【技术实现步骤摘要】
本专利技术涉及一种不确定条件下机场中长期碳排放预测方法及系统，属于污染排放预测。
技术介绍
1、机场碳排放受到了多种不确定因素影响，主要来自社会经济和减排力度，导致发展趋势模糊。因此，应当开展多种可能性下的机场中长期碳排放预测，制定适宜、高效的减排策略。
2、目前，在机场碳排放预测的研究中，主要以航空器发动机为排放源，没有全面考虑机场运行相关的地面设施和地面交通等相关排放源，且没有考虑不确定因素对机场碳排放的影响，无法对机场碳减排工作做出有效指导。
技术实现思路
1、本专利技术的目的在于提供一种不确定条件下机场中长期碳排放预测方法及系统，以解决现有技术中对于机场碳排放源考虑不全面和未考虑不确定因素对机场碳排放影响的问题。
2、为实现上述目的，本专利技术采用如下技术方案：
3、一方面，本专利技术提供了一种不确定条件下机场中长期碳排放预测方法，包括：
4、根据机场发展的不确定性，构建不同的机场发展情景，设置不同机场发展情景下预测区间内的社会经济参数和减排措施参数；
5、将不同机场发展情景下预测区间内的社会经济参数分别输入预先训练获得的bp神经网络模型，预测得到不同机场发展情景下的机场吞吐量；
6、根据不同机场发展情景下预测得到的机场吞吐量和预测区间内的减排措施参数，计算不同机场发展情景下碳排放终端的活动水平；
7、根据不同机场发展情景下预测区间内的减排措施参数，计算不同机场发展情景下碳排放终端的能源强度
8、将不同机场发展情景下碳排放终端的活动水平和能源强度输入机场leap模型，预测得到不同机场发展情景下的机场碳排放趋势。
9、进一步地，所述机场发展情景由社会经济情景和减排情景组成；
10、所述社会经济情景包括慢速发展情景和快速发展情景；
11、所述减排情景包括基准力度情景、既定政策力度情景和低碳发展力度情景。
12、进一步地，所述社会经济参数包括城镇化率、常住人口增长率、gdp增长率和第三产业总值增长率；
13、所述减排措施参数包括运行改进类措施参数、结构优化类措施参数、技术进步类措施参数和替代燃料类措施参数；
14、其中，所述运行改进类措施参数包括进离场程序优化渗透率、场面运行优化渗透率和单发滑行渗透率；
15、所述结构优化类措施参数包括辅助动力装置替代率和旅客轨道交通到达比例；
16、所述技术进步类措施参数包括航空器能源效率提高渗透率、地面支持设备能源效率提高渗透率和机场周边机动车能源效率提高渗透率；
17、所述替代燃料类措施参数包括航空器替代燃料占比、地面支持设备替代燃料占比和周边机动车替代燃料占比。
18、进一步地，所述bp神经网络模型根据以下方法得到：
19、获取不同机场发展情景下社会经济参数和机场吞吐量的历史数据，所述机场吞吐量包括旅客吞吐量和货邮吞吐量；
20、构建bp神经网络模型，将社会经济参数作为模型输入、机场旅客吞吐量和货邮吞吐量作为模型输出，利用所述历史数据训练bp神经网络模型。
21、进一步地，所述碳排放终端包括航空器发动机、辅助动力装置、地面支持设备和周边机动车；
22、所述根据不同机场发展情景下预测得到的机场吞吐量和预测区间内的减排措施参数，计算不同机场发展情景下碳排放终端的活动水平，包括：
23、根据下述公式计算航空器发动机的活动水平：
24、
25、式中：为第y年i类j型航空器发动机的活动水平，lto循环；i指航空器类别，分为客机p和货机c；j指机型；pty为第y年的旅客吞吐量；为第y年机型j在i类航空器中的比例；si,j为i类j型航空器运量；为第y年i类j型航空器的满载率；cty为第y年的货邮吞吐量；αy为第y年全货机运量占货邮吞吐量的比例；
26、根据下述公式计算辅助动力装置的活动水平：
27、
28、式中：为第y年j型客机配备辅助动力装置的活动水平；为j型客机配备发动机的活动水平，lto循环；为j型客机单位lto循环对应的辅助动力装置运行时间；为第y年辅助动力装置的替代率；
29、根据下述公式计算地面支持设备的活动水平：
30、
31、式中：为第y年k类地面支持设备的活动水平；为i类j型航空器单位lto循环对应k类地面支持设备的运行时间；
32、根据下述公式计算周边机动车的活动水平：
33、
34、式中：为第y年l类机场周边机动车的活动水平；δ为中转旅客占比；φy为第y年轨道交通出行占比；θl,y为第y年l类车辆占比；k为周边机动车在机场范围内的行驶距离。
35、进一步地，所述根据不同机场发展情景下预测区间内的减排措施参数，计算不同机场发展情景下碳排放终端的能源强度，包括：
36、根据下述公式计算航空器发动机的能源强度：
37、
38、式中：是航空器发动机第y年的能源强度，为航空器发动机基准年的能源强度，m为针对航空器发动机的m类技术，包括进离场程序优化、场面运行优化、单发滑行和航空器能源效率提高四种措施，δm为m类技术的能效提升率，是第y年m类技术的渗透率；
39、根据下述公式计算地面支持设备的能源强度：
40、
41、式中：是地面支持设备第y年的能源强度，为地面支持设备基准年的能源强度，n为针对地面支持设备的n类技术，包括地面支持设备能源效率提高措施，δn为n类技术的能效提升率，是第y年n类技术的渗透率；
42、根据下述公式计算周边机动车的能源强度：
43、
44、式中：是周边机动车第y年的能源强度，为周边机动车基准年的能源强度，o为针对周边机动车的o类技术，包括周边机动车能源效率提高措施，δo为o类技术的能效提升率，是第y年o类技术的渗透率。
45、进一步地，根据机场交通特点构建机场leap模型，具体包括：
46、按照树状层级结构搭建机场leap模型，共分为部门、子部门、终端使用和设备四层：
47、部门层为机场；
48、子部门层根据机场排放源类型，分为航空器发动机、辅助动力装置、地面支持设备和周边机动车四个分支；航空器发动机分为客机发动机和货机发动机两个分支；
49、终端使用层按照各排放源种类分支，包括：将客机发动机分为宽体客机发动机、窄体客机发动机和支线客机发动机三个分支；将货机发动机分为宽体货机发动机和窄体货机发动机两个分支；将辅助动力装置分为宽体客机辅助动力装置和窄体客机辅助动力装置两个分支；将地面支持设备分为空气启动车、飞机牵引车、行李牵引车、皮带装载机、客舱服务车、货物装载机、餐饮车、燃油车、地面动力装置、消防栓车、盥洗车和服务车十二个分支；将周边机动车分为机场大巴、私家车和出租车三个分支；...
【技术保护点】
1.一种不确定条件下机场中长期碳排放预测方法，其特征在于，包括：
2.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述机场发展情景由社会经济情景和减排情景组成；
3.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，
4.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述BP神经网络模型根据以下方法得到：
5.根据权利要求3所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述碳排放终端包括航空器发动机、辅助动力装置、地面支持设备和周边机动车；
6.根据权利要求5所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述根据不同机场发展情景下预测区间内的减排措施参数，计算不同机场发展情景下碳排放终端的能源强度，包括：
7.根据权利要求6所述的不确定条件下机场中长期碳排放预测方法，其特征在于，根据机场交通特点构建机场LEAP模型，具体包括：
8.根据权利要求7所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述将不
9.一种不确定条件下机场中长期碳排放预测系统，其特征在于，包括：
...【技术特征摘要】
1.一种不确定条件下机场中长期碳排放预测方法，其特征在于，包括：
2.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述机场发展情景由社会经济情景和减排情景组成；
3.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，
4.根据权利要求1所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述bp神经网络模型根据以下方法得到：
5.根据权利要求3所述的不确定条件下机场中长期碳排放预测方法，其特征在于，所述碳排放终端包括航空器发动机、辅助动力装置、地面支持设备和周边机动车；
6.根据权利要...
【专利技术属性】
技术研发人员：万莉莉，叶文婧，吕洋洋，单展鹏，戴林嫣然，姜欣玥，王湛，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。