摘要：为了进一步探究生产阶段预制混凝土(Precast Concrete,PC)构件碳排放及影响因素,并简化其计算过程,利用过程清单分析法建立生产阶段PC构件碳排放计算公式,立足于实际生产对叠合板、预应力叠合板等5种PC构件在生产阶段的碳排放进行计算与对比分析,进而建立相关数据集。基于6个PC构件的基本特征建立了6种不同的机器学习模型,通过评价指标对模型性能进行全面比较。研究结果显示:5种构件的碳排放量主要来自建材生产,其中叠合板的单位体积碳排放量最高;各机器学习模型可以较好地预测PC构件生产阶段碳排放,其中极端梯度提升模型(eXtreme Gradient Boosting,XGBoost)表现最佳,在测试集上的R^(2)为0.966。研究结果可为PC构件设计与生产制定低碳策略提供一定的理论参考,并为预测PC构件生产阶段碳排放提供一种较为简便的方法。

摘要：“碳达峰”和“碳中和”是事关全人类的一场社会性变革,如何准确的预测和降低碳排放是这场变革胜利的关键。为准确预测能源领域的碳排放量,采用多目标优化算法,以预测过程中的电力装机结构和能源消费结构成本最小化、结构更加清洁化以及碳排放量最小化为目标,基于电力平衡、电量平衡和调峰平衡等能源安全考虑,采用一种混合测算模型对碳排放量预测过程中电力装机结构和能源消费结构进行优化,从而根据优化后的能源消费结构得到基于电力装机成本和能源消费结构成本最优的最小碳排放值。整个预测过程主要分成3个部分,首先根据LMDI分解方法解析能源领域碳排放影响因素,可得GDP对碳排放的正向驱动效应明显,能源消费强度和产业结构对碳排放的负向驱动效应明显;其次,对碳系统结构进行初步优化、基于初步优化后的结果预测初始碳排放值;最后,基于过程的合理性和准确性,给出了一种模型评估方法,采用关键指标验证方法来对预测过程中的电能占终端能源消费占比、非化石能源消费占比和碳强度累计下降率等约束性指标进行反馈验证,经关键指标验证和多重反馈调整,最终得到满足多目标函数约束和各约束性指标的碳排放值。采用中部某省的实际数据对优化和预测过程的可行性和可靠性进行了验证,结果表明,仅在达峰场景下,该省能满足达峰目标以及通过3个关键指标验证。

摘要：随着存量建筑增多,既有建筑综合改造对减少全球能耗和碳排放发挥越来越重要的作用,以往的建筑碳排放多关注于新建建筑,近年来越来越多的学者开始关注改造建筑的碳排放。文章首先对研究中广泛出现的减碳改造措施进行总结,包括被动式技术、主动式技术、可再生能源技术,再对既有研究中应用较多且具有发展前景的改造措施碳排放量化预测方法进行对比分析,包括单一或组合措施的碳排放量化、改造方案碳排放计算、改造措施的选择方式等,最后从改造措施、量化方法、隐含碳排放、改造决策等方面对既有研究进行分析展望,为相关学者提供理论参考。

摘要：目的解决变压器中主要设计参数影响下的碳排放量预测问题。方法本文利用随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)算法进行对比,构建一个变压器碳排放预测模型。结果通过对变压器的全生命周期进行评价,确定铁芯的长宽比为影响碳排放量的主要因素,对给定参数下的碳排放量进行预测,并与实际值进行对比分析得出,3类预测模型中,SVM高斯核模型的平均绝对误差值约为5.37,与碳排放实际值最为接近,故采用高斯核函数的非线性支持向量机预测模型最优。结论证明支持向量机高斯核函数预测模型更具有预测准确性和有效性,以期能为生产企业进行低碳设计提供参考依据,为电力行业生产设备的可持续设计研究提供一定的借鉴意义。

摘要：针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法。首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃物回收处理的总碳排放量计算模型,确定了碳排放不同维度的影响要素;其次,针对不同影响要素的类型,提出了数控车削加工过程碳排放数据的采集、预处理方法,利用岭回归方法对数据主要特征进行选择提取;再次,以提取的特征数据为自变量,提出了一种基于改进的果蝇-差分进化优化BP神经网络算法的数控车削加工过程碳排放预测模型;最后,通过实验对所提方法和模型的有效性进行了验证。

摘要：本文以低碳建筑设计为主要研究对象,着重从建筑碳排放的角度,结合全生命周期理论和神经网络,对低碳建筑设计中碳排放的预测与评价进行分析,明确低碳建筑设计中容易影响碳排放的因素,希望能够为提升低碳建筑设计水平提供借鉴的思路和经验。

摘要：当今全球都在关注气候变化问题,温室气体浓度的不断上升,导致全球气温上升,自然灾害增加。我国为应对当前碳排放形势,提出了实现碳达峰和碳中和的目标,而研究发现建筑行业产生的碳排放量最高,因此,降低建筑碳排放的研究十分必要。已有研究得出在建筑设计阶段进行碳排放优化,对于建筑全生命周期碳排放有重要影响,所以文中对建筑低碳设计展开研究,可以更好地了解BIM技术在低碳建筑设计中的作用,为建筑行业的可持续发展提供技术支持和决策参考。

摘要：由于火电厂机组碳数据类型多样、样本过多,导致机组碳排放预测精度低,为此提出了基于迁移深度强化学习的火电机组实时碳排放预测方法。首先,设计火电厂碳排放数据自动采集系统进行数据采集;其次,引入神经网络的全自动编码器对样本数据解码重构,结合深度迁移学习的方法提取碳排放数据特征;再次,设计强化学习的支持向量机回归模型,把经过特征提取后的数据导入线性回归函数中,进行非线性回归计算;最后,计算样本集的拟合值和均方误差值,把碳排放影响因素经过迁移深度强化学习归一化处理后带到预测模型进行计算,实现火电机组碳排放实时预测。由实验可知,所提方法对2022年测试机组碳排放量预测的最大误差为0.02×10~4 t,均方误差和平均绝对误差较小,预测精准度高,具有较好的应用效果。

摘要：中国温室气体排放量在全球范围内占较大比例,为碳排放大国,减排压力巨大。为了更好地进行碳排放预测,估算中国碳减排潜力,文章对六种常用的碳排放预测模型从基本优缺点比较、基础数据的可得性、设计参数的难易程度等角度进行了分析,并根据相关文献与应用实例阐述了不同模型的碳排放预测应用差异和可行性。提出在碳排放预测的实际工作中,应当充分考虑本地区的产业经济、能源消耗等特征,筛选出碳排放的主要驱动因素,并根据不同因素对碳排放影响的权重选择适当的模型,以达到最好的拟合和预测效果的建议。

摘要：在双碳目标背景下,针对城市碳排放路径预测,提出了一种区域碳排放预测方法。通过马尔科夫模型与长期能源替代规划系统(LEAP)模型,实现对各行业的能源消费结构与能源需求量的预测。在此基础上,通过计算各能源的碳排放因子,并考虑能源结构优化与能源需求降低对碳排放的影响,预测不同情景下的区域碳排放量。最终,以中国某城市为例开展了区域碳排放路径预测的案例分析,结果表明,所提方法可以有效预测出区域的碳排放量及不同政策与技术发展对碳排放路径的影响。