基于灰色-馬爾科夫模型的電力系統(tǒng)CO2排放

徐杰1，馬娜2

(1.河北大學(xué) 管理學(xué)院，河北 保定071002；2.河北大學(xué) 圖書館，河北 保定071002)

摘要：運(yùn)用灰色-馬爾科夫方法對(duì)電力負(fù)荷進(jìn)行中長期預(yù)測，并結(jié)合電廠發(fā)電煤耗值的預(yù)測對(duì)電力系統(tǒng)2011-2030年的碳排放進(jìn)行了測算.計(jì)算結(jié)果表明：電力系統(tǒng)2015，2020，2025和2030年的碳排放分別是95.583 1×108，106.724 7×108，112.359 0×108，112.914 7×108 t，在此基礎(chǔ)上進(jìn)行了分析并對(duì)電力系統(tǒng)未來減少CO2排放的路徑從國家政策層面、電力生產(chǎn)環(huán)節(jié)和電網(wǎng)規(guī)劃及調(diào)度等方面提出了建議.

關(guān)鍵詞：灰色-馬爾科夫模型；負(fù)荷預(yù)測；電力系統(tǒng)；碳排放

DOI：10.3969/j.issn.1000-1565.2015.05.002

中圖分類號(hào)：F224.0；O211.67文獻(xiàn)標(biāo)志碼：A

收稿日期:2015-02-03

基金項(xiàng)目：教育部中央高?？蒲兄攸c(diǎn)資助項(xiàng)目(12ZX21)

CO2emissions of power systems in China based

on Grey-Markov model

XU Jie1，MA Na2

(1 College of Management, Hebei University, Baoding 071002， China;

2. Library, Hebei University, Baoding 071002， China)

Abstract：Gray-Markov method is used for long-term load forecasting, combined with the prediction of power generation coal consumption value. Meanwhile, the carbon emissions of power system in 2011-2030 are estimated through the prediction. The results show that: the power system 2015，2020，2025 and 2030 carbon emissions are 95.583 1×108，106.724 7×108，112.359 0×108 and 112.914 7×108 t.Based on that, the trend of power system low-carbon development were analyzed. Then some suggestions to reduce CO2 emissions of power system from the level of the national policy, power generation components, power grid optimize and dispatching in the future were suppesed.

Key words: Grey-Markov model; load forecasting; power system; CO2emissions

MSC 2010: 62-07; 62J05

第一作者：徐杰(1970-)，女，江蘇武進(jìn)人，河北大學(xué)副教授，華北電力大學(xué)在讀博士，主要從事低碳經(jīng)濟(jì)研究和技術(shù)經(jīng)濟(jì)與管理研究. E-mail：crystral-2008@163.com

隨著全球經(jīng)濟(jì)的高速發(fā)展，在人類的經(jīng)濟(jì)活動(dòng)中，大量燃燒化石燃料產(chǎn)生過量的CO2，導(dǎo)致嚴(yán)重的災(zāi)害性環(huán)境問題發(fā)生.中國作為發(fā)展中國家，改革開放以來經(jīng)濟(jì)實(shí)現(xiàn)了快速發(fā)展，同時(shí)也加大了CO2的排放.按照《中國能源報(bào)告(2008)碳排放研究》一書中提供的數(shù)據(jù)，在1970-2004年中國的電力、交通運(yùn)輸部門和工業(yè)部門CO2排放比較集中，這些部門的碳排放量占總的碳排放量的63%~73%。電力行業(yè)作為國民經(jīng)濟(jì)中CO2排放的主要部門之一，占總排放量的38.76%[1].因此，在巨大減排要求下,電力行業(yè)具備顯著的減排空間，而摸清電力行業(yè)碳排放狀況，分析其未來的發(fā)展趨勢，對(duì)電力行業(yè)制定低碳發(fā)展的路線和相關(guān)政策方針具有非常重要的意義.

對(duì)電力系統(tǒng)碳排放進(jìn)行預(yù)測研究需要以對(duì)電力需求的準(zhǔn)確預(yù)測為前提.為達(dá)到中國政府制定的減排目標(biāo)，電力行業(yè)應(yīng)該在保證國民經(jīng)濟(jì)發(fā)展的前提下，對(duì)電力負(fù)荷準(zhǔn)確預(yù)測，對(duì)電源結(jié)構(gòu)進(jìn)行合理調(diào)整，才能掌握電力系統(tǒng)的碳排放情況，找到減少碳排放的途徑.本文利用灰色-馬爾科夫模型對(duì)電力負(fù)荷進(jìn)行預(yù)測，并結(jié)合供電煤耗預(yù)測值對(duì)電力系統(tǒng)的碳排放進(jìn)行了預(yù)測.在此基礎(chǔ)上，對(duì)電力系統(tǒng)的低碳化發(fā)展提出了一些建議.

1中國近年來電力結(jié)構(gòu)基本情況

中國電力結(jié)構(gòu)組成見表1，火電發(fā)電量占總發(fā)電量的80%以上，且發(fā)電量逐年上升；水電發(fā)電量占總發(fā)電量的比重保持在14.55%~17.77%，核電發(fā)電量在總發(fā)電量中所占的比重一直很小，2008年最高也只占到2.30%，其他如風(fēng)電等更是微乎其微.水電的碳排放幾乎是零，核電鏈的溫室氣體排放為13.71 g等效每kWh CO2，而煤電鏈的溫室氣體排放[2]為1 302 g等效每kWh CO2.火電基本上是以煤炭發(fā)電為主，與此同時(shí)，發(fā)電機(jī)組往往具有較長的服役年限，這就使得中國電力行業(yè)具有很強(qiáng)的碳鎖定效應(yīng)，即未來相當(dāng)長一段時(shí)間內(nèi)行業(yè)的CO2排放將被當(dāng)前的電源結(jié)果所“鎖定”[3-4].也就是說，電力系統(tǒng)的碳排放主要來自于火力發(fā)電，因此，本文以火電各年的負(fù)荷數(shù)據(jù)為依據(jù)，對(duì)電力系統(tǒng)未來若干年后的負(fù)荷進(jìn)行預(yù)測，再根據(jù)發(fā)電煤耗計(jì)算出電力系統(tǒng)的碳排放情況.

表1　2000-2010年中國電力結(jié)構(gòu)組成

2預(yù)測方法

對(duì)于負(fù)荷預(yù)測，國內(nèi)外均有比較系統(tǒng)的研究，目前使用的電力負(fù)荷預(yù)測技術(shù)主要有趨勢外推預(yù)測技術(shù)、回歸預(yù)測技術(shù)、時(shí)間序列預(yù)測技術(shù)，灰色預(yù)測技術(shù)等.其中，灰色預(yù)測技術(shù)以其較小的樣本量，較高的預(yù)測精度被廣泛應(yīng)用于短期、中期和長期的電力負(fù)荷預(yù)測中[5].在此基礎(chǔ)上應(yīng)用改進(jìn)的灰色預(yù)測技術(shù)對(duì)負(fù)荷進(jìn)行預(yù)測的研究也很多.本文擬采用灰色預(yù)測和馬爾科夫預(yù)測相結(jié)合的方法，即灰色-馬爾科夫模型進(jìn)行負(fù)荷預(yù)測.針對(duì)灰色預(yù)測使用小樣本量難以進(jìn)行長期預(yù)測的問題，本文采用灰色滾動(dòng)預(yù)測技術(shù)，即用GM(1.1)模型預(yù)測出若干個(gè)值，然后將其補(bǔ)充到已知數(shù)據(jù)之后的同時(shí)去掉一些老的數(shù)據(jù)，保持?jǐn)?shù)列等維，這樣建立的GM(1.1)模型，再去預(yù)測下一個(gè)值，再將其結(jié)果補(bǔ)充到數(shù)列之后，再去掉最老的一個(gè)數(shù)據(jù)，直到完成預(yù)測目標(biāo)或達(dá)到預(yù)定精度，最后再與馬爾科夫預(yù)測技術(shù)相結(jié)合進(jìn)行預(yù)測.灰色預(yù)測模型和馬爾科夫鏈都可以用于時(shí)間序列的預(yù)測，灰色系統(tǒng)對(duì)隨機(jī)性問題的處理方法進(jìn)行了改變，它把系統(tǒng)的隨機(jī)性看成灰色的，較好地應(yīng)用在信息不明或不完全明確的系統(tǒng)中.但灰色預(yù)測一般用于數(shù)據(jù)少、時(shí)間短和波動(dòng)不大的問題，其預(yù)測趨勢是1條較平滑的曲線，單調(diào)遞減或者遞增，在進(jìn)行預(yù)測時(shí)，其預(yù)測精度對(duì)隨機(jī)波動(dòng)較大的序列相對(duì)較低，會(huì)出現(xiàn)偏低或偏高的現(xiàn)象.而馬爾科夫鏈研究的是隨機(jī)變化系統(tǒng)，1個(gè)n階馬爾科夫鏈由n個(gè)狀態(tài)的集合{a1,a2,…,an}與一組轉(zhuǎn)移概率Pij(i,j=1,2,…,n)來確定.在此過程中，任意時(shí)刻只能處于一個(gè)狀態(tài)，若在時(shí)刻k處于ai狀態(tài)，則在時(shí)刻k+1處于aj狀態(tài)，轉(zhuǎn)移概率Pij反映各因素的影響程度，所以馬爾科夫鏈適合對(duì)隨機(jī)波動(dòng)較大的動(dòng)態(tài)過程進(jìn)行預(yù)測，正好彌補(bǔ)了灰色預(yù)測的不足，二者組合可實(shí)現(xiàn)不同模型之間的互補(bǔ)，具有一定的實(shí)用性.

2.1　灰色預(yù)測模型GM(1.1)的建立

GM(1.1)模型是用原始數(shù)據(jù)作生成處理后建立的微分方程.建立GM(1.1)模型只需要1個(gè)數(shù)列，

X(0)=(X(0)(1),X(0)(2),…,X(0)(n))，

(1)

對(duì)該數(shù)列作一階累加生成1-AGO(accumulated generating operation),得

X(1)=(X(1)(1),X(1)(2),…,X(1)(n))=(X(1)(1),X(1)(1)+X(0)(2),…,X(1)(n-1)+X(0)(n)),

(2)

將原始數(shù)列經(jīng)累加生成后，弱化了原始數(shù)據(jù)中壞數(shù)據(jù)的影響，使其變?yōu)橛幸?guī)律的生成數(shù)列后再建模.利用X(1)構(gòu)成下述一級(jí)白化微分方程：

(3)

利用最小二乘法求解參數(shù)a,u,

X=[a,u]T=(BTB)-1BTYN,

(4)

(5)

YN=[X(0)(2),X(0)(3),…,X(0)(n)]T，

(6)

得到灰色預(yù)測模型為

(7)

2.2　灰色馬爾科夫模型的建立

灰色馬爾科夫預(yù)測模型的基本思想為：先建立灰色GM模型，得到擬合曲線；再根據(jù)擬合曲線將其劃分成幾個(gè)動(dòng)態(tài)區(qū)間，然后通過馬爾科夫轉(zhuǎn)移概率矩陣預(yù)測下一個(gè)狀態(tài)，從而計(jì)算出預(yù)測值.具體步驟如下:

第1步：預(yù)測值計(jì)算

第2步：狀態(tài)劃分

首先利用灰色預(yù)測模型進(jìn)行各年火力發(fā)電量的預(yù)測，用實(shí)際值與預(yù)測值比較得到每年發(fā)電量的預(yù)測殘差.根據(jù)殘差所占實(shí)際值的比重對(duì)殘差狀態(tài)進(jìn)行劃分，本文對(duì)負(fù)荷預(yù)測結(jié)果做如下處理.

1)殘差比重在-4%以下，表示電力負(fù)荷預(yù)測值被嚴(yán)重低估，稱為狀態(tài)F1；2)殘差比重在(-4%,0]范圍內(nèi)，表示電力負(fù)荷預(yù)測值被正常低估，稱為狀態(tài)F2；3)殘差比重在(0,4%]范圍內(nèi)，表示電力負(fù)荷預(yù)測值被正常高估，稱為狀態(tài)F3；4)殘差比重在4%以上，表示電力負(fù)荷預(yù)測值被嚴(yán)重高估，稱為狀態(tài)F4.

第3步：狀態(tài)轉(zhuǎn)移概率矩陣的確定

第4步：預(yù)測

根據(jù)馬爾科夫預(yù)測模型，s1=s0*P;s2=s0*P2;…;sn=s0*Pn即可進(jìn)行預(yù)測.

3負(fù)荷和發(fā)電煤耗預(yù)測

3.1　負(fù)荷預(yù)測

3.1.1原始數(shù)據(jù)和火力發(fā)電預(yù)測值

根據(jù)中國2000-2010年的負(fù)荷數(shù)據(jù)，按照上述方法對(duì)未來若干年的負(fù)荷情況進(jìn)行了預(yù)測.考慮到電力系統(tǒng)的碳排放主要來自于火力發(fā)電，本文在測算時(shí)選取火力發(fā)電數(shù)據(jù).

根據(jù)前述的改進(jìn)的灰色GM(1.1)模型，將2000-2010年的火力發(fā)電數(shù)據(jù)作為原始序列，進(jìn)行灰色預(yù)測，預(yù)測值如表2所示.

表2　火力發(fā)電量預(yù)測值

圖1　2000-2010年原始數(shù)據(jù)與預(yù)測值的比較

3.1.2狀態(tài)劃分

根據(jù)前述方法，對(duì)2000-2010年的預(yù)測值進(jìn)行狀態(tài)劃分，其中2001,2002年處于狀態(tài)F1，2000,2003,2004,2008,2009,2010年處于狀態(tài)F2，2005年處于狀態(tài)F3，2006，2007年處于狀態(tài)F4.由殘差的狀態(tài)轉(zhuǎn)移的頻數(shù)統(tǒng)計(jì)得到狀態(tài)轉(zhuǎn)移概率矩陣為

3.1.3預(yù)測

根據(jù)馬爾科夫預(yù)測模型，可得2015，2020，2025，2030年的狀態(tài)轉(zhuǎn)移預(yù)測值.其中S0=(0.1820.5450.0910.182).終預(yù)測值=灰色預(yù)測值/(1+p*中值)，P為該年度狀態(tài)的最大概率值，中值=0.5*(該狀態(tài)的上限+下限)，其中，狀態(tài)1和4的中值分別取-2%和2%.通過計(jì)算，可以得到電力負(fù)荷的預(yù)測值：2015年為44 881.24×108kWh；2020年為56 213.65×108kWh；2025年為67 478.96×108kWh；2030年為79 547.23×108kWh.

為了提高預(yù)測精度，在使用灰色馬爾科夫預(yù)測方法的同時(shí)，本文還應(yīng)用趨勢外推預(yù)測技術(shù)和回歸預(yù)測技術(shù)對(duì)預(yù)測結(jié)果進(jìn)行了修正，具體結(jié)果見表3.

表3　電力負(fù)荷預(yù)測值

3.2　發(fā)電煤耗值的預(yù)測

中國火力發(fā)電2000-2010年的發(fā)電煤耗原始數(shù)據(jù)見表4.根據(jù)表4數(shù)據(jù)，采用改進(jìn)的GM(1.1)模型，即灰色滾動(dòng)預(yù)測，同時(shí)結(jié)合趨勢外推預(yù)測和回歸預(yù)測，可得到如下預(yù)測結(jié)果：2015年的煤耗值為302.28 g/kWh;2020年的煤耗值為268.58 g/kWh；2025年的煤耗值為234.88 g/kWh；2030年的煤耗值為201.18 g/kWh.

表4　2000-2010年的發(fā)電煤耗數(shù)據(jù)

4電力系統(tǒng)碳排放的計(jì)算

電廠發(fā)電運(yùn)行中，產(chǎn)生的溫室氣體主要是CO2和少量的N2O.燃煤電廠按常規(guī)燃燒方式所生成的NOx中，NO占90%左右，N2O僅占1%左右[7].根據(jù)國家發(fā)改委能源研究所和《節(jié)能手冊(cè)2006》推薦的數(shù)值，噸標(biāo)煤CO2排放系數(shù)(t/tce)為2.456 7 t/tce，噸標(biāo)煤NOx排放系數(shù)(t/tce)為0.015 6 t/tce.此外，根據(jù)IPCC第3次評(píng)估報(bào)告(2001)給出的溫室氣體的預(yù)設(shè)GWP值，CO2為1 g CO2當(dāng)量每g溫室氣體，N2O為296 g CO2當(dāng)量每g溫室氣體.通過計(jì)算可得各年的碳排放量：2015年的CO2排放量為95.583 1×108t；2020年的CO2排放量為106.724 7×108t；2025年的CO2排放量為112.359 0×108t；2030年的CO2排放量為112.914 7×108t.

5結(jié)論

計(jì)算結(jié)果表明：電力系統(tǒng)的CO2排放量呈現(xiàn)出不斷上漲的趨勢，但隨著電力低碳技術(shù)的不斷改進(jìn)，發(fā)電煤耗會(huì)呈現(xiàn)出不斷降低的趨勢，雖然隨著國民經(jīng)濟(jì)的發(fā)展，對(duì)電力負(fù)荷的需求會(huì)持續(xù)增加，但電力系統(tǒng)的總體CO2排放的增長趨勢相比負(fù)荷增長是相對(duì)緩慢的.如果保持現(xiàn)有的電源結(jié)構(gòu)，電力系統(tǒng)的減排工作任重而道遠(yuǎn)。建設(shè)低碳電力系統(tǒng)，不僅要實(shí)現(xiàn)現(xiàn)有化石燃料發(fā)電機(jī)組的減排，從長遠(yuǎn)看還要以可再生能源等清潔能源為主要依托實(shí)現(xiàn)電力系統(tǒng)的低碳發(fā)展.具體可從以下幾方面開展工作.

1)國家相關(guān)政策層面，可適時(shí)適當(dāng)?shù)拈_征“二氧化碳稅”.作為一個(gè)有效治理環(huán)境的經(jīng)濟(jì)政策工具，從長期來看，碳稅能有效地降低企業(yè)的CO2排放量，改變電力行業(yè)的能源消費(fèi)結(jié)構(gòu)并起到降低能源消耗的作用.

2)在電力生產(chǎn)環(huán)節(jié)，鼓勵(lì)發(fā)電企業(yè)的低碳發(fā)展，加大化石燃料低碳發(fā)電技術(shù)的創(chuàng)新和應(yīng)用，發(fā)展循環(huán)經(jīng)濟(jì)；大力發(fā)展以超臨界、超超臨界為代表的高效、清潔的發(fā)電技術(shù)和增壓流化床聯(lián)合循環(huán)技術(shù)、熱電聯(lián)產(chǎn)等等，通過技術(shù)創(chuàng)新降低電力生產(chǎn)環(huán)節(jié)的碳排放.

3)在電力戰(zhàn)略規(guī)劃方面，要不斷調(diào)整區(qū)域電源結(jié)構(gòu)，逐漸降低火力發(fā)電所占比例，大力發(fā)展以太陽能發(fā)電、風(fēng)能發(fā)電和水能發(fā)電為主的可再生能源發(fā)電，這對(duì)電力行業(yè)CO2的減排工作能起到至關(guān)重要的作用.

4)電網(wǎng)環(huán)節(jié)要優(yōu)化廠網(wǎng)布局，加大智能電網(wǎng)建設(shè)；加強(qiáng)低碳電力調(diào)度約束；繼續(xù)建設(shè)UHA變電站和數(shù)字化變電站.

參考文獻(xiàn):

[1]魏一鳴，劉蘭翠，范英，等.中國能源報(bào)告(2008)：碳排放研究[M]. 北京：科學(xué)出版社，2008.

[2]馬忠海，潘自強(qiáng)，謝建倫，等.我國核電鏈溫室氣體排放系數(shù)研究[J]. 輻射防護(hù)，2001,21(1)：19-24.

MA Zhonghai, PAN Ziqiang, XIE Jianlun,et al. Study of greenhouse gases emission factor for nuclear power chain of china [J]. Radiation Protection, 2001,21(1):19-24.

[3]張坤民，潘家華，崔大鵬.低碳經(jīng)濟(jì)論[M]. 北京：中國環(huán)境科學(xué)出版社，2008.

[4]GRUBBM, JAMASB T, POLLITT M G. Delivering a low-carbon electricity system [M]. Cambridge, UK: Cambridge University Press, 2008.

[5]鄧聚龍. 灰色預(yù)測與決策[M]. 武漢：華中理工大學(xué)出版社，1986.

[6]王澤文，張文，邱淑芳. 灰色-馬爾科夫模型的改進(jìn)及其參數(shù)計(jì)算方法[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2009,39(1)：125-131.

WANG Zewen, ZHANG Wen, QIU Shufang. Improvement of Grey-Markov model and computational methods of its parameters [J]. Mathematics In Practice And Theory, 2009, 39(1):125-131.

[7]康重慶，周天睿，陳啟鑫.電網(wǎng)低碳效益評(píng)估模型及其應(yīng)用[J]. 電網(wǎng)技術(shù)，2009(17)：1-6.

KANG Chongqing, ZHOU Tianrui, CHEN Qixin. Assessment model on low-carbon effects of power grid and its application [J]. Power System Technology, 2009(17):1-6.

[8]李敏，江輝，黃銀華，等. 馬爾科夫鏈在電力負(fù)荷組合預(yù)測中的應(yīng)用[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2011，23(2)：131-134.

LI Min, JIANG Hui,HUANG Yinhua,et al. Combination load forecasting with time-varying weights based on Markov chain[J]. Proceedings of the CSU-EPSA, 2011,23(2):131-134.

[9]夏慧明，王志剛，吳金林. 灰色系統(tǒng)非線性回歸電力負(fù)荷預(yù)測[J]. 科學(xué)技術(shù)與工程，2012,23(12)：5884-5887.

XIA Huiming,WANG Zhigang, WU Jinlin. Nonlinear regression in power load forecasting based on Grey model[J].Science Technology and Engineering,2012,23(12):5884-5887.

[10]PAO Hsiaotien, FU Hsinchia, TSENG Chenglung. Forecasting of CO2emissions energy consumption and economic growth in China using an improved Grey model[J]. Energy, 2012, 40(1): 400-409.

[11]SUN Wei, WANG Jingmin, CHANG Hong. Forecasting carbon dioxide emissions in China using optimization Grey model[J].Journal of Computers,2013, 8: 91-101.

[12]GUO Linbao. Grey forecasting model for CO2emissions[J].Advanced Materials Research, 2012,518-523: 1664-1668.

(責(zé)任編輯：王蘭英)