基于公共数据估算基于消费的电力碳排强度：东京大都市区的清洁生产框架

《Journal of Cleaner Production》：Estimating consumption-based electricity carbon emission intensity from public data: A cleaner production framework for the Tokyo Metropolitan Area

　　

研究人员开发了基于调度的模型，用于高分辨率的碳排强度（CEI）估算。研究人员估算了东京大都市区（TMA）14个区域的30分钟CEI。研究结果揭示了区域CEI在空间和时间上的强烈差异性。研究识别出高CEI热点区域为埼玉北部和多摩地区。研究量化得出其排放量比东京碳排放权交易计划的估算值高出约23%。

全球与能源相关的CO₂排放量在近年创历史新高，电力部门作为主要排放源，具有巨大的减排潜力。为实现这一潜力，需要在空间和时间尺度上对碳排强度（CEI，通常以kgCO₂/kWh表示）进行细化的量化分析，以支持有针对性的减排措施和实时需求侧管理。然而，在人口稠密的城市地区如东京大都市区（TMA），复杂的电力需求模式、混合的发电组合以及多样的电网基础设施导致碳排放强度存在显著异质性。以往的研究大多依赖自下而上的年度或月度清单，或自上而下的大气测量，难以捕捉电力相关排放的短期波动和空间特异性。此外，电力生产与消费在空间上的解耦，使得基于消费的CEI与基于发电的估计值产生显著差异。为解决这些问题，研究人员开展了一项新研究，开发了一个仅使用公开数据估算TMA合成30分钟区域基于消费的电力CEI的新框架。研究得出结论：基于消费的CEI在时空上存在显著差异，且估算结果与系统级报告值一致。该研究的重要意义在于将公开的电力数据转化为可供企业、设施和城市政策制定者使用的可操作碳管理信号，支持动态时空排放分配。该论文发表在《Journal of Cleaner Production》上。

研究人员采用了时空分析框架，主要包含经济调度碳排（ED-CE，一种简化的核算框架）模型和网络约束碳排（NC-CE，用于基准测试的物理约束模型）。研究使用了来自东京电力公司（TEPCO）网站2024年3月至2025年3月的30分钟间隔公开能源发电数据、14个区域的月度电力消费数据，以及来自电力广域运营推进机构（OCCTO）的108个发电机组数据。样本队列来源为TMA的14个行政区域（包括东京区、多摩地区等）。在ED-CE模型中，通过月度和日内需求分配方法将总需求分解到各区域，利用经济调度算法结合邻居优先分配策略进行盈余电力再分配，并结合优化后的生命周期排放因子估算各区域CEI。此外，研究使用NC-CE模型在Pandapower中进行交流潮流模拟以评估空间分配假设的敏感性。

4.1 区域级年度电力碳排放
通过比较月度和日内需求分配方法估算区域年度碳排放，研究发现日内方法将电力需求重新分配至白天商业活动较强的区域，导致东京区排放增加而多摩地区和埼玉北部排放减少。东京区因人口密集和工业集中成为最大排放区域。研究还指出，该研究估算的工业和商业排放量高于东京碳排放权交易计划的报告值，这主要是由于核算边界和部门覆盖范围的差异，而非官方清单的低估。

4.2 季节性电力碳排放
通过分析季节性排放模式，研究发现冬季和夏季的排放量最高，分别归因于供暖和制冷需求的增加。日内分配方法将排放集中在高度城市化的区域，而月度方法则将排放更均匀地分布在相邻的城市和郊区。

4.3 日内电力碳排强度
通过对特定日的日内CEI进行时空分析，发现夜间和清晨时段在东京区、多摩地区和埼玉北部出现较高的CEI，这反映了高峰需求期间对化石燃料的依赖。而白天时段千叶、茨城南和川崎等地区CEI较低，得益于太阳能光伏发电的增加。

4.4 月度和年度电力碳排强度
通过对比月度和年度平均CEI，研究发现埼玉北部和多摩地区由于严重依赖化石燃料，月度和年度CEI最高。而茨城南由于生物质、风能和太阳能比例较高，年度CEI最低（0.26 kgCO₂/kWh）。日内模型显示东京区的年度CEI高于月度模型估算值，表明时间需求分解将消费重新分配到了城市化区域。

4.5 估算年度电力碳排强度与TEPCO数据对比
通过将模型估算值与TEPCO报告的历史年度CEI对比，发现估算值（0.438-0.457 kgCO₂/kWh）与系统级观测值（0.475 kgCO₂/kWh）基本一致，且落在2024财年修订后的报告系数范围内，证明了模型估计排放因子的稳健性。

4.6 空间分配的敏感性分析
通过将邻居优先分配与随机分配基准进行50次模拟对比，研究发现高排放区域在不同分配规则下均被一致识别，说明主要空间CEI模式对分配不确定性具有稳健性。但部分高度城市化区域的绝对排放量对特定分配规则较为敏感。

在讨论部分，研究人员指出基于年度平均因子的清洁生产策略可能会忽视运营减排的机会。研究建议在埼玉北部等晚高峰高CEI区域优先部署电池储能，并设计分时碳关税以激励需求转移。同时，研究强调了核算边界对与东京碳排放权交易计划数值差异的影响。在研究结论部分，研究人员总结道，本研究开发了一个适用于数据稀疏大都市区的、可复制的合成30分钟基于消费的电力CEI估算框架。ED-CE模型作为主要的可复制简化核算框架，结合了经济调度和邻居优先分配方法，能够在缺乏详细电网数据的情况下重构时空合成排放模式。NC-CE模型作为基准测试工具，证实了ED-CE估计的合理性。实证结果揭示了TMA电力相关碳排放和CEI在时间和空间上的显著差异，高排放和高强度区域集中在东京区、多摩地区、埼玉北部和横滨。尽管存在未能显式考虑详细电网拓扑和分布式光伏的局限性，但该框架证明了即使缺乏详细的电网级测量数据，也能从公开数据中提取有意义的、具有政策相关性的见解，为其他数据可用性有限的大都市区提供了可借鉴的方法论。