一种多能互补低碳产业园区优化设计方法、装置、设备及存储介质与流程

energy模型构建园区的碳排放预测混合模型，并在所述碳排放预测混合模型中输入所述宏观参数、所述能源排放参数与所述非能源排放参数计算所述测试情景的目标碳排放；判断所述目标碳排放是否达到低碳标准；若所述目标碳排放达到所述低碳标准，则将此时的所述测试情景作为园区的低碳设计方案；若所述目标碳排放未达到所述低碳标准，则迭代调整控制参数直至所述目标碳排放达到所述低碳标准；其中，所述控制参数包括所述影响因素、所述宏观参数、所述能源排放参数与所述非能源排放参数。
7.结合第一方面，在第一种可能的实现方式中，所述改良后的kaya恒等式包括：
8.式中，c为园区碳排放总量，i分别表示第一产业、第二产业和第三产业，c
energy
为能源消费排放量，e为能源消费量，eg为产业增加值，ieg为园区生产总值，k表示能源消费排放占比的倒数，ef为能源综合碳排放因子(随能源结构调整而变化)，a为能源消费强度，b为产业结构，ip为人均园区生产总值，p为园区就业人口。
9.结合第一方面，在第二种可能的实现方式中，所述根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，包括：计算园区的历年总碳排放增量；根据所述kaya-lmdi模型确定园区碳排放的所述影响因素；其中，所述影响因素包括能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值与就业人口规模；分别计算所述影响因素对所述历年总碳排放增量的所述影响贡献率；根据所述影响因素的所述影像贡献率确定关键影响因素。
10.结合第一方面的第二种可能实现的方式，在第三种可能的实现方式中，所述根据所述关键影响因素与所述园区资料构建leap-energy模型，包括：根据所述关键影响因素、所述园区资料在所述leap模型中构建能源消费模块与非能源消费模块；所述能源消费模块包括工业生产、办公生活与交通运输三个部门；其中，所述工业生产部门包括第一产业、第二产业与第三产业，所述办公生活部门包括公共建筑与居住建筑，所述交通运输部门包括货运和客运；在所述能源消费模块中嵌入能耗预测模块，并将所述能耗预测模块引入所述leap模型中构建leap-energy模型；其中，所述能耗预测模块包括工业能耗预测模块、建筑能耗预测模块与交通能耗预测模块。
11.结合第一方面的第三种可能实现的方式中，在第四种可能的实现方式中，所述根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数，包括：根据所述leap-energy模型分别预测所述工业生产、所述办公生活与所述交通运输的所述测试情景的测试能耗；将所述测试情景的所述测试能耗输入所述leap-energy模型获得不同部门冷、热、电、燃料能源需求；根据所述不同部门冷、热、电、燃料能源需求与所述园区初始能源系统规划，构建能源系统模块；将所述能源系统模块分为市政能源、园区自建能源与回收利用能源，并计算所述能源系统模块中各类型能源的第一消费量；其中，所述市政能源包括市政电力、市政热水与市政燃气，所述园区自建能源包括化石能源、可再生能源与园区自建能源，所述回收利用能源包括工业余热、工业废弃物与其他回收能源；根据所述第一消费量
获得所述能源排放参数；根据所述园区资料算得所述非能源消费模块的所述非能源排放参数；其中，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。
12.第二方面，本技术实施例提供了一种多能互补低碳产业园区优化设计装置，包括：kaya-lmdi模型模块，用于根据从园区资料获取的园区特征改良kaya恒等式，并基于改良后的kaya恒等式采用lmdi因素分解法建立kaya-lmdi模型；其中，所述园区资料包括园区规划资料与园区历史用能资料；关键影响因素模块，用于根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，并结合所述园区规划资料获得宏观参数；其中，所述宏观参数包括测试情景下的所述影响因素的量化，所述测试情景为园区未来一段目标研究时间的碳排放测算情景；leap-energy模型模块，用于根据所述关键影响因素与所述园区资料构建leap-energy模型；碳排放参数模块，用于根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数；其中，所述能源排放参数包括不同部门各类型能源的单位活动水平消费量与碳排放因子，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量；碳排放预测混合模型模块，用于根据所述kaya-lmdi模型与所述leap-energy模型构建园区的碳排放预测混合模型，并在所述碳排放预测混合模型中输入所述宏观参数、所述能源排放参数与所述非能源排放参数计算所述测试情景的目标碳排放；判断模块，用于判断所述目标碳排放是否达到低碳标准；低碳设计方案模块，用于若所述目标碳排放达到所述低碳标准，则将此时的所述测试情景作为园区的低碳设计方案；迭代模块，用于若所述目标碳排放未达到所述低碳标准，则迭代调整控制参数直至所述目标碳排放达到所述低碳标准；其中，所述控制参数包括所述影响因素、所述宏观参数、所述能源排放参数与所述非能源排放参数。
13.结合第二方面，在第一种可能的实现方式中，所述改良后的kaya恒等式包括：
14.式中，c为园区碳排放总量，i分别表示第一产业、第二产业和第三产业，c
energy
为能源消费排放量，e为能源消费量，eg为产业增加值，ieg为园区生产总值，k表示能源消费排放占比的倒数，ef为能源综合碳排放因子(随能源结构调整而变化)，a为能源消费强度，b为产业结构，ip为人均园区生产总值，p为园区就业人口。
15.结合第二方面，在第二种可能的实现方式中，所述根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，包括：计算园区的历年总碳排放增量；根据所述kaya-lmdi模型确定园区碳排放的所述影响因素；其中，所述影响因素包括能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值与就业人口规模；分别计算所述影响因素对所述历年总碳排放增量的所述影响贡献率；根据所述影响因素的所述影像贡献率确定关键影响因素。
16.结合第二方面的第二种可能实现的方式，在第三种可能的实现方式中，所述根据所述关键影响因素与所述园区资料构建leap-energy模型，包括：根据所述关键影响因素、所述园区资料在所述leap模型中构建能源消费模块与非能源消费模块；所述能源消费模块
包括工业生产、办公生活与交通运输三个部门；其中，所述工业生产部门包括第一产业、第二产业与第三产业，所述办公生活部门包括公共建筑与居住建筑，所述交通运输部门包括货运和客运；在所述能源消费模块中嵌入能耗预测模块，并将所述能耗预测模块引入所述leap模型中构建leap-energy模型；其中，所述能耗预测模块包括工业能耗预测模块、建筑能耗预测模块与交通能耗预测模块。
17.结合第二方面的第三种可能实现的方式中，在第四种可能的实现方式中，所述根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数，包括：根据所述leap-energy模型分别预测所述工业生产、所述办公生活与所述交通运输的所述测试情景的测试能耗；将所述测试情景的所述测试能耗输入所述leap-energy模型获得不同部门冷、热、电、燃料能源需求；根据所述不同部门冷、热、电、燃料能源需求与所述园区初始能源系统规划，构建能源系统模块；将所述能源系统模块分为市政能源、园区自建能源与回收利用能源，并计算所述能源系统模块中各类型能源的第一消费量；其中，所述市政能源包括市政电力、市政热水与市政燃气，所述园区自建能源包括化石能源、可再生能源与园区自建能源，所述回收利用能源包括工业余热、工业废弃物与其他回收能源；根据所述第一消费量获得所述能源排放参数；根据所述园区资料算得所述非能源消费模块的所述非能源排放参数；其中，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。
18.第三方面，本技术实施例提供了一种设备，所述设备包括：处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如第一方面或第一方面任一种可能实现的方式所述的方法。
19.第四方面，本技术实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如第一方面或第一方面任一种可能实现的方式所述的方法被实现。
20.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
21.本技术实施例通过采用了一种多能互补低碳产业园区优化设计方法，通过改良kaya恒等式，将碳排放测算尺度控制在园区尺度，解决了现有技术中碳排放测算研究多基于国家、省、市尺度得问题；根据kaya-lmdi模型与leap-energy模型构建园碳排放预测的混合模型，将“自下而上”碳排放预测模型与“自上而下”碳排放预测模型结合，解决了现有技术中“自下而上”碳排放预测模型难以考虑生产总值、人口等宏观因素对碳排放的影响；“自上而下”碳排放预测模型难以细化研究各行业各能源品种对碳排放的影响；通过针对用能特点预测能耗以及迭代调整控制参数，实现将严排放与多能互补的能源系统优化相结合，进而实现一种适用于园区尺度的综合性低碳设计方案。
22.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对本技术实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本技术实施例提供的多能互补低碳产业园区优化设计方法的流程图；
附图说明
24.图2为本技术实施例提供的确定关键影响因素的流程图；
25.图3为本技术实施例提供的获得计算不同能源排放参数的流程图；
26.图4为本技术实施例提供的多能互补低碳产业园区优化设计装置示意图；
27.图5为本技术实施例提供的多能互补低碳产业园区优化设计方法的路线框架图；
28.图6为本技术实施例提供的能耗预测模块的示意图。
29.下面结合附图和实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
30.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
具体实施方式
31.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
32.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.图1是本技术实施例提供的多能互补低碳产业园区优化设计方法的流程图，包括步骤101至步骤108。其中，图1仅为本技术实施例示出的一种执行顺序，并不代表基于土地利用的碳排放即时表征与预测的方法的唯一执行顺序，在可实现最终结果的情况下，图1所示出的步骤可以被并列或颠倒执行。
34.步骤101：根据从园区资料获取的园区特征改良kaya恒等式，并基于改良后的kaya恒等式采用lmdi因素分解法建立kaya-lmdi模型。其中，所述园区资料包括园区规划资料与园区历史资料。具体为，根据获取的园区规划资料、园区历史用能资料与相关研究资料获取园区特征，并基于园区特征改良kaya恒等式，其中园区规划资料包括园区产业规划、能源系统规划等，园区历史用能资料包括各能源部门历年能源消费量、历年就业人口、人均生产总值等，相关研究资料包括园区碳排放相关政策、国内外文献等。kaya恒等式多适用于国家、城市等大尺度的碳排放预测分析，现有的kaya恒等式包含人口规模，人均生产总值，能源消费结构与能源消费强度，结合园区实际情况与园区特征，添加能源消费排放占比，园区是工业园区，产业结构对碳排放的影响十分重要，且国家在工业减排政策中也提倡优化产业结构，故添加产业结构。所以园区碳排放需要考虑能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模等因素影响，因此针对园区的碳排放影响因素对kaya恒等式做出改良，具体如下：
[0035][0036]
式中，c为园区碳排放总量，i分别表示第一产业、第二产业和第三产业，c
energy
为能源消费排放量，e为能源消费量，eg为产业增加值，ieg为园区生产总值，k表示能源消费排放占比的倒数，ef为能源综合碳排放因子(随能源结构调整而变化)，a为能源消费强度，b为产业结构占比，ip为人均园区生产总值，p为园区就业人口。根据改良后的kaya恒等式所考虑的影响因素的影响效应即根据能源消费排放效应、能源消费结构效应、能源消费强度效应、产业结构效应、人均园区生产总值效应、就业人口规模效应建立对应园区的kaya-lmdi模型。其中，能源消费排放占比与产业结构是根据园区特性而添加的，本领域技术人员亦可结合工业园区的具体情况进行修改、增加或删除。
[0037][0038][0039]
步骤102：根据计算的kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，并结合园区规划资料获得宏观参数。其中，所述宏观参数包括测试情景下的所述影响因素的量化，所述测试情景为园区未来一段目标研究时间的碳排放测算情景。步骤102的实现步骤如图2所示，包括步骤201至步骤204，具体如下。
[0040]
步骤201：计算园区的历年总碳排放增量。具体为，计算园区的历年总碳排放增量，计算方法如下：
[0041][0042]
式中，c
t
为t时期的园区碳排放量，c0为基准年的园区碳排放量，c为一定时间段[0,t]内的园区碳排放量变化值，表征各影响因素的影响效应总和，δk为能源消费排放效应，δef能源消费结构效应，δa能源消费强度效应，δb产业结构效应，δip人均园区生产总值效应，δp就业人口规模效应。
[0043]
步骤202：根据kaya-lmdi模型确定园区碳排放的影响因素。其中，根据改良后的kaya恒等式确定影响因素包括能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值与就业人口规模。
[0044]
步骤203：分别计算影响因素对历年总碳排放增量的影响贡献率。具体计算公式如下：
[0045][0046]
[0047][0048][0049][0050][0051]
式中，k
t
为t时期的能源消费排放占比的倒数，k0为初始时期的能源消费排放占比的倒数；ef
t
为t时期的综合能源碳排放因子，ef0为初始时期的综合能源碳排放因子；a
t
为t时期的能源消费强度，a0为初始时期的能源消费强度；b
t
为t时期的产业结构，b0为初始时期的产业结构；ip
t
为t时期的人均园区生产总值，ip0为初始时期的人均园区生产总值；p
t
为t时期的就业人口规模，p0为初始时期的就业人口规模。影响因素的贡献率为各影响因素效应与碳排放增量δc的比值。
[0052]
步骤204：根据影响因素的贡献率确定关键影响因素。具体为，根据上述公式分别计算出各影响因素的贡献率，计算结果能够体现影响因素的强弱，根据计算结果确定关键影响因素。其中，此处的关键影响因素没有具体的数量限制，只要所计算的贡献率满足某一设定范围即可。根据关键影响因素，结合园区资料中的园区产业规划或历年人均生产总值、就业人口、产业比等资料，获得宏观参数。其中，宏观参数为测试情景下就业人口、园区人均生产总值、产业比等影响因素的量化，可以表征各产业的活动水平，测试情景为园区未来某段目标研究时间的碳排放测算情景。
[0053]
步骤103：根据关键影响因素与园区资料构建leap-energy模型。具体如为，根据关键影响因素、园区历史用能资料与其他资料在leap模型中构建能源消费模块与非能源消费模块。具体为，根据关键影响因素和历史用能资料，结合发布的《ipcc国家温室气体清单指南》、《省级温室气体清单指南》以及园区碳足迹，在leap模型中搭建能源消费模块和非能源消费模块，如图5所示，非能源消费模块包括碳汇、废弃物处理以及重点工业过程排放。能源消费模块包括工业生产、办公生活与交通运输三个部门。具体为，如图5所示，能源消费模块包括工业生产、办公生活和交通运输，其中，工业生产包括第一产业、第二产业与第三产业，办公生活包括公共建筑与居住建筑，交通运输包括货运和客运。此处的分类项目是结合园区实际情况进行的较为全面的分类，本领域技术人员亦可根据实际情况做出调整。在能源消费模块中嵌入能耗预测模块，并将能耗预测模块引入leap模型中构建leap-energy模型。具体为，如图6所示，为能源消费模块中的工业生产、办公生活和交通运输三个部门分别添加能耗预测模块，并结合leap模型构建leap-energy模型。工业生产对应为工业能耗预测模块，用于分别预测第一产业、第二产业与第三产业的单位产值能耗。办公生活对应建筑能耗预测模块，用于分别预测公共建筑与居住建筑的建筑能耗，是根据园区初始规划资料获取园区建筑信息和规划建筑信息，进而分析建筑规模、围护结构、人员灯光以及hvac系统等资
料构建建筑能耗模拟模块。交通运输对应交通能耗预测模块，用于分别预测货运和客运的能耗。
[0054]
步骤104：根据leap-energy模型与园区资料获得能源排放参数与非能源排放参数。其中，所述能源排放参数包括不同部门各类型能源的单位活动水平消费量与碳排放因子，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。步骤104的具体实现步骤如图3所示，包括步骤301至步骤306，具体如下。
[0055]
步骤301：根据leap-energy模型分别预测工业生产、办公生活与交通运输的测试情景的测试能耗。具体为，将根据步骤103中创建的能耗预测模块如图6所示。针对不同部门的能耗特点，构建不同能耗预测模型。工业能耗预测模块分为既有产业预测模型和待建产业预测模型，根据园区历史资料中不同产业的增加值以及用能情况，将历年产业增加值、单位产值能耗等数据输入既有产业amrima预测模型，训练后获得产业单位产值能耗；对于待建产业，则输入行业或其他园区的历年单位产值用能强度、能源结构等数据至待建产业bp神经网络模型，训练后获得待建产业的单位产值能耗。建筑能耗模拟模块由长短期记忆模型与energyplus建筑能耗模拟模型构成。在气象参数预测长短期记忆模型中输入历史气象数据，如室外温度、太阳辐射强度等，获取预测气象参数，根据气象参数与建筑规划资料，在energyplus软件中建立建筑能耗模拟模型，仿真模拟得公共建筑和居住建筑的能耗。交通能耗预测模块对园区生产总值、就业人口、产业比、周转量等影响因子进行主成分析，降低输入样本的相关性，根据园区不同交货运、客运周转量的历史数据与其他资料，并结合当地《交通运输发展报告》中货运、客运历年能源消费强度和消费结构，训练客运货运bp神经网络能耗预测模型，获取货运和客运的单位周转量能耗。
[0056]
步骤302：将测试情景的测试能耗输入leap-energy模型获得不同部门冷、热、电、燃料能源需求。具体为，将步骤301中不同能耗预测模块获得的不同部门的测试情景能耗输入至leap-energy模型中，据此得到不同部门冷、热、电以及燃料能源需求。
[0057]
步骤303：根据不同部门冷、热、电、燃料能源需求与园区初始能源系统规划，构建能源系统模块。具体为，根据步骤302以及园区历史用能资料获取不同部门冷、热、电、热水以及燃料能源需求，结合园区资料中能源系统规划，构建能源系统模块。
[0058]
步骤304：将能源系统模块分为市政能源、园区自建能源与回收利用能源，并计算能源系统模块中各类型能源的第一消费量。其中，市政能源包括市政电力、市政热水与市政燃气，园区自建能源包括化石能源、可再生能源与园区自建能源，回收利用能源包括工业余热、工业废弃物与其他回收能源。具体为，将能源系统所使用的能源分为市政能源模块、园区自建能源模块与回收利用能源模块。市政能源模块包括市政电力、市政热水、市政燃气等，园区自建能源模块包括燃煤燃气等化石能源、光热风电等可再生能源与其他自建能源，回收利用能源模块包括工业余热、工业废弃物与其他回收能源，得到不同能源模块提供的冷、热、电、热水能源需求量。不同能源模块的能源经过能源转换装置以及蓄能装置得到能源利用效率。根据不同能源模块提供的能源需求量和能源利用效率计算得不同部门各类型能源的消费量。其中，上述不同能源的利用效率、不同能源模块提供的能源需求量可以根据不同部门冷、热、电、热水以及燃料能源需求或园区资料直接获得或计算获得，本领域技术人员可根据实际情况采用不同计算方法，在此不做具体限制与描述。
[0059]
步骤305：根据第一消费量获得能源排放参数。其中，能源消费参数包括不同部门
各类型能源的单位活动水平消费量与碳排放因子。具体为，根据上述步骤获得的不同部门各类型能源的消费量，结合宏观参数，获得不同部门各类型能源的单位活动水平消费量，再根据《ipcc国家温室气体清单指南》计算方法获取各类型能源的碳排放因子。
[0060]
步骤306：根据园区资料算得非能源消费模块的非能源排放参数。其中，非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。具体为，根据《ipcc国家温室气体清单指南》、《省级温室气体清单指南》以及园区资料获得园区的碳汇固定量、废弃物排放量和重点工业过程排放量，据此获得非能源排放参数。
[0061]
步骤105：根据kaya-lmdi模型与leap-energy模型构建园区的碳排放预测混合模型，并在碳排放预测混合模型中输入宏观参数、能源排放参数与非能源排放参数计算测试情景的目标碳排放。具体为，根据kaya-lmdi模型确定的影响因素：能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模搭建leap-energy模型，并根据kaya-lmdi模型和园区资料算得人均园区生产总值、就业人口、产业结构等宏观参数以及能源消费模块的能源排放参数和非能源消费模块的非能源排放参数的具体数据，根据这些计算结果，在leap-energy模型中输入测试情景变化参数，实现碳排放预测混合模型的构建。碳排放混合预测模型计算原理如下：
[0062][0063]
式中，c
total
为园区年碳排放量，其中，c
energy
为能源消费的碳排放量，c
non-energy
为非能源消费的碳排放量，a为活动水平，m为单位活动水平能源消费量，ef为碳排放因子，i代表用能部门，j代表燃料品种，c
process
为重点工业过程碳排放量，c
waste
为废弃物处理碳排放量，c
green
为碳汇固定量。
[0064]
步骤106：判断目标碳排放是否达到低碳标准。具体为，将测试情景的目标碳排放与国家或园区制定的低碳标准进行比较。
[0065]
步骤107：若目标碳排放达到所述低碳标准，则将此时的测试情景作为园区的低碳设计方案。具体为，若根据步骤105获得的测试情景碳排放达到低碳标准，则将此时的测试情景中设置的方案作为园区的低碳设计方案。
[0066]
步骤108：若目标碳排放未达到所述低碳标准，则迭代调整控制参数直至目标碳排放达到低碳标准。其中，所述控制参数包括所述影响因素、所述宏观参数、所述能源排放参数与所述非能源排放参数。具体为，调整关键影响因素与宏观参数，即通过调整园区初始规划，在kaya-lmdi模型中修改影响因素的参数，重新确定关键影响因素与宏观参数；同时，预测突发情景，修改宏观参数，增加碳排放测算模型应对风险的能力。控制能源排放参数与非能源排放参数，即一方面优化工业生产过程，降低重点工业生产过程中产生的碳排放量。一方面优化废弃物循环利用，部分产业废弃物作为另一产业的原材料或辅助材料使用，降低不同能源的能源需求。同时优化能源系统，优化目标分为定性和定量两类，定性目标为能源消费结构更加清洁和合理：首先，重新分配能源消费模块中市政能源、园区自建能源以及回收利用能源，调整能源结构，提升地热、光热和风电等清洁能源占比，以及加大工业余热、废弃物的回收利用量，然后，采用蓄能装置储存光热、光电、风电等清洁能源，并使用能源转换
装置耦合，最后，优化燃气锅炉、燃煤机组能源转换装置的效率，降低能源消费强度。定量目标为能源系统成本cost和碳排放最低minco2，碳排放为主要目标，能源系统成本目标为约束，双目标优化方法如下所示：
[0067][0068][0069]
其中，m为能源消费量，ef为碳排放因子，bic为能源系统初始投资成本，c为单位能源消费价格，n为能源系统最大初始投资成本与运行成本，i表示市政能源模块、园区自建能源模块和回收利用能源模块，j表示不同能源。
[0070]
能源系统的能源消费结构主要包括煤、天然气、电力、热力，各类能源消费量需满足总量约束条件：
[0071][0072]
其中，q为园区目标年的能源消费总量，m为能源消费量，i表示市政能源模块、园区自建能源模块和回收利用能源模块，j表示不同能源。
[0073]
分别根据上述调整后的各项参数修改碳排放预测混合型中预设的测试情景对应的参数，并把修正后的结果输入碳排放预测混合模型中在此计算测试情景碳排放，根据上述调整步骤反复迭代执行，直至目标碳排放满足低碳标准。
[0074]
虽然本技术提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。本实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照本实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
[0075]
如图4所示，本技术实施例还提供一种多能互补低碳产业园区优化设计装置400。该装置包括：kaya-lmdi模型模块401、关键影响因素模块402、leap-energy模型模块403、碳排放参数模块404、碳排放预测混合模型模块405、判断模块406、低碳设计方案模块407与迭代模块408。具体如下：
[0076]
kaya-lmdi模型模块401用于根据从园区资料获取的园区特征改良kaya恒等式，并基于改良后的kaya恒等式采用lmdi因素分解法建立kaya-lmdi模型；其中，所述园区资料包括园区规划资料与园区历史用能资料。kaya-lmdi模型模块401具体用于，kaya恒等式多适用于国家、城市等大尺度的碳排放预测分析，现有的kaya恒等式包含人口规模，人均生产总值，能源消费结构与能源消费强度，结合园区实际情况与园区特征，添加能源消费排放占比，园区是工业园区，产业结构对碳排放的影响十分重要，且国家对工业政策中也说要优化产业结构，故添加产业结构。所以园区碳排放需要考虑能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模等因素影响。根据改良后的kaya恒等式所考虑的影响因素的影响效应即根据能源消费排放效应、能源消费结构效应、
能源消费强度效应、产业结构效应、人均园区生产总值效应、就业人口规模效应建立对应园区的kaya-lmdi模型。
[0077]
关键影响因素模块402用于根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的贡献率确定关键影响因素，并结合所述园区规划资料获得宏观参数；其中，所述宏观参数包括测试情景下的所述影响因素的量化，所述测试情景为园区未来一段目标研究时间的碳排放测算情景。关键影响因素模块402具体用于计算园区的历年总碳排放增量，计算方法如下：
[0078][0079]
式中，c
t
为t时期的园区碳排放量，c0为基准年的园区碳排放量，c为一定时间段[0,t]内的园区碳排放量变化值，表征各影响因素力的影响效应总和，δk为能源消费排放效应，δef能源消费结构效应，δa能源消费强度效应，δb产业结构效应，δip人均园区生产总值效应，δp就业人口规模效应。根据kaya-lmdi模型分析影响因素对历年总碳排放增量的贡献率；其中，影响因素包括能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值与就业人口规模。计算公式如下：
[0080][0081][0082][0083][0084][0085][0086]
式中，k
t
为t时期的能源消费排放占比的倒数，k0为初始时期的能源消费排放占比的倒数；ef
t
为t时期的综合能源碳排放因子，ef0为初始时期的综合能源碳排放因子；a
t
为t时期的能源消费强度，a0为初始时期的能源消费强度；b
t
为t时期的产业结构，b0为初始时期的产业结构；ip
t
为t时期的人均园区生产总值，ip0为初始时期的人均园区生产总值；p
t
为t时期的就业人口规模，p0为初始时期的就业人口规模。根据上述公式分别计算出各影响因素，计算结果能够体现影响因素的强弱，根据计算结果确定关键影响因素。
[0087]
根据关键影响因素，结合园区资料中的园区产业规划或历年人均生产总值、就业人口、产业比等资料，获得宏观参数。其中，宏观参数为测试情景下就业人口、园区人均生产总值、产业比等影响因素的量化，可以表征各产业的活动水平，测试情景为园区未来某段目标研究时间的碳排放测算情景。
[0088]
leap-energy模型模块403用于根据所述关键影响因素与所述园区资料构建leap-energy模型。leap-energy模型模块403具体用于，根据关键影响因素、园区历史用能资料与温室清单指南在leap模型中构建能源消费模块与非能源消费模块；能源消费模块包括工业生产、办公生活与交通运输三个部门，其中，工业生产包括第一产业、第二产业与第三产业，办公生活包括公共建筑与居住建筑，交通运输包括货运和客运；在能源消费模块中嵌入能耗预测模块，并将能耗预测模块引入leap模型中构建leap-energy模型。
[0089]
碳排放参数模块404用于根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数；其中，所述能源排放参数包括不同部门各类型能源的单位活动水平消费量与碳排放因子，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。能源碳排放模块404具体用于，根据leap-energy模型分别预测工业生产、办公生活与交通运输的测试情景能耗；将测试情景能耗输入leap-energy模型获得不同部门冷、热、电、燃料能源需求；根据不同部门冷、热、电、燃料能源需求与园区初始能源系统规划，构建能源系统模块；将能源系统模块分为市政能源、园区自建能源与回收利用能源，并计算不同部门各类型能源的消费量；根据不同部门各类型能源消费量获得能源消费参数；根据园区资料算得非能源消费参数。
[0090]
碳排放预测混合模型模块405用于根据所述kaya-lmdi模型与所述leap-energy模型构建园区的碳排放预测混合模型，并在所述碳排放预测混合模型中输入所述宏观参数、所述能源排放参数与所述非能源排放参数计算所述测试情景的目标碳排放。碳排放预测混合模型模块405具体用于，在leap-energy模型中输入根据kaya-lmdi模型确定的影响因素：能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模以此搭建kaya-lmdi模型，并根据kaya-lmdi模型和园区资料算得能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模以及能源消费模块和非能源消费模块的具体数据，根据这些计算结果，在leap-energy模型中设置目标年的预测情景变化参数，实现碳排放预测混合模型的构建。根据kaya-lmdi模型确定的影响因素：能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值、就业人口规模以此搭建leap-energy模型，并根据kaya-lmdi模型和园区资料算得人均园区生产总值、就业人口、产业结构等宏观参数以及能源消费模块的能源排放参数和非能源消费模块的非能源排放参数的具体数据，在leap-energy模型中输入预测试情景变化参数，实现碳排放预测混合模型的构建。
[0091]
判断模块406用于判断所述目标碳排放是否达到低碳标准。
[0092]
低碳设计方案模块407用于若所述目标碳排放达到所述低碳标准，则将此时的所述测试情景作为园区的低碳设计方案。低碳设计方案模块407具体用于，若根据获得的目标碳排放达到低碳标准，则将此时的测试情景中设置的方案作为园区的低碳设计方案。
[0093]
迭代模块408用于若所述目标碳排放未达到所述低碳标准，则迭代调整控制参数直至所述目标碳排放达到所述低碳标准；其中，所述控制参数包括所述影响因素、所述宏观
参数、所述能源排放参数与所述非能源排放参数。迭代模块408具体用于，调整影响因素，即通过园区初始规划，在kaya-lmdi模型中修改关键影响因素的参数，重新确定关键影响因素与宏观参数，同时预测突发情景，修改宏观参数。控制能源排放参数和非能源排放参数，优化工艺流程，提升产业循环，降低不同能源的能源需求，采用多目标优化方法，结合成本与环境因素重新分配能源消费模块中市政能源、园区自建能源以及回收利用能源，调整能源结构，提升地热、光热和风电等清洁能源与回收利用能源占比，采用蓄能装置储存自然绿色能源，提高能源转换装置的转换效率。分别根据上述调整后的各项参数修改碳排放预测混合模型中预设的测试情景对应的参数，并把修正后的结果输入碳排放预测混合型中在此计算测试情景碳排放，根据上述调整步骤反复迭代执行，直至测试情景碳排放满足低碳标准。
[0094]
本技术所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0095]
上述申请实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述方便，描述以上装置时以功能分为各种模块分别描述。在实施本技术实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。
[0096]
本技术实施例还提供了一种设备，所述设备包括：处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如本技术实施例所述的方法。
[0097]
本技术实施例还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序或指令，当该计算机程序或指令被执行时，使如本技术实施例中所述的方法被实现。
[0098]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0099]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0100]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0101]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0102]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种多能互补低碳产业园区优化设计方法，其特征在于，包括：根据从园区资料获取的园区特征改良kaya恒等式，并基于改良后的kaya恒等式采用lmdi因素分解法建立kaya-lmdi模型；其中，所述园区资料包括园区规划资料与园区历史用能资料；根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，并结合所述园区规划资料获得宏观参数；其中，所述宏观参数包括测试情景下的所述影响因素的量化，所述测试情景为园区未来一段目标研究时间的碳排放测算情景；根据所述关键影响因素与所述园区资料构建leap-energy模型；根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数；其中，所述能源排放参数包括不同部门各类型能源的单位活动水平消费量与碳排放因子，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量；根据所述kaya-lmdi模型与所述leap-energy模型构建园区的碳排放预测混合模型，并在所述碳排放预测混合模型中输入所述宏观参数、所述能源排放参数与所述非能源排放参数计算所述测试情景的目标碳排放；判断所述目标碳排放是否达到低碳标准；若所述目标碳排放达到所述低碳标准，则将此时的所述测试情景作为园区的低碳设计方案；若所述目标碳排放未达到所述低碳标准，则迭代调整控制参数直至所述目标碳排放达到所述低碳标准；其中，所述控制参数包括所述影响因素、所述宏观参数、所述能源排放参数与所述非能源排放参数。2.根据权利要求1所述的方法，其特征在于，所述改良后的kaya恒等式包括：式中，c为园区碳排放总量，i分别表示第一产业、第二产业和第三产业，c
energy
为能源消费排放量，e为能源消费量，eg为产业增加值，ieg为园区生产总值，k表示能源消费排放占比的倒数，ef为能源综合碳排放因子，随能源结构调整而变化，a为能源消费强度，b为产业结构，ip为人均园区生产总值，p为园区就业人口。3.根据权利要求1所述的方法，其特征在于，所述根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，包括：计算园区的历年总碳排放增量；根据所述kaya-lmdi模型确定园区碳排放的所述影响因素；其中，所述影响因素包括能源消费排放占比、能源消费结构、能源消费强度、产业结构、人均园区生产总值与就业人口规模；分别计算所述影响因素对所述历年总碳排放增量的所述影响贡献率；根据所述影响因素的所述影像贡献率确定关键影响因素。4.根据权利要求3所述的方法，其特征在于，所述根据所述关键影响因素与所述园区资
料构建leap-energy模型，包括：根据所述关键影响因素、所述园区资料在所述leap模型中构建能源消费模块与非能源消费模块；所述能源消费模块包括工业生产、办公生活与交通运输三个部门；其中，所述工业生产部门包括第一产业、第二产业与第三产业，所述办公生活部门包括公共建筑与居住建筑，所述交通运输部门包括货运和客运；在所述能源消费模块中嵌入能耗预测模块，并将所述能耗预测模块引入所述leap模型中构建leap-energy模型；其中，所述能耗预测模块包括工业能耗预测模块、建筑能耗预测模块与交通能耗预测模块。5.根据权利要求4所述的方法，其特征在于，所述根据所述leap-energy模型与所述园区资料获得能源排放参数与非能源排放参数，包括：根据所述leap-energy模型分别预测所述工业生产、所述办公生活与所述交通运输的所述测试情景的测试能耗；将所述测试情景的所述测试能耗输入所述leap-energy模型获得不同部门冷、热、电、燃料能源需求；根据所述不同部门冷、热、电、燃料能源需求与所述园区初始能源系统规划，构建能源系统模块；将所述能源系统模块分为市政能源、园区自建能源与回收利用能源，并计算所述能源系统模块中各类型能源的第一消费量；其中，所述市政能源包括市政电力、市政热水与市政燃气，所述园区自建能源包括化石能源、可再生能源与园区自建能源，所述回收利用能源包括工业余热、工业废弃物与其他回收能源；根据所述第一消费量获得所述能源排放参数；根据所述园区资料算得所述非能源消费模块的所述非能源排放参数；其中，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量。6.根据权利要求3所述的方法，其特征在于，计算园区的历年总碳排放增量，包括：式中，c
t
为t时期的园区碳排放量，c0为基准年的园区碳排放量，c为一定时间段[0,t]内的园区碳排放量变化值，表征各影响因素的影响效应总和，δk为能源消费排放效应，δef能源消费结构效应，δa能源消费强度效应，δb产业结构效应，δip人均园区生产总值效应，δp就业人口规模效应；和/或，分别计算影响因素对历年总碳排放增量的影响贡献率，包括：和/或，分别计算影响因素对历年总碳排放增量的影响贡献率，包括：
式中，δk为能源消费排放效应，δef能源消费结构效应，δa能源消费强度效应，δb产业结构效应，δip人均园区生产总值效应，δp就业人口规模效应k
t
为t时期的能源消费排放占比的倒数，k0为初始时期的能源消费排放占比的倒数；ef
t
为t时期的综合能源碳排放因子，ef0为初始时期的综合能源碳排放因子；a
t
为t时期的能源消费强度，a0为初始时期的能源消费强度；b
t
为t时期的产业结构，b0为初始时期的产业结构；ip
t
为t时期的人均园区生产总值，ip0为初始时期的人均园区生产总值；p
t
为t时期的就业人口规模，p0为初始时期的就业人口规模；影响因素的贡献率为各影响因素效应与碳排放增量δc的比值。7.根据权利要求1所述的方法，其特征在于，所述碳排放混合预测模型包括：式中，c
total
为园区年碳排放量，其中，c
energy
为能源消费的碳排放量，c
non-energy
为非能源消费的碳排放量，a为活动水平，m为单位活动水平能源消费量，ef为碳排放因子，i代表用能部门，j代表燃料品种，c
process
为重点工业过程碳排放量，c
waste
为废弃物处理碳排放量，c
green
为碳汇固定量。8.一种多能互补低碳产业园区优化设计装置，其特征在于，包括：kaya-lmdi模型模块，用于根据从园区资料获取的园区特征改良kaya恒等式，并基于改良后的kaya恒等式采用lmdi因素分解法建立kaya-lmdi模型；其中，所述园区资料包括园区规划资料与园区历史用能资料；关键影响因素模块，用于根据计算的所述kaya-lmdi模型确定的影响因素对园区碳排放的影响贡献率确定关键影响因素，并结合所述园区规划资料获得宏观参数；其中，所述宏观参数包括测试情景下的所述影响因素的量化，所述测试情景为园区未来一段目标研究时间的碳排放测算情景；leap-energy模型模块，用于根据所述关键影响因素与所述园区资料构建leap-energy模型；碳排放参数模块，用于根据所述leap-energy模型与所述园区资料获得能源排放参数
与非能源排放参数；其中，所述能源排放参数包括不同部门各类型能源的单位活动水平消费量与碳排放因子，所述非能源排放参数包括碳汇固定量、废弃物排放量与重点工业过程排放量；碳排放预测混合模型模块，用于根据所述kaya-lmdi模型与所述leap-energy模型构建园区的碳排放预测混合模型，并在所述碳排放预测混合模型中输入所述宏观参数、所述能源排放参数与所述非能源排放参数计算所述测试情景的目标碳排放；判断模块，用于判断所述目标碳排放是否达到低碳标准；低碳设计方案模块，用于若所述目标碳排放达到所述低碳标准，则将此时的所述测试情景作为园区的低碳设计方案；迭代模块，用于若所述目标碳排放未达到所述低碳标准，则迭代调整控制参数直至所述目标碳排放达到所述低碳标准；其中，所述控制参数包括所述影响因素、所述宏观参数、所述能源排放参数与所述非能源排放参数。9.一种设备，其特征在于：包括，处理器；用于存储处理器可执行指令的存储器；所述处理器执行所述可执行指令时，实现如权利要求1至7中任意一项所述的方法。10.一种非易失性计算机可读存储介质，其特征在于，包括用于存储计算机程序或指令，当该计算机程序或指令被执行时，使如权利要求1至7中任一项所述的方法被实现。

技术总结
本发明公开了一种多能互补低碳产业园区优化设计方法、装置、设备及存储介质，方法包括：根据园区特征改良Kaya恒等式，采用LMDI因素分解法建立Kaya-LMDI模型；计算根据Kaya-LMDI模型确定的影响因素对园区碳排放的贡献率，确定关键影响因素，并结合园区资料获得宏观参数；根据关键影响因素与园区资料构建LEAP-Energy模型；获得能源排放参数与非能源排放参数；构建碳排放预测混合模型，根据碳排放预测混合模型计算测试情景的碳排放；判断目标碳排放是否达到低碳标准；若达到，则将此时的测试情景作为园区的低碳设计方案；若没有达到，则迭代调整控制参数直至碳排放达到低碳标准。准。准。


技术研发人员：冯大伟 杨肖虎 杨赟 冯士睿 李金科 高鑫羽 王震泉 顾康慧 何悦 罗昔联 冯玮
受保护的技术使用者：中国能源建设集团江苏省电力设计院有限公司
技术研发日：2023.03.06
技术公布日：2023/7/19