基于电力数据的建筑碳排放计量研究

2022-09-20 12:30:52张伟刘斌翟杰沈澄泓高亮田浩蕴
电力大数据 2022年3期
关键词:重点项目用电量电量

张伟, 刘斌,翟杰,沈澄泓,高亮,田浩蕴

(1.北京中电普华信息技术有限公司,北京100192;(2.浙江泛海智行电力科技有限公司,浙江 杭州 310052)

建筑领域碳排放作为我国头部碳排放源之一,有效衡量建筑碳排放是推动碳达峰、碳中和进程的重点工作,本文选取特定区域作为分析对象,开展重点项目及建筑领域碳排放研究,基于电力数据与碳排放的关联特性设计基于电力数据的埃斯曲线[1](S曲线)测算模型,形成典型碳排放测算方案。本文以掌握重点建筑项目碳排放规模、探索电碳规律、服务区域重点项目建设为目标,选取了区域2019年来的79个项目,把收集到的项目建筑面积和道路长度等数据,折算成项目的隐含碳排放量(重点考察施工过程碳排放),然后充分利用部分项目月度电力能耗数据,拟合不同类型项目的用电量累计分布埃斯曲线(S曲线),并用这个S曲线来模拟碳排放的累计分布曲线,这样就可以计算各类重点建筑项目在项目周期内每个月的碳排放,从而可以通过碳排放曲线来研究某个项目甚至整个区域的历史碳排放动态规律。

随着区域建筑设施的投运使用,建筑运行将成为区域内碳排放最大的领域之一。建筑运行一般是指建筑内供暖、炊事、照明、热水等引发的碳排放,本文以计量建筑运行碳排放为目标,掌握不同建筑类型的碳排放规律及规模,特别是在供暖用气的数据不能获取的情况下,运用回归模型,用非供暖季节的月度用电量、建筑类型、地域等数据来预测供暖用的天然气的碳排放。

本次研究的重点是融合建筑、项目、电力能耗等内外部多元化数据来研究区域的建筑碳排放量和变化趋势,研究碳排放的规律,推动碳达峰、碳中和进程。

1 重点建筑项目碳排放

本文把项目分成三类,住房建筑项目是指一般的低层或高层的居民楼项目,市政配套指商业设施、学校、医院之类的建筑项目,交通道路是指道路建设类项目。本文详细调查了2019年至2022年的79个重点项目的建设周期、建筑面积或道路长度、投资额、承建单位等,试图在准确计量重点项目碳排放的基础上,进行碳排放趋势、按项目类别汇总、按区域汇总进行碳排放预测分析。

1.1 建筑和路建隐含碳排放

项目引发的碳排放主要是建筑隐含碳排放,它是指建筑施工和建材的生产和运输带来的碳排放,也被称为建筑物化碳排放。一般来讲,建材的生产和运输碳排放需要根据实际消耗的建材来计算,施工建造碳排放也要基于用电量和化石燃料消耗来估算[2-5]。因为很多数据是很难获得的,住房建筑和市政配套项目的碳排放基于建筑面积来计算,单位建筑面积的建材生产、建材运输和施工过程碳排放如下表1所示。本文计量的主要是施工过程碳排放,因为严格意义上讲只有施工过程碳排放是全部在区域内发生的。

表1 建筑隐含碳排放Tab.1 Hidden carbon emissions from buildings

交通基础设施项目的碳排放可以按交通基础设施的长度来计算[6-10],单位长度的基础设施建设的碳排放量如下表2所示,其中交通工程设施的施工现场的化石能源直接燃烧产生的碳排放约占总碳排放的75%,不计入工程消耗的水泥、钢铁等建材在外生产系统中已经产生的碳排放值。

表2 交通基础设施每公里建设长度碳排放Tab.2 Carbon emission per kilometer of transportation infrastructure construction

采集的项目的档案信息如表3所示,数据来自互联网公开资料整理。这些项目的碳排放量可以按建筑面积或道路长度来折算。

表3 区域部分重点项目档案Tab.3 Regional key project archives

本研究收集了该区域从2018年至2022年的79个重点项目的数据来研究这个区域的碳排放规律,这些项目主要包括住房建筑项目19个、市政配套项目31个和道路建设项目29个。

1.2 重点项目月度碳排放

用上一节的方法虽然可以估计每个项目的总碳排放量,但是研究中也希望分析这些重点项目每月的碳排放,以及整个地区月度的碳排放量。由于建筑施工用能中电力占很大的比例,重点项目每月的用电量大小从很大程度上反映了项目的施工进度和碳排放的多少,所以引入埃斯曲线(S曲线)来估计用电量的累积分布并且假设项目施工过程碳排放的累积分布等同于用电量的累积分布。

埃斯曲线(S曲线)是以时间轴为横坐标绘制的累积用电量或累积碳排放百分比的曲线图。根据工程建设过程的一般规律,重点项目开始时用电及碳排放进度一般比较缓慢,随着大量资源的投入建设速度加快,用电量和碳排放明显增加,项目收尾时又逐渐收敛,趋于平缓的结束。由于无法取得所有项目的电量数据,所以本研究依靠能获取到电量的项目,来拟合3类重点项目的埃斯曲线(S曲线),拟合好的通用曲线能够大致描述同类项目的碳排放累积分布,可以适用于用电户号不明而无法获得电量数据的项目来估算项目月度碳排放。S曲线的形状大致如下图1所示。

图1 模拟电量或碳排放累积分布S曲线Fig.1 Cumulative distribution S curve of simulated electricity or carbon emission

Kenley提出的Logit模型能够模拟各种S曲线形态,并且可以方便地转换为线性方程。Logit模型的方程式如下:

(1)

式中:a和b为方程系数,v和t分别为百分比形式的累积电量(累积碳排放)和时间,取值均为0到1之间,其计算式为:

(2)

(3)

收集3类重点项目的用电量、项目工期数据,采用最小二乘法即可求解系数a和b,从而得到3类重点项目的S曲线回归方程。三类项目的模型系数如下表4所示。

表4 三类重点项目模型的参数Tab.1 Parameters of three types of key project models

如果把三类重点项目的建设周期平均分为12等分,可以绘制出三类重点项目的碳排放累积分布曲线如图2所示。

图2 三类重点项目的碳排放累积分布曲线Fig.2 Cumulative carbon emission distribution curve of three types of key projects

住房建筑类项目在施工周期内,前半程的用电及碳排累积分布曲线较道路类项目明显平缓,用电和碳排放占总量的比例较低,但项目后半程用电和排碳放量明显增加,累积分布曲线较陡直上升。市政配套类项目的累积分布曲线基本位于前两者之间。

由于引入了S曲线,可以方便地计算各类项目的施工过程月度碳排放,这里假设只有建筑过程碳排放是在该区域范围内实际发生的,建筑材料的生产、运输产生的碳排放主要不是在这个区域发生的。下图3为2020年该区域三类项目的碳排放趋势图,期间,该区域安置房和住宅区的多个地块的建筑工程启动,导致区域住房建筑碳排放量很快上升。交通道路和市政配套的碳排放的变化则较为平缓。

图3 2020年区域重点项目建筑过程碳排放趋势Fig.3 Carbon emission trend in construction process of regional key projects in 2020

1.3 重点项目碳排放分布

通过计算得到该区域A县、B县、C县 2020年各类项目的建筑过程碳排放量如图4所示。2020年三类重点项目产生的建筑碳排放达到约44.6万吨CO2,其中B县的住房建筑碳排量大于19万吨CO2,这主要来源于B县拆迁改造等项目。

图4 2020年某区域各类项目建筑过程碳排Fig. 4 Carbon emission in the construction process of various projects in a region in 2020

1.4 在建重点项目碳排放监测

利用在建项目月用电量数据和S曲线就可以监测项目每月的碳排放。这里用到了两个近似,首先重点项目的总体碳排放是按照建筑面积估算的,存在一定的误差,其次利用同类项目月电量数据拟合的同类项目的S曲线来反映这类项目的电量和碳排放累积分布,这也是一个近似的计算方法。在项目开始前,先按规划的建筑面积估算项目总体的建筑过程碳排放,然后利用S曲线把项目总的碳排放分摊到规划施工周期内的每个月中,项目施工开始后,在获得前面n个月的(1≤n≤项目工期总月份数)的用电量后,要对前n个月的碳排放按照已发生的月度用电量的比例进行重新计算。

例如安置房配套项目(属于住房建筑类项目)按公示信息,建筑面积大约为918,000m2,估计项目施工过程碳排放为45900吨CO2,计划工期大概是2020/6-2021/5。项目碳排放的测算和监测过程如表5所示。

表5 项目碳排放测算和监测Tab.5 Carbon emission measurement and monitoring of a project

S曲线估计列是按照建筑面积、预计工期和S曲线估计的月度碳排放,它是在项目开始前就能估计得到的,其余各列是在列名对应的时间点上估计的月度碳排放。假设退回到2020年从项目开工的第一个月起监测项目的施工碳排放,项目开始的第一个月(2020年6月)虽取到用电量数据,但仍记录首月的碳排放为原估计值369t,第二月(2020年7月)取到项目用电量后,把原来估计的前2个月的累积碳排放按6月和7月实际月用电量的比例重新分配,所以前两个月的碳排放分别记录为4t和1202t,在取到第三个月(2020年8月)的用电量后,把原先估计的3个月的累积碳排放按6月、7月和8月的实际用电量的比例重新分配,所以前三个月的碳排放分别为 2t、517t和2031t,以此类推。

2 建筑运行碳排放

建筑碳排放除了建筑的建造过程中涉及的碳排放外,还有建筑运行过程中发生的碳排放。建筑运行碳排放包括采暖、用电、炊事和生活热水的碳排放等,随着区域大规模建筑设施的投运和使用,建筑运行将成为区域内碳排放量最大的领域。

建筑主要是指住宅和公共建筑,住宅又分为城镇住宅和农村住宅。据不完全统计,该区域有人口大约120万人,城镇住宅近十万户,农村住宅三十多万户,主要公共建筑近百幢,包括该区域的服务中心、医院等。因为通过电力能耗数据,和二氧化碳排放因子(kgCO2/kW·h),能够把电量折合成碳排放。

2.1 供暖碳排放的计量

北方的冬季较长,供暖季为每年的11月15日到来年的3月15日。目前该区域的绝大部分用户已经完成了煤改电、煤改气的改造,供暖碳排放主要来源于用电和用气的碳排放。由于无法取得建筑的用气数据,本项目使用了建筑的用电量来估计建筑的冬季用气量,即设法建立数学模型用煤改电用户春秋季和夏季的用电量来估算用户在供暖季节的用电量,即算出煤改电用户的取暖用电量,然后把取暖用电量按照一定的比例折合成用气量,假定同一建筑冬季取暖时全部用电或全部用气时所消耗的电量或天然气量是成一定比例关系的。把这个模型用于煤改气的用户来估计建筑的供暖用气量,继而计算供暖碳排放。

抽取分析区域内三个县的几百个煤改电用户2020年3月至2021年3月的月用电量数据建立回归模型,通过特征提取得到下面所列的各个自变量X1-X15和因变量Y。

X1-4月电量

X2-5月电量

X3-6月电量

X4-7月电量

X5-8月电量

X6-9月电量

X7-10月电量

X8-6/7/8月平均电量-4/5月平均电量

X9-X1-X7的方差

X10-用户类别_公共建筑

X11-用户类别_农村住宅

X12-用户类别_城市住宅

X13-供电单位_A县

X14-供电单位_B县

X15-供电单位_C县

Y-冬季供暖电量(11月15日-次年3月15日)

其中,X8是夏季平均用电量减去春季用电量,它和X9一起反映住户用电量的波动,波动大的住户所在的建筑一般冬季取暖电量较大,例如夏季用空调的用户冬季一般会消费更多的电量来取暖。

用普通线性回归、拉索回归、岭回归等方法来拟合模型[10-16],拉索回归和岭回归是线性模型的L1和L2正则化,用于解决过拟合和多重共线性问题的有偏估计的回归方法。这三种模型的损失函数分别如下。

普通线性回归:

(4)

拉索回归:

(5)

岭回归:

(6)

其中λ为超参数,把建模样本分割成80%的训练集和20%的验证集构建回归模型,岭回归模型的性能较佳,在训练集和验证集上的R-square值分别为0.94/0.67,最终的模型如下,事实证明模型的效果良好。

Y=0.068+0.575×X1-0.100×X2-0.039×X3+0.352×X4-0.123×X5-0.518×X6+0.210×X7-0.270×X8+0.815×X9+0.229×X10-0.120×X11-0.109×X12-0.038×X13+0.052×X14-1.462×X15

(7)

判断住户是用电取暖还是用天然气取暖一是按照煤改电用户清单,如果用户不在清单里可以认为是用气取暖,二是把用户冬季月度用电量与平时的用电量作比较,如果用电量波动在30%以内的,就认为是天然气供暖用户,否则为用电取暖用户。对于用气取暖的用户,根据模型估算得到的采暖应耗电量,折算采暖耗气量,进而计算采暖碳排放量。

2.2 建筑运行碳排放统计

由于无法取得区域内全量用户的电量数据,本文直接利用国家人口普查、中国建筑能耗研究报告中的数据结合从供电公司获得的部分用户电量数据来测算该区域的建筑运行碳排放[17-24]。通过分析该区域A县和C县的部分用户电量数据得知,建筑运行用能中供暖用能的占比大约是43%,城镇用户的用电量要明显大于农村用户的用电量,2020年城镇用户和农村用户的用电量之比大约是2.4∶1,可以进而推测城镇用户的碳排放大约是农村用户碳排放的大约2.4倍。

根据《2018中国各省(市)民用建筑碳排放排行榜》,2018年被研究区域所属的省份的建筑碳排放为9077万吨CO2,假定2018年-2020年之间每年碳排放增加15%,则2020年的建筑运行碳排放大概是12000万吨CO2。2020年该省有人口7460万人,根据第七次人口普查,全省城镇人口约占60%,乡镇人口约占40%,全省共有家庭2543万户,所以可以大致推算出城镇户数大约1526万户,农村户数约1017万户,又根据上述城镇和农村用户碳排放的比例关系,得到该省城镇户均碳排放为6.14吨CO2,农村户均碳排放为2.56吨CO2。

据统计该区域共有家庭户38.4万户,常住人口中城镇人口约占47%,农村人口约占53%,把该区域的总家庭户数按三个县的人口(A县45.4万人,B县27.3万人,C县47.9万人)的比例分配到每个县中,再乘以户均碳排放量便可以计算出该区域各县在2020年的建筑运行碳排放。下表6中计算了该区域三个县的碳排放量。

表6 2020年区域各县建筑运行碳Tab.6 Carbon emissions from building operation in all counties in the region in 2020

抽取这个区域内近百幢主要公共建筑的电量数据,折算它们在2020年的碳排放量,A县、C县和B县的公共建筑的碳排放量分别为1.3万吨CO2、2.4万吨CO2和2.0万吨CO2。因此2020年该区域的建筑运行碳排放总量大约是169万吨CO2。图6为该区域2020年按地域和建筑类别统计的碳排放量分布图。

图6 2020区域建筑运行碳排放统计Fig.6 Carbon emission statistics of regional building operation in 2020

3 碳排放估算结果

据上面的分析结果,2020年该区域三类重点建筑项目的施工过程和三类建筑的建筑运行的碳排放总量分别为38.9万吨CO2和169万吨CO2。估计建筑碳排放占该区域总碳排放量的65%左右, 是重点监控的对象[25-28]。预计该区域2029年左右可以实现碳达峰其中建筑碳排放大约为500万吨CO2。

4 结论

本文基于电量数据和公共数据,对选定分析区域重点建筑项目和建筑运行的碳排放提出了计量和监测的新方法。运用电量数据拟合S曲线来估计不同类型重点项目碳排放的累积分布,进而估算所有项目碳排放的时间曲线,并能对在建项目的碳排放进行计量和监测。在估计天然气用户的供暖碳排放时,从冬季用电量的增加幅度可以判断是否为天然气供暖用户,并运用岭回归模型,用建筑非供暖季节的用电量来预测供暖季节的用气量和碳排放量。应该指出,仅仅用电力及公共数据,估计得到的碳排放数字较为粗略,后期需要采集更多的数据(例如用气量数据),做进一步的深化研究,以满足区域建筑碳排放综合评估的需要[29-30]。

猜你喜欢
重点项目用电量电量
02 国家能源局:1~7月全社会用电量同比增长3.4%
01 国家能源局:3月份全社会用电量同比增长3.5%
电量越低越透明的手机
IPO&并购
商界评论(2021年4期)2021-06-08 08:10:17
IPO&并购
商界评论(2021年3期)2021-05-12 03:29:22
IPO&并购
商界评论(2021年2期)2021-04-23 13:17:52
IPO&并购
商界评论(2021年1期)2021-03-11 19:52:39
1~10月全社会用电量累计56552亿千瓦时同比增长8.7%
四川2018年7月转让交易结果:申报转让电量11.515 63亿千瓦时
电量隔离传感器测试仪的研制