上海交通大学学报

上海交通大学学报, 2024, 58(1): 82-90 doi: 10.16183/j.cnki.jsjtu.2022.222

新型电力系统与综合能源

城市电力行业碳排放测算方法及减碳路径

胡壮丽,1, 罗毅初1, 蔡航2

1.广东电网公司佛山供电局,广东 佛山 528011

2.中国移动通信集团广东有限公司佛山分公司,广东 佛山 528315

A Method for Carbon Emission Measurement and a Carbon Reduction Path of Urban Power Sector

HU Zhuangli,1, LUO Yichu1, CAI Hang2

1. Foshan Power Supply Bureau, Guangdong Power Grid Co., Ltd., Foshan 528011,Guangdong, China

2. Foshan Branch, China Mobile Group Guangdong Co., Ltd.,Foshan 528315, Guangdong, China

责任编辑: 王历历

收稿日期: 2022-06-13   修回日期: 2022-09-21   接受日期: 2022-12-13  

基金资助: 广东电网有限责任公司管理创新项目(030600KK52220048)

Received: 2022-06-13   Revised: 2022-09-21   Accepted: 2022-12-13  

作者简介 About authors

胡壮丽(1991-),硕士,工程师,现主要从事节能环保与电力系统分析工作.电话(Tel.):0757-82863294;E-mail:huzhuangli.csg@qq.com.

摘要

为测算城市电力行业碳排放水平和降低电力行业碳排放,提出一种城市电力行业碳排放测算方法和减碳路径.首先,基于城市本地电源发电和净调入电力数据建立城市电力行业碳排放测算模型;其次,从发电侧、电网侧、负荷侧和储能侧提出城市电力行业减碳措施;然后,建立减碳措施的效果评估模型;最后,以珠三角典型城市F市为例,利用所提碳排放测算模型测算该市电力行业碳排放,并依据减碳措施评估该市2030年碳达峰情景电力行业减碳效果.结果表明:所提模型能准确测算城市电力行业碳排放;通过减碳措施,F市在2030年至少可减少碳排放1.06×107 t.

关键词： 碳排放; 电力行业; 碳减排; 碳达峰

Abstract

To measure and reduce carbon emissions in the urban power sector, a method for measuring carbon emissions in the urban power sector and a carbon reduction path are proposed. First, a carbon emission measurement model for the urban power sector is established based on the data of local power generation and net inward power. Then, carbon reduction measures for the urban power sector are proposed from the generation side, grid side, load side and energy storage side. After that, an evaluation model for the effect of the carbon reduction measures is established. Finally, taking a typical city F in the Pearl River Delta as an example, the proposed carbon emission calculation model is used to calculate the carbon emissions of power sector of the city, and the effectiveness of carbon reduction in 2030 carbon peak scenario of the city is evaluated based on the carbon reduction measures. The results show that the proposed model can accurately measure the carbon emissions of the urban power sector, and by utilizing carbon reduction measures, carbon emissions of the city can be reduced by at least 10.6 million tons in 2030.

Keywords： carbon emission; power sector; carbon emission reduction; carbon peak

PDF (1670KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

胡壮丽, 罗毅初, 蔡航. 城市电力行业碳排放测算方法及减碳路径[J]. 上海交通大学学报, 2024, 58(1): 82-90 doi:10.16183/j.cnki.jsjtu.2022.222

HU Zhuangli, LUO Yichu, CAI Hang. A Method for Carbon Emission Measurement and a Carbon Reduction Path of Urban Power Sector[J]. Journal of Shanghai Jiaotong University, 2024, 58(1): 82-90 doi:10.16183/j.cnki.jsjtu.2022.222

碳排放是温室气体排放的总称或简称,随着全球温室效应现象加剧,应对气候变化的重要性提升,国际气候谈判工作也越来越重要.中国是最大的能源生产与消费国,也是CO2排放大国.2020年中国CO2排放量9.89×109 t,占全球CO2总排放量30.93%[1].降低我国碳排放,对应对全球温室效应具有重要意义[2].我国在第七十五届联合国大会宣布:“中国CO2排放力争2030年前达到峰值,努力争取2060年前实现碳中和”[3].我国能源消费产生的CO2排放占总排放量约88%,其中电力行业占能源行业CO2排放总量约42.5%.作为我国碳排放占比最大的单一行业,电力行业减排进程将直接影响碳达峰、碳中和整体进程[4-5].因此,准确的城市电力行业碳排放测算方法必不可少.

目前,针对碳排放的测算已有大量研究,部分研究针对工业领域碳排放[6]、建筑领域碳排放[7-8]、交通领域碳排放[9-10]、农业农村领域碳排放[11]测算.在我国,能源消费产生的CO2占比最大,测算能源领域的碳排放是当前的热点.不同于能源领域碳排放的测算,电力行业碳排放作为单一行业碳排放,测算要求更加精细.电力行业碳排放主要方法有3类:宏观统计法、全生命周期法和碳排放流方法[12⇓-14].文献[15]中采用基于情景分析的方法,开展我国电力行业碳排放趋势预测,识别碳减排的主要驱动因素.文献[16]中提出一种电力碳排放核算范围和核算方法,但电力碳排放仅考虑火力发电碳排放部分.文献[17]中使用三阶段数据包络线分析法模型对区域电力行业的碳排放效率进行测算.文献[18]中提出一种新的碳排放流量分析模型,用于量化电力从发电侧到需求侧产生的碳排放.文献[19]中提出一种碳流量追踪方法,该方法跟踪整个电网的电力消耗能源来确定电力消费的碳排放.然而,关于城市电力行业碳排放测算的研究较少.

电力行业减碳措施方面,文献[20]中基于电力平衡的电力行业长期规划与短期运行联合优化模型,研究碳约束条件下电力行业低碳转型路径.文献[21]中采用双重差分模型量化碳交易政策对电力行业碳减排的作用.文献[22]中从发电侧、需求侧、电网侧对各减排措施的应用和发展进行分析和评价,并提出电力行业碳减排综合优化模型.文献[23]中提出以新能源为主体的新型电力系统的现存挑战,并综述新型电力系统碳减排的关键技术.文献[24]中提出新型电力系统“碳视角”的研究框架及低碳化解决方案.文献[25]中从政策、技术、机制协同等方面提出电力低碳转型建议.

本文提出一种不同于上述研究的城市电力行业碳排放的测算方法,该方法综合考虑城市本地电源发电和净调入电力,从发电侧、电网侧、负荷侧和储能侧提出城市电力行业减碳措施并建立减碳措施的效果评估模型.利用算例验证所提碳排放测算模型对城市电力行业碳排放测算的准确性;同时,评估减碳措施对该市2030年碳达峰情景电力行业减碳的效果.在准确测算城市电力行业碳排放数据后,可采用所提减碳措施减少电力行业碳排放,为城市碳达峰、碳中和提供理论基础.

1 城市电力行业碳排放测算模型

1.1 测算方法偏差分析

珠三角地区城市碳排放计算方法分为能源供应侧和消费侧.能源供应侧分别统计煤品、油品、天然气、净调入电力碳排放;消费侧分别统计工业、建筑、交通和农业农村领域碳排放.能源供应侧和消费侧的计算存在一定的偏差[26],以珠三角典型城市F市为例,近10年能源供应侧和消费侧碳排放数据[27]如表1所示.由表可见,能源供应侧和消费侧测算出的碳排放存在约10%的偏差.

表1   珠三角F市2010—2020年能源供应侧和消费侧碳排放[27]

Tab.1  Energy-side and consumption-side carbon emission of City F in the Pearl River Delta from 2010 to 2020[27]

年份能源供应侧
×10-7/t		能源消费侧×10-7/t测算误差/%
工业领域建筑领域交通领域农业农村领域合计
20104.9993.6140.6310.5450.0474.8363.26
20115.2463.7450.7340.5340.0565.0703.36
20125.5893.4300.7760.5380.0694.81313.89
20135.6353.4190.7900.5520.0634.82414.40
20145.3713.2180.7530.5790.0614.61014.16
20155.1913.0270.7940.5850.0654.47213.85
20165.0262.9930.8170.5920.0624.46311.19
20175.3383.1870.9400.6220.1424.8908.40
20185.3473.1060.9920.6160.1464.8609.10
20195.2432.9311.0210.6190.1314.70210.33
20205.0622.8081.0210.5610.1254.51510.81

新窗口打开| 下载CSV


将能源供应侧碳排放细分为煤品、油品、天然气、净调入电力4个维度,可得到近10年F市能源供应侧碳排放细分数据[27],如表2所示.

表2   F市2010—2020年能源供应侧碳排放细分数据[27]

Tab.2  Breakdown data of energy-side carbon emissions in City F from 2010 to 2020[27]

年份煤品油品天然气净调入电力
碳排放量×10-7/t占比/%碳排放量×10-7/t占比/%碳排放量×10-7/t占比/%碳排放量×10-7/t占比/%
20102.34546.90.58511.70.1152.31.95439.1
20112.30343.90.75114.30.1773.42.01538.4
20122.86151.20.71712.80.2013.61.81032.4
20132.58345.80.98017.40.2043.61.86733.1
20142.41445.00.77814.50.2735.11.90535.5
20152.12040.80.80115.40.2484.82.02239.0
20161.80535.90.86217.10.3406.82.02040.2
20171.95136.50.78614.70.3476.52.25542.2
20182.10339.30.5179.70.4568.52.27142.5
20192.06339.30.55310.60.4688.92.15941.2
20201.98339.20.4749.40.4478.82.15842.6

新窗口打开| 下载CSV


当前电力行业碳排放测算方法测算一定周期内碳排放的总量用于宏观测算.城市电力行业的碳排放主要计算净调入电力的碳排放,缺少对于本地电源产生的碳排放的测算.为准确测算城市电力行业的碳排放,针对城市本地电源发电碳排放和净调入电力碳排放建立城市电力行业碳排放测算模型.

1.2 本地电源发电碳排放模型

本地220 kV及以下电源计入本地区发电量,因此,所有本地电源产生的碳排放计入城市碳排放.本地电源碳排放量计算公式为

Eloc= ∑i=1nFiEfi

式中:Fi为第i种发电机组统计期内全部发电量,包括煤炭发电(煤电)、天然气发电(气电)、 非化石能源电力; Efi为第i种发电机组化石燃料的CO2排放因子.

1.3 净调入电力碳排放模型

城市电力调入调出间接碳排放量依据电力调入或调出的正负分别采用不同测算方法.采用下式判断正负值:

ELQ=ELC-ELG

式中:ELQ为电力调入量或调出量;ELC为地级以上市全社会用电量;ELG为市辖区范围内不同类型电源的发电量.其中,电力生产总量为

ELG= ∑i=1nELGi

式中:ELGi为第i种发电机组的电力生产量,电源类型包括煤电、石油发电、气电、核能发电(核电)、不含抽蓄的水力发电(水电)、风力发电(风电)、光伏发电,垃圾焚烧、生物质及其他发电.

对于ELQ为负值的电力调出地级以上市,间接碳排放量为

Eise=EseEFe

式中:Ese为电力调出;EFe为本市电网平均CO2排放因子,表示为

EFe= 1ELG∑i=1nFCEiEfi

式中:FCEi为第i种发电机组统计期内全部发电量所耗用的化石燃料消费量,包括发电耗用的煤品消费量、油品消费量、天然气消费量等.

对于ELQ为正值的电力调入地级市,间接碳排放量为

Eiin=EinELf

式中:Ein为电力调入;ELf为电力平均CO2排放因子.

2 城市电力行业减碳措施

城市电力行业碳排放集中在发电侧、电网侧、负荷侧和储能侧等环节.发电侧碳排放是电力行业碳排放的主要来源.电网内部设备高能耗、线损等会引起电网内部产生碳排放,负荷侧的不合理使用会间接增加碳排放.储能虽然增加了电网的可调节性,但储能系统在存储和释放电力过程中会损耗电力,从而增加碳排放.因此,城市电力行业减碳措施可从发电侧、电网侧、负荷侧和储能侧分析.

2.1 发电侧减碳措施

2.1.1 燃煤机组退出或煤改气

电力平衡是电力近零碳排放进程中的难题,煤电机组退出过快易造成电力短缺、限电等现象.中短期煤电依旧是保证电力供应的主力电源,应科学谋划煤电退出路径,逐步实施燃煤机组退出或煤改气,同时退役煤电可转为应急备用机组等保证电力的供应.

2.1.2 增加净调入电力中绿电比例

对于电力净调入城市,碳排放主要来源之一是净调入电力碳排放.净调入电力间接碳排放取决于调入电量和净调入电力碳排放因子.构建以新能源为主体的电力系统,提升新能源发电量占比,增加净调入电力中绿电比例,则净调入电力碳排放可随之下降.

2.1.3 增加本地电源非化石能源发电量

优化本地电源结构,加快建立安全可靠、经济高效、绿色低碳的能源体系.在统筹平衡、功能互补的前提下,应实现气电、水电、核电、光伏、风电、生物质等电源协同发展,逐步推动新能源成为本地主体电源.针对城市能源结构优化调整,短期内应加大气电、水电、光伏、风电等发电.中远期,可结合城市资源禀赋发展核电、海洋能等电源.

2.2 电网侧减碳措施

优化电网结构,推广应用节能设备,强化节能调度,提高电网节能水平.推动绿色采购,引导供应商产品符合绿色制造标准.实施绿色电网建设和评价标准,实现全过程节能、节水、节材、节地和环境保护,推动电网设施与环境融合发展.深入挖掘电网自身潜力,实现线损管理精益化,通过降低线损降低电网内部电能传输损耗,从而降低碳排放.

2.3 负荷侧减碳措施

2.3.1 加强电力需求侧响应管理

推动电力需求侧管理实施,引导用户科学用能,鼓励引导供需互动、节约高效的能源消费方式.以市场化手段调动负荷侧资源灵活性,引导用户优化用电负荷.加快推动充电设施、用户侧储能等柔性负荷主动参与需求响应等新业态,促进源网荷储友好互动,促进高比例清洁能源消纳,从而间接减少电力行业CO2排放.

2.3.2 大力开展电能替代

加快推动“新电气化”进程,提高电能占终端能源消费比例,电能占终端能源消费比例每提升1%,单位GDP能耗可下降约4%.对于城市电力行业可推广成熟电能替代产品,如推动电锅炉、电窑炉、电磁厨房等成熟领域的电能替代改造.

2.3.3 全面拓展节能服务业务

围绕新型电力系统优化调整产业布局,从源网荷储、市场、技术、建设等领域积极拓展市场空间.大力拓展一体化智慧能源项目,提升节能服务技术水平,对客户用能系统进行“建、运、管、售”一体化服务,拓展能源托管、数字配电房、楼宇节能、氢能、区域综合能源系统等项目.统筹用户电、热、冷、气等用能需求,实现多种能源互补运行,提高能源综合利用效率.

2.4 储能侧减碳措施

2.4.1 储能与清洁能源配套建设

电池储能与光伏发电、风电等配套建设,储存太阳能和风力发电多余能量,可最大限度利用清洁能源,使用储存的清洁能源可以替代更高成本的化石燃料发电,降低发电成本,减少碳排放.

2.4.2 智能调峰促进清洁能源消纳

储能可以提升电网的调节灵活度,减小电网的峰谷差,是增加可再生能源发电并网规模的有效手段.通过智能调峰,优化储能调度,可提高电力系统运行效率和消纳新能源,减少弃风弃光,是实现碳减排的措施之一.

2.4.3 减少储能充放电损耗电量

电能在充放电过程中发生损耗,目前国内已建成的储能电站,综合效率在65%~91%之间,效率差距较大[28].通过优化储能运行环境的温度、电池管理水平、优化储能变流器、电芯一致性等技术手段可以提升储能的充放电效率,从而降低电量损耗.

2.5 碳减排效果评估模型

城市电力行业碳减排测算,主要测算发电侧、电网侧、负荷侧、储能侧等减排措施对减排的效果,期望在满足用电需求的情况下碳减排最大,即

fCO2= ∑y=1Y(E1+E2+E3+E4)
E1= ∑y=1Y(Cy-Cry)
E2= ∑y=1YEy(Ly-Lry)ELfy
E3= ∑y=1Y∑i=1N(D1+D2+…+Di)
E4= ∑y=1YRyELfy+ ∑y=1Y∑i=1N(I1+I2+…+Ii)

式中:fCO2为采取减碳措施后城市电力行业碳减排量;y、Y分别为年份和计算的总年数;E1~E4分别为发电侧、电网侧、负荷侧、储能侧减少的碳排放;Cy、Cry分别为本地电源发电碳排放和采取措施后的本地电源碳排放;ELfy为第y年电力平均CO2排放因子;Ly、Lry分别为当前线损和减少损耗后的线损;Ey为供电量; Di为负荷侧节能、用户侧提升能效等减少的碳排放;Ry为储能侧增加储存的清洁能源的电量;Ii为减少的储能充放电损耗等减少的碳排放.

3 案例分析

3.1 碳排放测算

3.1.1 净调入电力碳排放测算

为验证所提出城市电力行业碳排放测算模型的准确性,选用珠三角典型城市F进行测算,依据式(1),不同发电机组化石燃料CO2排放因子不同,煤电、气电和非化石能源电力排放因子分别为2.66、1.73、1.56[29].

如表3所示,用所提模型测算F市2010—2020年电力碳排放数据,F市为电力调入地级市,根据式(6)可计算得到2010—2020年F市净调入电力碳排放.

表3   F市2010—2020年净调入电力碳排放

Tab.3  Net transfer electricity carbon emissions of City F from 2010 to 2020

年份发、用电消费量×10-10/(kW·h)净调入电
量碳排放
×10-7/t
全社会
用电量		净调入电量本地区
发电量
20104.6573.4611.1961.954
20114.8793.4331.4462.015
20125.0703.3321.7371.810
20135.2713.4981.7731.867
20145.6414.0631.5781.905
20155.8784.4791.3992.022
20166.2084.7641.4452.020
20176.7385.1641.5752.255
20186.9095.3531.5562.271
20197.0275.4661.5612.159
20207.1035.5681.5352.158

新窗口打开| 下载CSV


3.1.2 本地电源发电碳排放测算

依据测算模型,测算本地电源发电产生的碳排放,需统计本地电源的发电量,且因不同发电机组所用化石燃料的不同其CO2排放因子不同,所以需统计本地电源的类型.根据文献[30],F市本地电源发电量如表4所示.

表4   F市2010—2020年本地电源发电量[30]

Tab.4  Local power generation in City F from 2010 to 2020[30]

年份全社会
用电量×
10-10/
(kW·h)		外区净
调入电量×
10-10/
(kW·h)		本地区电源发电量×
10-10/(kW·h)
煤电气电非化石
能源电力
20104.6573.4611.1960.0000.000
20114.8793.4331.4380.0000.008
20125.0703.3321.6280.0540.056
20135.2713.4981.6300.0530.090
20145.6414.0631.2120.0500.315
20155.8784.4791.0280.0010.370
20166.2084.7640.9450.0460.453
20176.7385.1641.0950.0560.424
20186.9095.3531.0550.0690.432
20197.0275.4660.9940.1470.420
20207.1035.5681.1340.2000.201

新窗口打开| 下载CSV


根据式(1)和不同发电机组化石燃料CO2排放因子,可计算得到本地2010—2020年每年电源发电碳排放量分别为1.02×107、1.23×107、1.41×107、1.41×107、1.05×107、0.88×107、0.82×107、0.96×107、0.93×107、0.91×107、1.05×107 t.

将2010—2020年F市本地电源发电碳排放和净调入电力碳排放两者相加,可计算得到F市电力行业碳排放数据,2010—2020年每年碳排放量分别为2.97×107、3.24×107、3.22×107、3.28×107、2.96×107、2.90×107、2.84×107、3.21×107、3.20×107、3.07×107、3.21×107 t.

由此可知,用本模型测算得到的电力碳排放数据趋势与2010—2020年F市能源供应侧碳排放数据趋势一致,本模型可细分测算城市电力行业碳排放,效果良好.

3.2 碳达峰情景电力行业碳减排测算

3.2.1 碳达峰情景能源消费量预测

对F市2025和2030两个关键年煤品、油品、天然气和净调入电力量预测,假设关键年间各能源品种消费数量按照线性增长,得到F市“十四五”“十五五”期间能源消费折算为标煤(msc)的预测结果,如图1所示.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   F市能源消费趋势预测

Fig.1   Forecast of energy consumption trend in City F


3.2.2 电力行业减碳预测

城市电力行业减碳措施分为发电侧、电网侧、负荷侧和储能侧.根据碳减排效果评估模型,可测算2021—2030年F市每年减少的碳排放.

发电侧方面,F市部分煤电厂实施煤改气,预计2025年起可减少CO2排放量9.94×105 t.据测算,“十四五”末F市天然气累计新增发电量可达2.03×1010 kW·h/a,新增光伏发电量累计可达5×108 kW·h/a,新增生物质发电量累计可达8×108 kW·h/a,合计新增约2.16×1010 kW·h/a.据文献[29],“十四五”末F市新增的清洁能源发电可每年减少CO2排放7.56×106 t.“十五五”期间,假设本地电源结构没有发生重大调整,每年新增1×108 kW·h光伏发电量,则“十四五”至“十五五”期间,发电侧每年减排的CO2将增加3.5×104 t/a.

电网侧方面,F市线损预计每年下降约0.1%,线损率下降0.1%可减少约0.8×108 kW·h电量损耗,根据式(9)和文献[29],“十四五”期间每年减少CO2约2.8×104 t.“十五五”期间每年减少CO2约2.4×104 t.

负荷侧方面,通过引导用户节能等可减少电力消费.文献[31]表明,负荷侧节能可减少能源消费5%~15%.若到2030年F市通过负荷侧节能减少电力消费逐渐增加到5%,则到2030年负荷侧节能可减少CO2排放1.3×106 t.

储能侧方面,根据电网规划F市“十四五”期间完成电网侧配置储能电站配置容量不低于70 MW或储能电量达到209 MW·h.到2030年,推动集中式新能源场站配置装机容量的10%~20%储能.若到2030年F市集中式新能源场站配置的储能逐渐增加到10%,储能充放电效率逐步由80%提高到85%,则根据式(11),到2030年储能侧可减少CO2约5.63×105 t.

根据式(7)~(11),可计算得到2021—2030年发电侧、电网侧、负荷侧和储能侧每年分别减少的碳排放量(mCO2),如图2所示.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   发电、电网、负荷和储能侧年度减碳量

Fig.2   Annual carbon reduction of generation side, grid side, load side, and energy storage side


将发电侧、电网侧、负荷侧和储能侧每年分别减少的碳排放相加,可计算得到2021—2030年通过发电侧、电网侧、负荷侧和储能侧减碳措施每年减少的碳排放,分别为0.017×107、0.031×107、0.045×107、0.059×107、0.928×107、0.975×107、0.997×107、1.018 ×107、1.040×107、1.062×107 t.

电网各侧对CO2减排贡献情况如图3所示,2025年减排CO2为9.28×106 t,发电侧、电网侧、负荷侧和储能侧分别占比92.16%、0.30%、7.54%、0%.2030年减排CO2为1.06×107 t,发电侧、电网侧、负荷侧和储能侧分别占比82.22%、0.23%、12.25%、5.31%.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   发电侧、电网侧、负荷侧和储能侧减碳贡献

Fig.3   Carbon reduction contribution of generation side, grid side, load side, and energy storage side


3.2.3 减碳措施效果对比

依据图1,可以绘制到2030年碳达峰年电力行业电量按照线性增长产生的碳排放曲线.依据所提碳排放测算模型和减碳措施,可以绘制采取减碳措施后,到2030碳达峰年电力行业碳排放曲线,如图4所示.

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   F市减碳措施效果对比

Fig.4   Comparison of effects of carbon reduction measures in City F


4 结论

提出一种城市电力行业碳排放测算方法和城市电力行业减碳的措施与减碳措施的效果评估模型.结论总结如下:

(1) 从模型测算结果看,本模型综合计算本地电源发电碳排放和净调入电力碳排放,可细分测算城市电力行业碳排放,效果良好.

(2) 从碳减排结果看,到2030碳达峰情景年,F市电力行业至少可减少碳排放1.06×107 t,所提碳减排措施效果良好.

(3) 从减碳措施的效果评估结果看,发电侧、电网侧、负荷侧和储能侧减碳措施对电力行业碳排放的减少均有一定效果,发电侧效果最为显著,负荷侧和储能侧具有较大潜力,值得深入研究并推广实施.本文未针对氢能、碳捕集和封存技术等措施开展研究与量化,在后续研究工作中,将更加全面考虑减碳措施对城市电力碳减排的作用.

参考文献

黄强, 郭怿, 江建华, 等.

“双碳”目标下中国清洁电力发展路径

[J]. 上海交通大学学报, 2021, 55(12): 1499-1509.

[本文引用: 1]

HUANG Qiang, GUO Yi, JIANG Jianhua, et al.

Development pathway of China’s clean electricity under carbon peaking and carbon neutrality goals

[J]. Journal of Shanghai Jiao Tong University, 2021, 55(12): 1499-1509.

[本文引用: 1]

LI C B, CAO Y J, ZHANG M, et al.

Hidden benefits of electric vehicles for addressing climate change

[J]. Scientific Reports, 2015, 5: 9213.

DOI:10.1038/srep09213      PMID:25790439      [本文引用: 1]

There is an increasingly hot debate on whether the replacement of conventional vehicles (CVs) by electric vehicles (EVs) should be delayed or accelerated since EVs require higher cost and cause more pollution than CVs in the manufacturing process. Here we reveal two hidden benefits of EVs for addressing climate change to support the imperative acceleration of replacing CVs with EVs. As EVs emit much less heat than CVs within the same mileage, the replacement can mitigate urban heat island effect (UHIE) to reduce the energy consumption of air conditioners, benefitting local and global climates. To demonstrate these effects brought by the replacement of CVs by EVs, we take Beijing, China, as an example. EVs emit only 19.8% of the total heat emitted by CVs per mile. The replacement of CVs by EVs in 2012 could have mitigated the summer heat island intensity (HII) by about 0.946 degrees C, reduced the amount of electricity consumed daily by air conditioners in buildings by 14.44 million kilowatt-hours (kWh), and reduced daily CO2 emissions by 10,686 tonnes.

IEA.

Enhancing China’s ETS for carbon neutrality: Focus on power sector

[DB/OL]. (2022-05-01)[2022-06-05]. https://www.iea.org/reports/enhancing-chinas-ets-for-carbon-neutrality-focus-on-power-sector.

URL     [本文引用: 1]

CHENG Y H, ZHANG N, ZHANG B S, et al.

Low-carbon operation of multiple energy systems based on energy-carbon integrated prices

[J]. IEEE Transactions on Smart Grid, 2020, 11(2): 1307-1318.

DOI:10.1109/TSG.5165411      URL     [本文引用: 1]

WEI J, CAO Y J, WU Q W, et al.

Coordinated droop control and adaptive model predictive control for enhancing HVRT and post-event recovery of large-scale wind farm

[J]. IEEE Transactions on Sustainable Energy, 2021, 12(3): 1549-1560.

DOI:10.1109/TSTE.2021.3053955      URL     [本文引用: 1]

张胜利, 俞海山.

中国工业碳排放效率及其影响因素的空间计量分析

[J]. 科技与经济, 2015, 28(4): 106-110.

[本文引用: 1]

ZHANG Shengli, YU Haishan.

Spatial econometric analysis of the efficiency of industrial carbon emissions and its influencing factors

[J]. Science & Technology and Economy, 2015, 28(4): 106-110.

[本文引用: 1]

刘菁, 刘伊生, 杨柳, 等.

全产业链视角下中国建筑碳排放测算研究

[J]. 城市发展研究, 2017, 24(12): 28-32.

[本文引用: 1]

LIU Jing, LIU Yisheng, YANG Liu, et al.

Study on the calculation method of carbon emission from the whole building industry chain in China

[J]. Urban Development Studies, 2017, 24(12): 28-32.

[本文引用: 1]

李小冬, 朱辰.

我国建筑碳排放核算及影响因素研究综述

[J]. 安全与环境学报, 2020, 20(1): 317-327.

[本文引用: 1]

LI Xiaodong, ZHU Chen.

Summary of research on account of carbon emission in building industry and analysis of its influential factors

[J]. Journal of Safety & Environment, 2020, 20(1): 317-327.

[本文引用: 1]

LIU J G, LI S J, JI Q.

Regional differences and driving factors analysis of carbon emission intensity from transport sector in China

[J]. Energy, 2021, 224: 120178.

DOI:10.1016/j.energy.2021.120178      URL     [本文引用: 1]

欧阳斌, 凤振华, 李忠奎, 等.

交通运输能耗与碳排放测算评价方法及应用: 以江苏省为例

[J]. 软科学, 2015, 29(1): 139-144.

[本文引用: 1]

OUYANG Bin, FENG Zhenhua, LI Zhongkui, et al.

Calculation and evaluation methodology of transport energy consumption and carbon emission—The case of Jiangsu Province

[J]. Soft Science, 2015, 29(1): 139-144.

[本文引用: 1]

田成诗, 陈雨.

中国省际农业碳排放测算及低碳化水平评价: 基于衍生指标与TOPSIS法的运用

[J]. 自然资源学报, 2021, 36(2): 395-410.

[本文引用: 1]

TIAN Chengshi, CHEN Yu.

China’s provincial agricultural carbon emissions measurement and low carbonization level evaluation: Based on the application of derivative indicators and TOPSIS

[J]. Journal of Natural Resources, 2021, 36(2): 395-410.

DOI:10.31497/zrzyxb.20210210      URL     [本文引用: 1]

CHAU C K, LEUNG T M, NG W Y.

A review on life cycle assessment, life cycle energy assessment and life cycle carbon emissions assessment on buildings

[J]. Applied Energy, 2015, 143: 395-413.

DOI:10.1016/j.apenergy.2015.01.023      URL     [本文引用: 1]

PEHL M, ARVESEN A, HUMPENÖDER F, et al.

Understanding future emissions from low-carbon power systems by integration of life-cycle assessment and integrated energy modelling

[J]. Nature Energy, 2017, 2(12): 939-945.

DOI:10.1038/s41560-017-0032-9      [本文引用: 1]

STENZEL P, SCHREIBER A, MARX J, et al.

Renewable energies for Graciosa Island, Azores-Life cycle assessment of electricity generation

[J]. Energy Procedia, 2017, 135: 62-74.

DOI:10.1016/j.egypro.2017.09.487      URL     [本文引用: 1]

王丽娟, 张剑, 王雪松, 等.

中国电力行业二氧化碳排放达峰路径研究

[J]. 环境科学研究, 2022, 35(2): 329-338.

[本文引用: 1]

WANG Lijuan, ZHANG Jian, WANG Xuesong, et al.

Pathway of carbon emission peak in China’s electric power industry

[J]. Research of Environmental Sciences, 2022, 35(2): 329-338.

[本文引用: 1]

刘红琴, 王高天, 陈品文, 等.

地区电力行业碳排放水平测算及其特点分析

[J]. 生态经济, 2018, 34(4): 34-39.

[本文引用: 1]

LIU Hongqin, WANG Gaotian, CHEN Pinwen, et al.

The level measure and characteristics analysis of carbon emission in regional power industry

[J]. Ecological Economy, 2018, 34(4): 34-39.

[本文引用: 1]

汪中华, 申刘岗.

我国区域电力行业碳排放效率测算及分析

[J]. 科技与管理, 2019, 21(3): 1-8.

[本文引用: 1]

WANG Zhonghua, SHEN Liugang.

Calculation and analysis of carbon emission efficiency in China’s regional electric power industry

[J]. Science-Technology & Management, 2019, 21(3): 1-8.

[本文引用: 1]

KANG C Q, ZHOU T R, CHEN Q X, et al.

Carbon emission flow from generation to demand: A network-based model

[J]. IEEE Transactions on Smart Grid, 2015, 6(5): 2386-2394.

DOI:10.1109/TSG.2015.2388695      URL     [本文引用: 1]

LI B W, SONG Y H, HU Z C.

Carbon flow tracing method for assessment of demand side carbon emissions obligation

[J]. IEEE Transactions on Sustainable Energy, 2013, 4(4): 1100-1107.

DOI:10.1109/TSTE.2013.2268642      URL     [本文引用: 1]

李政, 陈思源, 董文娟, 等.

碳约束条件下电力行业低碳转型路径研究

[J]. 中国电机工程学报, 2021, 41(12): 3987-4001.

[本文引用: 1]

LI Zheng, CHEN Siyuan, DONG Wenjuan, et al.

Low carbon transition pathway of power sector under carbon emission constraints

[J]. Proceedings of the CSEE, 2021, 41(12): 3987-4001.

[本文引用: 1]

陈景东, 赵沛.

碳交易试点政策与电力行业碳减排

[J]. 中国电力, 2021, 54(12): 156-161.

[本文引用: 1]

CHEN Jingdong, ZHAO Pei.

Carbon emissions trading pilot policy and power industry emissions reductions

[J]. Electric Power, 2021, 54(12): 156-161.

[本文引用: 1]

戴攀, 邹家勇, 田杰, 等.

中国电力行业碳减排综合优化

[J]. 电力系统自动化, 2013, 37(14): 1-6.

[本文引用: 1]

DAI Pan, ZOU Jiayong, TIAN Jie, et al.

Integrated optimization of CO2 emission mitigation in China power sector

[J]. Automation of Electric Power Systems, 2013, 37(14): 1-6.

[本文引用: 1]

黄雨涵, 丁涛, 李雨婷, 等.

碳中和背景下能源低碳化技术综述及对新型电力系统发展的启示

[J]. 中国电机工程学报, 2021, 41(Sup.1): 28-51.

[本文引用: 1]

HUANG Yuhan, DING Tao, LI Yuting, et al.

Decarbonization technologies and inspirations for the development of novel power systems in the context of carbon neutrality

[J]. Proceedings of the CSEE, 2021, 41(Sup.1): 28-51.

[本文引用: 1]

康重庆, 杜尔顺, 李姚旺, 等.

新型电力系统的“碳视角”: 科学问题与研究框架

[J]. 电网技术, 2022, 46(3): 821-833.

[本文引用: 1]

KANG Chongqing, DU Ershun, LI Yaowang, et al.

Key scientific problems and research framework for carbon perspective research of new power systems

[J]. Power System Technology, 2022, 46(3): 821-833.

[本文引用: 1]

舒印彪, 张丽英, 张运洲, 等.

我国电力碳达峰、碳中和路径研究

[J]. 中国工程科学, 2021, 23(6): 1-14.

[本文引用: 1]

SHU Yinbiao, ZHANG Liying, ZHANG Yunzhou, et al.

Carbon peak and carbon neutrality path for China’s power industry

[J]. Strategic Study of CAE, 2021, 23(6): 1-14.

[本文引用: 1]

佛山统计年鉴委员会.

佛山统计年鉴2020

[EB/OL]. (2021-07-20)[2022-06-05]. https://www.yearbookchina.com/navibooklist-n3020013105-1.html.

URL     [本文引用: 1]

Foshan Statistical Yearbook Committee.

Foshan statistical yearbook 2020

[EB/OL]. (2021-07-20)[2022-06-05]. https://www.yearbookchina.com/navibooklist-n3020013105-1.html.

URL     [本文引用: 1]

佛山市发展和改革局. 佛山市碳达峰研究分析报告(征求意见稿)[R]. 佛山: 佛山市发展和改革局, 2021: 33-35.

[本文引用: 6]

Foshan Development and Reform Bureau. Research and analysis report of carbon peak in Foshan city (Draft for comment)[R]. Foshan: Foshan Development and Reform Bureau, 2021: 33-35.

[本文引用: 6]

储能100人.

电化学储能电站的几个核心技术指标

[EB/OL]. (2020-09-11)[2020-09-11]. https://newenergy.in-en.com/html/newenergy-2392677.shtml.

URL     [本文引用: 1]

Energy Storage 100 people.

Several core technical indexes of electrochemical energy storage power station

[EB/OL]. (2020-09-11)[2020-09-11]. https://newenergy.in-en.com/html/newenergy-2392677.shtml.

URL     [本文引用: 1]

广东省发展和改革委员会. 广东省碳达峰碳排放核算指南(暂行)[R]. 广州: 广东省发展和改革委员会, 2021: 10-11.

[本文引用: 3]

Development and Reform Commission of Guangdong Province. Carbon peak carbon emissions accounting guide for Guangdong Province (Temporary)[R]. Guangzhou: Development and Reform Commission of Guangdong Province, 2021: 10-11.

[本文引用: 3]

佛山供电局. 社会责任实践报告2020[R]. 佛山: 佛山供电局, 2021: 5-12.

[本文引用: 3]

Foshan Power Supply Bureau. Social responsibility practice report 2020[R]. Foshan: Foshan Power Supply Bureau, 2021: 5-12.

[本文引用: 3]

VERBONG G P J, BEEMSTERBOER S, SENGERS F.

Smart grids or smart users? Involving users in developing a low carbon electricity economy

[J]. Energy Policy, 2013, 52: 117-125.

DOI:10.1016/j.enpol.2012.05.003      URL     [本文引用: 1]

/

〈 〉