一种多情景建筑碳排放预测方法及装置制造方法及图纸

本发明专利技术公开了一种多情景建筑碳排放预测方法及装置，属于碳排放预测技术领域，方法包括步骤：根据建筑能源消耗和碳排放现状分析，获取建筑能源消耗和碳排放量的历史数据和获取建筑碳排放量的影响因素；结合所述历史数据和所述影响因素，构建包含各建筑种类、终端用能部门和终端用能设备的建筑LEAP情景模型；将设定的情景内容和所述情景内容相对应的情景参数输入到所述建筑LEAP情景模型中预测获得一定时间段内的建筑碳排放量、碳达峰时间和峰值，本发明专利技术能够针对建筑运营期的碳排放量进行有效预测，预测偏离率小，准确度高。准确度高。准确度高。

【技术实现步骤摘要】
一种多情景建筑碳排放预测方法及装置


[0001]本专利技术属于碳排放预测
，具体涉及一种多情景建筑碳排放预测方法及装置。

技术介绍

[0002]建筑全过程碳排放总量占全社会碳排放的比重近一半左右。其中，建筑运行阶段碳排放量又占建筑全过程碳排放总量大部分比例。当前CO2排放量持续上升，但对于一定区域范围内实现碳排放达峰是一个至关重要事项，其有效预测对于制定碳排放达峰行动方案起到关键的决策作用和指引。建筑部门减排潜力达到74％，在三大能耗部门中占据首位，是工业部门减排潜力的1.5倍，可为碳排放提前达峰贡献约50％的节能量。因此，建筑部门是应对气候变化和节能减排的重点领域，同时也是实现碳达峰的关键。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种多情景建筑碳排放预测方法及装置，能够针对建筑运营期的碳排放量进行有效预测，预测偏离率小，准确度高。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]一方面，本专利技术提供了一种多情景建筑碳排放预测方法，包括如下方法步骤：
[0006]根据建筑能源消耗和碳排放现状分析，获取建筑能源消耗和碳排放量的历史数据和获取建筑碳排放量的影响因素；
[0007]结合所述历史数据和所述影响因素,根据建筑种类用途构建包含六层分类结构的建筑LEAP情景模型；
[0008]将设定的情景内容和所述情景内容相对应的情景参数输入到所述建筑LEAP情景模型中预测获得一定时间段内的建筑碳排放量、碳达峰时间和峰值。
[0009]进一步的，所述影响因素包括城镇/农村人口、人均建筑面积、建筑面积能耗强度和能源碳排放强度。
[0010]进一步的，所述历史数据的建筑能源消耗和碳排放量的获取计算采用公式分别表示为：
[0011]建筑能源消耗：
[0012]BE＝BE
b
‑
TE+EH+BE0[0013]式中，BE为建筑能耗，BE
b
为建筑能耗基础量，TE为交通能耗扣除量，EH为供暖能耗修正量，BE0为其他部门建筑能耗；
[0014]碳排放量：
[0015]建筑碳排放＝化石能源消费量*碳排放因子+电力能源消费量*碳排放因子+热力能源消费量*碳排放因子。
[0016]进一步的，所述建筑LEAP情景模型包括由上而下设置的建筑、建筑种类、建筑子种类、终端用能部门、终端用能设备和能源类型六层结构。
[0017]进一步的，所述终端用能部门的终端能源消耗产生的碳排放量计算公式：
[0018][0019]式中，C为碳排放量；AL为某一能源类型在某一终端用能部门使用某一种终端用能设备的利用率；EI为能耗强度；a为终端用能部门；b为终端用能设备；c为能源类型；EF为能源类型的碳排放系数。
[0020]进一步的，所述建筑碳排放量计算公式为：
[0021]C＝C
E
*E
S
*S
P
*U*P
t
[0022]式中，C为建筑碳排放量，C
E
为建筑能源碳排放系数，E
S
为单位建筑面积能耗强度，S
P
为人均建筑面积，U为城镇化率，P
t
为年末常住人口。
[0023]进一步的，预测获得一定时间段[0,T]内的建筑碳排放量，采用如下计算公式：
[0024][0025]式中，C
T
为T时期的建筑碳排放量，C0为初始时期的建筑碳排放量；ΔC为一定时间段[0,T]内的建筑碳排放总量的变化值，等于各影响因素的影响效应之和；为建筑能源碳排放系数影响效应；为建筑单位面积能耗强度影响效应；为建筑人均面积影响效应；ΔC
U
为城乡人口结构影响效应；为总人口规模影响效应。
[0026]进一步的，所述建筑碳排放系数影响效应公式表示为：
[0027][0028]式中，为T时期的建筑能源碳排放系数，为初始时期的建筑能源碳排放系数；
[0029][0030]式中，为T时期的单位建筑面积能耗强度，为为初始时期的单位建筑面积能耗强度；
[0031][0032]式中，为T时期的人均建筑面积，为初始时期的人均建筑面积；
[0033][0034]式中，为T时期的城镇化率，为初始时期的城镇化率；
[0035][0036]式中，为T时期的年末常住人口，为初始时期的年末常住人口。
[0037]进一步的，还包括基于所述建筑LEAP情景模型进行单一所述影响因素敏感性分析，具体方法如下：
[0038]依次在每个情景内容中只改变一种情景参数的不同变化速率，保持其他情景内容参数变化速率不变，单独限定分析各情景参数变化对建筑碳排放量、碳达峰时间及峰值量的影响。
[0039]另一方面，本专利技术提供了一种多情景建筑碳排放预测装置，包括如下模块：
[0040]数据获取模块，用于根据建筑能源消耗和碳排放现状分析，获取建筑能源消耗和碳排放量的历史数据和获取建筑碳排放量的影响因素；
[0041]模型构建模块，用于结合所述历史数据和所述影响因素，构建包含建筑、建筑种类、建筑子种类、终端用能部门、终端用能设备和能源类型的建筑LEAP情景模型；
[0042]结果预测模块，用于将设定的情景内容和所述情景内容相对应的情景参数输入到所述建筑LEAP情景模型中预测获得一定时间段内的建筑碳排放量、碳达峰时间和峰值。
[0043]与现有技术相比，本专利技术所达到的有益效果。
[0044]本专利技术提供的多情景建筑碳排放预测方法采用从建筑种类到建筑终端用能部门到终端用能设备、能源类型等，设立构建六层结构的建筑LEAP情景模型，并设定情景内容的驱动因素参数，从而计算碳排放值，建筑LEAP情景模型更加细致清晰，从终端用能设备能耗到宏观建筑能源消耗，自上而下构建情景内容融合不同建筑类型、不同建筑终端用能部门、终端用能设备及能源类型等，从而使建筑碳排放预测更为准确；
[0045]并采用控制变量法仅改变一种情景参数，以确定不同情景下的碳排放达峰峰值和时间，进行敏感性分析，便于用来进行能源需求预测情景分析及能源政策的模拟分析，适应数据信息变化处理迅速的需求。
附图说明
[0046]图1是根据本专利技术实施例提供的一种多情景建筑碳排放预测方法的流程图。
[0047]图2是根据本专利技术实施例提供的一种影响因素敏感性分析的流程图。
[0048]图3是根据本专利技术实施例提供的一种建筑LEAP情景模型的六层结构图。
具体实施方式
[0049]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0050]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多情景建筑碳排放预测方法，其特征在于，包括如下方法步骤：根据建筑能源消耗和碳排放现状分析，获取建筑能源消耗和碳排放量的历史数据和获取建筑碳排放量的影响因素；结合所述历史数据和所述影响因素,根据建筑种类用途构建包含六层分类结构的建筑LEAP情景模型；将设定的情景内容和所述情景内容相对应的情景参数输入到所述建筑LEAP情景模型中预测获得一定时间段内的建筑碳排放量、碳达峰时间和峰值。2.根据权利要求1所述的多情景建筑碳排放预测方法，其特征在于，所述影响因素包括城镇/农村人口、人均建筑面积、建筑面积能耗强度和能源碳排放强度。3.根据权利要求2所述的多情景建筑碳排放预测方法，其特征在于，所述历史数据的建筑能源消耗和碳排放量的获取计算采用公式分别表示为：建筑能源消耗表示为：BE＝BE
b
‑
TE+EH+BE0式中，BE为建筑能耗，BE
b
为建筑能耗基础量，TE为交通能耗扣除量，EH为供暖能耗修正量，BE0为其他部门建筑能耗；碳排放量表示为：建筑碳排放＝化石能源消费量*碳排放因子+电力能源消费量*碳排放因子+热力能源消费量*碳排放因子。4.根据权利要求1所述的多情景建筑碳排放预测方法，其特征在于，所述建筑LEAP情景模型包括由上而下设置的建筑、建筑种类、建筑子种类、终端用能部门、终端用能设备和能源类型六层结构。5.根据权利要求4所述的多情景建筑碳排放预测方法，其特征在于，所述终端用能部门的终端能源消耗产生的碳排放量计算公式：式中，C为碳排放量；AL为某一能源类型在某一终端用能部门使用某一种终端用能设备的利用率；EI为能耗强度；a为终端用能部门；b为终端用能设备；c为能源类型；EF为能源类型的碳排放系数。6.根据权利要求5所述的多情景建筑碳排放预测方法，其特征在于，所述建筑碳排放量计算公式为：C＝C
E
*E
S
*S
P
*U*P
t
式中，C为建筑碳排放量，C
E
为建筑能源碳排放系数，E
S

【专利技术属性】
技术研发人员：武文娟，沈志明，卢立群，曹静，缪志勇，王申进，凌羽，
申请(专利权)人：南京建丰绿建节能咨询评估有限公司，
类型：发明
国别省市：