沈 照 人

(江蘇省、南京市節(jié)能技術(shù)服務(wù)中心，江蘇 南京 210007)

0 引 言

為應(yīng)對氣候變化，聯(lián)合國于1992年5月達(dá)成《聯(lián)合國氣候變化框架公約》，在《公約》及在其框架下一系列氣候大會達(dá)成的約定中，碳排放交易成為各國政府應(yīng)對氣候變化、控制溫室氣體排放最重要的工具之一。中國也將爭取在2030年前二氧化碳排放達(dá)到值峰、2060年前實現(xiàn)碳中和，且近年已在碳排放控制方面付出巨大努力。國家發(fā)展改革委2014年12月發(fā)布的《碳排放權(quán)交易管理暫行辦法》中要求:“重點排放單位每年編制排放報告，由第三方機構(gòu)出具碳排放核查報告”[1]。

電力行業(yè)作為碳排放量占比最大的行業(yè)，準(zhǔn)確核算發(fā)電企業(yè)產(chǎn)生的碳排放量，對政府主管部門核定國家碳排放總量、制定適合國情的政策并最終實現(xiàn)碳達(dá)峰和碳中和目標(biāo)具有十分重要的意義。從《中國發(fā)電企業(yè)溫室氣體排放核算方法與報告指南(試行)》(以下簡稱指南)規(guī)定的碳排放量計算公式推測，核定發(fā)電企業(yè)碳排放量的關(guān)鍵在于能否獲得準(zhǔn)確的燃煤低位發(fā)熱量數(shù)據(jù)。指南要求:“燃煤低位發(fā)熱量的測量方法和設(shè)備應(yīng)遵循GB/T 213—2008《煤的發(fā)熱量測定方法》的規(guī)定”[2]。而GB/T 213—2008則規(guī)定“用氧彈量熱法測定煤的高位發(fā)熱量及低位發(fā)熱量的計算方法”[3]。按照GB/T 213—2008規(guī)定的方法，發(fā)電企業(yè)應(yīng)使用量熱儀來測定和計算燃煤低位發(fā)熱量。

筆者所在單位作為江蘇省發(fā)展改革委、江蘇省生態(tài)環(huán)境廳認(rèn)定的碳排放核查機構(gòu)，參加了江蘇省組織的歷次碳排放核查工作。梳理數(shù)據(jù)來源，發(fā)現(xiàn)各發(fā)電企業(yè)燃煤低位發(fā)熱量的來源主要包括以下2種:①少數(shù)發(fā)電企業(yè)的煤炭化驗室已配備量熱儀，使用“氧彈量熱法”測定并計算燃煤低位發(fā)熱量，主要是五大發(fā)電集團和江蘇國信集團下屬電廠，單臺機組裝機容量在300 MW以上；②占發(fā)電企業(yè)大多數(shù)的地方公共熱電廠、企業(yè)自備電廠的煤炭化驗室基本未配備量熱儀，一般先采用馬弗爐、干燥箱、分析天平等設(shè)備測定燃煤的水分、灰分、揮發(fā)分，再根據(jù)經(jīng)驗公式計算得出燃煤低位發(fā)熱量。

因大多數(shù)發(fā)電企業(yè)無法達(dá)到指南規(guī)定的燃煤低位發(fā)熱量實測要求，致使各核查機構(gòu)在碳排放核查時只能采用缺省值，如煙煤低位發(fā)熱量的缺省值為19.57 MJ/kg，但采用統(tǒng)一的低位發(fā)熱量缺省值顯然不能真實反映各發(fā)電企業(yè)的燃煤使用狀況，不利于核查機構(gòu)準(zhǔn)確計算發(fā)電企業(yè)的實際碳排放量數(shù)據(jù)，不利于政府主管部門了解發(fā)電行業(yè)的碳排放真實情況，不利于國家碳交易市場的健康有序運行。

多年來，廣大煤質(zhì)分析工作者提出一系列測算燃煤低位發(fā)熱量的公式，主要有以下三大類:

(1)采用元素分析數(shù)據(jù)進行設(shè)計計算。電力設(shè)計院常用門捷列夫公式計算發(fā)熱量[4]，此公式在煤質(zhì)分析領(lǐng)域出現(xiàn)較早且具有影響力，但其計算基于煤的元素分析結(jié)果，而發(fā)電企業(yè)一般不具備元素分析的設(shè)備和能力，故該類公式在絕大多數(shù)發(fā)電企業(yè)無法使用。

(2)以工業(yè)分析數(shù)據(jù)為依據(jù)進行測算。煤炭科學(xué)研究總院提出關(guān)于煙煤、無煙煤和褐煤的3個發(fā)熱量計算公式，該3個公式具有較廣泛的適應(yīng)性，但其結(jié)構(gòu)復(fù)雜且需提前判定煤炭的種類和焦渣特性，對化驗人員的操作提出較高的要求[5]。而國內(nèi)外其他煤質(zhì)分析工作者也提出一些公式，但常存在參數(shù)(變量)偏少或適應(yīng)性不足的問題，如有的公式僅針對單一礦區(qū)或產(chǎn)地的煤種進行分析從而導(dǎo)致對其他地區(qū)煤種參考價值較小[6-11]，有的公式僅引入2個或3個變量進行分析因而導(dǎo)致準(zhǔn)確度不夠高[12-15]。

(3)使用神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測?；贏NN、SVR等非線性建模思想的預(yù)測方法，近年逐漸將神經(jīng)網(wǎng)絡(luò)模型引入燃煤低位發(fā)熱量測算中[16-18]。該方法具有較高的準(zhǔn)確度，但使用神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測的方法對樣本的質(zhì)量、數(shù)量要求較高且易發(fā)生過擬合現(xiàn)象[19]，還存在局部最小、過學(xué)習(xí)和網(wǎng)絡(luò)節(jié)點選擇缺少理論支撐等問題,對其預(yù)測能力有一定的削弱[20]。

筆者認(rèn)為，為便于發(fā)電企業(yè)碳排放核查工作的開展，推進碳排放管理工作進步，在大多數(shù)發(fā)電企業(yè)尚未配備量熱儀的國情下，應(yīng)不拘泥于強制要求發(fā)電企業(yè)按GB/T 213—2008的規(guī)定執(zhí)行，可考慮找到1個適用范圍廣、準(zhǔn)確度高的低位發(fā)熱量計算經(jīng)驗公式，既能貼合廣大中小發(fā)電企業(yè)的實際狀況，又能滿足碳排放核查對數(shù)據(jù)精度的需求。根據(jù)多年煤質(zhì)分析經(jīng)驗，筆者選取1批具有典型性的燃煤樣品并對煤質(zhì)數(shù)據(jù)進行建模分析，得到回歸方程式且對該方程式進行驗證，可用于計算發(fā)電企業(yè)燃煤發(fā)熱量并最終用于碳排放量的計算，具有簡單實用、適應(yīng)性廣、準(zhǔn)確度高的特點，以期對推動碳達(dá)峰、碳中和工作具有積極的意義。

1 多元線性回歸分析模型的建立

1.1 回歸分析法簡介

回歸分析法是處理多個變量之間相關(guān)關(guān)系的1種常用的數(shù)理統(tǒng)計方法，即從統(tǒng)計數(shù)據(jù)出發(fā)以提供建立變量之間相關(guān)關(guān)系的近似數(shù)學(xué)表達(dá)式，該方法中的經(jīng)驗公式給出相關(guān)性檢驗規(guī)則，運用經(jīng)驗公式即可達(dá)到預(yù)測與控制的目的。多元線性回歸旨在研究因變量(Y)與k個自變量(x1，x2，…xk)之間線性相關(guān)關(guān)系[21]。

1.2 自變量與因變量的選擇

從目前中小發(fā)電企業(yè)化驗室裝備的現(xiàn)狀分析可知，各化驗室均已配備主要的工業(yè)分析化驗設(shè)備如馬弗爐、干燥箱、分析天平、定硫儀等，由此可測定燃煤的全水分、水分、灰分、揮發(fā)分和全硫及計算固定碳。故以下對低位發(fā)熱量經(jīng)驗公式的推導(dǎo)基于以上幾個成份開展，綜合考慮固定碳數(shù)據(jù)是由其他數(shù)據(jù)計算而得，故不宜將其列為自變量。

根據(jù)《煤的工業(yè)分析方法》(GB/T 212—2008)、《煤中全水分的測定方法》(GB/T 211—2017)和《煤中全硫的測定方法》(GB/T 214—2007)中規(guī)定的化驗方法，幾個主要成分在試驗條件下直接測定并計算得出的數(shù)據(jù)分別為全水分(Mt)、空干基水分(Mad)、空干基灰分(Aad)、空干基揮發(fā)分(Vad)和空干基全硫(St,ad)。為減少因代入其他公式計算而導(dǎo)致的誤差，故將收到基全水分(Mt)、空干基水分(Mad)、空干基灰分(Aad)、空干基揮發(fā)分(Vad)和空干基全硫(St,ad)列為自變量。

根據(jù)指南的要求，碳核查計算時所用的燃煤發(fā)熱量為收到基低位發(fā)熱量(Qnet，ar)，故將收到基低位發(fā)熱量(Qnet，ar)列為因變量。

1.3 選取樣本的參數(shù)分布

作為具備“檢驗檢測機構(gòu)資質(zhì)認(rèn)定(CMA)”資質(zhì)的檢測機構(gòu)，筆者所在單位近年受廣大企事業(yè)單位委托從而完成大量的燃煤分析項目。為摸索適合碳排放核查工作使用推廣的經(jīng)驗公式，筆者在近年分析的煤樣分析報告中選取部分并采集相關(guān)數(shù)據(jù)進行分析。

考慮到中國幅員遼闊，各地發(fā)電企業(yè)使用的燃煤質(zhì)量差異較大，筆者選取的燃煤樣品各參數(shù)盡可能呈現(xiàn)正態(tài)分布，既考慮大多數(shù)發(fā)電企業(yè)常用的燃煤數(shù)據(jù)，又適當(dāng)考慮一些發(fā)電企業(yè)的特殊情況，力求使燃煤樣品的主要分析數(shù)據(jù)在大多數(shù)發(fā)電企業(yè)均具有較好的代表性。此次分析共選取48個燃煤樣品，各樣品自變量數(shù)據(jù)分布情況見表1，因變量數(shù)據(jù)分布情況詳見表2。

表1 樣品自變量數(shù)據(jù)分布情況表Table 1 Distribution table of independent variable data to samples

表2 樣品因變量數(shù)據(jù)分布情況表Table 2 Distribution table of dependent variable data to samples

1.4 建立模型

根據(jù)最小二乘法原理，將48個燃煤樣品實測的全水分(Mt)、空干基水分(Mad)、空干基灰分(Aad)、空干基揮發(fā)分(Vad)、空干基全硫(St，ad)和收到基低位發(fā)熱量(Qnet，ar)數(shù)據(jù)輸入并建模，得到回歸方程式如下:

Qnet，ar=38.146-0.355Mt-0.204Mad-

0.386Aad-0.15Vad+0.185St，ad(1)

再將48個燃煤樣品的工業(yè)分析數(shù)據(jù)代入公式(1)，得到低位發(fā)熱量的計算值；將其與實測低位發(fā)熱量進行比較，得到“回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖”和“散點圖”，分別如圖1、圖2所示。計算得到“調(diào)整后的R2”為0.989、“得賓-沃森檢驗值”為2.011。

圖1 回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖Fig.1 Standard P-P chart of regression standardization residuals

圖2 回歸標(biāo)準(zhǔn)化預(yù)計值與殘差的散點圖Fig.2 Scatter plot of regression standardization residuals to predicted value

從圖1可看出:回歸方程式(1)的殘差效果較好，所有的點大致在一條直線上，可認(rèn)為殘差符合正態(tài)分布的要求。從圖2可看出:將基于回歸公式(1)計算得到的收到基低位發(fā)熱量與實測的收到基低位發(fā)熱量數(shù)據(jù)進行比較，大多數(shù)樣品的誤差在±1%以內(nèi)，除1個樣品外的所有樣品誤差均在±2%以內(nèi)，可認(rèn)為回歸方程式(1)數(shù)據(jù)誤差較小。

“調(diào)整后的R2”為0.989，即總體自變量對因變量的解釋程度達(dá)到98.9%，擬合效果較好，說明回歸方程式(1)的模型比較穩(wěn)定。“得賓-沃森檢驗值”為2.011，一般來說，得賓-沃森檢驗值分布在0～4，越接近于2則觀測值相互獨立的可能性越大，可認(rèn)為回歸方程式(1)的觀測值具有較強的相互獨立性。

綜合分析可知，回歸方程式(1)中因變量與各自變量的相關(guān)度很高，建立的多元回歸模型與實際情況十分接近。

2 數(shù)據(jù)準(zhǔn)確性驗證

為驗證回歸方程式(1)的準(zhǔn)確性，筆者收集了省內(nèi)某大型火力發(fā)電企業(yè)1個月的燃煤化驗數(shù)據(jù)，該企業(yè)擁有齊全的煤質(zhì)化驗設(shè)備，具備常規(guī)的工業(yè)分析能力以及使用量熱儀測定燃煤發(fā)熱量的能力。將該企業(yè)燃煤工業(yè)分析化驗數(shù)據(jù)代入式(1)，將得到的燃煤低位發(fā)熱量計算值與企業(yè)使用量熱儀實測的燃煤低位發(fā)熱量數(shù)值進行比較，見表3。

表3 火力發(fā)電企業(yè)燃煤低位發(fā)熱量實測值與公式計算值比較Table 3 Measured value of low calorific value and calculated value of formula in power generation enterprises

續(xù) 表

從表3可看出，實測低位發(fā)熱量數(shù)值與公式計算值的平均差值為0.07 MJ/kg，平均誤差率為0.29%，其中，有28批次燃煤的低位發(fā)熱量差值小于0.30 MJ/kg，即在GB/T 213—2008《煤的發(fā)熱量測定方法》規(guī)定的再現(xiàn)性臨界差范圍內(nèi)。各批次燃煤誤差率分布情況見表4。

表4 各批次燃煤誤差率分布情況Table 4 Comparison on distribution of the error rate to each batch coal

從以上分析可看出，回歸方程式(1)能較準(zhǔn)確地預(yù)測低位發(fā)熱量數(shù)據(jù)，且與實測發(fā)熱量數(shù)據(jù)的差值較小，數(shù)據(jù)誤差率較低，預(yù)測具有較高的準(zhǔn)確性。

3 結(jié) 語

(1)建議發(fā)電企業(yè)應(yīng)盡量使用量熱儀測定燃煤發(fā)熱量，但在未配備量熱儀的情況下欲實現(xiàn)對燃煤低位發(fā)熱量的準(zhǔn)確預(yù)測，多元線性回歸方法實屬有效的工具。相較于傳統(tǒng)經(jīng)驗公式，多元線性回歸方法具有較高的準(zhǔn)確性，且計算數(shù)據(jù)來源易得，對發(fā)電企業(yè)而言可操性較強。

(2)燃煤樣品的收到基全水分(Mt)、空干基水分(Mad)、空干基灰分(Aad)、空干基揮發(fā)分(Vad)、空干基全硫(St,ad)與收到基低位發(fā)熱量(Qnet,ar)均具有較明顯的相關(guān)性，建立的多元回歸模型與實際情況較為接近，預(yù)測數(shù)據(jù)的準(zhǔn)確性較高。

(3)發(fā)電企業(yè)普遍具備工業(yè)分析的能力，運用多元線性回歸方法可較準(zhǔn)確地得到燃煤低位發(fā)熱量數(shù)據(jù)，既貼合廣大中小發(fā)電企業(yè)的實際狀況，又能滿足碳排放核查對數(shù)據(jù)精度的需求，具有簡單實用、適應(yīng)性廣且準(zhǔn)確度高的特點，對碳排放核查工作的順利開展具有十分重要的意義。