一种碳排放影响因素分析与指标评估方法及装置与流程

1.本发明属于电力系统技术领域，尤其是一种碳排放影响因素分析与指标评估方法及装置。


背景技术：

2.目前，考虑到单位根检验中固定效应模型只能近似说明自变量对因变量的平均影响，而不能估计不同程度点的影响。采用分位数回归模型可以解决这一不足，该模型可以详细测量二氧化碳排放对其他自变量的影响，但是由于分位数量化回归模型加权绝对数较大，并且需要满足误差项的表达是相同的这种限制性假设，因此，该分位数量化回归模型实用性不强。


技术实现要素：

3.本发明的目的在于克服现有技术的不足，提供一种碳排放影响因素分析与指标评估方法及装置，解决传统分位数量化回归模型加权绝对数较大，并且需要满足误差项的表达是相同的这种限制性假设的问题。
4.本发明解决现有的技术问题是采取以下技术方案实现的：
5.一种碳排放影响因素分析与指标评估方法，包括以下步骤：
6.步骤1、以对数关系形式推导碳排放与影响因素的函数关系，运用单位根检验各变量平稳性；
7.步骤2、针对时序数据采用广义矩分位数量化回归分析方法，分析碳排放与环境系统与技术创新的相互作用及变量之间的量化关系；
8.步骤3、根据碳排放源、碳汇计算模型构建碳平衡综合评估指数模型，评估地区复合生态系统中由于人类生产生活活动所导致的碳排放同自然生态系统碳吸收的关系，指导地区低碳发展转型路径。
9.而且，所述影响因素包括经济发展、能源构成、人口组成、环境系统和技术创新。
10.而且，所述步骤1的具体实现方法包括以下步骤：
11.步骤1.1、以对数关系形式推导得到碳排放与经济发展、能源构成、人口组成、环境系统、技术创新的函数关系为：
12.co2e
t
＝η0 η1ln inds
t
η2ln ei
t
η3ln ci
t
η4ln ecg
t
η5ln gcf
t
ε
t
13.式中，co2e
t
表示二氧化碳排放量，inds
t
表示人口组成，ei
t
表示能源构成，ci
t
表示技术创新，ecg
t
表示经济发展，gcf
t
表示环境系统式，t为时间，η0，η1，η2，η3，η4，η5为模型系数，上述模型系数为常数，ε
t
是误差项；
14.步骤1.2、利用如下单位根检验证明变量的平稳性：
[0015][0016]
式中，t表示时间下标，δc
t
表示t时刻随机趋势误差项，λ。表示位移项，t表示线性
趋势，τ。表示线性趋势相关系数，u
t-1
表示滞后项，τ1表示滞后项的系数，δc
t-1
表示t-1时刻随机趋势误差项，λ
l
表示自回归系数，l＝1，2，...，k，μ
t
表示白噪声。
[0017]
而且，所述步骤2采用广义矩分位数量化回归分析方法，将碳排放与经济发展、能源构成、人口组成、环境系统、技术创新的相互作用及变量之间的量化关系表示如下：
[0018][0019]
式中，co2e
t
表示二氧化碳排放量，inds
t
表示人口组成，ei
t
表示能源构成，ci
t
表示技术创新，ecg
t
表示经济发展，gcf
t
表示环境系统式，t为时间，分别是分位回归估计系数，取值范围为0.1～0.9，ε
t
是误差项。
[0020]
而且，所述步骤3的具体实现方法包括以下步骤：
[0021]
步骤3.1、将用地类型分为：湿地、水体、海域、森林和农田，根据不同用地类型构建如下碳汇计算模型：
[0022][0023]
其中，csi分别代表不同用地类型的碳吸收量，i代表不同用地类型，ai代表不同用地类型的面积，ri分别代表不用地类型的单位面积固碳速率；
[0024]
步骤3.2，根据碳排放源及碳汇计算模型构建如下碳平衡综合评估指数模型：
[0025][0026]
其中，cbi为碳平衡指数，co2e
t
表示二氧化碳排放量。
[0027]
一种碳排放影响因素分析与指标评估装置，包括碳排放建模模块、碳排放模型参数量化模块和碳排放指标评估模块：
[0028]
碳排放建模模块：通过以对数关系形式推导碳排放与经济发展、能源构成、人口组成、环境系统、技术创新的函数关系，并运用单位根检验各变量平稳性；
[0029]
碳排放模型参数量化模块：针对碳排放模型输出时序数据采用广义矩分位数量化回归分析方法，分析碳排放与经济发展、能源构成、人口组成、环境系统、技术创新的相互作用及变量之间的量化关系；
[0030]
碳排放指标评估模块：基于二氧化碳排放量化推导结果，结合地区碳汇数据，构建碳平衡综合评估指数模型，进行碳排放指标评估。
[0031]
本发明的优点和积极效果是：
[0032]
1、本发明设计合理，其根据广义矩分位数量化回归模型分析碳排放与各变量之间的相关系数与概率，通过广义矩算法限制分位数量化回归模型加权绝对数，将误差条件降到最低，以便对所选分位数中的正残差和负残差进行不同的加权，使得相关变量之间的相互作用及其与碳排放的量化影响关系更加清晰准确。
[0033]
2、本发明非常适合于评估碳排放的量化影响，并基于这一量化关系，用以定量评估碳排放与经济发展、能源构成、人口组成、环境碳汇与技术创新之间的相关性，进而提出一种碳平衡综合评估指标，根据碳平衡指标动态变化过程，评估地区低碳发展过程，指导碳中和碳达峰的具体实践及低碳化生产生活方式及转型路径。
具体实施方式
[0034]
以下结合实施例对本发明做进一步详述。
[0035]
一种碳排放影响因素分析与指标评估方法，包括以下步骤：
[0036]
步骤1、以对数关系形式推导碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等影响因素的函数关系，运用单位根检验各变量平稳性。
[0037]
本步骤的具体实现方法包括：
[0038]
步骤1.1，运用单位根检验各变量平稳性，使用以下模型表示碳排放与各变量之间的函数关系：
[0039]
co2e
t
＝f(inds
t
，ei
t
，ci
t
，ecg
t
，gcf
t
)
ꢀꢀ
(1)
[0040]
式(1)中co2e
t
表示二氧化碳排放量，inds
t
表示人口组成，ei
t
表示能源构成，ci
t
表示技术创新，ecg
t
表示经济发展，gcf
t
表示环境系统
[0041]
将eq.(1)进一步写成
[0042]
co2e
t
＝η0 η1inds
t
η2ei
t
η3ci
t
η4ecg
t
ꢀꢀ
(2)
[0043]
η5gcf
t
ε
t
[0044]
可写成对数形式如下：
[0045]
co2e
t
＝η0 η1ln inds
t
η2ln ei
t
η3ln ci
t
η4ln ecg
t
η5ln gcf
t
ε
t
ꢀꢀ
(3)
[0046]
式(3)为碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等变量的对数关系形式，t为时间，模型系数为η0，η1，η2，η3，η4，η5是常数，ε
t
是误差项。；
[0047]
步骤1.2，利用单位根检验变量的平稳性，证明形式为：
[0048][0049]
式(4)表示单位根检验，t表示时间下标，δc
t
表示t时刻随机趋势误差项，λo表示位移项，t表示线性趋势，τo表示线性趋势相关系数，u
t-1
表示滞后项，τ1表示滞后项的系数，δc
t-1
表示t-1时刻随机趋势误差项，λ
l
(l＝1，2，...，k表示自回归系数)，μ
t
表示白噪声。
[0050]
步骤2、针对时序数据采用广义矩分位数量化回归分析方法，分析碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等变量的相互作用及变量之间的量化关系。
[0051]
本步骤的具体实现方法如下：
[0052]
步骤2.1，然后针对时序数据采用广义矩分位数量化回归分析方法，分析碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等变量的相互作用，使得通过自变量几个分位数的变化验证因变量的各种估计。引入广义矩分位数量化回归方法分析碳排放相关因素的好处是：这种方法纠正了误差项的表达是相同的这种限制性假设，数学模型为：
[0053]
yi＝x
′iψ
θ
ν
θi
ꢀꢀꢀ
(5)
[0054]
式(5)表示分位数量化回归模型的一般形式，其中yi表示因变量，ν
θi
表示未知误差项，ψ
θ
是一个未知的估计向量回归参数(h
×
1)，θ取值范围为0～1。此外，xi是(h
×
1)维向量回归参数ψ
θ
的自变量。同理，改写eq.(5)为条件分位数形式，这时yi和xi被写成：
[0055][0056]qθ
表示yi/xi的条件分位数，将向量回归参数ψ
θ
对应的θ值梯次减小如下式
[0057][0058]
式中t表示时间下标，y
t
表示t时刻因变量，x
t
表示t时刻自变量。
[0059]
步骤2.2，采用广义矩算法限制加权绝对数，将误差条件降到最低，以便对所选分位数中的正残差和负残差进行不同的加权。因此，相关变量之间的相互作用可由式(2)进一步推导得到下式(8)
[0060][0061]
上式用于估计碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等变量之间的量化关系。式(8)中，co2e
t
表示二氧化碳排放量，和是分位回归估计系数，取值范围为0.1～0.9，ε
t
是误差项；
[0062]
步骤3、整合碳排放源、碳汇计算模型构建碳平衡综合评估指数模型，评估地区复合生态系统中由于人类生产生活活动所导致的碳排放同自然生态系统碳吸收的关系，指导地区低碳发展转型路径。
[0063]
本步骤的具体实现方法如下：
[0064]
步骤3.1，扮演碳汇角色的主要有湿地、水体、海域、森林、农田，根据不同用地类型构建碳汇计算模型：
[0065][0066]
其中，csi分别代表不同用地类型的碳吸收量，i代表不同用地类型，ai代表不同用地类型的面积，ri分别代表不用地类型的单位面积固碳速率。
[0067]
步骤3.2，整合公式(8)中碳排放源及公式(9)碳汇计算模型构建碳平衡综合评估指数模型：
[0068][0069]
碳平衡指数cbi反映了城市复合生态系统中由于人类生产生活活动所导致的碳排放同自然生态系统碳吸收的关系。通过计算城市碳平衡指数动态变化过程，评估城市低碳发展过程，包括趋势评估，城市发展不同阶段分段发展评估以及多指数评估。
[0070]
基于上述碳排放影响因素分析与指标评估方法，本发明还提出一种实现上述方法的碳排放影响因素分析与指标评估装置，包括碳排放建模模块、碳排放模型参数量化模块和碳排放指标评估模块。其中：
[0071]
碳排放建模模块：通过以对数关系形式推导碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等影响因素的函数关系，并运用单位根检验各变量平稳性。
[0072]
碳排放模型参数量化模块：基于前述碳排放模型，针对碳排放模型输出时序数据采用广义矩分位数量化回归分析方法，分析碳排放与经济发展、能源构成、人口组成、环境系统与技术创新等变量的相互作用及变量之间的量化关系；
[0073]
碳排放指标评估模块：基于二氧化碳排放量化推导结果，结合地区碳汇数据，构建碳平衡综合评估指数模型。
[0074]
下面以一个具体实例对本发明应用效果进行验证。该实例根据某地区统计年鉴数
据，进行碳排放与经济发展、能源构成、人口组成、环境碳汇与技术创新等变量之间的单位根检验，检验结果如下表：
[0075][0076]
上表显示了水平和初始差异的结果。adf检验统计量的整体值大于5％显著性水平下的临界值。它表明原假设意味着否认所有相关变量的单位根检验。adf和p-p测试检验的结果表明，该序列在第一次不一致时是平稳的，有5％的显著性。
[0077]
对研究变量进行广义矩分位数量化回归模型分析的结果如下表所示。
[0078][0079][0080]
该表给出的结果表明，能源结构对co2排放具有建设性影响，具有系数(0.161636)
和概率值(0.0000)。同样，环境结构和技术创新分别具有正系数(0.895212)和(0.442922)，概率值(0.2171)、(0.0004)和(0.0002)。人口组成和经济发展分别具有负系数(-0.206843)和(-0.002841)、概率值(0.2171)和(0.8795)。
[0081]
从上述计算得到的系数及概率值可以看出，地区二氧化碳排放量与地区能源结构与技术创新能力及环境结构具有正相关关系，地区能源结构中清洁能源占比越高，二氧化碳排放量越小，地区技术创新能力越强，二氧化碳排放量越小，地区环境中碳汇越多，二氧化碳排放量越小，从表中也可以看出能源结构、技术创新能力、环境中碳汇量大小对降低地区碳排放总量的影响大小关系依次是能源结构、技术创新能力和环境碳汇，而人口组成与经济发展对二氧化碳排放量具有负相关关系，即人口越多、经济发展越快越不利于碳减排。
[0082]
依据计算结果，可以得出地区碳减排策略重点，即优化地区能源消费结构，提高能源消费中清洁能源占比是碳减排重中之重，另外辅以低碳化技术改造及优化地区环境碳汇水平，增加湿地、森林等碳汇源，是碳减排的有效策略。
[0083]
根据地区统计年鉴数据和碳平衡综合评估指数计算公式，得出某地2020年二氧化碳排放量1481.77万吨，碳汇量986.53万吨，碳平衡指数为1.502，距离碳平衡指标1差距较大，由此可知该地区要达到碳平衡，需要降低二氧化碳排放量近30％，根据本文提出的广义矩分位数量化回归模型分析的结果，需要采取的低碳转型路径为：优先对地区能源结构进行优化，提高清洁能源消费占比；加强传统能源低碳改造技术研发，降低传统能源二氧化碳排放量；改善地区生态环境，增加湿地。森林等碳汇建设规划。
[0084]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。