Page 112 - 电力与能源2024年第一期
P. 112
106 王妍艳,等:燃煤电厂二氧化碳排放的核算与管理分析
碳、氢元素含量和发热量分析及碳排放强度计算 煤质影响,并随机组平均负荷率的升高而降低。
指导原煤采购,改善燃煤品质,强化机组配煤管 (3)作为碳排放核算和控制的责任主体,电厂
理,从源头上控制碳排放量;②通过锅炉风煤配比 应加强碳排放管理,提高数据获取过程的规范性,
调整、燃烧过程优化等提高机组燃煤利用率,通过 保证数据的真实性和可靠性,建立和完善在线监
汽轮机的节能优化改造回收热量、降低损失来降 测方法,探索建立碳排放核算的不确定度分析方
低发电碳排放强度;③采用先进的控制系统,实现 法,采取节能降碳措施控制碳排放总量。
运行过程的参数优化和精准控制,定期进行设备 参考文献:
维护和检修,避免由于设备偏离最佳运行条件造 [1] 马学礼,王笑飞,孙希进,等 . 燃煤发电机组碳排放强度
.
成的能源浪费,降低供电碳排放;④通过风机、泵 影响因素研究[J] 热力发电,2022,51(1):190-195.
[2] 张丽欣,段志洁,燕百强,等 . 美国和欧盟温室气体管理
的变频改造、运行方式调整、减少不必要的设备运
机制对我国电力行业碳排放管理的启示[J] 中国电力,
.
行等降低厂用电率,进而降低供电碳排放;⑤研究 2013,46(5):77-82.
污泥和生物质掺烧技术,通过低碳燃料的掺烧降 [3] 生态环境部 . 企业温室气体排放核算与报告指南 发电设
.
.
低纳入碳排放核算的总量。 施 [S/OL] (2022-12-21)[2023-10-24] https://www.
mee. gov. cn/xxgk2018/xxgk/xxgk06/202212/W02022122
4 结语 1671986519778.pd.f
[4] 王霂晗 . 火电厂碳排放监测体系与核算方法的研究[D] .
(1)我国燃煤电厂碳排放核算以《指南》方法 南京:南京信息工程大学环境科学与工程,2020.
[5] 姚顺春,支嘉琦,付金杯,等 . 火电企业碳排放在线监测
为主,核算结果的准确性受到燃料量统计、煤质分
技 术 研 究 进 展[J] 华 南 理 工 大 学 学 报(自 然 科 学 版),
.
析及排放因子等因素的影响;在线监测方法的数
2023,51(6):97-108.
据实时性强、核算受人为影响小,但可靠的流速测 [6] 郭 振,王小龙,任 健,等 . 二氧化碳排放连续在线监
.
定是提高在线监测法数据质量的关键。建立科学 测 过 程 的 模 拟 与 不 确 定 度 评 定[J] 计 量 学 报 ,2022,43
(1):120-126.
有效的碳排放核算体系对电厂参与碳排放交易具
[7] 裴 冰,刘通浩,杨文雨,等 . 典型燃煤电厂机组二氧化
有重要意义。 碳排放测试及核算研究[J] 中国环境监测,2023,39(2):
.
(2)分别采用《指南》方法和在线监测方法对 225-231.
[8] 高建强,宋铜铜,杨东江 . 燃煤发电机组碳排放折算方法
320 MW 燃煤机组进行碳排放核算,结果表明两
.
研究与应用[J] 热力发电,2020,49(2):88-92.
种方法核算结果的相对偏差为 2.8%~5.1%,在 收稿日期:2023-10-19
线监测法所得结果相对较低;机组碳排放强度受 (本文编辑:赵艳粉)
(上接第 94 页)
[2] 陈 曙,高燕武 . 超超临界火电机组低低温省煤器的优化 机械工业出版社,1976.
.
改造[J] 电力与能源,2023,44(1):65-67. [9] 樊泉桂 . 分隔屏过热器传热计算方法的研究[J] 华北电力
.
[3] 胡志宏,杨兴森,王 军,等 . 1 000 MW 超超临界锅炉燃 大学学报,1992(3):78-84.
烧优化调整[J] 锅炉技术,2008,39(4):42-46. [10] 王孟浩,王 衡,郑民牛,等 . 超临界和超超临界锅炉运行
.
[4] 张 皓,李超凡 . 基于系统动力学对燃煤电厂配煤掺烧经 中的几个问题[J] 热力发电,2010(2):14-17.
.
济效益的研究[J] 电力与能源,2018,39(6):897-901. [11] 杨 栋,王忠元 . 锅炉高温受热面管束寿命在线监测技术
.
[5] 强 波,唐海宁 . 超临界锅炉增容提效升参数改造综合分 研究[J] 中国电力,2004,37(4):13-16.
.
.
析[J] 电力与能源,2018,39(3):430-432. [12] 卞韶帅,朱懿灏,刘 峻,等 . 基于大数据挖掘的发电设备
[6] 孙 越 . 配煤掺烧对水冷壁管使用性能的影响及应对措施 状态监测与故障诊断系统的开发与应用[J] 电力与能源,
.
.
[J] 电力与能源,2018,39(6):889-891. 2020,41(5):571-574.
[7] 邱锡鹏 . 神经网络与深度学习[M] 北京 :机械工业出版 收稿日期:2023-10-28
.
社,2020. (本文编辑:赵艳粉)
[8] 全苏热工研究所 . 锅炉机组热力计算标准方法[M] 北京:
.