模型简介：

中文名：LEAP模型

外文名：Long Range Energy Alternatives Planning System/ Low emission analysis platform

   采用部门分析法建立的LEAP模型（长期能源可替代规划模型）是一种自下而上的能源-环境核算工具，由斯德哥尔摩环境研究所和美国波士顿大学联合研发。该模型与情景分析法紧密结合，可用于预测不同发展条件下中长期能源供应、能源供应转换、能源终端需求及污染气体排放（温室气体CO₂等），综合考虑人口、经济发展、交通运输周转量、技术、价格等因素对能源-环境发展的影响。

   LEAP模型允许研究者根据研究目的、数据可获取度、研究对象特点等灵活构建模型结构，十分适用于能源数据不全面情况，现已广泛应用于国家、区域、部门、行业的能源战略研究中。掌握该模型不仅有助于高校及科研院所工作人员从事能源系统评价诊断、低碳节能发展技术研判等能源系统工程相关工作，也可为政府决策提供技术支持。特别是可应用于风光储、氢能一体化利用策略在全社会能源供应系统中的作用、电动汽车对终端能源需求及碳排放的影响等热点问题。

模型效果：

掌握LEAP模型操作及应用，可结合实例来全面掌握能源供应转换、能源需求及碳排放预测中的基础数据搜集及处理、能源平衡表核算、模型框架构建、模型操作、情景设计、结果分析、优化、预测结果不确定性分析等。

掌握leap模型，可实现不同能源系统数据核算及能源现状评价，可构建基本的能源需求及供应分析模型、

可构建细化的能源需求情景分析模型、对情景进行成本效益分析、对非能源活动的温室气体排放进行分析

构建交通部门减排模型、预测结果不确定分析。及应用多种数据处理方法以测算模型输入数据预测年内变化情况

加V；xiao5kou4chang6kai4   可了解详情，领取软件

模型理论及案例： 

LEAP建模理论基础

能源需求及碳排放预测方法

1.1.1 能源系统工程基础理论及典型研究内容

1.1.2典型能源需求及碳排放预测方法和模型

1.1.3 LEAP模型计算原理

能源需求为活动水平和活动强度之积：

其中ED是总的能源需求量，AL是活动水平，EI是能源强度；i，j 和 k分别代表不同的部门、设备和燃料

温室气体排放量为活动水平和排放因子之积：

其中ET是总的温室气体排放量，AL是活动水平（能源消费量或者工业产出），EMI是排放因子；i，j 和 k分别代表不同的部门、设备和燃料

1.2 LEAP软件操作基础

1.2.1 LEAP软件安装与注册

1.2.2 LEAP软件设置、主要模块及基本操作

1.2.3 LEAP软件模型构建基本原理和数据结构

1.3 情景分析法

介绍情景分析法原理及其与LEAP模型的结合使用。

1.4 能源及碳排放数据获取方式

1.4.1 经济、人口、工业产品产量、交通运输周转量：统计年鉴;GDP的不变价、可比价换算；

1.4.2 能源：行业年鉴、统计年鉴能源篇、政府报告、电力消费、发展规划、标准规范等；能源平衡表读取分析、能源平衡流动图绘制；明确能源统计报表，了解我国能源统计制度；

1.4.3温室气体排放：历年温室气体排放清单、统计年鉴、技术标准、实验数据、文献报告等。

基于LEAP模型的能源需求预测模型构建

结合情景分析法的基本能源需求预测模型构建

2.1.1 需求模块主要功能和计算方法

2.1.2 案例描述及基本参数设置：标准单位（标吨煤、净现值）、基年、基期、参考情景等

2.1.3 需求侧模型构建

- 需求树形图绘制

- 基年账户数据录入：城镇居民及农村家庭能源消费数据（家庭数及各能源品种消费强度）

2.1.4 参考情景创建及结果分析

- 参考情景创建：预测年内人口结构及能源消费强度变化率

- 以图表方式查看结果

2.1.5 节能政策效果量化：高效照明及冰箱

- 创建节能情景，输入各节能措施下能源强度的预测年内变化率

- 查看结果并与参考情景结果比较

2.2 不同部门、情景下的细化需求侧模型构建

2.2.1 细化需求侧部门模型：工业、交通及商业建筑

2.2.2 工业

- 细化为能源密集型产业（钢铁和制浆造纸）和其他所有行业

- 基年账户数据录入：活动水平（产值或产量）、活动强度（过程热、电力、油气煤等化石能源消耗强度）

- 参考情景创建：使用Time Series Wizard设置各参数预测年变化情况

- 结果查看及分析

2.2.3 交通部门

- 细化为客运交通（小汽车、公共汽车及铁路）及货运交通（公路货运及铁路货运）

- 基年账户数据录入：活动水平（周转量、运输里程）、活动强度（单位里程耗油量、能源强度）

- 参考情景创建：周转量、轿车占比以及人均货运需求增长率、能源效率提高率

- 结果查看及分析

2.2.4 商业建筑

- 细化为多种燃料和技术下的采暖、制冷、供电等有效能源分析

- 基年账户数据录入：活动水平（建筑面积）、活动强度（终端能源消费等价热值、供热技术效率）、燃料消费比例等

- 参考情景创建：建筑面积、能源强度及供热技术效率变化率

- 结果查看及分析

2.2.5 总体能源需求分析

- 分部门、子部门、能源品种、年份、情景下能源需求预测

基于LEAP模型的能源供应预测模型构建

3.1 结合情景分析法的基本能源供应预测模型构建

3.1.1 能源供应转换模块主要功能及计算方法

3.1.2 基础供应侧模型构建及参数设置

-能源输入、转化模型框架图绘制

-基年账户数据录入：发电、输配电、天然气输配等模块设置

-电网供电稳定性、电力调度原则、电网负荷变化、不同发电技术特征等参数设置

3.1.3参考情景创建及结果分析

-参考情景创建：电厂建设、发电效率、能源运输效率等年度变化情况

-重点关注各发电形式间的调度原则

-查看各发电方式电力贡献率等结果

3.1.4 能源流动情况诊断

-基于能源流动图分析该案例能源供应及消费平衡情况

-研判参考情景下能源发展态势

3.1.5 能源供应侧节能措施效果量化

节能政策：输配电损失减少、电力系统负荷系数改进

不同能源品种、情景下的细化供应侧模型构建

3.2.1 细化能源转换模型：木炭生产、电力、炼油和煤炭开采

3.2.2 木炭生产

模拟单能源品种输入单能源品种产出的能源转换流程

-建立标准模块：木炭产量、不同技术转换效率（技术替代）

3.2.3 电力生产

模拟多能源品种输入单能源品种产出的能源转换流程

-调整发电系统容量以配合电量需求：水电、煤电、燃油发电

-新能源发电新增容量规划

3.2.4 炼油

模拟单能源品种输入多能源品种产出的能源转换流程

-炼油厂效率、产品种类及各产品产量

3.2.5 煤炭开采

模拟本地能源开采

-煤炭开采能力、煤矿厂效率

3.2.6 资源情况

模拟不同能源品种的本地生产、调入调出情况

-区分生产资源、进口资源

-区分化石燃料储备、可再生能源产量

3.2.7 逐年、逐情景能源系统图、能源平衡表分析比较

第四章基于LEAP模型的温室气体及其他空气污染物排放预测模型构建

4.1 结合情景分析法的基本排放预测模型构建

4.1.1 排放模块主要功能和计算方法

4.1.2 温室气体及其他空气污染物排放模型构建

-明确污染物类型和污染物来源：能源及非能源过程（工业过程、碳汇等）

-污染物排放因子录入及TED数据库使用及编辑

-基于能源供应及消费模块的构建，链接IPCC排放因子库或者自行添加排放因子，可采用多种方法定义排放因子

4.1.3 参考情景构建及结果分析

-查看参考情景下各大气污染物预测结果

4.1.4 节能政策情景构建

-查看节能政策对各大气污染物排放的影响

4.2 结合情景分析法的非能源来源排放预测模型构建

4.2.1 非能源来源排放类型

-工业流程和产品使用、农业林业其他土地使用、废弃物

4.2.2 案例整体描述及基础参数设置

4.2.3 模型构建及基年账户数据录入

-制冷空调行业排放HFC

-与EXCEL链接，直接输入排放因子逐年值

-粪便管理中产生的甲烷、一氧化二氮

-设定自定义变量，实现基于不同活动水平的排放因子

4.2.4 基础情景设置

-非能源来源排放活动水平及排放强度设置

-全球变暖潜力值等结果比较

4.2.5 沼气发电情景设置

-发电模块中设置沼气发电技术参数

非能源排放部门对应减排量设置

第五章基于LEAP模型的能源需求及碳排放预测实例示范

基于LEAP的典型能源输入型城市能源需求预测实例操作

5.1.1数据搜集及模型结构划分

-根据数据可获得性，基于经济和能源统计表将模型划分如下，综合考虑宏观经济社会发展、能源环境政策及能源技术水平的影响。

5.1.2 基年能流图绘制

5.1.3 情景设置

-结合平均增长率法、计量经济学模型（ARIMA模型等）、人口预测模型（Leslie模型）等方法，考虑不同政策设置多种情景：

-基础情景：能源需求在过去的基础上自然发展(BS)

-不同经济增速情景：高、低经济增长速度(HGDP、LGDP)

-不同产业结构情景：高、低第二产业占比(HIS、LIS)

-节能情景：技术进步及设备升级引起的能源强度降低(ES)

-综合情景：综合考察GDP增速、第二产业占比及能源强度变化(MBS、MSS)

5.1.4 结果对比

-定量分析GDP增速、产业结构及节能目标对该市能源需求的影响

-重点部门节能政策效果量化

-能源发展情况研判及政策建议

5.1.5 预测结果不确定性分析

-基于蒙特卡洛法，采用与EXCEL链接的水晶球软件，操作简单

-构建函数，确定估计变量和需求参数

-确定参数的概率分布，包括正态分布、对数正态分布等

分析指定情景、指定年份下的能源需求总量分布曲线及不确定性敏感性分析

5.2 基于GREAT模型的省市一级能源政策分析和排放评估示例

5.2.1 基于GREAT模型的能源需求模块构建

-生活用能：城市、农村；电力、天然气等；照明、家电用电

-商业用能

-交通用能

-工业用能：钢铁、水泥、铝工业、造纸业、玻璃工业等

-农业用能

5.2.2 基于GREAT模型的能源转换模块构建

-输配电

-热力生产和供应

-发电

-石油开采

-焦化

-天然气开采

-煤炭开采

5.2.3 控制变量设置

-生活电耗强度指数

-工业电耗强度指数

-农业燃料消耗强度指数等

5.2.4 基于GREAT模型的排放模块构建

-电力间接排放或直接排放计算等

5.2.5 情景设计及结果分析 

5.3 LEAP用于碳达峰预测注意事项

5.3.1 省级温室气体排放编制指南解读

5.3.2 省级温室气体排放排放部门划分与能源消费统计的区别

5.3.3 排放因子和折标煤系数统一

5.3.4 碳排放强度、减排空间、非化石能源占比等指标设定

第六章LEAP模型成本效益分析专题

.1基于LEAP模型的成本效益分析简介

6.1.1 成本计算方法和分类

-预测年限内需求、转换、一次能源及输入能源、外部环境中所有成本

-能源需求的资本成本、运行和维护成本，能源节约的成本

-能源转换资本成本、固定成本、运行及维护成本

-本土资源的成本

-进、出口燃料的成本

-污染物排放的外部成本

-用户自定义成本等

6.1.2 成本计算系统边界和经济参数含义

-需求侧、部分能源系统和整体能源系统

-贴现率、燃料成本、设备投资成本、能源效率提升成本等经济参数

6.2 示例整体描述

6.2.1成本数据参数输入和模型设置

-技术渗透

-技术性能

-技术成本

6.2.3 政策情景创建

-高效照明

-节能冰箱

-压缩天然气公交车

-天然气和可再生能源

-工业效率提升

6.2.4 成本效益结果分析

-成本效益分析表

-不同情景下节能减排净现值

边际减排曲线

第七章 LEAP模型交通运输及碳排放专题

7.1 基于库存周转率法的交通部门建模

7.1.1 库存周转率法含义及使用

-销售量

-库存量

7.1.2 车辆性能随车龄分布曲线设定

-行驶里程数

-能源效率

-排放因子

7.2 示例整体描述

7.2.1 模型构建及基本设置

-模型架构设置

轿车、运动多功能车（SUV）数量（分为柴油车、汽油车、混合动力车及电动车）

7.2.2 基年账户车辆参数输入

-车辆年龄及库存销售量函数关系

-车辆耗油量及耗油量与车辆年龄关系

-车辆行驶里程数

7.2.3 基年账户排放因子录入

-二氧化碳、氮氧化物、一氧化碳及可吸入颗粒

-根据各车型输入其排放因子

7.2.4 参考情景设置（BAU）

-无新政策减少燃料使用及排放

-预测年内各参数变化率

7.2.5 政策情景设置

-燃油经济性提高（Improved fuel economy）

-混合动力电动汽车、电动汽车市场占有率提升(Hybrid)

-柴油轿车和柴油SUV车市场占有率提升（Diesel）

-新尾气排放标准（Tailpipe Emissions Standard）

-轿车推广力度高于SUV(Fewer SUVS)

-组合情景（Combined）

7.2.6 结果分析

第八章LEAP模型电力系统优化专题

8.1 LEAP优化模块基本原理

-优化方法的分类和简介

-NEMO和Julia平台的使用和介绍

8.2以发电成本最小化为目标的发电模块优化示例

-可用于新能源装机配置和电网调度研究

8.2.1多种发电技术特性数据

-成本

-装机容量

-系统负荷曲线

-规划储备余额

-效率

-各技术排放因子

8.2.2 导入小时负载数据建立载模型

-时间片段

-每小时的点子表格数据（EXCEL）

-年度变化

-系统能源负荷曲线

8.2.3 情景设置

-仅天然气发电

-仅核能发电

-仅水力发电

-仅风能发电

-仅光伏光热发电

-仅燃煤发电

8.2.4 单独发电模式情景结果查看

-社会成本

-规划装机容量

-温室气体排放量等外部价值

8.2.5 最小发电成本优化配置情景

-使用NEMO进行优化

-得到优化的发电技术组合和调度分配情况

-选择优化变量及优化情景

8.3 储能模块构建

-NEMO框架储能模块的使用

-优化储能模块大小及储放时间

8.4 约束条件下的最低发电成本优化模型

-建立排放约束

-建立最低可再生能源利用率约束

-寻找在约束条件下最低发电成本情景

转载本文请联系原作者获取授权，同时请注明本文来自李璐科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3559456-1387455.html

上一篇：[转载]Nature Geoscience: 过去一千年大气CO2浓度、陆地碳库和气候之间的联系
下一篇：Python机器学习、深度学习技术如何提升气象、海洋、水文领域实践应用能力？？？