一种基于指数的碳达峰预测方法及系统

1.本技术涉及新型电力系统构建技术领域，具体涉及一种服务于新型电力系统全压全域设计的基于指数的碳达峰预测方法及系统。


背景技术：

2.二氧化碳排放峰值是指一个国家或者地区的碳排放量在降低之前达到的最高值，近年来我国已经有部分省市的碳排放出现了明显的拐点，出现的拐点是不是真正的峰值仍是有待从技术手段上进一步研判，大部分地区困惑于如何发展才能实现达峰目标，而针对二氧化碳排放峰值的技术性判断将有利于我国下一步社会经济发展规划以及节能减排、碳达峰策略的调整和制定。
3.更具体地，加快构建以新能源为主体的新型电力系统，为“双碳”目标下我国电力系统形态演化与技术变革指明了方向，碳达峰预测方法是其中重要的技术基础。
4.目前，在有足够长的时间序列作为判断依据的前提下，可以通过变化趋势判断二氧化碳排放是否达峰，这种判断在时间上具有严重的滞后性，而在缺少足够长的时间序列作为依据的情况下，在下一个拐点出现之前，单纯依据观察二氧化碳排放趋势是难以准确研判近年来出现的拐点是碳排放的峰值点，还是由于短期波动引起的阶段性拐点，而对于碳排放真假峰值的研判又直接关系到国际承诺的如期兑现以及社会经济发展方式、碳减排策略的及时调整。
5.现有技术文件1(cn113780632a)公开了一种发电企业碳达峰预测方法，但仅仅考虑发电企业的发电装机发展规划、技术改造、碳捕集技术实施等内部因素，并非针对国家或者地区级的新型电力系统构建，对于高级别的新型电力系统构建，参考意义优先，并且精度有待提升。因此有必要改进碳达峰预测方法的技术方案，减小预测误差，提升碳达峰预测精度，并且能够适用于国家或者地区大规模的新型电力系统构建。


技术实现要素：

6.为解决现有技术中存在的不足，本发明的目的在于，提供一种基于指数的碳达峰预测方法及系统，解决现有预测技术中获取数据观察时间存在滞后性，对峰值拐点和短期波动性拐点研判不准确的问题。
7.本发明采用如下的技术方案。本发明的第一方面提供饿了一种基于指数的碳达峰预测方法，所述方法包括以下步骤：
8.步骤1，获取目标地区历年数据，其中历年数据包括：人均gdp、人均用电量、能源强度、碳排放强度、可再生电力比例和终端电气化率；
9.步骤2，构建基于人均gdp、人均用电量、能源强度、碳排放强度、可再生电力比例和终端电气化率影响因素的碳达峰子指数模型；
10.步骤3，基于stirpat模型和岭回归方法确定碳达峰子指数的权重，搭建碳达峰综合指数模型；
11.步骤4，根据目标地区经济发展速率和不同经济发展速率下的碳达峰子指数发展速率设置碳达峰子指数在碳达峰时的定量数值，依据步骤2碳达峰子指数模型和步骤3碳达峰综合指数模型，得出不同经济发展速率下的碳达峰综合指数；
12.步骤5，根据碳达峰综合指数预测目标地区碳达峰的年份。
13.优选地，步骤1中，历年数据为至少15年数据。
14.优选地，步骤2中，构建的碳达峰子指数模型计算公式如下：
[0015][0016]
式中，
[0017]
i表示子指数序号，
[0018]
zi表示基于子指数i的碳达峰子指数，
[0019]
x0表示子指数的当前历史数据，
[0020]
f(x)表示历年子指数数据回归函数，
[0021]
x表示子指数的国际历史样本数据，
[0022]
argmax f(x)表示做完回归之后使得f(x)取得最大值所对应的x，在此指碳排放达峰时的子指数值，
[0023]
e表示人均gdp，
[0024]
xi表示子指数i，
[0025]
a表示相关系数，
[0026]
c表示常数项，
[0027]
x
max
表示样本数据的最大值，
[0028]
xm表示子指数碳达峰时对应的定量数值，
[0029]
t表示技术发展水平相关子指数，
[0030]
k表示大于零的一个常数。
[0031]
优选地，判断子指数与经济发展水平是否存在相关关系；若存在相关关系，采用公式(1)用地区历史子指数数值与碳达峰时的子指数数值做商计算该子指数；若子指数与经济发展水平不存在相关关系，先依据人均gdp、人均用电量和终端电气化率变化得到3条历史碳排放轨迹，取3条历史碳排放轨迹平均值作为碳达峰时人均二氧化碳排放量，对应至指数参考数据作为碳达峰时的指数定量数值，再判断子指数的数值随着技术进步是减小还是增加，
[0032]
若子指数的数值随着技术进步而减小，采用公式(2)用地区目前的子指数数值与碳达峰时的子指数定量数值的距离比例计算子指数；
[0033]
若子指数的数值随着技术进步而增加，采用公式(3)用地区的子指数数值与碳达峰时的子指数定量数值做商计算子指数。
[0034]
优选地，步骤3中，碳达峰综合指数公式如下所示，
[0035][0036]
式中，
[0037]z*
表示碳达峰综合指数，
[0038]
wi表示子指数i的权重，
[0039]
n表示子指数的数量，
[0040]
i表示子指数序号，
[0041]
zi表示基于子指数i的碳达峰子指数。
[0042]
优选地，步骤3中，碳达峰子指数的权重基于stirpat模型，计算公式如下，
[0043]
lnco
2mt
＝lnβ b1ln(gdp
pcmt
) b2ln(ele
pcmt
) b3ln(ei
mt
) b4ln(ci
mt
) b5ln(re
mt
) b6ln(fer
mt
) inu
mt
[0044]
式中，
[0045]
m表示地区m，
[0046]
t表示年份
[0047]
co
2mt
表示人均二氧化碳排放，
[0048]
gdp
pcmt
表示人均gdp，
[0049]
ele
pcmt
表示人均用电量，
[0050]
ei
mt
表示能源消耗强度，
[0051]
ci
mt
表示碳排放强度，
[0052]
re
mt
表示可再生电力比例，
[0053]
ter
mt
表示终端电气化率，
[0054]
β表示常数值，
[0055]umt
表示误差项，
[0056]
b1……
b6分别表示6个子指数的回归系数。
[0057]
优选地，步骤3中，对碳达峰子指数权重进行多重共线性检验，若存在共线性则采用岭回归方式优化拟合，岭回归中使用的损失函数如下所示：
[0058][0059]
b＝(x
t
x ki)-1
x
ty[0060]
式中，
[0061]
n表示中国及各省的数据样本量，
[0062]
n表示子指数个数，
[0063]
k表示岭参数，
[0064]
ym表示岭回归时的各省份人均碳排放，
[0065]bi
表示不同子指数的岭回归估计系数，
[0066]
x
mi
表示不同省份不同子指数的数据，
[0067]
b表示岭回归系数向量，
[0068]
k表示岭参数向量，
[0069]
x为各省份的不同子指数数据集，
[0070]
y为x对应的各省份人均碳排放，
[0071]
i表示单位矩阵。
[0072]
优选地，步骤4中，碳达峰综合指数依据公式如下：
[0073]z*
＝w1*z1 w2*z2 w3*z3 w4*z4 w5*z5 w6*z6[0074]
式中，
[0075]z*
指的是碳达峰综合指数，
[0076]
z1指的是基于人均gdp的碳达峰子指数，
[0077]
z2指的是基于人均用电量的碳达峰子指数，
[0078]
z3指的是基于能源消耗强度的碳达峰子指数，
[0079]
z4指的是基于碳排放强度的碳达峰子指数，
[0080]
z5指的是基于可再生电力比例的碳达峰子指数，
[0081]
z6指的是基于终端电气化率的碳达峰子指数。
[0082]
wi指的是zi子指数的权重，i＝1，2，3，4，5，6。
[0083]
优选地，步骤4中经济发展速率包括：低速情景，基准情景和高速情景。
[0084]
本发明的第二方面提供了一种碳达峰预测系统，运行所述基于指数的碳达峰预测方法，所述碳达峰预测系统包括：数据采集模块，子指数模型搭建模块，综合指数模型搭建模块，碳达峰年份预测模块，
[0085]
数据采集模块用于获取目标地区历年数据；
[0086]
碳达峰子指数模块用于搭建碳达峰综合指数模型；
[0087]
碳达峰综合指数模块用于搭建碳达峰综合指数模型；
[0088]
碳达峰年份预测模块用于生成预测的目标地区碳达峰年份。
[0089]
本发明的有益效果在于，与现有技术相比，本发明采用样条回归模型和历史计量法，回避事前限制并准确地把握历史进程中的本质特征，构建碳达峰指数体系实现对碳达峰进程的全面评估；根据目标地区的实际情况预设权重因子，计算得到碳达峰综合指数来进行预测，从而准确预测未来的碳达峰趋势，改进了碳达峰预测方法的技术方案，减小预测误差，提升碳达峰预测精度。
附图说明
[0090]
图1是本发明实施例公开的一种碳排放量预测方法的流程示意图。
[0091]
图2是中国2000-2030年不同情景下的碳达峰综合指数
具体实施方式
[0092]
下面结合附图对本技术作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本技术的保护范围。
[0093]
本发明的实施例1提供了一种基于指数的碳达峰预测方法，参见图1所示的流程示意图，包括以下步骤：
[0094]
步骤1，采集目标地区历年碳排放量影响数据，在优选但非限制性的实施方式中，包括：人均gdp、人均用电量、能源消耗强度、碳排放强度、可再生电力比例和终端电气化率数据；
[0095]
进一步优选地，其中历年数据至少为15年数据，人均gdp单位为美元/人、人均用电量单位为千瓦时/人、能源消耗强度单位为千克标准煤/美元、碳排放强度单位为千克co2/美元、可再生电力比例和终端电气化率单位为1。
[0096]
进一步优选地，历史数据又分为与人均gdp呈现相关性的经济水平数据和与能源技术发展呈现相关性的技术发展水平数据，其中经济水平相关数据包括人均gdp、人均用电量和终端电气化率，技术发展水平相关数据包括：能源消耗强度、碳排放强度和可再生电力比例。
[0097]
步骤2，构建基于人均gdp、人均用电量、能源消耗强度、碳排放强度、可再生电力比例和终端电气化率的6个种类碳达峰子指数模型。
[0098]
在本发明优选但非限制性的实施方式中，构建碳达峰子指数模型，依据如下公式确定：
[0099][0100]
式中，
[0101]
i表示子指数序号，
[0102]
zi表示基于子指数i的碳达峰子指数，
[0103]
x0表示子指数的当前历史数据，
[0104]
f(x)表示历年子指数数据回归函数，
[0105]
x表示子指数的国际历史样本数据，
[0106]
argmax f(x)表示做完回归之后使得f(x)取得最大值所对应的x，在此指碳排放达峰时的子指数值，
[0107]
e表示人均gdp，
[0108]
xi表示子指数i，
[0109]
a表示相关系数，
[0110]
c表示常数项，
[0111]
x
max
表示样本数据的最大值，
[0112]
xm表示子指数碳达峰时对应的定量数值，
[0113]
t表示技术发展水平相关子指数，
[0114]
k表示大于零的一个常数。
[0115]
其中，在一个优选的实施方式中，可以根据历史经验判断，若子指数与经济发展水平存在相关关系，采取样条回归模型来识别碳达峰时的指数水平，得出基于人均gdp、人均用电量、终端电气化率采用公式(1)用地区历史子指数数值与碳达峰时的子指数数值做商计算该子指数。
[0116]
若子指数与经济发展水平不存在相关关系，先依据人均gdp、人均用电量和历史碳排放轨迹，取3条历史碳排放轨迹平均值作为碳达峰时人均二氧化碳排放量，对应至指数参考数据作为碳达峰时的指数定量数值，再判断指数的数值随着技术进步是减小还是增加。
[0117]
若指数的数值随着技术进步而减小，采用公式(2)用地区当年的子指数数值与碳达峰时的子指数定量数值分别与样本数据最大值距离比例计算该指数；
[0118]
若指数的数值随着技术进步而增加，采用公式(3)用地区当年的子指数数值与碳达峰时的子指数定量数值做商计算该指数。
[0119]
步骤3，构建碳达峰综合指数，依据如下公式确定：
[0120][0121]
式中，
[0122]z*
表示碳达峰综合指数，
[0123]
wi表示子指数i的权重，
[0124]
n表示子指数的数量，
[0125]
i表示子指数序号，
[0126]
碳达峰综合指数介于0-1之间，越接近1表明地区碳排放越接近于可能的峰值水平。
[0127]
wi的选择主要基于stirpat模型的回归结果和岭回归方式优化拟合，stirpat模型公式如下：
[0128]
lnco
2mt
＝lnβ b1ln(gdp
pcmt
) b2ln(ele
pcmt
) b3ln(ei
mt
) b4ln(ci
mt
) b5ln(re
mt
) b6ln(ter
mt
) lnu
mt
[0129]
式中，
[0130]
m表示地区m，
[0131]
t表示年份
[0132]
co
2mt
表示人均二氧化碳排放，
[0133]
gdp
pcmt
表示人均gdp，
[0134]
ele
pcmt
表示人均用电量，
[0135]
ei
mt
表示能源消耗强度，
[0136]
ci
mt
表示碳排放强度，
[0137]
re
mt
表示可再生电力比例，
[0138]
ter
mt
表示终端电气化率，
[0139]
β表示常数值，
[0140]umt
表示误差项，
[0141]
b1……
b6分别表示6个子指数的回归系数。
[0142]
对地区的碳排放和经济、能源样本数据进行多重共线性检验，若存在共线性则采用岭回归方式优化拟合，将b作为确定权重的客观来源，岭回归中使用的损失函数如下所示：
[0143][0144]
b＝(x
t
x ki)-1
x
ty[0145]
式中，
[0146]
n表示中国及各省的数据样本量，
[0147]
n表示子指数个数，
[0148]
k表示岭参数，
[0149]
ym表示岭回归时的各省份人均碳排放，
[0150]bi
表示不同子指数的岭回归估计系数，
[0151]
x
mi
表示不同省份不同子指数的数据，
[0152]
b表示岭回归系数向量，
[0153]
k表示岭参数向量，
[0154]
x为各省份的不同子指数数据集，
[0155]
y为x对应的各省份人均碳排放，
[0156]
i表示单位矩阵。
[0157]
步骤4，为了研究不同发展速率下目标地区碳达峰的年份，可基于不同情景对目标地区碳达峰年份进行预测，各情景下可对比设置子指数参考值。关于情景设置的含义示例如下表1所示，各情景下各指数发展速率参考值示例如表2所示：
[0158]
表1情景含义示例
[0159][0160]
表2指数发展速率示例
[0161][0162]
碳达峰综合指数依据公式如下：
[0163]z*
＝w1*z1 w2*z2 w3*z3 w4*z4 w5*z5 w6*z6[0164]
式中，
[0165]z*
指的是碳达峰综合指数，
[0166]
z1指的是基于人均gdp的碳达峰子指数，，
[0167]
z2指的是基于人均用电量的碳达峰子指数，
[0168]
z3指的是基于能源消耗强度的碳达峰子指数，
[0169]
z4指的是基于碳排放强度的碳达峰子指数，
[0170]
z5指的是基于可再生电力比例的碳达峰子指数，
[0171]
z6指的是基于终端电气化率的碳达峰子指数。
[0172]
wi指的是zi子指数的权重(i取1-6)。
[0173]
步骤5，根据碳达峰综合指数预测目标年份碳达峰指数，
[0174]
获取目标地区目标年份所有运输方式的预测碳排放量，将每一年的预测碳达峰综合指数按年份时间顺序排列，可得到碳达峰指数随时间变化的发展趋势，获取目标地区的碳排放量预测发展趋势。
[0175]
依据各指数的发展速率预测不同情景下各指数的碳达峰子指数，合成碳达峰综合指数，
[0176]
依据不同情景数据做基础，如表1和表2；结合样条回归和定量分析的结果，可以得到各影响因素在碳达峰时的水平，结合中国2000-2019年各影响因素的发展数据带入到碳达峰子指数构建公式中可以得到中国历年的碳达峰子指数，如表3和表4所示(子指数1-6分别为基于人均gdp、人均用电量、能源强度、碳排放强度、可再生电力比例和终端电气化率的碳达峰子指数)。
[0177]
本实验结果如图2所示，低速情景下目标地区将于2030年实现碳达峰，基准情景下目标地区将于2029年实现碳达峰，高速情景下目标地区将于2028年实现碳达峰。
[0178]
表3中国2000-2019年碳达峰子指数
[0179][0180]
表4中国地区岭回归系数
[0181][0182]
本发明采用样条回归模型和历史计量法，回避事前限制并准确地把握历史进程中的本质特征，构建碳达峰指数体系实现对碳达峰进程的全面评估；根据目标地区的实际情况预设权重因子，计算得到碳达峰综合指数来进行预测，从而准确预测未来的碳达峰趋势，改进了碳达峰预测方法的技术方案，减小预测误差，提升碳达峰预测精度。
[0183]
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。