一种基于火电碳税效应测算水力发电需求缺口的方法

1.本发明涉及碳税的政策效应评估技术领域，特别是一种基于火电碳税效应测算水力发电需求缺口的方法。


背景技术：

2.当今社会的气温持续增长，气候的变化已成为了国际社会面临的巨大挑战，控制co2排放量可以有效缓解气候变暖这一问题。长期以来，我们一直倡导将碳税定价作为一种高效的控制co2排放量的政策回应。目前，大量的理论与研究侧重于碳定价的事前评估，对于碳定价的事后效应研究甚少，同时缺少使用项目评估方法来量化碳定价的环境影响。由于缺乏合适的对照组或反事实的存在，对于碳税效应的事后评估存在数据方面的缺失，从而无法预知水力发电需求缺口。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于火电碳税效应测算水力发电需求缺口的方法，利用机器学习(ml)技术对火电厂碳税效应进行评估，消除无法测得的干扰因素，通过构建未观察到的反事实来估计政策效果的可能性，即预测不征收碳税情况下的火电厂发电量，明确在不受其他因素干扰下，征收碳税对火电厂发电量的影响。最终，通过火电减产量及现有能源结构测算水力发电需求缺口。
4.为实现上述目的，本发明采用如下技术方案：一种基于火电碳税效应测算水力发电需求缺口的方法，包括以下步骤：
5.s1：建立火电厂发电量测算公式；
6.s2：构建第i个发电厂在t时刻真实的碳税效应的公式表达，即排除其它因素干扰情况下征收碳税对第i个发电厂发电量产生的影响；
7.s3：构建第i个发电厂在t时刻受干扰的碳税效应的公式表达，即包含其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；
8.s4：利用回归分析的机器学习技术ml，分别预测t时刻包含其它干扰因素情况下第i个发电厂征收碳税后与不征收碳税时的发电量；
9.s5：建立碳税效应评估方法可知，基于机器学习所计算出的第i个发电厂在t时刻受干扰的碳税效应预测值即为第i个发电厂在t时刻真实的碳税效应δ
it
，明确征收碳税对火电厂发电量的影响；
10.s6:通过火电减产量及现有能源结构测算水力发电需求缺口。
11.在一较佳的实施例中，步骤s1中，电厂发电量的计算公式为：
12.y
it
＝fi(x
it
,h
it
,z
t
) ∈
it
13.其中，y
it
表示第i个发电厂在t时刻的发电量；x
it
表示第i个发电厂在不征收碳税情况下可测得的变量；h
it
表示第i个发电厂在不征收碳税情况下无法观测到的变量；z
t
表示在t时刻市场上对全部火电厂统一征收的碳税；∈
it
表示随机误差；fi代表第i个发电厂的与
x
it
,h
it
,z
t
相关的函数表达式。
14.在一较佳的实施例中，步骤s2中，第i个发电厂在t时刻真实的碳税效应的计算公式为：
[0015][0016]
其中，δ
it
表示第i个发电厂在t时刻真实的碳税效应，即排除其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；表示第i个发电厂在t时刻排除其它干扰因素情况下征收碳税后的发电量；表示第i个发电厂在t时刻排除其它干扰因素情况下不征收碳税的发电量。
[0017]
在一较佳的实施例中，步骤s3中，第i个发电厂在t时刻受干扰的碳税效应的计算公式为：
[0018][0019]
其中，表示第i个发电厂在t时刻受干扰的碳税效应预测值，即包含其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；表示在t时刻包含其它干扰因素情况下第i个发电厂征收碳税后的发电量；表示在t时刻包含其它干扰因素情况下第i个发电厂不征收碳税的发电量。
[0020]
在一较佳的实施例中，步骤s4中，在有无征收碳税情况下发电量的计算公式为：
[0021][0022]
其中，表示结果变量预测值，在有无征收碳税情况下均可适用；ξ
it
表示预测误差；代表第i个发电厂的与x
it
,z
t
相关的函数表达式。
[0023]
在一较佳的实施例中，步骤s5包括以下步骤：
[0024]
s51：根据步骤s4，测算在t时刻包含其它干扰因素情况下征收碳税后火电厂的发电量
[0025]
s52：根据s4步骤，测算在t时刻包含其它干扰因素情况下不征收碳税后火电厂的发电量
[0026]
s53：根据公式
[0027][0028]
其中，即随机干扰因素的平均期望值为0；表示即随机干扰因素的平均期望值，此处数值为0；表示征收碳税情况下的干扰因素；表示不征收碳税情况下的干扰因素；
[0029]
其中，
[0030]
其中，其中，表示的期望值；
[0031]
可知，第i个发电厂在t时刻受干扰的碳税效应预测值等于第i个发电厂在t时刻真实的碳税效应δ
it
；
[0032]
s54：将s51减去s52可得第i个发电厂在t时刻受干扰的碳税效应预测值；
[0033]
s55：根据s53公式及s54结果，可推算出第i个发电厂在t时刻真实的碳税效应δ
it
，即排除其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响。
[0034]
在一较佳的实施例中，所述步骤s6中，通过火电减产量及现有能源结构测算水力发电需求缺口。
[0035]
与现有技术相比，本发明具有以下有益效果：
[0036]
1.本发明方法针对碳定价的事后效应进行评估。
[0037]
2.本发明提供了一个真实世界的碳定价政策实验的事后评估方法。
[0038]
3.本发明利用机器学习技术(ml)消除不可测量的干扰因素，在没有对照组(缺乏观测数据)的情况下，通过构建未观察到的反事实来估计政策效果的可能性，即预测不征收碳税情况下的火电厂发电量。
[0039]
4.基于本发明的评估方法，可以科学的评估碳定价对火电厂产生的影响，对于制定清洁能源扶持政策提供有益的参考。
附图说明
[0040]
图1为本发明优选实施例的流程图。
[0041]
图2为本发明优选实施例的第i个发电厂在t时刻的发电量变化示意图。
具体实施方式
[0042]
下面结合附图及实施例对本发明做进一步说明。
[0043]
应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
[0044]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0045]
一种基于火电碳税效应测算水力发电需求缺口的方法，参考图1至2，包括以下步骤：
[0046]
s1：建立火电厂发电量测算公式；
[0047]
电厂发电量的计算公式为：
[0048]yit
＝fi(x
it
,h
it
,z
t
) ∈
it
[0049]
其中，y
it
表示第i个发电厂在t时刻的发电量；x
it
表示第i个发电厂在不征收碳税情况下可测得的变量；h
it
表示第i个发电厂在不征收碳税情况下无法观测到的变量；z
t
表示在t时刻市场上对全部火电厂统一征收的碳税；∈
it
表示随机误差；fi代表第i个发电厂的与
x
it
,h
it
,z
t
相关的函数表达式。
[0050]
s2：构建第i个发电厂在t时刻真实的碳税效应的公式表达，即排除其它因素干扰情况下征收碳税对第i个发电厂发电量产生的影响；
[0051]
第i个发电厂在t时刻真实的碳税效应的计算公式为：
[0052][0053]
其中，δ
it
表示第i个发电厂在t时刻真实的碳税效应，即排除其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；表示第i个发电厂在t时刻排除其它干扰因素情况下征收碳税后的发电量；表示第i个发电厂在t时刻排除其它干扰因素情况下不征收碳税的发电量；
[0054]
s3：构建第i个发电厂在t时刻受干扰的碳税效应的公式表达，即包含其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；
[0055]
第i个发电厂在t时刻受干扰的碳税效应的计算公式为：
[0056][0057]
其中，表示第i个发电厂在t时刻受干扰的碳税效应，即包含其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；表示在t时刻包含其它干扰因素情况下第i个发电厂征收碳税后的发电量；表示在t时刻包含其它干扰因素情况下第i个发电厂不征收碳税的发电量；
[0058]
s4：利用回归分析的机器学习技术(ml)，分别预测t时刻包含其它干扰因素情况下第i个发电厂征收碳税后与不征收碳税时的发电量；
[0059]
在有无征收碳税情况下发电量的计算公式为：
[0060][0061]
其中，表示结果变量预测值，在有无征收碳税情况下均可适用；ξ
it
表示预测误差；
[0062]
s5：建立碳税效应评估方法可知，基于机器学习所计算出的第i个发电厂在t时刻受干扰的碳税效应预测值即为第i个发电厂在t时刻真实的碳税效应δ
it
，明确征收碳税对火电厂发电量的影响；代表第i个发电厂的与相关的函数表达式。
[0063]
步骤s5包括以下步骤：
[0064]
s51：根据s4步骤，测算包含其它干扰因素情况下征收碳税后火电厂的发电量
[0065]
s52：根据s4步骤，测算包含其它干扰因素情况下不征收碳税后火电厂的发电量
[0066]
s53：根据公式
[0067][0068]
其中，即随机干扰因素的平均期望值为0；表示即随机干扰因素的平均期望值，此处数值为0；表示征收碳税情况下的干扰因素；表示不征收碳税情况下的干扰因素；
[0069]
其中，
[0070]
其中，其中，表示的期望值；
[0071]
可知，第i个发电厂在t时刻受干扰的碳税效应等于第i个发电厂在t时刻真实的碳税效应δ
it
；
[0072]
s54：将s51减去s52可得第i个发电厂在t时刻受干扰的碳税效应
[0073]
s55：根据s53公式及s54结果，可推算出第i个发电厂在t时刻真实的碳税效应δ
it
，即排除其它干扰因素情况下征收碳税对第i个发电厂发电量产生的影响；
[0074]
s6:通过火电减产量及现有能源结构测算水力发电需求缺口。
[0075]
本实施例测算了在不受其他因素干扰下，征收碳税对火电厂发电量的影响，即征收碳税的政策效应评估。本方案建立了火电厂发电量测算公式；构建了排除其它因素干扰情况下的真实碳税效应公式表达；构建了包含其它因素干扰情况下的碳税效应公式表达；采用了回归分析的机器学习技术(ml)预测了包含其它干扰因素情况下火电厂征收碳税后与不征收碳税时的发电量；利用了机器学习技术(ml)的预测结果，计算了排除其它因素干扰情况下的真实碳税效应，即征收碳税对火电厂发电量的影响。本实施例利用机器学习技术(ml)在没有对照组(缺乏观测数据)的情况下，通过构建未观察到的反事实来估计政策效果的可能性，即预测不征收碳税情况下的火电厂发电量，明确在不受其他因素干扰下，征收碳税对火电厂发电量的影响；通过火电减产量及现有能源结构测算水力发电需求缺口；基于本发明的评估方法，可以科学的评估碳定价对火电厂产生的影响，可对制定清洁能源扶持政策提供有益的帮助。
[0076]
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。