CN116433377A - 基于区块链的碳资产交易方法及*** - Google Patents
基于区块链的碳资产交易方法及*** Download PDFInfo
- Publication number
- CN116433377A CN116433377A CN202310417086.7A CN202310417086A CN116433377A CN 116433377 A CN116433377 A CN 116433377A CN 202310417086 A CN202310417086 A CN 202310417086A CN 116433377 A CN116433377 A CN 116433377A
- Authority
- CN
- China
- Prior art keywords
- carbon
- emission
- historical
- carbon emission
- quota
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 261
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 16
- 239000000446 fuel Substances 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 15
- 239000003245 coal Substances 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于区块链的碳资产交易方法及***,该方法包括:主管机构计算本年度碳排放的配额基础量,并根据配额基础量在区块链上发布碳排放配额对应的第一通证,将第一通证直接转入各个重点排放单位的虚拟账户;主管机构预测本年度碳排放的超标量,若超标量为正,则根据超标量在区块链上发布碳排放配额的第二通证以及第二通证的购买单价,由各个重点排放单位选择是否购买第二通证;主管机构根据预设的配额调整量发布碳排放配额的第三通证以及第三通证的初始购买单价、加价幅度以及最大单价,由各个重点排放单位在区块链上竞价购买第三通证。本发明有利于主管机构对碳排放过程的管理,可使碳排放配额更加合理。
Description
技术领域
本发明属于区块链技术领域,更具体地说,是涉及一种基于区块链的碳资产交易方法及***。
背景技术
现有的碳资产交易方法通常采用中心化***架构及管理控制***进行管理,这种方法容易导致欺诈行为的产生,进而导致碳资产交易管理难度较大。
发明内容
本发明的目的在于提供一种基于区块链的碳资产交易方法及***,以解决现有技术中存在的碳资产交易管理难度较大的技术问题。
为实现上述目的,本发明采用的技术方案是提供一种基于区块链的碳资产交易方法,所述基于区块链的碳资产交易方法包括:
主管机构计算本年度碳排放的配额基础量,并根据所述配额基础量在区块链上发布碳排放配额对应的第一通证,将所述第一通证直接转入各个重点排放单位的虚拟账户;
主管机构预测本年度碳排放的超标量,若所述超标量为正,则根据所述超标量在区块链上发布碳排放配额的第二通证以及所述第二通证的购买单价,由各个重点排放单位选择是否购买所述第二通证;
主管机构根据预设的配额调整量发布碳排放配额的第三通证以及所述第三通证的初始购买单价、加价幅度以及最大单价,由各个重点排放单位在区块链上竞价购买所述第三通证。
在一种可能的实现方式中,主管机构计算本年度碳排放的配额基础量的方法为:
核算各个重点排放单位的历史碳排放量;
根据所述历史碳排放量确定本年度碳排放的配额基础量。
在一种可能的实现方式中,核算某个重点排放单位的历史碳排放量,包括:
根据该重点排放单位中各个目标发电机组的燃料种类和机组容量确定所述各个目标发电机组所属的预设类别;其中,目标发电机组指的是各个重点排放单位中纳入配额管理的发电机组;
根据所述各个目标发电机组所属的预设类别确定所述各个目标发电机组对应的预设碳核算模型;
基于所述各个目标发电机组对应的预设碳核算模型对所述各个目标发电机组进行碳核算,得到所述各个目标发电机组的碳核算结果;
根据所述各个目标发电机组的碳核算结果确定该重点排放单位的历史碳排放量。
在一种可能的实现方式中,所述根据所述历史碳排放量确定本年度碳排放的配额基础量,包括:
根据所述历史碳排放量确定各个历史年度中碳排放量的同比变化率;
根据所述同比变化率以及上一年度的历史排放量确定本年度碳排放的初始配额基础量;
通过s=min(s1,s2×δ)确定本年度碳排放的配额基础量;
其中,s为所述配额基础量,s1为所述初始配额基础量,s2为预设的最大配额量,δ为预设系数,0<δ<1。
在一种可能的实现方式中,所述主管机构预测本年度碳排放的超标量的方法为:
获取各个重点排放单位对应的供应区域的历史用电量和历史用热量,并根据所述历史用电量和所述历史用热量确定本年度的碳排放增长量;其中,所述供应区域包含供电区域和供热区域;
获取各个重点排放单位的历史新能源使用率以及历史碳排放优化率,并根据所述历史新能源使用率和所述历史碳排放优化率确定本年度的碳排放降低量;
基于所述碳排放增长量和所述碳排放降低量确定本年度碳排放的超标量。
在一种可能的实现方式中,所述根据所述历史用电量和所述历史用热量确定本年度的碳排放增长量,包括:
将所述历史用电量和所述历史用热量输入至预先训练的碳排放预测模型中,得到本年度的碳排放预测量;
根据本年度的碳排放预测量与上一年度的历史碳排放量确定本年度的碳排放增长量。
在一种可能的实现方式中,所述根据所述历史新能源使用率和所述历史碳排放优化率确定本年度的碳排放降低量,包括:
将所述历史新能源使用率和所述历史碳排放优化率输入至预先训练的碳排放优化模型中,得到本年度的碳排放降低比例;
基于所述碳排放降低比例以及上一年度的历史碳排放量确定本年度的碳排放降低量。
在一种可能的实现方式中,所述基于区块链的碳资产交易方法还包括:
各个重点排放单位发布碳排放配额的第四通证以及所述第四通证的购买单价,由除本重点排放单位外的其他重点排放单位在区块链上竞价购买所述第四通证。
在一种可能的实现方式中,所述第二通证的购买单价不高于所述第三通证的初始购买单价。
为实现上述目的,本发明还提供了一种基于区块链的碳资产交易***,所述基于区块链的碳资产交易***用于实现以上所述的基于区块链的碳资产交易方法。
本发明提供的基于区块链的碳资产交易方法及***的有益效果在于:
区别于现有技术中中心化的管理方法,本发明实施例提供的碳资产交易方法基于区块链实现,因此,有效实现了碳资产交易的去中心化,保证了碳资产交易的公平性,使得碳资产交易管理更为方便。在此基础上,本发明实施例还设置了多种通证,并实行了多级通证发布策略。其中第一通证本质为无偿发布的碳排放配额量,其可保证各个重点排放单位获得基础的排放配额。第二通证本质为有偿发布的碳排放配额量,其是预测得到的碳排放超标量,可由各个重点排放单位根据自身情况进行购买,以进一步保证碳排放配额的合理性。第三通证本质也为有偿发布的碳排放配额量,其是主管机构所设置的碳排放配额的余量,以尽可能避免通证数量不够的情形。也就是说,本发明实施例提供的碳资产交易方法,不仅有利于主管机构对碳排放过程的管理,还可使碳排放配额更加合理,提高主管机构的管理有效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于区块链的碳资产交易方法的流程示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图和具体实施方式对本发明作进一步详细的说明。
请参考图1,图1为本发明一实施例提供的基于区块链的碳资产交易方法的流程示意图,该基于区块链的碳资产交易方法包括:
S101:主管机构计算本年度碳排放的配额基础量,并根据配额基础量在区块链上发布碳排放配额对应的第一通证,将第一通证直接转入各个重点排放单位的虚拟账户。
在本实施例中,本年度碳排放的配额基础量可根据各个历史年度的历史碳排放量确定,其本质为通过历史碳排放量测算得到的本年度的碳排放量,在此基础上,可根据本年度的碳排放量以及各个重点排放单位的碳排放情况为各个重点排放单位分配一定数量的第一通证,并将对应数量的第一通证转入各个重点排放单位在区块链上的虚拟账户。
在本实施例中,第一通证即代表碳排放配额,第一通证的数量与配额基础量对应。也即,第一通证的数量本质为配额基础量与单张第一通证配额量的比值。
S102:主管机构预测本年度碳排放的超标量,若超标量为正,则根据超标量在区块链上发布碳排放配额的第二通证以及第二通证的购买单价,由各个重点排放单位选择是否购买第二通证。
在本实施例中,还设置了动态的配额量,也即超标量。该超标量主要用于表征本年度各个重点排放单位可能存在的碳排放超标情况,其可由主管单位根据各个重点排放单位供应区域的历史用电量/历史用热量预测得到。在此基础上,主管单位可根据前述碳排放超标情况发布一批有偿的第二通证,以使各个重点排放单位根据自身排放情况来自行购买第二通证,以更合理地实现碳排放配额的分配。
在本实施例中,第二通证即代表碳排放配额,第二通证的数量与超标量对应。也即,第二通证的数量本质为超标量与单张第二通证配额量的比值。
S103:主管机构根据预设的配额调整量发布碳排放配额的第三通证以及第三通证的初始购买单价、加价幅度以及最大单价,由各个重点排放单位在区块链上竞价购买第三通证。
在本实施例中,为了避免第一通证和第二通证均未达到理想的碳排放配额效果,主管单位可预设一定的配额调整量,也即预设一定的碳排放配额余量,从而避免通证数量不足的情形,进一步保障碳排放配额的合理性。
在本实施例中,可通过设置智能合约的方式来实现第三通证的竞价购买。
在本实施例中,为了保证各个重点排放单位的利益,降低各个重点排放单位的成本,可设置第二通证的购买单价不高于第三通证的初始购买单价。
在本实施例中,将第一通证直接转入各个重点排放单位的虚拟账户之后,基于区块链的碳资产交易方法还可以包括:
核定转入各个重点排放单位的虚拟账户的第一通证的数量。
在本实施例中,在分配第一通证之后,可对第一通证的分配进行核查,以保证第一通证分配的准确性。
从以上描述可知,区别于现有技术中中心化的管理方法,本发明实施例提供的碳资产交易方法基于区块链实现,因此,有效实现了碳资产交易的去中心化,保证了碳资产交易的公平性,使得碳资产交易管理更为方便。在此基础上,本发明实施例还设置了多种通证,并实行了多级通证发布策略。其中第一通证本质为无偿发布的碳排放配额量,其可保证各个重点排放单位获得基础的排放配额。第二通证本质为有偿发布的碳排放配额量,其是预测得到的碳排放超标量,可由各个重点排放单位根据自身情况进行购买,以进一步保证碳排放配额的合理性。第三通证本质也为有偿发布的碳排放配额量,其是主管机构所设置的碳排放配额的余量,以尽可能避免通证数量不够的情形。也就是说,本发明实施例提供的碳资产交易方法,不仅有利于主管机构对碳排放过程的管理,还可使碳排放配额更加合理,提高主管机构的管理有效性。
在一种可能的实现方式中,主管机构计算本年度碳排放的配额基础量的方法为:
核算各个重点排放单位的历史碳排放量。
根据各个重点排放单位的历史碳排放量确定本年度碳排放的配额基础量。
在本实施例中,可根据各个重点排放单位的历史碳排放量确定本年度碳排放的配额基础量。在此基础上,也可根据各个重点排放单位的历史碳排放量的比例确定分配给各个重点排放单位的第一通证的比例。
在一种可能的实现方式中,核算某个重点排放单位的历史碳排放量,包括:
根据该重点排放单位中各个目标发电机组的燃料种类和机组容量确定各个目标发电机组所属的预设类别。其中,目标发电机组指的是各个重点排放单位中纳入配额管理的发电机组。
根据各个目标发电机组所属的预设类别确定各个目标发电机组对应的预设碳核算模型。
基于各个目标发电机组对应的预设碳核算模型对各个目标发电机组进行碳核算,得到各个目标发电机组的碳核算结果。
根据各个目标发电机组的碳核算结果确定该重点排放单位的历史碳排放量。
在本实施例中,可根据发电机组的燃料种类和机组容量对发电机组进行分类,得到预设分类。比如,可将发电机组分为四类:
第一预设分类:300MW等级以上的常规燃煤机组;
第二预设分类:300WM等级以下的常规燃煤机组;
第三预设分类:燃煤矸石、煤泥、水煤浆等非常规燃煤机组(含燃煤循环流化床机组);
第四预设分类:燃气机组。
在此基础上,可预先为每个预设分类发电机组均构建一个碳核算模型,得到各个预设分类对应的碳核算模型。
在此基础上,在确定某个重点排放单位的历史碳排放量时,可根据该重点排放单位中各个目标发电机组所属的预设分类确定各个目标发电机组对应的碳核算模型。基于此,可对该重点排放单位中不同预设分类的目标发电机组分别进行碳排放核算,基于此,可得到各个目标发电机组的碳核算结果。
在本实施例中,确定各个目标发电机组的碳核算结果后,将各个目标发电机组的碳核算结果加和,即可得到该重点排放单位的历史排放量。
基于上述方法,可逐步计算得到每个重点排放单位的历史排放量。在此基础上,可根据各个重点排放单位的历史碳排放量确定本年度碳排放的配额基础量。
在一种可能的实现方式中,根据各个重点排放单位的历史碳排放量确定本年度碳排放的配额基础量,包括:
根据各个重点排放单位的历史碳排放量确定各个历史年度中碳排放量的同比变化率。
根据同比变化率以及上一年度的历史排放量确定本年度碳排放的初始配额基础量。
通过s=min(s1,s2×δ)确定本年度碳排放的配额基础量。
其中,s为配额基础量,s1为初始配额基础量,s2为预设的最大配额量,δ为预设系数,0<δ<1。
在本实施例中,可根据各个重点排放单位的历史碳排放量确定各个历史年度相对于其上一年度的碳排放量的同比变化率,得到多个同比变化率。
在此基础上,根据同比变化率以及上一年度的历史排放量确定本年度碳排放的初始配额基础量,可以详述为:
根据前述多个同比变化率确定平均同比变化率。
通过s1=s1′×ζ%确定本年度碳排放的初始配额基础量。
其中,s1′为本年度的上一年度的历史排放量,ζ%为前述平均同比变化率。
在此基础上,根据同比变化率以及上一年度的历史排放量确定本年度碳排放的初始配额基础量,也可以详述为:
基于前述多个同比变化率训练得到深度学习模型,该深度学习模型用于根据输入的前三个年度的同比变化率预测得到本年度的同比变化率。
提取本年度的前三个年度的同比变化率,将本年度的前三个年度的同比变化率输入至前述深度学习模型中,得到本年度的同比变化率。
通过s1=s1′×θ%确定本年度碳排放的初始配额基础量。
其中,s1′为本年度的上一年度的历史排放量,θ%为本年度的同比变化率。
在本实施例中,考虑到各类环保政策的影响,因此可预设一定的最大配额量,在此基础上,需保证最终的配额基础量小于最大配额量,因此,可通过s=mim(s1,s2×δ)确定本年度碳排放的配额基础量。
在一种可能的实现方式中,主管机构预测本年度碳排放的超标量的方法为:
获取各个重点排放单位对应的供应区域的历史用电量和历史用热量,并根据历史用电量和历史用热量确定本年度的碳排放增长量。其中,供应区域包含供电区域和供热区域。
获取各个重点排放单位的历史新能源使用率以及历史碳排放优化率,并根据历史新能源使用率和历史碳排放优化率确定本年度的碳排放降低量。
基于碳排放增长量和碳排放降低量确定本年度碳排放的超标量。
在本实施例中,各个重点排放单位对应的供应区域指的是各个重点排放单位的供热区域和供电区域。
在本实施例中,为了更好地预测本年度碳排放的超标量,可从影响碳排放的根源(也即用电量和用热量)出发。也即,可通过各个重点排放单位的供应区域的历史用电量和历史用热量预测本年度的碳排放增长量。
在本实施例中,还需考虑各个重点排放单位的能源供应的调整以及各个重点排放单位的发电机组的运行模式的优化所导致的碳排放的减少。因此,本实施例还可根据各个重点排放单位历史的新能源使用率以及历史的碳排放优化率预测得到本年度的碳排放降低量。其中,某个重点排放单位的碳排放优化率指的是该重点排放单位通过对发电机组的运行模式、或者供电/供热政策进行调整后,碳排放得到优化的比率。
在本实施例中,确定本年度的碳排放增长量和碳排放降低量后,两者之差即为本年度碳排放的超标量。
在一种可能的实现方式中,根据历史用电量和历史用热量确定本年度的碳排放增长量,包括:
将历史用电量和历史用热量输入至预先训练的碳排放预测模型中,得到本年度的碳排放预测量。
根据本年度的碳排放预测量与上一年度的历史碳排放量确定本年度的碳排放增长量。
在本实施例中,可预先训练碳排放预测模型,该碳排放预测模型用于根据输入的历史用电量和历史用热量预测得到本年度的碳排放量。在此基础上,本年度的碳排放预测量与上一年度的历史碳排放量之差即为本年度的碳排放增长量。其中,碳排放预测模型可以为神经网络模型或者集成学习模型。
在一种可能的实现方式中,根据历史新能源使用率和历史碳排放优化率确定本年度的碳排放降低量,包括:
将历史新能源使用率和历史碳排放优化率输入至预先训练的碳排放优化模型中,得到本年度的碳排放降低比例。
基于碳排放降低比例以及上一年度的历史碳排放量确定本年度的碳排放降低量。
在本实施例中,可预先训练碳排放优化模型,该碳排放优化模型用于根据输入的新能源使用率和碳排放优化率预测得到碳排放降低比例。在此基础上,本年度的碳排放降低比例与上一年度的历史碳排放量之积即为本年度的碳排放降低量。其中,碳排放优化模型可以为神经网络模型或者集成学习模型。
在一种可能的实现方式中,基于区块链的碳资产交易方法还包括:
各个重点排放单位发布碳排放配额的第四通证以及第四通证的购买单价,由除本重点排放单位外的其他重点排放单位在区块链上竞价购买第四通证。
在本实施例中,各个重点排放单位也可以在区块链上发布通证,以实现各个重点排放单位之间碳资产的交易。
为实现上述目的,本发明还提供了一种基于区块链的碳资产交易***,基于区块链的碳资产交易***用于实现以上的基于区块链的碳资产交易方法。
在本实施例中,还提供一种区块链架构的碳资产交易***,以实现上述实施例中的碳资产交易方法。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于区块链的碳资产交易方法,其特征在于,包括:
主管机构计算本年度碳排放的配额基础量,并根据所述配额基础量在区块链上发布碳排放配额对应的第一通证,将所述第一通证直接转入各个重点排放单位的虚拟账户;
主管机构预测本年度碳排放的超标量,若所述超标量为正,则根据所述超标量在区块链上发布碳排放配额的第二通证以及所述第二通证的购买单价,由各个重点排放单位选择是否购买所述第二通证;
主管机构根据预设的配额调整量发布碳排放配额的第三通证以及所述第三通证的初始购买单价、加价幅度以及最大单价,由各个重点排放单位在区块链上竞价购买所述第三通证。
2.如权利要求1所述的基于区块链的碳资产交易方法,其特征在于,主管机构计算本年度碳排放的配额基础量的方法为:
核算各个重点排放单位的历史碳排放量;
根据所述历史碳排放量确定本年度碳排放的配额基础量。
3.如权利要求2所述的基于区块链的碳资产交易方法,其特征在于,核算某个重点排放单位的历史碳排放量,包括:
根据该重点排放单位中各个目标发电机组的燃料种类和机组容量确定所述各个目标发电机组所属的预设类别;其中,目标发电机组指的是各个重点排放单位中纳入配额管理的发电机组;
根据所述各个目标发电机组所属的预设类别确定所述各个目标发电机组对应的预设碳核算模型;
基于所述各个目标发电机组对应的预设碳核算模型对所述各个目标发电机组进行碳核算,得到所述各个目标发电机组的碳核算结果;
根据所述各个目标发电机组的碳核算结果确定该重点排放单位的历史碳排放量。
4.如权利要求2所述的基于区块链的碳资产交易方法,其特征在于,所述根据所述历史碳排放量确定本年度碳排放的配额基础量,包括:
根据所述历史碳排放量确定各个历史年度中碳排放量的同比变化率;
根据所述同比变化率以及上一年度的历史排放量确定本年度碳排放的初始配额基础量;
通过s=min(s1,s2×δ)确定本年度碳排放的配额基础量;
其中,s为所述配额基础量,s1为所述初始配额基础量,s2为预设的最大配额量,δ为预设系数,0<δ<1。
5.如权利要求1所述的基于区块链的碳资产交易方法,其特征在于,所述主管机构预测本年度碳排放的超标量的方法为:
获取各个重点排放单位对应的供应区域的历史用电量和历史用热量,并根据所述历史用电量和所述历史用热量确定本年度的碳排放增长量;其中,所述供应区域包含供电区域和供热区域;
获取各个重点排放单位的历史新能源使用率以及历史碳排放优化率,并根据所述历史新能源使用率和所述历史碳排放优化率确定本年度的碳排放降低量;
基于所述碳排放增长量和所述碳排放降低量确定本年度碳排放的超标量。
6.如权利要求5所述的基于区块链的碳资产交易方法,其特征在于,所述根据所述历史用电量和所述历史用热量确定本年度的碳排放增长量,包括:
将所述历史用电量和所述历史用热量输入至预先训练的碳排放预测模型中,得到本年度的碳排放预测量;
根据本年度的碳排放预测量与上一年度的历史碳排放量确定本年度的碳排放增长量。
7.如权利要求5所述的基于区块链的碳资产交易方法,其特征在于,所述根据所述历史新能源使用率和所述历史碳排放优化率确定本年度的碳排放降低量,包括:
将所述历史新能源使用率和所述历史碳排放优化率输入至预先训练的碳排放优化模型中,得到本年度的碳排放降低比例;
基于所述碳排放降低比例以及上一年度的历史碳排放量确定本年度的碳排放降低量。
8.如权利要求1所述的基于区块链的碳资产交易方法,其特征在于,所述基于区块链的碳资产交易方法还包括:
各个重点排放单位发布碳排放配额的第四通证以及所述第四通证的购买单价,由除本重点排放单位外的其他重点排放单位在区块链上竞价购买所述第四通证。
9.如权利要求1至8任一项所述的基于区块链的碳资产交易方法,其特征在于,所述第二通证的购买单价不高于所述第三通证的初始购买单价。
10.一种基于区块链的碳资产交易***,其特征在于,所述基于区块链的碳资产交易***用于实现如权利要求1至9任一项所述的基于区块链的碳资产交易方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310417086.7A CN116433377A (zh) | 2023-04-18 | 2023-04-18 | 基于区块链的碳资产交易方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310417086.7A CN116433377A (zh) | 2023-04-18 | 2023-04-18 | 基于区块链的碳资产交易方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116433377A true CN116433377A (zh) | 2023-07-14 |
Family
ID=87090483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310417086.7A Pending CN116433377A (zh) | 2023-04-18 | 2023-04-18 | 基于区块链的碳资产交易方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116433377A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709945A (zh) * | 2023-12-19 | 2024-03-15 | 广州番禺职业技术学院 | 一种基于数字货币技术的碳金融定向支付*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282335A (ja) * | 2007-05-14 | 2008-11-20 | Toshiba Corp | 発電事業用排出権取引リスク管理システムおよびその方法 |
JP2011134179A (ja) * | 2009-12-25 | 2011-07-07 | Chugoku Electric Power Co Inc:The | 二酸化炭素排出権の取引方法及び該方法のために用いるシステム |
CN109272405A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产交易方法及*** |
TW202006650A (zh) * | 2018-07-11 | 2020-02-01 | 美林能源科技股份有限公司 | 碳權交易系統與方法 |
CN114219342A (zh) * | 2021-12-23 | 2022-03-22 | 杭州溪塔科技有限公司 | 一种基于非同质化通证的碳资产管理方法及装置 |
CN114358497A (zh) * | 2021-12-07 | 2022-04-15 | 浙江数秦科技有限公司 | 基于区块链的碳排放权分配方法 |
US20230020417A1 (en) * | 2021-07-12 | 2023-01-19 | Johnson Controls Tyco IP Holdings LLP | Control system with adaptive carbon emissions optimization |
CN115829748A (zh) * | 2022-12-12 | 2023-03-21 | 国网浙江省电力有限公司经济技术研究院 | 基于多因子修正法的用能权交易与电力市场的协同设计方法 |
-
2023
- 2023-04-18 CN CN202310417086.7A patent/CN116433377A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282335A (ja) * | 2007-05-14 | 2008-11-20 | Toshiba Corp | 発電事業用排出権取引リスク管理システムおよびその方法 |
JP2011134179A (ja) * | 2009-12-25 | 2011-07-07 | Chugoku Electric Power Co Inc:The | 二酸化炭素排出権の取引方法及び該方法のために用いるシステム |
TW202006650A (zh) * | 2018-07-11 | 2020-02-01 | 美林能源科技股份有限公司 | 碳權交易系統與方法 |
CN109272405A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产交易方法及*** |
US20230020417A1 (en) * | 2021-07-12 | 2023-01-19 | Johnson Controls Tyco IP Holdings LLP | Control system with adaptive carbon emissions optimization |
CN114358497A (zh) * | 2021-12-07 | 2022-04-15 | 浙江数秦科技有限公司 | 基于区块链的碳排放权分配方法 |
CN114219342A (zh) * | 2021-12-23 | 2022-03-22 | 杭州溪塔科技有限公司 | 一种基于非同质化通证的碳资产管理方法及装置 |
CN115829748A (zh) * | 2022-12-12 | 2023-03-21 | 国网浙江省电力有限公司经济技术研究院 | 基于多因子修正法的用能权交易与电力市场的协同设计方法 |
Non-Patent Citations (2)
Title |
---|
李幸芝: "分布式绿色能源碳交易机制及碳数据管理的挑战", 上海交通大学学报, vol. 56, no. 8, 7 June 2022 (2022-06-07) * |
邵媛;张贯廷;: "发电企业碳资产情况分析与碳资产管理建议", 电力科技与环保, no. 06, 15 December 2016 (2016-12-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709945A (zh) * | 2023-12-19 | 2024-03-15 | 广州番禺职业技术学院 | 一种基于数字货币技术的碳金融定向支付*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Optimal operation and bidding strategy of a virtual power plant integrated with energy storage systems and elasticity demand response | |
Taşcıkaraoğlu | Economic and operational benefits of energy storage sharing for a neighborhood of prosumers in a dynamic pricing environment | |
Kempitiya et al. | An Artificial Intelligence framework for bidding optimization with uncertainty in multiple frequency reserve markets | |
Mokgonyana et al. | Optimal location and capacity planning for distributed generation with independent power production and self-generation | |
Xin-Gang et al. | The policy effects of feed-in tariff and renewable portfolio standard: A case study of China’s waste incineration power industry | |
Kota et al. | Cooperatives for demand side management | |
Niesten | Network investments and the integration of distributed generation: Regulatory recommendations for the Dutch electricity industry | |
Zhang et al. | Bi-level strategic bidding model for P2G facilities considering a carbon emission trading scheme-embedded LMP and wind power uncertainty | |
Valogianni et al. | A multiagent approach to variable-rate electric vehicle charging coordination | |
Khazaei et al. | Adapt: A price-stabilizing compliance policy for renewable energy certificates: The case of SREC markets | |
US20160140449A1 (en) | Fuzzy linear programming method for optimizing charging schedules in unidirectional vehicle-to-grid systems | |
CN110503309A (zh) | 基于主动需求响应的电动汽车充电调度方法 | |
CN116433377A (zh) | 基于区块链的碳资产交易方法及*** | |
CN102867228A (zh) | 一种等进度滚动编制月度发电计划的实现方法 | |
Achour et al. | Model predictive control based demand response scheme for peak demand reduction in a Smart Campus Integrated Microgrid | |
Sedeh et al. | Optimization of bidding strategy in the day-ahead market by consideration of seasonality trend of the market spot price | |
Akasiadis et al. | Decentralized large-scale electricity consumption shifting by prosumer cooperatives | |
Hajibandeh et al. | Prioritizing the effectiveness of a comprehensive set of demand response programs on wind power integration | |
Kurbatova et al. | Gain without pain: an international case for a tradable green certificates system to foster renewable energy development in Ukraine | |
Geiger | Strategic power plant investment planning under fuel and carbon price uncertainty | |
Qi et al. | Transactive energy for EV owners and aggregators: mechanism and algorithms | |
Haji-Aghajani et al. | A novel framework for planning of EV parking lots in distribution networks with high PV penetration | |
Soroush et al. | Review of different national approaches to supporting renewable energy development | |
CN111242438A (zh) | 自备电厂发用电资源灵活性调节能力的评估方法及*** | |
Al-Obaidi et al. | Adaptive optimal management of ev battery distributed energy for concurrent services to transportation and power grid in a fleet system under dynamic service pricing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |