CN116362528A - 一种预测钢铁企业碳排放趋势的方法 - Google Patents
一种预测钢铁企业碳排放趋势的方法 Download PDFInfo
- Publication number
- CN116362528A CN116362528A CN202211671970.5A CN202211671970A CN116362528A CN 116362528 A CN116362528 A CN 116362528A CN 202211671970 A CN202211671970 A CN 202211671970A CN 116362528 A CN116362528 A CN 116362528A
- Authority
- CN
- China
- Prior art keywords
- emission
- iron
- carbon
- energy
- steel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 150
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 143
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 127
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 121
- 239000010959 steel Substances 0.000 title claims abstract description 121
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims description 60
- 239000000047 product Substances 0.000 claims description 44
- 238000000354 decomposition reaction Methods 0.000 claims description 26
- 238000004519 manufacturing process Methods 0.000 claims description 22
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 16
- 229910001341 Crude steel Inorganic materials 0.000 claims description 11
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 238000005245 sintering Methods 0.000 claims description 7
- 238000009628 steelmaking Methods 0.000 claims description 7
- 239000005431 greenhouse gas Substances 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 239000011203 carbon fibre reinforced carbon Substances 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 3
- 239000007795 chemical reaction product Substances 0.000 claims description 3
- 239000000571 coke Substances 0.000 claims description 3
- 238000004939 coking Methods 0.000 claims description 3
- 238000005097 cold rolling Methods 0.000 claims description 3
- 238000009749 continuous casting Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 3
- 238000005098 hot rolling Methods 0.000 claims description 3
- 230000003647 oxidation Effects 0.000 claims description 3
- 238000007254 oxidation reaction Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Manufacturing & Machinery (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
一种预测钢铁企业碳排放趋势的方法，解决传统的预测方法受主观因素影响程度大，不具备各企业发展的针对性，预测结果与实际情况之间存在不可估算的偏差，适用性差的问题。该预测钢铁企业碳排放趋势的方法，通过确定碳排放量核算范围，收集计算该确定范围的钢铁企业在所述时间节点之前的碳排放量，依据计算结果分析影响碳排放量主要因素的影响效果；结合行业发展趋势和企业发展规划，设置对未来排放量产生影响的情景；并建立预测碳排量的计算模型，计算不同情景下的碳排放量，得到各自达到峰值的时间和峰值排放量，最终确定钢铁企业在不同情景下达到碳排放峰值的路径，有效指导企业推动降碳目标的实现。
Description
技术领域
本发明属于碳排放管理技术领域，具体涉及一种可基于不同的情景设置条件建立计算模型，预测钢铁企业未来一定时期内的碳排放量，得到相对应的碳排放峰值时间和峰值排放量，并分析各因素对预测排放量的影响效果，能够形成各情景下达到碳排放峰值的路径，指导企业推动降碳目标实现的预测钢铁企业碳排放趋势的方法。
背景技术
我国拥有世界上最完整、最大规模的钢铁工业体系，粗钢产量占全球总产量的50％以上，碳排放量占全球钢铁碳排放总量的60％以上，是制造业31个门类中碳排放量大户。降碳目标的提出，使得钢铁行业成为业内关注的焦点；钢铁企业的碳排放峰值对钢铁行业、甚至全国降碳目标的实现至关重要，有必要依据外部政策条件和自身的发展规划，预测碳排放趋势，为制定合理的达到碳排放峰值的路径提供基础和支撑。然而，国内学者对碳排放峰值形势的研究多针对国家、区域甚至行业层面，较少关注具体企业的达到碳排放峰值的趋势。另外，在情景设置时，所考虑因素也较为单一、且宏观，不具备各企业发展的针对性，从而导致预测结果与实际情况之间存在不可估算的偏差。由于预测方法受主观因素影响程度大、适用性差，故有必要对现有的预测钢铁企业碳排放趋势的方法进行改进。
发明内容
本发明就是针对上述问题，提供一种可基于不同的情景设置条件建立计算模型，预测钢铁企业未来一定时期内的碳排放量，得到相对应的碳排放峰值时间和峰值排放量，并分析各因素对预测排放量的影响效果，能够形成各情景下的达到碳排放峰值的路径，指导企业推动降碳目标实现的预测钢铁企业碳排放趋势的方法。
本发明所采用的技术方案是：该预测钢铁企业碳排放趋势的方法包括如下步骤：
步骤一、确定碳排放量核算范围，包括钢铁企业内的主要工序、辅助工序、主要能耗设备及对应消耗和产生的能源种类；
步骤二、收集计算该确定范围的钢铁企业在所述时间节点之前的碳排放量，依据计算结果分析影响碳排放量主要因素的影响效果；
步骤三、结合行业发展趋势和企业发展规划，设置对未来排放量产生影响的情景；基于各种情景，设置具体影响基础参数；
步骤四、碳排放量核算范围、预测情景和基础参数确定后，建立预测碳排放量的计算模型；计算不同情景下的碳排放量，得到各自达到峰值的时间和峰值排放量，并进一步分析各参数对排放量的影响程度；
步骤五、基于预测结果和各因素影响效果，提出相对应的达到碳排放峰值的路径。
所述步骤一，钢铁企业的核算范围的划分以独立核算单位为边界，核算和报告其生产系统产生的温室气体，主要是二氧化碳；其主要生产工序为焦化、烧结、炼铁、炼钢、连铸、轧钢和发电，生产工序所对应的耗能设备为焦炉、烧结机、高炉、转炉和电炉、铸机、冷轧机和热轧机、锅炉。
所述步骤二，能源消耗产生的CO2排放量占全部排放量的80％以上，计算过往排放情况时，仅针对跟能源消耗有关的排放量；估算钢铁企业由能源消耗导致的CO2排放量，其估算公式为：
式中：C——钢铁企业CO2排放总量；
i——能源类型；
Ei——能源i的消耗总量；
Qi——能源i的低位发热量；
εi——能源i的碳含量；
oi——能源i的碳氧化因子；
44/12——二氧化碳与碳的相对分子质量之比。
所述步骤二，完成确定范围的钢铁企业在所述时间节点之前碳排放量的计算后，利用LMDI对数平均权重分解法来分析影响排放量变动的关键因素的影响效果；关键因素包括产品产量、能源消费结构、能源强度和碳排放因子。
所述LMDI对数平均权重分解法具有加法和乘法两种分解形式，其中，加法分解形式主要是对碳排放量的参照基期与对比期进行差量分解，研究不同影响因素在一定时间内对碳排放变化的绝对值影响值；而乘法分解形式，则主要考察的是各影响因素对碳排放量变化贡献的相对水平；两种分解形式具有统一的结论，且其乘法形式和加法形式易于转换；只选取加法形式对计算结果进行分析：
式中：Ci——因能源i产生的CO2排放量；
Ei——能源i的消耗总量；
E——钢铁企业能源消耗总量；
M——钢铁企业的生产总量；
则公式(2)可变形为：
假设时间从t年变化到t+1年，钢铁企业CO2排放量从
变化为/>
得到指数分解形式的加法表达式为：
△C＝Ct+1-Ct＝△CEF+△CK+△CI+△CM (4)
式中：△C——各因素对排放量的贡献量；
△CEF——排放系数的贡献值；
△CK——能源结构的贡献值；
△CI——能源消耗强度的贡献值；
△CM——生产总量的贡献值。
所述步骤三，鉴于钢铁企业的能源需求和碳排放受多个因素的影响，根据钢铁行业发展现状、钢铁企业发展规划、国家、地方的相关政策，以及关键因素的影响程度，设置了基准情景、减排情景和低碳情景三种减排程度不断加大的情景，各情景的主要差异体现在粗钢产量、电炉炼钢比、低碳技术使用率、铁钢比等方面。
所述步骤四，在预测未来可能的碳排放量时，采用自下而上的核算方法；首先确定每个工序流程对应的能耗设备或工艺，再区分能耗设备或工艺的类型、消耗的能源种类、能耗强度及对应的产品产量，计算得到每台能耗设备或工艺的各种能源消耗量，最后利用排放因子得到每台设备的CO2排放量；
将设备排放量累加得到对应工序排放量，各工序排放量累加即为钢铁企业排放总量；主要计算公式如下：
Mj＝∑mk,j (5)
式中，Mj为j工序的产品产量，mk,j为j工序中，由第k种设备或工艺生产的产品产量；Mj可由该工序的产品与粗钢的比例系数与粗钢产量得到，mk,j与对应设备或工艺占该工序所有设备或工艺的比重有关；
式中，pi,k,j为j工序中由第k种设备或工艺生产单位产品第i种能源的需求量或产生量，mk,j同上；根据碳平衡原理，当输入端消耗能源时，pi,k,j取正值；当能源作为输出端产品时，pi,k,j取负值，则某一工序或某一设备或工艺的单位产品能源需求量可由能源需求量和产生量求和得到，再乘以对应产品产量即为能源需求总量；
式中，fi,k,j为CO2排放因子，即j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量或产生量产生的CO2排放量。
计算过程中，基于情景设置得到的基础参数的数值及其变化会影响能耗强度，最终反映在能源消耗量的大小；
基础参数的数值和变化规律与政策和发展规划有关，首先确定钢铁企业的粗钢产量M，依据各工序产品产量与粗钢产量间的比例系数s，确定各工序产品产量Mj，见公式(8)；
Mj＝s×M (8)
其次，参考各工序中设备/工艺的使用情况，确定j工序中，由第k种设备或工艺生产的产品产量mk,j；减排技术种类、使用率对各类产品的能耗强度产生直接影响，最终反映在能源需求/产生量中；
最后，利用CO2排放因子与能源需求/产生量的关系，公式(9)，计算出预测排放量；式中，Qi,k,j为j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量/产生量；
C＝fi,k,j×Qi,k,j (9)
综上，整个钢铁企业预测排放量的计算模型为公式(10)：
C＝F(基础参数,产品产量,能耗强度,二氧化碳排放因子) (10)
该公式表达了影响预测钢铁企业碳排放量的关键因素，及他们与排放量间的函数关系。
所述步骤五，确定钢铁企业在不同情景下达到碳排放峰值的路径；依据建立的模型，计算出不同情景下钢铁企业每一年的排放量，建立计算出预测排放量与对应年份的关系后，即可得到不同情景下达到碳排放峰值的时间和峰值排放量；随后利用敏感性分析方法，保持其余变量不变，分析某一因素或参数对钢铁企业预测排放结果的影响程度，结合LMDI对数平均权重分解法的分析结果提出有针对性和明显效果的达到碳排放峰值的路径。
本发明的有益效果：该预测钢铁企业碳排放趋势的方法通过确定碳排放量核算范围，包括钢铁企业内的主要工序、辅助工序、主要能耗设备及对应消耗和产生的能源种类；收集计算该确定范围的钢铁企业在所述时间节点之前的碳排放量，依据计算结果分析影响碳排放量主要因素的影响效果；结合行业发展趋势和企业发展规划，设置对未来排放量产生影响的情景；基于各种情景，设置具体影响基础参数；并且，在上述各项工作基础上，建立预测碳排量的计算模型，计算不同情景下的碳排放量，得到各自达到峰值的时间和峰值排放量，且进一步分析各参数对排放量的影响程度；最终确定钢铁企业在不同情景下达到碳排放峰值的路径。本方法允许企业根据自身实际情况，设置多种预测情景和影响因素，可有效解决预测方法受主观因素影响程度大、适用性差的问题；可基于不同的情景设置条件建立计算模型，预测钢铁企业未来一定时期内的碳排放量，得到相对应的碳排放峰值时间和峰值排放量，并分析各因素对预测排放量的影响效果，进而形成各情景下达到碳排放峰值的路径，有效指导企业推动降碳目标的实现。
附图说明
图1是本发明预测方法的流程框图。
图2是本发明的钢铁企业碳排放预测核算范围框图。
图3是本发明的预测排放量原理流程图。
具体实施方式
为了推动降碳目标有计划的实现，本发明提供了一种预测钢铁企业碳排放趋势的方法，基于不同的情景设置条件，建立计算模型，预测钢铁企业未来一定时期内的碳排放量，得到相对应的碳排放峰值时间和峰值排放量。分析各因素对预测排放量的影响效果，从而形成各情景下达到碳排放峰值的路径，指导企业推动降碳目标的实现。
详细说明本发明的具体步骤。该预测钢铁企业碳排放趋势的方法包括：
步骤一，本发明是在分析碳排放量的基础上，得出影响钢铁企业过往排放量的主要因素的影响效果，而确定核算范围是进行碳排放量核算的前提。
确定碳排放量核算范围，包括钢铁企业内的主要工序、辅助工序、主要能耗设备及对应消耗和产生的能源种类。本发明中的钢铁企业的核算范围的划分依据是GB/T 32151-2015《温室气体排放核算与报告要求第5部分：钢铁生产企业》，即以企业法人或视同法人的独立核算单位为边界，核算和报告其生产系统产生的温室气体，主要是二氧化碳。其主要生产工序和对应的耗能设备为焦化(焦炉)、烧结(烧结机)、炼铁(高炉)、炼钢(转炉、电炉)、连铸(铸机)、轧钢(冷轧机、热轧机)和发电(锅炉)。图2为钢铁企业核算范围内主要工序、设备及对应消耗的能源种类。
步骤二，收集计算该确定范围的钢铁企业在所述时间节点之前的碳排放量，依据计算结果分析影响碳排放量主要因素的影响效果。
由于能源消耗产生的CO2排放量占全部排放量的80％以上，因此计算过往排放情况时，仅针对跟能源消耗有关的排放量。核算方法主要根据联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)《温室气体排放清单指南》中的方法，估算钢铁企业由能源消耗导致的CO2排放量，其估算公式为：
式中：C——钢铁企业CO2排放总量；
i——能源类型；
Ei——能源i的消耗总量；
Qi——能源i的低位发热量；
εi——能源i的碳含量；
oi——能源i的碳氧化因子；
44/12——二氧化碳与碳的相对分子质量之比。
完成确定范围的钢铁企业在所述时间节点之前(前十年)碳排放量的计算后，利用LMDI(对数平均权重分解法，Logarithmic Mean DivisiaIndex)分析影响排放量变动的关键因素的影响效果。本发明中选取的关键因素包括产品产量、能源消费结构、能源强度和碳排放因子。
LMDI对数平均权重分解法具有加法和乘法两种分解形式，其中，加法分解形式主要是对碳排放量的参照基期与对比期进行差量分解，研究不同影响因素在一定时间内对碳排放变化的绝对值影响值；而乘法分解形式，则主要考察的是各影响因素对碳排放量变化贡献的相对水平。两种分解形式具有统一的结论，且其乘法形式和加法形式易于转换。本发明中只选取加法形式对计算结果进行分析。
式中：Ci——因能源i产生的CO2排放量；
Ei——能源i的消耗总量；
E——钢铁企业能源消耗总量；
M——钢铁企业的生产总量；
则公式(2)可变形为：
假设时间从t年变化到t+1年，钢铁企业CO2排放量从
变化为/>
得到指数分解形式的加法表达式为：
△C＝Ct+1-Ct＝△CEF+△CK+△CI+△CM (4)
式中：△C——各因素对排放量的贡献量；
△CEF——排放系数的贡献值；
△CK——能源结构的贡献值；
△CI——能源消耗强度的贡献值；
△CM——生产总量的贡献值。
步骤三，结合行业发展趋势和企业发展规划，设置对未来排放量产生影响的情景；基于各种情景，设置具体影响基础参数。
情景分析法通常用来设想目标未来的发展趋势或可能的后果，是一种预测方法，主要是通过识别影响目标未来发展的重大影响因素，然后将各因素定量的组合在一起，作用于预测结果。通过比对预测结果，选择合适的方案(情景)，方便进一步优化改进，达到预期目标。通常情景设置分为两种：①基准情景：以目标发展历史为起点，以当前的趋势为基准，依据该趋势外推而建立的情景。②期望情景：建立在对未来的不同预期的基础上，需要对目标的发展趋势进行合理假设，且假设条件之间必须具有关联性、一致性和可能性。
鉴于钢铁企业的能源需求和碳排放受多个因素的影响，根据钢铁行业发展现状、钢铁企业发展规划、国家、地方的相关政策，以及上文分析的四个关键因素的影响程度，设置了基准情景、减排情景和低碳情景三种减排程度不断加大的情景，各情景的主要差异体现在粗钢产量、电炉炼钢比、低碳技术使用率、铁钢比等方面。详细的情景设置说明，见表1。
表1钢铁企业碳排放情景设置说明
基础情景的情景描述为：①在2020年已有各项政策和技术基础上，粗钢产量按当下需求和规划外推发展，并于2025年达到峰值后逐步下降；②短流程炼铁比例和铁钢比与国内先进水平存在较大差距，且增长率缓慢；③各主要工序的主要生产设备的大型化比例不高，以中小型设备为主；④干熄焦、脱硫脱硝、干法除尘技术、烧结余热回收等减排技术广泛应用，但转炉渣显热回收等先进技术尚未采用；⑤除必须的天然气外，没有使用其它新型能源。
减排情景的情景描述为：①产能控制力度加大，粗钢产量于2022年达到峰值后逐步下降；②短流程炼铁比例和铁钢比有一定程度提高；③各主要工序的主要生产设备的大型化比例有一定提高，小型设备完全被淘汰；④除已有的广泛应用的低碳技术外，开始采用热风炉烟气双预热、转炉渣显热回收、钢包高效预热技术等先进减排技术；⑤天然气的使用比例提高。
低碳情景的情景描述为：①产能过剩情况得到遏制，粗钢产量稳步下降；②短流程炼铁比例逐步提升，与高炉炼钢比例相当；③铁钢比大幅度提高，达到国际先进水平；④各主要工序的主要生产设备逐步实现全部大型化；⑤先进的减排技术得到进一步应用，技术种类不断丰富，能耗强度大幅度降低；⑥除天然气外，开始使用绿电等其它清洁能源种类。
基于各情景和影响因素的基础参数及其变化程度，见表2。每个参数设置高、中、低三种模式，代表其变化程度。具体内容为：粗钢产量、铁钢比和减排技术使用率在基础情景、减排情景和低碳情景下的模式分别为高、中、低；电炉比、能耗强度、设备大型比例三个参数在基础情景、减排情景和低碳情景下的模式分别为低、中、高。
表2钢铁企业不同情景下基础参数及模式选取
研究情景和基础参数变化趋势设置完成后，即可设置基础参数的具体数值及其随时间的变化趋势，主要参考各种行业政策、发展规划、过往年鉴和企业自身发展水平。
步骤四，碳排放量核算范围、预测情景和基础参数确定后，建立预测碳排放量的计算模型。计算不同情景下的碳排放量，得到各自达到峰值的时间和峰值排放量，并进一步分析各参数对排放量的影响程度。
上文中公式(1)，是在已知过往全钢铁厂各种能源消耗量基础上，计算碳排放总量。而在预测未来可能的碳排放量时，采用自下而上的核算方法。首先确定每个工序流程对应的能耗设备或工艺，再区分能耗设备或工艺的类型、消耗的能源种类、能耗强度及对应的产品产量，计算得到每台能耗设备或工艺的各种能源消耗量，最后利用排放因子得到每台设备的CO2排放量。将设备排放量累加得到对应工序排放量，各工序排放量累加即为钢铁企业排放总量；主要计算公式如下：
Mj＝∑mk,j (5)
式中，Mj为j工序的产品产量，mk,j为j工序中，由第k种设备或工艺生产的产品产量；Mj可由该工序的产品与粗钢的比例系数(例如：铁钢比)与粗钢产量得到，mk,j与对应设备或工艺占该工序所有设备或工艺的比重有关。
式中，pi,k,j为j工序中由第k种设备或工艺生产单位产品第i种能源的需求量或产生量(能耗强度)，mk,j同上。根据碳平衡原理，当输入端消耗能源时，pi,k,j取正值；当能源作为输出端产品时，pi,k,j取负值，则某一工序或某一设备或工艺的单位产品能源需求量可由能源需求量和产生量求和得到，再乘以对应产品产量即为能源需求总量。
式中，fi,k,j为CO2排放因子，即j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量或产生量产生的CO2排放量。
计算过程中，基于情景设置得到的基础参数的数值及其变化会影响能耗强度，最终反映在能源消耗量的大小。
基础参数的数值和变化规律与政策和发展规划有关。整个计算过程和参数影响原理，见图3；首先确定钢铁企业的粗钢产量M，依据各工序产品产量与粗钢产量间的比例系数s，确定各工序产品产量Mj，见公式(8)。
Mj＝s×M (8)
其次，参考各工序中设备/工艺的使用情况，确定j工序中，由第k种设备或工艺生产的产品产量mk,j。减排技术种类、使用率对各类产品的能耗强度产生直接影响，最终反映在能源需求/产生量中。
最后，利用CO2排放因子与能源需求/产生量的关系，公式(9)，计算出预测排放量。式中，Qi,k,j为j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量/产生量。
C＝fi,k,j×Qi,k,j (9)
综上，整个钢铁企业预测排放量的计算模型为公式(10)：
C＝F(基础参数,产品产量,能耗强度,二氧化碳排放因子) (10)
该公式表达了影响预测钢铁企业碳排放量的关键因素，及他们与排放量间的函数关系。
步骤五，基于预测结果和各因素影响效果，提出相对应的达到碳排放峰值的路径。
确定钢铁企业在不同情景下达到碳排放峰值的路径。依据上文建立的模型，计算出不同情景下钢铁企业每一年的排放量，建立计算出预测排放量与对应年份的关系后，即可得到不同情景下达到峰值的时间和峰值排放量；随后利用敏感性分析方法，保持其余变量不变，分析某一因素或参数对钢铁企业预测排放结果的影响程度，结合LMDI对数平均权重分解法的分析结果提出有针对性和明显效果的达到碳排放峰值的路径。同时，为方便观察和计算，每间隔两年分析一次，并依据影响效果对因素或参数进行排序，钢铁企业可根据外部政策和本身发展规划选取合适的方法，组合成满足目标要求的达到碳排放峰值的方案。
Claims (9)
1.一种预测钢铁企业碳排放趋势的方法，其特征在于，包括如下步骤：
步骤一、确定碳排放量核算范围，包括钢铁企业内的主要工序、辅助工序、主要能耗设备及对应消耗和产生的能源种类；
步骤二、收集计算该确定范围的钢铁企业在所述时间节点之前的碳排放量，依据计算结果分析影响碳排放量主要因素的影响效果；
步骤三、结合行业发展趋势和企业发展规划，设置对未来排放量产生影响的情景；基于各种情景，设置具体影响基础参数；
步骤四、碳排放量核算范围、预测情景和基础参数确定后，建立预测碳排放量的计算模型；计算不同情景下的碳排放量，得到各自达到峰值的时间和峰值排放量，并进一步分析各参数对排放量的影响程度；
步骤五、基于预测结果和各因素影响效果，提出相对应的达到碳排放峰值的路径。
2.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤一，钢铁企业的核算范围的划分以独立核算单位为边界，核算和报告其生产系统产生的温室气体，主要是二氧化碳；其主要生产工序为焦化、烧结、炼铁、炼钢、连铸、轧钢和发电，生产工序所对应的耗能设备为焦炉、烧结机、高炉、转炉和电炉、铸机、冷轧机和热轧机、锅炉。
3.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤二，能源消耗产生的CO2排放量占全部排放量的80％以上，计算过往排放情况时，仅针对跟能源消耗有关的排放量；估算钢铁企业由能源消耗导致的CO2排放量，其估算公式为：
式中：C——钢铁企业CO2排放总量；
i——能源类型；
Ei——能源i的消耗总量；
Qi——能源i的低位发热量；
εi——能源i的碳含量；
oi——能源i的碳氧化因子；
44/12——二氧化碳与碳的相对分子质量之比。
4.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤二，完成确定范围的钢铁企业在所述时间节点之前碳排放量的计算后，利用LMDI对数平均权重分解法来分析影响排放量变动的关键因素的影响效果；关键因素包括产品产量、能源消费结构、能源强度和碳排放因子。
5.根据权利要求4所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述LMDI对数平均权重分解法具有加法和乘法两种分解形式，其中，加法分解形式主要是对碳排放量的参照基期与对比期进行差量分解，研究不同影响因素在一定时间内对碳排放变化的绝对值影响值；而乘法分解形式，则主要考察的是各影响因素对碳排放量变化贡献的相对水平；两种分解形式具有统一的结论，且其乘法形式和加法形式易于转换；只选取加法形式对计算结果进行分析：
式中：Ci——因能源i产生的CO2排放量；
Ei——能源i的消耗总量；
E——钢铁企业能源消耗总量；
M——钢铁企业的生产总量；
则公式(2)可变形为：
假设时间从t年变化到t+1年，钢铁企业CO2排放量从
变化为/>
得到指数分解形式的加法表达式为：
△C＝Ct+1-Ct＝△CEF+△CK+△CI+△CM (4)式中：△C——各因素对排放量的贡献量；
△CEF——排放系数的贡献值；
△CK——能源结构的贡献值；
△CI——能源消耗强度的贡献值；
△CM——生产总量的贡献值。
6.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤三，鉴于钢铁企业的能源需求和碳排放受多个因素的影响，根据钢铁行业发展现状、钢铁企业发展规划、国家、地方的相关政策，以及关键因素的影响程度，设置了基准情景、减排情景和低碳情景三种减排程度不断加大的情景，各情景的主要差异体现在粗钢产量、电炉炼钢比、低碳技术使用率、铁钢比等方面。
7.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤四，在预测未来可能的碳排放量时，采用自下而上的核算方法；首先确定每个工序流程对应的能耗设备或工艺，再区分能耗设备或工艺的类型、消耗的能源种类、能耗强度及对应的产品产量，计算得到每台能耗设备或工艺的各种能源消耗量，最后利用排放因子得到每台设备的CO2排放量；
将设备排放量累加得到对应工序排放量，各工序排放量累加即为钢铁企业排放总量；主要计算公式如下：
Mj＝∑mk,j (5)
式中，Mj为j工序的产品产量，mk,j为j工序中，由第k种设备或工艺生产的产品产量；Mj可由该工序的产品与粗钢的比例系数与粗钢产量得到，mk,j与对应设备或工艺占该工序所有设备或工艺的比重有关；
式中，pi,k,j为j工序中由第k种设备或工艺生产单位产品第i种能源的需求量或产生量，mk,j同上；根据碳平衡原理，当输入端消耗能源时，pi,k,j取正值；当能源作为输出端产品时，pi,k,j取负值，则某一工序或某一设备或工艺的单位产品能源需求量可由能源需求量和产生量求和得到，再乘以对应产品产量即为能源需求总量；
式中，fi,k,j为CO2排放因子，即j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量或产生量产生的CO2排放量。
8.根据权利要求7所述的预测钢铁企业碳排放趋势的方法，其特征在于：计算过程中，基于情景设置得到的基础参数的数值及其变化会影响能耗强度，最终反映在能源消耗量的大小；
基础参数的数值和变化规律与政策和发展规划有关，首先确定钢铁企业的粗钢产量M，依据各工序产品产量与粗钢产量间的比例系数s，确定各工序产品产量Mj，见公式(8)；
Mj＝s×M (8)
其次，参考各工序中设备/工艺的使用情况，确定j工序中，由第k种设备或工艺生产的产品产量mk,j；减排技术种类、使用率对各类产品的能耗强度产生直接影响，最终反映在能源需求/产生量中；
最后，利用CO2排放因子与能源需求/产生量的关系，公式(9)，计算出预测排放量；式中，Qi,k,j为j工序中由第k种设备或工艺生产单位产品时第i种能源的需求量/产生量；
C＝fi,k,j×Qi,k,j (9)
综上，整个钢铁企业预测排放量的计算模型为公式(10)：
C＝F(基础参数,产品产量,能耗强度,二氧化碳排放因子) (10)
该公式表达了影响预测钢铁企业碳排放量的关键因素，及他们与排放量间的函数关系。
9.根据权利要求1所述的预测钢铁企业碳排放趋势的方法，其特征在于：所述步骤五，确定钢铁企业在不同情景下达到碳排放峰值的路径；依据建立的模型，计算出不同情景下钢铁企业每一年的排放量，建立计算出预测排放量与对应年份的关系后，即可得到不同情景下达到碳排放峰值的时间和峰值排放量；随后利用敏感性分析方法，保持其余变量不变，分析某一因素或参数对钢铁企业预测排放结果的影响程度，结合LMDI对数平均权重分解法的分析结果提出有针对性和明显效果的达到碳排放峰值的路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671970.5A CN116362528A (zh) | 2022-12-26 | 2022-12-26 | 一种预测钢铁企业碳排放趋势的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211671970.5A CN116362528A (zh) | 2022-12-26 | 2022-12-26 | 一种预测钢铁企业碳排放趋势的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116362528A true CN116362528A (zh) | 2023-06-30 |
Family
ID=86926332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211671970.5A Pending CN116362528A (zh) | 2022-12-26 | 2022-12-26 | 一种预测钢铁企业碳排放趋势的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362528A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829352A (zh) * | 2023-12-19 | 2024-04-05 | 浙江大学 | 一种基于聚类算法和机器学习的工业行业能源消耗量预测方法及系统 |
| CN118115171A (zh) * | 2024-01-02 | 2024-05-31 | 国网宁夏电力有限公司电力科学研究院 | 一种基于大数据的双碳数据分析方法 |
-
2022
- 2022-12-26 CN CN202211671970.5A patent/CN116362528A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829352A (zh) * | 2023-12-19 | 2024-04-05 | 浙江大学 | 一种基于聚类算法和机器学习的工业行业能源消耗量预测方法及系统 |
| CN118115171A (zh) * | 2024-01-02 | 2024-05-31 | 国网宁夏电力有限公司电力科学研究院 | 一种基于大数据的双碳数据分析方法 |
| CN118115171B (zh) * | 2024-01-02 | 2024-11-22 | 国网宁夏电力有限公司电力科学研究院 | 一种基于大数据的双碳数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Scenario analysis on CO2 emissions reduction potential in China's iron and steel industry | |
| Hasanbeigi et al. | A bottom-up model to estimate the energy efficiency improvement and CO2 emission reduction potentials in the Chinese iron and steel industry | |
| Zhang et al. | Exploring selected pathways to low and zero CO2 emissions in China's iron and steel industry and their impacts on resources and energy | |
| Li et al. | History and future of the coal and coal chemical industry in China | |
| Hasanbeigi et al. | Comparison of iron and steel production energy use and energy intensity in China and the US | |
| CN114048955A (zh) | 一种建筑碳排放监管系统 | |
| CN116362528A (zh) | 一种预测钢铁企业碳排放趋势的方法 | |
| Hasanbeigi et al. | Retrospective and prospective analysis of the trends of energy use in Chinese iron and steel industry | |
| Cui et al. | CO2 emissions from China’s power industry: Policy implications from both macro and micro perspectives | |
| Duan et al. | Towards lower CO2 emissions in iron and steel production: Life cycle energy demand-LEAP based multi-stage and multi-technique simulation | |
| Wang et al. | Research on CCUS business model and policy incentives for coal-fired power plants in China | |
| CN114943480A (zh) | 一种钢铁企业碳排放监控方法 | |
| Hu et al. | Multi-objective optimization of energy distribution in steel enterprises considering both exergy efficiency and energy cost | |
| Liu et al. | Co-abatement of carbon and air pollutants emissions in China’s iron and steel industry under carbon neutrality scenarios | |
| Cao et al. | A fractional multi-stage simulation-optimization energy model for carbon emission management of urban agglomeration | |
| Hasanbeigi | Assessment of energy efficiency improvement and CO2 emission reduction potentials in the iron and steel industry in China | |
| Tang et al. | Development of a framework to forecast the urban residential building CO2 emission trend and reduction potential to 2060: A case study of Jiangxi province, China | |
| Wang et al. | Optimization of the sustainable production pathways under multiple industries and objectives: a study of China's three energy-and emission-intensive industries | |
| Huang et al. | Carbon emissions of prefabricated steel structure components: A case study in China | |
| Zhou et al. | Multi‐scenario simulation on reducing CO2 emissions from China's major manufacturing industries targeting 2060 | |
| Wang et al. | The contribution of cleaner production in the material industry to reducing embodied energy and emissions in China's building sector | |
| CN113689110B (zh) | 一种流程工业生产系统的评价方法及系统 | |
| CN116362464A (zh) | 基于碳达峰目标的能源系统优化方法 | |
| CN109919800A (zh) | 一种基于多目标优化的节能改造补贴分配方法 | |
| Chen et al. | Achieving air pollutant emission reduction targets with minimum abatement costs: An enterprise-level allocation method with constraints of fairness and feasibility |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |