碳中和目标下中国碳排放关键影响因素分析及情景预测

研究中国碳排放关键影响因素对于实现碳达峰碳中和目标具有关键意义。首先,运用空间杜宾模型分析2003—2019年我国各省碳排放量的空间集群效应,表明我国碳排放量具有显著的空间分布特性,其中能源结构对碳排放量的影响最大,其次人口规模、能源强度,人均GDP、城镇化率和产业结构对碳排放也有一定的影响。然后,选取人均GDP、能源结构、能源强度、人口规模和城镇化率作为碳排放影响因素,发展了联合改进蝙蝠算法与BP神经网络的碳排放量预测模型,测试结果表明该模型的预测平均误差为0.16%。最后,设立高速、中速、低速碳达峰3种情景进行情景分析,得到了我国计及碳汇的碳排放量预测值,研究表明在高速和中速情景下,我国有望在2028—2029年实现碳达峰目标,对应碳排放峰值在120亿～122亿t之间。本研究可为我国制订能源强度和能源结构的调整方案提供参考。     

中国中长期能源和电力需求及碳排放情景分析

综合考虑未来经济发展和主要行业产品产量,对比国内外分行业能源强度和电力强度的变化,采用“自下而上”的方法构建了中国中长期能源、电力需求及碳排放情景分析模型。分3种情景对2015、2020、2030年的全国能源、电力需求与结构以及碳排放进行了分析,测算了非化石能源消费比例和碳排放强度。结果表明,2020年我国一次能源需求50亿t标准煤左右,全社会用电量7.7×10¹² kW·h左右;3种经济发展情景下,均能实现2020年碳排放量比2005年下降40%~45%的目标;在非化石能源开发达到规划上限的条件下,能够实现非化石能源消费占一次能源消费比重15%的目标。     

区域双碳目标与预测研究

以区域双碳目标为主线,综合运用了德尔菲法、差异性分析法和多元线性回归模型,深入研究和实施可持续发展与低碳经济的策略.德尔菲法汇集多领域专家意见,建立区域双碳目标共识,为碳排放规划提供基础;差异性分析法用于识别不同地区的碳排放特点、趋势和关键领域,为个性化碳排放路径的设计提供依据;多元线性回归模型解析碳排放与各影响因素的关系,为制定决策提供数据支持.通过整合 3 种方法,为实现区域双碳目标提供综合性工具,促进可持续发展和碳排放的有机结合.这一综合方法不仅有助于实施碳排放目标,还可以适应不同地区的需求,为未来可持续发展提供理论依据.     

基于4E平衡的碳排放因素分解与峰值预测方法

在“30·60”实现“碳达峰·碳中和”目标的背景下,为研究碳排放未来演化路径并分析不同因素对碳排放量变化的影响,提出一种基于“经济(economy)-能源(energy)-电力(electricity)-环境(environment)”4E平衡模型的碳排放因素分解与峰值预测方法。首先采用灰色关联分析筛选碳排放影响因素。然后采用对数平均迪氏分解法(logarithmic mean Divisia index, LMDI)对引起碳排放变化的因素进行分解,分析各影响因素对碳排放量的变动效应和贡献度,根据分解结果并结合“十四五”规划等相关政策,对各影响因素设置基准发展、高速发展和低碳发展3种情景变化速率,建立多种发展情景组合。最后针对每种情景组合分别采用经岭回归训练后的可拓展随机性环境影响评估模型(stochastic impacts by regression population affluence and technology, STIRPAT)进行碳排放未来趋势预测。以我国东部某地区碳排放数据为依据,对其影响因素进行分解,并预测该地区未来碳排放趋势。研究结果表明,该模型能够有效分析碳减...     

碳中和背景下我国电力碳排放水平分析

电力低碳化转型对我国实现碳中和目标具有全局性战略意义。在总结我国近10年电力低碳化发展历程的基础上,以人口、城市化、经济总量与经济结构为边界条件和驱动力,分析预测未来40年电力增长过程和阶段性发展目标;以系统安全、供需平衡为约束,分析了化石电力占比、终端电力消费比重、核电发展规模以及碳捕集、利用及封存（CCUS）等因素对碳排放水平的影响;预计电力碳排放峰值将出现在2035年前后,达到60 ~ 65亿吨,随后逐年降低,到2060年降至10亿吨以内,辅以CCUS技术,可实现电力零排放。最后,针对需求持续增长与低碳转型长期并存的矛盾,提出未来电力发展须以安全供给为前提,优先开发可再生能源电力、多能发展、更大范围多能互补协调开发和互补运行的建议。     

基于组合集成学习模型的区域碳排放预测方法研究

在低碳发展的大背景下,区域碳排放预测模型研究对未来双碳目标任务制定与实施的具有重要指导意义。Elas-ticNet-XGBRegressor 模型是一种组合集成学习模型,其中ElasticNet模型为特征筛选模型,XGBRegressor模型为区域碳排放预测模型。通过采用STIRPAT模型原理和IPCC排放因子法构建包含25个特征的原始数据集,并验证提出模型的有效性,以实证对照实验的方式进行,ElasticNet-XGBRegressor模型作为实验组,Spearman特征筛选和常见机器学习方法组合作为对照。结果表明,ElasticNet-XGBRegressor 模型在RMSE、MAPE和R2等模型评价指标上全面优于对照组,说明了ElasticNet-XGBRegressor 模型在区域碳排放预测中的优越性。通过创新性的将回归模型与决策树集成学习模型相结合,利用ElasticNet模型的特征筛选能力和集成学习的高准确性与鲁棒性提高了预测模型的精度和稳定性。     

双碳背景下新能源大规模接入的电量预测分析

为了优化电能接入,结合影响电能资源的环境、季节等因素,以山东庆云100 MW风电项目为例,研究项目电能接入规划,分析新能源接入、外部环境因素对用电量的影响,探讨双碳背景下新能源大规模接入的电量预测情况。此次电能预测具有良好的综合运用效果,预测精准度较高,有利于促进光伏发电以及新能源资源的高效利用,确保电能行业持续高质发展。     

中国火电行业多模型碳达峰情景预测

随着2030年碳达峰目标的提出,能源行业中火电行业的碳达峰情况备受瞩目。文章首先根据Kaya恒等式的扩展,分析得到影响碳排放的主要因素：人口、经济、产业结构、能源消费强度以及消费结构;其次,以2000—2018年数据为基础分别建立线性回归、径向基函数(radial basis function, RBF)神经网络、差分自回归移动平均(autoregressive integrated moving average, ARIMA)以及BP神经网络模型,对比得到最优的预测模型;最后,基于最优模型在基准发展、产业优化、技术突破、低碳发展这4种不同发展情景下对2021—2050年碳排放量进行预测,然后在此基础上对碳达峰情况进行分析。结果表明：低碳发展情景的碳达峰时间最早且峰值最低,是中国火电行业实现碳排放达峰的首选发展模式,为推动火电行业尽快实现较低的碳排放峰值提供借鉴。     

碳中和目标下中国碳排放关键影响因素分析及情景预测

低碳综合能源系统是融合多种低碳技术和措施、集成灵活性资源、促进清洁能源消纳、降低碳排放的多能源系统,是实现“双碳”目标的物理载体。首先,从能源转型的宏观战略、物理载体和低碳技术角度论证了低碳综合能源系统是能源转型的有效路径,归纳了低碳综合能源系统的定义与特征内涵;然后,构建了低碳综合能源系统的研究框架,从源-网-荷-储及碳捕集等环节挖掘了低碳综合能源系统的减排潜力;为了充分发挥低碳综合能源系统的低碳优势,从协同规划与优化调度、市场机制等角度提炼了低碳综合能源系统的几个关键问题;最后,聚焦提炼的协同优化关键问题,从研究现状、面临问题和研究展望等方面进行了阐述,以期为能源系统的低碳发展提供参考。

     

公路碳评价指标体系初探

为促进公路交通碳减排、尽早实现碳达峰,首先对公路交通碳排放进行测算,在公路交通所消耗的汽油和燃油产生碳排放的基础上,还考虑到电动汽车充电量中的煤电产生的碳排放。然后,采用STIRPAT模型对公路交通碳排放影响因素进行分析,选取公路交通GDP、汽车保有量、充电量的煤电占比、公路货运周转量以及公路客运周转量这6个因素来研究公路交通碳排放变化,并对这6个影响因子的公路交通碳排放贡献率进行测算分析。最后,通过设定基准情景和集中减排情景,预测我国公路交通未来的碳排放量,为实现公路交通碳达峰提供发展思路。结果表明要在大力推广电动汽车的前提下,使电动汽车占比变化率在2019—2030年间为37.91%,2030年以后为1.70%,并提高清洁能源比例,使电动汽车充电量的煤电占比达到−23%的变化率变化时,对于电动汽车充电碳排放而言,更加具有清洁低碳意义。同时也要保持公路客运周转量每年变化−4.14%的下降趋势以及维持公路货运量每年变化4.84%的速度缓慢增长,我国公路交通将有望在2030年前实现碳达峰。

     

电力行业碳减排情景设计与分析评价

电力行业碳减排潜力是研究如何把单位 GDP 碳减排总量目标分解到各个行业的重要基础工作之一.研究综合考虑产业结构优化、电源结构优化、节能政策和节能减排技术进步对电力行业碳减排的影响,提出了一种对不同的碳减排情景设计与分析评价模型.以重庆市电力行业为案例设计了3种情景,研究认为产业结构优化对电力行业碳减排影响较大,但投资额巨大;水火电资源限制电源结构优化的碳减排潜力;电力节能减排技术推广应用对碳减排影响显著,且投资成本适中;产业结构变化与电力行业供电量达到倒“U”型顶点之前对电力生产进行强制调整,将对经济有较大损害     

碳排放驱动因素分解及动态模拟: 以内蒙古自治区为例

研究中国碳排放关键影响因素对于实现碳达峰碳中和目标具有关键意义。首先,运用空间杜宾模型分析2003—2019年我国各省碳排放量的空间集群效应,表明我国碳排放量具有显著的空间分布特性,其中能源结构对碳排放量的影响最大,其次人口规模、能源强度,人均GDP、城镇化率和产业结构对碳排放也有一定的影响。然后,选取人均GDP、能源结构、能源强度、人口规模和城镇化率作为碳排放影响因素,发展了联合改进蝙蝠算法与BP神经网络的碳排放量预测模型,测试结果表明该模型的预测平均误差为0.16%。最后,设立高速、中速、低速碳达峰3种情景进行情景分析,得到了我国计及碳汇的碳排放量预测值,研究表明在高速和中速情景下,我国有望在2028—2029年实现碳达峰目标,对应碳排放峰值在120亿~122亿t之间。本研究可为我国制订能源强度和能源结构的调整方案提供参考。

     

基于多情景划分的三峡水库入库径流预报校正北大核心CSCD

本文考虑预报发生时的外界环境差异性及不同预报情景下预报误差的不同,根据降雨情况、预见期等关键影响因子的不同,实现了预报情景的划分,并进一步基于历史预报误差数据实现了不同情景下相对预报误差分布规律以及90%置信度下置信区间的推求。并基于变分模式分解和长短期记忆神经网络模型,建立了考虑预报误差和预报情景的多维、多属性径流预报校正方法,通过三峡水库实例分析发现,入库径流预报的平均相对误差由实际的8.32%降低为6.36%,减少幅度达到23.6%。此外,平均绝对误差、均方根误差及确定性系数等其他指标都得到了不同程度的改善。说明本文的方法可增加校正模型的有效信息输入,从而提高径流预报模型精度。     

基于煤炭洗选工艺的火电厂CO2减排潜力分析

考虑从煤炭购买、洗选到发电过程及后续污染物处理的火电生产流程,建立了以最小发电成本为目标的火电企业CO2排放控制模型.以某火力发电厂为例,依据该厂逐月生产运行数据,污染处理及CO2减排控制能耗,核算了火力发电全流程不同环节的CO2排放量.采用情景分析方法对不同碳捕集技术下的发电成本及CO2排放量进行对比分析,结果表明：该火电厂燃煤发电所排放的CO2占其全部CO2排放量的96.00％,洗煤排放的CO2仅占0.38％,污染物处理间接和直接排放的CO2占3.62％.当采用吸收分离法、膜分离法和物理吸附法进行CO2捕集时,分别可以减少71.60％、76.47％和86.06％的CO2排放,发电成本则依次增加31.16％、41.52％和79.44％.     

灰色马尔可夫链在高峰负荷预测中的应用

用GM（1,1）模型预测短期负荷虽具有很好的精确性,但对于波动性较大的高峰负荷,它的预测精度比较低,而马尔可夫模型可以克服负荷波动较大的局限性。在此将二者结合起来形成灰色马尔可夫模型,并对山东某地区高峰负荷进行预测。应用表明,该模型切实可行,预测结果的精确度很高。     

省际气电热链空间碳转移评估

区域尺度多流传输的空间碳转移分析有助于碳排放量的准确计量。基于节点流模型在省级层次上开展碳转移评估。针对单流的传输,提出单流多节点碳转移评估模型,量化单流空间传输碳排放和碳转移;考虑多能源传输中耦合部分隐含碳的核算,在单流模型的基础上提出多流多节点的碳转移评估模型,测算多流输送的二级空间传递导致的各能流碳排放和碳转移,并对碳转移的主要影响因素进行敏感性分析。2017年中国省际天然气、电力和热力能流下的碳转移结果验证了所提模型的有效性。     

基于马尔科夫链模型的小金川河流域径流形势预估分析[ 国家重点研发项目资助（2018YFB0905204）]

为了分析小金川河流域中长期径流形势,本文尝试利用马尔科夫链模型进行年径流形势预估,结合历史径流的丰枯变化,计算丰水年、平水年、枯水年相互转变的马尔科夫转移概率,在此基础上,可根据当年来水情况实现对木坡电站下一年径流形势的预估分析。以2018年木坡电站的丰枯形势预估为例,经验证,该径流形势预估分析方法具有较强的实用性,为径流形势预估分析提供了一种切实可行的思路和方法。     

BP-马尔科夫组合预测方法在光伏发电量预测中的应用

为提高光伏发电量预测的精度,提出一种以马尔科夫方法进行修正误差的BP神经网络预测模型,模型契合光伏发电功率特点,兼具BP神经模型及马尔可夫模型优点,既能利用较少数据建模,预报总体趋势,又适合于波动性较大的随机序列预报。首先介绍基本原理和算法,在此基础上阐述模型建立的具体过程,最后运用该模型对徐州协鑫光伏电站进行预测,结果表明新建模型预报精度高于BP神经网络模型,且该模型简单、计算量小,具有较好的可行性。