一种区域碳排放量预测方法

1.本发明涉及区域二氧化碳的预测技术领域，具体地说是一种基于马尔科夫模型和leap模型的区域碳排放量预测方法。

背景技术：

2.传统的碳排放预测主要采用时间序列模型和数学核算的方法，但是整个区域的碳排放是一个复杂的系统，仅从数据变化中寻规律，是无法准确衡量政策、经济结构变动带来的影响。

技术实现要素：

3.本发明的目的是针对现有技术存在的问题，提供一种基于马尔科夫模型和leap模型的区域碳排放量预测方法。
4.本发明的目的是通过以下技术方案解决的：
5.一种区域碳排放量预测方法，其特征在于：该预测方法步骤如下：
6.步骤a、将区域内的部门划分为终端部门和转化部门，其中终端部门包含农业、工业、建筑业、交通业、居民生活和其他行业，转化部门包含本地电力生产与外来电力生产；
7.步骤b、获取区域内各部门能源消费的历史消费数据，构建预测能源消费结构的马尔科夫模型；
8.步骤c、获取区域内对各部门能源需求起到关键推动因素的历史需求数据和区域内的政策设定目标，得出预测期限内的各关键推动因素的未来需求数据，构建预测能源需求量的leap 模型；上述关键推动因素指gdp、人口、行业比重、汽车保有量、能源强度、发电效率；
9.步骤d、计算各化石能源的碳排放因子；
10.步骤e、根据预测的未来一定时期内的区域内各部门的能源消费结构、能源需求量以及各化石能源的碳排放因子，计算出未来该区域内的碳排放量。
11.所述步骤b中的预测能源结构的马尔科夫模型包括预测终端部门能源结构的马尔科夫模型和预测转化部门能源结构的马尔科夫模型。
12.预测终端部门能源结构的马尔科夫模型的构建方法为：
13.步骤b11、分别获取六个终端部门的煤炭、石油、天然气和电力的历史消费数据，构建六个终端部门的能源消费结构状态的向量为si(n)＝[s
ic
(n),s
io
(n),s
ig
(n),s
ie
(n)]，其中 s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)分别表示煤炭、石油、天然气和电力在各终端部门的能源消费总量a中所占的比重，s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)之和为1；
[0014]
步骤b12、对于六个终端部门，各终端部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵pi(n)为：
[0015][0016]
式(1)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率，例：p
ic
→c(n) 为n时刻到n+1时刻煤炭消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率，例：p
ic
→o(n)为n时刻到n+1时刻煤炭消费比例向石油消费比例转移的概率。
[0017]
步骤b13、确定各终端部门的转移概率矩阵pi(n)中的各个元素，再得出各终端部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵pi(1)，pi(2)...pi(n)，根据式(2)确定各终端部门的平均转移概率矩阵pi：
[0018][0019]
步骤b14、根据各终端部门的平均转移概率矩阵pi，由式(3)预测n+m时刻各终端部门的能源消费结构：
[0020]
si(n+m)＝si(n)
×
p
im
ꢀꢀ
(3)
[0021]
式(3)中，si(n+m)为n+m时刻各终端部门的能源消费结构状态向量；si(n)为n时刻各终端部门的能源消费结构状态向量；p
im
为各终端部门平均转移矩阵的m次方。
[0022]
预测转化部门能源结构的马尔科夫模型的构建方法为：
[0023]
步骤b21、分别获取两个转化部门的煤炭、石油、天然气与非化石能源的历史消费数据，构建两个转化部门的能源消费结构状态的向量为sj(n)＝[s
jc
(n),s
jo
(n),s
jg
(n),s
jn
(n)]，其中s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)分别表示煤炭、石油、天然气和非化石能源在各转化部门的能源消费总量a中所占的比中，s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)之和为1；
[0024]
步骤b22、对于两个转化部门，各转化部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵pj(n)为：
[0025][0026]
式(4)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率，例：p
jc
→c(n) 为n时刻到n+1时刻煤炭消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率，例：p
jc
→o(n)为n时刻到n+1时刻煤炭消费比例向石油消费比例转移的概率。
[0027]
步骤b23、确定各转化部门的转移概率矩阵pj(n)中的各个元素，再得出各转化部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵pj(1)，pj(2)...pj(n)，根据式(5)确定各转化部门的平均转移概率矩阵pj：
[0028][0029]
步骤b24、根据各转化部门的平均转移概率矩阵pj，由式(6)预测n+m时刻各转化部门的能源消费结构：
[0030]
sj(n+m)＝sj(n)
×
p
jm
ꢀꢀ
(6)
[0031]
式(6)中，sj(n+m)为n+m时刻各转化部门的能源消费结构状态向量；sj(n)为n 时刻各转化部门的能源消费结构状态向量；p
jm
为各转化部门平均转移矩阵的m次方。
[0032]
所述步骤c中的预测能源需求量的leap模型包括预测终端部门能源需求量的leap模型和预测转化部门能源需求量的leap模型。
[0033]
终端部门能源需求量指的是一定时期内生产活动和生活消费各种能源在扣除了用于加工转换二次能源消费量和损失量以后的数量。因损失量相比总的能源需求量较小，故本发明的预测方法不加以考虑。其中预测终端部门能源需求量的leap模型是根据各终端部门的活动水平和对应的能源强度去计算该终端部门的能源需求量，则终端部门i的能源需求量为：
[0034]
nci＝ai×ii
ꢀꢀ
(7)
[0035]
式(7)中，nci为终端部门i的能源需求量，单位为吨标准煤；ai为终端部门i的活动水平，其中农业、工业、建筑业、其他行业的活动水平基于gdp和行业比重的乘积获得且单位为万元，交通业的活动水平单位为万辆，居民生活的活动水平单位为万人；ii为终端部门i 对应的单位活动水平的能源消费量，即能源强度，其中农业、工业、建筑业、其他行业的能源强度单位为吨标准煤/万元，交通业的能源强度单位为吨标准煤/万辆，居民生活的能源强度单位为吨标准煤/万人。
[0036]
因为转化部门指的是将一次能源转化为二次能源供给终端消费的部门，故预测转化部门能源需求量的leap模型是根据各转化部门在一定时期内电力生产所需要的能源去计算该转化部门的能源需求量，则转化部门j的能源需求量为；
[0037]
tcj＝gj×ej
ꢀꢀ
(8)
[0038]
式(8)中，tcj为转化部门j的能源需求量，单位为吨标准煤；gj为转化部门j的发电量，单位为吨标准煤；ej为转化部门j对应的发电效率，单位％。
[0039]
所述步骤d中的化石能源的碳排放因子的计算根据各化石能源平均低位发热量、是各化石能源单位热值含碳量与碳氧化率的值确定，故各化石能源的碳排放因子的计算过程如公式 (9)所示：
[0040][0041]
式(9)中，efk为各化石能源的碳排放因子，单位为吨co2/吨标准煤；ncvk为各化石能源平均低位发热量、为固定值；cefk为各化石能源单位热值含碳量；cofk为各化石能源燃烧时的碳氧化率；为各化石能源折标准煤系数；为二氧化碳和碳的分子量比值。
[0042]
因为各化石能源平均低位发热量的值是固定的、但是各化石能源单位热值含碳量与碳氧化率的值在不同的地区是不同的，为了符合中国的实际情况，所以各化石能源单位
热值含碳量与碳氧化率的值采用《温室气体清单编制指南》中提供的各化石能源单位热值含碳量与碳氧化率的值。
[0043]
所述步骤e中的未来该区域内的碳排放量的计算过程如公式(10)所示：
[0044][0045]
式(10)中，c为未来该区域内的碳排放量，单位为吨co2；nci为终端部门i的能源需求量，单位为吨标准煤；s
ik
为预测能源结构的马尔科夫模型中各终端部门中煤炭的比重 s
ic
、石油的比重s
io
、天然气的比重s
ig
；tcj为转化部门j的能源需求量，单位为吨标准煤； s
jk
为预测能源结构的马尔科夫模型中各转化部门中煤炭的比重s
jc
、石油的比重s
jo
、天然气的比重s
jg
；efk为各化石能源的碳排放因子，单位为吨co2/吨标准煤。
[0046]
本发明相比现有技术有如下优点：
[0047]
一是预测结果来源于广泛的数据组合：本发明提供的预测方法在预测未来某一区域的二氧化碳排放量时，基于马尔科夫模型和leap模型、能够综合考虑区域内各部门能源消费的历史数据，也包括对各部门能源需求起到关键推动因素的数据以及当地的各化石能源单位热值含碳量与碳氧化率的值。
[0048]
二是预测过程中考虑了政策影响：该预测方法不仅考虑到不同区域的资源禀赋不同，同时准确衡量政策、经济结构等变动带来的影响。
附图说明
[0049]
附图1为本发明提供的区域碳排放量预测方法流程图；
[0050]
附图2为本发明的实施例一所预测的上海市2020-2035年碳排放量。
具体实施方式
[0051]
下面结合附图及具体实施例对本发明作进一步详细说明，应理解这些实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
[0052]
如图1所示的区域碳排放量预测方法，包括以下步骤：
[0053]
步骤a、将区域内的部门划分为终端部门和转化部门，其中终端部门包含农业、工业、建筑业、交通业、居民生活和其他行业，转化部门包含本地电力生产与外来电力生产；
[0054]
步骤b、获取区域内各部门能源消费的历史消费数据，构建预测能源消费结构的马尔科夫模型；
[0055]
其中预测终端部门能源结构的马尔科夫模型的构建方法为：
[0056]
步骤b11、分别获取六个终端部门的煤炭、石油、天然气和电力的历史消费数据，构建六个终端部门的能源消费结构状态的向量为si(n)＝[s
ic
(n),s
io
(n),s
ig
(n),s
ie
(n)]，其中 s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)分别表示煤炭、石油、天然气和电力在各终端部门的能源消费总量a中所占的比重，s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)之和为1；
[0057]
步骤b12、对于六个终端部门，各终端部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵pi(n)为：
[0058][0059]
式(1)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率，例：p
ic
→c(n) 为n时刻到n+1时刻煤炭消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率，例：p
ic
→o(n)为n时刻到n+1时刻煤炭消费比例向石油消费比例转移的概率。
[0060]
步骤b13、确定各终端部门的转移概率矩阵pi(n)中的各个元素，再得出各终端部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵pi(1)，pi(2)...pi(n)，根据式(2)确定各终端部门的平均转移概率矩阵pi：
[0061][0062]
步骤b14、根据各终端部门的平均转移概率矩阵pi，由式(3)预测n+m时刻各终端部门的能源消费结构：
[0063]
si(n+m)＝si(n)
×
p
im
ꢀꢀ
(3)
[0064]
式(3)中，si(n+m)为n+m时刻各终端部门的能源消费结构状态向量；si(n)为n时刻各终端部门的能源消费结构状态向量；p
im
为各终端部门平均转移矩阵的m次方。
[0065]
其中预测转化部门能源结构的马尔科夫模型的构建方法为：
[0066]
步骤b21、分别获取两个转化部门的煤炭、石油、天然气与非化石能源的历史消费数据，构建两个转化部门的能源消费结构状态的向量为sj(n)＝[s
jc
(n),s
jo
(n),s
jg
(n),s
jn
(n)]，其中s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)分别表示煤炭、石油、天然气和非化石能源在各转化部门的能源消费总量a中所占的比中，s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)之和为1；
[0067]
步骤b22、对于两个转化部门，各转化部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵pj(n)为：
[0068][0069]
式(4)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率，例：p
jc
→c(n) 为n时刻到n+1时刻煤炭消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率，例：p
jc
→o(n)为n时刻到n+1时刻煤炭消费比例向石油消费比例转移的概率。
[0070]
步骤b23、确定各转化部门的转移概率矩阵pj(n)中的各个元素，再得出各转化部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵pj(1)，pj(2)...pj(n)，根据式(5)确定各转化部门的平均转移概率矩阵pj：
[0071][0072]
步骤b24、根据各转化部门的平均转移概率矩阵pj，由式(6)预测n+m时刻各转化部门的能源消费结构：
[0073]
sj(n+m)＝sj(n)
×
p
jm
ꢀꢀ
(6)
[0074]
式(6)中，sj(n+m)为n+m时刻各转化部门的能源消费结构状态向量；sj(n)为n时刻各转化部门的能源消费结构状态向量；p
jm
为各转化部门平均转移矩阵的m次方。
[0075]
步骤c、获取区域内对各部门能源需求起到关键推动因素(指gdp、人口、行业比重、汽车保有量、能源强度、发电效率)的历史需求数据和区域内的政策设定目标，得出预测期限内的各关键推动因素的未来需求数据，构建预测能源需求量的leap模型；
[0076]
其中预测终端部门能源需求量的leap模型是根据各终端部门的活动水平和对应的能源强度去计算该终端部门的能源需求量，则终端部门i的能源需求量为：
[0077]
nci＝ai×ii
ꢀꢀ
(7)
[0078]
式(7)中，nci为终端部门i的能源需求量，单位为吨标准煤；ai为终端部门i的活动水平，其中农业、工业、建筑业、其他行业的活动水平基于gdp和行业比重的乘积获得且单位为万元，交通业的活动水平单位为万辆，居民生活的活动水平单位为万人；ii为终端部门i 对应的单位活动水平的能源消费量，即能源强度，其中农业、工业、建筑业、其他行业的能源强度单位为吨标准煤/万元，交通业的能源强度单位为吨标准煤/万辆，居民生活的能源强度单位为吨标准煤/万人。
[0079]
因为转化部门指的是将一次能源转化为二次能源供给终端消费的部门，故预测转化部门能源需求量的leap模型是根据各转化部门在一定时期内电力生产所需要的能源去计算该转化部门的能源需求量，则转化部门j的能源需求量为；
[0080]
tcj＝gj×ej
ꢀꢀ
(8)
[0081]
式(8)中，tcj为转化部门j的能源需求量，单位为吨标准煤；gj为转化部门j的发电量，单位为吨标准煤；ej为转化部门j对应的发电效率，单位％；
[0082]
步骤d、因为各化石能源平均低位发热量的值是固定的、但是各化石能源单位热值含碳量与碳氧化率的值在不同的地区是不同的，为了符合中国的实际情况，所以各化石能源单位热值含碳量与碳氧化率的值采用《温室气体清单编制指南》中提供的各化石能源单位热值含碳量与碳氧化率的值；故各化石能源的碳排放因子的计算过程如公式(9)所示：
[0083][0084]
式(9)中，efk为各化石能源的碳排放因子，单位为吨co2/吨标准煤；ncvk为各化石能源平均低位发热量、为固定值；cefk为各化石能源单位热值含碳量；cofk为各化石能源燃烧时的碳氧化率；为各化石能源折标准煤系数；为二氧化碳和碳的分子量比值。
[0085]
步骤e、根据预测的未来一定时期内的区域内各部门的能源消费结构、能源需求量以及各化石能源的碳排放因子，计算出未来该区域内的碳排放量；计算过程如公式(10)所示：
[0086][0087]
式(10)中，c为未来该区域内的碳排放量，单位为吨co2；nci为终端部门i的能源需求量，单位为吨标准煤；s
ik
为预测能源结构的马尔科夫模型中各终端部门中煤炭的比重s
ic
、石油的比重s
io
、天然气的比重s
ig
；tcj为转化部门j的能源需求量，单位为吨标准煤； s
jk
为预测能源结构的马尔科夫模型中各转化部门中煤炭的比重s
jc
、石油的比重s
jo
、天然气的比重s
jg
；efk为各化石能源的碳排放因子，单位为吨co2/吨标准煤。
[0088]
实施例一
[0089]
以上海市为例，将上海市分为终端部门与转化部门，终端部门包括农业、工业、建筑业、交通业、居民生活和其他行业；转化部门包括本地电力生产与外来电力生产。由《中国能源统计年鉴》获取上海市2012-2019年各部门能源消耗的历史数据，通过折标准煤系数将各类能源统一单位，得出2012-2019年各部门中的各能源比重如表1所示，再根据区域碳排放量预测方法的步骤b，以2012-2019年为基准，预测出各部门2020-2035年的能源结构。
[0090]
表1 2012-2019年各部门中的各能源比重
[0091][0092]
根据上海市目前的经济发展现状与相关政策规划设置预测能源需求量的leap模
型的相关参数如表2所示。其设置的参数主要来源于上海市规划文件。由于leap模型，只需要设置一年为基准年，故以2019年为基准年，预测期为2020-2035年，根据区域碳排放量预测方法的步骤c对上海市各部门能源需求进行预测分析。
[0093]
表2 leap模型主要参数设置
[0094][0095]
根据步骤d，计算出煤炭、石油、天然气的碳排放因子，如表3所示。
[0096]
表3碳排放因子
[0097]
能源种类碳排放因子煤炭2.764吨co2/吨标准煤石油2.114吨co2/吨标准煤天然气2.663吨co2/吨标准煤
[0098]
利用本专利提出的方法，上海市2020-2035年碳排放量如图2所示。可以看出上海市碳排放量在2019-2027年呈上升趋势，于2027年达到3.41亿吨co2的峰值后保持稳步降低， 2035年的碳排放总量为3.27亿吨co2。
[0099]
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本发明未涉及的技术均可通过现有技术加以实现。

技术特征：

1.一种区域碳排放量预测方法，其特征在于：该预测方法步骤如下：步骤a、将区域内的部门划分为终端部门和转化部门，其中终端部门包含农业、工业、建筑业、交通业、居民生活和其他行业，转化部门包含本地电力生产与外来电力生产；步骤b、获取区域内各部门能源消费的历史消费数据，构建预测能源消费结构的马尔科夫模型；步骤c、获取区域内对各部门能源需求起到关键推动因素的历史需求数据和区域内的政策设定目标，得出预测期限内的各关键推动因素的未来需求数据，构建预测能源需求量的leap模型；上述关键推动因素指gdp、人口、行业比重、汽车保有量、能源强度、发电效率；步骤d、计算各化石能源的碳排放因子；步骤e、根据预测的未来一定时期内的区域内各部门的能源消费结构、能源需求量以及各化石能源的碳排放因子，计算出未来该区域内的碳排放量。2.根据权利要求1所述的区域碳排放量预测方法，其特征在于：所述步骤b中的预测能源结构的马尔科夫模型包括预测终端部门能源结构的马尔科夫模型和预测转化部门能源结构的马尔科夫模型。3.根据权利要求2所述的区域碳排放量预测方法，其特征在于：预测终端部门能源结构的马尔科夫模型的构建方法为：步骤b11、分别获取六个终端部门的煤炭、石油、天然气和电力的历史消费数据，构建六个终端部门的能源消费结构状态的向量为s
i
(n)＝[s
ic
(n),s
io
(n),s
ig
(n),s
ie
(n)]，其中s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)分别表示煤炭、石油、天然气和电力在各终端部门的能源消费总量a中所占的比重，s
ic
(n)、s
io
(n)、s
ig
(n)、s
ie
(n)之和为1；步骤b12、对于六个终端部门，各终端部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵p
i
(n)为：式(1)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率；步骤b13、确定各终端部门的转移概率矩阵p
i
(n)中的各个元素，再得出各终端部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵p
i
(1)，p
i
(2)...p
i
(n)，根据式(2)确定各终端部门的平均转移概率矩阵p
i
：步骤b14、根据各终端部门的平均转移概率矩阵p
i
，由式(3)预测n+m时刻各终端部门的能源消费结构：s
i
(n+m)＝s
i
(n)
×
p
im
ꢀꢀ
(3)式(3)中，s
i
(n+m)为n+m时刻各终端部门的能源消费结构状态向量；s
i
(n)为n时刻各终端部门的能源消费结构状态向量；p
im
为各终端部门平均转移矩阵的m次方。
4.根据权利要求2所述的区域碳排放量预测方法，其特征在于：预测转化部门能源结构的马尔科夫模型的构建方法为：步骤b21、分别获取两个转化部门的煤炭、石油、天然气与非化石能源的历史消费数据，构建两个转化部门的能源消费结构状态的向量为s
j
(n)＝[s
jc
(n),s
jo
(n),s
jg
(n),s
jn
(n)]，其中s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)分别表示煤炭、石油、天然气和非化石能源在各转化部门的能源消费总量a中所占的比中，s
jc
(n)、s
jo
(n)、s
jg
(n)、s
jn
(n)之和为1；步骤b22、对于两个转化部门，各转化部门的能源消费结构从n时刻到n+1时刻的转移概率矩阵p
j
(n)为：式(4)中，主对角线上的元素代表了各类能源消费继续保持原有比例的概率；主对角线外的元素表示该类能源消费向他类能源消费转移的比例概率。步骤b23、确定各转化部门的转移概率矩阵p
j
(n)中的各个元素，再得出各转化部门从初始时刻到n时刻能源消费结构的每步转移概率矩阵p
j
(1)，p
j
(2)...p
j
(n)，根据式(5)确定各转化部门的平均转移概率矩阵p
j
：步骤b24、根据各转化部门的平均转移概率矩阵p
j
，由式(6)预测n+m时刻各转化部门的能源消费结构：s
j
(n+m)＝s
j
(n)
×
p
jm
ꢀꢀ
(6)式(6)中，s
j
(n+m)为n+m时刻各转化部门的能源消费结构状态向量；s
j
(n)为n时刻各转化部门的能源消费结构状态向量；p
jm
为各转化部门平均转移矩阵的m次方。5.根据权利要求1-4任一所述的区域碳排放量预测方法，其特征在于：所述步骤c中的预测能源需求量的leap模型包括预测终端部门能源需求量的leap模型和预测转化部门能源需求量的leap模型；其中预测终端部门能源需求量的leap模型是根据各终端部门的活动水平和对应的能源强度去计算该终端部门的能源需求量，则终端部门i的能源需求量为：nc
i
＝a
i
×
i
i
ꢀꢀ
(7)式(7)中，nc
i
为终端部门i的能源需求量，单位为吨标准煤；a
i
为终端部门i的活动水平，其中农业、工业、建筑业、其他行业的活动水平基于gdp和行业比重的乘积获得且单位为万元，交通业的活动水平单位为万辆，居民生活的活动水平单位为万人；i
i
为终端部门i对应的单位活动水平的能源消费量，即能源强度，其中农业、工业、建筑业、其他行业的能源强度单位为吨标准煤/万元，交通业的能源强度单位为吨标准煤/万辆，居民生活的能源强度单位为吨标准煤/万人；其中预测转化部门能源需求量的leap模型是根据各转化部门在一定时期内电力生产所需要的能源去计算该转化部门的能源需求量，则转化部门j的能源需求量为；
tc
j
＝g
j
×
e
j
ꢀꢀ
(8)式(8)中，tc
j
为转化部门j的能源需求量，单位为吨标准煤；g
j
为转化部门j的发电量，单位为吨标准煤；e
j
为转化部门j对应的发电效率，单位％。6.根据权利要求1-4任一所述的区域碳排放量预测方法，其特征在于：所述步骤d中的化石能源的碳排放因子的计算根据各化石能源平均低位发热量、是各化石能源单位热值含碳量与碳氧化率的值确定，故各化石能源的碳排放因子的计算过程如公式(9)所示：式(9)中，ef
k
为各化石能源的碳排放因子，单位为吨co2/吨标准煤；ncv
k
为各化石能源平均低位发热量、为固定值；cef
k
为各化石能源单位热值含碳量；cof
k
为各化石能源燃烧时的碳氧化率；为各化石能源折标准煤系数；为二氧化碳和碳的分子量比值。7.根据权利要求6所述的区域碳排放量预测方法，其特征在于：各化石能源单位热值含碳量与碳氧化率的值采用《温室气体清单编制指南》中提供的各化石能源单位热值含碳量与碳氧化率的值。8.根据权利要求1所述的区域碳排放量预测方法，其特征在于：所述步骤e中的未来该区域内的碳排放量的计算过程如公式(10)所示：式(10)中，c为未来该区域内的碳排放量，单位为吨co2；nc
i
为终端部门i的能源需求量，单位为吨标准煤；s
ik
为预测能源结构的马尔科夫模型中各终端部门中煤炭的比重s
ic
、石油的比重s
io
、天然气的比重s
ig
；tc
j
为转化部门j的能源需求量，单位为吨标准煤；s
jk
为预测能源结构的马尔科夫模型中各转化部门中煤炭的比重s
jc
、石油的比重s
jo
、天然气的比重s
jg
；ef
k
为各化石能源的碳排放因子，单位为吨co2/吨标准煤。

技术总结

本发明公开了一种区域碳排放量预测方法，该预测方法步骤如下：将区域内的部门划分为终端部门和转化部门，其中终端部门包含农业、工业、建筑业、交通业、居民生活和其他行业，转化部门包含本地电力生产与外来电力生产；获取区域内各部门能源消费的历史消费数据，构建预测能源消费结构的马尔科夫模型；获取区域内对各部门能源需求起到关键推动因素的历史需求数据，得出各因素的未来变化趋势，构建预测能源需求量的LEAP模型；计算各化石能源的碳排放因子；根据预测的能源消费结构、能源需求量以及各化石能源的碳排放因子，计算出未来该区域内的碳排放量。本发明的预测方法基于马尔科夫模型和LEAP模型，综合考虑区域资源、历史数据，并衡量政策和经济结构变动的影响。衡量政策和经济结构变动的影响。衡量政策和经济结构变动的影响。