【技术实现步骤摘要】
本专利技术涉及减污降碳，具体地说是一种基于模型耦合的减污降碳分析方法。
技术介绍
1、大气污染排放和碳排放具有高度同根同源的特征，减污降碳协同增效是现阶段解决环境问题的重要手段。大气层面减污降碳手段主要从能源结构、产业结构、交通结构及大气污染控制技术等从源头、过程和末端三个层面开展污染物减排。
2、目前减污降碳排放核算分析方法面临显著的不足之处：
3、leap(long-rangeenergyalternativeplanningsystem)模型，该模型主要是从能源技术和能源控制层面进行大气污染物和温室气体减排分析。
4、gains（greenhouse gas-air pollution interaction and synergies）模型，该模型主要从大气过程控制和末端治理角度进行分析。
5、但现有技术中仅使用leap模型或gains模型其中一种，无论使用哪一种模型对模型结果的可靠性均无法有效评判和保证，同时也无法从源头、过程和末端三个层面较为详尽的描述减排结果。
6、因此，需要设计一种基于模型耦合的减污降碳分析方法，综合运用leap模型和gains模型两种不同大气污染物和温室气体排放预测分析模型，提供了一种更加科学、合理、全面的减污降碳分析方法，为制定基于未来高质量发展需求的治理决策提供科学、合理、全面的帮助。
技术实现思路
1、本专利技术的目的是克服现有技术的不足，提供了一种基于模型耦合的减污降碳分析方法，综
2、为了达到上述目的，本专利技术提供一种基于模型耦合的减污降碳分析方法：
3、包括以下步骤：
4、s1，收集整合研究区域的经济、人口、能源、温室气体、大气污染物的统计年鉴的相关资料数据，并将不同数据源的大气污染物和温室气体数据进行整合形成综合数据集；
5、s2，识别leap模型和gains模型的各个模块，对各模块进行内容分解并建立模型耦合方法；
6、s3，基于leap模型，进行能源消费、大气污染物和温室气体排放预测分析；
7、s4，基于gains模型，计算大气污染控制和温室气体减排的潜力，评估减排政策间的相互影响；
8、s5，根据s1～s4的分析结果，计算研究区域大气污染物和温室气体排放量，核算减排潜力，构建减污降碳分析方法。
9、s2中的leap模型包括终端能源需求模块、能源加工转换模块、技术与环境数据库模块、能源与环境预测结果模块；
10、s2-1，终端能源需求模块用于核算并预测未来能源需求，其计算公式为：
11、终端能源需求=活动水平×能源消费强度；
12、终端能源需求模块根据实际情况自行设置数据结构，数据结构包括部门、子部门、终端、用能设备建立分层数据结构，此时活动水平的计算公式为：
13、活动水平=部门活动水平×子部门活动水平×终端活动水平×用能设备活动水平；
14、s2-2，能源加工转换模块基于终端能源需求模块的能源需求数据，用于能源转换过程的建模分析，并基于能源加工转化模块，用于实现能源供需平衡；
15、s2-3，技术与环境数据库模块是内嵌于leap模型中的一个开放的数据库，用于根据实际情况编辑和补充适合的各类能源及环境数据，并在使用过程中只需使能源设备技术与数据库之间建立链接后便可将数据库中的数据自动插入相应的技术设备；
16、s2-4，能源与环境预测结果模块是在其他模块运行之后，分析不同部门分支、不同政策情景下的终端能源需求、能源消费量、成本和环境影响结果的模块。
17、s2中的gains 模型包括活动水平数据库模块、污染控制技术模块、污染物排放模块、成本模块、空气质量及影响模块、情景管理模块；
18、s2-5，活动水平数据库模块用于计算各部门排放量的人为活动数据，包含过去和未来几年的能源使用、工业过程、农业、废物和运输方面的活动数据，并保存了补充活动预测的其他数据；
19、s2-6，污染控制技术模块包括创建污染物控制技术库，输入研究区域已有相关政策的污染物控制技术相关信息，同时未来预测与创建控制策略方案；
20、s2-7，污染物排放模块用于研究区域的大气污染物和温室气体排放量，显示在各种聚合中，并显示用于计算的排放相关输入数据的详细信息；
21、s2-8，成本模块为模型选定的排放方案计算的排放控制成本，并提供有关用于计算的成本相关输入数据的详细信息；
22、s2-9，空气质量及影响模块以图形、地图和数字形式、包含特定区域数据的表格，显示计算出的空气质量以及选定排放控制方案对健康和环境的影响；
23、s2-10，情景管理模块用于对减排方案中不同控制排放情景的假设。
24、s2中的耦合方法为：
25、将s1中基准年的相关数据按工业、农业、交通、居民和其他部门或行业和燃料品种，输入至s2两模型各个模块中，根据两模型各自基准年能源消费总量与能源统计年鉴结果进行核对并不断优化调整模型参数，使得两模型间实现分部门或行业、燃料类型的能源平衡，构建本地参数化耦合模型。
26、s3具体为：
27、基于leap模型进行大气污染物和温室气体排放驱动因素分析，结合s1和s2从能源控制和能源技术角度对未来目标年能源消费、大气污染物和温室气体排放进行预测分析；
28、s3-1，驱动因素分析采用灰色关联度、生态效率和脱钩分析、lmdi因素分析法进行；
29、灰色关联度的分析为：对污染物排放影响因子进行分析排序，确定研究区域内影响污染物排放的主要驱动因子，其分析过程包括确定母序列和子序列、归一化处理、运用公式计算灰色关联系数、计算关联系数的均值形成关联序，其中灰色关联系数的计算公式为：
30、；
31、其中，为污染物排放量，为各驱动因素，为分辨系数，其值为0.5；
32、生态效率分析：用城市社会经济发展中创造的有用输出与非期望环境影响产出和对环境的投入的比值衡量，其计算公式为：
33、；
34、其中为产出或服务的价值，用gdp值表征；为环境投入和非期望环境输出，用能源消耗量、温室气体排放量、大气污染物排放量表征；
35、脱钩分析：用来反映经济增长与物质消耗投入及生态环境保护之间的压力关系，包括脱钩因子法、tapio脱钩弹性系数法和基于ppat方程的脱钩评价法，其中tapio脱钩弹性系数法的计算公式为：
36、；
37、其中，为脱钩弹性系数，为第i和第i-1年间环境影响的变化率，采用能源消耗量、温室气体排放量、大气污染物排放量表征；为第i和本文档来自技高网...
【技术保护点】
1.一种基于模型耦合的减污降碳分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S2中的LEAP模型包括终端能源需求模块、能源加工转换模块、技术与环境数据库模块、能源与环境预测结果模块；
3.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S2中的GAINS 模型包括活动水平数据库模块、污染控制技术模块、污染物排放模块、成本模块、空气质量及影响模块、情景管理模块；
4.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S2中的耦合方法为：
5.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S3具体为：
6.根据权利要求5所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S3-2中的能源消费包括农业、工业、建筑业、居民生活、服务业和交通部门中的营运部分的数据。
7.根据权利要求5所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S3-2-1中的终端能源消费部门的活动水平包括行业增加值和
8.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S4具体为：
9.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述S5具体为：
10.一种用于实现如权利要求1～9所述任意一项基于模型耦合的减污降碳分析方法的系统，其特征在于，包括数据收集模块、模型耦合模块、LEAP模型模拟模块、GAINS模型模拟模块、减污降碳协同减排计算模块；
...【技术特征摘要】
1.一种基于模型耦合的减污降碳分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述s2中的leap模型包括终端能源需求模块、能源加工转换模块、技术与环境数据库模块、能源与环境预测结果模块；
3.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述s2中的gains 模型包括活动水平数据库模块、污染控制技术模块、污染物排放模块、成本模块、空气质量及影响模块、情景管理模块；
4.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述s2中的耦合方法为：
5.根据权利要求1所述的基于模型耦合的减污降碳分析方法，其特征在于，所述s3具体为：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：王亚丽，马彤，束韫，高健，冯相昭，陈建华，高锐，沈毅成，刘翰青，王佳琪，毕方，
申请(专利权)人：中国环境科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。