贵州省火力发电企业低碳效益的关键因素分析与对策研究

发布时间：2020-03-20 18:20

【摘要】：随着经济的高速发展,全球能源危机也日益严重,尤其是以石油和煤炭等化石燃料为主的电力行业,每年需要消耗大量的能源,这不仅导致了全球变暖,也加剧了环境污染的步伐。因此,传统电力企业如何向低碳智能电网过渡,转变传统的高碳、高污染的发电结构,提高可再生能源发电的比例,减少一次能源的消耗,从而降低碳排放,成为了全球电力行业亟待解决的首要问题,并对实现低碳效益有着重大的理论和现实意义。火力发电企业低碳效益的影响因素众多,而国内外文献中又缺乏对关键因素的量化分析。因此,本研究在电源电碳特性分析的基础上,提出了三种发电模式和碳排放的关系;然后,阐述了进行低碳效益因素分析的必要性和选取原则;最后,概括了低碳效益的主要因素,并根据国际能源网的研究结论,提取了低碳效益的三个关键因素。可再生能源发电和低碳技术的应用,在传统电网进行智能电网结构转型过程中起着关键性的作用。首先,结合NAR动态神经网络模型对低碳效益的关键因素进行了量化分析,并与一次、二次指数平滑法和回归分析进行比较研究,结果表明:当相关参数设置为:训练,验证,测试集所占比例分别为70%,15%,15%,隐含层10个,输入和输出1个,延时阶数为3个时,NAR动态神经网络预测拟合效果更好;继而以2017年为基准年,预测了2018-2020年贵州省火力发电企业的低碳效益,分别用CER和EUA两种计价方式得:1.29(1.50)、2.80(3.26)、4.95(5.76)亿元。其次,根据低碳综合效益模型,在满足碳配额和供需平衡的约束条件下,预测了2020年贵州省发电行业的低碳综合效益;当无出售碳排放权和政策补贴收入时,2020年最大化低碳综合效益为7.33亿元,此时可再生和不可再生能源发电的最优占比为40.01%和59.99%;当有出售碳排放权和政策补贴收入时,可再生和不可再生能源发电的最优占比不变,但2020年最大化低碳综合效益为162.21(175.59)亿元。最后,根据研究结论对贵州省政府和电网公司提出了几点政策性建议。
【图文】：

能源效益

研究路线

动态神经网络结构

图 4.1 NAR 动态神经网络结构 ( ) = ( ( ) ( )，， ( )) （4-1其中，d 是延时阶数， ( )是神经网络模型。从式中可知 ( )的取值由( ( ) ( )，， ( )的取值所决定的，即象征该模型承认数据发展的延续性，，能用以往的值来
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.61;X322

【相似文献】