一种省级碳排放测算方法与流程

1.本技术属于碳排放测算技术领域，具体涉及一种省级碳排放测算方法。


背景技术：

2.随着温室效应逐年严重，碳排放测算日趋重要。碳排放从测算方法来看，目前，国内外测算碳排放的主要方法有清单编制法、实测法、物料衡算法、模型法等。其中，清单编制法是最为常用的方法(具体方法介绍可参考石峻驿(2019))。国际上权威的机构，如iea、cdiac、edgar、eia等，尽管所用碳排放测算的具体计算方法各不相同，但基本上都采用基于ipcc计算公式的清单编制法。
3.专利号为“202111440704”的“一种基于电力数据的碳排放测算方法”，其根据目标产物碳排放因子，根据测算得到的产品生产过程中的碳排放量和测算得到的化石能源消耗产生的碳排放量，得到基于电力数据的企业碳排放总量。不过由于其测算对象只限于用电企业，也只是基于用电量数据进行测算，测算不够全面，所以不能满足省级行政区域的碳排放测算；由此，亟需一种能结合多维度测算对象和多元化测算数据的测算方法，来实现对省级行政区域的碳排放的测算。


技术实现要素：

4.为此，本技术提供一种省级碳排放测算方法，以解决现有技术中由于碳排放测算对象单一和测算用数据单一所导致的碳排放测算不够全面的问题。
5.为实现以上目的，本发明采用如下技术方案：
6.本发明提供一种省级碳排放测算方法，所述方法包括以下内容：
7.采集基础数据，基础数据包括内部数据和外部数据，内部数据是采集到的电量数据，外部数据是采集到的能源消耗数据、产量增加值数据和居民的各类消费数据；
8.基础数据的预处理，包括对基础数据中缺失数据进行插补、对基础数据的低频序列进行高频转换和对基础数据依据时间进行序列拆分；
9.根据预处理完的基础数据，经过检验，建立用电量与能源消费总量的长期均衡模型，并对该模型进行修订，最终得出合适的计量模型；
10.依据所述外部数据中的各行业生产过程中的碳排放、居民户消费带来的碳排放和能源使用产生的碳排放，从ipcc(2019)中选择碳排放系数；
11.以预处理后的基础数据、计量模型和碳排放系数为依据，从重点行业、居民户和地区三个维度对碳排放进行测算，并对测算结果进行分析和比较。
12.进一步地，所述重点行业的碳排放量测算具体步骤为：
13.根据企业用户用电量占比，确定重点行业名单，并统计各重点行业对应的主要产品类型、各种类型的产量和能源消费总量；
14.根据现有的插补方法，对重点行业缺失的产量和能源消费总量数据进行插补；
15.根据现有的频度转换方法，将重点行业的产量和能源消费总量由年度序列拆分为
月度序列；
16.根据x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
17.以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的模型，根据最优参数下的模型可得到月度能源消耗数据ytc
t
；
18.根据s序列、i序列和碳排放系数w计算各重点行业生产过程中的碳排放量c1
t
，计算公式为：
[0019][0020]
类似生产过程中的碳排放量计算，根据s序列、i序列和碳排放系数w计算各重点行业能源使用中的碳排放量c2
t
，计算公式为：
[0021][0022]
计算各重点行业的碳排放总量c
t
，计算公式为：
[0023]ct
＝c1
t
+c2
t
。
[0024]
进一步地，所述居民户的碳排放量测算具体步骤为：
[0025]
采集全省每个城市中区县的消费数据、gdp数据和人口数据，建立人均消费与人均gdp的长期均衡关系模型，计算区县的消费数据，计算公式为：
[0026]
tc
ij
＝(α0+α1*pg
ij
)*p
ij
[0027]
其中，tc
ij为
区县的消费数据，pg
ij
为人均gdp数据，p
ij
为人均消费数据，α0和α1为拟合后求得的参数，其中，i代表消费类别，j代表区县；
[0028]
根据现有的插补方法，对省内城市的每个区县居民户的消费指标的缺失值进行插补；
[0029]
根据现有的频度转换方法，将各类消费由年度序列拆分为月度序列；
[0030]
根据x-13-arima法和tramo-seats算法，将各消费的月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
[0031]
以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的长期均衡模型，并根据该模型计算得到月度电量数据ysa
t
；
[0032]
利用sturges分组法，将各区县居民户用电量进行分组，根据相应标准确定不同组别的排放比较系数和定基的价格调整因子，参考各类消费的碳排放因子，计算得到各类消费的月度间接碳排放量，公式如下：
[0033][0034]
其中，ic
ij,t
为月度间接碳排放量，ysa
ij,t
为月度电量数据其中，i代表消费类别，j代表区县；gf为不同组别的排放比较系数，pf
t
为同时计算定基的价格调整因子，cf为参考各类消费的碳排放因子；
[0035]
计算区县居民户n类消费总的间接碳排放量，计算公式为：
[0036][0037]
根据区县居民户用电量分组的排放比较系数gf、电力排放系数ef、电力碳排放占直接碳排放的比例p2和居民户用电量数据x
jt
计算得到各区县居民户的直接碳排放量，计算公式为：
[0038][0039]
其中，dc
jt
为月度直接碳排放量，其中，j表示区县；gf为分组的排放比较系数；ef为电力排放系数；p2为电力碳排放占直接碳排放的比例；x
jt
为居民户用电量数据，其中，j表示区县；
[0040]
计算各区县居民户的总的碳排放量，计算公式为：
[0041]cjt
＝dc
jt
+ic
jt
[0042]
其中，c
jt
为月度总的碳排放量，j表示区县。
[0043]
进一步地，所述地区的碳排放量测算具体为，
[0044]
采集省内各市区县的能源消费总量年度值、省内各市区县各产业增加值年度值和省内各市区县的各产业生产总值的年度值；
[0045]
计算省内各市区县能源消费总量年度值，计算公式为：
[0046]
e1＝(e/g)*g1
[0047]
其中，e1为市区县能源消费总量年度值，e为市区县的能源消费总量年度值，g为市区县的各产业增加值年度值，g1为市区县的各产业生产总值的年度值；
[0048]
利用现有频度转换方法，将采集到市区县中的各类数据由年度序列拆分为月度序列；
[0049]
利用x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
[0050]
以两年滚动预测误差为选择标准，根据频度转化方法、序列分解方法和序列类型，建立用电量与能源消费总量的长期均衡模型，对模型修正并筛选出最优参数下的长期均衡关系模型，长期均衡关系模型为：
[0051][0052]
其中，x
t
为各市区县的月度用电量，e
t
为各市区县月度能源消费总量，α0和α1为拟合后求得的参数；
[0053]
采集各市区县的月度用电量数据和各市区县每年12个月的月度能源消费总量数据，计算调整因子，计算公式为：
[0054][0055]
其中，f为调整因子，e
t
为年度能源消费总量数据，e
t
为月度能源消费总量数据；
[0056]
利用调整因子f，以及标准煤的碳排放系数h，得到各市区县的月度碳排放量c
t
，计
算公式为：
[0057][0058]
进一步地，所述重点行业的碳排放量测算中筛选出最优参数下的模型为adl-tc(q,s)模型，模型表达式为：
[0059][0060]
其中，ytc
t
为月度能源消耗数据，α、βi和γj为拟合后求得的参数，其中，t代表月份，q和s为优选确定的参数，ε
t
为白噪声。
[0061]
进一步地，所述居民户的碳排放量测算中筛选出最优参数下的模型为adl-sa(q,s)模型，模型表达式为：
[0062][0063]
其中，ysa
ij,t
为月度电量数据，α、β
ij,k
和γ
ij,h
为拟合后求得的参数，q和s为优选确定的参数，ε
ij,t
为白噪声，其中，t代表月份，i代表消费类别，j代表区县。
[0064]
进一步地，所述内部数据包括全省各个地市区县月度用电量数据、全省各类行业月度用电量数据、各小类行业的月度用电量、各居民户的月度用电量数据，及以上各类用电量的绿电构成比例数据，所述比例数据为风电、光电、水电和火电的构成比例。
[0065]
进一步地，所述外部数据包括全省各类行业的增加值年度数据、各类行业的能源消费数据、各地市区县中各类行业的增加值数据、各小类行业的增加值以及其产品产量数据、各小类行业的能源消费量数据和居民的各类消费数据，所述能源消费数据包括煤、油、气、电。
[0066]
本技术采用以上技术方案，至少具备以下有益效果：
[0067]
基于省内多方面数据，有全省各个地市区县月度用电量数据、各类行业月度用电量数据、各小类行业的月度用电量、各居民户的月度用电量数据、各类行业的增加值年度数据、各类行业的能源消费数据、各地市区县中各类行业的增加值数据、各小类行业的增加值以及其产品产量数据、各小类行业的能源消费量数据和居民的各类消费数据，及各类用电量的绿电构成比例数据，利用了季节调整、频度转换、以及模型推断对缺失的高频宏观统计指标进行统计推算，借助清单编制法实现了对省内碳排放量多维度全面的测算。
[0068]
从重点行业、居民户和地区三个维度对碳排放进行测算，并对测算结果进行分析和比较；结合宏观统计指标推算的各种技术、居民户用电量分组技术，利用清单编制法实现了对家庭居民户的间接碳排放测算，为今后实现家庭碳排放测算的常态化和规模化提供了可能。
[0069]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
[0070]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0071]
图1是本发明中测算方法技术路线示意图。
具体实施方式
[0072]
为使本技术的目的、技术方案和优点更加清楚，下面将对本技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
[0073]
相关技术中，在碳排放的测算过程中，用于测算的数据依据比较单一，一般采用测算对象的用电量数据，这就会导致对象测算碳排量时不够全面；碳排放的测算对象比较集中，一遍都是对企业对象测算碳排量，所以测算对象维度不够，导致现有的测算方法无法满足对较大的行政区域进行碳排放测算。
[0074]
本技术实施例，结合了多方数据，如用电量数据、行业的增加值年度数据、行业的能源消费数据、居民的各类消费数据和各市区县的gdp等，利用了季节调整、频度转换、以及模型推断对缺失的高频宏观统计指标进行统计推算，从重点行业、居民户和地区三个维度，借助清单编制法实现了对碳排放全面的测算。
[0075]
下面通过具体的实施例对本技术中省级碳排放测算方法进行说明。
[0076]
请参阅图1，图1是根据本发明一示例性实施例提供的一种省级碳排放测算方法技术路线示意图，该方法包括以下内容：
[0077]
采集基础数据，基础数据包括内部数据和外部数据，内部数据是采集到的电量数据，外部数据是采集到的能源消耗数据、产量增加值数据和居民的各类消费数据；
[0078]
基础数据的预处理，包括对基础数据中缺失数据进行插补、对基础数据的低频序列进行高频转换和对基础数据依据时间进行序列拆分；
[0079]
根据预处理完的基础数据，经过检验，建立用电量与能源消费总量的长期均衡模型，并对该模型进行修订，最终得出合适的计量模型；
[0080]
依据所述外部数据中的各行业生产过程中的碳排放、居民户消费带来的碳排放和能源使用产生的碳排放，从ipcc(2019)中选择碳排放系数；
[0081]
以预处理后的基础数据、计量模型和碳排放系数为依据，从重点行业、居民户和地区三个维度对碳排放进行测算，并对测算结果进行分析和比较。
[0082]
需要说明的是，本实施例提供的这种方法，不仅适用于省级的碳排放测算情况，也可适用于国、市、县、区和镇行政区域级别。
[0083]
在具体实践中，所述预处理完的基础数据做检验采用单位根检验和协整检验；检验后建立用电量与能源消费总量的长期均衡模型，用于对碳排放进行模型推断，对长期均衡模型的修订是一个筛选过程，最终筛选出最优参数下的模型。
[0084]
可以理解的是，本实施例提供的技术方案，从重点行业、居民户和地区三个维度分别对省内碳排放进行测算，测算过程中引用到的数据来自各个跟碳排放相关的方面，由此，从测算的维度和测算数据的多样性上看，能比较全面的测算一个行政区域内的碳排放量；测算过程中运用到了数据插补、频度转换、以及模型推断等多种技术对缺失的高频宏观统
计指标进行统计推算，借助清单编制法实现了对碳排放的由年度测算转为月度测算，实现了提高测算频度的效果。
[0085]
在一个实施例中，所述重点行业的碳排放量测算具体步骤为：
[0086]
根据企业用户用电量占比，确定重点行业名单，并统计各重点行业对应的主要产品类型、各种类型的产量和能源消费总量；
[0087]
根据现有的插补方法，对重点行业缺失的产量和能源消费总量数据进行插补；
[0088]
根据现有的频度转换方法，将重点行业的产量和能源消费总量由年度序列拆分为月度序列；
[0089]
根据x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
[0090]
以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的模型，根据最优参数下的模型可得到月度能源消耗数据ytc
t
；
[0091]
根据s序列、i序列和碳排放系数w计算各重点行业生产过程中的碳排放量c1
t
，计算公式为：
[0092][0093]
类似生产过程中的碳排放量计算，根据s序列、i序列和碳排放系数w计算各重点行业能源使用中的碳排放量c2
t
，计算公式为：
[0094][0095]
计算各重点行业的碳排放总量c
t
，计算公式为：
[0096]ct
＝c1
t
+c2
t
。
[0097]
具体的，所述现有的插补方法，选用插补方法时，是根据缺失的数据类型选定的，选用数据类型常用且有效的插补方法即可，所述现有的频度转换方法优选的三次插值法或litterman，将重点行业的产量和能源消费总量由年度序列拆分为月度序列。
[0098]
需要说明的是，所述重点行业的计量模型是根据不同的频度转化方法、序列分解方法和序列类型建立的多个模型，需要估算筛选出最优参数下的模型，这里筛选出的模型为adl-tc(q,s)模型，模型表达式为：
[0099][0100]
其中，ytc
t
为月度能源消耗数据，α、βi和γj为拟合后求得的参数，其中，t代表月份，q和s为优选确定的参数，ε
t
为白噪声。
[0101]
可以理解的是，重点行业碳排放测算是结合了生产过程中的碳排放量和行业能源使用中的碳排放量，在测算过程中又考虑到了季节因子和不规则因子，使测算的结果即全面又准确。
[0102]
在一个实施例中，所述居民户的碳排放量测算具体步骤为：
[0103]
采集全省每个城市中区县的消费数据、gdp数据和人口数据，建立人均消费与人均gdp的长期均衡关系模型，计算区县的消费数据，计算公式为：
[0104]
tc
ij
＝(α0+α1*pg
ij
)*p
ij
[0105]
其中，tc
ij为
区县的消费数据，pg
ij
为人均gdp数据，p
ij
为人均消费数据，α0和α1为拟合后求得的参数，其中，i代表消费类别，j代表区县；
[0106]
根据现有的插补方法，对省内城市的每个区县居民户的消费指标的缺失值进行插补；
[0107]
根据现有的频度转换方法，将各类消费由年度序列拆分为月度序列；
[0108]
根据x-13-arima法和tramo-seats算法，将各消费的月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
[0109]
以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的长期均衡模型，并根据该模型计算得到月度电量数据ysa
t
；
[0110]
利用sturges分组法，将各区县居民户用电量进行分组，根据相应标准确定不同组别的排放比较系数和定基的价格调整因子，参考各类消费的碳排放因子，计算得到各类消费的月度间接碳排放量，公式如下：
[0111][0112]
其中，ic
ij,t
为月度间接碳排放量，ysa
ij,t
为月度电量数据其中，i代表消费类别，j代表区县；gf为不同组别的排放比较系数，pf
t
为同时计算定基的价格调整因子，cf为参考各类消费的碳排放因子；
[0113]
计算区县居民户n类消费总的间接碳排放量，计算公式为：
[0114][0115]
根据区县居民户用电量分组的排放比较系数gf、电力排放系数ef、电力碳排放占直接碳排放的比例p2和居民户用电量数据x
jt
计算得到各区县居民户的直接碳排放量，计算公式为：
[0116][0117]
其中，dc
jt
为月度直接碳排放量，其中，j表示区县；gf为分组的排放比较系数；ef为电力排放系数；p2为电力碳排放占直接碳排放的比例；x
jt
为居民户用电量数据，其中，j表示区县；
[0118]
计算各区县居民户的总的碳排放量，计算公式为：
[0119]cjt
＝dc
jt
+ic
jt
[0120]
其中，c
jt
为月度总的碳排放量，j表示区县。
[0121]
具体的，所述现有的插补方法，选用插补方法时，是根据缺失的数据类型选定的，选用数据类型常用且有效的插补方法即可，所述现有的频度转换方法优选的三次插值法或litterman，将各类消费由年度序列拆分为月度序列。
[0122]
需要说明的是，所述居民户的计量模型是根据不同的频度转化方法、序列分解方法和序列类型建立的多个模型，需要估算筛选出最优参数下的模型，这里筛选出的模型为
adl-sa(q,s)模型，模型表达式为：
[0123][0124]
其中，ysa
ij,t
为月度电量数据，α、β
ij,k
和γ
ij,h
为拟合后求得的参数，q和s为优选确定的参数，ε
ij,t
为白噪声，其中，t代表月份，i代表消费类别，j代表区县。
[0125]
可以理解的是，居民户碳排放测算是结合了居民户直接碳排放量和居民户产生的间接碳排放量，在测算过程中也考虑到了季节因子和不规则因子，计算间接碳排放量时考虑了消费情况、gdp数据和人口数据，使测算出的结果能更客观的反映出来。
[0126]
在一个实施例中，所述地区的碳排放量测算具体为，
[0127]
采集省内各市区县的能源消费总量年度值、省内各市区县各产业增加值年度值和省内各市区县的各产业生产总值的年度值；
[0128]
计算省内各市区县能源消费总量年度值，计算公式为：
[0129]
e1＝(e/g)*g1
[0130]
其中，e1为市区县能源消费总量年度值，e为市区县的能源消费总量年度值，g为市区县的各产业增加值年度值，g1为市区县的各产业生产总值的年度值；
[0131]
利用现有频度转换方法，将采集到市区县中的各类数据由年度序列拆分为月度序列；
[0132]
利用x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；
[0133]
以两年滚动预测误差为选择标准，根据频度转化方法、序列分解方法和序列类型，建立用电量与能源消费总量的长期均衡模型，对模型修正并筛选出最优参数下的长期均衡关系模型，长期均衡关系模型为：
[0134][0135]
其中，x
t
为各市区县的月度用电量，e
t
为各市区县月度能源消费总量，α0和α1为拟合后求得的参数；
[0136]
采集各市区县的月度用电量数据和各市区县每年12个月的月度能源消费总量数据，计算调整因子，计算公式为：
[0137][0138]
其中，f为调整因子，e
t
为年度能源消费总量数据，e
t
为月度能源消费总量数据；
[0139]
利用调整因子f，以及标准煤的碳排放系数h，得到各市区县的月度碳排放量c
t
，计算公式为：
[0140][0141]
具体的，所述现有的频度转换方法优选的三次插值法或litterman，将采集到市区县中的各类数据由年度序列拆分为月度序列，所述对模型修正时，优选采用aic、bic和调整r2原则对模型进行修正和比较。
[0142]
需要说明的是，所述地区的碳排放量测算是与居民户碳排放测算和各行业的碳排放测算时关联的，测算时会用到的类似数据。
[0143]
可以理解的是，地区碳排放测算通过各市区县的能源消费数据、各市区县各产业生产值数据和各市区县用电量数据，并结合了调整因子和碳排放系数，得到的各市区县碳排放量数据更全面真实。
[0144]
需要说明的是，在上述实施例中测算方法用到的数据包括全省各个地市区县月度用电量数据、各类行业月度用电量数据、各小类行业的月度用电量、各居民户的月度用电量数据，及以上各类用电量的绿电构成比例数据，所述比例数据为风电、光电、水电和火电的构成比例；还包括全省各类行业的增加值年度数据、各类行业的能源消费数据、各地市区县中各类行业的增加值数据、各小类行业的增加值以及其产品产量数据、各小类行业的能源消费量数据和居民的各类消费数据，所述能源消费数据包括煤、油、气、电。
[0145]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0146]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种省级碳排放测算方法，其特征在于，所述方法包括以下内容：采集基础数据，基础数据包括内部数据和外部数据，内部数据是采集到的电量数据，外部数据是采集到的能源消耗数据、产量增加值数据和居民的各类消费数据；基础数据的预处理，包括对基础数据中缺失数据进行插补、对基础数据的低频序列进行高频转换和对基础数据依据时间进行序列拆分；根据预处理完的基础数据，经过检验，建立用电量与能源消费总量的长期均衡模型，并对该模型进行修订，最终得出合适的计量模型；依据所述外部数据中的各行业生产过程中的碳排放、居民户消费带来的碳排放和能源使用产生的碳排放，从ipcc(2019)中选择碳排放系数；以预处理后的基础数据、计量模型和碳排放系数为依据，从重点行业、居民户和地区三个维度对碳排放进行测算，并对测算结果进行分析和比较。2.根据权利要求1所述的方法，其特征在于，所述重点行业的碳排放量测算具体步骤为：根据企业用户用电量占比，确定重点行业名单，并统计各重点行业对应的主要产品类型、各种类型的产量和能源消费总量；根据现有的插补方法，对重点行业缺失的产量和能源消费总量数据进行插补；根据现有的频度转换方法，将重点行业的产量和能源消费总量由年度序列拆分为月度序列；根据x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的模型，根据最优参数下的模型可得到月度能源消耗数据ytc
t
；根据s序列、i序列和碳排放系数w计算各重点行业生产过程中的碳排放量c1
t
，计算公式为：类似生产过程中的碳排放量计算，根据s序列、i序列和碳排放系数w计算各重点行业能源使用中的碳排放量c2
t
，计算公式为：计算各重点行业的碳排放总量c
t
，计算公式为：c
t
＝c1
t
+c2
t
。3.根据权利要求1所述的方法，其特征在于，所述居民户的碳排放量测算具体步骤为：采集全省每个城市中区县的消费数据、gdp数据和人口数据，建立人均消费与人均gdp的长期均衡关系模型，计算区县的消费数据，计算公式为：tc
ij
＝(α0+α1*pg
ij
)*p
ij
其中，tc
ij为
区县的消费数据，pg
ij
为人均gdp数据，p
ij
为人均消费数据，α0和α1为拟合后求得的参数，其中，i代表消费类别，j代表区县；
根据现有的插补方法，对省内城市的每个区县居民户的消费指标的缺失值进行插补；根据现有的频度转换方法，将各类消费由年度序列拆分为月度序列；根据x-13-arima法和tramo-seats算法，将各消费的月度序列分解为tc序列、sa序列、s序列和i序列，其中，tc序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；以两年滚动预测误差为选择标准，根据现有不同的频度转化方法、序列分解方法和序列类型，建立多个计量模型，从中筛选出最优参数下的长期均衡模型，并根据该模型计算得到月度电量数据ysa
t
；利用sturges分组法，将各区县居民户用电量进行分组，根据相应标准确定不同组别的排放比较系数和定基的价格调整因子，参考各类消费的碳排放因子，计算得到各类消费的月度间接碳排放量，公式如下：其中，ic
ij,t
为月度间接碳排放量，ysa
ij,t
为月度电量数据其中，i代表消费类别，j代表区县；gf为不同组别的排放比较系数，pf
t
为同时计算定基的价格调整因子，cf为参考各类消费的碳排放因子；计算区县居民户n类消费总的间接碳排放量，计算公式为：根据区县居民户用电量分组的排放比较系数gf、电力排放系数ef、电力碳排放占直接碳排放的比例p2和居民户用电量数据x
jt
计算得到各区县居民户的直接碳排放量，计算公式为：其中，dc
jt
为月度直接碳排放量，其中，j表示区县；gf为分组的排放比较系数；ef为电力排放系数；p2为电力碳排放占直接碳排放的比例；x
jt
为居民户用电量数据，其中，j表示区县；计算各区县居民户的总的碳排放量，计算公式为：c
jt
＝dc
jt
+ic
jt
；其中，c
jt
为月度总的碳排放量，j表示区县。4.根据权利要求1所述的方法，其特征在于，所述地区的碳排放量测算具体为，采集省内各市区县的能源消费总量年度值、省内各市区县各产业增加值年度值和省内各市区县的各产业生产总值的年度值；计算省内各市区县能源消费总量年度值，计算公式为：e1＝(e/g)*g1其中，e1为市区县能源消费总量年度值，e为市区县的能源消费总量年度值，g为市区县的各产业增加值年度值，g1为市区县的各产业生产总值的年度值；利用现有频度转换方法，将采集到市区县中的各类数据由年度序列拆分为月度序列；利用x-13-arima法、tramo-seats将月度序列分解为tc序列、sa序列、s序列和i序列，tc
序列为能源消耗数据序列，sa序列为电量数据序列，s序列为季节因子序列，i序列为不规则因子序列；以两年滚动预测误差为选择标准，根据频度转化方法、序列分解方法和序列类型，建立用电量与能源消费总量的长期均衡模型，对模型修正并筛选出最优参数下的长期均衡关系模型，长期均衡关系模型为：其中，x
t
为各市区县的月度用电量，e
t
为各市区县月度能源消费总量，α0和α1为拟合后求得的参数；采集各市区县的月度用电量数据和各市区县每年12个月的月度能源消费总量数据，计算调整因子，计算公式为：其中，f为调整因子，e
t
为年度能源消费总量数据，e
t
为月度能源消费总量数据；利用调整因子f，以及标准煤的碳排放系数h，得到各市区县的月度碳排放量c
t
，计算公式为：5.根据权利要求2所述的方法，其特征在于，所述重点行业的碳排放量测算中筛选出最优参数下的模型为adl-tc(q,s)模型，模型表达式为：其中，ytc
t
为月度能源消耗数据，α、β
i
和γ
j
为拟合后求得的参数，其中，t代表月份，q和s为优选确定的参数，ε
t
为白噪声。6.根据权利要求3所述的方法，其特征在于，所述居民户的碳排放量测算中筛选出最优参数下的模型为adl-sa(q,s)模型，模型表达式为：其中，ysa
ij,t
为月度电量数据，α、β
ij,k
和γ
ij,h
为拟合后求得的参数，q和s为优选确定的参数，ε
ij,t
为白噪声，其中，t代表月份，i代表消费类别，j代表区县。7.根据权利要求1所述的方法，其特征在于，所述内部数据包括全省各个地市区县月度用电量数据、各类行业月度用电量数据、各小类行业的月度用电量、各居民户的月度用电量数据，及以上各类用电量的绿电构成比例数据，所述比例数据为风电、光电、水电和火电的构成比例。8.根据权利要求1所述的方法，其特征在于，所述外部数据包括全省各类行业的增加值年度数据、各类行业的能源消费数据、各地市区县中各类行业的增加值数据、各小类行业的增加值以及其产品产量数据、各小类行业的能源消费量数据和居民的各类消费数据，所述能源消费数据包括煤、油、气、电。

技术总结
本申请涉及一种省级碳排放测算方法，属于碳排放测算技术领域。所述方法的内容包括采集基础数据，基础数据的预处理，建立用电量与能源消费总量的长期均衡模型，修订筛选出最优参数下的模型，以预处理后的基础数据、计量模型和碳排放系数为依据，从重点行业、居民户和地区三个维度对碳排放进行测算，并对测算结果进行分析和比较；基于省内多方面数据，利用了季节调整、频度转换、以及模型推断对缺失的高频宏观统计指标进行统计推算，借助清单编制法实现了对省内碳排放量多维度全面的测算。现了对省内碳排放量多维度全面的测算。现了对省内碳排放量多维度全面的测算。


技术研发人员：王鑫 解磊 鞠文杰 李函奇 陆媛 梁波 杨洋 冯延坤 张浩芳 王莲君
受保护的技术使用者：国网山东省电力公司营销服务中心（计量中心）
技术研发日：2023.03.15
技术公布日：2023/7/26