工程项目碳经济 课件 第4章 工程项目碳排放核算不确定性分析_第1页
工程项目碳经济 课件 第4章 工程项目碳排放核算不确定性分析_第2页
工程项目碳经济 课件 第4章 工程项目碳排放核算不确定性分析_第3页
工程项目碳经济 课件 第4章 工程项目碳排放核算不确定性分析_第4页
工程项目碳经济 课件 第4章 工程项目碳排放核算不确定性分析_第5页
已阅读5页,还剩19页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第4章工程项目碳排放核算不确定性分析学习目标:了解工程项目碳排放核算的不确定性;掌握了解工程项目碳排放核算的不确定性来源的分析;掌握工程项目碳排放不确定性评价方法;认识工程项目碳排放核算的不确定性分析框架。4.1工程项目碳排放核算的不确定来源分析4.1.1不确定性的来源传统上,碳排放核算只在结果中包含单一的确定值。然而,一个没有不确定度范围的单一值难以代表环境影响的真实情况,这是由于每次测量都有不确定性的存在。因而,不确定性和可变性对碳排放核算是重要的,它会增强碳排放核算结果的可靠性和有用性,反之,可能产生错误或片面的研究结果,从而误导相关决策。不确定性有两种类型,一是随机不确定性,这种不确定性是事物本身的固有特性,使得数据的真实值缺乏足够信息;二是认知上的不确定性,来源于主观选择。其中,随机不确定性一直是不确定性分析的重点,而关于认知不确定性涉及数量较少。当前学界对不确定性的来源尚未形成统一认识。主流思想将不确定性划分为参数不确定性、模型不确定性和情景不确定性。在此基础上,不确定性的类型和来源分类具体包括:(1)数据不准确;(2)数据缺失;(3)数据缺乏代表性;(4)模型的不确定性;(5)选择的不确定性;(6)空间变异;(7)时间变异;(8)对象和来源之间的变异;(9)认识的不确定性;(10)错误;(11)不确定度估计。1、参数不确定性参数不确定性,指在碳排放核算过程中所用的各类数据,由于本身的变异性、测量的误差以及数据缺乏等造成的不确定性。如在计算水泥的CO2排放因子过程中,其碳排放的原始数据是通过实际测量得到的,在测量过程中就存在不可避免的实验误差,而排放因子是通过对多组监测数据进行数据分析得到的,因此存在本身的变异性。2、情景不确定性情景不确定性,指在碳排放核算过程中,模型边界、材料种类、能源构成等均存在多种情景,在不同情景选择的过程中造成的不确定性。如现场机械运转过程中使用的柴油,既可以选择普通的柴油,也可以选择生物柴油,因此存在不同的情景,相应会产生不同的碳排放,这部分不确定性也应被考虑。3、模型不确定性模型不确定性,指在计算过程中所用的各种数学模型本身由于不完善而产生的不确定性。这种不确定性在将碳排放数据标准化为对人类健康、生态系统、资源消耗的过程中,由于各地区、各国家资源储备、生态环境等基础条件的不同,会产生较大的差异。如温室气体的辐射强迫模型,用于计算未来一段时间内与温室气体有关的全球变暖潜力。由于模型本身的不完善,可能会导致结果存在一定的差异。4.1.2工程项目碳排放核算各阶段的不确定性工程项目碳排放核算各阶段中的不确定性指的是:在工程项目碳排放核算过程中存在的,由于测量不准确、数据缺失和模型假设等引起的对碳排放核算输出结果的影响。根据以ISO14040为代表的一系列标准所述,碳排放核算不确定性可以划分为4个阶段:(1)确定评价目标和评价对象涉及的范围;(2)构造基于影响数据的清单并进行分析(LCI);(3)利用特征化、标准化和赋予权重等手段对环境影响进行评价(LCIA);(4)对评价和分析结果做出解释并进行反馈和优化。根据ISO的阶段划分,对工程项目碳排放核算各阶段的不确定性分类总结如下表所示。2025/8/20其中,将数据的不确定性进行细化,分为由于数据不准确造成的和由于缺乏特定数据造成的两类,其中缺乏特定数据又可以分为数据沟和非代表性数据,具体关系见图4-1。图4-1不同类型数据不确定性4.2工程项目碳排放不确定性评价方法4.2.1不确定性评价方法分类及应用现状评估工具在不确定性类型方面各不相同,一般可分为定性和定量方法。数据质量指数(DQI)是最常用的定性评估方法,因为它的适用性和可行性很高。数据质量评价矩阵和转换矩阵是DQI评估中最有效的两种工具。然而,由于对数据质量的主观判断,DQI的评估准确性仍然有限。尽管定量分析技术对目前的定性不确定度评估方法进行了补充,以尽量减少变化,但结果仍然倾向于被低估。4.2.2不确定性评价方法1、数据质量指数DQIDQI(DataQualityIndex)是一种由一系列指标组成的半定量方法,旨在从不同方面描述参数的不确定性。DQI系统建立在专家主观判断和客观数学计算的基础上。本书提出了5类数据质量指标,即数据测量方法、数据来源、地理代表性、技术代表性和时间代表性。每项指标的得分从1到5不等。该值代表各个类别的不确定性由低到高。考虑到建筑业的基本特征,建立了DQI矩阵(见表4-3)。表4-4显示了数据源从总体情况和建筑构造的差异。2025/8/202025/8/20

2025/8/20

2025/8/20

2025/8/20分布形式数据代表值概率密度函数参数计算方法对数正态分布正态分布均匀分布三角分布Beta-PERT分布分布参数计算方法(2)参数概率分布清单数据的分布类型一般可根据样本的统计分析结果或者专家判断确定。常见的分布类型包括正态分布、均匀分布和三角形分布等。①三角分布现有文献常用三角形分布模拟能耗强度、能源的排放因子。受到技术和工艺的限制,排放因子的取值存在上下限。通过对现有参数的采集、整理和统计分析,研究者能够得到一个最接近的取值。随着未来技术的进步和清洁能源的发展,排放因子数值还将进一步下降,但在特定时间段内仍存在一个最可能的取值。因此,排放因子的特征符合三角形分布的特点。此外,定额中给出了当前阶段的单元工程量对应的材料和能源投入,以该数值为最可能取值,取一定偏差值范围,即可得到单元工程量投入的低值和高值,因此,定额数据分布可用三角形分布描述。2025/8/20②均匀分布不同于三角分布,随机变量并无最可能的取值。因此,可以考虑将随机变量的分布类型假定为均匀分布。假定随机变量X服从均匀分布,则X的概率密度函数如下:

2025/8/203、工程项目碳排放随机分析模型根据工程项目碳排放量化的特点,本书以数据质量评价为基础,提出了如下随机分析方法:整理输入数据并确定代表值(材料、能源、服务与排放系数等);基于DQI对参数进行数据质量评价,得出各评价指标的数据质量评分;利用评分与选定概率分布形式间的转换关系得出各输入量的分布参数;根据输入量的分布函数生成数据样本,并利用MATLAB等编程计算;对计算结果进行分析,确定关键的碳排放环节;对关键碳排放过程的相关输入量,进行更为详细的数据分析,并以实际收集数据的统计概率分布代替基于DQI的半经验概率分布;重新生成输入量样本并进行分析计算;获得计算结果并与确定性分析的结果进行比较。2025/8/20

2025/8/205、蒙特卡洛模拟(1)方法简介蒙特卡洛模拟(MCS)是一种数字方法,用于对相关因素的概率分布进行抽样,以产生成千上万的可能结果。MCS的结果被进一步分析以获得不同发生结果的概率。MCS是一个有用的工具,用于测量由各种具有非线性关系的不确定性因素聚合而成的总不确定性。总碳排放量是施工阶段各种活动的碳排放量的总和。如果考虑到参数的不确定性,将每项活动的碳排放作为一个随机因素,那么总碳排放也应该是一个随机因素。总碳排放的统计特征可以通过MCS得到的概率分布来确定。MCS首先为每个输入因素确定相应的概率分布。有关因素的概率分布可以通过拟合大量的现有数据或专家意见来获得根据观察到的因素和输入因素之间的既定关系,可以用CrystalBall软件运行MCS来获得观察到的因素的概率分布。为了确定可以考虑不确定性的程度,根据MCS的结果,用变异系数(CV)来描述不确定性的程度。按照贝叶斯学派的观点,未知参数可以看作一个随机变量,用概率来理解某一未知变量的变化。当某一事件出现特定的概率,通过模拟真实事件的发生,得到该事件的发生频率。当样本数量足够大时,事件的发生频率即为概率。因而蒙特卡洛方法的本质是使用概率模型描述事件发生的结果。2025/8/20(2)实施平台Python是一种面向对象的高级程序设计语言,具有动态数据类型特性。Python在1989年由GuidovanRossum发明,该语言本身也是在相关语言基础上发展而来,包括ABC、C、C++、Unixshell等。当前Python已经成为主流的编程语言之一,在科学计算和统计、人工智能、网络爬虫、软件开发等领域得到广泛应用。通常使用Python语言开展蒙特卡洛模拟,运行平台为VisualStudioCode。VisualStudioCode是一种优秀的集成开发环境,具有开源、跨平台、模块化和插件丰富等特质。Python标准库涵盖正则表达式、网络、网页浏览器、GUI、数据库和文本等内容。除了Python标准库外,本研究还使用了SciPy、NumPy和Matplotlib扩展库。有观点认为,SciPy、NumPy和Matplotlib的协同工作性能能够媲美MATLAB软件。2025/8/206、情景分析情景并非是对未来的预测,而是一种对未来如何改变的描述。情景描述了一些可能性,尽管这些可能性也许并不是很高。通过展示未来可能性的范围和种类,情景为人们采取明智的行动提供支持,同时说明人类活动塑造未来方面的作用,以及环境变化和人类行为之间的关系。情景最早正式出现在第二次世界大战,用于战争策略分析。现在,情景已经有了非常广阔的应用场景,包含战略规划、政策分析、决策管理乃至全球环境评估等,具体涉及环境经济、低碳发展、能源经济等领域。一些重要的国际组织把情景分析法作为分析工具,产生了一些重要的研究成果,包括《全球环境展望4:旨在发展的环境》和《IPCC决策者摘要》。我国国家发展和改革委员会能源所使用情景分析方法发布了《2020中国可持续能源情景分析》。过去三十多年内发展了数以百计的情景,包括具体的国家、区域乃至世界活动对未来的展望,这些情景发展的案例不尽相同。2025/8/207、贡献分析这个部分确定了每个工程活动对最终累积结果的贡献。使用基于原始流程的清单数据可以计算每个工程活动的确定性贡献。这种确定性贡献可被视为用于识别重要参数的基本参考和基石。数据贡献的百分比可能因模型而异,因此,进行情景分析以验证和确认所选关键参数的可靠性。8、参数分类系统参数分类坐标全面反映了输入参数在不确定度和贡献度维度上的重要性。在横轴和纵轴上分别表示CV和贡献率,所有的坐标都可以按照其重要程度分为四个象限。这些象限分为右上部分的高度关注数据、左上和右下部分的关注数据以及左下部分的一般数据。右上象限的参数在贡献率和不确定性方面有很高的比例,对累积结果的准确性至关重要,因此需要详细分析。4.3工程项目碳排放核算的不确定分析框架随机分析的关键问题是如何生成数据样本。通常来说,采用蒙特卡罗模拟等随机抽样方法生成样本时,需首先获得输入参数的概率分布形式。工程项目碳排放核算评价涉及工程量、能耗、碳排放系数等大量数据,且真实数据样本数量通常很小,故无法满足统计概率分析的基本要求。贡献分析和DQI评估可以同时进行,以确定基于原始清单汇编的输入数据的重要性。参数归类,结合情景分析,进一步验证有特别关注的关键输入参数。最后,根据每个工程活动的假定概率分布,用蒙特卡洛模拟计算总体变异系数CV和最终累积结果。根据上述评价方法的分析,不确定性分析的基本框架如下图所示。2025/8/20图4-2基于多方法的不确定性分析基本框架4.4案例分析4.4.1案例概况本案例主要研究了中国广东省的一个钢筋混凝土框架住宅综合体。案例调查的总建筑面积为11508m2,包括会所和零售店。从2008年4月1日至2010年8月31日,施工期超过两年。系统边界涵盖了所有相关施工活动的碳影响,可归纳为以下六类:施工设备使用的燃料(直接排放)电力消耗(直接和间接排放)现场组装和杂项工程(直接排放)建筑材料生产(间接排放)运输(直接和间接排放)与施工相关的人类活动(直接和间接排放)4.4.2案例结果分析表4-9说明了施工活动在贡献和不确定性方面的排名列表。作为两种最重要和最常用的建筑材料,钢和混凝土的相对贡献率最高,分别为49%和13%,累计约占总碳排放量的2/3。建筑设备和建筑材料的运输在不确定度分析中起主要作用,CV分别为24%和20%。建筑活动贡献建筑活动不确定性1钢材48.95%建筑设备运输(7.5~16t)24.77%2混凝士13.24%公司用车24.73%3滑石粉8.79%建筑设备运输(16~32t)24.65%4U.F.发泡塑料5.26%建筑设备运输(3.5~7.5t)24.64%5聚酰胺安全网2.79%建筑材料生产(>32t)20.82%6现场用电2.42%建筑材料运输16~32

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论