隨著各國(guó)對(duì)氣候變化的不斷重視，由二氧化碳、甲烷、氧化亞氮、氫氟碳化合物、全氟碳化合物及六氟化硫組成的溫室氣體的排放計(jì)算日益成為研究重點(diǎn).近年來(lái)，中國(guó)政府針對(duì)全球氣候治理問(wèn)題做出以實(shí)現(xiàn)“雙碳”目標(biāo)為代表的一系列積極承諾，對(duì)我國(guó)各地區(qū)進(jìn)行碳排放責(zé)任分?jǐn)偺岢隽烁咭?，而傳統(tǒng)的碳排放量標(biāo)準(zhǔn)計(jì)算方法難以滿足.

目前，依據(jù)核算思路的不同，溫室氣體的核算方法分為基于計(jì)算和基于測(cè)量?jī)煞N.當(dāng)前國(guó)內(nèi)外學(xué)者的研究主要集中于基于計(jì)算的方法，指通過(guò)活動(dòng)水平數(shù)據(jù)和相關(guān)參數(shù)之間的計(jì)算得到溫室氣體排放量的方法，根據(jù)計(jì)算方法的不同細(xì)分為排放因子法和物料平衡法.

排放因子法方面的研究聚焦于對(duì)特定區(qū)域特定行業(yè)碳排放因子的精確計(jì)算方法，并推廣至其他區(qū)域的特定行業(yè).文獻(xiàn)[4]基于中國(guó)的能源消費(fèi)數(shù)據(jù)和水泥生產(chǎn)數(shù)據(jù)，對(duì)中國(guó)煤炭行業(yè)和水泥生產(chǎn)行業(yè)的碳排放因子重新進(jìn)行估算.物料平衡法是基于物料守恒的原理，通過(guò)對(duì)含碳物質(zhì)在生產(chǎn)、貿(mào)易、運(yùn)輸?shù)冗^(guò)程中的轉(zhuǎn)化，對(duì)碳排放量進(jìn)行計(jì)算.文獻(xiàn)[5]基于國(guó)內(nèi)生產(chǎn)的能源生產(chǎn)、貿(mào)易、國(guó)際燃料和庫(kù)存變化的燃料的質(zhì)量平衡，采用明顯能耗法，對(duì)中國(guó)2000—2012年的各省碳排放數(shù)據(jù)進(jìn)行重新計(jì)算.國(guó)外對(duì)物料平衡法的研究主要在于基于觀測(cè)數(shù)據(jù)的區(qū)域溫室氣體排放估算.文獻(xiàn)[6]利用飛機(jī)飛行測(cè)量區(qū)域中平均風(fēng)場(chǎng)不同高度的二氧化碳和甲烷體積濃度，對(duì)以美國(guó)印第安納波利斯為代表的平原城市區(qū)域進(jìn)行碳排放量反演計(jì)算.文獻(xiàn)[7]基于飛機(jī)飛行測(cè)量數(shù)據(jù)，通過(guò)克里格算法構(gòu)建曲面模型，對(duì)以波蘭上西里西亞煤田為代表的盆地地區(qū)進(jìn)行碳排放量精確反演計(jì)算.文獻(xiàn)[8]通過(guò)氣象衛(wèi)星進(jìn)行實(shí)時(shí)監(jiān)測(cè)，估算中國(guó)2019—2020年第一季度的碳排放量，分析了新冠疫情對(duì)中國(guó)碳排放的影響.

此外，隨著碳排放量計(jì)算數(shù)據(jù)精度的逐漸提高，對(duì)于碳排放過(guò)程中的責(zé)任測(cè)算與分?jǐn)偟南嚓P(guān)研究逐漸增多.文獻(xiàn)[9-10]基于復(fù)雜網(wǎng)絡(luò)視角，分別以行政區(qū)域和產(chǎn)業(yè)部門(mén)為節(jié)點(diǎn)來(lái)分析中國(guó)隱含碳排放流動(dòng).文獻(xiàn)[11]對(duì)基于投入產(chǎn)出模型對(duì)跨區(qū)域汽車尾氣排放進(jìn)行了區(qū)域碳排放責(zé)任分?jǐn)?文獻(xiàn)[12]提出一種新的碳排放流分析模型，量化了包括電網(wǎng)、燃?xì)饩W(wǎng)和供熱網(wǎng)等在內(nèi)的復(fù)雜能源系統(tǒng)中與能量傳遞和轉(zhuǎn)換過(guò)程相關(guān)的碳排放，分析了不同能源系統(tǒng)之間轉(zhuǎn)化過(guò)程中的碳排放流.文獻(xiàn)[13]基于碳排放流模型對(duì)電力系統(tǒng)運(yùn)行過(guò)程中的碳排放進(jìn)行責(zé)任分?jǐn)?，打破了人們?duì)碳排放歸咎于發(fā)電方的固有印象.文獻(xiàn)[14]采用碳排放流模型對(duì)中國(guó)電力系統(tǒng)生命周期中的碳排放責(zé)任進(jìn)行區(qū)域責(zé)任分?jǐn)?文獻(xiàn)[15]采用-means聚類算法對(duì)中國(guó)30個(gè)地區(qū)按照影響碳排放強(qiáng)度的相關(guān)因素進(jìn)行重新分類，為差異化區(qū)域減排政策的指定提供了參考.

說(shuō)起這件事，我對(duì)不起媽。我叫李玉英，是中國(guó)石油廣西銷售桂林七星加油站站長(zhǎng)。我沒(méi)時(shí)間找對(duì)象，忙工作、忙加班，忙著跟生活無(wú)關(guān)的一切，三十多了至今還是單身。我沒(méi)在意自己的年齡，媽也從沒(méi)催過(guò)我。她不覺(jué)得自己的女兒嫁不出去。我跟她打電話，每次講的都是工作，當(dāng)上核算員了，當(dāng)上前庭主管了，當(dāng)上站經(jīng)理了。她從來(lái)都說(shuō)你好好干，還讓我報(bào)大專，說(shuō)眼下在油站不比在家賣柴火，跟不上就要丟飯碗。媽雖然沒(méi)文化，但眼光看得遠(yuǎn)，一心指望我過(guò)好。

年輕教師要因勢(shì)利導(dǎo)引導(dǎo)每個(gè)隊(duì)員樹(shù)立正確的人生觀、價(jià)值觀；明辨是非，堅(jiān)持正義，傳播正能量，自覺(jué)抵制歪風(fēng)邪氣；刻苦訓(xùn)練，保質(zhì)保量完成任務(wù)，樹(shù)立責(zé)任感。積極進(jìn)取，通過(guò)吃苦耐勞的意志品質(zhì)和良好的訓(xùn)練作風(fēng)，不僅要在訓(xùn)練中取得優(yōu)異成績(jī)，也要在比賽中和考試中取得優(yōu)異成績(jī)，建樹(shù)實(shí)力、形象、榮譽(yù)，更要戒驕戒躁，謙虛謹(jǐn)慎，珍惜自己的個(gè)人榮譽(yù)。

1 區(qū)域碳排放量計(jì)算的挑戰(zhàn)與新環(huán)境

1.1 區(qū)域碳排放量計(jì)算方法遇到的挑戰(zhàn)

式中：()為樣本到同簇其他樣本的平均距離；()為到其他簇包含的所有樣本的平均距離的最小值()又稱為樣本的簇內(nèi)不相似度，其值能代表聚類結(jié)果簇內(nèi)的凝聚度；()又稱為樣本的簇間相似度，其值能代表聚類結(jié)果的簇間分離度因此，當(dāng)聚類結(jié)果類內(nèi)相似性越大且類間相似性越小時(shí)，值越大，聚類結(jié)果越好從而選取使得值最大的值作為最佳聚類個(gè)數(shù).

3)不同的微物理和積云參數(shù)化方案的組合可能會(huì)影響模式對(duì)云微觀結(jié)構(gòu)的預(yù)報(bào)情況,進(jìn)而會(huì)影響降水。本次實(shí)驗(yàn)中Morr-KF方案預(yù)報(bào)的云水、雨水質(zhì)量比相對(duì)于其他幾種方案偏弱,對(duì)應(yīng)區(qū)域的降水強(qiáng)度也偏弱。選取較優(yōu)方案開(kāi)展集成試驗(yàn)發(fā)現(xiàn),集成之后的RMSE降低了,ACC提高了,TS評(píng)分雖然不是最優(yōu),但也排名靠前。由此發(fā)現(xiàn)多方案集成可改進(jìn)預(yù)報(bào)結(jié)果,降低模式預(yù)報(bào)的不確定性,使預(yù)報(bào)結(jié)果更加精確。

1.2 基于能源消費(fèi)數(shù)據(jù)總量的碳排放因子法

碳排放因子法是最常見(jiàn)的碳排放量計(jì)算的簡(jiǎn)單方法，其將人類活動(dòng)發(fā)生程度的信息，即活動(dòng)數(shù)據(jù)(Activity Data, AD)與被稱為碳排放因子(Carbon Emission Factors, CEF)用以量化每單位活動(dòng)的碳排放量或清除量的系數(shù)相結(jié)合，一般按照行政區(qū)域或IPCC溫室氣體排放主要部門(mén)進(jìn)行分類統(tǒng)計(jì).因此，對(duì)于單個(gè)活動(dòng)數(shù)據(jù)的碳排放因子法的基本計(jì)算公式為

CE, =AD, CEF,

(1)

式中：CE, 為統(tǒng)計(jì)對(duì)象包含的第個(gè)活動(dòng)的碳排放量(Carbon Emission, CE)；AD, 為第個(gè)活動(dòng)對(duì)應(yīng)的活動(dòng)數(shù)據(jù)；CEF, 為第個(gè)活動(dòng)的碳排放因子.

可見(jiàn)病死豬各部位發(fā)生不同程度的水腫，以胃壁大彎部水腫最為嚴(yán)重。切開(kāi)胃壁可見(jiàn)切面增厚呈現(xiàn)膠凍狀，流出清亮或茶色液體，有的結(jié)腸系膜呈膠凍樣水腫、充血和出血，心包和胸腔、腹腔有較多積液，在空氣中暴露立即凝成膠凍狀。

對(duì)于統(tǒng)計(jì)對(duì)象的碳排放總量為

=∑CE,

(2)

碳排放因子法的計(jì)算公式簡(jiǎn)潔且具有可延展性，活動(dòng)數(shù)據(jù)來(lái)源可信而碳排放因子存在地區(qū)差異.因此，研究人員常將碳排放因子發(fā)與各國(guó)國(guó)家統(tǒng)計(jì)部門(mén)編制的“能源平衡表”“分行業(yè)能源消費(fèi)總量”和“分行業(yè)終端消費(fèi)量”相結(jié)合，進(jìn)行碳排放量計(jì)算和碳排放責(zé)任分?jǐn)傃芯?

1.3 “能源大腦”帶來(lái)的中國(guó)碳排放計(jì)算新環(huán)境

式中：為聚類城市區(qū)域在統(tǒng)計(jì)時(shí)間段內(nèi)的碳排放總量；CEPE, 為能源用戶X所屬類別的單位電力碳排放量；為能源用戶的在統(tǒng)計(jì)時(shí)間段內(nèi)的耗電量.

2 基于改進(jìn)K-means算法的城市區(qū)域碳排放量實(shí)時(shí)計(jì)算方法

2.1 K-means算法

-means算法是用于劃分樣本類別的聚類算法，通常采用歐氏距離作為2個(gè)樣本相似程度的評(píng)價(jià)指標(biāo).傳統(tǒng)的-means算法步驟如下.

2.比較分析法：通過(guò)實(shí)驗(yàn)班（混合式教學(xué)班）與對(duì)照班（傳統(tǒng)授課班）學(xué)習(xí)成績(jī)的比較，對(duì)上圖所提出的教學(xué)流程進(jìn)行驗(yàn)證。實(shí)驗(yàn)時(shí)間為1學(xué)期零14周，每周4學(xué)時(shí)分兩次上。使用教材為財(cái)政部會(huì)計(jì)資格評(píng)價(jià)中心編寫(xiě)的《經(jīng)濟(jì)法基礎(chǔ)》，選擇其中稅法部分內(nèi)容進(jìn)行教學(xué)。教師編寫(xiě)了實(shí)訓(xùn)教程并利用中華會(huì)計(jì)網(wǎng)校的教學(xué)資源等資料，同時(shí)使用智慧職教云課堂做為教學(xué)平臺(tái)。

2.5 生命質(zhì)量評(píng)分 經(jīng)過(guò)臨床藥師1年的藥學(xué)服務(wù)的干預(yù)后，問(wèn)卷評(píng)估患兒的生命質(zhì)量也得到明顯的提高，(P＜0.01)，見(jiàn)表 4。

選取樣本總分類數(shù)為，隨機(jī)選取數(shù)據(jù)集={,, …,}, 其中=(1,2, …,)中的個(gè)樣本作為初始聚類中心集={1,,2,, …,,}，其中,=(1,,2,, …,,)，迭代次數(shù)=0，表示第個(gè)樣本，表示第次迭代，為數(shù)據(jù)總量，為總樣本數(shù)

依次對(duì)數(shù)據(jù)集中各樣本與聚類中心的歐氏距離進(jìn)行計(jì)算，樣本與聚類中心, 的歐氏距離為

(3)

式中：表示第個(gè)數(shù)據(jù).依據(jù)數(shù)據(jù)集中的樣本分別得到個(gè)聚類中心的歐氏距離，將其歸到與其歐氏距離最小的聚類中心所屬的類中.

分別對(duì)各分類下樣本平均值,進(jìn)行計(jì)算，則新的聚類中心集為+1={1,,2,, …,,}

重復(fù)步驟2和3，直至平方誤差準(zhǔn)則函數(shù)穩(wěn)定在最小值：

(4)

式中：SSE, +1為算法第+1次迭代的平方準(zhǔn)則誤差；, +1為算法第+1次迭代時(shí)第個(gè)簇；, 為算法第+1次迭代時(shí)第個(gè)簇的樣本平均值.

本文分析碳排放因子法的計(jì)算原理，優(yōu)化傳統(tǒng)的省級(jí)區(qū)域碳排放計(jì)算方法，提出一種城市區(qū)域碳排放計(jì)算方法，采用-means聚類算法，基于不同部門(mén)用戶的用電曲線差異，對(duì)城市區(qū)域中不同能源負(fù)荷進(jìn)行重新分類.基于不同部門(mén)碳排放量與能源數(shù)據(jù)存在關(guān)聯(lián)，分析其碳排放量特征，計(jì)算用戶單位電力碳排放量和城市區(qū)域碳排放量.仿真分析不同時(shí)間下不同用戶單位電力碳排放量變化趨勢(shì)，驗(yàn)證了計(jì)算方法的正確性和有效性，為實(shí)時(shí)估算城市區(qū)域碳排放量提供參考，對(duì)區(qū)域碳排放責(zé)任分?jǐn)偧?xì)化具有重要意義和參考價(jià)值.

2.2 基于雙層改進(jìn)K-means算法進(jìn)行城市區(qū)域碳排放數(shù)據(jù)分析

-means算法簡(jiǎn)單，收斂速度快，拓展性好且效率高，但確定聚類個(gè)數(shù)困難，選取初始聚類中心不準(zhǔn)確導(dǎo)致聚類結(jié)果容易陷入局部最優(yōu)解而非全局最優(yōu)解中.因此，針對(duì)該缺陷，本文結(jié)合能源大數(shù)據(jù)實(shí)際情況，以提高算法執(zhí)行效率、縮短計(jì)算時(shí)間為目標(biāo)，以“能源大腦”中能源用戶能實(shí)時(shí)更新的能源數(shù)據(jù)為例，提出單位電力碳排放量概念和基于雙層改進(jìn)-means算法的碳排放實(shí)時(shí)計(jì)算方法，實(shí)現(xiàn)城市區(qū)域碳排放量實(shí)時(shí)計(jì)算.

比較除第次迭代時(shí)已選取的個(gè)初始聚類中心外，各樣本對(duì)應(yīng)的, 大小，選取最大值對(duì)應(yīng)的樣本作為第+1個(gè)初始聚類中心.

隨機(jī)選取第一個(gè)初始聚類中心.

計(jì)算第次迭代時(shí)樣本至所有個(gè)初始聚類中心的最大距離：

, =max{(,),(,), …,

(,, 0)}

(5)

以中國(guó)華東某地區(qū)“能源大腦”的某城市某工業(yè)園區(qū)2020年6月至2021年6月全部用戶的部分能源數(shù)據(jù)為例，選取區(qū)域內(nèi)2020年6月至2021年5月695家能源用戶的持續(xù)能源數(shù)據(jù)為樣本，選取同一區(qū)域2021年6月1日至10日的765家能源用戶能源數(shù)據(jù)為測(cè)試集進(jìn)行校驗(yàn)，以此建立該區(qū)域的城市區(qū)域碳排放量實(shí)時(shí)計(jì)算模型.

..means初始聚類中心的選取 數(shù)據(jù)對(duì)象之間的歐氏距離越大，其相似性越小.為了使得初始聚類盡可能分散，以便有效減少迭代次數(shù)，加快運(yùn)算速度，本文采用以下初始聚類中心選取步驟.

重復(fù)步驟2和3，直至選出所有個(gè)初始聚類中心.

..聚類中心個(gè)數(shù)的選取 類別內(nèi)對(duì)象的分散程度越小，類別間的距離越大，聚類效果越好.假設(shè)選定聚類中心個(gè)數(shù)為，按上述初始聚類中心選取步驟進(jìn)行初始聚類中心選取，并進(jìn)行聚類，計(jì)算聚類結(jié)果的輪廓系數(shù)().聚類結(jié)果輪廓系數(shù)與樣本的輪廓()計(jì)算公式如下：

規(guī)劃水資源論證工作早期介入源頭控制并與規(guī)劃編制工作同步進(jìn)行是保障論證工作科學(xué)性和有效性的重要手段。水資源論證準(zhǔn)備工作應(yīng)和規(guī)劃準(zhǔn)備工作同時(shí)啟動(dòng)，并在規(guī)劃編制過(guò)程實(shí)現(xiàn)與規(guī)劃目標(biāo)的動(dòng)態(tài)反饋。

(6)

(7)

區(qū)域溫室氣體排放量計(jì)算是指對(duì)包括在該區(qū)域管轄的陸地和水域發(fā)生的溫室氣體人為排放和清除進(jìn)行計(jì)算.在人為活動(dòng)排放和清除的溫室氣體中，碳或二氧化碳作為最主要的成分，其排放量的準(zhǔn)確計(jì)算方法是溫室氣體排放量計(jì)算相關(guān)研究中的關(guān)鍵.而對(duì)于碳排放量的計(jì)算方法，至今仍沒(méi)有形成統(tǒng)一標(biāo)準(zhǔn).國(guó)際碳排放核算體系主要包括宏觀層面由總到分和微觀層面由分到總的核算.宏觀層面核算是自上而下層層分解進(jìn)行核算，而微觀層面是自下而上層層歸類進(jìn)行核算.作為聯(lián)合國(guó)下屬的跨政府組織之一的政府間氣候變化專門(mén)委員會(huì)(Intergovernmental Panel on Climate Change, IPCC)提出了以排放因子法、物料平衡法等幾種公認(rèn)的區(qū)域溫室氣體排放量計(jì)算方法，并為了促使各國(guó)各地區(qū)溫室氣體排放量的核算結(jié)果盡可能不重復(fù)、不遺漏，對(duì)如公路運(yùn)輸使用燃料等特殊問(wèn)題進(jìn)行了明確規(guī)定.但由于各區(qū)域各終端能源的碳排放因子差異較大，終端能源消費(fèi)數(shù)據(jù)僅以省級(jí)行政區(qū)域?yàn)樽钚^(qū)域進(jìn)行統(tǒng)計(jì)，且統(tǒng)計(jì)間隔以年為單位.隨著碳排放責(zé)任分?jǐn)倕^(qū)域要求進(jìn)一步細(xì)化和碳交易市場(chǎng)中短期交易的迫切需求，如何對(duì)城市區(qū)域進(jìn)行實(shí)時(shí)碳排放量計(jì)算，成為了區(qū)域碳排放量計(jì)算中的新挑戰(zhàn).

..典型日選取方法 能源用戶聚類受選取樣本中日電力負(fù)荷曲線影響較大，通過(guò)經(jīng)驗(yàn)或隨機(jī)選取數(shù)個(gè)典型日作為樣本數(shù)據(jù)來(lái)源并不能滿足對(duì)能源用戶的準(zhǔn)確聚類，從而無(wú)法實(shí)現(xiàn)碳排放計(jì)算的實(shí)時(shí)和準(zhǔn)確性.

pH值也是影響分散性大小的主要參數(shù)之一。試驗(yàn)表明土壤pH值與分散性呈現(xiàn)明顯的正相關(guān)線性關(guān)系，即pH值越高，土粒表面越容易形成擴(kuò)散雙電層，促使顆粒趨于分散。

基于前兩節(jié)中的聚類方法，對(duì)“能源大腦”中的能源大數(shù)據(jù)以日數(shù)據(jù)集為單位進(jìn)行初步聚類，依據(jù)聚類結(jié)果，分別從各簇中選取距離聚類中心最近的日數(shù)據(jù)集構(gòu)成典型日樣本數(shù)據(jù)集，對(duì)選取的所有典型日樣本中的各能源用戶進(jìn)行聚類，如圖1所示.聚類個(gè)數(shù)、中心發(fā)生變化主要是由日數(shù)據(jù)集中的能源用戶行業(yè)類別個(gè)數(shù)發(fā)生變化或某行業(yè)整體發(fā)生季節(jié)性波動(dòng)所致，因此依據(jù)初始典型日中能源用戶的聚類個(gè)數(shù)和聚類中心，對(duì)所有的日數(shù)據(jù)集樣本重新進(jìn)行聚類，精確確定各簇包含的日數(shù)據(jù)集對(duì)應(yīng)的日期界限，并重新確定各簇中距離聚類中心最近的日數(shù)據(jù)集作為典型日，重新對(duì)選取的所有典型日樣本對(duì)各能源用戶進(jìn)行聚類.

..基于單位電力碳排放量和實(shí)時(shí)能源數(shù)據(jù)的城市區(qū)域碳排放量實(shí)時(shí)計(jì)算方法 傳統(tǒng)的國(guó)家或地區(qū)的能源清單編制方法是將區(qū)域溫室氣體排放量和清除量分為能源、工業(yè)過(guò)程和產(chǎn)品使用、農(nóng)業(yè)、林業(yè)和其他土地利用、廢棄物和其他5大部門(mén)及其下屬各類別和亞類分別統(tǒng)計(jì).但在實(shí)時(shí)計(jì)算時(shí)，鑒于各行業(yè)難以提供精確至日或小時(shí)為單位的溫室氣體排放和清除數(shù)據(jù)，同時(shí)為了落實(shí)碳排責(zé)任分?jǐn)偅x取與各行業(yè)生產(chǎn)中碳排量/清除量相關(guān)的各行業(yè)終端能源消費(fèi)數(shù)據(jù)作為替代數(shù)據(jù).采用各行業(yè)的終端能源消費(fèi)數(shù)據(jù)的排放因子法對(duì)單個(gè)城市區(qū)域能源用戶碳排放總量為

要想開(kāi)展這個(gè)實(shí)驗(yàn)，天文學(xué)家需要知道這顆恒星的精確軌道，這就要求他們用地球上最強(qiáng)大的望遠(yuǎn)鏡一連對(duì)其觀測(cè)上20年?！?0年的觀測(cè)數(shù)據(jù)，只為得到這張討論桌旁的一個(gè)座位。”1995年加入此項(xiàng)研究的吉茲博士如是說(shuō)。

=

∑(++++…)

(8)

式中：為城市區(qū)域能源用戶消費(fèi)一次電力產(chǎn)生的碳排放量；為城市區(qū)域能源用戶消費(fèi)天然氣產(chǎn)生的碳排放量；為城市區(qū)域能源用戶消費(fèi)石油產(chǎn)生的碳排放量；為城市區(qū)域能源用戶消費(fèi)煤炭產(chǎn)生的碳排放量.

在“能源大腦”的各種能源大數(shù)據(jù)之中，電力大數(shù)據(jù)具有獲取便捷、統(tǒng)計(jì)精準(zhǔn)、時(shí)間顆粒度可縮短至15 min、時(shí)間延遲低等特點(diǎn)，且聚類后的各類能源用戶消費(fèi)的電力與碳排放總量存在一定關(guān)聯(lián).從實(shí)時(shí)計(jì)算的便捷性出發(fā)，規(guī)定各分類中樣本能源用戶總碳排放量與總耗電量為單位電力碳排放量(Carbon Emissions Per Unit of Electricity，CEPE).依據(jù)聚類結(jié)果，城市區(qū)域碳排放量實(shí)時(shí)計(jì)算公式如下：

=∑(CEPE, )

(9)

“能源大腦”是指能源工業(yè)互聯(lián)網(wǎng)平臺(tái)，是基于“新基建”建設(shè)背景而產(chǎn)生的能源互聯(lián)網(wǎng)平臺(tái)，對(duì)能源大數(shù)據(jù)進(jìn)行采集、匯聚和初步分析，具有能源監(jiān)控、分析、管理、交易、服務(wù)、應(yīng)用等功能.因此，與過(guò)往基于中國(guó)國(guó)家統(tǒng)計(jì)局每年編制的《中國(guó)能源統(tǒng)計(jì)年鑒》以省級(jí)行政區(qū)為主進(jìn)行碳排放計(jì)算的研究相比，其對(duì)碳排放量的區(qū)域范圍可以進(jìn)一步縮減到城市區(qū)域，以能源消費(fèi)數(shù)據(jù)為主要構(gòu)成的活動(dòng)數(shù)據(jù)獲取頻率可以從年和季度上升至月和日，對(duì)中國(guó)的碳排放計(jì)算提供了新環(huán)境.但由于不同能源系統(tǒng)的數(shù)據(jù)采集和匯聚的頻率存在差異，部分能源的數(shù)據(jù)不能實(shí)時(shí)匯總，原有的基于能源消費(fèi)數(shù)據(jù)總量的碳排放因子法不能滿足區(qū)域碳排放量的實(shí)時(shí)計(jì)算，因此需要提出一種新的碳排放量計(jì)算方法來(lái)對(duì)城市區(qū)域碳排放量進(jìn)行實(shí)時(shí)計(jì)算.

3 算例仿真分析

其中，規(guī)定在第次迭代中，當(dāng)<≤時(shí)，存在(,,0)=0

3.1 雙層改進(jìn)K-means聚類算法

按照前述雙層-means聚類方法，為減少計(jì)算量，采用單次迭代的方法，將所有日能源數(shù)據(jù)集聚類為3個(gè).從上述數(shù)據(jù)集中分別選取距離聚類中心最近的1個(gè)日能源數(shù)據(jù)集為典型日，形成典型日樣本數(shù)據(jù)集，如表1所示.時(shí)間點(diǎn)1、時(shí)間點(diǎn)2、時(shí)間點(diǎn)3等分別代表該典型日第一個(gè)、第二個(gè)、第三個(gè)等電力負(fù)荷數(shù)據(jù)采集時(shí)間點(diǎn)至前一個(gè)電力負(fù)荷數(shù)據(jù)采集時(shí)間點(diǎn)之間的能源用戶消費(fèi)電量.

3.3 假設(shè)檢驗(yàn) 由于樣本是隨機(jī)的且是獨(dú)立同分布的，因此線性回歸的方法可以來(lái)檢驗(yàn)農(nóng)業(yè)品牌真實(shí)性與網(wǎng)絡(luò)口碑及顧客價(jià)值共創(chuàng)意愿等變量之間的關(guān)系。

基于各能源用戶的典型日日負(fù)荷曲線與月能源總消耗量，對(duì)能源用戶進(jìn)行聚類，計(jì)算不同給定簇?cái)?shù)()時(shí)聚類結(jié)果的輪廓系數(shù)，如圖2所示.

例如，在《小英雄雨來(lái)》一課教學(xué)中，課外詳細(xì)描述了抗日戰(zhàn)爭(zhēng)中我國(guó)人民的智慧以及勇敢精神，是培養(yǎng)學(xué)生逐漸形成堅(jiān)定不移、寧死不屈精神的重要途徑，通過(guò)教材內(nèi)容深入挖掘?qū)τ诟咝鋵?shí)愛(ài)國(guó)主義思想教育具有重要意義[2]。因此，結(jié)合教學(xué)內(nèi)容以及小學(xué)生的理解能力等特點(diǎn)，小學(xué)語(yǔ)文教師在實(shí)際展開(kāi)這一課教學(xué)時(shí)，可以帶領(lǐng)班級(jí)學(xué)生參觀當(dāng)?shù)夭┪镳^以及紀(jì)念館等，促使學(xué)生從多個(gè)角度出發(fā)深刻感受家鄉(xiāng)的優(yōu)秀傳統(tǒng)文化，在傳統(tǒng)傳統(tǒng)文化以及中華民族精神的過(guò)程中，實(shí)現(xiàn)對(duì)小學(xué)生傳統(tǒng)文化素養(yǎng)以及綜合素質(zhì)的全面培養(yǎng)。

當(dāng)>4時(shí)，始終只有前4簇內(nèi)含有樣本.因此圖2中，當(dāng)=2時(shí)，輪廓系數(shù)最大.此時(shí)，對(duì)該城市區(qū)域能源用戶進(jìn)行-means聚類，結(jié)果如圖3所示.其中，為有功功率，’為時(shí)間.

3.2 單位電力碳排放量與區(qū)域?qū)崟r(shí)碳排放計(jì)算

基于聚類后各簇中所含的樣本數(shù)據(jù)，計(jì)算各簇聚類中心對(duì)應(yīng)的各簇單位電力碳排放量：當(dāng)=1時(shí)，單位電力碳排放量為 7.935 568 849×10t/(kW·h)；當(dāng)=2時(shí)，單位電力碳排放量為 8.636 322 549×10t/(kW·h).

基于2020年6月至2021年5月695家能源用戶提供的樣本數(shù)據(jù)計(jì)算出的各簇對(duì)應(yīng)單位電力碳排放量，選取距離日聚類中心最近的2021年6月某日數(shù)據(jù)為測(cè)試集，對(duì)同區(qū)域隨機(jī)22家能源用戶進(jìn)行簡(jiǎn)單聚類.依據(jù)聚類結(jié)果，將能源用戶實(shí)時(shí)用電量與該能源用戶所屬簇對(duì)應(yīng)的單位電力碳排放量相結(jié)合，實(shí)時(shí)計(jì)算該區(qū)域所有能源用戶的整體碳排放量：碳排放量預(yù)測(cè)值為 19 190.368 65 t，碳排放量實(shí)際值為 17 807.749 67 t，準(zhǔn)確率為92.24%.

經(jīng)對(duì)比，本模型對(duì)該區(qū)域的碳排放量準(zhǔn)確率為92.24%，因此所提出的基于能源大腦的城市區(qū)域?qū)崟r(shí)碳排放計(jì)算方法較為簡(jiǎn)便，且有較好的準(zhǔn)確度.

4 結(jié)論

提出一種考慮區(qū)域能源用戶用能特性與日負(fù)荷曲線的雙層改進(jìn)-means聚類算法，基于“能源大腦”中的能源大數(shù)據(jù)對(duì)城市區(qū)域能源用戶進(jìn)行實(shí)時(shí)碳排放總量計(jì)算，并在算例分析中校驗(yàn)所提方法的準(zhǔn)確率，驗(yàn)證了所提模型的有效性，同時(shí)得到如下結(jié)論：

(1) 相比于其他聚類劃分方法，所提雙層改進(jìn)-means聚類算法部分考慮了能源大數(shù)據(jù)中典型日數(shù)據(jù)選取特征性和初始聚類中心的優(yōu)化問(wèn)題，不用進(jìn)行重復(fù)迭代，且能有效避免產(chǎn)生局部最優(yōu)解.

由于熟料在溶出過(guò)程中未發(fā)生化學(xué)反應(yīng)或生成固體產(chǎn)物層，且單因素試驗(yàn)表明，鐵溶出率受攪拌強(qiáng)度影響較明顯，因此推測(cè)溶出過(guò)程受不生成任何固體膜的外擴(kuò)散控制。將上述試驗(yàn)數(shù)據(jù)采用外擴(kuò)散控制動(dòng)力學(xué)方程1-(1-x)2/3=kt進(jìn)行處理，可得到圖7結(jié)果。由圖7可知，1-(1-x)2/3與溶出時(shí)間t在各溫度均成良好的線性關(guān)系，說(shuō)明焙燒熟料的鐵溶出過(guò)程受外擴(kuò)散控制。

(2) 相比于常見(jiàn)的碳排放因子法，所提算法在碳排放量計(jì)算中引入了單位電力碳排放量概念，可以通過(guò)歷史數(shù)據(jù)，減少對(duì)實(shí)時(shí)獲取較為困難的部分能源數(shù)據(jù)的依賴，對(duì)區(qū)域內(nèi)能源用戶進(jìn)行一次性聚類，極大地簡(jiǎn)化了碳排放量實(shí)時(shí)計(jì)算的難度，為區(qū)域政府提供較為精確的每日碳排總量曲線，可以和準(zhǔn)確的月度、年度碳排總量結(jié)合，環(huán)比評(píng)估減碳工作實(shí)時(shí)進(jìn)展；可以探尋同簇中更可能有意愿且能耗降低下降空間更為廣闊的能源用戶，并為其主動(dòng)提供數(shù)據(jù)服務(wù)，促進(jìn)實(shí)現(xiàn)雙碳目標(biāo).

此外，所提算法在樣本數(shù)據(jù)涵蓋較多天數(shù)的算例中需要較長(zhǎng)的模型求解時(shí)間，后續(xù)將從提高模型的求解效率方面進(jìn)行深入研究.