一种火电厂碳排放量预测方法及系统与流程

本发明属于碳排放量预测，特别涉及一种火电厂碳排放量预测方法及系统。

背景技术：

1、“在能源领域引发了一系列深刻而持久的变革。电力行业是消费化石燃料的主要行业之一，也是最大的二氧化碳排放行业之一。火力发电作为主要的发电形式，一直是主要的高碳能源行业，为了能够减少二氧化碳排放并改善环境，火电厂必须提高能源效率。

2、核算火电厂碳排放量是指，计算火电厂发电运行过程中直接或间接对外界排放的温室气体；解释性的，碳排放过程很大一部分是间接排放或不可见的，这意味着在碳排放计量时要用到比较抽象的计算方法。

3、目前，大多数火电厂已经进行了碳排放计量，但大多都是基于实物或对已经发生的碳排放进行计算，很少将整个发电过程中抽象的碳排放纳入计量，导致碳排放计量结果不够准确。另外，很多发电侧的碳排放计算工作核算边界模糊、发电企业信息披露不完善，导致了进行碳排放计量时各个火电企业的数据分析存在较大差异、信息不统一、整体性较差、操作空间太小等问题。

技术实现思路

1、本发明的目的在于提供一种火电厂碳排放量预测方法及系统，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，解决了现有传统碳排放核算忽略将抽象的碳排放纳入计量的问题以及碳排放核算边界模糊发电信息不完善的问题，能够提高火电厂碳排放量预测的可靠性和灵活性。

2、为达到上述目的，本发明采用以下技术方案：

3、本发明提供的一种火电厂碳排放量预测方法，包括以下步骤：

4、步骤1，根据生命周期法，对火电厂进行碳排放核算，获得碳排放核算数据；

5、步骤2，采用对数平均迪氏指数模型，对步骤1获得的碳排放核算数据进行分析，获得影响碳排放的特征因素；

6、步骤3，基于步骤2获得的影响碳排放的特征因素，构建获得可拓展的随机性环境影响评估模型；

7、步骤4，基于步骤3构建的随机性环境影响评估模型，分析预测获得不同情景下的碳排放量。

8、本发明的进一步改进在于，所述步骤2包括：

9、所述对数平均迪氏指数模型基于扩展的kaya恒等式将影响因素进行分解分析，获得各影响因素对碳排放量的量化贡献值；

10、基于获取的量化贡献值，对火电行业碳排放影响因素进行贡献度分析，获得影响碳排放的特征因素；其中，量化贡献值大于0，则对碳排放起促进作用，反之则抑制碳排放。

11、本发明的进一步改进在于，所述进行分解分析的步骤中，

12、分解方式表示为，

13、

14、式中，c表示电力行业碳排放总量；f表示电力行业生产燃料消耗总量；t表示火力发电量；p表示总发电量；s表示总供电量；x表示电力消费总量；g表示地区gdp；cf表示碳排放系数效应；ft表示火电煤耗水平；tp表示火力发电比例；ps表示电力跨区调配效应；sx表示线损率；xg表示地区能效水平；

15、碳排放量的变化量表示为，δ＝δccf+δcft+δctp+δcps+δcsx+δcxg+δcg；

16、其中，在时间间隔[t，t+t]内，分解公式表示为，

17、

18、

19、

20、

21、

22、

23、

24、本发明的进一步改进在于，所述步骤3中，构建获得的可拓展的随机性环境影响评估模型表示为，

25、lni＝lnm+alnft+blntp+clnps+dlnsx+flnxg+glncf+hlng+lne；

26、式中，i表示碳排放量；g表示地区gdp；cf表示碳排放系数效应；ft表示火电煤耗水平；tp表示火力发电比例；ps表示电力跨区调配效应；sx表示线损率；xg表示地区能效水平；m表示模型系数；a、b、c、d、f、g、h表示各影响因素的指数；e表示残差项。

27、本发明的进一步改进在于，所述步骤4中，

28、所述不同情景包括：基准水平发展情景、能源结构优化情景和低碳水平发展情景；其中，所述基准水平发展情景是指根据历史发展水平作为未来预测依据的情景；所述能源结构优化情景是指对各能源占比进行优化的情景；所述低碳水平发展情景是指单位煤发电量稳步上升，供电结构不再以煤炭为主的情景；

29、所述分析预测获得不同情景下的碳排放量的步骤中，是将不同情景下各影响因素的指数代入随机性环境影响评估模型，分别得到各情景下未来一段时期的火电厂的碳排放量。

30、本发明提供的一种火电厂碳排放量预测系统，包括：

31、碳排放核算模块，用于根据生命周期法，对火电厂进行碳排放核算，获得碳排放核算数据；

32、特征因素分析模块，用于采用对数平均迪氏指数模型，对碳排放核算模块获得的碳排放核算数据进行分析，获得影响碳排放的特征因素；

33、模型构建模块，用于基于特征因素分析模块获得的影响碳排放的特征因素，构建获得可拓展的随机性环境影响评估模型；

34、预测模块，用于基于模型构建模块构建的随机性环境影响评估模型，分析预测获得不同情景下的碳排放量。

35、本发明的进一步改进在于，所述特征因素分析模块中，执行的步骤包括：

36、所述对数平均迪氏指数模型基于扩展的kaya恒等式将影响因素进行分解分析，获得各影响因素对碳排放量的量化贡献值；

37、基于获取的量化贡献值，对火电行业碳排放影响因素进行贡献度分析，获得影响碳排放的特征因素；其中，量化贡献值大于0，则对碳排放起促进作用，反之则抑制碳排放。

38、本发明的进一步改进在于，所述进行分解分析的步骤中，

39、分解方式表示为，

40、

41、式中，c表示电力行业碳排放总量；f表示电力行业生产燃料消耗总量；t表示火力发电量；p表示总发电量；s表示总供电量；x表示电力消费总量；g表示地区gdp；cf表示碳排放系数效应；ft表示火电煤耗水平；tp表示火力发电比例；ps表示电力跨区调配效应；sx表示线损率；xg表示地区能效水平；

42、碳排放量的变化量表示为，δ＝δccf+δcft+δctp+δcps+δcsx+δcxg+δcg；

43、其中，在时间间隔[t，t+t]内，分解公式表示为，

44、

45、

46、

47、

48、

49、

50、

51、本发明的进一步改进在于，所述模型构建模块中，构建获得的可拓展的随机性环境影响评估模型表示为，

52、lni＝lnm+alnft+blntp+clnps+dlnsx+flnxg+glncf+hlng+lne；

53、式中，i表示碳排放量；g表示地区gdp；cf表示碳排放系数效应；ft表示火电煤耗水平；tp表示火力发电比例；ps表示电力跨区调配效应；sx表示线损率；xg表示地区能效水平；m表示模型系数；a、b、c、d、f、g、h表示各影响因素的指数；e表示残差项。

54、本发明的进一步改进在于，所述预测模块中，

55、所述不同情景包括：基准水平发展情景、能源结构优化情景和低碳水平发展情景；其中，所述基准水平发展情景是指根据历史发展水平作为未来预测依据的情景；所述能源结构优化情景是指对各能源占比进行优化的情景；所述低碳水平发展情景是指单位煤发电量稳步上升，供电结构不再以煤炭为主的情景；

56、所述分析预测获得不同情景下的碳排放量的步骤中，是将不同情景下各影响因素的指数代入随机性环境影响评估模型，分别得到各情景下未来一段时期的火电厂的碳排放量。

57、与现有技术相比，本发明具有以下有益效果：

58、本发明提供的火电厂碳排放量预测方法，可在不同发展情景下，预测未来一段时间火电厂的碳排放量；具体解释性的，本发明方法首先对火电厂整个发电过程的碳排放量进行核算，以核算数据作为基础并根据对数平均迪氏指数法(lmdi)分析影响碳排放的特征因素；其次建立可拓展的随机性环境影响评估模型(stirpat模型)；最后使用情景分析法，对基准水平发展、能源结构优化、低碳水平发展三种不同场景下的碳排放量进行预测。综上所述，本发明基于全生命周期法核算火电厂碳排放量，解决了传统碳排放核算忽略将抽象的碳排放纳入计量的问题；使用lmdi分解法对能源消耗和碳排放影响因素进行分析，然后构建stirpat模型进行回归分析，解决了碳排放核算边界模糊发电信息不完善的问题。