基于LEAP模型的城市能源规划与CO减排研究.docx
《基于LEAP模型的城市能源规划与CO减排研究.docx》由会员分享,可在线阅读,更多相关《基于LEAP模型的城市能源规划与CO减排研究.docx(11页珍藏版)》请在冰豆网上搜索。
基于LEAP模型的城市能源规划与CO减排研究
../1新建文件夹/...../
⏹更多资料请访问.(.....)
../1新建文件夹/...../
化工环保论文:
基于LEAP模型的城市能源规划与CO减排研究———以为例
摘要:
未来城市能源供给面临巨大的压力,同时温室气体减排也成为经济发展的一项硬约束.为探索节能减排和低碳发展背景下城市的能源需求和CO2排放变化,本文基于LEAP(LongrangeEnergyAlternativesPlanningSystem)模型框架,建立起针对基准情景和节能低碳情景的能源消费和CO2排放的预测技术.以市为例,利用建立的LEAP模型预测两种情景下能源需求和CO2排放变化.结果表明,节能低碳情景下2020年市能源需求和CO2排放增速显著减缓,其中能源需求相比基准情景将降低27%,单位产值CO2排放则降低37%.
关键词:
LEAP模型;能源需求;节能减排;情景分析
传统的能源规划侧重能源供需平衡分析,但能源消耗的外部性对生态环境的影响不容忽视.2010年中国向世界承诺“在2020年单位GDP温室气体排放量在2005年基础上减少45%”,碳减排已成为中国经济发展的硬性约束.为此在城市能源规划中,既要注重能源供需平衡,也要考虑温室气体的减排约束.目前,城市能源系统分析与规划方法主要集中在能源总量的需求及其影响因素分析上,其中能源预测方法包括弹性系数法、投入产出法、时间序列分析法等[1-2].这些方法可以识别和探讨能源体系中的主要影响因素、相互关系和联合作用,但难以模拟系统结构变化比较大的情况,不适合能源的中长期预测[3],而且也未能关联环境影响,不能为决策者提供综合的支持.LEAP模型是一个基于情景分析的能源环境经济综合模型,可以在对经济、产业或技术的重大演变提出各种关键假设的基础上,构想未来较长时期能源及其环境影响的各种可能方案,得出相应的预测结果[3-4].目前LEAP模型已广泛应用于交通能源及大气污染物预测[5]、化学吸收工艺环境和经济评价[6]、填埋气环境经济评估[7]、钢铁行业CO2减排潜力分析[8]、可再生能源和未来行业能源预测等[9-11].这些研究主要集中在对单项能源政策或某一项措施的环境影响和效益评估,很少涉及对综合的能源政策组合影响进行预测,而且研究尺度集中在国家或某一行业部门,较少利用LEAP模型开展城市尺度下的综合能源体系和节能减排规划.本文基于LEAP框架,构建适用于城市能源需求和节能减排预测的LEAP模型,并以市为例,预测中长期围全市分行业和部门能源需求和温室气体排放情况.
1研究方法
1.1LEAP模型框架LEAP模型由瑞典斯德哥尔摩环境研究所及美国波士顿Tellus研究所共同研发,是一个能源-环境情景分析模型,可以进行中长期能源供需平衡分析、能源流通和消费过程气污染物及温室气体的排放及成本效益分析,可以用来追踪一个经济体中所有部门之间的资源开采、能源生产和消费行为[12].LEAP模型包括能源供给、能源加工转换、终端能源需求3个环节,可根据项目的要求自由调整模型的结构和数据框架,涵盖了几乎所有的能源需求、转换、传输、分配和终端使用,能够模拟已存在的和即将应用的终端用能技术[13].LEAP模型的应用过程首先是进行发展历史的回顾性分析,然后对未来的趋势做出一系列假定,接着对政策措施、经济状况和技术水平等因素进行有目的的设定,在此基础上建立起数据模型,输入相关参数,最后得出相应的预测结果.
1.2能源需求和CO2排放计算LEAP模型对能源需求进行分行业预测.假设有m种能源和n个行业部门,各行业的能源需求由经济活动水平和单位经济活动水平下的能源强度决定,CO2排放由能源需求和碳排放系数决定,公式如下Eti=∑nj=1AtjEtijEtj=∑mi=1AtjEtijC=∑i∑jAtjEtijfij式中,Eti为t时刻第i种能源消费总量;Etj为t时刻第j部门综合能耗;C为CO2排放量;Atj为第j部门在t时刻的活动水平,多以部门产值或产品产量表示;Etij为t时刻j部门单位活动水平下的能源消费强度;fij为第j部门对第i种能源的碳排放系数.焦炭和煤气的生产与消费过程均产生CO2排放,本模型按照投入焦炭和煤气生产环节的全部能源进行计算,不再考虑其终端消费产生的CO2.化工生产部门CO2排放按照投入的全部能源进行计算,没有考虑扣除作为原料的部分,因此计算得到的CO2排放量略微偏大.燃料大气污染物和CO2排放系数参见表1和表2.
2案例研究
2.1区域背景市位于省东北部,是著名的瓷都,其瓷、飞机汽车制造、电子、化工、机械等行业发展迅速,是省重要的工业城市.快速的经济发展导致能源消费不断上升,根据统计局公示的相关数据2007年单位GDP能耗高于全国平均水平,且“十一五”前三年能源消费强度未能达到规划进度要求.根据“十一五规划”和《城市总体规划纲要》,确定未来主要社会经济指标,详见表
3.
2.2模型构建市LEAP模型基于LEAP提供的建模基础框架构建,覆盖了终端能源消费部门和加工转换部门,并涵盖了终端能源消费主要的能源品种.考虑数据可获得性,模型以2007年为基准年,研究时间跨度为2007—2020年,模型的驱动因素包括GDP增长、人口规模变化、产业结构调整、能源技术进步和能效提高等.根据市的产业部门分类和终端能源消费特点,模型将终端能源需求部门划分为第一产业用能、工业用能、建筑业用能、交通用能、商业用能和居民生活用能6个部门.其中工业用能部门细化为建材行业(瓷和水泥)、造纸、制药、机械制造、制焦、电力、化学纤维、精细化工等子部门,交通部门分为铁路运输、公路运输和水路运输3个子部门,居民生活用能分为城镇居民用能和农村居民用能.模型中的能源载体有原煤、电力、煤气、天然气等.由于数据来源的限制和数据类型的差异,对各部门设计不同的数据结构,采取不同的计算方式.
2.2.1工业用能工业用能以规模以上企业和重点用能企业作为行业代表,按照如下公式进行计算.Et=∑iAA'Ei'ftgtkit式中,Et表示t时刻,某工业部门用能;Ei'表示该行业表示重点用能企业的第i种能源的消费量;A/A'表示整体行业的产出水平与规模以上企业和重点用能企业的产出水平的比值;ft表示该行业未来的产业规模增长系数;gt表示该行业的节能系数;kit为第i种能源的能源结构调整系数.ft、gt、kit在初始时刻(2007年)的值均为1.
2.2.2电力用能火电厂将一次能源转化为二次能源———电力供其他部门使用,为避免重复计算,本文对火电厂的计算公式如下H=cf1-(e-e')f2式中,c表示火电厂燃煤量(t);e和e'表示火电厂的总发电量和火电厂的自用电量(kWh);f1、f2分别表示煤炭和电力折合成标煤系数,f1=0.7143kgce/kg,f2=0.1229kgce/kWh(综合能耗计算通则GB/T2589-2008)
2.2.3交通用能市不属于省重要的交通枢纽,其交通用能的估算方法如下Ti'=T4if'1f1f'2f2f'3f3f'4f槡4式中,Ti'、Ti表示市和省交通部门对第i种能源的消费,i表示柴油、汽油、煤炭、综合能耗等;f1'、f2'、f3'、f4'分别为市客运总量、货运总量、客运周转量、货运周转量;f1、f2、f3、f4分别为省的客运总量、货运总量、客运周转量和货物周转量.
2.2.4第一产业和其他用能参考国家和省的能源消费数据,不管是全国围还是省围,第一产业用能在社会总能耗中所占比例很小,大约在3%—4%,且呈逐年下降趋势,市在省第一产业用能比例相对较低,因此可取为较小值.其它行业如建筑业、服务业等在能源消费中所占的比例大约在4.5%—5%,这些部门可以按照现有比例乘以其它部门用能总量的方法进行计算,对于总量的预测影响不大.
2.3情景设计市未来能源消费及大气污染排放情景主要基于以下基本假设:
(1)随着城市化进程,农村居民消费的一些非商品能源(如薪柴、秸秆)将被其它的商品能源所替代,农村消费的煤炭比例降低;
(2)未来电气化和燃气率提高,电力、城市煤气、天然气等优质能源比例提高,能源利用效率提高;
(3)未来加强对煤炭燃烧利用过程产生的各种污染物的防治,大气污染物及温室气体排放强度将降低.在此基础上,设立如下两种情景.
(1)情景一:
基准情景基准情景,又称“零方案”,是指未采取进一步的节能减排政策和措施.以2007年各能源需求终端消耗情况做趋势外推,不考虑进一步节能减排的规划和措施.
(2)情景二:
节能减排情景参考国家节能中长期规划等节能政策,未来城市能源利用效率有很大提高,能源结构优化效果明显,落后产能基本淘汰,污染物排放得到一定控制.部分行业单位产值能耗现状值和规划值如表4所示.
参考以上数据和相关文献研究资料,对市重点用能企业的能源利用效率目标设置如表5所示.水泥行业的活动水平在规划期为基准情景预测值的40%,其他高耗能行业在规划远期产业活动水平达到基准情景的50%.
3结果与分析3.1能源消费与CO2排放现状模拟利用市LEAP模型模拟2007年能源消费与CO2排放,结果如表6所示.根据统计公报,市2007年能源消费总量为309×104t标煤,单位GDP能耗为1.18万元(略高于全国平均水平1.16万元),与模型模拟的结果非常接近.能源消费结构中工业的比例为83%,高于全国平均水平.居民生活用能次之.在工业能源消费中,电力、化纤化工和建材(水泥)行业占据了主导地位,说明市的工业发展仍以资源密集型为主(见表7).
3.2未来情景预测分析
3.2.1基准情景基准情景下能源消费总量和单位GDP能耗变化预测如图1所示,CO2排放变化预测如图2所示.由此看出,在当前的产业结构和发展速度下,市的能源消耗会继续高速增长.到2015年能源消耗量将是2007年水平的1.92倍,2020年将达到2.6倍.而单位GDP能耗先经历短暂的下降,在2010—2011年达到最低值,之后保持平稳.工业耗能高达84.6%,主要耗能行业包括电力、建材(水泥)、化纤和瓷等,详见表7.2007—2020年能源变化的分行业贡献如表8所示,可见电力、建材(水泥)业和化工行业是能源增长的主导行业,分别贡献了30.1%、26%和13.1%,这些高能耗行业未来还将经历一个快速增长时期.总体上,在基准情景下市的经济结构变化不大,还是主要依靠资源密集型和高能耗的企业推动经济发展,能源需求和CO2排放近似平行增长.
3.2.1节能减排情景在情景二下,能源消费总量和单位GDP能耗变化预测如图1所示,CO2排放变化预测如图2所示.2020年能源消耗比2007年增加281×104t标煤,万元GDP能耗则由1.16t下降至0.73t,下降幅度为37%.2020年CO2排放比2007年增加188×104t,万元GDP排放强度由0.78t下降到0.45t,下降幅度达37%,接近国家承诺的40%—45%的指标.相比情景一,2020年能源消费总量减少了217×104t标煤,CO2排放量减少了147×104t.能源结构如表7所示,工业用能比重下降,但仍占主导地位.主要耗能行业为电力、化纤、瓷、化工及水泥,其中水泥行业耗能比例得到大幅限制,电力耗能比例则有所增加.
3.3未来对策分析显然,情景二有利于实现市的节能减排目标,为此未来应强调:
(1)保障经济快速增长,优化产业结构,寻找新的经济增长点,重点发展附加值高、能耗低的高新技术行业和第三产业;
(2)重点限制建材、化纤化工、冶金等高耗能行业发展,淘汰落后产能或上大压小;
(3)加强能源供应能力,扩大发电厂规模,鼓励农村水电发展;(4)优化能源结构,以川气东输为契机,使用优质能源替代民用和工业用煤.
4结论
本文探讨了LEAP模型应用于城市能源需求和碳排放预测的技术过程,并以市为例进行案例研究.在基准发展情景和节能低碳发展情景下,分第一产业、工业、交通、居民生活和其它用能5个部门进行模拟预测,验证表明误差在可允许围,城市能源LEAP模型适于推广应用.在基准情景下,2020年市综合能耗增加1.6倍,单位GDP能耗和CO2排放水平分别为998kg/万元和728kg/万元.在节能低碳发展情景下,通过限制电力、瓷、化工行业发展规模,淘汰水泥行业落后产能,提高各行业能源利用效率等,2020年用能仅增加0.9倍,单位GDP能耗和CO2排放水平则同时下降37%.考虑数据的可获得性和能源系统本身的复杂性,城市能源LEAP模型对真实的能源情景模拟还存在不足,如何消除简化过程对模型精确性的不利影响将是下一步研究的重点.
参考文献
[1]婧.国外能源系统模型研究及启示[J].理论界,2009,25(12):
35-36LiuJing.Theforeignenergysystemmodelresearchanditsrevelation[J].Theorists,2009,25(12):
35-36
[2]卢二坡.我国能源需求预测模型研究[J].统计与决策,2005,(10X):
29-31LuErpo.Theresearchofchineseenergydemandmodel[J].StatisticsandDecision,2005,(10X):
29-31
[3]朱跃中.中长期能源发展情景分析方法对我国未来节能规划的启示[J].中国能源,2000,23(5):
5-6ZhuYuezhong.Analysisoflong-termenergydevelopmentscenariosonfutureenergyplanninginChinaInspiration[J].ChineseEnergy,2000,23(5):
5-6
[4]曾忠禄,冬梅.不确定环境下解读未来的方法:
情景分析法[J].情报杂志,2005,24(5):
14-16ZengZhonglu,ZhangDongmei.Amethodtoassessthefuture-scenarioanalysis[J].Journalofinformation,2005,24(5):
14-16
[5]ShabbirR,AhmadSS.MonitoringurbantransportairpollutionandenergydemandinRawalpindiandIslamabadusingleapmodel[J].Energy,2010,30(3):
403-412
[6]SongH,LeeS,MakenS,etal.EnvironmentalandeconomicassessmentofthechemicalabsorptionprocessinKoreausingtheLEAPmodel[J].EnergyPolicy,2007,29(12):
2109-2124
[7]ShinH,ParkJ,KimH,etal.EnvironmentalandeconomicassessmentoflandfillgaselectricitygenerationinKoreausingLEAPmodel[J].EnergyPolicy,2005,46(6):
363-364
[8]王克,王灿,吕学都,等.基于LEAP的中国钢铁行业CO2减排潜力分析[J].清华大学学报(自然科学版),2006,46(12):
1982-1986WangKe,WangCan,LvXuedu,etal.AbatementpotentialofCO2emissionsfromChina'sironandsteelindustrybasedonLEAP[J].JournalofTsinghuaUniversity(Science&Technology),2006,46(12):
1982-1986
[9]高虎,梁志鹏,庄幸.LEAP模型在可再生能源规划中的应用[J].中国能源,2004,26(10):
34-37GaoHu,LiangZhipeng,ZhuangXing.TheapplicationofLEAPinrenewableenergyplanning[J].Chineseenergy,2004,26(10):
34-37
[10]迟春洁,于渤,弛.基于LEAP模型的中国未来能源发展前景研究[J].技术经济与管理研究,2004,25(5):
73-74ChiChunjie,YuBo,ZhangChi.ThedevelopmentprospectofChina'sfutureenergy[J].TechnoeconomicandManagementResearch,2004,25(5):
73-74
[11]周,戴彦德.2020中国可持续能源情景[M].:
中国环境科学,2003ZhouDadi,DaiYande.China'ssustainableenergyscenariosin2020[M].Beijing:
ChinaEnvironmentalSciencePress,2003
[12]StockholmEnvironmentalInstitute(SEI).AnIntroductiontoLEAP[N/OL]....energycommunity.org/
[13]ZhangQY,TianWL.ExternalcostsfromelectricitygenerationofChinaupto2030inenergyandabatementscenarios[J].EnergyPolicy,2007,35
(2):
815-827
[14]市统计局.统计年鉴2008[M].:
中国统计,2008JingdezhenStatisticsBureau.StatisticsyearbookofJingdezhen2008[M].Beijing:
ChinaStatisticsPress,2008
[15]省统计局.统计年鉴2008[M].:
中国统计,2007JiangxiStatisticsBureau.Jiangxistatisticsyearbook2008[M].Beijing:
ChinaStatisticsPress,2007
[16]国家统计局能源统计司,国家能源局综合司.中国能源统计年鉴2008、2007[M].:
中国统计,2007DepartmentofEnergyStatisticsofNationalStatisticsbureau,DepartmentofGeneralAffairsofNationalEnergyAdministration.Chinaenergystatisticalyearbook(2008、2007)[M].Beijing:
ChinaStatisticsPress,2007
[17]国家发改委,国家节能中长期能源规划[N/OL]....ndrc.gov.cn/xwfb/t20050628_27571.htmNationalDevelopmentandReformCommission.TheNationalMid-andLong-termEnergySavingPlan[N/OL]....ndrc.gov.cn/xwfb/t20050628_27571.htm