一种区域碳排放计算方法、系统、存储介质及设备

技术领域

本发明涉及一种区域碳排放计算方法、系统、存储介质及设备，属于区域碳排放预测技术领域。

背景技术

随着环境问题的日益突显，城市环境问题因其危害的严重性、曝光的及时性、广泛的关注性而受到各方重视。作为大气主要碳源的化石燃料燃烧和土地利用变化过程，也大多集中在城市化高度完善或迅速进行的地区，因此碳排放研究将城市作为一个重点。从国内外研究理论来看，碳排放相关领域研究主要依托于对碳强度、碳排放交易及碳资产管理等方面的研究，最为重要的即为确定碳排放量。

目前碳排放核算标准主要有三类：第一类是国家标准化组织发布的温室气体系列标准，包括ISO14064“温室气体核证标准”与ISO14067“产品碳足迹标准”；第二类是世界资源研究所(WRI)与世界可持续发展工商理事会(WBCSD)联合开发的温室体系GHGprotocol,包括“公司量化并报告期温室气体排放量的指导”以及“产品生命周期温室气体排放标准”等；第三类是英国标准协会BSI发布的公众可用规范PAS。其中根据电力数据核算碳排放量的方法主要有基于负荷侧损耗主责的电力碳足迹计算方法，是将电能在传输产生的损耗以及在变电站内的站内供电损耗所产生的碳排放均由负荷侧也就是用户侧来承担，根据用户使用电能的多少确定应分摊的碳排放数量。由于基于负荷侧损耗主责的方法，忽略了输电线损及变电站站内损耗的碳排放，计算过程较为粗略，因此现在急需一种新的区域碳排放计算方法。

发明内容

本发明提供了一种区域碳排放计算方法、系统、存储介质及设备，解决了背景技术中披露的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种区域碳排放计算方法，包括：

获取区域发电碳排放量和区域用电碳排放量；

根据区域发电碳排放量、区域用电碳排放量和预先构建的线性回归模型，计算区域碳排放量M1；其中，线性回归模型为区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型；

获取区域的人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度；

根据预先构建的碳排放预测模型、以及区域的人口数量、人均GDP、城镇化率、产业结构、为能源结构和能源强度，计算区域碳排放量N1；

根据区域碳排放量M1和区域碳排放量N1，获得最终的区域碳排放量。

线性回归模型为：

y2＝bBx1+cCx2+d

式中，y2为区域碳排放量M1，x1为区域发电碳排放量，x2为区域用电碳排放量，B为区域发电碳排放量占比，C为区域用电碳排放量占比，b为区域发电碳排放量占比权重系数，c为区域用电碳排放量占比权重系数，d为线性回归模型的调整因子。

碳排放预测模型为：

lny1＝lna+blnP+clnA+dlnU+flnIS+glnEI+hlnES+lne

式中，ln为自然对数，y1为区域碳排放量N1，P为区域人口数量，A为区域人均GDP，U为区域城镇化率，IS为区域产业结构，IS为区域能源结构，EI为区域能源强度，a为碳排放预测模型的系数，b、c、d、f、g、h分别为P、A、U、IS、IS、EI的弹性系数，e为碳排放预测模型的误差项。

获得最终的区域碳排放量，公式为：

y＝0.09851442×y1+0.11063033×y2

式中，y为最终的区域碳排放量，y2为区域碳排放量M1，y1为区域碳排放量N1。

一种区域碳排放计算系统，包括：

第一获取模块，获取区域发电碳排放量和区域用电碳排放量；

第一预测模块，根据区域发电碳排放量、区域用电碳排放量和预先构建的线性回归模型，计算区域碳排放量M1；其中，线性回归模型为区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型；

第二获取模块，获取区域的人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度；

第二预测模块，根据预先构建的碳排放预测模型、以及区域的人口数量、人均GDP、城镇化率、产业结构、为能源结构和能源强度，计算区域碳排放量N1；

最终预测模块，根据区域碳排放量M1和区域碳排放量N1，获得最终的区域碳排放量。

第一预测模块中，线性回归模型为：

y2＝bBx1+cCx2+d

式中，y2为区域碳排放量M1，x1为区域发电碳排放量，x2为区域用电碳排放量，B为区域发电碳排放量占比，C为区域用电碳排放量占比，b为区域发电碳排放量占比权重系数，c为区域用电碳排放量占比权重系数，d为线性回归模型的调整因子。

第二预测模块中，碳排放预测模型为：

lny1＝lna+blnP+clnA+dlnU+flnIS+glnEI+hlnES+lne

式中，ln为自然对数，y1为区域碳排放量N1，P为区域人口数量，A为区域人均GDP，U为区域城镇化率，IS为区域产业结构，IS为区域能源结构，EI为区域能源强度，a为碳排放预测模型的系数，b、c、d、f、g、h分别为P、A、U、IS、IS、EI的弹性系数，e为碳排放预测模型的误差项。

最终预测模块中，获得最终的区域碳排放量，公式为：

y＝0.09851442×y1+0.11063033×y2

式中，y为最终的区域碳排放量，y2为区域碳排放量M1，y1为区域碳排放量N1。

一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行区域碳排放计算方法。

一种计算机设备，包括一个或多个处理器、以及一个或多个存储器，一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行区域碳排放计算方法的指令。

本发明所达到的有益效果：本发明采用区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型、考虑人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度的碳排放预测模型，分别计算同一区域的碳排放量，根据不同模型的计算结果，获取最终的区域碳排放量，相对于传统的基于负荷侧损耗主责的方法，更加准确。

附图说明

图1为区域碳排放计算方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种区域碳排放计算方法，包括以下步骤：

步骤1，获取区域发电碳排放量和区域用电碳排放量。

步骤2，根据区域发电碳排放量、区域用电碳排放量和预先构建的线性回归模型，计算区域碳排放量M1；其中，线性回归模型为区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型。

步骤3，获取区域的人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度。

步骤4，根据预先构建的碳排放预测模型、以及区域的人口数量、人均GDP、城镇化率、产业结构、为能源结构和能源强度，计算区域碳排放量N1。

步骤5，根据区域碳排放量M1和区域碳排放量N1，获得最终的区域碳排放量。

上述方法采用区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型、考虑人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度的碳排放预测模型，分别计算同一区域的碳排放量，根据不同模型的计算结果，获取最终的区域碳排放量，相对于传统的基于负荷侧损耗主责的方法，更加准确。

步骤1中，区域发电碳排放量可根据电网发电数据计算获得，区域用电碳排放量可根据电网发电数据及交换电量等数据计算获得。

通过对排放因子法、实测法、质量平衡法进行综合对比分析，本发明选用更加适用于区域碳排放量核算的排放因子法进行碳排放量计算，排放因子法是适用范围最广、应用最为普遍的一种碳核算办法，IPCC提供的碳核算基本方程如下：

温室气体(GHG)排放＝活动数据(AD)×排放因子(EF)

其中，AD是导致温室气体排放的生产或消费活动的活动量，如每种化石燃料的消耗量、石灰石原料的消耗量、净购入的电量、净购入的蒸汽量等；EF是与活动水平数据对应的系数，包括单位热值含碳量或元素碳含量、氧化率等，表征单位生产或消费活动量的温室气体排放系数。

EF既可以直接采用IPCC、美国环境保护署、欧洲环境机构等提供的已知数据(即缺省值)，也可以基于代表性的测量数据来推算。我国已经基于实际情况设置了国家参数，例如《工业其他行业企业温室气体排放核算方法与报告指南(试行)》提供了常见化石燃料特性参数缺省值数据。

以省作为区域，因此基于各省发电量、交换电量、用电量、火力发电标准煤耗、IPCC碳排放因子，结合电网拓扑和电网潮流，可计算区域用电碳排放量，公式可表示为：

区域发电碳排放量＝发电量火电*火力发电标准煤耗*碳排放因子

区域用电碳排放量＝(发电量火电+交换电量*(1-清洁能源交换电量占比))*火力发电标准煤耗*碳排放因子。

表1区域用电碳排放量计算参数表

进一步，区域发电碳排放量占比＝区域发电碳排放量/区域碳排放量，区域用电碳排放量占比＝区域用电碳排放量/区域碳排放量；其中，区域碳排放量为中国碳数据库发布的数据。

对上述两计算的占比添加调整因子d，可构建区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型，优化目标保证测算碳排放量与中国碳数据库碳排放量误差平方和最小，模型的具体公式可表示为：

y2＝bBx1+cCx2+d

式中，y2为区域碳排放量M1，x1为区域发电碳排放量，x2为区域用电碳排放量，B为区域发电碳排放量占比，C为区域用电碳排放量占比，b为区域发电碳排放量占比权重系数，c为区域用电碳排放量占比权重系数，d为线性回归模型的调整因子。

上述模型可基于历史数据构建，进一步基于该模型、当前年的区域发电碳排放量和区域用电碳排放量，可计算出区域碳排放量M1。

经过研究表面影响碳排放的因素包括人口数量、人均GDP、城镇化率、产业结构、能源结构能源强度等，因此可基于这些因素预先构建碳排放预测模型，由于这些因素无法实现最短时间内统计，即当前的数据无法当年结束后马上统计出来，为了增强时效性，可基于历史年份的各种因素，适用拟合的ARIMA模型，对单一影响因素进行预测。

ARIMA(Autoregressive Integrated Moving Average model)差分自回归移动平均模型是一种时间序列预测方法，该模型建立在以下假设的基础上：数据序列是平稳的，即均值和方差不应随时间而变化。ARIMA模型通常对单列时间序列数据进行预测，预测数据通常为5-15条，不管是训练数据还是预测数据，过长会影响预测效果。

ARIMA的原理是将非平稳时间序列转化为平稳时间序列，然后因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型，回归方程的形式为：

X

式中，ε

ARIMA模型步骤如下：1)数据平稳性校验；要对时间序列进行建模，该序列必须是平稳的，使用Augmented Dickey-Fuller单位根测试测试平稳性，对于平稳的时间序列，由ADF测试得到的p值必须小于0.05，使用差分方法将非平稳序列转换为平稳序列，可以连续多次应用差分方法，产生“一阶差分”，“二阶差分”等；2)识别p和q阶数；通过使用自相关函数(ACF)和偏相关函数(PACF)来确定自回归(AR)和移动平均(MA)过程的适当阶数，对于AR模型，ACF将以指数方式衰减，PACF用于识别AR模型的阶数p，对于MA模型，PACF将以指数方式衰减，ACF图将用于识别MA过程的阶数q；3)估算和预测；确定参数p、d、q后，可以估算ARIMA模型在训练数据集上的准确性，使用拟合模型预测测试数据集的值，并采用交叉验证确认与实际值的偏差。

因此基于ARIMA模型可对单一影响因素进行预测，以下是对湖南省2010-2020年各类影响因素数据使用ARIMA模型的预测为例：

1、人口数量(万人)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝1679.576+0.767*y(t-1)

模型参数如下表2所示。

表2湖南省人口AR(1)模型参数表

2、城镇化率(％)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝0.178+0.544*y(t-1)

模型参数如下表3所示。

表3湖南省城镇化率AR(1)模型参数表

3、能源结构(％)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝-0.616

模型参数如下表4所示。

表4湖南省能源结构ARMA(0,1,0)模型参数表

4、产业结构(％)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝7.420+1.806*y(t-1)-0.980*y(t-2)-0.875*ε(t-1)

模型参数如下表5所示。

表5湖南省产业结构AR(2,1)模型参数表

5、人均GDP(万元/人)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝0.706-0.998*y(t-1)+0.935*ε(t-1)

模型参数如下表6所示。

表6湖南省人均GDP ARIMA(1,1,1)模型参数表

6)能源强度(吨标煤/万元)

模型公式如下，其中y(t)代表年份t的因素；

y(t)＝-0.048-0.976*ε(t-1)

模型参数如下表7所示。

表7湖南省能源强度ARIMA(0,1,1)模型参数表

然后采用STIRPAT可拓展的随机性的环境影响评估模型从宏观区域领域对碳排放量进行预测。STIRPAT模型是目前研究碳排放峰值问题时应用最广泛，且公认度较高的模型，该模型是由Dietz和Rosa在传统IPAC模型的基础上拓展得到的非线性模型，可以定量研究碳排放与各影响因素之间的关系，具有较好的灵活性和一定的拓展空间，其基本表达式为：

lny1＝lna+blnP+clnA+dlnU+flnIS+glnEI+hlnES+lne

式中，ln为自然对数，y1为区域碳排放量N1，P为区域人口数量，A为区域人均GDP，U为区域城镇化率(即城镇人口规模与人口规模的比值)，IS为区域产业结构(即第二产业生产总值与生产总值的比值)，IS为区域能源结构，EI为区域能源强度(即一次能源消费量与生产总值的比值)，a为碳排放预测模型的系数，b、c、d、f、g、h分别为P、A、U、IS、IS、EI的弹性系数，e为碳排放预测模型的误差项。

因此基于上述模块，根据区域的人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度可计算出区域碳排放量N1。

根据区域碳排放量M1和区域碳排放量N1，采用加权法，获得最终的区域碳排放量，具体公式可表示为：

y＝0.09851442×y1+0.11063033×y2

式中，y为最终的区域碳排放量，y2为区域碳排放量M1，y1为区域碳排放量N1，0.09851442和0.11063033分别为两个模型的权重。

确定权重时，通过构造误差矩阵，在约束条件下，根据拉格朗日乘子法确定最优权重，假设某个单一预测模型的拟合误差表示为：

式中，i∈[1,m],j∈[1,n]，y

则各预测模型构成拟合误差矩阵如下：

组合模型的最优权重求解，就是对拟合误差平方和在最小二乘原理下求解数学规划问题，其目标函数和约束条件为：

式中，Q′为误差目标函数，e

定义R′＝[1,1,...,1]

对上式采用拉格朗日乘子法迭代求解，求得最优权重向量为：

目标函数最小值为：

根据获得的区域碳排放量，可进一步绘制出区域碳排放量变化趋势图，根据区域碳排放量变化趋势图，可指定适应的能源调整策略等。

本发明参考历史排放变化趋势，结合区域发展定位与进程、产业结构特征、能源资源禀赋等，在不进行额外调整或开展强化行动的情况下，预测分析未来经济增长、产业结构、人口、能源需求及结构和重点领域碳排放，对未来减少碳排放具有支撑作用。

基于相同的技术方案，本发明还公开了上述方法相应的虚拟系统，一种区域碳排放计算系统，包括：

第一获取模块，获取区域发电碳排放量和区域用电碳排放量。

第一预测模块，根据区域发电碳排放量、区域用电碳排放量和预先构建的线性回归模型，计算区域碳排放量M1；其中，线性回归模型为区域发电碳排放量、区域用电碳排放量和区域碳排放量的线性回归模型。

第一预测模块中，线性回归模型为：

y2＝bBx1+cCx2+d

式中，y2为区域碳排放量M1，x1为区域发电碳排放量，x2为区域用电碳排放量，B为区域发电碳排放量占比，C为区域用电碳排放量占比，b为区域发电碳排放量占比权重系数，c为区域用电碳排放量占比权重系数，d为线性回归模型的调整因子。

第二获取模块，获取区域的人口数量、人均GDP、城镇化率、产业结构、能源结构和能源强度。

第二预测模块，根据预先构建的碳排放预测模型、以及区域的人口数量、人均GDP、城镇化率、产业结构、为能源结构和能源强度，计算区域碳排放量N1。

第二预测模块中，碳排放预测模型为：

lny1＝lna+blnP+clnA+dlnU+flnIS+glnEI+hlnES+lne

式中，ln为自然对数，y1为区域碳排放量N1，P为区域人口数量，A为区域人均GDP，U为区域城镇化率，IS为区域产业结构，IS为区域能源结构，EI为区域能源强度，a为碳排放预测模型的系数，b、c、d、f、g、h分别为P、A、U、IS、IS、EI的弹性系数，e为碳排放预测模型的误差项。

最终预测模块，根据区域碳排放量M1和区域碳排放量N1，获得最终的区域碳排放量。

最终预测模块中，获得最终的区域碳排放量，公式为：

y＝0.09851442×y1+0.11063033×y2

式中，y为最终的区域碳排放量，y2为区域碳排放量M1，y1为区域碳排放量N1。

基于相同的技术方案，本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行区域碳排放计算方法。

基于相同的技术方案，本发明还公开了一种计算机设备，包括一个或多个处理器、以及一个或多个存储器，一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行区域碳排放计算方法的指令。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。