魏光普,康瑜,范浩文,于曉燕,馬明
(內蒙古科技大學 建筑學院,內蒙古 包頭 014010)
化石能源造成全球性的溫室效應,聯(lián)合國政府間氣候變化專門委員會(IPCC)發(fā)布的《IPCC全球升溫1.5℃特別報告》指出,升溫1.5℃與升溫2℃相比能減少更多極端氣候、海平面上升等問題,若放任其發(fā)展,溫室效應將給人類帶來巨大的災難[1]。作為對《巴黎協(xié)定》的積極響應,中國提出了到2030年單位國內生產(chǎn)總值CO2排放量要比2005年下降60%~65%的國家目標[2]。中國尚處于工業(yè)快速發(fā)展和城鎮(zhèn)化建設時期,碳排放量不斷上升,2018年中國碳排放量達到101億噸,占全球碳排放總量的27.6%,位列第一,與同期美國相比高出12.8%[3]。建筑業(yè)的碳排放量僅次于煤電、工業(yè)以及交通運輸領域,約占全國總量的1/5。
1960年之后世界范圍內建筑能耗計算軟件發(fā)展迅速,其中美國能源部的EnergyPlus軟件[4]、美國太陽能試驗部的TRNSYS軟件[5-6]以及中國清華大學開發(fā)的DeTS軟件等均被廣泛用于建筑能耗計算的相關領域[7-8];20世紀后,研究主要集中在區(qū)域建筑能耗核算,莊智等[9]利用統(tǒng)計年鑒、能源平衡表和抽樣調查統(tǒng)計數(shù)據(jù)三種方法,比較計算了城鎮(zhèn)民用建筑能耗;張秀敏和吳朝暉[10]運用案例分析法構建了一種建筑物分類核算方法,并引入實例進行核算;楊秀[11]介紹了美國的公共建筑和住宅建筑的能耗統(tǒng)計辦法;楊斯慧等[12]針對我國當前的公共建筑碳交易,選取了北京市和上海市進行試點比對,提出碳排放責任劃分方法;黃志甲等[13]建立了住宅建筑全生命周期的碳排放核算模型;秦貝貝[14]提出了基于能源平衡表的可用于計算省級建筑能耗的宏觀計算方法。而對于建筑能耗的預測研究,目前主要的能耗預測方法有多元線性回歸法[15-16]、人工神經(jīng)網(wǎng)絡法[17]、貝葉斯理論、灰色理論法、時間序列法和支持向量機[18-20]等。如Naji等[21]提出了一種基于極限學習機的建筑能耗預測模型,實驗數(shù)據(jù)表明,該模型比ANN模型的預測精度高;有的學者將神經(jīng)網(wǎng)絡法與模糊推理法結合起來共同去預測建筑能耗。
包頭市是西北地區(qū)最重要的重工業(yè)城市,產(chǎn)業(yè)重型化是其顯著特征。為響應國家綠色減排發(fā)展的號召,包頭市政府在“十三五”規(guī)劃中強調,要制定符合現(xiàn)階段發(fā)展特征的碳減排政策。據(jù)統(tǒng)計,截至2019年包頭全市房地產(chǎn)業(yè)計劃完成投資225億元以上,占第三產(chǎn)業(yè)的17%以上,占全市固定資產(chǎn)投資的7%以上[22]。高速發(fā)展意味著碳的高排放。本文以包頭市城區(qū)工業(yè)建筑、居住建筑和公共建筑的碳排放量計算和預測為目標,利用當?shù)亟y(tǒng)計局公布的逐年能源平衡表為數(shù)據(jù)樣本,基于能源平衡表的建筑能耗宏觀算法模型核算建筑能源標準煤消耗量,利用LSTM模型預測包頭市2021—2030年的建筑能耗量與碳排放量,探討包頭市能否如期達到預計的減排目標,并為其他重工業(yè)城市建筑碳排放核算及預測研究提供理論依據(jù)。
(1)建筑碳排放范圍界定。建筑碳排放通常包含直接碳排放量和間接碳排放量,其中直接碳排放量是建筑自身所產(chǎn)生的二氧化碳量,而間接碳排放量是由建筑引發(fā)的其他相關聯(lián)產(chǎn)業(yè)用能的碳排放量。
目前,國內外學者對于建筑能耗與碳排放的核算邊界尚存爭議。一類是研究建筑全生命周期的能耗,包括建筑建造階段、運行階段和拆除階段;另一類則是只核算建筑運行階段的能耗[23]。根據(jù)杜強等[24]關于市域間接建筑業(yè)碳排放量的研究,其占比遠低于省際乃至全國,原因是建筑業(yè)產(chǎn)業(yè)關聯(lián)度較高,建筑間接碳排放量在城市碳排放總量中的占比隨著研究區(qū)域的擴大而增加。由于當前包頭市各行業(yè)間的投入產(chǎn)出表尚未完善,部分統(tǒng)計工作尚處于起步階段,無法獲得完整的數(shù)據(jù)樣本,所以本文對包頭市的建筑能耗與碳排放的核算邊界參考第二類,僅核算建筑運行階段的能耗。
建筑按照使用功能可分為居住建筑、公共建筑、工業(yè)建筑三類,以2018年為例,包頭市居住用地面積、公共用地面積、工業(yè)用地面積分別約占城市現(xiàn)狀建設用地面積的29%、17%和23%;同年建筑業(yè)企業(yè)房屋建筑竣工面積情況中,住宅房屋竣工面積約占總建筑竣工面積的60%,公共建筑約占22%,工業(yè)建筑約占17%。本研究認為建筑碳排放應分類型計算,一方面,不同建筑類型的影響因子、碳排放權重并不相同,分類計算可獨立反映某一種建筑類型的實際碳排放,以便針對其特征提出相應的節(jié)能減排方法;另一方面,分類計算方法能更加科學、準確地反映碳足跡,為后續(xù)研究提供了數(shù)據(jù)基礎。
(2)建筑業(yè)宏觀能耗計算法。IEA和EIA終端能源消耗行業(yè)劃分中把“居住”和“商業(yè)及公共服務”分為建筑能耗。通過比對,可確定中國建筑能耗宏觀計算時應包含三項:批發(fā)、零售和住宿、餐飲業(yè)、其他以及生活消費。根據(jù)秦貝貝[14]提出的中國建筑能耗宏觀計算公式:建筑能耗=(生活消費扣除全部柴油+批發(fā)、零售和住宿、餐飲業(yè),其他能源扣除95%汽油、35%柴油)+k1×工業(yè)能耗+k2×(生活消費熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)。
其中,生活消費扣除全部柴油指的是在“工廠法”算法下其由于交通運輸所產(chǎn)生的能源消耗;批發(fā)、零售和住宿、餐飲業(yè)和其他能源同上[25];k1×工業(yè)能耗指的是工業(yè)消費中包含的建筑能耗;k2×(生活消費熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)指的是三項消費中電力及熱力的消費修正。k1、k2為系數(shù),取值時利用對比分析選擇與現(xiàn)有能耗數(shù)據(jù)誤差最小的值。
以清華大學中國建筑能耗模型(CBEM)計算的建筑能耗為基準,選擇1996—2010年中國建筑能耗數(shù)據(jù)為樣本數(shù)據(jù),以此建立線性規(guī)劃模型:
式中:EQi是清華大學計算的建筑總能耗;EQHi是清華大學計算的建筑采暖能耗;EBi指的是能源平衡表中的建筑能耗;EIi是工業(yè)建筑能耗;EHi是生活消費,批發(fā)、零售和住宿、餐飲業(yè),以及其他熱力消費總量。
式(1)線性規(guī)劃模擬為誤差最小的建筑總能耗與清華大學數(shù)據(jù)的擬合值,式(2)線性規(guī)劃模擬為誤差最小的采暖能耗與清華大學數(shù)據(jù)的擬合值。其中,包頭地區(qū)的建筑采暖以集中供暖為主,主要消費的是二次能源,其統(tǒng)計邊界與其他建筑能耗類型不同,故此將采暖能耗單獨列出。
試算法結果下可知,當k1=5%,k2=2.5時,擬合結果誤差最低。
即中國建筑能耗宏觀計算公式應為:建筑能耗=(生活消費扣除全部汽油、95%柴油+批發(fā)、零售和住宿、餐飲業(yè),其他能源扣除95%汽油、35%柴油)+5%×工業(yè)能耗+2.5×(生活消費熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)。
(3)建筑業(yè)直接碳排放核算方法。建筑業(yè)的直接碳排放量由當年建筑業(yè)的能源消耗量計算:
式中:Z為包頭市當年建筑業(yè)直接碳排放量,單位為萬噸(以CO2計,下文同);E為包頭市當年建筑業(yè)能源標準煤消耗量;ρ為能源消耗碳排放因子,以標準煤數(shù)據(jù)法得:
式中:EFst為能源消費標準量的排放因子,單位為噸/噸標煤。由于該因子是一個經(jīng)驗估計值,不同研究所給出的排放因子也不同,本文選取國家發(fā)改委能源研究所的數(shù)據(jù),即EFst=0.67,計算可得:ρ=2.46[26]。
(1)LSTM模型基本原理。LSTM模型對非線性和非平穩(wěn)時間序列具有較強逼近能力的特點,可以有效提高建筑能耗預測的精度。LSTM模型原型是循環(huán)神經(jīng)網(wǎng)絡(recurrent neural network,RNN),這是一類以序列數(shù)據(jù)為輸入值的遞歸神經(jīng)網(wǎng)絡。LSTM預測模型在RNN模型的基礎上新加了細胞狀態(tài)和“門”結構,使得它能保持一個更恒定的誤差值[27]。
(2)建模過程。在使用LSTM模型預測前要先進行原始數(shù)據(jù)的預處理,包括異常值與歸一化兩項。完成數(shù)據(jù)預處理之后,將數(shù)據(jù)轉化成監(jiān)督學習問題的數(shù)據(jù)幀,將n-1時刻的各個變量作為輸入X=[var1(n-1),var2(n-1),var3(n-1),…,var5(n-1)],將n年的能耗值作為輸出Y=var1(n)。根據(jù)圖1的示意圖,運用LSTM模型對訓練數(shù)據(jù)進行訓練,多次訓練后,選擇誤差最小的參數(shù)作為預測模型的參數(shù),然后對預測數(shù)據(jù)使用LSTM模型,得到建筑能耗預測數(shù)據(jù)結果[28]。
圖1 LSTM模型運行示意圖
據(jù)國際能源署公報顯示,2020年,全球實現(xiàn)了歷史上最大的碳排放量降幅,達到20億噸量級。2021年是氣候行動的關鍵一年,如果當前對今年全球經(jīng)濟反彈的預期得到證實,而世界主要經(jīng)濟體不采取重大政策調整,2021年全球排放量會進一步增加[29]。歐盟委員會氣候行動總司官網(wǎng)的信息顯示,歐盟排放交易體系的第四交易階段為2021—2030年。這與我國提出的“30·60”目標一致。為達到國家承諾的階段性CO2減排目標,包頭市建筑業(yè)應至少實現(xiàn)到2020年直接碳排放減少336.29萬~394.10萬噸的目標。
由中國能源平衡表中統(tǒng)計方式、終端能源計算方式及終端能耗行業(yè)分類與IEA能源平衡表、EIA能流圖對比差異可知,中國建筑能源平衡表中生活消費表達居住建筑能耗;批發(fā)、零售和住宿、餐飲業(yè)以及其他消費表達公共建筑能耗;工業(yè)消費包含的非工業(yè)建筑用能(如辦公樓、家屬樓、食堂等)納入工業(yè)建筑能耗范圍。對每項消費修正過后,即得當年某種建筑類型的能源標準煤消耗量。
根據(jù)《包頭統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》的能源平衡表,計算得出包頭市2002—2020年建筑能源標準煤消耗量,詳見表1。
表1 2002—2020年包頭市建筑能源標準煤消耗量
由表1可知,包頭市2002—2020年居住建筑能耗最高值是2012年的314.79萬噸標準煤,最低值為2002年的36.25萬噸標準煤,相差約8.7倍;公共建筑能耗最高值為2014年的433.70萬噸標準煤,與最低值相差約11倍;而工業(yè)建筑能耗最高值為2019年的198.34萬噸標準煤,與最低值相差約6.6倍。
由表2可知,包頭市建筑業(yè)2002—2020年直接碳排放量由1.1節(jié)中的公式計算所得??偨ㄖ寂欧帕?002年最低為259.22萬噸,2014年最高為1 996.74萬噸。三類不同建筑的碳排放量由高到低依次為公共建筑>居住建筑>工業(yè)建筑,其中2011—2013年居住建筑>公共建筑>工業(yè)建筑。
由圖2可知,2002—2020年包頭市建筑直接碳排放量呈現(xiàn)上升趨勢,2014年的1 996.74萬噸為最高值,最高值與最低值相差約7.7倍。2008—2020年,建筑直接碳排放量穩(wěn)定在1 205.79萬噸以上。
將包頭市2002—2020年居住建筑、公共建筑以及工業(yè)建筑三類建筑能耗作為樣本數(shù)據(jù),分別代入LSTM模型中訓練數(shù)據(jù),LSTM運行訓練誤差,取誤差最小的值為數(shù)據(jù)參數(shù),將兩者一起代入LSTM模型中模擬計算,如圖1中所示模型運行示意,得到包頭市建筑類型第n年的建筑能耗預測數(shù)據(jù),詳見圖3。
圖4橫軸為預測年份,縱軸為建筑能耗量,2002—2020年曲線為核算數(shù)據(jù)趨勢,2021—2030年虛曲線為LSTM模型預測趨勢。包頭市2021—2030年總體建筑能耗預測如圖4所示。
表2 2002—2020年包頭市建筑直接碳排放量
圖2 2002—2020年包頭市建筑直接碳排放量趨勢
圖3 包頭市三類建筑能耗預測趨勢
由圖3可知,在2021—2030年間,居住建筑能耗預測2023年的286.52萬噸標煤為最高值,最高值與最低值相差約2.5倍;公共建筑能耗預測在2021年達到最高值為376.80萬噸標煤,與最低值相差約2.2倍;工業(yè)建筑能耗預測是三類建筑類型中波動最小的,最高值是在2024年達到了209.11萬噸標煤,與最低值相差約1.9倍。三類不同建筑的碳排放量由高到低依次為公共建筑>居住建筑>工業(yè)建筑,僅在2023年時居住建筑>公共建筑>工業(yè)建筑,2024—2025年間居住建筑>工業(yè)建筑>公共建筑。包頭市總建筑能耗在2022年達到峰值816.36萬噸標煤,與2030年最低值387.79萬噸標煤相差約2.1倍。由式(3)可知,建筑能耗與建筑碳排放呈正向線性相關,即包頭市建筑碳排放預測趨勢與建筑能耗預測趨勢呈正向線性相關。
圖4 包頭市總體建筑能耗預測趨勢
中國政府曾在《國家應對氣候變化規(guī)劃(2014—2020年)》中承諾,截至2020年,單位國內生產(chǎn)總值CO2排放比2005年下降40%~45%[30]。包頭市2020年建筑直接碳排放量卻同比2005年增長了超1 000萬噸,漲幅約124%。同時LSTM模型預測包頭市2021年建筑直接碳排放量達到1 964.21萬噸,符合由經(jīng)濟因素造成的碳排放量反彈的預期。包頭市建筑行業(yè)減排任務十分艱巨。
包頭市2002—2020年建筑標準煤消耗量中公共建筑>居住建筑>工業(yè)建筑,其中公共建筑也是漲幅最大的一類建筑。2010—2013年4年間,包頭市綜合能源消費量年均增速為4.5%,GDP年均增速為10.1%,經(jīng)濟發(fā)展帶動了房地產(chǎn)經(jīng)濟的蓬勃飛躍,通信、交通等基礎設施的大量建立與完善,都是導致建筑業(yè)單位產(chǎn)值能耗快速增長的原因,尤以公共建筑漲幅最為明顯。
過去包頭市建筑碳排放整體呈現(xiàn)上升的主要原因存在兩方面,一是當?shù)啬茉唇Y構的不足,二是經(jīng)濟高速發(fā)展帶來的弊端。長期以來,包頭市的發(fā)展和工業(yè)緊密聯(lián)系,產(chǎn)業(yè)門類齊全,但大部分還處于結構不優(yōu)、技術不精的狀況。1995年包頭市工業(yè)增加值可占全市生產(chǎn)總值的53.4%,到2019年只占到30.1%,下滑比較嚴重。以2013年為例,工業(yè)消費占到第二產(chǎn)業(yè)的99.2%,占全市總消費量的80.8%。能源消費結構依然為資源消耗型,清潔能源的占比較低。在消費總量中仍然以原煤和天然氣為主,其中原煤可占到80%以上,并呈現(xiàn)逐年上升的趨勢,以煤炭為主的能源結構在短期內無法得到改善。建筑業(yè)屬于第二產(chǎn)業(yè),相關的碳排放量會隨著二次能源消費比例的增加、煤炭燃燒在消費總量中占比的增加而增長。建筑碳排放量預測總體呈現(xiàn)下降趨勢,波動較小,這與包頭市一直致力于供給側結構性改革,積極響應國家低碳減排號召,推行綠色建筑和清潔能源的使用有較大關系。
張維陽等[31]研究發(fā)現(xiàn)包頭市作為典型的傳統(tǒng)資源型城市,其碳排放量增長較快,超越了全國能源消費碳排放的平均增速;經(jīng)濟發(fā)展同碳排放量協(xié)同增長,前者高于后者,碳排放效率逐年減小,離絕對減排的目標相差較遠?!冻鞘羞_峰指導手冊》指出,城市二氧化碳達峰并不是指某一年二氧化碳排放達到峰值,只有當城市二氧化碳排放達到持續(xù)穩(wěn)定的下降狀態(tài),才意味著城市實現(xiàn)二氧化碳達峰。包頭市作為資源型重工業(yè)城市節(jié)能減排任務仍任重道遠,建筑行業(yè)碳排放量對當?shù)靥歼_峰具有十分重要的意義。LSTM模型預測包頭市建筑行業(yè)將于2022年實現(xiàn)碳達峰,若對建筑行業(yè)進行改造升級,使之盡早達峰減排,則可為當?shù)靥紲p排做出巨大貢獻。
本次研究與其他中國建筑能耗核算方法相比較有數(shù)據(jù)獲取便捷、計算簡便的優(yōu)勢,計算樣本來自國家或者各省份能源統(tǒng)計局所公布的能源統(tǒng)計年鑒。算法中存在缺點,首先工業(yè)能耗核算時其中的建筑能耗與采暖能耗比例的修正缺乏更微觀細致的調查數(shù)據(jù),可能會導致誤差值偏高的問題。包頭市建筑碳排放量是以當年的建筑能耗為基礎核算,建筑能耗在核算邊界時確定為建筑運行階段的能耗。
LSTM預測模型將時間序列問題轉換為監(jiān)督學習問題,相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡方法,此模型可獲得更為準確的預測數(shù)據(jù)。但由于包頭市當?shù)啬茉唇y(tǒng)計數(shù)據(jù)起步較晚,數(shù)據(jù)量及其精細度都有限,因此造成本次研究樣本數(shù)據(jù)偏少,可能會造成預測數(shù)據(jù)產(chǎn)生一定的誤差[32]。
本研究為包頭市建筑業(yè)提供了整體數(shù)據(jù)及趨勢預測,對當?shù)卣鞔_碳排放責任、發(fā)展低碳建筑、落實綠色建筑提供了數(shù)據(jù)支撐。2002—2020年包頭市建筑業(yè)直接碳排放整體呈現(xiàn)上升趨勢,到2022年包頭市可實現(xiàn)建筑碳達峰。但以短期目標來看,包頭市無法按期完成減排目標,且差距較大,能源消費的高耗能仍然存在,建筑業(yè)轉型升級十分緊迫。
傳統(tǒng)資源型工業(yè)城市高度依賴化石能源造成了大量二氧化碳的排放,在全球溫室效應的背景下可持續(xù)發(fā)展就成為必然選擇。傳統(tǒng)資源型重工業(yè)城市一般具有低GDP、高碳排放的特點,碳減排空間潛力巨大。本研究以期為傳統(tǒng)資源型重工業(yè)城市探索建筑行業(yè)碳排放核算及預測研究的可行方法。