亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        中國火電行業(yè)多模型碳達峰情景預測

        2022-05-09 03:01:10張金良賈凡
        電力建設 2022年5期
        關(guān)鍵詞:模型

        張金良,賈凡

        (華北電力大學經(jīng)濟與管理學院,北京市 102206)

        0 引 言

        碳峰值目標是指中國承諾到2030年二氧化碳排放總量不再增加,并且保證達到峰值后逐步減少。碳中和目標是指中國到2060年實現(xiàn)二氧化碳“零排放”的目標,即企業(yè)或者個人生產(chǎn)的二氧化碳總排放量可以由植樹造林,節(jié)能減排抵消。而今中國的碳排放現(xiàn)狀卻不容樂觀,2019年,全國碳排放總量約105億t,其中能源行業(yè)約98億t,占碳排放總量的87%。因此,要達到碳排放達峰的目標水平,首當其沖的應該是能源行業(yè)碳排放達到峰值。2021年3月,全球能源互聯(lián)網(wǎng)發(fā)展合作組織發(fā)布了《中國2030年前碳達峰研究報告》,該報告顯示,在能源活動方面,火電行業(yè)(能源生產(chǎn)和轉(zhuǎn)化)占碳排放總量的47%;從能源類型看,發(fā)電和供熱排放占碳排放總量的44%,其中煤炭、石油和天然氣在終端燃燒的排放分別占35%、15%和6%??紤]到當前的能源活動占比,能源行業(yè)的碳達峰又絕大部分取決于火電行業(yè)的碳達峰。

        目前火電行業(yè)屬于消耗化石能源的主要行業(yè),也就是排放二氧化碳氣體最多的行業(yè)之一。其中占比最重的化石能源是煤、石油、天然氣。隨著碳達峰碳中和戰(zhàn)略決策的提出,火電行業(yè)在未來的定位發(fā)展已逐漸明晰,其需要通過推動產(chǎn)業(yè)轉(zhuǎn)型升級,推動技術(shù)發(fā)展,加速技術(shù)現(xiàn)代化水平,以及加快調(diào)整能源結(jié)構(gòu),促進化石能源生產(chǎn)消費革命,以可再生能源為主的其他綠色能源代替電力生產(chǎn),滿足能源的電力要求,降低對煤炭、石油、天然氣等化石能源的依賴。因此,為了碳達峰碳中和目標的實現(xiàn),研究和預測火電行業(yè)二氧化碳排放量以及確定碳達峰時間和峰值是亟待解決的重要問題。

        目前,國內(nèi)外學者對于二氧化碳排放預測問題進行了一定的研究,本文主要與以下3類文獻具有較大的相關(guān)性。第1類是側(cè)重于二氧化碳排放量影響因素提取方法的研究。Cansino等人2016年通過結(jié)構(gòu)分解方法分析了1995—2009年西班牙二氧化碳排放量變化的影響因素,并實現(xiàn)了碳排放量的預測[1]。Nie等人2016年利用結(jié)構(gòu)分解模型解釋了中國在1997—2010期間能源行業(yè)的二氧化碳排放量急劇變化現(xiàn)象的緣由[2]。張帥利用Kaya算法的修正推導了可能影響中國碳排放達峰的一些因素,并建立了碳排放達峰路徑體系[3]。謝嬌艷采用對數(shù)平均迪氏指數(shù)(logarithmic mean divisia index, LMDI)因素分解法定量分析確定了影響重慶市公共建筑碳排放量的主要因素,包括區(qū)域總?cè)丝凇⒊擎?zhèn)化率、GDP、產(chǎn)業(yè)結(jié)構(gòu)和終端用能設備的能耗強度和用能水平[4]。劉凱誠等人通過Kaya恒等式分析構(gòu)建了碳排放達峰路徑模型體系,得到了影響碳排放的最相關(guān)因素為人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口因素和碳排放強度[5]。汪中華和于孟君利用廣義迪氏指數(shù)分解方法研究了影響石化行業(yè)二氧化碳排放量的重要因素有投資、經(jīng)濟產(chǎn)出、能源消費碳強度、能源強度和投資效率[6]。劉彥迪應用廣義迪氏指數(shù)對中國東部、中部、東北部和西部四大區(qū)域二氧化碳影響因素的貢獻進行分析,發(fā)現(xiàn)在所預測的最優(yōu)情景下,對碳排放變動有較大的貢獻的僅有經(jīng)濟規(guī)模和單位產(chǎn)值低碳度[7]。陳軍華和李喬楚測算了四川省2000—2018年20種主要能源消費的碳排放量,運用LMDI分解法探索得到能源結(jié)構(gòu)、能源強度、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟與人口是影響碳排放的主要因素[8]。

        第2類側(cè)重于碳達峰預測模型的研究。畢瑩等人通過STIRPAT拓展模型得到影響遼寧省碳排放的因素,基于此建立回歸預測情景模型[9]。趙亞濤等人以國民生產(chǎn)總值和人口作為影響因素,建立我國煤電行業(yè)電力消費的多元線性回歸預測模型,并運用情景分析方法探究2018—2030年二氧化碳排放總量[10]。段福梅建立了以城市化率、人均國內(nèi)生產(chǎn)總值、研發(fā)強度、能源結(jié)構(gòu)、人口、能源強度為影響因素的基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡模型,同時預測了在8種發(fā)展情景下中國的二氧化碳排放峰值[11]。王勇等人運用廣義迪氏指數(shù)方法得到了從2005—2016年影響五大交通運輸方式碳排放的因素,然后應用蒙特卡洛模擬模型對未來2017—2030年的碳排放量進行動態(tài)情景模擬分析[12]。丁甜甜以遞階LMDI法分解出影響電力碳排放的9個因素,以此對各種情景下電力碳達峰值進行STIRPAT建模預測分析[13]。張靜亞等人分析了安徽省的能源消耗結(jié)構(gòu)、碳排放強度對碳排放量的影響,并對十三五后期碳排放量建立ARIMA模型進行預測[14]。胡振等人基于西安城市家庭消費入戶調(diào)查數(shù)據(jù),建立了BP神經(jīng)網(wǎng)絡算法碳排放量預測模型,并證實了模型的有效性[15]。趙金元等人以鋼鐵企業(yè)二氧化碳排放為研究對象,分別建立線性回歸和BP神經(jīng)網(wǎng)絡預測模型進行對比,最終發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡預測模型精度更高[16]。唐祎祺通過構(gòu)建擴展的STIRPAT模型深入探究了驅(qū)動中國30省區(qū)碳排放的經(jīng)濟社會因素,并結(jié)合情景分析模擬了2016—2045年的碳排放變化趨勢[17]。赫永達等人采用基于宏觀經(jīng)濟指標的混頻數(shù)據(jù)預測模型進行預測,分析了未來二氧化碳排放總量及結(jié)構(gòu)[18]。潘棟等人運用STIRPAT模型研究和預測各種情景下的二氧化碳排放量,并在此基礎上考察東部地區(qū)碳排放量達峰的可能性[19]。

        第3類是針對情景預測的研究,未來的發(fā)展是瞬息萬變的,具有多種可能性,而情景分析方法可以通過考慮不確定因素的影響,并設定各影響因素未來發(fā)展的不同速率,提高預測的準確性。傅京燕以廣東省火電行業(yè)為研究對象,使用雙對數(shù)回歸方法,預測了未來6種經(jīng)濟發(fā)展和能源消耗情景下的碳達峰時間和總量[20]。Wakiyama等運用情景分析模擬法探索了日本建筑行業(yè)從2016—2030年的電力消費引起的碳排放量,基于此提出減少排放的措施[21]。Mirzaei等應用系統(tǒng)動力學的方法研究了伊朗2015—2025年在設置的不同情景下的二氧化碳排放量[22]。劉凱誠等人在碳減排的約束條件下構(gòu)建了我國6種經(jīng)濟人口情景模式下電力行業(yè)電力需求預測分析模型,基于此進行了二氧化碳排放經(jīng)濟效益分析[23]。

        當下對二氧化碳排放達峰預測的研究中,對于研究對象來說,多是宏觀的研究主體,比如國家、省市等,很少聚焦于某個行業(yè);對于影響因素的選取,人口、GDP等單一因素的選擇較多,未全面考慮多維度影響因素;另外預測也多聚焦于單一模型,未進行多預測模型的對比。為進一步實現(xiàn)碳達峰目標,本文以中國火電行業(yè)為研究對象,考慮人口規(guī)模、經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源強度和能源結(jié)構(gòu)等多方面影響因素,利用線性回歸、徑向基函數(shù)(radial basis function, RBF)神經(jīng)網(wǎng)絡、差分自回歸移動平均(autoregressive integrated moving average, ARIMA)、BP神經(jīng)網(wǎng)絡4種方法分別構(gòu)建二氧化碳排放預測模型,找出最優(yōu)的模型,并應用最優(yōu)預測模型對未來不同情景模式進行碳排放量的預測,分析碳排放達峰時間與總量。

        3 影響因素

        1989年,Kaya在IPCC研討會上提出了Kaya恒等式,目前,對影響二氧化碳排放因素的研究大多通過Kaya恒等式建立因素分解模型,其表達了二氧化碳排放是由能源消費碳強度、能源強度、經(jīng)濟產(chǎn)出、人口等其他因素綜合作用的結(jié)果,該恒等式被廣泛用于二氧化碳排放等環(huán)境問題的解決中,其基本方程如下所示:

        (1)

        式中:C表示我國火電行業(yè)的二氧化碳排放總量;E表示火電行業(yè)的能源消費總量;G表示國內(nèi)生產(chǎn)總值;P表示人口規(guī)??倲?shù)。

        由于Kaya恒等式具有良好的開放性和拓展性,本文對Kaya恒等式進行擴展分解,基于火電行業(yè)的實際情況將不同能源種類消費進行細化(火電行業(yè)目前主要化石能源包括煤、石油、天然氣),擴展后的Kaya恒等式如下所示:

        (2)

        式中:Ci為第i類能源的碳排放總量,i=1,2,3表示不同能源種類,分別是煤、石油、天然氣;Ei為第i類能源的消耗總量;G1為火電生產(chǎn)總值。

        將式(2)進一步簡化,即可得到:

        (3)

        式中:Mi為火電行業(yè)消費第i類能源時產(chǎn)生的二氧化碳排放量與能源消費量之比,一般被稱為碳排放系數(shù);Ni為火電行業(yè)第i類能源消費量與行業(yè)能源消費總量之比,表示能源消費結(jié)構(gòu);S為火電行業(yè)能源消費總量與行業(yè)生產(chǎn)總值之比,表示能源消費強度;T為火電行業(yè)生產(chǎn)總值與各行業(yè)生產(chǎn)總值之比,表示產(chǎn)業(yè)結(jié)構(gòu);R為國內(nèi)生產(chǎn)總值與人口總量之比,表示經(jīng)濟發(fā)展程度。

        基于Kaya擴展恒等式的分析,本文選取了5個影響火電行業(yè)碳排放水平的因素,如表1所示。

        表1 變量符號表Table 1 Variable symbol table

        1.1 人口規(guī)模

        人口規(guī)模是影響二氧化碳排放水平的一個至關(guān)重要的因素,有兩個主要原理:一方面,人口數(shù)量增加,電力需求量也會隨之增加,進而增加電力碳排放量;另一方面,人口組成結(jié)構(gòu)的改變也會影響二氧化碳排放,隨著中國人口結(jié)構(gòu)從金字塔迅速進入紡錘形狀態(tài),中國老齡化現(xiàn)象逐漸嚴重,由于老年人的電力需求小于年輕人,因此人口老齡化后的電力需求變小,從而產(chǎn)生的二氧化碳排放也變少。

        1.2 經(jīng)濟產(chǎn)出

        目前我國經(jīng)濟發(fā)展還無法完全脫離化石能源,經(jīng)濟的增長在所難免地會增加碳排放量。經(jīng)濟發(fā)展是影響火電行業(yè)二氧化碳排放量不可或缺的因素。首先,國家經(jīng)濟的發(fā)展為火電行業(yè)的發(fā)展奠定了經(jīng)濟基礎;除此之外,經(jīng)濟發(fā)展需要電力行業(yè)的支撐,電力是經(jīng)濟發(fā)展最重要的保障。為了簡化研究,本文僅引入國內(nèi)生產(chǎn)總值這一變量。

        1.3 產(chǎn)業(yè)結(jié)構(gòu)

        經(jīng)濟增長對碳排放量的影響與不同經(jīng)濟發(fā)展階段息息相關(guān),不同的經(jīng)濟發(fā)展階段有不同的產(chǎn)業(yè)結(jié)構(gòu)。經(jīng)濟發(fā)展的初期,農(nóng)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中比重較大,對電力的需求較低,碳排放量相對較低;經(jīng)濟發(fā)展中期,工業(yè)是重要的組成部分,由此增加了對電力的需求,經(jīng)濟增長伴隨著二氧化碳的大量排放。經(jīng)濟發(fā)展后期,產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化,碳排放量相應減少。因此,產(chǎn)業(yè)結(jié)構(gòu)也是影響二氧化碳排放的一個必不可少因素,本文選用電力產(chǎn)業(yè)所在的第二產(chǎn)業(yè)增加值和所有生產(chǎn)總值,得到產(chǎn)業(yè)占比值。

        (4)

        式中:G1為第一產(chǎn)業(yè)的生產(chǎn)總值;G2為第二產(chǎn)業(yè)的生產(chǎn)總值;G3為第三產(chǎn)業(yè)的生產(chǎn)總值。

        1.4 能源消費強度

        能源消費強度反映了電力生產(chǎn)技術(shù)與電力公司能源結(jié)構(gòu)的關(guān)聯(lián),也就是生產(chǎn)單位電力所需要的能源。對于火電行業(yè)來說,能源消費強度直接代表其電力生產(chǎn)的技術(shù)水平。能源消費強度較低,表明其單位產(chǎn)出的二氧化碳排放量也較低。因此,能源消費強度與二氧化碳排放量為正相關(guān)關(guān)系。

        (5)

        式中:W1表示火電行業(yè)發(fā)電總量。

        1.5 能源消費結(jié)構(gòu)

        火電行業(yè)發(fā)電時消耗化石能源以外的綠色能源的比例越高,消耗單位能源產(chǎn)生的碳排放量就越低。為此,國家對能源行業(yè)實施了一系列低碳政策,如確定產(chǎn)品能效、補貼節(jié)能產(chǎn)品、宣傳節(jié)能減排、節(jié)能產(chǎn)品公共采購等,但是這些政策對于模型很難量化。因此,本文以火電行業(yè)綠色能源發(fā)電占發(fā)電總量的比重作為衡量國家對火電行業(yè)碳排放干預程度的衡量標準。該比重越高,國家對綠色能源發(fā)電的支持力度就越高,電力生產(chǎn)的碳排放量就越低。因此,能源消費結(jié)構(gòu)與碳排放量是負相關(guān)關(guān)系。

        (6)

        式中:W表示電力行業(yè)發(fā)電總量。

        2 模型方法

        2.1 線性回歸預測模型

        多元線性回歸是用于研究多個自變量和因變量之間線性關(guān)系的模型。為了直觀地得到因變量與因子之間的關(guān)系,最簡單有效的方法是使用線性回歸模型,這樣就可以得到回歸線性方程。多元線性回歸是多元統(tǒng)計分析的重要方法,普遍用于社會、經(jīng)濟、技術(shù)和許多自然科學研究領(lǐng)域?;貧w模型的一般形式為:

        (7)

        最小二乘法的誤差平方和為:

        (8)

        當誤差平方和最小時,求對應回歸系數(shù)的估計量,代入式(7)得預測方程為:

        (9)

        2.2 RBF神經(jīng)網(wǎng)絡預測模型

        近年來,人工神經(jīng)網(wǎng)絡成為主流的機器學習算法之一。人工神經(jīng)網(wǎng)絡由相互連接的神經(jīng)元組成,每個神經(jīng)元接收前一級神經(jīng)元發(fā)送的信息,并通過非線性變換將接收到的信息傳遞出去。神經(jīng)網(wǎng)絡可以通過不斷訓練,來逼近復雜的相關(guān)關(guān)系,在模式識別、函數(shù)逼近、分類預測等方面有著廣泛的應用[24]。

        RBF神經(jīng)網(wǎng)絡具有特殊的網(wǎng)絡結(jié)構(gòu),它利用徑向基函數(shù)處理來自神經(jīng)元的信息,對非連續(xù)非線性變化具有較好的逼近效果。RBF神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖1所示。

        圖1 RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)Fig.1 RBF neural network structure

        RBF神經(jīng)網(wǎng)絡由輸入層m、隱藏層h、輸出層y組成。RBF神經(jīng)網(wǎng)絡的隱藏層的非線性變換函數(shù)是徑向基函數(shù),即:

        (10)

        式中:j=1,2,…,l;φ為徑向基函數(shù),其主要參數(shù)有函數(shù)中心cj、半徑hj和隱藏層權(quán)值ωj。在輸出層,RBF網(wǎng)絡通過線性變換獲得輸出:

        (11)

        在確定函數(shù)中心時,使用k均值法,即:

        (12)

        式中:kk是參與訓練或測試的樣本總數(shù)。當類中心的變化小于預設的常數(shù)時,聚類停止。在確定基函數(shù)半徑時,文中選擇固定的函數(shù)半徑。其確定方法如下:

        (13)

        式中:dmax是確定的函數(shù)中心間的最大距離;s是網(wǎng)絡中的隱藏節(jié)點。RBF網(wǎng)絡權(quán)值的確定也可以是基于梯度下降法進行誤差的反向傳播,與傳統(tǒng)神經(jīng)網(wǎng)絡中的算法一致。

        2.3 ARIMA時間序列預測模型

        ARIMA方法是一種應用廣泛且非常高效的時間序列預測方法。ARIMA模型是一種基于自回歸模型(AR模型)、移動平均模型(MA模型)以及差分運算,使用時間序列數(shù)據(jù)本身的模型,用于短期預測分析。其使用滯后項和變量本身的隨機誤差來解釋變量,而不是使用外生變量來解釋因變量。當數(shù)據(jù)模式未知時,ARIMA經(jīng)常被應用于金融和經(jīng)濟方面進行數(shù)據(jù)挖掘[25]。其具體形式如下:

        (14)

        式中:D是延遲算子;φ(D)是p階自相關(guān)系數(shù)多項式;θ(D)是q階移動平均系數(shù)多項式;{βt}是白噪聲序列。

        ARIMA建模包括3個階段:

        1)時間序列平穩(wěn)化。當序列非平穩(wěn)時,穩(wěn)態(tài)由差分滿足。

        2)ARIMA模型的識別。模型中的序列p階由自相關(guān)系數(shù)決定,q階由偏自相關(guān)系數(shù)決定。

        3)參數(shù)估計和模型驗證。

        2.4 BP神經(jīng)網(wǎng)絡預測模型

        BP神經(jīng)網(wǎng)絡是常見的神經(jīng)網(wǎng)絡模型之一,其通過逆向傳播算法訓練。BP神經(jīng)網(wǎng)絡由輸入層、隱含層和輸出層組成,如圖2所示,訓練過程包括前向傳播和反向誤差傳播兩個過程。當輸出與預期結(jié)果不符時,誤差信號反向傳播,經(jīng)此反復迭代,最終接近預期結(jié)果[26]。

        圖2 BP神經(jīng)網(wǎng)絡結(jié)構(gòu)Fig.2 BP neural network structure

        BP神經(jīng)網(wǎng)絡模型構(gòu)建如下:

        假設有u個訓練樣本,各有v個指標,那么初始信息化矩陣為:

        X′=(x′ij)u×v

        (15)

        式中:i=1,2,…,u;j=1,2,…,v;x′ij表示第i個訓練樣本的第j個指標的值。

        步驟1評價指標的無量綱化。

        消除各個指標之間的不同量綱:

        (16)

        得到無量綱化矩陣是:

        X=(xij)u×v

        (17)

        步驟2確定輸出層及隱含層。

        輸出層計算為:

        (18)

        隱含層計算為:

        (19)

        式中:zi為輸出層連接權(quán)重;bij為隱含層連接權(quán)重。激活函數(shù)ψ(a)選擇sigmoid函數(shù):

        (20)

        步驟3網(wǎng)絡訓練。

        1) 計算網(wǎng)絡誤差。

        如果網(wǎng)絡輸出與期望輸出不相同,則存在輸出誤差:

        (21)

        網(wǎng)絡總誤差為:

        (22)

        2) 各層權(quán)值調(diào)整。

        (23)

        zj(t)=zj(t-1)+ηδ0yj+μΔzj(t-1)

        (24)

        (25)

        式中:η是學習率,且η∈(0,1);μ是動量項,且μ∈(0,1);t表示隱含層。

        3)輸入下個樣本,返回1)繼續(xù)訓練。

        4)全部樣本訓練結(jié)束,當A

        步驟4網(wǎng)絡檢驗。

        使用檢驗樣本進行網(wǎng)絡檢驗。

        3 算例分析

        3.1 數(shù)據(jù)來源

        根據(jù)上文分析,影響火電行業(yè)二氧化碳排放的因素為:人口數(shù)量、經(jīng)濟產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、能源消費強度、能源消費結(jié)構(gòu)。本文以2000—2018年數(shù)據(jù)作為參考,考察這5個因素對火電行業(yè)二氧化碳排放量變化的貢獻情況。每個影響因素詳細的計算方式已在上文中給出,所需的數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站的《中國統(tǒng)計年鑒》。

        3.2 碳排放量的測算

        本文的技術(shù)路線圖如圖3所示。文中的二氧化碳排放量是由各類化石能源的碳排放量總和計算得出的。當今中國80%以上的碳排放量來自化石能源的消耗,由此絕大多數(shù)研究都將化石能源的消耗引起的二氧化碳排放量作為實際二氧化碳排放量。能源消耗碳強度表示的是消費單位能源產(chǎn)生二氧化碳排放的程度。鑒于能源質(zhì)量和燃燒效率在短時間內(nèi)不會發(fā)生明顯變化,研究人員在計算二氧化碳排放量時往往應用固定的二氧化碳排放因子。本文將中國火電行業(yè)三大主要化石能源(煤、石油、天然氣)消耗所排放的二氧化碳作為碳排放總量,即不同類型能源的能耗乘以該類能源的碳排放因子。其計算公式為:

        圖3 技術(shù)路線圖Fig.3 Technology roadmap

        (26)

        式中:εi為第i類能源的碳排放系數(shù),εi是由我國熱值調(diào)整后的IPCC2006中各種能源的二氧化碳排放系數(shù)得到的,IPCC中包括各種化石能源二氧化碳排放因子,包括煤炭、石油和天然氣的碳排放因子,其中煤的碳排放因子為0.727 6,石油的碳排放因子為0.566 6,天然氣的碳排放因子為0.436 7。

        3.3 模型預測對比

        本節(jié)分別采用上述4種方法對火電行業(yè)2000—2018年的數(shù)據(jù)進行訓練分析,得到相應的預測模型及預測結(jié)果。本文的評價指標有3個MAE(平均絕對誤差,用MAE表示)、RMSE(均方根誤差,用RMSE表示)、MAPE(平均絕對百分比誤差,用MAPE表示)。MAE是絕對誤差的均值,用于反映預測情況和實際情況的差別,該指標越低越好;RMSE是均方根誤差,可以反映預測模型中的預測情況與實際情況的偏差程度,對于偏離程度很大的值,即使這種值很少,RMSE也會變得很差,該指標越低越好;MAPE是將所有誤差歸一化的平均絕對百分比誤差,當MAPE是0表示該模型為理想模型,當MAPE值大于100%表示模型擬合程度較低,不予采納。各個計算公式如下:

        (27)

        經(jīng)過計算,各個模型的預測值如圖4所示,預測誤差如表2所示,可以明顯地看出各模型的優(yōu)劣度為:RBF神經(jīng)網(wǎng)絡模型

        表2 預測誤差對比表Table 2 Comparison table of forecast error

        圖4 模型對比圖Fig.4 Model comparison chart

        4 情景分析

        4.1 情景設置

        本部分是應用上文選擇的最優(yōu)模型對未來從2021到2050年的二氧化碳排放量進行預測,并得到達峰時間和達峰峰值。情景分析法首先需要對影響火電行業(yè)碳排放預測模型中的人口數(shù)、經(jīng)濟產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、能源消費強度、能源消費結(jié)構(gòu)這幾個影響因素未來的變化率分別設置低、中、高3種值。其中,根據(jù)“十四五”規(guī)劃確定2021—2025年中值各影響因素的變化率。2025年后各影響因素變化率由歷史數(shù)據(jù)趨勢以及相關(guān)政策決定。根據(jù)每個影響因素的中值的變化率相應上下波動得到低值和高值。除此之外,本文也考慮新型冠狀病毒疫情和經(jīng)濟逆全球化等新形勢對各種因素變化率的影響。從長遠來看,將影響產(chǎn)業(yè)結(jié)構(gòu),而其他因素受影響較小。因此,根據(jù)相關(guān)政策和過去的數(shù)據(jù)趨勢,在先前參數(shù)的基礎上降低了產(chǎn)業(yè)結(jié)構(gòu)的變化率。

        本文根據(jù)影響火電行業(yè)碳排放的各因素設定的低、中、高3種值,提出了基準發(fā)展情景、產(chǎn)業(yè)優(yōu)化情景、技術(shù)突破情景、低碳發(fā)展情景4種未來發(fā)展情景,以下是各種情景設置的基本介紹,表3是不同情景下各因素變化率的設計,表4給出了具體情景設置參數(shù)數(shù)值。

        表3 情景設置Table 3 Scenario Setting

        表4 情景設置參數(shù) Table 4 Scenario setting parameters %

        基準發(fā)展情景:選取每個影響因素未來變化率的中值?;鶞拾l(fā)展情景是根據(jù)過去火電行業(yè)發(fā)展的特點,假設當前經(jīng)濟技術(shù)環(huán)境不變,且政府不會出臺新的減排措施,發(fā)展的主要驅(qū)動力仍然是經(jīng)濟生產(chǎn),以此推動社會和技術(shù)的發(fā)展。該基準發(fā)展情景是在不考慮其他突發(fā)因素的情況下,在當前的歷史趨勢上繼續(xù)發(fā)展的,旨在盡快完成工業(yè)化進程,以實現(xiàn)經(jīng)濟中高速發(fā)展。

        產(chǎn)業(yè)優(yōu)化場景:產(chǎn)業(yè)結(jié)構(gòu)這一影響因素選擇低變化率值,其他的影響因素選擇中等變化率值。產(chǎn)業(yè)優(yōu)化情景表示在現(xiàn)有政策的基礎上,產(chǎn)業(yè)結(jié)構(gòu)進一步優(yōu)化和現(xiàn)代化。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和現(xiàn)代化可以促進國民經(jīng)濟的發(fā)展,為中國的可持續(xù)發(fā)展做出貢獻。因此政府會出臺產(chǎn)業(yè)相關(guān)政策,進行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,減少第二產(chǎn)業(yè)的發(fā)展參與度,降低傳統(tǒng)產(chǎn)業(yè)比重,讓高新技術(shù)產(chǎn)業(yè)和服務業(yè)成為主導產(chǎn)業(yè)。與基準發(fā)展情景相比,第二產(chǎn)業(yè)的份額將下降。

        技術(shù)突破情景:能源消費強度取低值,能源消費結(jié)構(gòu)取高值,其他影響因素變化率取中值?!笆奈濉币?guī)劃提出,火電行業(yè)通過系統(tǒng)設計、技術(shù)進步和結(jié)構(gòu)轉(zhuǎn)型,加強科技研發(fā),促進資源循環(huán)和高效利用。由于技術(shù)的發(fā)展,產(chǎn)生單位電所消耗的能源會大大提高,而所耗的能源也會相應增多。本文在基準發(fā)展情景的基礎上,調(diào)整影響因素的變化率,得到能源技術(shù)取得進步的情景,稱為技術(shù)突破情景。

        低碳發(fā)展情景:能源消費結(jié)構(gòu)取低值,其他影響因素取中值。低碳發(fā)展情景表示的是火電行業(yè)在現(xiàn)有政策基礎上,強化能源政策,實施一系列節(jié)能減排措施,積極調(diào)整發(fā)電端能源結(jié)構(gòu),從而實現(xiàn)低碳排放。因此,該情景下的能源消費結(jié)構(gòu)將低于基準發(fā)展情景。同時,該情景是針對現(xiàn)有火電行業(yè)能源政策的相關(guān)目標建立的,因此需要根據(jù)國家政策的時間進行劃分。在這種情景下,政府加大了對火電行業(yè)節(jié)能減排的干預力度。面對政策的制約,火電行業(yè)加大優(yōu)化能源結(jié)構(gòu)、提高能源效率、提高投資效率,逐步向綠色發(fā)展邁進。

        4.2 結(jié)果分析

        利用中國火電行業(yè)碳排放BP神經(jīng)網(wǎng)絡預測模型可計算出不同情景下2021—2050年碳排放預測值,4種情景下的碳排放達峰預測結(jié)果如圖5所示,根據(jù)預測結(jié)果可以看出,火電行業(yè)對于不同的情景模式有不同的達峰時間和達峰峰值。對于中國火電行業(yè)在4種情景下二氧化碳排放達峰的詳細分析如下。

        圖5 情景預測對比圖Fig.5 Comparison chart of scenario prediction

        首先,在基準發(fā)展情景下,中國火電行業(yè)的二氧化碳排放量不僅不會在2030年達到峰值,而且還有很大的差距?;鶞拾l(fā)展情景的所有影響因素都取中值,也就是說沒有采取任何減排政策和技術(shù)改進。該情境下2045年達到峰值,碳排放峰值為812 977萬t,顯然,這種情景下將無法滿足中國2030年前實現(xiàn)最大的碳排放要求,而且還會推遲很長時間。因此,需要采取一定的措施來控制影響二氧化碳排放的各種因素的增長速度。

        其次,在產(chǎn)業(yè)優(yōu)化情景下,2030年中國火電行業(yè)碳排放并不會見頂,差距也較大。產(chǎn)業(yè)優(yōu)化情景是通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)來降低第二產(chǎn)業(yè)份額的發(fā)展模式。該模式下在2047年達到峰值,但其最大的碳排放量已經(jīng)減少到790 813萬t,顯然,單一的產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化并不能滿足中國火電行業(yè)2030年前達到碳達峰,比基準模式延遲兩年,這一政策的干預產(chǎn)生了一定的效果,但效果并不顯著。

        再次,在技術(shù)突破情景下,中國火電行業(yè)無法在2030年前及時達到碳排放峰值,在此基礎上延遲幾年達峰。技術(shù)突破情景是一種通過改進能源技術(shù)降低能源消耗的發(fā)展模式。該情景下將在2038年達到碳達峰,其峰值為810 043 萬t。顯然,單一的技術(shù)進步也不能滿足2030年實現(xiàn)火電行業(yè)最大的碳排放,但能源技術(shù)的發(fā)展和改進也比基準模式更早地達到碳達峰,且峰值也比基準模式低。

        最后,在低碳發(fā)展情景下,中國火電行業(yè)到2030年前能夠?qū)崿F(xiàn)碳排放達峰,是火電行業(yè)按時碳達峰的最佳發(fā)展模式。低碳發(fā)展情景是以基準發(fā)展情景為基礎,改變能源消費結(jié)構(gòu),向綠色能源傾斜的情景。該情景下碳達峰將在2028年達到,最大碳排放值為580 736 萬t,比目標提前2年。由于國家低碳政策的實施,嚴格限制碳排放的數(shù)量,該情景的達峰峰值遠遠低于基準發(fā)展情景中的峰值。與此同時,過度的低碳政策雖能實現(xiàn)在2030年前碳達峰的目標,但勢必會影響火電行業(yè)的經(jīng)濟效益。

        從以上預測結(jié)果的分析可以看出,如果中國火電行業(yè)在碳減排達到峰值的過程中,能夠適當?shù)乜刂谱陨斫?jīng)濟發(fā)展速度,降低化石能源消費比重,積極擴大對外開放,并通過技術(shù)革新等方式降低碳排放總量,同時在不影響經(jīng)濟發(fā)展的前提下加快產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)代化的調(diào)整,實施低碳減排政策,那么火電行業(yè)的碳排放極有可能在2030年前達到比較理想的峰值。

        5 結(jié)論與建議

        本文采用中國火電行業(yè)2000—2018年的相關(guān)數(shù)據(jù),首先,利用Kaya恒等式的擴展,得到了影響火電產(chǎn)業(yè)二氧化碳排放的關(guān)鍵因素;然后,基于對二氧化碳排放量產(chǎn)生顯著影響的指標,利用線性回歸、RBF神經(jīng)網(wǎng)絡、ARIMA時間序列、BP神經(jīng)網(wǎng)絡4種方法分別建立相應的預測模型進行預測,并通過預測誤差的對比,找到最優(yōu)的模型。最后,使用最優(yōu)的預測模型對未來不同速率發(fā)展模式下的4種情景(基準發(fā)展情景、產(chǎn)業(yè)優(yōu)化情景、技術(shù)突破情景、低碳發(fā)展情景)進行碳排放量的預測,得到2019—2050年的預測結(jié)果,并對各種情景下的碳排放達峰情況進行了分析,與基準發(fā)展情景進行對比。主要得出以下研究結(jié)論。

        1)影響中國火電產(chǎn)業(yè)二氧化碳排放的關(guān)鍵因素有5個:人口規(guī)模、經(jīng)濟產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、能源消費強度和能源消費結(jié)構(gòu)。

        2)通過對線性回歸、RBF神經(jīng)網(wǎng)絡、ARIMA時間序列、BP神經(jīng)網(wǎng)絡4種預測模型的預測結(jié)果對比發(fā)現(xiàn),其模型誤差:RBF神經(jīng)網(wǎng)絡模型>ARIMA模型>線性回歸模型>BP神經(jīng)網(wǎng)絡,因此,BP神經(jīng)網(wǎng)絡預測模型的預測精度更高,視為最優(yōu)模型,應用于情景分析。

        3)在所有碳排放達峰情景模式中,與基準發(fā)展情景相比較,產(chǎn)業(yè)優(yōu)化情景下雖不能提前達到碳達峰,但降低了碳達峰峰值;技術(shù)突破情景比基準發(fā)展情景提前幾年達到碳達峰,峰值也比其低;相比其他情景,低碳發(fā)展情景是唯一能使中國火電行業(yè)實現(xiàn)2030年前碳排放達峰目標的模式,在該情景下,于2028年實現(xiàn)了碳達峰,且達峰峰值最低。

        以上研究結(jié)論對于制定我國火電行業(yè)低碳減排策略,幫助火電行業(yè)盡快取得較低的碳達峰峰值,主動響應國家低碳減排的呼吁具有重大參考價值?;诖?,本文提出以下幾點建議:

        首先,優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),鼓勵高新技術(shù)產(chǎn)業(yè)發(fā)展。目前第二產(chǎn)業(yè)產(chǎn)值約占全部產(chǎn)業(yè)總值的50%左右,說明煤、石油等化石能源仍是目前主要能源,而火電行業(yè)產(chǎn)電主要通過燃燒使用化石燃料,會向環(huán)境中釋放大量污染物,如二氧化碳氣體。因此,火電行業(yè)必須加快產(chǎn)業(yè)轉(zhuǎn)型,降低高污染能源在生產(chǎn)中的比重,限制高污染、高能耗、低生產(chǎn)率工廠的盲目擴張,大力發(fā)展高新技術(shù),加大對低污染、低能耗、高生產(chǎn)率、高效益工廠的投入,確保在不影響經(jīng)濟發(fā)展的前提下完成產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型優(yōu)化,促進低碳減排政策的順利實施。

        同時,穩(wěn)定經(jīng)濟發(fā)展,加快科技進步?;痣娦袠I(yè)碳排放達峰,要在保證經(jīng)濟產(chǎn)出、能源消費結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)穩(wěn)定在合理水平的基礎上,兼顧技術(shù)的更新?lián)Q代,減少排放,特別是降低碳排放量。如果忽視技術(shù)創(chuàng)新,不僅會延遲火電行業(yè)碳排放的達峰時間,而且峰值還會增加。從這個角度來看,國家應該加大資金和人員對技術(shù)革新的投入,鼓勵各行業(yè)科研人員不斷努力研究創(chuàng)新,淘汰落后技術(shù),推廣新技術(shù)。同時,也要加強國際交流合作,積極引進先進理念和技術(shù),盡快應用到本土情形中。

        最后,發(fā)展低碳能源,加快能源消費結(jié)構(gòu)的調(diào)整。當前,煤、石油、天然氣等化石能源仍是火電行業(yè)的主要消耗來源,約占所有能源消費總量的70%。大力使用清潔能源是火電行業(yè)碳排放達到峰值的關(guān)鍵措施。因此,火電行業(yè)發(fā)電應提高利用水能、風能、潮汐能、太陽能等綠色能源和可再生能源的比例,加快可再生能源基礎設施建設,促進綠色低碳能源消費結(jié)構(gòu)的發(fā)展。與此同時,適當增加使用化石能源的成本,提高資源使用稅收標準,建立健全的環(huán)境稅收制度,以減少中國火電行業(yè)無節(jié)制使用化石能源,提高綠色可再生能源的市場競爭力。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務本地化模型
        適用于BDS-3 PPP的隨機模型
        提煉模型 突破難點
        函數(shù)模型及應用
        p150Glued在帕金森病模型中的表達及分布
        函數(shù)模型及應用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        3D打印中的模型分割與打包
        无码国产69精品久久久久孕妇| 五月激情狠狠开心五月| 亚洲av熟女天堂系列| 中文字幕色一区二区三区页不卡| 在线观看视频免费播放| 男吃奶玩乳尖高潮视频| 亚洲精品v欧洲精品v日韩精品 | 无码人妻丰满熟妇区毛片| 精品久久久久久久久久久aⅴ| 日本成人字幕在线不卡| 亚洲日本一区二区在线观看 | 国产一级黄色录像| 91久久精品人妻一区二区| a级三级三级三级在线视频| 一区二区亚洲精品在线| 2019最新中文字幕在线观看| 夜夜未满十八勿进的爽爽影院| 亚洲精品国产成人AV| 97精品国产高清自在线看超| 一本大道加勒比东京热| 日本久久精品视频免费| 国产私人尤物无码不卡| 国产精品久久久久久婷婷| 日本一区二区不卡视频| 国产av色| 中文字幕有码手机视频| 国产一区二区三区内射| 正在播放国产多p交换视频| 亚洲av无码专区国产乱码不卡| 白浆出来无码视频在线| 成人综合亚洲国产成人| 风流熟女一区二区三区| av无码小缝喷白浆在线观看| 欧洲精品免费一区二区三区| 亚洲成在人线久久综合| 亚洲欧洲日产国码无码av野外| 亚洲码专区亚洲码专区| 草草影院ccyy国产日本欧美| 99热这里有精品| 欧美人与动牲交片免费| 日韩AV无码中文无码AV|