中国火电行业多模型碳达峰情景预测免费下载

第 43 卷第 5 期2022 年 5 月电力建设Electric Power ConstructionVol. 43No. 5May 2022http: / /www． cepc． com． cn基金项目: 国家自然科学基金项目( 71774054)中国火电行业多模型碳达峰情景预测张金良，贾凡( 华北电力大学经济与管理学院，北京市 102206)摘要: 随着 2030 年碳达峰目标的提出，能源行业中火电行业的碳达峰情况备受瞩目。文章首先根据 Kaya 恒等式的扩展，分析得到影响碳排放的主要因素: 人口、经济、产业结构、能源消费强度以及消费结构; 其次，以 2000—2018 年数据为基础分别建立线性回归、径向基函数( radial basis function，ＲBF) 神经网络、差分自回归移动平均( autoregressiveintegrated moving average，AＲIMA) 以及 BP 神经网络模型，对比得到最优的预测模型; 最后，基于最优模型在基准发展、产业优化、技术突破、低碳发展这 4 种不同发展情景下对 2021—2050 年碳排放量进行预测，然后在此基础上对碳达峰情况进行分析。结果表明: 低碳发展情景的碳达峰时间最早且峰值最低，是中国火电行业实现碳排放达峰的首选发展模式，为推动火电行业尽快实现较低的碳排放峰值提供借鉴。关键词: 碳达峰预测; 情景分析; 线性回归; 差分自回归移动平均( AＲIMA) ; 神经网络Multi － model Carbon Peak Scenario Prediction forThermal Power Industry in ChinaZHANG Jinliang，JIA Fan( School of Economics and Management，North China Electric Power University，Beijing 102206，China)ABSTＲACT: With the goal of carbon peaking in 2030，the carbon peak of thermal power industry in the energy industry hasattracted much attention． In this paper，firstly，according to the extension of Kaya ＇s constant equation，the main factorsaffecting carbon emissions are analyzed and obtained: population，economy，industrial structure，energy consumption intensityand energy consumption structure． Secondly，linear regression，ＲBF neural network，AＲIMA and BP neural network modelsare established according to data from 2000 to 2018，to get the optimal prediction models by comparison． Finally，on the basisof the optima...