企业核算碳排放量不确定度评估_北京转创国际管理咨询有限公司广东分公司

蒋忠1，2，3，张亮2，3，王海峰2，赵军帅3，赵不贿1，王池2，3

(1.江苏大学电气信息工程学院，江苏镇江 212013； 2.中国计量科学研究院，北京 100029；3.郑州计量先进技术研究院，河南郑州 450001)

摘要：企业是我国碳交易市场的主体交易者，由于在碳核查中大量使用缺省数据，造成排放量数据可信度下降，并且企业排放量数据的不确定度未曾评估。在对3个行业的6家企业进行了碳排放量实测后，使用蒙特卡罗法(MCM)不确定度评估方法对采用缺省值、实测值及两者组合计算得到的碳排放量数据进行不确定度分析研究。6家企业的平均计算结果表明，与全部采用缺省值相比，使用氧弹法实测低位发热量可以将排放量扩展不确定度降低9.0%；使用工业分析法实测低位发热量可将排放量扩展不确定度降低8.3%；同时实测低位发热量(氧弹量热法)和单位热值含碳量可将排放量扩展不确定度降低16.6%；低位发热量(氧弹量热法)、单位热值含碳量和碳氧率均实测可将排放量扩展不确定度降低16.9%；若对所有参数进行实测，则可将排放量扩展不确定度降低17.1%。

关键词：计量学；碳排放量；碳核查；不确定度评估；蒙特卡罗法

1 引言

随着经济的不断发展，我国对于能源的需求量逐渐增大。目前我国的能源结构是以常规化石燃料为主，然而燃烧大量化石燃料会导致温室效应、环境污染等各种问题[1]。

我国作为目前全球碳排放最多的国家，节能减排的压力十分巨大[2]。国家“十二五”规划纲要提出“建立完善温室气体统计核算制度，逐步建立碳排放交易市场”，《"十二五”控制温室气体排放工作方案》(国发[2011]1号)提出“加快构建国家、地方、企业三级温室气体排放核算工作体系，实行重点企业直接报送温室气体排放和能源消费数据制度”[3]。目前国家已经制定了GB/T 32151—2015《工业企业温室气体排放核算和报告通则》，并于2016年6月1日实施。

2013年起,我国在7个城市开始碳交易试点,到目前为止，各个试点市场初具规模，市场总量位居世界第二。我国碳交易市场还处于初期阶段，碳交易市场通过燃料端进行核算，且大量企业在碳核查时使用缺省值，例如燃料热值和排放因子。对于一个大型企业，每年的碳排放量可能达到上百万甚至上千万吨，核算排放量数据相差1%，就会涉及几百万元的碳交易配额。当企业能够自主地选择使用缺省值或者实测数据来计算排放量时，会根据自身利益选择不同数据，从而造成碳交易的不公平性。目前，国内对于企业核算碳排放不确定度的研究较少。本文通过对多家企业排放量核算所需参数进行了实测，研究缺省值和实测值对碳排放量不确定度的影响，在尽量不增加企业负担的情况下减小企业碳排放量的测量不确定度。

2 研究方法

不确定度评估方法主要有不确定度传递法和蒙特卡罗(MC)法两种[4,5]。不确定度传递法又称GUM法，主要通过不确定度传播规律计算合成标准不确定度，从而得到被测量估计值的测量不确定度[6]。MC法是一种基于“随机数”的计算方法，它以概率论中的大数定理和中心极限定理为理论基础，通过建立合适的数学模型，并且对该模型进行随机抽样，最终以模拟实验的结果作为所求问题的近似解[7]。

相比GUM法，MC法评定测量不确定度特别适用评定以下几种情况[8]:

(1)输出量的概率分布函数(PDF)偏离正态分布或缩放位移t分布;

(2)应用不确定度传播定律时，计算模型的偏导数困难或不方便；

(3)各不确定度分量的大小不相近；

(4)输出量的估计值和其标准不确定度的大小相当；

(5)输入量的PDF明显不对称；

(6)模型比较复杂，不能用线性测量模型表示。

因为本文中涉及的发电、水泥生产、陶瓷生产企业碳排放量数学模型是非线性方程，所以采用蒙特卡罗法进行碳排放量不确定度分析。

3 排放量数学模型及不确定度分析方法

基于燃料端测量的发电企业碳排放量数学模型如下式所示(注：后文所有公式中量的符号以及单位均依据GB/T 32151.1—2015[9]中的规定)：

E1=NCV·FC·CC·OF·44/12+

B·I·Z·0.44+ADep·EFep

(1)

式中：E1为发电企业碳排放量，tCO2；NCV为化石燃料的低位发热量，对于固体燃料，GJ/t，对于气体燃料，GJ/104 Nm3；FC为化石燃料的消耗量，对于固体燃料，t，对于气体燃料，104 Nm3；CC为化石燃料的单位热值含碳量，tC/GJ;OF为化石燃料的碳氧化率，%；B为脱硫剂消耗量，t；I为脱硫剂中碳酸盐含量，%；Z为碳酸盐转化率，%；ADep为购入(输出)电量，MWh；EFep为供电排放因子，tCO2/MWh。

基于燃料端测量的水泥生产企业碳排放量数学模型如式(2)所示[10]：

E2=NCV·FC·CC·OF·44/12+

ADep·EFep+ADhp·EFhp

(2)

式中：E2为水泥生产企业碳排放量，tCO2；Q1为熟料产量，t；CCa为熟料中去除非碳酸盐分解的氧化钙质量分数，%；CMg为熟料中去除非碳酸盐分解的氧化镁的质量分数，%；ADhp为购入(输出)热量，GJ；EFhp为热力二氧化碳排放因子，tCO2/GJ；

基于燃料端测量的陶瓷生产企业碳排放量数学模型如式(3)所示[11]：

E3=NCV·FC·CC·OF·44/12+

ADep·EFep+ADhp·EFhp

(3)

式中：E3为陶瓷生产企业碳排放量，tCO2；Q2为原料消耗量，t；CCaCO3为原料中碳酸钙的质量分数，%；CMgCO3为原料中碳酸镁的质量分数，%；η为原料利用率，%。

根据GB/T 213-2008，GB/T 476-2008相关标准对燃料低位发热量、单位热值含碳量、碳氧化率等计算因子进行实测[12～14]，采用不同数据计算企业碳排放量，数据组合如表1所示。理论上组合4、5、6计算结果的不确定度越来越小，然而没有具体减少的数据，因此需要通过MCM模拟出不同数据组合的企业碳排放量，并对其进行不确定度分析。

表1 碳排放量数据组合

Tab.1 Carbon emissions data combination

依据式(1)～式(3)，评定企业碳排放量的不确定度需要考虑以下输入量的不确定度和概率分布。

(1)燃料、原料消耗量(FC、B、Q1、Q2)，通常固体燃料和原料使用衡器进行称量，对于其库存变化通常用盘煤机等设备测量。液体燃料和原料使用量通常用流量计和容积罐测量，而气体燃料是通过安装在管道上的流量计测量[15]。企业通过对每批次的燃料、原料进行测量得到其消耗量，故认为是正态分布。根据调研企业的设备配备情况，固体燃料、原料消耗量测量的标准不确定度u(FC1)=u(B)=u(Q1)=u(Q2)=0.5%，天然气消耗量的标准不确定度u(FC2)=1%。

(2)燃料低位发热量(NCV)的不确定度主要由燃料采样和热值测量时的不确定度导致的[16,17]，表2为采样引起的发热量不确定度统计规律。根据企业燃料灰分测量结果，由于煤的采样不均匀性导致的标准不确定度uS=3.6%；固体燃料用氧弹量热法实测发热量的标准不确定度um1=1%，用工业分析法实测时的标准不确定um2=5%。结合采样和实测热值的不确定度，燃料低位发热量氧氮实测和工业实测的标准不确定度分别为缺省值不能与测量值采用相同的不确定度评估方法，缺省值与真值的差值符合一定的概率分布，企业每个样品实测数据对缺省值来说可以认为是真值，因此本文依据以下公式计算缺省值的不确定度。

表2 采样引起的发热量不确定度

Tab.2 Uncertainty of calorific value caused by sampling

式中：xi为每个样品的实测热值；为缺省值；n为样品数量。

由于气体燃料不存在均匀性问题，因此实测气体燃料发热量的标准不确定度u(NCVgas,m)=1%，依据2家企业样品的实测热值，计算缺省值的标准不确定度u(NCVgas,Q)=6%。

(3)燃料单位热值含碳量(CC)的不确定度主要由热值测量的不确定度、碳元素含量(C)测量的不确定度以及采样导致，其计算公式为碳元素含量测量的标准不确定度u(C)=1.3%，则使用6家企业样品的单位热值含碳量实测值，计算缺省值的标准不确定度u(CCsolid,Q)=9.7%，u(CCgas,Q)=2.4%。

(4)碳氧化率(OF)的不确定度由炉渣产量(Gr)的不确定度、炉渣含碳量(Cr)的不确定度、飞灰产量(Ga)的不确定度、飞灰含碳量(Ca)、燃煤消耗量的不确定度、燃煤碳元素含量的不确定度、采样不均匀性导致的不确定度合成得到。

OF的计算公式为

u(Gr)=u(Ga)=u(FC)=0.5%

u(Cr)=u(Ca)=u(C)=1.3%

使用6家企业样品的实测碳氧化率，计算缺省值的标准不确定度u(OFQ)=5%。

(5)对于其它参数，例如碳酸盐转化率(Z)根据实验室分析，其转化率约为92%，测量的标准不确定度u(Zm)=1.5%。若采用缺省值100%，根据实测4家企业的碳酸盐转化率计算缺省值的标准不确定度u(ZQ)=5.8%；购入(输出)电量、热力(ADep、ADhp)按照GB/T 17167的要求[18]，企业需定期对电表、热能表进行计量检定，通常情况下电量的测量的标准不确定度u(ADep)=1%，热能表测量热水焓值的标准不确定度u(ADhp)=1.5%。

4 结果分析

本文实测了6家企业的燃料低位发热量、单位热值含碳量、碳氧化率等相关参数，现将输入量的概率分布和其相关参数汇总如表3至表7所示。通过6种不同的数据组合进行MCM法不确定度评定，具体评定结果如图1～3所示。

表3 化石燃料、原料消耗量数据

Tab.3 Fossil fuel and raw material consumption data

表4 燃料低位发热量数据

Tab.1 Fuel low calorific value data

表5 单位热值含碳量数据

Tab.5 Unit calorific value carbon content data

表6 碳氧化率数据

Tab.6 Carbon oxidation rate data

表7 其他输入量的相关参数

Tab.7 Related parameters of other inputs

从图1～3中我们可以看出，不同数据组合的不确定度差异较大。

图1 发电企业碳排放不确定度评估

Fig.1 Uncertainty evaluation of carbon emissions of power generation enterprises

图2 水泥生产企业碳排放不确定度评估

Fig.2 Uncertainty evaluation of carbon emissions of cement enterprises

图3 陶瓷生产企业碳排放不确定度评估

Fig.3 Uncertainty evaluation of carbon emissions of ceramic production enterprises

对于发电企业而言，全部采用缺省值的碳排放量扩展不确定度平均为35.2%，采用组合2数据时不确定度较全部采用缺省值降低14.7%；采用组合3数据时不确定度较全部采用缺省值降低13.7%；采用组合4数据时不确定度较全部采用缺省值降低26.7%；采用组合5数据时不确定度相对全部采用缺省值降低27.4%；采用组合6数据时不确定度相对全部采用缺省值降低30.1%。

对于水泥生产企业而言，全部采用缺省值的碳排放量扩展不确定度平均为11.9%；采用组合2数据时不确定度较全部采用缺省值降低4.3%；采用组合3数据时不确定度较全部采用缺省值降低3.7%；采用组合4数据时不确定度对全部采用缺省值降低8.4%；采用组合5数据时不确定度较全部采用缺省值降低8.6%。

对于发电陶瓷而言，全部采用缺省值的碳排放量扩展不确定度是19.4%；采用组合2数据时不确定度较全部采用缺省值降低8.0%；采用组合3数据时不确定度较全部采用缺省值降低7.3%；采用组合4数据时不确定度较全部采用缺省值降低14.4%；采用组合5数据时不确定度较全部采用缺省值降低14.9%。

总体而言，与采用缺省值相比，仅实测低位发热量(氧弹量热法)时排放量的扩展不确定度可降低9.0%；仅低位发热量采用工业分析法测量时，排放量的扩展不确定度可以降低8.3%；低位发热量(氧弹量热法)和单位热值含碳量进行实测时，排放量的扩展不确定度可降低16.6%；低位发热量(氧弹量热法)和单位热值含碳量、碳氧化率都进行实测时，排放量的扩展不确定度可降低16.9%；若对所有参数进行实测，则排放量的扩展不确定度可以降低17.1%。由此可以看出，与采用缺省值相比实测NCV和CC可以较大地降低企业碳排放量的不确定度，另外对于发热量测量，相比工业分析法发热量测量，氧弹量热仪测量不确定度较小。

另外，使用缺省值计算企业碳排放量时会引入误差。就本文测量的6家企业而言，低位发热量实测值明显高于缺省值，采用缺省值会低估企业的碳排放量。单位热值含碳量和碳氧化率实测值明显低于缺省值，采用缺省值会高估企业的碳排放量。因此在碳排放量核算过程中建议企业尽量对核算所需的参数进行实测，减少缺省值的使用。

5 结论

本文基于蒙特卡洛法对发电企业、水泥生产企业、陶瓷生产企业的碳排放进行不确定度建模计算，通过选取发热量、单位热值含碳量实测值和缺省值进行碳排放不确定度对比研究，判定各分量对不确度影响的程度。

通过上述分析，化石燃料的发热量和单位热值含碳量对碳排放量的不确定度影响较大，应鼓励企业购置相关的测量仪器对企业的化石燃料的低位发热量和单位热值含碳量进行定期检测，从而降低企业碳排放量的不确定度，提高碳排放量的数据准确性。

1 引 言

2 研究方法

3 排放量数学模型及不确定度分析方法

4 结果分析

5 结 论

1 引言

5 结论