多时间尺度下电力消费碳排放区域动态演进及收敛性分析

为了协调推进全国及各重大战略区域的减排降碳工作,加快实现碳达峰和碳中和的目标,通过碳核算技术指南法对区域电力消费碳排放量进行核算,并应用泰尔指数分析区域间的碳排放差异.在此基础上,使用三维非参数核密度估计法研究区域电力消费碳排放量的动态演变特征,并通过变异系数和空间面板模型进行σ收敛和绝对β收敛分析.研究以甘肃省为例,结果表明,甘肃省电力消费碳排放总体呈上升趋势,同时各地区之间的差异逐渐减小;在动态演进方面,随着时间推移区域内部的两极分化特征整体趋于减弱,差异化程度逐渐降低;在收敛特性方面,各时间尺度下均不存在σ收敛,但均存在绝对β收敛.

气温变化对广西城乡居民电力消费的影响

利用2009—2023年广西91个国家级气象观测站的气温资料和广西社会用电量资料,运用Spearman相关分析法,研究近15a来广西气温和城乡居民用电量的变化趋势特征,以及运用度日数法探讨气温变化对城乡居民电力消费的影响。结果表明,广西气温整体呈上升趋势,各个季节的气温指标变化趋势不一;城乡居民电力消费增加,气象电量与气温要素的变化趋势基本一致。气温变化对广西城乡居民用电量的影响较大,以夏、秋季的影响最为明显;夏季增温导致居民电力消费需求明显增大,冬季低温过程增强也导致居民电力消费需求增加,秋季气温上升、低温过程强度减弱,居民电力消费需求有增有减;春季增暖则居民电力消费需求减少。

绿色电力消费认证 助力绿电绿证市场发展

绿色电力和绿色电力证书市场(以下简称“绿电绿证市场”)是我国“双碳”目标实现的重要举措,本文梳理了绿电绿证市场发展的现状及面临的挑战,分析了绿色电力消费认证对于绿电绿证市场的助力作用,并强调了绿色电力消费认证对绿电绿证市场发展的重要意义。

电力消费全方位快速增长 彰显经济社会发展活力

用电量是经济运行的“晴雨表”。今年以来,国民经济延续回升向好态势,经济运行总体平稳、稳中有进,从总用电量、分行业及各地用电量都呈现出快速增长态势,显示出我国经济发展动力十足。全社会用电量延续快速增长势头。2024年1~6月,全社会用电量达到46575亿千瓦时,同比增长8.1%,较上年同期增速提高3.1个百分点,有效支撑上半年经济发展实现5%的中高速增长。

基于电力消费大数据对“双碳”目标下新疆制造业经济状况的分析

“中国力争于2030年前二氧化碳排放达到峰值,到2060年前实现碳中和”的目标已经确定,制造业是工业的重要组成部分,是国民经济的命脉。电力大数据是企业能源使用的“晴雨表”和“风向标”,能够及时反映行业发展情况和政策运行效果。文章收集整理历年制造业和用电量数据,通过SPSS数据统计分析软件对工业生产增加值和工业生产用电量、纺织生产增加值和纺织工业用电量进行线性回归分析。分别进行线性拟合分析、二次线性拟合分析和三次线性拟合分析,从而挖掘电力大数据的价值,促进大数据与经济的融合,助力绿色经济的发展,助力“双碳”目标的实现。

夜光遥感支持下的广东省电力消费时空演变研究

以夜间灯光数据和电力消费统计数据为主要数据源,运用回归分析法,选用二次多项式函数模型构建了广东省各地级市电力消费量估算模型,在市级尺度上模拟了广东省2001—2019年电力消费空间格局,并采用空间自相关分析探讨其时空动态演变特征。

基于改进平衡优化器算法的电力消费预测

针对当前用电预测模型预测精度不足的问题,提出一种基于改进平衡优化器算法的电力消费预测方法。首先,在基本平衡优化器中引入自适应搜索机制,以克服其易陷入局部最优的缺陷;其次,使用自适应平衡优化器调节梯度增强回归器的参数;最后,使用平衡优化器改进的优化梯度增强回归器进行电力消费预测。为了验证所提模型的有效性,使用大规模数据集对所提算法进行了测试。结果表明,所提出的电力消费预测模型具有较好的预测准确性和预测稳定性。

企业绿色电力消费实证研究

在“双碳”发展的背景下,我国的绿色电力和绿色电力证书市场发展迅速,市场活跃度大幅提升。企业是实现低碳转型的关键要素,推动企业消费绿色电力不仅可以提升可再生能源的消纳,更是实现工业、交通和建筑领域排放的工具。本文以2023年度某碳排放权交易试点地区纳入管控的重点排放单位为研究对象,分析相关企业通过绿色电力交易或绿色电力证书单独交易等方式消费绿色电力的现状,给出了企业绿色电力消费决策分析方法。

中国电力消费的时空格局分析

中国的电力消费在空间上分布不均衡,研究电力消费的时空格局,对于科学制定电力调配计划、合理配置电力资源具有理论与现实意义.本文首先分析了电力消费的时序变化及空间分布状况,借助基尼系数、变异系数研究电力消费的省际及八大经济区空间均衡状况,并对电力消费、电力产消差的相关性进行研究.结果表明:①2010—2020年,我国电力消费总量波动上升,年增长率在2010—2017年呈“W”型波动,2018—2020年保持稳定;电力消费的不均衡程度随时间变化有所增加.②电力消费呈东高西低的空间分布格局;电力产消差的空间格局表现为中部省份最高、西部省份较低、东部省份为负.③北部沿海电力消费极度不均衡,超出国际警戒线;东部沿海、西南地区、东北地区、黄河中游、长江中游比较均衡.④电力消费在空间上趋于随机分布,电力产消差在省际尺度呈明显的全局集聚态势且集聚程度有增强趋势.

当前我国电力消费新趋势新特点研究——以浙江省为例

近年来,我国电力消费增速明显快于经济增速,电力消费弹性系数居高不下,用电量增长与经济增长之间的规律出现了新变化。从对全国和浙江省形势分析看,三种推动电力增长的驱动因素值得关注,即工业升级进程中电气化、智能化发展推动单位产出能耗降低但电耗增加;5G、数据中心、电动汽车等新产业新业态用电高速增长;生活条件改善背景下空调、采暖等居民用电量大幅增加,拉动电力消费快速增长。此外,极端天气对电力消费的影响程度也越来越大。建议在用电力消费弹性系数预测电力消费等工作时,加强对上述几类电力需求的细化分析,加大电力供应结构和布局的调整,强化电力兜底保障能力建设,引导用户积极参与电力负荷调节,保障电力平稳供应。

大数据战略对电力消费碳排放的影响——基于国家级大数据综合试验区的准自然实验

全面实施国家大数据战略是助推高质量发展的重要引擎。本文以国家级大数据综合试验区作为切入点,聚焦研究大数据综合试验区建设的减排效果。基于中国2011—2019年161个地级市的面板数据,以国家级大数据综合试验区作为一项准自然实验,采用双重差分法,考察大数据战略对城市电力消费碳排放的影响及其潜在机制。研究结果表明,国家级大数据综合试验区建设能够有效降低电力消费碳排放水平,该结论在进行一系列稳健性检验后仍然成立;机制检验表明,大数据综合试验区建设主要通过促进技术创新和数字普惠金融发展降低电力消费碳排放水平;异质性分析结果表明,试验区对于资源型城市电力消费碳排放具有更强的影响效应,并且除内蒙古、广东、沈阳外,其余试验区均对电力消费碳排放的降低产生了积极作用。本文的研究结果对于进一步推动大数据战略,促进数字经济高质量发展具有政策参考价值。

湖北省电力消费与经济增长关系研究及发展预测

“十三五”以来,湖北加快产业结构调整和新旧动能转换,经济增长和电力消费的协调性快速调整,关系更加紧密。本文通过从多个角度分析湖北省“十三五”以来经济增长和电力消费的特点和规律,研究经济增长和电力消费的相关关系,在此基础上结合湖北省“十四五”规划目标,对“十四五”末湖北省电力消费相关指标进行预测,从而为湖北能源发展和经济发展科学决策提供重要参考和依据。根据预测结果,“十四五”期间,湖北省电力消费将保持较快增长,全社会用电量年均增速将高于GDP年均增速。

中国省域可再生能源电力消费对碳排放量的时空影响

可再生能源电力消费在推动节能减排方面具有强大的动力,是引领清洁低碳发展的新路径。基于此,利用2011—2020年中国30个省份的可再生能源电力消费水平、碳排放量、国民经济发展水平、人口、能源效率、产业结构合理度及化石能源消费量等数据,通过STIRPAT模型,综合考虑横向空间维度及纵向时间维度,就中国省域可再生能源电力消费对碳排放量的影响进行实证分析。研究结果显示:(1)中国各省份的碳排放量呈现出显著的空间溢出效应,并且在空间分布上表现出“高—高”型集聚和“低—低”型集聚的正相关的特点。(2)总体而言,中国可再生能源电力消费对碳排放量具有明显的抑制作用,分区域而言,西部地区的可再生能源电力消费在对碳排放量的影响中占主导作用。(3)能源效率、产业结构合理化对碳排放量有显著的抑制作用,而国民经济发展水平、人口以及化石能源消费则显著增加碳排放量。提出促进区域化利用,完善基础设施建设,解决弃风弃电问题以及寻求供求平衡等政策建议。

中国电力消费碳排放驱动因素分析——基于LMDI分解方法

作为全球最大的温室气体排放国,中国政府承诺到2030年碳排放量达峰,在2060年实现碳中和。电力行业碳排放在我国整体碳排放总量中占比最大,近十年中国电力消费持续增长,在电力行业中的重要地位不可忽视,对电力消费碳排放驱动因素值得进行深入研究。文章基于LMDI分解模型,结合倾向值分析法和标准差椭圆法,对经济发展因素、人口规模因素、能源强度因素等驱动因素进行分析。结果表明:(1)经济发展因素对电力消费碳排放量的增长起到最主要的推动作用,能源强度因素主要起到抑制作用。(2)在各省的三大产业中,第二产业对电力消费的需求量最大。(3)在研究期间,我国的电力消费碳排放量整体呈上升趋势,在2016年到2017年期间呈下降趋势。本研究针对我国各省过去的11年期间的电力消费,立足于各省的电力行业碳排放的现实情况,帮助政府全面了解电力行业碳排放,为实现低碳电力行业提供政策建议,为我国电力行业实现碳达峰和碳中和提供理论参考。

基于SNA的中国电力消费空间网络结构特征

为揭示中国省际电力消费格局及特征,对全国性电力市场形成及电力资源使用效率优化提供指导,采用社会网络分析方法,对全国电力消费空间关联网络构造与特点展开研究。结果表明:省际电力消费关联格局呈网络结构,在整个考察期间整体网络密度有升有降,网络效率与网络密度的变化趋势大致相反,网络等级度“V”型台阶式变化;山东、江苏、北京等地区的中心度大小均处于前列,在网络中处于中心及其他各地电力消费关联的重要中介地位;各地根据特征被划分为8个板块,分为4种类型;青海、山西、广东等14个地区属于电力空间关联网络的核心,呈现出不显著的核心-边缘格局;中国省际电力消费格局呈网络结构,该网络存在中心和边缘区域,各地在网络中扮演的角色差异明显。

基于LMDI的山东省16地市电力消费影响因素空间分解

电力消费效率对经济发展和节能减排具有重要意义。文章基于2019年山东省16个地级市的电力消费数据,在KAYA恒等式的基础上利用LMDI分解法,从空间维度将山东省16地市电力消费影响因素分解为经济效应、结构效应和强度效应三方面。研究表明,经济效应对电力消费量具有规模效果,地区间的强度效应大于结构效应,强度效应越大则电力消费效率越低,针对研究结果,提出了相关政策建议。

中国电力消费与经济增长及结构调整相关性分析

随着经济发展和电气化程度加深,中国电力消费与经济增长相关关系的量化测度日益重要。基于面板向量自回归模型,构建了经济增长、电力消费和产业结构等方面的变量,检验了全国和江苏省电力消费和经济特征之间的长期均衡关系,并通过脉冲响应函数揭示电力消费和经济增长在受到不同类别的冲击时的长短期变化趋势。全国和江苏的电力消费、经济增长和产业结构升级趋势之间均呈现了跨期均衡关系,全国经济增长对电力消费的脉冲效应短期大,长期则弱化,江苏经济增长对电力消费冲击则更具持续性,反映出江苏经济发展、产业结构调整和电力生产消费之间的协调性。全国各区域的电力消费和生产应根据区域经济发展基础和程度,科学合理制定电力投资规划。

基于NPP-VIIRS的中国电力消费估算

针对夜间灯光数据用于估算城市电力消费量存在精度不足的问题,提出了波士顿夜光模型。选择国内176个城市为研究区域,以2019年NPP-VIIRS夜间灯光产品为数据源,将第三产业作为波士顿矩阵的分类依据,将研究区城市分为明星城市、金牛城市、问号城市和瘦狗城市4类,进而估算全社会电力消费量。估算结果表明,该模型较于传统灯光模型的估算精度更高。按照相对误差的大小,将全部城市划分为高精度、中精度和低精度城市3种类型,波士顿夜光模型的高精度和中精度城市数量多于传统灯光模型,而低精度城市数量则一样多。

基于NPP-VIIRS数据的我国2012—2020年电力消费量时空动态模拟

夜间灯光数据能够有效探测城市夜间灯光,可用于估算电力消耗(EPC)的空间分布。各地区自然环境及社会发展差异大,夜间灯光与EPC的关系也存在地区差异。以我国为例,构建不同区域EPC长期时空动态最优模型,使用基于NPP-VIIRS数据构建的夜间灯光总量(TNL),采用线性模型、二次多项式模型及幂函数模型对2012—2020年EPC的时空动态进行模拟。结果表明,在国家层面,二次多项式模型为最优,平均绝对相对误差(MARE)最小,为1.94%;在省级层面,最优拟合模型一般为二次多项式模型,平均MARE值为2.78%。31个省份中,二次多项式模型最优的有24个,线性模型最优的有4个,幂函数模型仅有3个。本研究使用精度更高的NPP-VIIRS夜间灯光数据,为准确模拟EPC数据的长期时空动态提供了一种思路,对反映社会经济活动中电力利用效益的提高所取得的成效分析具有重要意义。

基于STIRPAT评估模型的东北地区碳排放与电力消费相互关系分析

随着“双碳”目标的提出,我国能源需求刚性增长与资源、环境约束的矛盾更加突出,减排强度与经济高质量发展压力巨大,构建以新能源为主体的新型电力系统需求迫切。通过对东北地区经济、能源消费、电力消费、碳排放等多个方面数据的整理分析,搭建基于STIRPAT的评估模型,研究论证东北地区二氧化碳排放量(以下简称碳排放量)与电力消费相互关系,得出东北地区能源消费电气化程度与地区碳排放量的系数为-0.283,结果表明东北地区能源消费电气化程度的提高,可降低地区碳排放压力。