2022中国碳价调查
此次调查于2022年 10-11月展开。在此期间,项目团队与行业协会合作,对来自已经受到或即将受到碳价影响的中国碳密集型行业的行业代表,尤其是来自中国全国碳排放权交易体系首个覆盖行业一一发电行业的代表,进行了广泛的调查。除发电行业外,水泥行业和钢铁行业被认为是对加入全国碳排放权交易体系准备最为充分的重点排放行业。从调查的结果来看,水泥行业和钢铁行业被认为最有可能在 2024 年前纳入全国碳排放权交易体系。超过 40%的发电行业受访者预计,其所在企业将需要从市场上购买配额来完成第二个履约周期(注:2022-2023 年)的履约。本次调查结果显示,受访者坚信,随着时间的推移,中国的碳价水平将逐步上涨,且碳价对投资决策的影响也会日益增加。
全国碳市场扩容下电力平均排放因子选择对高耗能产业的影响分析
电力平均排放因子是用来测算间接碳排放量的重要参数,广泛应用于区域、行业、企业等不同主体的碳核算。由于中国区域级电力平均排放因子差异性较大,采用全国、区域、省级等不同层级排放因子对行业企业间接碳核算将产生较大影响,直接关乎省级“双碳”指标考核、高耗能产品出口碳关税以及国内碳市场履约成本等。以电解铝行业为例,测算分析了电力平均排放因子选择对高耗能行业产品碳核算结果及行业碳履约成本的影响。研究结果表明,电力平均排放因子的选择需要结合核算主体的应用场景因地制宜。从促进企业节能减排以及发展公平性考虑,全国碳排放权交易市场下各行业间接排放核算应统一采用全国电力平均排放因子,区域温室气体清单编制应优先采用省级电网对应的电力平均排放因子。
基于深度强化学习的多能流楼宇低碳调度方法
建筑减排已成为中国达到“双碳”目标的重要途径,智慧楼宇作为多能流网络耦合的综合能源主体,面临碳排放量较多、多能流网络耦合程度高、负荷用能行为动态特性明显等问题。针对这一问题,提出基于深度强化学习的多能流楼宇低碳调度方法。首先,根据智慧楼宇的实际碳排放量,建立了一种奖惩阶梯型碳排放权交易机制。其次,面向碳市场和多能流耦合网络,以最小化运行成本为目标函数,建立多能流低碳楼宇调度模型,并将该调度问题转换为马尔可夫决策过程。然后,利用Rainbow算法进行优化调度问题的求解。最后,通过仿真分析验证了优化调度模型的可行性及有效性。 Building emissions reduction has become a crucial pathway for China to achieve its 'dual-carbon' goals.As an integrated energy entity coupled with multi-energy flow networks, smart buildings face challenges such as high carbon emissions, a high degree of coupling in multi-energy flow networks, and distinct dynamic characteristics in load energy consumption behavior. In response to these challenges, a low-carbon scheduling method for multienergy flow buildings based on deep reinforcement learning(deep RL) is proposed. Firstly, a reward and punishment ladder-type carbon emissions trading mechanism is established based on the actual carbon emissions of smart buildings. Secondly, targeting the carbon market and multi-energy flow coupling networks, a low-carbon scheduling model for multi-energy flow buildings is developed, aiming to minimize operating costs as the objective function, and the scheduling is transformed into a Markov decision process(MDP). Subsequently, the Rainbow algorithm is employed to solve the optimal scheduling. Finally, the feasibility and effectiveness of the optimal scheduling model are verified through simulation analysis.
发电企业碳排放权交易技术指南