收稿日期：2023-07-27；接受日期：2023-11-22

基金項目：國家重點研發(fā)計劃項目（2021YFC3200305）；國家自然科學基金項目（51879194）；湖北能源集團股份有限公司咨詢服務(wù)項目（EN00-SJY-FW-2022095）

作者簡介：吳輝，女，經(jīng)濟師，主要從事碳資產(chǎn)管理方面的研究。E-mail：wu_hui1@ctgcomcn

通信作者：

劉德地，男，教授，博士，主要從事水文水資源方面的研究。E-mail：dediliu@whueducn

EditorialOfficeofYangtzeRiverThisisanopenaccessarticleundertheCCBY-NC-ND40license

文章編號：1001-4179（2024）03-0234-09

引用本文：吳輝，李雪曼，岳楓，等未來不同情景下發(fā)電企業(yè)碳排放量預(yù)估［J］人民長江，2024，55（3）：234-242，256

摘要：

發(fā)電企業(yè)作為發(fā)電環(huán)節(jié)的主體具備高碳排放的特征，準確預(yù)估其在不同情景下的碳排放量有助于“雙碳”目標的實現(xiàn)。目前碳排放量的預(yù)估聚焦于國家、部門、行業(yè)尺度，鮮少涉及企業(yè)尺度的研究。以湖北能源集團為例，基于皮爾遜相關(guān)性分析識別火力發(fā)電量的影響因素，通過神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機（線性核函數(shù)、多項式核函數(shù)、徑向基函數(shù)、Sigmoid核函數(shù)）、裝袋算法、隨機森林、線性回歸、逐步回歸算法分別構(gòu)建火力發(fā)電量預(yù)測模型，并依據(jù)多種評價指標優(yōu)選模型。隨后以火力發(fā)電量和碳排放強度為邊界條件，通過抽水蓄能發(fā)電、水電站低成本電解水制氫儲能來削減企業(yè)的火力發(fā)電量，通過碳捕捉和碳封存技術(shù)來降低企業(yè)的碳排放強度。基于削減火力發(fā)電量和降低碳排放強度設(shè)定“結(jié)構(gòu)減排方案”、“技術(shù)減排方案”、“綜合減排方案”，推演各情景下的碳排放量。研究結(jié)果表明：利用線性回歸、逐步回歸模型預(yù)估火力發(fā)電量的效果良好；2030年“結(jié)構(gòu)減排方案”“技術(shù)減排方案”“綜合減排方案”下碳排放量分別為164889萬～193407萬t、177807萬～182094萬t、134575萬～157177萬t，2050年“結(jié)構(gòu)減排方案”“技術(shù)減排方案”“綜合減排方案”下碳排放量分別為0～111779萬t、61543萬～64970萬t、0～29920萬t。本文提出的研究思路和方法可為企業(yè)尺度的碳排放量預(yù)估提供參考。

關(guān)鍵詞：碳排放量預(yù)測；機器學習；碳減排情景；發(fā)電企業(yè)；水電減碳；碳中和目標

中圖法分類號：TM61

文獻標志碼：A" " " " " " " " " DOI：1016232jcnki1001-4179202403032

0引言

為應(yīng)對全球氣候變暖，中國主動擔當大國責任，正式向國際組織承諾2060年前實現(xiàn)碳中和目標。碳中和是指年累計碳排放量為“零”，即實現(xiàn)碳的零排放或者采用植樹造林等方法將排放的碳吸收?！吨袊?030年前碳達峰研究報告》［1］統(tǒng)計顯示，按照能源行業(yè)分類，火電行業(yè)碳排放量占總排量的47%，按能源類型分類，發(fā)電和供熱碳排放量占總排量的44%。因此，碳中和目標實現(xiàn)的關(guān)鍵在于降低電力行業(yè)的碳排放量，其前提是準確預(yù)估發(fā)電企業(yè)的碳排放量。

目前，關(guān)于火電行業(yè)碳排放的研究主要集中于識別碳排放量的影響因子，進而預(yù)估碳排放量并設(shè)計減排路徑。在碳排量的預(yù)估方面，劉自敏等［2］基于碳排放時空躍遷與分位數(shù)回歸相嵌套的分析框架，辨別與碳排放有關(guān)的產(chǎn)業(yè)機構(gòu)、能源消費結(jié)構(gòu)、城市化等主控因子，隨后建立碳排放預(yù)測模型，預(yù)估碳達峰的年份與峰值；張金良等［3］基于Kaya恒等式分析得出碳排放的主要影響因素為人口、經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)、能源消費強度、消費結(jié)構(gòu)，并構(gòu)建多模型、設(shè)定多情景探討中國火電行業(yè)碳達峰情況；在減排路徑的設(shè)計方面，王麗娟等［4］考慮經(jīng)濟發(fā)展、各行業(yè)變革對電力需求的影響，識別碳排放的主導(dǎo)因素，建立電力需求模型進行預(yù)估，采用情景分析方法，為碳達峰目標背景下電力行業(yè)碳排放管控政策的制定提供參考依據(jù)。Wakiyama等［5］基于情景假設(shè)，模擬分析日本建筑行業(yè)電力消費與碳排放量之間的關(guān)系，并提出相應(yīng)的降低CO2排放量的措施。傅京燕等［6］基于雙對數(shù)回歸方法，預(yù)估廣東省火電行業(yè)未來6種經(jīng)濟發(fā)展、能源消耗情景下的CO2排放量以及碳達峰時間。

水電具備靈活啟動和調(diào)峰調(diào)頻的功能，在發(fā)電側(cè)作為電能供應(yīng)者以及靈活調(diào)節(jié)者，國家將積極推進水電站依法合規(guī)增機擴容，發(fā)揮水電、風電和太陽能發(fā)電之間的潛在協(xié)同作用［7］。抽水蓄能發(fā)電既能替代火電機組出力，也能平抑新能源出力的波動性，可提升新型電力系統(tǒng)的穩(wěn)定性與靈活性，削減火力發(fā)電量［8］。碳減排路徑可分為“結(jié)構(gòu)減排方案”與“技術(shù)減排方案”2類?！敖Y(jié)構(gòu)減排方案”通過水風光一體化、抽水蓄能發(fā)電、水電站低成本電解水制氫［9］等措施降低火力發(fā)電量，從而降低碳排放量；“技術(shù)減排方案”通過大規(guī)模碳捕集、利用與封存技術(shù)［10］（以下簡稱“CCUS”）的方法降低企業(yè)的碳排放強度，從而降低碳排放量?，F(xiàn)有碳排放量的預(yù)估方法以及碳減排的方案主要針對國家［3，11］、?。▍^(qū)、市）［6］、行業(yè)和部門［12］等宏觀尺度，鮮少涉及企業(yè)尺度。

湖北能源集團股份有限公司（以下簡稱“湖北能源”）是以燃煤火力發(fā)電為主，兼具水電、新能源等發(fā)電產(chǎn)業(yè)的傳統(tǒng)能源企業(yè)。目前，湖北能源正處于從傳統(tǒng)的燃煤火力發(fā)電模式向新型綠色低碳發(fā)展模式轉(zhuǎn)型的階段，是典型受到碳中和戰(zhàn)略影響的企業(yè)。2021年，湖北能源碳排放量為1664萬t；水電、火電、新能源裝機容量占比分別為37%、38%、25%；湖北能源水電、火電、新能源發(fā)電量在2022年分別為9933億，20471億，3770億kW·h，占湖北能源總發(fā)電量的29%，60%，11%。湖北能源可通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、優(yōu)化產(chǎn)業(yè)布局、降低碳排放強度等方式實現(xiàn)碳排放量的削減，但由于國際、國內(nèi)減排政策、社會經(jīng)濟發(fā)展、科學技術(shù)水平的不確定性，在碳排放量預(yù)估以及減排路徑設(shè)計中蘊含著很大不確定性，如何準確預(yù)估湖北能源的碳排放量并設(shè)計減排方案成為亟需解決的難題。

針對碳排放量預(yù)估不確定性大以及發(fā)電企業(yè)低碳轉(zhuǎn)型方案模糊的問題，首先采用神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機（線性核函數(shù)、多項式核函數(shù)、徑向基函數(shù)核、Sigmoid核函數(shù)）、裝袋算法、隨機森林、線性回歸、逐步回歸算法分別構(gòu)建火力發(fā)電量預(yù)測模型，以納什效率系數(shù)（NSE）、均方根誤差（RMSE）、平均絕對誤差（MAE）、平均絕對百分比誤差（MAPE）4種評價指標和新建電廠投產(chǎn)運行后火力發(fā)電量增量作為模型性能評價依據(jù)，優(yōu)選火力發(fā)電量預(yù)測模型，預(yù)估2023～2060年火力發(fā)電量。然后基于碳排放量與火力發(fā)電量、碳排放強度之間的函數(shù)關(guān)系，從政策經(jīng)濟規(guī)劃、科技發(fā)展水平、全球升溫的限制出發(fā)，變動火力發(fā)電量或者碳排放強度設(shè)定“參照排放情景”“結(jié)構(gòu)減排方案”“技術(shù)減排方案”“綜合減排方案”，并推演各方案下湖北能源的碳排放量，以減少碳排放量預(yù)估的不確定性，明晰企業(yè)低碳轉(zhuǎn)型的路徑，為傳統(tǒng)能源企業(yè)提供低碳轉(zhuǎn)型的參考，助力“雙碳”戰(zhàn)略目標的實現(xiàn)。

1研究方法和數(shù)據(jù)來源

11研究思路

通過以下步驟預(yù)估發(fā)電企業(yè)未來的碳排放量并設(shè)計相應(yīng)的減排方案：

（1）在湖北能源火力發(fā)電量（X1）、湖北省發(fā)電量（X2）、湖北能源碳排放量與湖北省GDP比值（X3）、湖北省GDP（X4）、湖北能源火電排放強度（X5）、湖北能源裝機容量（X6）、湖北能源總裝機容量在湖北省總裝機容量的占比（X7）這7種能源經(jīng)濟因素中，采用皮爾遜相關(guān)性分析，選擇與湖北能源火力發(fā)電量相關(guān)性在070以上的因素作為影響因子。

（2）基于火力發(fā)電量的影響因子，利用神經(jīng)網(wǎng)絡(luò)算法、決策樹、支持向量機（線性核、多項式核、徑向基函數(shù)核、Sigmoid核）、裝袋算法、隨機森林算法、線性回歸、逐步回歸等7種算法，分別構(gòu)建湖北能源火力發(fā)電量預(yù)測模型，隨后以NSE、RMSE、MAE、MAPE這4個評價指標和新建電廠投產(chǎn)運行后火力發(fā)電量增量來建立模擬效果評價體系，選擇模型來預(yù)測2023～2060年發(fā)電企業(yè)的火力發(fā)電量。

（3）基于碳排放量與火力發(fā)電量、碳排放強度之間的函數(shù)關(guān)系，設(shè)定由經(jīng)濟發(fā)展推動的“參照排放情景”、削減火力發(fā)電量的“結(jié)構(gòu)減排方案”、降低碳排放強度的“技術(shù)減排方案”以及同時削減火力發(fā)電量并降低碳排放強度的“綜合減排方案”，推求在未來不同情景的減排路徑下湖北能源的碳排放量。

主要技術(shù)路線如圖1所示。

12火力發(fā)電量模型的構(gòu)建與驗證

121皮爾遜相關(guān)性分析

皮爾遜相關(guān)性系數(shù)常用于衡量兩個連續(xù)變量之間

的線性相關(guān)程度，又稱為積差相關(guān)系數(shù)，其一般形式為

r=ni=1xi-xyi-yni=1xi-x2ni=1yi-y2（1）

式中：x為能源經(jīng)濟因素變量的平均值；y為火力發(fā)電量的平均值；xi為第i年的能源經(jīng)濟因素值；yi為第i年的火力發(fā)電量；r為皮爾遜相關(guān)系數(shù)，取值在［-1，1］之間，r絕對值越大代表線性相關(guān)性越強；r絕對值越趨近于0代表線性相關(guān)性越弱。

122模型的建模算法

根據(jù)皮爾遜相關(guān)性分析的結(jié)果（見圖2），選擇與湖北能源火力發(fā)電量（X1）相關(guān)系數(shù)在07以上的影響因子作為模型輸入，分別為湖北省發(fā)電量（X2）、湖北省GDP（X4）、湖北能源裝機容量（X6）、湖北能源總裝機容量在湖北省總裝機容量的占比（X7）。將2010～2022年的X1、X2、X4、X6、X7按6∶4隨機劃分為訓(xùn)練集（8a）與驗證集（6a），以訓(xùn)練集樣本構(gòu)建線性回歸模型、支持向量機模型、隨機森林、逐步回歸模型、決策樹模型、裝袋模型、人工神經(jīng)網(wǎng)絡(luò)模型。利用驗證集中的X2、X4、X6、X7預(yù)測X1，使用納什效率系數(shù)（NSE）、均方根誤差（RMSE）、平均絕對誤差（MAE）、平均絕對百分比誤差（MAPE）評價模型訓(xùn)練效果，再根據(jù)新火電廠投產(chǎn)運營后火力發(fā)電量的增量二次優(yōu)選預(yù)測模型。

線性回歸模型［13］適用于研究多個影響變量間的線性關(guān)系，普遍用于能源經(jīng)濟領(lǐng)域。線性回歸模型的一般形式為

yi=β0+β2X2+β4X4+β6X6+β7X7+ε（2）

式中：β0為常數(shù)項；β2，β4，β6，β7分別為X2，X4，X6，X7的對應(yīng)回歸系數(shù)；ε為火力發(fā)電量擬合值與實測值之間的隨機誤差，相互獨立且服從標準正態(tài)分布N（0，σ2）。

支持向量機模型［14］（SupportVectorMachine，SVM）是監(jiān)督學習的二分類模型，適用于線性問題與非線性問題。針對非線性問題時，模型用核函數(shù)將樣本從低維空間映射到高維空間中，隨后以分類間隔最大為目標函數(shù)擬定樣本分類的超平面，使得樣本在高維空間中線性可分，從而將非線性分類變換至線性分類。SVM常用的核函數(shù)有線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)、Sigmoid核函數(shù)等，通常用于解決非線性、高維、中小型樣本的分類與回歸問題。

隨機森林［15］回歸算法由多個回歸決策樹分類模型結(jié)合裝袋算法集成，在訓(xùn)練決策樹過程中引入隨機采樣這一屬性，對數(shù)據(jù)樣本與特征進行抽樣，從而訓(xùn)練出多個決策樹分類器，以避免過擬合情形出現(xiàn)。最后借鑒裝袋算法的規(guī)則對單顆決策樹的結(jié)果進行集成。

逐步回歸算法從大量可選擇的變量中篩選出最重要的變量，每引入一個新的變量后逐個檢驗舊變量偏回歸方程不顯著的自變量，從而篩選并剔除多重共線性的變量。

決策樹算法是一種二元遞歸分割技術(shù)［13］，基本邏輯為：將非葉節(jié)點劃分為2個葉節(jié)點，自頂向下構(gòu)造決策樹。在每個決策樹延伸的過程中，選擇某一屬性作為分裂節(jié)點，根據(jù)屬性特點選擇分裂條件。C45決策樹算法通過信息增益率劃分屬性特征［16］，該分類規(guī)則易于理解，準確率較高，易于從機理上解釋模擬結(jié)果，適用于小數(shù)據(jù)集，因此本文使用C45決策樹算法構(gòu)建模型。

裝袋算法是一種常見的集成學習方法，裝袋算法可與其他分類、回歸算法結(jié)合，在提高其準確率、穩(wěn)定性的同時，還可以通過降低結(jié)果的方差，避免過擬合情況的發(fā)生。其基本邏輯是分別訓(xùn)練幾個不同的模型，然后讓各模型對測試樣本的結(jié)果進行取平均值，從而決定最終的預(yù)估結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)［17］是通過模擬大腦神經(jīng)突觸連接的結(jié)構(gòu)進行信息處理的數(shù)學模型，由大量神經(jīng)元節(jié)點和節(jié)點之間的連接構(gòu)成，一般由輸入層、隱藏層、輸出層組成。每一層都包含若干神經(jīng)元，神經(jīng)元節(jié)點象征一種特定的激勵函數(shù)，每個節(jié)點間的連接都代表一個通過該連接信號的加權(quán)值。研究采用具有權(quán)值回溯的彈性反向傳播算法［18］，使用“l(fā)ogistic”函數(shù)作為激活函數(shù)，采用誤差平方和（SSE）作為模型的誤差度量指標。搭建3層隱藏層，各隱藏層的節(jié)點數(shù)依次為3，5，3個，因此神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為4∶3∶5∶3∶1。

123模擬效果評價依據(jù)

（1）模擬效果評價指標。

本次研究主要選用NSE、RMSE、MAE、MAPE4個指標評價模型模擬效果，具體的計算公式依次為

NSE=1-ni=1yi-y^i2ni=1yi-y2（3）

RMSE=1nni=1yi-y^i2（4）

MAE=ni=1yi-y^in（5）

MAPE=100%nni=1yi-y^iyi（6）

式中：yi是第i年火力發(fā)電量的實測值，y是多年實測火力發(fā)電量的平均值，y^i是第i年模擬的火力發(fā)電量，n為年數(shù)。

（2）新建火電廠投產(chǎn)運行后火力發(fā)電量的增量。

湖北能源擬在宜城火電廠建設(shè)兩臺1000MW的“超超臨界清潔高效燃煤”機組，2023年6月宜城電廠首臺機組具備投產(chǎn)條件，2023年底2臺機組均具備投產(chǎn)發(fā)電條件，約增加火力發(fā)電量90億kW·h?；诖耍褂枚嗄Ｐ皖A(yù)估宜城電廠投運引起的火力發(fā)電量增量，剔除預(yù)測火力發(fā)電量增量小于70億kW·h的模型。

（3）火電的設(shè)備利用小時數(shù)。

火電的設(shè)備利用小時數(shù)（Hi）是火電機組在一年內(nèi)的滿負荷運行時間，可以反映湖北能源火電機組的設(shè)備利用率并確?；鹆Πl(fā)電量的合理性。計算公式為

Hi=Pi/Qi（7）

式中：Hi表示第i年湖北能源火力發(fā)電設(shè)備的利用小時數(shù)；Qi表示第i年湖北能源的火力發(fā)電量；Pi表示第i年湖北能源的火電裝機容量。

13碳排放量計算公式

碳排放量取決于發(fā)電企業(yè)的火力發(fā)電量與碳排放強度，計算公式如下：

TCi=Qi×Ii（8）

式中：TCi為第i年的碳排放量；Ii為第i年碳排放強度，是指在火力發(fā)電過程中，單位發(fā)電量所產(chǎn)生的二氧化碳排放量。

14未來減排情景

發(fā)電企業(yè)的碳排放量可由火力發(fā)電量和碳排放強度進行估算。企業(yè)的低碳轉(zhuǎn)型主要從削減火力發(fā)電量和降低碳排放強度2個方面著手：即布局以高比例可再生能源為主導(dǎo)的零碳情景和以依靠大規(guī)模CCUS技術(shù)捕碳的凈碳情景，二者的區(qū)別在于化石能源保留規(guī)模不同，而共同前提是能效水平的提升。本次研究設(shè)定“參照排放情景”“結(jié)構(gòu)減排方案”“技術(shù)減排方案”“綜合減排方案”。其中“參照排放情景”是在現(xiàn)有碳排放水平條件下由湖北省經(jīng)濟社會發(fā)展推動火力發(fā)電量增長的情景；“結(jié)構(gòu)減排方案”是碳排放強度保持不變，用清潔能源替代火力發(fā)電，以削減火力發(fā)電量的情景；“技術(shù)減排方案”是保持火力發(fā)電量不變，依托CCUS技術(shù)降低碳排放強度的情景；“綜合減排方案”是同時降低火力發(fā)電量和碳排放強度的情景。

141參照排放情景

“參照排放情景”（情景Ⅰ）假定湖北能源的能源結(jié)構(gòu)和碳排放強度都不發(fā)生變化，即2023～2060年湖北能源的碳排放強度維持792gCO2/（kW·h）不變。隨后僅考慮社會能源經(jīng)濟發(fā)展，采用線性回歸模型、SVM（線性核）模型、逐步回歸模型預(yù)估2023～2060年湖北能源火力發(fā)電量。在此基礎(chǔ)上根據(jù)碳排放量與火力發(fā)電量、碳排放強度之間的函數(shù)關(guān)系，推求湖北能源的碳排放量。

142結(jié)構(gòu)減排方案

“結(jié)構(gòu)減排方案”設(shè)定碳排放強度不變，依靠抽水蓄能、風電、光電、氫儲能等方法削減火力發(fā)電量從而實現(xiàn)碳排放量的削減。該方案參考中國長期低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑研究課題組發(fā)布的《讀懂碳中和》［19］中的政策情景、強化政策情景、2℃情景下中國火力發(fā)電量，如表1所列。從國家需求、行業(yè)需求出發(fā)，設(shè)定政策情景（情景Ⅱ）、強化政策情景（情景Ⅲ）、2℃情景（情景Ⅳ）、2℃情景提前中和情景（情景Ⅴ）、政策情景延遲中和（情景Ⅵ）下湖北能源的火力發(fā)電量。其中湖北能源火力發(fā)電量是基于2023年“參照排放情景”下湖北能源火力發(fā)電量在中國火力發(fā)電量的占比，分離出2030，2035，2040，2050，2060年湖北能源火力發(fā)電量，隨后采用線性插值方法確定各年的火力發(fā)電量。

政策情景是指基于當前政策執(zhí)行情況的延伸，其中包括“2030年非化石燃料能源占一次性能源消費比重達20%”的約束。2030年后的火力發(fā)電量是基于政策趨勢外推得到。強化政策情景中加入了“2050年非化石能源占一次能源消費比重達到50%”這一約束。2℃情景是與《巴黎協(xié)定》中全球碳減排目標相一致的減排情景，將電力行業(yè)碳排放預(yù)算作為約束性邊界條件，進行未來碳排放軌跡模擬；2℃情景提前中和是在2050年提前達到碳中和；政策情景延遲中和是2060年火力發(fā)電量為90億kW·h。

線性回歸模型、逐步回歸模型預(yù)估的2023年湖北能源火力發(fā)電量分別為27000億kW·h和27997億kW·h，在中國火力發(fā)電量（60304億kW·h）中的占比分別為04477276%和04642604%，推求出各情景下湖北能源的火力發(fā)電量如表2～3所列。

143技術(shù)減排方案

在水-風-光-儲互補電力綜合調(diào)度系統(tǒng)中，因風電、光電等清潔能源供能的間歇性、隨機性和波動性［20］，需要火電發(fā)揮調(diào)峰以及兜底保障的作用，導(dǎo)致無法實現(xiàn)火電的零生產(chǎn)［21］。為保證雙碳目標的實現(xiàn)，有必要采用CCUS技術(shù)捕捉火力發(fā)電排放的CO2。

“技術(shù)減排方案”（情景Ⅶ）的火力發(fā)電量與“參照排放情景”一致。由于CCUS技術(shù)最高能捕集碳排放量90%，假定2060年的碳排放強度為2022年的10%，即碳排放強度從2022年的792gCO2/（kW·h）線性下降至2060年的792gCO2/（kW·h）。

144綜合減排方案

“綜合減排方案”是同時考慮削減火力發(fā)電量與降低碳排放強度的減排方式，即“結(jié)構(gòu)減排方案”與“技術(shù)減排方案”組合下湖北能源的碳排放量，從能源結(jié)構(gòu)優(yōu)化以及技術(shù)優(yōu)化兩方面，實現(xiàn)企業(yè)的低碳轉(zhuǎn)型。本文研究考慮的“綜合減排方案”下湖北能源的情景設(shè)計如表5所列。

15數(shù)據(jù)來源

2010～2022年湖北能源火力發(fā)電量（X1）、湖北省發(fā)電量（X2）、湖北省GDP（X4）、湖北能源裝機容量（X6）、湖北能源總裝機容量在湖北省總裝機容量的占比（X7）來源于《湖北能源：年度報告》；中國國內(nèi)生產(chǎn)總值源于《湖北省統(tǒng)計年鑒》；2017～2022年湖北能源碳排放量來源于《湖北能源年度碳資產(chǎn)管理工作總結(jié)》。

2023～2060年湖北省國內(nèi)生產(chǎn)總值的增速參考《湖北省國內(nèi)經(jīng)濟和社會發(fā)展第十四五規(guī)劃和二〇三五年遠景目標綱要》［20］以及《面向碳中和的電力低碳轉(zhuǎn)型規(guī)劃與決策研究》［22］。中國GDP增速和湖北省GDP增速如表6所列，首先以中國GDP增速為自變量，構(gòu)建湖北省GDP增速的線性回歸模型（R2=095），后根據(jù)《面向碳中和的電力低碳轉(zhuǎn)型規(guī)劃與決策研究》中國GDP增速，預(yù)估2026～2060年湖北省GDP增速，推算湖北省GDP。

基于湖北省GDP構(gòu)建湖北省發(fā)電量的線性回歸模型（R2=097），預(yù)測得到未來情景下的湖北省發(fā)電量（X2）。因2024年宜城電廠投產(chǎn)運營，湖北能源裝機容量（X6）從2023年的463萬kW增長至663萬kW，并保持至2060年。從2022年起，湖北能源總裝機容量在湖北省總裝機容量的占比（X7）為1284%，火電的碳排放強度為792gCO2/（kW·h）。

2結(jié)果分析

21火力發(fā)電量模型構(gòu)建與驗證

211火力發(fā)電量預(yù)測模型的模擬效果

（1）模擬效果評價指標。

測試集中NSE、RMSE、MAE、MAPE評價結(jié)果如圖3～4所示。模擬效果排名前4的模型依次為線性回歸、逐步回歸、SVM（多項式核函數(shù)）、SVM（徑向基函數(shù)），其NSE均大于080，RMSE最大為159，MAE最大為114，MAPE最大為0112。

（2）新建火電廠投產(chǎn)運行后火力發(fā)電量的增量。

利用線性回歸模型、逐步回歸模型、SVM（多項式核函數(shù)）模型、SVM（徑向基函數(shù)）模型預(yù)估的火力發(fā)電量的依次為26998億、27996億、46053億、17006億kW·h。SVM（多項式核函數(shù)）模型、SVM（徑向基函數(shù)）模型與湖北能源集團預(yù)估的290億kW·h相差幅度過大，因此采取線性回歸模型、逐步回歸模型預(yù)測湖北能源火力發(fā)電量。

212火力發(fā)電量的預(yù)估

線性回歸模型預(yù)估的2030年湖北能源火力發(fā)電量為27626億kW·h，如圖5所示，火電機組的設(shè)備利用小時數(shù)為4167h；2060年達到最大值30379億kW·h，火電機組的設(shè)備利用小時數(shù)為4582h。逐步回歸模型預(yù)估的2030年湖北能源火力發(fā)電量為27997億kW·h，火電機組的設(shè)備利用小時數(shù)為4223h；2060年達到最大值為27997億kW·h，火電機組的設(shè)備利用小時數(shù)為4223h。中國在嚴重缺電情況下，火電設(shè)備利用小時數(shù)達6000～7000h/a。在電力基本平衡之后，火電設(shè)備利用小時達到5500～6000h/a左右。當水電比重提高到20%～30%后，火電設(shè)備利用小時數(shù)達5000～5500h/a。新能源發(fā)電比重提高后，火電設(shè)備的利用小時數(shù)下降到2000～4500h/a。中能傳媒能源安全新戰(zhàn)略研究院發(fā)布的《中國能源大數(shù)據(jù)報告》顯示中國2021年火電6MW及以上電廠發(fā)電設(shè)備發(fā)電平均利用小時數(shù)為4448h。湖北能源火電的設(shè)備利用小時數(shù)最高達4582h，大部分處于4500h以下，符合新能源發(fā)電比重提高階段［21］，所以情景設(shè)置合理。

22未來各情景下湖北能源的碳排放量

221參照排放情景下湖北能源的碳排放量

線性回歸模型、逐步回歸模型推演的參照排放情景下2023～2060年湖北能源碳排放量如圖6所示，在2060年碳排放量分別為240599萬t和221733萬t，均無法實現(xiàn)碳中和。

從碳排放量的需求看，線性回歸模型以及逐步回歸模型證實了碳排放量呈增加趨勢，推演的湖北能源碳排放量在2030年分別為218795萬t和221733萬t，在2040年分別為226418萬t和221733萬t，在2050年分別為234079萬t和221733萬t。從碳排放量的增速來看，雖然碳排放量預(yù)估呈現(xiàn)差異，但線性回歸模型表明碳排放量的增速將放緩，其推演的湖北能源碳排放量在2030～2040年的增量為7622萬t，在2040～2050年的增量為7662萬t，在2050～2060年的增量為6520萬t。

222結(jié)構(gòu)減排方案下湖北能源的碳排放量

線性回歸模型、逐步回歸模型預(yù)估的結(jié)構(gòu)減排方案下湖北能源的碳排放量分別如圖7～8所示。

從碳排放量的需求看，政策情景下基于線性回歸模型、逐步回歸模型預(yù)估的湖北能源的碳排放量在2030年分別為186520萬t和193407萬t；2040年分別為156024萬t和161785萬t；在2050年分別為107798萬t和111779萬t。強政策情景下基于線性回歸模型、逐步回歸模型推演的湖北能源的碳排放量在2030年分別為164889萬t和170978萬t；在2040年分別為134748萬t和139724萬t；在2050年分別為86877萬t和90085萬t。2℃情景下基于線性回歸模型、逐步回歸模型預(yù)估的湖北能源的碳排放量在2030年分別為165598萬t和171713萬t；在2040年分別為103189萬t和106999萬t；在2050年分別為13475萬t和13972萬t?？偨Y(jié)得2030年碳排放量為164889萬～193407萬t；2050年碳排放量為0～111779萬t。

從碳排放量的降低速率看，雖然線性回歸模型預(yù)估的碳排放量降低速度呈現(xiàn)差異，但均表明了同樣的下降趨勢。政策情景下2050～2060年降碳任務(wù)最緊迫而艱巨，相比于其他時間跨度其碳排放量的下降斜率最陡。強化政策情景下同樣是2050～2060年降碳任務(wù)最艱巨，但是相比于政策情景，強化政策情景在2023～2030年降碳力度更大。2℃情景、2℃提前中和情景湖北能源在2035～2050年的降碳任務(wù)最艱巨。

從碳排放量的累計值看，政策情景、強化政策情景、政策情景延期中和情景下湖北能源碳排放量超過了全球升溫控制在2℃情景限制的碳排放量，若政府維持現(xiàn)有的政策減排力度，在2060年全球溫升極大可能將會超過2℃。

223技術(shù)減排方案下湖北能源的碳排放量

隨著捕碳技術(shù)的發(fā)展，企業(yè)的碳排放強度將會顯著降低，技術(shù)減排方案下基于線性回歸模型、逐步回歸模型預(yù)估的2023～2060年湖北能源碳排放量如圖9所示，2030年碳排放量為177807萬～182094萬t；2050年為61543萬～64970萬t；在2060年碳排放量分別為2406萬t和2217萬t，降低碳排放量的效果顯著。

224綜合減排方案下湖北能源的碳排放量

綜合減排方案下，隨著能源結(jié)構(gòu)不斷向綠色低碳轉(zhuǎn)變以及CCUS技術(shù)的發(fā)展，火力發(fā)電量在能源結(jié)構(gòu)中的占比和碳排放強度顯著下降。湖北能源的碳排放量預(yù)測結(jié)果如圖10～11所示。

從碳排放量的需求看，情景Ⅷ下基于線性回歸模型、逐步回歸模型預(yù)估的湖北能源的碳排放量在2030年分別為151577萬t和157175萬t，在2040年分別為85050萬t和88191萬t，在2050年分別為29920萬t和31025萬t。情景Ⅸ基于線性回歸模型、逐步回歸模型預(yù)估的湖北能源的碳排放量在2030年分別為133999萬t和138947萬t，在2040年分別為73452萬t和76165萬t，在2050年分別為24113萬t和25003萬t。情景Ⅹ下基于線性回歸模型、逐步回歸模型推演的湖北能源的碳排放量在2030年分別為134575萬t和139545萬t，在2040年分別為56249萬t和58326萬t，在2050年分別為3740萬t和3878萬t。統(tǒng)計得，2030年碳排放量為134575萬～157177萬t；2050年為0～29920萬t。

從碳排放量的降低速率看。情景Ⅷ、情景Ⅸ下碳排放量降低速率逐年變緩。情景Ⅹ、情景Ⅺ、情景Ⅻ下湖北能源在2025～2030年減碳任務(wù)最重。

從碳排放量的累計值看，情景Ⅷ、情景Ⅹ、情景Ⅹ、情景Ⅺ、情景Ⅻ下湖北能源碳排放量累計值均小于2℃情景時，即若政府維持現(xiàn)有的政策減排力度且企業(yè)采用CCUS舉措，在2060年全球溫升極大可能控制在2℃內(nèi)。

3結(jié)論

本次研究針對企業(yè)尺度碳排放量預(yù)估的問題，通過多種非線性算法構(gòu)建并優(yōu)選了企業(yè)尺度的火力發(fā)電量預(yù)測模型，建立了企業(yè)尺度上的碳排放量預(yù)估模型框架，為具備高碳排放特征為主體的發(fā)電企業(yè)進行碳排放量預(yù)估提供了模板與借鑒。主要結(jié)論如下：

（1）基于皮爾遜相關(guān)性分析方法識別出湖北能源火力發(fā)電量的影響因子為湖北能源裝機容量、湖北省發(fā)電量、湖北省GDP、湖北能源總裝機容量在湖北省總裝機容量的占比。

（2）線性回歸模型、逐步回歸模型能較好地預(yù)估湖北能源的火力發(fā)電量。

（3）根據(jù)各情境下火力發(fā)電量和碳排放強度，分別推求出“參照排放情景”下湖北能源的碳排放量在2030年為221733萬～218795萬t，在2050年為221733萬～234079萬t，在2060年為221733萬～240599萬t；“結(jié)構(gòu)減排方案”的碳排放量的范圍大于“技術(shù)減排方案”，“結(jié)構(gòu)減排方案”的設(shè)計更靈活?！熬C合減排方案”下湖北能源的碳排放量最低，減排力度最大。僅此方案下湖北能源碳排放量累計值小于溫升2℃情景下碳排放量的累計值。

本文在對發(fā)電企業(yè)的動態(tài)發(fā)展、新型電力系統(tǒng)對發(fā)電企業(yè)的約束上考慮尚有不足，可在構(gòu)建動態(tài)預(yù)測模型的基礎(chǔ)上，結(jié)合未來風-光-水-儲互補電力綜合調(diào)度系統(tǒng)對火電的兜底、調(diào)峰、支撐作用約束進一步完善。

參考文獻：

［1］全球能源互聯(lián)網(wǎng)發(fā)展合作組織中國2030年前碳達峰研究報告［M］北京：中國電力出版社，2021

［2］劉自敏，張婭中國碳排放的時空躍遷特征、影響因素與達峰路徑設(shè)計［J］西南大學學報（社會科學版），2022，48（6）：99-112

［3］張金良，賈凡中國火電行業(yè)多模型碳達峰情景預(yù)估［J］電力建設(shè)，2022，43（5）：18-28

［4］王麗娟，張劍，王雪松，等中國電力行業(yè)二氧化碳排放達峰路徑研究［J］環(huán)境科學研究，2022，35（2）：329-338

［5］WAKIYAMAT，KURAMOCHITScenarioanalysisofenergysavingandCO2emissionsreductionpotentialstoratchetupJapanesemitigationtargetin2030intheresidentialsector［J］EnergyPolicy，2017，103：1-15

［6］傅京燕，徐淑華，代玉婷廣東省火電行業(yè)碳排放與峰值預(yù)估［J］中國能源，2016，38（11）：41-47

［7］梁波，崔磊，劉亞青，等水電氫能發(fā)展理念與關(guān)鍵技術(shù)研究［J］人民長江，2022，53（2）：158-163

［8］RENY，JINKModellingandcapacityallocationoptimizationofacombinedpumpedstorage/wind/photovoltaic/hydrogenproductionsystembasedontheconsumptionofsurpluswindandphotovoltaicsandreductionofhydrogenproductioncost［J］EnergyConversionandManagement，2023，296：117662

［9］高小雲(yún)，李慧氣候變化對非洲水力發(fā)電的潛在影響及應(yīng)對措施［J］水利水電快報，2022，43（9）：4

［10］董瑞，高林，何松，等CCUS技術(shù)對我國電力行業(yè)低碳轉(zhuǎn)型的意義與挑戰(zhàn)［J］發(fā)電技術(shù)，2022，43（4）：523-532

［11］ARASS，HANIFIVMAninterpretableforecastingframeworkforenergyconsumptionandCO2emissions［J］AppliedEnergy，2022，328：120163

［12］ZHIYUANG，JIEYCarbonemissionforecastofconstructionindustrybasedongreytheory［J］AcademicJournalofComputingamp;InformationScience，2022，5（10）：66-67

［13］蔣妮，程港，賀思敏，等基于決策樹與多元線性回歸模型的出生體重影響因素分析［J］中國衛(wèi)生統(tǒng)計，2022，39（2）：202-206

［14］郭江震，王福忠，張麗基于支持向量機和深度信念網(wǎng)絡(luò)的短期光伏發(fā)電預(yù)估方法［J］制造業(yè)自動化，2020，42（8）：29-33

［15］單振東，駱漢，劉頓基于機器學習算法的蒸發(fā)量模型評估［J］水土保持研究，2023，30（3）：289-294

［16］和定繁，蔣羽鵬，楊珊，等云計算環(huán)境下基于C45決策樹算法的智能變電站電力設(shè)備狀態(tài)監(jiān)測方法［J］電子設(shè)計工程，2021，29（8）：135-139，144

［17］王健基于集成深度學習的光伏發(fā)電預(yù)估研究［D］南昌：南昌大學，2021

［18］RIEDMILLERMRprop—descriptionandimplementationdetails［R］Karlsruhe：UniversityofKarlsruhe，1994

［19］中國長期低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑研究課題組讀懂碳中和［M］北京：中信出版集團，2021

［20］湖北省發(fā)展和改革委員會湖北省國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要［EB/OL］（2022-04-40）［2022-05-19］https：∥wwwhubeigovcn/zfwj/ezf/202205/t20220519_4134056shtml

［21］朱成章讓煤電優(yōu)雅地活到該活的年限［J］新能源經(jīng)貿(mào)觀察，2017（9）：24-27

［22］張浩楠面向碳中和的電力低碳轉(zhuǎn)型規(guī)劃與決策研究［D］北京：華北電力大學（北京），2022

（編輯：郭甜甜）