源消费将逐步由补充化石能源供应的阶段，迈向大范围增量替代、区域 性存量替代的阶段，通过能源消费结构调整和经济结构调整使环境污染随着经 济的增长而持续下降。因此，研究能源消费结构对二氧化碳排放量的影响，提 出能源消费革命的政策建议具有重要的现实意义。


技术实现要素：

4.为此，本发明基于向量自回归模型对能源消费结构与碳排放量的关系进行 实证研究，通过回归分析清洁能源消费占总能源消费的比重与碳排放量之间的 关系，以便为能源消费革命提供政策建议。
5.本发明提供一种电能消费为主背景下能源结构与碳排放量关系分析方法， 可以在计算设备中执行，在该方法中，首先获取清洁能源消费占总能源消费的 比重以及各类能源的碳排放总量，分别作为能源消费结构和碳排放量的解释变 量。然后为避免出现异方差和多重共线性问题，保证其时序性质，对获取的变 量取对数，获得时间序列数据。接着，对时间序列数据进行平稳性检验、协整 检验和格兰杰因果检验，得到检验结果。然后就可以基于检验结果建立var向 量自回归模型，根据lr似然比检验、fpe最小最终预报误差准则、aic赤池信 息准则、sc施瓦兹准则、hq准则，确定var模型的最优滞后阶数，生成具 体模型。最后，验证具体模型的稳定性，通过脉冲响应分析得到不同能源消费 结构对碳排放量的影响，通过方差分解分析得到能源消费结构对二氧化碳排放 量的贡献率。
6.可选地，在上述方法中，由于向量自回归(var)是基于数据的统计性质建立 模型，可以对时间序列数据进行描述性统计，获得统计数据以便对var模型进 行分析，统计数据可以包括平均值、最大值、最小值、标准差。
7.可选地，碳排放总量通过下述公式计算：
8.c＝∑βi×ei
9.其中，c为碳排放总量，βi为每种能源的碳排放系数，ei为能源的消费量。 可选地，一个滞后阶数为p的var(p)模型的矩阵形式为：
10.y
t
＝β+φ1y
t-1
+φ2y
t-2
+
…
+φ
pyt-p
+u
t
t＝1,2,
…
,t
11.其中，
[0012][0013]
其中，y表示清洁能源占总能源消费的比重，u
t
表示随机误差向量，β为常 数项，φ为系数矩阵，p为滞后阶数。
[0014]
可选地，在对时间序列数据进行检验的步骤中，可以首先判断时间序列数 据、时间序列数据的一阶差分和二阶差分是否存在单位根，若存在单位根，即 非平稳，若不存在单位根，即平稳。在得到平稳的时间序列数据后，可以使用 迹统计量进行johansen协整检验，确定能源消费结构和碳排放量之间是否存在 长期协整关系。最后使用符合f分布的统计量对时间序列数据进行格兰杰因果 检验，确定能源消费结构和碳排放量之间是否存在因果关系。经过上述检验后， 才符合构建var模型的条件。
[0015]
可选地，由于只有稳定的var模型才能得到有效的脉冲响应结果，所以还 需要对估计出的模型进行稳定性检验。可以基于生成的具体模型计算特征根， 当所有特征根模的倒数均位于单位圆内时，所述具体模型满足稳定性要求。
[0016]
根据本发明的另一个方面，提供了一种计算设备，包括：一个或多个处理 器；存储器；以及一个或多个程序，其中一个或多个程序存储在存储器中并被 配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据本发明的 一种基于var模型的能源消费结构与碳排放量关系分析方法。
[0017]
根据本发明的再一个方面，提供了一种存储一个或多个程序的计算机可读 存储介质，一个或多个程序包括指令，该指令当由计算设备执行时，使得计算 设备执行根据本发明的电能消费为主背景下能源结构与碳排放量关系分析方 法。
[0018]
本发明方案通过平稳性检验、协整性检验和格兰杰检验确定能源消费结构 与碳排放量之间的因果关系，并基于此建立var模型，通过验证var模型的 稳定性说明滞后阶数的选择是正确的，最后通过脉冲响应分析能源消费结构对 碳排放量的影响，通过方差分解来分析能源消费结构对二氧化碳排放量的贡献 率，从而为能源消费政策的制定提供可靠的支撑。
附图说明
[0019]
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明 性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方 面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面 的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及 本公开，相同的附图标记通常指代相同的部件或元素。
[0020]
图1示出了根据本发明一个示范性实施例的计算设备100的结构图；
[0021]
图2示出了根据本发明一个实施例的电能消费为主背景下能源结构与碳排 放量关系分析方法200的流程示意图；
[0022]
图3示出了根据本发明一个实施例的var(1)模型有效性检验图；
[0023]
图4示出了根据本发明一个实施例的碳排放量对能源消费结构的脉冲响应 图。
具体实施方式
[0024]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了 本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被 这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本 公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0025]
能源消费结构是影响碳排放的主要因素之一。因此，应充分发挥能源消费 结构调整在降低二氧化碳排放中的积极作用，改变传统能源消费结构。
[0026]
图1示出了根据本发明一个实施例的计算设备100的结构图。如图1所示， 在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多 个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的 通信。
[0027]
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于： 微处理器(μp)、微控制器(μc)、数字信息处理器(dsp)或者它们的任何 组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的 一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核 心114可以包括运算逻辑单元(alu)、浮点数单元(fpu)、数字信号处理核 心(dsp核心)或者它们的任何组合。示例的存储器控制器118可以与处理器 104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个 内部部分。
[0028]
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不 限于：易失性存储器(诸如ram)、非易失性存储器(诸如rom、闪存等) 或者它们的任何组合。计算设备中的物理内存通常指的是易失性存储器ram， 磁盘中的数据需要加载至物理内存中才能够被处理器104读取。系统存储器106 可以包括操作系统120、一个或者多个应用122以及程序数据124。应用122实 际上是多条程序指令，其用于指示处理器104执行相应的操作。在一些实施方 式中，在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处 理器104利用程序数据124执行指令。操作系统120例如可以是linux、windows 等，其包括用于处理基本系统服务以及执行依赖于硬件的任务的程序指令。应 用122包括用于实现各种用户期望的功能的程序指令，应用122例如可以是浏 览器、即时通讯软件、软件开发工具(例如集成开发环境ide、编译器等)等， 但不限于此。当应用122被安装到计算设备100中时，可以向操作系统120添 加驱动模块。
[0029]
在计算设备100启动运行时，处理器104会从存储器106中读取操作系统 120的程序指令并执行。应用122运行在操作系统120之上，利用操作系统120 以及底层硬件提供的接口来实现各种用户期望的功能。当用户启动应用122时， 应用122会加载至存储器106中，处理器104从存储器106中读取并执行应用 122的程序指令。
[0030]
计算设备100还包括储存设备132，储存设备132包括可移除储存器136和 不可移
除储存器138，可移除储存器136和不可移除储存器138均与储存接口总 线134连接。
[0031]
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外 设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信 的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元 150。它们可以被配置为有助于经由一个或者多个a/v端口152与诸如显示器或 者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口 控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个 i/o端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输 入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。 示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或 者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通 信。
[0032]
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸 如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、 程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信 号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式 进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之 类的有线介质，以及诸如声音、射频(rf)、微波、红外(ir)或者其它无线 介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质 和通信介质二者。
[0033]
计算设备100还包括与总线/接口控制器130相连的储存接口总线134。储 存接口总线134与储存设备132相连，储存设备132适于进行数据存储。示例 的储存设备132可以包括可移除储存器136(例如cd、dvd、u盘、可移动硬 盘等)和不可移除储存器138(例如硬盘驱动器hdd等)。在根据本发明的计 算设备100中，应用122包括执行方法200的多条程序指令。
[0034]
图2示出了根据本发明的一个实施例的电能消费为主背景下能源结构与碳 排放量关系分析方法200的流程示意图。
[0035]
如图2所示，方法200始于步骤s210，获取清洁能源消费占总能源消费的 比重以及各类能源的碳排放总量，分别作为能源结构与碳排放量的解释变量。 其中，清洁能源是指不排放污染物、能够直接用于生产生活的能源，它包括核 能和“可再生能源”，如太阳能、风能、生物能、水能、核能、地热能，氢能、 海潮能等。可以使用这些清洁能源消费以及天然气占总能源消费比重(ce)来作 为被解释能源结构的衡量指标，此值越大表明能源结构越低碳化。基于数据的 可获得性以及可使用性，本发明选取2000-2019年全国的数据，数据来源于《中 国统计年鉴》、《中国能源统计年鉴》、国家统计局网站。可以使用二氧化碳 排放量(co2)衡量碳排放量。碳排放量可通过下述公式计算：
[0036]
c＝∑βi×ei
[0037]
其中，c为碳排放总量，βi为每种能源的碳排放系数，ei为能源的消费量。 碳排放系数根据《2006年ipcc国家温室气体清单指南》得到，本发明选取煤 炭、焦炭、原油、汽油、柴油、煤油、燃料油、天然气8种能源消耗计算碳排 放总量，这8种能源的碳排放系数如表1所示：
[0038]
表1能源的碳排放系数
[0039][0040]
随后，执行步骤s220，对获取的变量取对数，获得时间序列数据。这样可 以避免出现异方差和多重共线性问题，保证其时序性质。在将所有变量取对数 后，可以用stata15.0对数据进行描述性统计，描述性统计结果如表2：
[0041]
表2描述性统计结果
[0042]
变量样本数平均值标准差最小值最大值lnce201.9461860.38080981.4586152.587764lnc022013.503780.376137612.7552813.91047
[0043]
对于时间序列数据的分析而言，数据的平稳性检验和协整检验是必不可少 的，只有满足平稳性，以及变量间存在协整才能满足数据进行下一步分析的要 求。随后执行步骤s230，对时间序列数据进行平稳性检验、协整检验和格兰杰 因果检验，得到检验结果。可以使用adf单位根的方法进行平稳性检验，若存 在单位根，即非平稳，若不存在单位根，即平稳。首先对原始时间序列数据进 行检验，如果没通过检验，说明原始时间序列不平稳；对原始时间序列进行一 阶差分后再检验，若仍然未通过检验，则需要进行二次差分变换；进行二次差 分后继续检验。adf单位根检验结果如表3所示：
[0044]
表3 adf单位根检验结果
[0045]
变量adf值(c,t,p)1％临界值5％临界值10％临界值平稳性lnce0.928(c,t,1)-3.750-3.000-2.630不平稳lnco20.812(c,t,2)-2.660-1.950-1.600不平稳dlnce-3.581(c,0,0)-3.942-3.232-2.751不平稳dlnco2 (c,t,2)
ꢀꢀꢀ
不平稳ylnce-4.558***(0,0,0)-3.845-3.141-2.649平稳ylnco2 (c,0,1)
ꢀꢀꢀ
平稳
[0046]
上表中，(c,t,p)为检验形式。c，t表示检验类型带有常数项和时间趋势 项，p为滞
后阶数。d表示一阶差分，y表示二阶差分。***代表检验在1％的显 著水平上拒绝序列不平稳的原假设。由表3可知，lnce、lnco2及其一阶差分 序列在5％的显著性水平下均为非平稳序列，但其二阶差分序列在1％的显著性 水平下均为平稳序列，因此为二阶单整过程，两个变量都是二阶单整数据。
[0047]
在得到平稳的时间序列数据后，可以使用迹统计量进行johansen协整检验， 确定能源消费结构和碳排放量之间是否存在长期协整关系。检验过程中，根据 原假设，构造的统计量称为迹统计量。这个检验是一个多步检验，因为变量之 间可能不止存在一个协整关系(非平稳变量之间经过线性组合变成平稳变量)。 可以把所有的协整向量组成一个矩阵，矩阵的秩最小为0，最大为k(设变量的 个数为k)。如果矩阵的秩为0，则说明变量之间不存在协整关系，因此可以提 出原假设：不存在协整关系，然后构造迹统计量，如果落入了拒绝域，则说明 原假设不成立，因此得出变量之间存在协整关系的结论，拒绝了不存在协整关 系的原假设后，可以继续检验原假设最多存在一个协整关系，以此类推，既可 以检验出协整向量的个数。
[0048]
johansen协整检验结果如表4所示：
[0049]
表4 johansen协整检验结果
[0050][0051]
表4中*表明在5％显著水平下拒绝原假设。协整结果显示，lnce与lnco2 之间存在一个协整关系：
[0052]
lnco2＝-0.1473lnce(0.11189)
[0053]
上式括号内为标准差，从协整方程可以看出，能源消费结构即清洁能源占 比对二氧化碳排放量具有抑制作用。从数值角度看，我国清洁能源消费占比每 提高1％，可以使二氧化碳排放量下降0.1437％。因此，从长期看，推行清洁能 源可有效降低碳排放量。
[0054]
协整检验确定了能源消费结构与碳排放之间存在长期协整关系，为进一步 验证变量之间的因果关系及其方向，可以使用符合f分布的统计量对时间序列 数据进行格兰杰因果检验，确定能源消费结构和碳排放量之间是否存在因果关 系。granger因果检验结果如表5所示：
[0055]
表5 granger因果检验结果
[0056]
原假设f统计量p值结论lnco2不是lnce的granger原因31.2490.000拒绝lnce不是lnco2的granger原因6.3710.042拒绝
[0057]
原假设二氧化碳排放量不是能源消费结构的格兰杰原因，p值为0.000＜0.05 的临界值，检验结果拒绝了原假设，说明碳排放量是能源消费结构的格兰杰原 因；原假能源消费结构不是碳排放量的格兰杰原因，p值为0.042＜0.05的临界 值，拒绝原假设，说明能
源消费结构是碳排放量的格兰杰原因。这充分表明能 源结构不断优化可以减少二氧化碳的排放。同时，我国的能源消费结构在很大 程度上受到了碳排放增加影响，因此不断增加的减排压力倒逼我国优化能源消 费结构，提升清洁能源使用率。
[0058]
var模型用于描述向量之间的数量关系，一个前提是平稳数据，并且要求 向量之间要存在一定的关系，统计上的因果关系，因此就需要进行格兰杰因果 关系检验，检验的前提也是平稳的时间序列。经过单位根检验和协整检验，数 据在二阶差分后平稳，且变量之间存在一个协整关系，符合构建var的条件。 随后执行步骤s240，基于检验结果建立var向量自回归模型，根据lr似然比 检验、fpe最小最终预报误差准则、aic赤池信息准则、sc施瓦兹准则、hq (hannan-quinn criterion)准则，确定var模型的最优滞后阶数，生成具体模型。 一个滞后阶数为p的var(p)模型的矩阵形式为：
[0059]yt
＝β+φ1y
t-1
+φ2y
t-2
+
…
+φ
pyt-p
+u
t
t＝1,2,
…
,t
[0060]
其中，
[0061][0062]
其中，y表示清洁能源占总能源消费的比重，u
t
表示随机误差向量，β为常数项， φ为系数矩阵，p为滞后阶数。根据这五个指标，取得最小指标个数最多的阶数， 如果阶数的最小指标个数相同，以aic准则为准。表6为var模型最优滞后阶 数的确定，由表6可知，当滞后期为1时，五个准则均为最小值，因此构建var(1) 模型。
[0063]
表6 var模型最优滞后阶数
[0064]
laglogllrfpeaicschq016.5846 0.00055-1.82308-1.81813-1.7265181.7402130.31*2.7e-07*-9.46753*-9.45269*-9.1778*
[0065]
由于只有稳定的var模型才能得到有效的脉冲响应结果，所以还需要对估 计出的模型进行稳定性检验，最后执行步骤s250，验证具体模型的稳定性，通 过脉冲响应分析得到不同能源消费结构对碳排放量的影响，通过方差分解分析 得到能源消费结构对二氧化碳排放量的贡献率。可以基于生成的var(1)模型计 算特征根，当所有特征根模的倒数均位于单位圆内时，所述具体模型满足稳定 性要求。图3示出了根据本发明实施例的var(1)模型有效性检验图，横坐标 为实部，纵坐标为虚部，可见var模型所有特征根模的倒数均位于单位圆内， 因此生成的模型是稳定的，上述滞后阶数的选择是正确的，可进行脉冲响应分 析具体变量间的变动情况。图4示出了根据本发明一个实施例的碳排放量对能 源消费结构的脉冲响应图。其中95％ci即置信区间，直线表示脉冲响应函数。 脉冲响应图反映了当var模型能源消费结构受到"外生冲击"时，碳排放量受 到的动态影响。由图4可知，碳排放量对能源消费结构的脉冲响应在当期为0。 在第一期给能源消费结构一单位的正向冲击后，二
氧化碳排放量从第二期开始 为负并逐渐递减，第八期后基本保持稳定且始终为负，表明长期来看，能源消 费结构对二氧化碳排放量始终保持有负向影响，有效减少了我国二氧化碳排放 量。
[0066]
在脉冲响应分析的基础上，可以通过方差分解来分析我国能源消费结构对 二氧化碳排放量的贡献率，表7为二氧化碳排放量的方差分解结果，时间设定 为10期。
[0067]
表7二氧化碳排放量的方差分解
[0068]
周期lnco2lnce11001.842299.811.582399.414.740495.267.385590.6111.75685.2414.90779.9017.66875.0020.98970.9324.031065.2127.67
[0069]
由表7可知，能源消费结构对二氧化碳排放量的贡献率呈上升趋势，而且 上升速度很快，到第10期就达到27.67，即二氧化碳排放量预测方差的27.67％ 可以由能源消费结构变动来解释，能源消费结构对碳排放量影响较大。
[0070]
通过向量自回归模型可以长期预测能源消费结构与碳排放量之间的动态关 系，通过对生成的var模型分析，可以得出：能源消费结构与二氧化碳排放量 存在长期协整关系。清洁能源的使用可有效降低二氧化碳的排放；能源消费结 构是碳排放量的格兰杰原因。同时，碳排放量也是能源消费结构的格兰杰原因。 优化的能源消费结构促进减排效果，减排压力也倒逼能源消费结构的改革；方 差分解分析结果表明，能源消费结构对二氧化碳排放量的贡献率呈上升趋势且 影响都比较大。
[0071]
根据上述结论，可以提出以下政策建议：
[0072]
(1)充分发挥能源消费结构在降低二氧化碳排放中的积极作用。对于传统 能源生产行业(如煤炭和石油产业)，需要促进其向机械化、智能化转变，从单 纯资源采掘向精深加工延伸，淘汰落后产能。对于传统能源消耗较大的部分制 造业(如电力生产和供应业)，需要鼓励其采购绿色原材料和绿色生产设备，提 高清洁能源和可再生能源投入比例，从生产侧实现能源使用绿色化。
[0073]
(2)改变传统能源消费结构，从过去的热电联产煤电为主向分布式能源、 天然气冷热电联供和清洁能源与可再生能源互补的能源结构转型，同时也要提 高清洁能源储备调峰能力以扩大其利用范围。另一方面，由于我国短期内对煤 炭仍有较高需求，因此要加快煤炭清洁化技术的开发和应用，例如碳捕集、碳 封存等碳排放控制技术和循环流化床燃烧等清洁煤燃烧技术，促进煤炭这种黑 色能源向绿色化转变。
[0074]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发 明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详 细示出公知的方法、
结构和技术，以便不模糊对本说明书的理解。
[0075]
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技 术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施 例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的 而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离 所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说 许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是 说明性的，而非限制性的，本发明的范围由所附权利要求书限定。