基于灰色-馬爾科夫模型的電力系統CO2排放

基于灰色-馬爾科夫模型的電力系統CO2排放

徐杰1，馬娜2

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

摘要：運用灰色-馬爾科夫方法對電力負荷進行中長期預測，并結合電廠發電煤耗值的預測對電力系統2011-2030年的碳排放進行了測算.計算結果表明：電力系統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，在此基礎上進行了分析并對電力系統未來減少CO2排放的路徑從國家政策層面、電力生產環節和電網規劃及調度等方面提出了建議.

關鍵詞：灰色-馬爾科夫模型；負荷預測；電力系統；碳排放

DOI：10.3969/j.issn.1000-1565.2015.05.002

中圖分類號：F224.0；O211.67文獻標志碼：A

收稿日期:2015-02-03

基金項目：教育部中央高?？蒲兄攸c資助項目(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，江蘇武進人，河北大學副教授，華北電力大學在讀博士，主要從事低碳經濟研究和技術經濟與管理研究. E-mail：crystral-2008@163.com

隨著全球經濟的高速發展，在人類的經濟活動中，大量燃燒化石燃料產生過量的CO2，導致嚴重的災害性環境問題發生.中國作為發展中國家，改革開放以來經濟實現了快速發展，同時也加大了CO2的排放.按照《中國能源報告(2008)碳排放研究》一書中提供的數據，在1970-2004年中國的電力、交通運輸部門和工業部門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%。電力行業作為國民經濟中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,電力行業具備顯著的減排空間，而摸清電力行業碳排放狀況，分析其未來的發展趨勢，對電力行業制定低碳發展的路線和相關政策方針具有非常重要的意義.

對電力系統碳排放進行預測研究需要以對電力需求的準確預測為前提.為達到中國政府制定的減排目標，電力行業應該在保證國民經濟發展的前提下，對電力負荷準確預測，對電源結構進行合理調整，才能掌握電力系統的碳排放情況，找到減少碳排放的途徑.本文利用灰色-馬爾科夫模型對電力負荷進行預測，并結合供電煤耗預測值對電力系統的碳排放進行了預測.在此基礎上，對電力系統的低碳化發展提出了一些建議.

1中國近年來電力結構基本情況

中國電力結構組成見表1，火電發電量占總發電量的80%以上，且發電量逐年上升；水電發電量占總發電量的比重保持在14.55%~17.77%，核電發電量在總發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電為主，與此同時，發電機組往往具有較長的服役年限，這就使得中國電力行業具有很強的碳鎖定效應，即未來相當長一段時間內行業的CO2排放將被當前的電源結果所“鎖定”[3-4].也就是說，電力系統的碳排放主要來自于火力發電，因此，本文以火電各年的負荷數據為依據，對電力系統未來若干年后的負荷進行預測，再根據發電煤耗計算出電力系統的碳排放情況.

表1　2000-2010年中國電力結構組成

2預測方法

對于負荷預測，國內外均有比較系統的研究，目前使用的電力負荷預測技術主要有趨勢外推預測技術、回歸預測技術、時間序列預測技術，灰色預測技術等.其中，灰色預測技術以其較小的樣本量，較高的預測精度被廣泛應用于短期、中期和長期的電力負荷預測中[5].在此基礎上應用改進的灰色預測技術對負荷進行預測的研究也很多.本文擬采用灰色預測和馬爾科夫預測相結合的方法，即灰色-馬爾科夫模型進行負荷預測.針對灰色預測使用小樣本量難以進行長期預測的問題，本文采用灰色滾動預測技術，即用GM(1.1)模型預測出若干個值，然后將其補充到已知數據之后的同時去掉一些老的數據，保持數列等維，這樣建立的GM(1.1)模型，再去預測下一個值，再將其結果補充到數列之后，再去掉最老的一個數據，直到完成預測目標或達到預定精度，最后再與馬爾科夫預測技術相結合進行預測.灰色預測模型和馬爾科夫鏈都可以用于時間序列的預測，灰色系統對隨機性問題的處理方法進行了改變，它把系統的隨機性看成灰色的，較好地應用在信息不明或不完全明確的系統中.但灰色預測一般用于數據少、時間短和波動不大的問題，其預測趨勢是1條較平滑的曲線，單調遞減或者遞增，在進行預測時，其預測精度對隨機波動較大的序列相對較低，會出現偏低或偏高的現象.而馬爾科夫鏈研究的是隨機變化系統，1個n階馬爾科夫鏈由n個狀態的集合{a1,a2,…,an}與一組轉移概率Pij(i,j=1,2,…,n)來確定.在此過程中，任意時刻只能處于一個狀態，若在時刻k處于ai狀態，則在時刻k+1處于aj狀態，轉移概率Pij反映各因素的影響程度，所以馬爾科夫鏈適合對隨機波動較大的動態過程進行預測，正好彌補了灰色預測的不足，二者組合可實現不同模型之間的互補，具有一定的實用性.

2.1　灰色預測模型GM(1.1)的建立

GM(1.1)模型是用原始數據作生成處理后建立的微分方程.建立GM(1.1)模型只需要1個數列，

X(0)=(X(0)(1),X(0)(2),…,X(0)(n))，

(1)

對該數列作一階累加生成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)

將原始數列經累加生成后，弱化了原始數據中壞數據的影響，使其變為有規律的生成數列后再建模.利用X(1)構成下述一級白化微分方程：

(3)

利用最小二乘法求解參數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；再根據擬合曲線將其劃分成幾個動態區間，然后通過馬爾科夫轉移概率矩陣預測下一個狀態，從而計算出預測值.具體步驟如下:

第1步：預測值計算

第2步：狀態劃分

首先利用灰色預測模型進行各年火力發電量的預測，用實際值與預測值比較得到每年發電量的預測殘差.根據殘差所占實際值的比重對殘差狀態進行劃分，本文對負荷預測結果做如下處理.

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

第3步：狀態轉移概率矩陣的確定

第4步：預測

根據馬爾科夫預測模型，s1=s0*P;s2=s0*P2;…;sn=s0*Pn即可進行預測.

3負荷和發電煤耗預測

3.1　負荷預測

3.1.1原始數據和火力發電預測值

根據中國2000-2010年的負荷數據，按照上述方法對未來若干年的負荷情況進行了預測.考慮到電力系統的碳排放主要來自于火力發電，本文在測算時選取火力發電數據.

根據前述的改進的灰色GM(1.1)模型，將2000-2010年的火力發電數據作為原始序列，進行灰色預測，預測值如表2所示.

表2　火力發電量預測值

圖1　2000-2010年原始數據與預測值的比較

3.1.2狀態劃分

根據前述方法，對2000-2010年的預測值進行狀態劃分，其中2001,2002年處于狀態F1，2000,2003,2004,2008,2009,2010年處于狀態F2，2005年處于狀態F3，2006，2007年處于狀態F4.由殘差的狀態轉移的頻數統計得到狀態轉移概率矩陣為

3.1.3預測

根據馬爾科夫預測模型，可得2015，2020，2025，2030年的狀態轉移預測值.其中S0=(0.1820.5450.0910.182).終預測值=灰色預測值/(1+p*中值)，P為該年度狀態的最大概率值，中值=0.5*(該狀態的上限+下限)，其中，狀態1和4的中值分別取-2%和2%.通過計算，可以得到電力負荷的預測值：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.

為了提高預測精度，在使用灰色馬爾科夫預測方法的同時，本文還應用趨勢外推預測技術和回歸預測技術對預測結果進行了修正，具體結果見表3.

表3　電力負荷預測值

3.2　發電煤耗值的預測

中國火力發電2000-2010年的發電煤耗原始數據見表4.根據表4數據，采用改進的GM(1.1)模型，即灰色滾動預測，同時結合趨勢外推預測和回歸預測，可得到如下預測結果：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年的發電煤耗數據

4電力系統碳排放的計算

電廠發電運行中，產生的溫室氣體主要是CO2和少量的N2O.燃煤電廠按常規燃燒方式所生成的NOx中，NO占90%左右，N2O僅占1%左右[7].根據國家發改委能源研究所和《節能手冊2006》推薦的數值，噸標煤CO2排放系數(t/tce)為2.456 7 t/tce，噸標煤NOx排放系數(t/tce)為0.015 6 t/tce.此外，根據IPCC第3次評估報告(2001)給出的溫室氣體的預設GWP值，CO2為1 g CO2當量每g溫室氣體，N2O為296 g CO2當量每g溫室氣體.通過計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結論

計算結果表明：電力系統的CO2排放量呈現出不斷上漲的趨勢，但隨著電力低碳技術的不斷改進，發電煤耗會呈現出不斷降低的趨勢，雖然隨著國民經濟的發展，對電力負荷的需求會持續增加，但電力系統的總體CO2排放的增長趨勢相比負荷增長是相對緩慢的.如果保持現有的電源結構，電力系統的減排工作任重而道遠。建設低碳電力系統，不僅要實現現有化石燃料發電機組的減排，從長遠看還要以可再生能源等清潔能源為主要依托實現電力系統的低碳發展.具體可從以下幾方面開展工作.

1)國家相關政策層面，可適時適當的開征“二氧化碳稅”.作為一個有效治理環境的經濟政策工具，從長期來看，碳稅能有效地降低企業的CO2排放量，改變電力行業的能源消費結構并起到降低能源消耗的作用.

2)在電力生產環節，鼓勵發電企業的低碳發展，加大化石燃料低碳發電技術的創新和應用，發展循環經濟；大力發展以超臨界、超超臨界為代表的高效、清潔的發電技術和增壓流化床聯合循環技術、熱電聯產等等，通過技術創新降低電力生產環節的碳排放.

3)在電力戰略規劃方面，要不斷調整區域電源結構，逐漸降低火力發電所占比例，大力發展以太陽能發電、風能發電和水能發電為主的可再生能源發電，這對電力行業CO2的減排工作能起到至關重要的作用.

4)電網環節要優化廠網布局，加大智能電網建設；加強低碳電力調度約束；繼續建設UHA變電站和數字化變電站.

參考文獻:

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

[2]馬忠海，潘自強，謝建倫，等.我國核電鏈溫室氣體排放系數研究[J]. 輻射防護，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.低碳經濟論[M]. 北京：中國環境科學出版社，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. 灰色預測與決策[M]. 武漢：華中理工大學出版社，1986.

[6]王澤文，張文，邱淑芳. 灰色-馬爾科夫模型的改進及其參數計算方法[J]. 數學的實踐與認識，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.電網低碳效益評估模型及其應用[J]. 電網技術，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荷組合預測中的應用[J]. 電力系統及其自動化學報，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. 灰色系統非線性回歸電力負荷預測[J]. 科學技術與工程，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.

(責任編輯：王蘭英)