Can China realize its carbon emission reduction goal in 2020: From the perspective of thermal power development

中国 火力发电站 自回归积分移动平均 环境科学 粒子群优化 环境经济学 发射强度 发电 功率(物理) 气象学 经济 数学 工程类 统计 地理 废物管理 数学优化 热力学 电气工程 物理 时间序列 考古 激发
作者
Liwei Liu,Haijing Zong,En-Guang Zhao,Chuxiang Chen,Jianzhou Wang
出处
期刊:Applied Energy [Elsevier]
卷期号:124: 199-212 被引量:134
标识
DOI:10.1016/j.apenergy.2014.03.001
摘要

This paper answers the question of whether China can realize its target to reduce the intensity of carbon dioxide (CO2) emissions per unit of GDP that was announced at the Copenhagen Conference by forecasting CO2 emission intensity in 2020 from the perspective of China’s coal-fired thermal power development. We construct a combined forecasting model with a grey model (GM(1, 1)), an autoregressive integrated moving average model (ARIMA) and a second order polynomial regression model (SOPR) and improve forecast accuracy by optimizing three coefficients of the individual aforementioned models with Particle Swarm Optimization (PSO). The results show that by 2020 thermal power generation will reach 7258.83 billion kW h, CO2 emissions will reach 17379.90 million tons, and CO2 emission intensity will be 0.21 kilogram per Yuan, which is almost twice as 40–45% of the 2005 level. It is warned that situation of meeting targets over the timescale by Chinese government is extremely serious if China’s coal-fired thermal power continues expanding at its current rate. The thermal power generation of 2020 that satisfies the emission reduction target should be controlled in an interval between 3801.45 and 4492.62 billion kW h. The regional forecasting results of coal-fired thermal power generation based on administrative region and economic belt demonstrate power output from coal-fired thermal power of East China and Eastern Economic Belt respectively account for 30.3% and 45.65% that of China by the end of 2020. Shanghai, Jiangsu, Zhejiang, Shandong and Fujian are thermal power generation concentrated areas with arduous task of carbon emission reduction by 2020.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xukai发布了新的文献求助10
刚刚
1秒前
zyyin完成签到,获得积分10
1秒前
李爱国应助李昕123采纳,获得10
1秒前
SCI完成签到 ,获得积分10
2秒前
破晓完成签到,获得积分10
2秒前
一叶知秋完成签到,获得积分10
3秒前
3秒前
FearNothing发布了新的文献求助10
3秒前
桐桐应助hsing采纳,获得10
4秒前
BunnyZ发布了新的文献求助10
4秒前
研友_VZG7GZ应助and999采纳,获得10
4秒前
wanghaowen完成签到,获得积分10
5秒前
Owen应助burrrrr采纳,获得10
6秒前
zjj完成签到,获得积分10
6秒前
Cassio完成签到,获得积分10
7秒前
T淋巴细胞发布了新的文献求助10
7秒前
李李完成签到 ,获得积分20
7秒前
7秒前
丘比特应助陈颜采纳,获得10
8秒前
8秒前
9秒前
李希有发布了新的文献求助10
10秒前
11秒前
12秒前
英姑应助wjx666777采纳,获得10
12秒前
zjj发布了新的文献求助10
13秒前
kerr完成签到 ,获得积分10
13秒前
WL发布了新的文献求助10
13秒前
14秒前
上官若男应助yang采纳,获得10
14秒前
hhhhr发布了新的文献求助10
14秒前
15秒前
小猫宝发布了新的文献求助10
16秒前
logical发布了新的文献求助10
16秒前
领导范儿应助任性雁露采纳,获得10
19秒前
19秒前
19秒前
20秒前
我是老大应助小王爱科研采纳,获得10
20秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158072
求助须知:如何正确求助?哪些是违规求助? 2809436
关于积分的说明 7881999
捐赠科研通 2467898
什么是DOI,文献DOI怎么找? 1313783
科研通“疑难数据库(出版商)”最低求助积分说明 630538
版权声明 601943