本发明涉及电力系统低碳优化，尤其是涉及一种考虑源荷不确定性的用户间接碳排放流动态核算方法。
背景技术：
1、在碳排放核算中，用户间接碳排放是一个不可忽视的部分，它涵盖了产品或服务在整个生命周期中上游生产、运输和使用等多个阶段所产生的碳排放。然而，目前对用户间接碳排放的核算存在一些不足之处。现有技术在核算用户间接碳排放时，往往没有充分考虑源荷不确定性的影响。源荷不确定性包括能源供应的不确定性、用户需求的不确定性以及各种参数的不确定性等。这些不确定性因素会导致碳排放核算结果的不准确和不全面。
2、例如，在现有技术中，对于上游生产阶段，通常采用固定的碳排放因子来计算碳排放量，但实际上碳排放因子可能会受到原材料质量、生产工艺等多种因素的影响而发生变化；在运输阶段，运输距离、运输工具的能源效率等参数可能存在不确定性，但现有技术往往没有对这些不确定性进行充分的考虑和分析；在使用阶段，产品的使用频率、使用时长等也可能存在不确定性，而现有技术在核算时可能没有准确地反映这些不确定性。
3、综上所述，现有技术在用户间接碳排放核算方面存在诸多缺陷，需要一种新的方法来解决这些问题，提高碳排放核算的准确性和可靠性。
技术实现思路
1、根据以上现有技术中的不足，本发明的目的在于：提供一种考虑源荷不确定性的用户间接碳排放流动态核算方法，以解决现有技术中未充分考虑源荷不确定性、碳排放数据整合分析不足等缺陷。该方法能够更准确地核算用户间接碳排放，为制定有效的减排政策和措施提供可靠依据，从而推动实现减少碳排放的目标。
2、为了实现以上目的，本
技术实现要素：
采用如下技术方案：
3、一种考虑源荷不确定性的用户间接碳排放流动态核算方法，包括以下步骤：
4、s1.明确核算目标和范围，通过文献回顾和行业报告分析，结合利益相关者会议收集的意见，明确了核算的关键领域和潜在需求，确立核算的最终目的；
5、s2.搭建核算框架,基于s1明确的目标和范围，构建碳排放流的模型，同时设计数据库用于数据和参数的存储；
6、s3.数据收集与预处理，根据核算框架的要求，从统计年鉴、企业报告、监测数据、调查问卷等渠道收集数据，对数据进行清洗和验证；
7、s4.设定参数和初始条件，对s2构建的碳排放流模型进行参数估计，并使用版本控制工具管理参数和初始条件的变更；
8、s5.不确定性量化分析，基于s4设定的参数和初始条件，进行模拟和敏感性分析；
9、s6.间接碳排放流核算，基于s5不确定性分析的结果，进行生命周期评估，并对各环节的碳排放数据进行整合，得到间接碳排放流，根据得到的间接碳排放流计算不同阶段的碳排放贡献比例。
10、进一步地，所述s2中，构建碳排放流模型的方法包括：将用户间接碳排放分为上游生产阶段、运输阶段和使用阶段等，构建各个阶段的碳排放流模型；
11、上游生产阶段的碳排放流模型构建方法：对于上游生产阶段，活动水平为不同原材料的投入量、生产设备的运行时间等，设生产过程中使用了两种原料和，其投入量分别为和，投入量对应的碳排放因子为；投入量对应的碳排放因子为；同时生产设备运行时间为，设备的碳排放因子为，则上游生产阶段碳排放量为：
12、；
13、运输阶段的碳排放流模型构建方法：运输阶段的活动水平除了运输量，还考虑运输距离、运输工具的能源效率等因素；设运输距离为，运输工具的能源效率为，运输阶段碳排放量为：
14、；
15、其中表示运输量，表示运输阶段的碳排放因子；
16、使用阶段的碳排放流模型构建方法：使用阶段的活动水平根据产品的使用频率、使用时长等确定；使用阶段碳排放量为：
17、；
18、其中表示使用时长，表示使用阶段的碳排放因子；表示使用频率。
19、进一步地，所述s2中，数据库存包括碳排放源数据（如各种能源的消耗量和对应的碳排放因子）、碳排放汇数据（如森林植被的吸收能力）、碳排放流动路径数据（如能源供应链结构中的运输方式、运输距离等）以及参数数据（如转换系数等）。
20、进一步地，所述s3中，对数据进行清洗的方法：
21、通过统计方法判断数据是否超出合理范围，设数据点，均值为，标准差为，若（ k为常数），则视为异常值进行修正或删除；对于错误数据，与其他可靠数据源对比进行修正，设企业报告中的数据为，可靠数据源的数据为，差异率为，若差异率超过预设阈值，则进行修正；
22、其中，；
23、重复数据通过数据去重处理来去除，确保数据的唯一性，对于数据集合，，通过哈希函数（ md5）计算数据的哈希值，若两个数据的哈希值相同，则视为重复数据进行去除；
24、使用 md5 计算哈希值的过程表示为：
25、设数据为，哈希值的计算公式为：，其中是计算得到的哈希值；
26、对于数据 “ d1” 和 “ d2”，分别计算它们的 md5 哈希值：
27、；
28、；
29、如果，则认为这两个数据是重复的。
30、进一步地，所述s3中，对数据进行验证的方法：
31、对于能源消耗量数据，需要与能源供应部门的数据进行对比验证；设企业的能源消耗量为，能源供应部门的数据为，验证指标为，若验证指标预设范围内，则认为数据可靠；
32、其中，；
33、对于排放因子数据，参考国际标准或权威数据源进行验证；设收集的排放因子为，国际标准或权威数据源的排放因子为，差异率为，若差异率在预设范围内，则认为收集的数据可靠。
34、进一步地，所述s4中，基于历史数据和文献回顾，对s2构建的碳排放流模型进行参数估计的方法包括：
35、对于上游生产阶段碳排放量模型，收集不同原材料投入量、生产设备运行时间以及对应的实际碳排放量的历史数据；设投入量对应的碳排放因子与相关因素（如原材料质量）之间的关系为：
36、；
37、通过收集历史数据，计算上游生产阶段碳排放量模型的回归系数，计算公式为：
38、；
39、；
40、式中， n为数据样本数量，和分别为上游生产阶段碳排放量模型的相关因素和碳排放因子的均值；为上游生产阶段碳排放量模型的第个样本的相关因素；为上游生产阶段碳排放量模型的第个样本的碳排放因子；其中，和为上游生产阶段碳排放量模型的回归系数，为上游生产阶段碳排放量模型的误差项；
41、对于运输阶段碳排放量模型，回归模型为：
42、；
43、计算运输阶段碳排放量模型的回归系数，计算公式为：
44、；
45、；
46、；
47、；
48、其中，表示运输阶段的碳排放因子；为数据样本数量；为运输量；为运输距离；为运输工具的能源效率；、、、为运输阶段碳排放量模型的回归系数；为运输阶段碳排放量模型的误差项；为运输量的均值；为运输距离的均值；为运输工具能源效率的均值；为第个样本的运输量；为第个样本的运输距离；为运输阶段碳排放量模型的碳排放因子的均值；为运输阶段碳排放量模型的第个样本的碳排放因子；
49、对于使用阶段碳排放量模型，模型为：
50、；
51、计算使用阶段碳排放量模型的回归系数，计算公式为：
52、；
53、；
54、；
55、其中，为使用阶段碳排放因子；为数据样本数量；为使用频率；为使用时长；、、为使用阶段的回归系数；为使用阶段的误差项；为使用频率的均值；为使用时长的均值；为使用阶段碳排放因子的均值；为使用阶段碳排放量模型第个样本的使用评率；为使用阶段碳排放量模型第个样本的使用时长；为使用阶段碳排放量模型第个样本的碳排放因子。
56、进一步地，所述s4中，使用版本控制工具管理参数和初始条件的变更包括：
57、s41.利用版本控制工具（如 git）记录参数和初始条件的变更历史，对每次修改都进行详细记录，包括修改的时间、修改人、修改内容和原因等；
58、s42.建立不同的分支来存储不同版本的参数和初始条件，创建 “主分支” 用于存储稳定的版本，开发“分支” 用于尝试新的参数估计方法或进行调整；同时，根据需要创建其他分支，如 “测试分支” 用于对特定版本进行测试；
59、s43.使用标签来标记重要的版本节点，方便快速定位和恢复特定版本；标记“v1.0” 表示初始版本；“v2.0” 表示经过重大改进的版本等；此外，根据版本的特点和用途，使用更具描述性的标签，如 “优化参数版本”“增加新功能版本” 等；
60、s44.定期对版本控制工具中的标签和数据进行备份，以防止数据丢失或损坏。
61、进一步地，所述s5包括：
62、s51.确定总碳排放量，对于步骤s2中确定的碳排放流模型，设总碳排放量表示为；
63、其中，为上游生产阶段碳排放量；为运输阶段碳排放量；为使用阶段碳排放量；
64、s52.参数确定以及总碳排放量计算，假设上游生产阶段碳排放量模型中有个 n 1不确定参数，运输阶段碳排放量模型中有 n 2个不确定参数，使用阶段碳排放量模型中有 n 3个不确定参数；每个参数服从正态分布，随机抽样得到一组参数值，将其代入到相应的碳排放量模型中计算碳排放量；
65、s53.分析模拟结果，重复多次模拟，得到众多模拟结果，分析这些结果的分布特征，如均值、标准差、置信区间等；
66、s54.确定各个参数对碳排放结果的影响程度，进行局部敏感性分析和全局敏感性分析，以确定各个参数对碳排放结果的影响程度。
67、所述s54中，局部敏感性分析是通过单独改变每个参数的值，同时保持其他参数不变，来计算模型输出的变化量，对于参数，将其从初始值变为，然后计算所述s2中对应模型输出的变化量；
68、其中，；
69、重复对每个参数进行这样的操作，得到每个参数的局部敏感性指标，如果模型输出的变化量较大，说明该参数对模型输出具有较高的敏感性。
70、所述s54中，全局敏感性分析则考虑多个参数同时变化的情况，分析参数之间的相互作用对模型输出的影响，使用sobol 指数法的敏感性分析方法，来评估参数的重要性和相互作用；
71、使用sobol 指数法的敏感性分析方法，来评估参数的重要性和相互作用包括：
72、计算每个参数的sobol指数来评估参数的重要性和相互作用，sobol指数分为一阶sobol指数和高阶sobol指数；
73、其中，一阶sobol指数表示单个参数对模型输出方差的贡献，对于参数，其一阶sobol 指数通过以下公式计算：
74、；
75、式中，表示一阶sobol的指数，表示方差；是模型输出关于所有参数的期望；是模型输出关于参数和除之外其他参数的均值的期望；一阶sobol指数越大，说明该参数对模型输出的影响越重要。
76、高阶sobol指数用于评估多个参数之间的相互作用对模型输出方差的贡献；二阶sobol指数表示参数和之间的相互作用对模型输出方差的贡献，通过以下公式计算：
77、；
78、表示方差；是模型输出关于所有参数的期望；其中表示除和之外其他参数的均值；表示模型输出关于参数和以及除和之外其他参数的均值的期望；表示模型输出关于参数和除之外其他参数的均值的期望，即单独考虑参数与其他参数平均情况时的模型输出期望；表示模型输出关于参数和除之外其他参数的均值的期望；表示模型输出关于除和之外其他参数的期望，即不考虑参数和时的模型输出期望。
79、进一步地，所述s6包括：
80、s61.根据s5中确定的不确定参数，进行多次随机抽样，对于每次抽样得到的参数值，代入s2中得到的模型中计算碳排放量；
81、s62.将各个阶段得到的碳排放量样本分别进行加总，得到上游生产阶段、运输阶段和使用阶段的碳排放量；然后将三个阶段的碳排放量相加，得到间接碳排放流的总量，即间接碳排放流；
82、s63.根据各个阶段的重要性确定各个阶段的权重，利用各个阶段的权重计算各阶段的加权碳排放量，然后将三个阶段的加权碳排放量相加，得到总加权碳排放量；最后，计算不同阶段的碳排放贡献比例。
83、综上所述，由于采用了上述技术方案，发明内容的有益技术效果是：
84、一种考虑源荷不确定性的用户间接碳排放流动态核算方法充分考虑了源荷不确定性这一关键因素，源荷不确定性包括能源供应的不确定性、用户需求的不确定性以及各种参数的不确定性等。本发明采用了先进的数据采集技术，能够更准确地获取与碳排放相关的数据，如原材料的投入量、生产设备的运行时间、运输距离、运输工具的能源效率、产品的使用频率和使用时长等。同时，结合智能算法对这些数据进行分析和处理，能够更精确地计算出各阶段的碳排放量，从而实现更准确的用户间接碳排放核算。
85、通过准确的核算，为制定有效的减排政策和措施提供了可靠的依据。因为只有基于准确的碳排放数据，才能制定出针对性强、切实可行的减排政策和措施，从而更好地实现减少碳排放的目标。
86、在参数分析方面，本发明采用了局部敏感性分析和全局敏感性分析相结合的方法。局部敏感性分析通过单独改变每个参数的值，同时保持其他参数不变，来计算模型输出的变化量，从而确定每个参数对碳排放结果的敏感性。全局敏感性分析则考虑多个参数同时变化的情况，分析参数之间的相互作用对模型输出的影响，通过计算 sobol 指数来评估参数的重要性和相互作用。综合的敏感性分析方法能够深入了解碳排放的关键因素，为制定减排措施提供更有力的支持。
87、通过计算不同阶段的碳排放贡献比例，能够为制定政策和决策提供重要依据。如果上游生产阶段的碳排放贡献比例较高，就可以针对性地采取措施优化生产工艺、提高能源效率或使用更清洁的能源，以减少该阶段的碳排放。如果运输阶段的碳排放贡献比例较大，则可以优化运输路线、提高运输工具的能源效率或采用更环保的运输方式。这样能够更有效地提高减排效率，实现碳排放的精准削减。
88、最后，使用版本控制工具记录参数和初始条件的变更历史，具有重要的意义。这使得参数的变更过程变得可追溯，方便管理人员了解参数的演变过程。同时，确保了参数的稳定性，避免了因参数随意变更而导致的核算结果不准确等问题。
89、综上所述，该发明在用户间接碳排放核算的准确性、减排政策制定的有效性、参数分析的深入性、决策指导的针对性以及参数管理的规范性等方面都具有显著的有益效果，对于推动碳排放的减少和可持续发展具有重要的意义。
1.一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s2中，构建碳排放流模型的方法包括：
3.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s2中，数据库存包括碳排放源数据、碳排放汇数据、碳排放流动路径数据以及参数数据。
4.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s3中，对数据进行清洗的方法：
5.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s3中，对数据进行验证的方法：
6.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s4中，对s2构建的碳排放流模型进行参数估计的方法包括：
7.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s4中，使用版本控制工具管理参数和初始条件的变更包括：
8.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s5包括：
9.根据权利要求8所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s54中：
10.根据权利要求1所述的一种考虑源荷不确定性的用户间接碳排放流动态核算方法，其特征在于，所述s6包括：
