Повышающий коэффициент на электроэнергию с 2018 года: Повышающий коэффициент при отсутствии ипу

Содержание

Повышающий коэффициент при отсутствии ипу

]]>

Подборка наиболее важных документов по запросу Повышающий коэффициент при отсутствии ипу (нормативно–правовые акты, формы, статьи, консультации экспертов и многое другое).

Судебная практика: Повышающий коэффициент при отсутствии ипу

Открыть документ в вашей системе КонсультантПлюс:
Подборка судебных решений за 2020 год: Статья 155 «Внесение платы за жилое помещение и коммунальные услуги» ЖК РФ
(Арбитражный суд Уральского округа)Именно управляющая компания вправе получать с собственников и нанимателей помещений плату за коммунальную услугу в установленном размере, в том числе увеличенную на соответствующий повышающий коэффициент в связи с отсутствием индивидуальных приборов учета. Расходование денежных средств, полученных от применения повышающих коэффициентов, должно осуществляться в интересах конкретного дома исходя из перечня работ (услуг) по управлению, надлежащему содержанию и ремонту общего имущества дома, в том числе обеспечивающих соблюдение требований законодательства Российской Федерации об энергосбережении и о повышении энергетической эффективности (Определение Верховного Суда Российской Федерации от 13. 09.2019 N 302-ЭС18-21882).

Открыть документ в вашей системе КонсультантПлюс:
Подборка судебных решений за 2018 год: Статья 157 «Размер платы за коммунальные услуги» ЖК РФ
(В.Н. Трофимов)Суд, анализируя ч. 1 ст. 157 ЖК РФ, п. 42 Правил предоставления коммунальных услуг собственникам и пользователям помещений в многоквартирных домах и жилых домов (утв. Постановлением Правительства РФ от 06.05.2011 N 354), п. 25 Правил установления и определения нормативов потребления коммунальных услуг и нормативов потребления коммунальных ресурсов в целях содержания общего имущества в многоквартирном доме (утв. Постановлением Правительства РФ от 23.05.2006 N 306), пришел к выводу о том, что в указанных нормативных актах не упоминается о применении повышающих коэффициентов к нормативам потребления услуги по водоотведению. При этом суд согласился с судами нижестоящих инстанций, по мнению которых, поскольку действующее законодательство не обязывает собственников помещений оснащать многоквартирные дома и квартиры приборами учета сточных вод, то при отсутствии индивидуальных приборов учета холодного и горячего водоснабжения и наличии общедомовых приборов учета объем водоотведения при расчетах между исполнителем коммунальных услуг и ресурсоснабжающей организацией следует определять исходя из базовых нормативов по холодному водоснабжению и горячему водоснабжению, без применения повышающего коэффициента.

Статьи, комментарии, ответы на вопросы: Повышающий коэффициент при отсутствии ипу

Открыть документ в вашей системе КонсультантПлюс:
«Годовой отчет. Жилищно-коммунальное хозяйство — 2020»
(под общ. ред. д. э. н. Ю.А. Васильева)
(«БиТуБи», 2020)Ответственность за учет электрической энергии, в том числе установку, своевременную замену и поверку приборов учета электрической энергии в МКД, с 01.07.2020 возложена на гарантирующих поставщиков (Федеральный закон от 27.12.2018 N 522-ФЗ, Письмо Минэнерго РФ от 17.09.2020 N ПГ-5780). Поэтому потребителю коммунальных услуг плата за потребление электроэнергии с 01.07.2020 не может быть рассчитана с применением повышающего коэффициента по причине отсутствия индивидуального или общего (квартирного) прибора учета электрической энергии (см. также п. 4, 26(1) Расчета размера платы за коммунальные услуги, приведенного в приложении 2 к Правилам предоставления коммунальных услуг).

Нормативные акты: Повышающий коэффициент при отсутствии ипу

О порядке применения нормативов потребления коммунальных услуг с учетом повышающих коэффициентов для нанимателей жилых помещений по договорам социального найма государственного жилищного фонда Санкт‑Петербурга, по договорам найма жилого помещения государственного жилищного фонда Санкт‑Петербурга коммерческого использования, по договорам найма специализированного жилого помещения государственного жилищного фонда Санкт‑Петербурга.

В соответствии с частью 5 статьи 13 Федерального закона № 261-ФЗ «Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации» (далее — Федеральный закон № 261-ФЗ), собственники жилых домов обязаны обеспечить оснащение коллективными (общедомовыми) приборами учета используемых коммунальных ресурсов (далее – ОДПУ), также собственники жилых (нежилых) помещений в многоквартирных домах (далее — собственники) обязаны обеспечить оснащение указанных объектов индивидуальными и общими (для коммунальных квартир) приборами учета используемых коммунальных ресурсов: холодной и горячей воды, тепловой энергии, электрической энергии (далее – ИПУ).

В случае неисполнения собственниками требований Федерального закона № 261-ФЗ, расчет платы за коммунальные услуги по холодному и горячему водоснабжению, отоплению и электроснабжению, должен производиться с применением нормативов потребления коммунальных услуг по холодному и горячему водоснабжению, водоотведению, отоплению и электроснабжению с учетом повышающих коэффициентов.

Согласно пункту 3.7-1 Положения о Комитете, утвержденного постановлением Правительства Санкт‑Петербурга от 13.09.2005 № 1346, к полномочиям Комитета относится утверждение нормативов потребления коммунальных услуг. С 01.09.2012 на территории Санкт‑Петербурга применялись нормативы потребления коммунальных услуг, утвержденные распоряжением Комитета от 22.08.2012 № 250-р «Об установлении нормативов потребления коммунальных услуг на территории Санкт‑Петербурга».

В сентябре 2015 года Комитет осуществил перерасчет нормативов потребления коммунальных услуг, как индивидуального потребления, так и на общедомовые нужды, с применением метода аналогов. В связи с этим было издано распоряжение от 09.09.2015 № 97-р «Об установлении нормативов потребления коммунальных услуг на территории Санкт‑Петербурга с применением метода аналогов», которое также содержит нормативы потребления коммунальных услуг с учетом повышающих коэффициентов (при наличии технической возможности установки ИПУ и ОДПУ).

Для определения наличия (отсутствия) технической возможности установки ИПУ и ОДПУ утверждены критерии наличия (отсутствия) технической возможности установки данных приборов учета, предусмотренные приказом Минрегиона России от 29.12.2011

№ 627. При отсутствии технической возможности установки приборов учета, повышающий коэффициент не применяется.

В части расчета платы за коммунальные услуги, предоставляемые нанимателям жилых помещений по договорам социального найма государственного жилищного фонда Санкт‑Петербурга, по договорам найма жилого помещения государственного жилищного фонда Санкт‑Петербурга коммерческого использования, по договорам найма специализированного жилого помещения государственного жилищного фонда

Санкт‑Петербурга (далее – наниматели) с применением нормативов потребления коммунальных услуг с учетом повышающих коэффициентов, основываясь на позиции Жилищного комитета, сообщаем следующее.

Согласно пункту 3 статьи 19 Жилищного кодекса Российской Федерации (далее – ЖК РФ) в зависимости от целей использования жилищный фонд подразделяется, в том числе на жилищный фонд социального использования — совокупность предоставляемых гражданам по договорам социального найма жилых помещений государственного и муниципального жилищных фондов, а также предоставляемых гражданам по договорам найма жилищного фонда социального использования жилых помещений государственного, муниципального и частного жилищных фондов (далее – жилищный фонд социального использования). Жилищный фонд в соответствии с пунктом 4 статьи 19 ЖК РФ подлежит государственному учету в порядке, установленном постановлением Правительства Российской Федерации от 13.10.1997 № 1301 «О государственном учете жилищного фонда в Российской Федерации».

Принимая во внимание, что жилищный фонд социального использования, предоставляемый нанимателям на территории Санкт‑Петербурга, принадлежит на праве собственности субъекту Российской Федерации – Санкт‑Петербургу, обязанность по оснащению жилищного фонда социального использования ИПУ и ОДПУ возложена на собственника зданий и жилых помещений, то есть на Санкт‑Петербург, в лице уполномоченных органов в случае, если договором найма не предусмотрена обязанность нанимателя по установке ИПУ и ОДПУ.

Лица, не исполнившие в установленный срок обязанности по оснащению жилых помещений приборами учета, должны обеспечить допуск ресурсоснабжающих организаций к местам установки приборов учета и в последующем оплачивать равными долями в течение пяти лет с даты установки приборов учета расходы указанных организаций на установку этих приборов учета при условии, что ими не выражено намерение оплатить такие расходы единовременно или с меньшим периодом рассрочки.

На оснащения зданий и жилых помещений ИПУ и ОДПУ, в части исполнения обязательств Санкт‑Петербурга, как собственника, Законом Санкт‑Петербурга от 02.12.2015 № 747-145 «О бюджете Санкт‑Петербурга на 2016 год и на плановый период 2017 и 2018 годов» предусмотрены средства по целевой статье 9900000610 «Расходы на содержание и ремонт жилых и нежилых помещений, являющихся собственностью Санкт‑Петербурга».

По мнению Комитета в целях соблюдения норм действующего законодательства, в договоре найма должны быть предусмотрены условия и порядок оплаты коммунальных и жилищных услуг.

Жителей Самарской области не коснется увеличение коммунальных платежей из-за отсутствия общедомовых приборов учета.

В то время как управляющие организации Самарской области из-за отсутствия общедомовых счетчиков в октябре заплатят за горячую воду на 50% больше.

Самарский филиал ОАО «ЭнергосбыТ Плюс» в сентябре выполнит начисления за тепло и горячую воду управляющим компаниям, ТСЖ и ЖСК Самары и Тольятти с учетом повышающих коэффициентов на норматив потребления. Это касается тех жилищных организаций, которые не установили общедомовые приборы учета (ОДПУ) до 1 сентября 2018 года.

В соответствии с действующим законодательством наличие ОДПУ является обязательным. В случае его отсутствия и при наличии технической возможности установки, ежемесячные расчеты производятся с применением повышающего коэффициента за тепло — 1,1, за горячую воду – 1,5.

Согласно Пункту 22 Постановления от 14 февраля 2012 г. N124 О правилах, обязательных при заключении договоров снабжения коммунальными ресурсами этот коэффициент ресурсники могут выставить управляющим организациям. Граждан это никак не касается, на них перевыставить УК не могут.

Энергетики предупреждают, в случае увеличения счетов собственникам жилья рекомендуется обращаться в Государственную жилищную инспекцию. А также необходимо проверить свои УК, ТСЖ и ЖСК на наличие общедомовых приборов учета (если же счетчики отсутствуют, то необходимо потребовать исполнителей коммунальных услуг произвести их монтаж).

В Самарской области 21085 многоквартирных домов. Из них более 64% оснащены общедомовыми счетчиками на отопление. 8648 МКД получают коммунальный ресурс «Горячая вода», из них около 60% имеют общедомовые приборы учета. Посмотреть оснащен ли дом общедомовым счетчиком можно в системе ГИС ЖКХ (https://dom.gosuslugi.ru)

«При наличии технической возможности УК, ЖСК, ТСЖ обязаны устанавливать обещедомовые приборы учета и следить за их исправностью, своевременно производить поверку и замену. Те же исполнители коммунальных услуг, кто проигнорировал постановление Правительства, будут платить на 10% больше за тепло и на 50% — за ГВС», — отметил директор Самарского филиала ОАО «ЭнергосбыТ Плюс Константин Дзюин.

При установленных приборах учета и своевременной передаче показаний, повышающий коэффициент не применяется. Начисления производятся по показаниям приборов учета и установленным тарифам.

Белгородэнергосбыт | Официальный сайт

Количество потреблённой электроэнергии измеряется в киловатт-часах, сокращенное наименование — кВт∙ч. Один кВт∙ч – это количество энергии, которую потребляет устройство мощностью один киловатт (1000 Вт) за один час.

Стоимость 1 кВт∙ч называется тарифом. Он формируется согласно «Методическим указаниям по расчёту регулируемых тарифов и цен на электрическую (тепловую) энергию на розничном (потребительском) рынке», утверждённым приказом Федеральной службы по тарифам РФ от 06.08.2004 № 20-э/2.

Независимо от вида тариф для населения состоит из четырёх частей (ст. 10 разд. III Приложения к приказу ФСТ РФ № 20-э/2):

1. Стоимость производства ресурса.

В тариф включается стоимость кВт∙ч электроэнергии у производителя (ГЭС, ГРЭС, ТЭЦ и др. ), который её продаёт на оптовом рынке.

2. Цена услуг по передаче электроэнергии.

От компаний-производителей до конечного потребителя электроэнергию доставляют сетевые организации. Они на праве собственности или на иных законных основаниях владеют объектами электросетевого хозяйства: линиями электропередачи, трансформаторными подстанциями, распределительными пунктами и прочим (ст. 3 гл. 1 Федерального закона от 26.03.2003 № 35-ФЗ «Об электроэнергетике»).

3. Сбытовая надбавка.

У производителей электроэнергию покупают сбытовые компании, а затем продают её конечным потребителям по договорам энергоснабжения, договорам купли-продажи. Поэтому в тариф включена сбытовая надбавка – средства, которые необходимы сбытовой компании (РСО) для работы: выплаты заработной платы, создания материально-технической базы, содержания офисов обслуживания и т.д.

4. Инфраструктурные платежи.

Это стоимость услуг организаций, ответственных за управление Единой энергетической системой России и регулирующих рынок электроэнергии: АО «Центр финансовых расчётов», АО «Администратор торговой системы» и АО «Системный оператор Единой энергетической системы» и др.

Тарифы для населения, согласно ст. 2 разд. I Приложения к приказу ФСТ РФ № 20-э/2, устанавливает местный орган исполнительной власти в области государственного регулирования тарифов. В нашей области – это Комиссия по государственному регулированию цен и тарифов в Белгородской области. Изменение тарифов происходит ежегодно. При определении стоимости кВт∙ч на будущий период тарифная комиссия не может выйти за пределы диапазона, установленного для каждого региона Федеральной антимонопольной службой РФ.

Тарифы для населения подразделяются на следующие группы:

1. Городское население;

2. Городское население, проживающее в домах, оборудованных в установленном порядке электроплитами и (или) электроотопительными установками;

3. Население, проживающее в сельских населенных пунктах;

4. Граждане, владеющие отдельно стоящими гаражами.

Статус того или иного населенного пункта Белгородской области можно посмотреть в Законе Белгородской области № 159 от 20.12. 2004 г. «Об установлении границ муниципальных образований и наделении их статусом городского, сельского поселения, городского округа, муниципального района».

В соответствии с Приказом Комиссии по государственному регулированию цен и тарифов в Белгородской области № 34/1 от 14.12.2018 г. для населения, проживающего в сельских населенных пунктах, а также проживающего в городских населенных пунктах в домах, оборудованных в установленном порядке стационарными электроплитами для пищеприготовления и (или) электроотопительными установками, в настоящее время применяется понижающий коэффициент в размере 0,7.

В соответствии с приказом ФСТ РФ № 20-э/2 тариф может быть:

1) Одноставочный. Стоимость кВт∙ч не зависит от времени суток – весь объём считается по одной цене.

2) Дифференцированным по двум зонам суток (день/ночь). Отдельно фиксируется объём потребления с 07:00 до 23:00 (дневной), с 23:00 до 07:00 (ночной). Цена электроэнергии, потреблённой в ночное время, значительно ниже стоимости кВт∙ч днём.

3) Дифференцированным по трём зонам суток (пик, полупик, ночь). Учитывается раздельно потребление в ночные часы (с 23:00 до 07:00), а также в пиковое время (с 07:00 до 10:00, с 17:00 до 21:00) и в «полупик» (с 10:00 до 17:00, с 21:00 до 23:00 часов).

Два последних вида тарификации применяются только при наличии у потребителя многотарифного прибора учёта, установленного в соответствии с Федеральным законом от 23.11.2009 № 261-ФЗ, Постановлением Правительства РФ от 06.05.2011 № 354, и др.

С действующими тарифами для населения можно ознакомиться <a href=»/fizicheskim-litsam/tarify-i-normativy/»>здесь</a>.

Гарантирующий поставщик электроэнергии ОАО Королёвская электросеть СК

21.02.2020 16:33
Новый клиентский офис АО «СКЛ»

Клиентский офис, расположенный по адресу: Московская обл., г. Королев, ул. Грабина, д. 18 с 01.03.2020 будет закрыт.

Начиная с указанной даты обслуживание потребителей АО «Сбытовая компания Луч» осуществляется по адресу: Московская обл. , г. Королев, ул. Циолковского, д. 2А.

С графиком работы клиентского офиса Вы можете ознакомится в разделе «Контакты».

16.03.2018 14:06
Уважаемые потребители,в том числе и чьи квартиры и жилые дома оснащены электросчетчиками с функцией предварительной оплаты!

Для перевода излишне оплаченных денежных средств в АО «Королёвскую электросеть СК» (АО «СКЛ») по состоянию на 01.01.2018г, Вам необходимо направить заявление (письмо) с указанием о переводе суммы денежных средств на новый лицевой счет в АО «Мосэнергосбыт».

В случае, если Вы не знаете номер нового лицевого счета в АО «Мосэнергосбыт» и точной суммы оставшихся денежных средств, то на сайте АО «Королёвская электросеть СК» (АО «СКЛ») в сервисе «Узнать новый номер ЛС» при вводе старого номера лицевого счета, Вы сможете получить информацию о номере нового лицевого счета и сумме остатка Ваших денежных средств.

11. 01.2018 11:49
Узнать новый номер ЛС Мосэнергосбыта можно на нашем сайте .

Уважаемые потребители !

Для того чтобы узнать Ваш новый номер Лицевого Счета -воспользуйтесь сервисом «Узнать новый номер ЛС».

Введите 6 знаков ЛС АО «Королевская электросеть СК» (АО «СКЛ») в поле поиска и запишите новый номер ЛС АО «Мосэнергосбыт».

22.11.2017 10:57
Вниманию потребителей АО «Королёвская электросеть СК» !

В соответствии с Распоряжением Министерства энергетики Московской области от 05.09.2017 № 20-Р «О внесении изменений в распоряжение Министерства энергетики Московской области от 30.01.2015 №05-Р «Об определении границ зон деятельности гарантирующих поставщиков Московской области» изменены границы зоны деятельности гарантирующего поставщика АО «Королёвская электросеть СК».

С 01.01.2018 на основании указанного распоряжения Министерства энергетики Москоской области абоненты гарантирующего поставщика АО «Королевская электросеть СК» городского округа Королев Московской области переходят на обслуживание к ПАО «Мосэнергосбыт».

Объём электроэнергии, потреблённый до 31 декабря 2017 года включительно, подлежит оплате в АО «Королёвская сеть СК» согласно выставленным квитанциям.

01.11.2017 13:38
АО «Королевская электросеть СК» проводит акцию «ОПЛАТИ ДОЛГ БЕЗ ПЕНИ»

АО «Королевская электросеть СК» проводит акцию «ОПЛАТИ ДОЛГ БЕЗ ПЕНИ», в ходе которой жители городского округа Королёв смогут погасить задолженность за электроэнергию без уплаты пени. Акция будет действовать с 01 ноября 2017 г. по 30 декабря 2017 года включительно. Абонентам, пожелавшим расстаться с долгами и пени, необходимо в течение периода действия акции оплатить существующую задолженность за электроэнергию и независимо от размера, пени за просроченные платежи будут списаны. То есть Вы оплатили 100% долга, мы списали 100% пени.

19.10.2017 05:40
Изменения в порядке введения ограничения режима потребления электроэнергии.

В связи с вступлением 29.09.2017 в силу Постановления Правительства РФ от 24.05.2017 № 624, которым внесены изменения в Правила полного и (или) частичного ограничения режима потребления электрической энергии, утверждённые постановлением Правительства РФ от 04.05.2012 № 442 (далее – Правила), АО «Королевская электросеть СК» напоминает об изменении порядка введения ограничения режима энергоснабжения потребителей в связи с задолженностью за потреблённую электроэнергию. Новый порядок распространяется на потребителей – юридических лиц и граждан, за исключением граждан – потребителей коммунальной услуги по электроснабжению.

09.08.2017 05:30
При расчетах платы за электроэнергию потребителям, с отсутствующими или неисправными приборами учёта электроэнергии, применяется повышающий коэффициент.

Потребители АО «Королёвская электросеть СК» (физические лица), у которых приборы учета электроэнергии отсутствуют или не соответствуют техническим требованиям действующего законодательства, прислушались к предписаниям о необходимости замены или поверки приборов учета, которые направлялись жителям г. о Королев с августа 2016 года. С ноября 2016 г до июля 2017 г более 8 400 клиентов компании произвели замену вышедших за межповерочный интервал электросчетчиков, чтобы рассчитываться за реально потребленный ресурс по показаниям прибора, а не по нормативу, к которому с января 2017 года применяется повышающий коэффициент.

Однако часть потребителей, не исполнивших требования законодательства, в настоящее время получили счета за электроэнергию с начислением по нормативу с повышающим коэффициентом.

03.08.2017 05:49
О порядке применения повышающего коэффициента в отношении граждан с отсутствующими или неисправными приборами учёта электроэнергии.

Начиная с июля 2017 года, при формировании счётов за электроэнергию гражданам-потребителям, чьи приборы учёта электроэнергии вышли за срок межповерочного интервала (МПИ), вышли из строя либо отсутствуют, размер платы за коммунальную услугу по электроснабжению за расчетный период будет рассчитываться исходя из норматива потребления электроэнергии с применением повышающего коэффициента, величина которого принимается равной 1,5. Соответствующая процедура предусмотрена п. 59 и п. 60 Правил предоставления коммунальных услуг собственникам и пользователям помещений в многоквартирных домах и жилых домов, утверждённых Постановлением Правительства РФ от 06.05.2011 № 354 .

Распоряжением от 9 декабря 2014 г. N 162-РВ «Об утверждении нормативов потребления коммунальных услуг в отношении холодного и горячего водоснабжения, водоотведения, электроснабжения и отопления» Министерством жилищно-коммунального хозяйства Московской области введены в действие следующие нормативы:

Страницы:

За электроэнергию для ЛНР продолжат платить российские потребители и ФСК — РБК

Регулятор энергорынка внесет изменения в формулу расчета тарифа ФСК, чтобы списать поставки электроэнергии в ЛНР на технологические потери. Но это не новая схема, а продление существующей, действующей уже больше года

Фото: Станислав Красильников / ТАСС

30 апреля «Совет рынка» (регулятор энергорынка) на заочном заседании наблюдательного совета должен утвердить схему компенсации за «гуманитарные поставки» электроэнергии из РФ в ЛНР, сообщил «Коммерсантъ». Но это не утверждение новой схемы, а продление уже существующей, сказал РБК один из ее авторов. Российские чиновники придумали схему еще в 2015 году, тогда объем поставок в ЛНР решили отнести на нормативные потери ФСК (владеет магистральными сетями в России). Это подтверждал РБК и федеральный чиновник.

С 1 июля 2015 года коммерческий оператор стал ежемесячно по формуле рассчитывать стоимость мощности для определения расходов на нормативные потери в сетях. До этого ставку потерь устанавливал регулятор. С 1 января 2016 года правительство постановило считать стоимость мощности с учетом повышающего коэффициента, который отражает соотношение потерь в единой электрической сети (ЕНЭС, ей и управляет ФСК) за предшествующие два года. Сам коэффициент наблюдательный совет «Совета рынка» утвердил летом прошлого года: с 1 июля 2016 по 31 марта 2017 года он составлял 1,1203, следует из документов «Совета рынка». Как считались потери ФСК в первом полугодии 2016 года, источники РБК не говорят.

30 апреля набсовет должен задним числом с 1 апреля продлить действие уже существующего коэффициента, следует из документов к заседанию (есть у РБК). Коэффициент будет действовать до 31 мая 2018 года, говорится в документах. Представитель «Совета рынка» отказался от комментариев.

Изменение расчета ставки потерь потребовалось из-за скорой передачи на баланс ФСК сетевых объектов энергомоста из России в Крым, не согласен представитель Минэнерго. Энергомост заработал в 2015–2016 годах. Почему в этом случае коэффициент носит временный характер, из ответа Минэнерго неясно. Представитель министерства пока не ответил на уточняющий вопрос РБК.

Стоимость услуг ФСК, в том числе нормативные потери, оплачивают все потребители, кроме населения. Для физических лиц цены на электроэнергию в России регулируются.

Управление энергетической информации США (EIA)

В 2020 году пандемия COVID-19 существенно повлияла на американскую и мировую экономику, энергетические рынки и выбросы углекислого газа (CO ₂), связанные с энергетикой.

Общие выбросы CO ₂ в США снизились на 11% в 2020 году, или на 570 миллионов метрических тонн (млн т) CO ₂ по сравнению с 2019 годом. Этому снижению способствовали как краткосрочные, так и долгосрочные факторы :

Основным фактором снижения выбросов в 2020 году стало краткосрочное сокращение спроса на энергию из-за пандемии COVID-19.
Выбросы в США, связанные с потреблением нефтепродуктов, таких как автомобильный бензин и авиакеросин, снизились на 14% (330 млн т) по сравнению с предыдущим годом. Потребление обоих видов топлива снизилось в результате увеличения числа работающих на дому и снижения спроса на поездки во время пандемии COVID-19.
Снижение спроса на топливо для отопления привело к сокращению выбросов CO ₂. Зима была теплее; В США в 2020 году было на 9% меньше градусо-дней, взвешенных по численности населения, чем в 2019 году.Спрос на охлаждение практически не изменился, лишь незначительно увеличившись по сравнению с предыдущим годом.
Продолжающиеся изменения в топливном балансе производства электроэнергии, усугубленные в 2020 году низкими ценами на природный газ, являются долгосрочной тенденцией, отчасти обусловившей это снижение. Выбросы от производства угля снизились на 19%, или 200 млн т, что примерно такое же изменение с 2018 по 2019 год.

Сочетание условий, которые снизили связанные с энергетикой выбросы CO ₂ в Соединенных Штатах в 2020 году по сравнению с 2019 годом, не обязательно отражают будущие тенденции, особенно те, которые связаны с крайне необычными экономическими и энергетическими последствиями, вызванными пандемией.

В результате как краткосрочных, так и долгосрочных факторов выбросы в США снизились во всех секторах:

Наибольший спад наблюдался в транспортном секторе: выбросы сократились на 15% (290 млн т).
Выбросы в жилищном секторе снизились в 2020 году на 6% (57 млн т). Хотя в прошлом году люди чаще оставались дома, более высокие, чем в среднем, зимние температуры привели к тому, что потребность в отоплении была ниже средней, что привело к общему снижению выбросов.
Выбросы в коммерческом секторе снизились на 12% (100 млн т) в 2020 году из-за снижения активности в коммерческом строительстве, вызванного ограничениями из-за блокировки и увеличением количества работы на дому.
Промышленные выбросы CO ₂ снизились на 8% (120 млн т) после снижения промышленной активности в США.

Снижение выбросов CO

₂, связанных с энергетикой в США, в 2020 г. было историческим

В 2020 году выбросы CO ₂, связанные с энергетикой, снизились до уровня, невиданного с 1983 года.Во многом это снижение было связано с пандемией COVID-19 и последующим экономическим спадом. С момента пика в 2007 году выбросы снизились за 9 из последних 13 лет. Масштабы сокращения выбросов в 2020 году были больше, чем за все предыдущие годы за всю историю наблюдений, как в абсолютном, так и в процентном отношении.

Энергетические выбросы CO в США

₂ в 2020 г. были на 570 млн т меньше, чем в 2019 г.

Общие выбросы CO ₂, связанные с энергетикой, в 2020 году были на 11% ниже, чем в 2019 году.Изменения в процентах выбросов CO ₂, связанных с энергетикой, можно разбить на изменения по четырем факторам:

Энергоемкость (потребление энергии на единицу ВВП)
Углеродоемкость (CO ₂ выбросов на единицу энергии)
Население
ВВП на душу населения

Эти факторы в сочетании для оценки общих выбросов CO ₂, связанных с энергетикой, известны как идентификатор Kaya .

Углеродоемкость, энергоемкость и ВВП на душу населения снизились в США на 4% в период с 2019 по 2020 годы, в основном из-за воздействия пандемии COVID-19. По оценке компании Kaya, каждый из этих факторов снизил выбросы CO ₂, связанные с энергетикой, примерно на 200 млн т. Единственным фактором, который привел к увеличению выбросов в 2020 году, был небольшой рост населения, в результате которого образовалось дополнительно 17 млн тонн CO ₂.

Снижение углеродоемкости в США на 4% произошло в основном за счет снижения потребления топлива с высоким содержанием углерода.Частично это изменение произошло из-за продолжающейся тенденции вытеснения угля природным газом и возобновляемыми источниками энергии для выработки электроэнергии, оба из которых имеют более низкое или нулевое содержание углерода. Низкие цены на природный газ поддержали этот переход от использования угля, а более высокие цены на природный газ в 2021 году начали обращать вспять эту тенденцию. Однако большая часть изменения углеродоемкости произошла за счет снижения потребления топлива с высоким содержанием углерода в транспортном секторе, а именно автомобильного бензина и авиакеросина.

U.S. ВВП снизился на душу населения из-за экономических последствий пандемии. Энергоемкость США также снизилась, поскольку снижение потребления энергии, связанное с пандемией, опередило снижение ВВП. Общее потребление энергии в 2020 году снизилось на 7%, а ВВП снизился на 4%. Основная часть снижения потребления энергии, около 58%, пришлась на транспортный сектор, который больше всего пострадал от пандемии COVID-19.

Пандемия по-разному повлияла на потребление ископаемого топлива и связанные с ним выбросы углекислого газа.

Наибольшее абсолютное снижение U.Ископаемое топливо CO _{2 Выбросы} были связаны с потреблением нефти на 14% (329 млн т). В процентном отношении выбросы угля сокращались более высокими темпами — 19% (203 млн т). Выбросы природного газа снизились на 2% (37 млн т).

Снижение выбросов в США, связанных с потреблением угля, продолжило тенденцию предыдущих лет. С 2007 года связанные с энергетикой США выбросы CO ₂ от угля сокращались в среднем на 6% каждый год. Сокращение выбросов угля на 19% в 2020 году превзошло предыдущий рекордный показатель снижения в 15%, установленный в 2019 году.Снижение в 2020 году было связано со снижением спроса на электроэнергию в результате пандемии COVID-19, а также с низкими ценами на природный газ. Цены на природный газ для электроэнергетики упали на 17% в 2020 году, что является самым низким уровнем с 1998 года, что сделало природный газ более конкурентоспособным ресурсом для производства электроэнергии, чем уголь.

Незначительное сокращение выбросов природного газа в США в 2020 году было результатом двух противодействующих сил. Выбросы природного газа в электроэнергетике увеличились из-за низких цен на природный газ.Однако спрос на природный газ для отопления снизился в 2020 году по сравнению с 2019 годом из-за более теплой зимы. Зимой 2020 года общее количество градусо-дней, взвешенных по численности населения США, сократилось на 9%, что является показателем потребности в отоплении. В совокупности увеличение спроса на электричество, работающее на природном газе, и снижение спроса на отопление на природном газе приводят к относительно небольшому снижению выбросов, связанных с природным газом.

Выбросы нефти в США в 2020 году снизились больше всего среди всех видов топлива, в основном из-за воздействия пандемии COVID-19 на поездки внутри страны и за границу. Ограничения на поездки, а также увеличение числа работающих на дому привели к резкому снижению расхода топлива. В 2020 году выбросы CO ₂, связанные с энергетикой, в автомобильном бензине снизились на 13%, а в реактивном топливе — на 38%, достигнув самого низкого уровня с 1991 и 1983 годов, соответственно. Часть этого снижения выбросов нефти также пришлась на промышленный сектор, где выбросы нефти снизились на 7% из-за снижения промышленной активности.

Электроэнергетический сектор США CO ₂ выбросы сократились на 11% в 2020 году (170 млн тонн).Это снижение выбросов было связано с изменениями как в использовании электроэнергии, так и в топливном балансе. Экономические последствия пандемии COVID-19, а также относительно мягкая зимняя погода привели к общему снижению потребления электроэнергии в 2020 году; общая выработка снизилась на 3% (113 тераватт-часов).

Изменения в составе топлива, используемого для производства электроэнергии, привели к некоторому сокращению выбросов в США. В 2020 году продолжилась семилетняя тенденция к сокращению угольной генерации и увеличению выработки за счет низкоуглеродных источников топлива.Доля угля в общем объеме производства электроэнергии упала с 24% до 20%, а доля природного газа увеличилась с 37% до 39%. Доля безуглеродной энергии увеличилась с 38% до 40%. Доли генерации всех остальных источников оставались относительно стабильными. Это изменение в структуре производства привело к снижению углеродоемкости электроэнергии на 8%, с 0,41 до 0,38 метрических тонн CO ₂ на мегаватт-час.

В 2020 г.S. связанные с энергетикой выбросы CO ₂ снизились во всех секторах конечного использования. Это снижение учитывает как прямые, так и косвенные выбросы от каждого сектора. Прямые выбросы — это выбросы каждого сектора в результате прямого потребления ископаемого топлива, такого как природный газ для отопления или бензин в автомобилях. Косвенные выбросы — это выбросы от производства электроэнергии, относящиеся к каждому сектору конечного использования на основе его доли в общем потреблении электроэнергии.

В транспортном и коммерческом секторах США произошло наибольшее сокращение выбросов, в основном из-за экономических последствий пандемии COVID-19.Выбросы в жилищном и промышленном секторах снизились немного меньше.

Несмотря на ограничительные ограничения и рост числа работающих на дому, связанных с пандемией COVID-19, выбросы CO ₂ в жилых домах в США снизились на 6% (57 млн т) по сравнению с 2019 годом. Люди проводили больше времени дома, что привело к увеличению на 2% при продаже электроэнергии жилому сектору. Однако это увеличение было компенсировано снижением спроса на отопление, что привело к чистому снижению спроса на электроэнергию в жилищном секторе на 1%.

В отличие от жилого сектора, ограничения по изоляции и работа из дома привели к значительному снижению активности в коммерческих зданиях США, что привело к снижению выбросов CO ₂, связанных с энергетикой, в коммерческом секторе на 12% (100 млн т).

Еще одним следствием экономического спада, связанного с COVID-19, стало снижение промышленной активности. Производство в обрабатывающей промышленности США упало на 7% в 2020 году, что привело к снижению промышленных выбросов CO ₂ на 8% (120 млн т).Объем производства снизился в большинстве отраслей; Больше всего упали нефтепродукты, угольные продукты и первичные металлы — по 13% каждая.

В транспортном секторе США произошло наибольшее сокращение выбросов CO ₂ (15%, или 293 млн т), в основном из-за сокращения поездок из-за пандемии COVID-19. Увеличение числа людей, работающих на дому, закрытие общественных заведений и сокращение количества поездок внутри страны и за границу привели к снижению выбросов автомобильного бензина на 13%, к сокращению выбросов от авиационного топлива на 38% и к сокращению выбросов от дизельного топлива на 8%. топливо.

Сочетание условий в 2020 году, которые снизили связанные с энергетикой выбросы CO ₂ в Соединенных Штатах по сравнению с 2019 годом, не обязательно отражают будущие тенденции, особенно из-за крайне необычных экономических и связанных с энергетикой последствий, вызванных пандемией COVID-19. . Продукты EIA, выделенные в этом разделе, содержат самые последние данные о краткосрочных (2021 и 2022 гг.) И долгосрочных (до 2050 г.) выбросах CO ₂, связанных с энергетикой, для Соединенных Штатов.Как краткосрочный прогноз, так и долгосрочные прогнозы выбросов CO ₂, связанных с энергетикой, остаются неопределенными и основываются на предположениях, касающихся как скорости, так и характера восстановления экономики после пандемии COVID-19, а также любых других долгосрочных поведенческих факторов. изменения, такие как увеличение работы из дома.

Краткосрочный прогноз EIA относительно связанных с энергетикой выбросов CO ₂ и ключевых факторов содержится в нашем краткосрочном прогнозе развития энергетики (STEO). STEO содержит ежемесячные прогнозы выбросов для США по источникам топлива на следующий год (двухлетний прогноз) и является наиболее своевременным источником наших последних оценок воздействия недавних событий на энергетические рынки и связанные с энергией CO ₂ выбросы.

Мы публикуем наши долгосрочные прогнозы выбросов в США в Ежегодном энергетическом обзоре (AEO). УЭО предоставляет годовые прогнозы выбросов CO ₂, связанных с энергетикой, по источникам топлива, секторам и конечным потребителям, а также прогнозы других элементов энергетических рынков до 2050 года.

Хотя это прямо не упоминается в этом отчете, мы также предоставляем годовые прогнозы международных выбросов CO ₂, связанных с энергетикой, до 2050 года в нашем International Energy Outlook (IEO).

Наш анализ выбросов, связанных с энергетикой в США, в этом отчете основан на данных, опубликованных как в STEO, так и в Ежемесячном обзоре энергии (MER).

При анализе ежегодных изменений выбросов CO ₂, связанных с энергетикой, мы рассчитываем долю каждого сектора в общем изменении выбросов CO2. Годовые изменения связанных с энергетикой выбросов CO ₂ в каждом секторе зависят от изменений:

Уровни потребления электроэнергии
Топливный баланс производства электроэнергии (который определяет углеродоемкость потребляемой электроэнергии)
Уровни потребления первичной энергии
Топливная смесь прямого потребления первичной энергии (которая определяет углеродоемкость потребляемой первичной энергии)

Таблица 1 показывает долю каждого сектора конечного использования в общем изменении связанных с энергией выбросов CO ₂ для U. С. эконом в 2020 году. В таблицу включено:

CO ₂ Выбросы в результате изменения потребления электроэнергии каждым сектором, измеряемого в британских тепловых единицах (БТЕ), с 2019 по 2020 год
CO ₂ Выбросы в результате изменения топливного баланса производства электроэнергии для потребления электроэнергии и, как следствие, изменения углеродоемкости (CO2 / британских тепловых единиц) при продаже электроэнергии секторам конечного потребления
CO ₂ Выбросы в результате изменения прямого потребления первичной энергии (БТЕ) по секторам
CO ₂ Выбросы, связанные с изменениями углеродоемкости (CO ₂ / BTU) по секторам
Изменение выбросов CO ₂ для каждого сектора конечного использования на основе общей суммы изменений в отношении электроэнергии и прямого потребления первичной энергии
Общее изменение выбросов CO ₂ для всех секторов с 2019 по 2020 год

Таблица 1. Вклад секторов электроэнергии и изменений первичной энергии в общее изменение выбросов углекислого газа, связанных с энергетикой
	Жилой	Коммерческий	Промышленное	Транспорт	Всего по всем секторам
Изменение связанных с электричеством выбросов CO ₂ выбросов, 2019–20 гг.	-34	-73	-62	–1	–170
Изменение углеродоемкости связанных с электричеством выбросов CO ₂ выбросов, 2019–20 гг.	-46	-40	-29	0	-115
Связанный с электричеством CO ₂ без изменения углеродоемкости, 2019–20	12	-34	-33	0	-55
Изменение выбросов CO, связанных с первичной энергией ₂ выбросов, 2019–20 гг.	-23	-25	-58	-293	-399
Изменение углеродоемкости связанных с первичной энергией CO ₂ выбросов, 2019–20	0	-2	-18	-9	-29
Связанный с первичной энергией CO ₂ Выбросы без изменения углеродоемкости, 2019–20 годы	-23	-23	-40	-284	-370
Сумма изменений в электроэнергии и первичной энергии CO ₂ Выбросы, 2019–20	-57	-98	-120	-293	-569
Источник : U.S. Energy Information Administration (EIA), Ежемесячный обзор энергетики , октябрь 2021 г., таблицы 11.2–5, Выбросы углекислого газа в результате потребления энергии по секторам

Не вся электроэнергия, используемая в Соединенных Штатах, вырабатывается электроэнергетическим сектором. В частности, в коммерческом и промышленном секторах уголь, природный газ, нефть и биомасса также используются для выработки электроэнергии для использования на месте (что составляет 4% от общей выработки). В таблице 2 представлен наш анализ выбросов CO ₂, происходящих вне сектора электроэнергетики.Мы основывали расчеты для этого анализа на нашем Ежемесячном обзоре энергетики (MER), Таблица 7.3c, Потребление отдельных горючих видов топлива для производства электроэнергии: коммерческий и промышленный секторы (подмножество таблицы 7.3a). Для выполнения этого расчета мы использовали следующие коэффициенты выбросов CO ₂:

Уголь

95,74 миллиона метрических тонн на квадриллион БТЕ для коммерческого сектора
95,59 миллиона метрических тонн на квадриллион БТЕ для промышленного сектора

Природный газ

52.91 миллион метрических тонн на квадриллион БТЕ как для коммерческого, так и для промышленного секторов

Нефть

74,15 миллиона метрических тонн на квадриллион БТЕ для коммерческого сектора
73,95 миллиона метрических тонн на квадриллион БТЕ для промышленного сектора

Коэффициенты выбросов для угля и природного газа, потребляемых в США, взяты из подробной таблицы коэффициентов, доступной на нашей странице «Окружающая среда». Мы построили нефтяные коэффициенты вручную, используя для каждого сектора конечного использования потребление и выбросы дистиллятного мазута и мазута.

Мы применили эти коэффициенты к количеству каждого сжигаемого топлива (в британских тепловых единицах) для производства электроэнергии в коммерческом и промышленном секторах. Эти расчеты учитывают изменения углеродоемкости (CO ₂ на киловатт-час) электроэнергии, вырабатываемой из всех источников. Биомасса исключена из этих расчетов выбросов, потому что мы предполагаем, что биомасса является углеродно-нейтральной.

Таблица 2. Выбросы углекислого газа от электроэнергии, произведенной вне электроэнергетики.
	CO ₂ выбросы от производства в коммерческом секторе (без учета выбросов CO ₂ от электроэнергетического сектора)				CO ₂ выбросы от производства в промышленном секторе (без учета выбросов CO ₂ от электроэнергетического сектора)				Всего коммерческих и промышленных выбросов CO ₂ выбросов
	Уголь	Природный газ	Нефть	Итого	Уголь	Природный газ	Нефть	Итого	Итого
2005	0. 81	1,84	0,23	2,88	15,91	28,16	2,45	46,52	49,4
2006	0,73	1,88	0,13	2,75	15,61	29,14	1,92	46,67	49.42
2007	0,76	1,85	0,1	2,72	10,88	30,08	1,89	42,86	45,57
2008	0,81	1,82	0,06	2,69	10,82	28.26	1,36	40,45	43,14
2009	0,69	1,86	0,07	2,62	9,75	28,19	1,22	39,16	41,79
2010	0,68	2,14	0. 07	2,88	16,97	30,06	0,88	47,91	50,79
2011	0,73	2,55	0,05	3,34	11,82	30,9	0,78	43,5	46,84
2012	0.63	3,42	0,11	4,15	9,56	34,35	1,71	45,62	49,78
2013	1,04	3,62	0,13	4,79	9,64	34,93	1,38	45,95	50.74
2014	0,41	3,93	0,17	4,52	9,52	34,07	0,92	44,52	49,03
2015	0,32	3,85	0,1	4,27	8,13	34. 3	0,67	43,1	47,37
2016	0,21	2,55	0,04	2,8	6,08	29,33	0,6	36.01	38,82
2017	0,18	2,75	0.08	3	5,53	29,69	0,54	35,77	38,77
2018	0,16	2,89	0,1	3,15	5,02	31,05	0,49	36,56	39,71
2019	0.14	3,06	0,09	3,29	4,28	34	0,46	38,73	42,02
2020	0,12	2,85	0,09	3,06	3,57	33,02	0,39	36,98	40. 04
Источники: Управление энергетической информации США, Ежемесячный обзор энергетики , октябрь 2021 г., таблица 7.3c, Потребление отдельных горючих видов топлива для производства электроэнергии: коммерческий и промышленный секторы (подмножество таблицы 7.3a) и Двуокись углерода Коэффициенты выбросов по видам топлива

Британская тепловая единица (БТЕ): Количество тепла, необходимое для повышения температуры одного фунта жидкой воды на 1 ° F при температуре, при которой вода имеет наибольшую плотность (приблизительно 39 ° F).

Углеродоемкость (экономика): Весовое количество углерода, выбрасываемого на единицу экономической деятельности — чаще всего валовой внутренний продукт (ВВП) (выбросы CO ₂ / ВВП). Углеродоемкость экономики является продуктом энергоемкости экономики и углеродоемкости энергоснабжения. В настоящее время мы выражаем это значение как полную массу выбрасываемого CO ₂, а не только как массу углерода.

Углеродоемкость (энергоснабжение): Весовое количество углерода, выбрасываемого на единицу потребляемой энергии (CO ₂ выбросов / энергия).Обычной мерой углеродоемкости является вес CO ₂ на БТЕ энергии. Если рассматривать только одно ископаемое топливо, углеродоемкость и коэффициент выбросов идентичны. При рассмотрении нескольких видов топлива углеродоемкость основана на их комбинированных коэффициентах выбросов, взвешенных с учетом уровней потребления энергии. В настоящее время мы измеряем это значение как полную массу выбрасываемого CO ₂, а не как массу только углерода.

Градус охлаждения в днях (CDD): Мера того, насколько тепло в помещении в течение определенного периода времени по сравнению с базовой температурой 65 ° F.CDD используются в энергетическом анализе как индикатор потребности или использования энергии для кондиционирования воздуха. Мера рассчитывается для каждого дня путем вычитания базовой температуры (65 ° F) из среднего дневного максимума и минимума, а отрицательные значения устанавливаются равными нулю. CDD каждого дня добавляются для создания меры CDD для определенного периода времени.

Энергоемкость: Мера, связывающая результат деятельности с потребляемой ею энергией. Энергоемкость чаще всего применяется к экономике в целом, где мы измеряем выпуск как ВВП и первичную энергию в британских тепловых единицах, чтобы учесть добавление всех форм энергии (энергия / ВВП).На уровне экономики энергоемкость отражает как энергоэффективность, так и структуру экономики. Страны, находящиеся в процессе индустриализации, как правило, имеют более высокую энергоемкость, чем экономики в их постиндустриальной фазе. В меньшем масштабе, например, энергоемкость может соотносить количество энергии, потребляемой в зданиях, с размером жилой или коммерческой площади.

Валовой внутренний продукт (ВВП): Общая стоимость товаров и услуг, произведенных рабочей силой и имуществом в Соединенных Штатах.Пока рабочая сила и собственность находятся в Соединенных Штатах, поставщиком (то есть работниками или собственниками в отношении собственности) могут быть либо резиденты США, либо резиденты зарубежных стран.

Градусы нагрева в днях (HDD): Мера того, насколько холодно в помещении в течение определенного периода времени относительно базовой температуры, чаще всего 65 ° F. Жесткие диски используются в энергетическом анализе как индикатор потребности или использования энергии для обогрева помещений. Мы вычисляем этот показатель для каждого дня, вычитая среднее значение дневных высоких и низких температур из базовой температуры (65 ° F), а отрицательные значения устанавливаются равными нулю.Мы суммируем количество жестких дисков за каждый день, чтобы создать показатель жестких дисков за определенный период времени.

Вы можете найти больше определений в нашем Глоссарии.

За исключением рисунков 2 и 3, методологии которых описаны ниже, мы публикуем данные в этом отчете либо как значения в нашем MER, либо как результат расчетов, основанных на опубликованных значениях (например, выбросы CO ₂ на единицу потребляемая энергия [млн тонн CO ₂ на БТЕ]).

Методология рисунка 2

Рисунок 2 ( Тенденции выбросов углекислого газа, связанных с энергетикой, и ключевые индикаторы ) показывает, как несколько ключевых факторов выбросов CO ₂, связанных с энергетикой, которые определяются идентичностью Kaya, меняются с течением времени и как эти изменения влияют на общую энергию. связанные выбросы CO ₂.Этими ключевыми факторами являются:

ВВП на душу населения
Население
Энергоемкость
Интенсивность углерода

Каждый из этих факторов либо напрямую публикуется в MER (например, численность населения), либо является результатом соотношения двух опубликованных рядов (например, ВВП на душу населения). Чтобы представить рост или снижение факторов в контексте, мы индексируем их до 1990 года. На рисунке 2 мы делим годовое значение каждого фактора на его значение в 1990 году и умножаем его на 100, чтобы выразить его в процентном выражении. Каждая точка в серии представляет величину каждого фактора по отношению к 1990 году, выраженную в процентах.

Методология рисунка 3

На Рисунке 3 ( Изменение выбросов CO ₂, связанных с энергией по компоненту идентификации Kaya ) показано изменение общего количества CO ₂, связанного с энергией, в период с 2019 по 2020 год для ключевых факторов выбросов, составляющих идентичность Kaya:

ВВП на душу населения
Население
Энергоемкость
Интенсивность углерода

Произведение каждого компонента в идентичности Kaya приводит к общему количеству связанных с энергией выбросов CO ₂.

Мы рассчитываем изменения в общих выбросах CO ₂ от каждого фактора, взяв разницу между общими выбросами CO ₂, связанными с энергетикой, в 2020 году (то есть произведением значения каждого фактора 2020 года) и гипотетическим общим значением выбросов ( то есть произведение значения каждого фактора за 2020 год, за исключением интересующего фактора, который использует его значение за 2019 год). Например, общее изменение выбросов CO ₂, связанных с энергетикой, в период с 2020 по 2019 год в результате изменений ВВП на душу населения определяется по формуле:

(GDPPC ₂₀₂₀ · Pop ₂₀₂₀ · EI ₂₀₂₀ · CI ₂₀₂₀) — (GDPPC ₂₀₁₉ · Pop ₂₀₂₀ · EI ₂₀₂₀ · CI ₂₀₂₀)

где

GDPPC = ВВП на душу населения;

Население = население;

EI = энергоемкость; и

CI = углеродоемкость.

Эти значения не суммируются с общим изменением выбросов из-за взаимодействия между изменениями в каждом компоненте.

Таблица 3. Скорость изменения компонентов идентичности Kaya, 2019–2020 гг.
Параметр	2019–2020 гг. Изменение в процентах
ВВП на душу населения (ВВП / население)	-3,9%
Население	0. 4%
Энергоемкость (БТЕ / ВВП)	-3,9%
Интенсивность углерода (CO ₂ / BTU)	-4,1%
Источник: Таблица, составленная Управлением энергетической информации США (EIA) на основе данных EIA’s Energy Intensity и Carbon. ВВП на душу населения, Бюро экономического анализа США и Бюро переписи населения США; и населения, Бюро переписи населения США,

Методика для таблицы 1

Мы разделяем общие выбросы CO ₂, связанные с энергетикой, для каждого сектора конечного использования на два компонента: первичные (или прямые) выбросы и косвенные выбросы.Первичные выбросы — это выбросы CO ₂ в результате сжигания ископаемого топлива в каждом секторе (например, природного газа, используемого для отопления домов). Косвенные выбросы относятся к выбросам, создаваемым производством электроэнергии, которые мы относим к каждому сектору конечного использования на основе его доли в общем потреблении электроэнергии. В строке 7 показаны изменения в общих выбросах, связанных с энергетикой, для каждого сектора конечного использования, в строке 4 показаны изменения в первичных выбросах, а в строке 1 показаны изменения в косвенных выбросах.

В первой строке таблицы 1 представлено общее изменение выбросов CO ₂, связанных с электричеством, по секторам конечного использования в период с 2019 по 2020 годы.Мы разбиваем изменение связанных с электричеством выбросов CO ₂ на два компонента: изменение содержания углерода в потребляемой электроэнергии и изменение общего количества потребляемой электроэнергии. Другими словами, мы выражаем общее изменение связанных с электричеством выбросов CO ₂ как

∆Электр. Выбросы _{с, y} = ∆Carbon elec. _{(с, у)} + ∆Требование электр. _{с, яр} (1)

где

с = сектор конечного использования; и

y = год.

Мы рассчитываем второй член, изменение выбросов, связанных с электричеством, связанных с изменением спроса на электроэнергию, путем умножения выбросов, связанных с электричеством, в этом секторе за предыдущий год на изменение потребления электроэнергии в этом секторе.

∆Требование электр. _{с, y} = Выбросы электричества _{с, y-1} ·% изменение эл. Кон. _{с, яр} (2)

Это значение представляет собой изменение общих связанных с электричеством выбросов CO ₂ в секторе при условии, что структура производства электроэнергии и содержание углерода остаются неизменными.Если это предположение верно, то изменение связанных со спросом выбросов CO ₂ будет равно общему изменению выбросов CO ₂ электроэнергии. Однако структура электроснабжения обычно меняется с течением времени. Чтобы учесть это потенциальное несоответствие, мы определяем изменение выбросов, связанных с содержанием углерода в электроэнергии, переупорядочивая уравнение 1 как

∆ Углерод электр. _{с, y} = ∆Elec.emissions _{s, y} — ∆Demand elec._{с, яр} (3)

Мы рассчитываем первичные выбросы для каждого сектора конечного использования путем вычитания косвенных выбросов из общих выбросов, или

Первичные выбросы _{с, y} = Общие выбросы _{с, y} — Выбросы электричества _{с, y} (4)

Затем мы разбиваем эти первичные выбросы на содержание углерода и компоненты спроса во многом так же, как выбросы, связанные с электричеством. Компонент спроса в изменениях первичных выбросов выражается как

∆Спрос на первичную энергию _{с, y} = Первичные выбросы _{с, y-1} ·% изменение первичного кон._{с, яр} (5)

, а изменение выбросов, связанное с изменением содержания углерода в первичной энергии, рассчитывается как

∆Первичная энергия углерода _{с, y} = ∆Первичные выбросы _{с, y} — ∆ Спрос на первичную энергию _{с, y} (6)

Калькулятор эквивалентов парниковых газов — Расчеты и справочная информация

На этой странице описаны расчеты, использованные для преобразования количества выбросов парниковых газов в различные типы эквивалентных единиц.Для получения дополнительной информации перейдите на страницу калькулятора эквивалентностей.

Примечание о потенциалах глобального потепления (ПГП): Некоторые эквиваленты в калькуляторе указаны как эквиваленты CO ₂ (CO ₂ E). Они рассчитаны с использованием ПГП из Четвертого оценочного доклада Межправительственной группы экспертов по изменению климата.

Сокращение потребления электроэнергии (киловатт-часы)

В калькуляторе эквивалентов парниковых газов используется инструмент предотвращения выбросов и генерации (AVERT) U.S. средневзвешенная по стране скорость выбросов CO ₂ для преобразования сокращенных киловатт-часов в единицы предотвращенных выбросов диоксида углерода.

Большинство пользователей Калькулятора эквивалентностей, которые ищут эквиваленты для выбросов, связанных с электричеством, хотят знать эквиваленты для сокращений выбросов в результате программ повышения энергоэффективности (EE) или возобновляемых источников энергии (RE). Расчет воздействия выбросов ЭЭ и ВИЭ на электрическую сеть требует оценки количества выработки на ископаемом топливе и выбросов, вытесняемых ЭЭ и ВИЭ.Предельный коэффициент выбросов является лучшим представлением для оценки того, какие единицы EE / RE, работающие на ископаемом топливе, вытесняются по флоту ископаемых. Обычно предполагается, что программы ЭЭ и ВИЭ не влияют на электростанции с базовой нагрузкой, которые работают постоянно, а скорее действуют на предельные электростанции, которые вводятся в эксплуатацию по мере необходимости для удовлетворения спроса. Поэтому AVERT предоставляет национальный предельный коэффициент выбросов для Калькулятора эквивалентностей.

Коэффициент выбросов

1562,4 фунта CO ₂ / МВтч × (4.536 × 10 ^-4 метрических тонн / фунт) × 0,001 МВтч / кВтч = 7,09 × 10 ^-4 метрических тонн CO ₂ / кВтч
(AVERT, средневзвешенное значение по США CO ₂ маржинальный уровень выбросов, данные за 2019 год)

Примечания:

В этот расчет не включены парниковые газы, кроме CO ₂.
Этот расчет включает линейные потери.
Региональные предельные уровни выбросов также доступны на веб-странице AVERT.

Источники

EPA (2020) AVERT, U. S. средневзвешенный уровень выбросов CO ₂, данные за 2019 год. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.

галлонов израсходованного бензина

В преамбуле к совместному нормотворчеству EPA / Министерства транспорта от 7 мая 2010 г., которое установило исходные стандарты экономии топлива Национальной программы на 2012-2016 модельные годы, агентства заявили, что они согласились использовать общий коэффициент преобразования 8 887 граммов выбросов CO ₂ на галлон потребленного бензина (Федеральный регистр 2010).Для справки, чтобы получить количество граммов CO ₂, выделяемых на галлон сожженного бензина, теплосодержание топлива на галлон можно умножить на ₂ кг CO на единицу теплосодержания топлива.

Это значение предполагает, что весь углерод в бензине преобразован в CO ₂ (IPCC 2006).

Расчет

8887 граммов CO ₂ / галлон бензина = 8,887 × 10 ^-3 метрических тонн CO ₂ / галлон бензина

Источники

Галлон 0002 израсходованного дизельного топлива в преамбуле

галлонов дизельного топлива в совместном нормотворчестве EPA / Министерства транспорта 7 мая 2010 г. , которое установило исходные стандарты экономии топлива Национальной программы на модельные годы 2012-2016, агентства заявили, что они согласились использовать общий коэффициент пересчета 10 180 граммов CO ₂ выбросов на галлон израсходованного дизельного топлива (Федеральный регистр, 2010 г.).Для справки, чтобы получить количество выбросов CO ₂ в граммах на галлон сожженного дизельного топлива, теплосодержание топлива на галлон можно умножить на ₂ кг CO на единицу теплосодержания топлива.

Это значение предполагает, что весь углерод в дизельном топливе конвертируется в CO ₂ (IPCC 2006).

Расчет

10,180 граммов CO ₂ / галлон дизельного топлива = 10,180 × 10 ^-3 метрических тонн CO ₂ / галлон дизельного топлива

Источники

Легковых автомобилей в год

Легковых автомобилей определяется как двухосные автомобили с четырьмя шинами, включая легковые автомобили, фургоны, пикапы, а также спортивные / внедорожные автомобили.

В 2018 году средневзвешенная комбинированная экономия топлива легковых и легких грузовиков составила 22,5 мили на галлон (FHWA 2020). Средний пробег транспортного средства (VMT) в 2018 году составил 11556 миль в год (FHWA 2020).

В 2018 году отношение выбросов углекислого газа к общим выбросам парниковых газов (включая двуокись углерода, метан и закись азота, все выраженные в эквиваленте двуокиси углерода) для легковых автомобилей составило 0,993 (EPA 2020).

Количество углекислого газа, выбрасываемого на галлон сожженного автомобильного бензина, равно 8.89 × 10 ^-3 метрических тонн, как рассчитано в разделе «Израсходованные галлоны бензина» выше.

Для определения годовых выбросов парниковых газов в расчете на одно легковое транспортное средство использовалась следующая методология: VMT был разделен на средний расход бензина, чтобы определить количество галлонов бензина, потребляемых на одно транспортное средство в год. Израсходованные галлоны бензина были умножены на количество двуокиси углерода на галлон бензина, чтобы определить выброс двуокиси углерода на автомобиль в год. Затем выбросы углекислого газа были разделены на отношение выбросов углекислого газа к общему количеству выбросов парниковых газов от транспортных средств, чтобы учесть выбросы автомобильного метана и закиси азота.

Расчет

Примечание. Из-за округления выполнение расчетов, приведенных в приведенных ниже уравнениях, может не дать точных результатов.

8,89 × 10 ^-3 метрических тонн CO ₂ / галлон бензина × 11,556 VMT _{в среднем легковой / грузовой} × 1 / 22,5 миль на галлон _{в среднем легковой / грузовой} × 1 CO ₂, CH _{4 2 -осные 4-колесные автомобили, включая легковые автомобили, фургоны, пикапы, а также спортивные / внедорожные автомобили.}

В 2018 году средневзвешенная комбинированная экономия топлива легковых и легких грузовиков составила 22,5 мили на галлон (FHWA 2020). В 2018 году отношение выбросов углекислого газа к общим выбросам парниковых газов (включая углекислый газ, метан и закись азота, выраженные в эквивалентах углекислого газа) для легковых автомобилей составило 0,993 (EPA 2020).

Количество выбрасываемого диоксида углерода на галлон сожженного автомобильного бензина составляет 8,89 × 10 ^-3 метрических тонн, как рассчитано в разделе «Израсходованные галлоны бензина» выше.

Для определения годовых выбросов парниковых газов на милю использовалась следующая методология: выбросы углекислого газа на галлон бензина были разделены на среднюю экономию топлива транспортных средств, чтобы определить выбросы углекислого газа на милю, пройденную типичным легковым транспортным средством. Затем выбросы углекислого газа были разделены на отношение выбросов углекислого газа к общему количеству выбросов парниковых газов от транспортных средств, чтобы учесть выбросы автомобильного метана и закиси азота.

Расчет

8,89 × 10 ^-3 метрических тонн CO ₂ / галлон бензина × 1 / 22,5 миль на галлон _{в среднем легковой / грузовой} × 1 CO ₂, CH ₄ и N ₂ O / 0,993 CO ₂ = 3,98 x 10 ^-4 метрических тонн CO ₂ E / милю

Источники

Термические и кубические футы природного газа

Выбросы углекислого газа на терм определены путем пересчета миллионов британских термические единицы (mmbtu) на термы, затем умножение углеродного коэффициента на окисленную фракцию на отношение молекулярной массы диоксида углерода к углероду (44/12).

0,1 млн БТЕ равняется одному термину (EIA 2018). Средний коэффициент выбросов углерода в трубопроводном природном газе, сожженном в 2018 году, составляет 14,43 кг углерода на 1 млн БТЕ (EPA 2020). Предполагается, что доля окисленной до CO ₂ составляет 100 процентов (IPCC 2006).

Примечание. При использовании этого эквивалента имейте в виду, что он представляет собой эквивалент CO ₂ для CO ₂, выделенного для природного газа , сжигаемого в качестве топлива, а не природного газа, выбрасываемого в атмосферу. Прямые выбросы метана в атмосферу (без горения) примерно в 25 раз сильнее, чем CO ₂, с точки зрения их теплового воздействия на атмосферу.

Расчет

0,1 млн БТЕ / 1 терм × 14,43 кг C / мм БТЕ × 44 кг CO ₂/12 кг C × 1 метрическая тонна / 1000 кг = 0,0053 метрической тонны CO ₂ / терм

Выбросы диоксида углерода в терм могут быть преобразованы в выбросы углекислого газа на тысячу кубических футов (Mcf) с использованием среднего теплосодержания природного газа в 2018 году, 10. 36 термов / Mcf (EIA 2019).

0,0053 метрических тонны CO ₂ / терм x 10,36 терм / Mcf = 0,0548 метрических тонн CO ₂ / Mcf

Источники

EIA (2019). Ежемесячный обзор энергетики, март 2019 г., Таблица A4: Приблизительное теплосодержание природного газа для конечного потребления. (PDF) (1 стр., 54 КБ, О программе PDF)
EIA (2018). Конверсия природного газа — часто задаваемые вопросы.
EPA (2020). Реестр выбросов и стоков парниковых газов в США: 1990-2018 гг.Приложение 2 (Методология оценки выбросов CO ₂ в результате сжигания ископаемого топлива), Таблица A-43. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия. Агентство по охране окружающей среды США № 430-R-20-002 (PDF) (108 стр., 2 МБ, О программе PDF)
IPCC (2006). Руководящие принципы национальных инвентаризаций парниковых газов МГЭИК 2006 г. Том 2 (Энергия). Межправительственная группа экспертов по изменению климата, Женева, Швейцария.

Баррелей израсходованной нефти

Выбросы диоксида углерода на баррель сырой нефти определяются путем умножения теплосодержания на коэффициент углерода, умноженную на долю окисленной фракции, умноженную на отношение молекулярной массы диоксида углерода к массе углерода (44/12).

Среднее теплосодержание сырой нефти составляет 5,80 млн БТЕ на баррель (EPA 2020). Средний углеродный коэффициент сырой нефти составляет 20,31 кг углерода на 1 млн БТЕ (EPA 2020). Предполагается, что окисленная фракция составляет 100 процентов (IPCC 2006).

Расчет

5,80 млн БТЕ / баррель × 20,31 кг C / млн БТЕ × 44 кг CO ₂/12 кг C × 1 метрическая тонна / 1000 кг = 0.43 метрических тонны CO ₂ / баррель

Источники

Автоцистерны с бензином

Количество углекислого газа, выбрасываемого на галлон сожженного автомобильного бензина, составляет 8,89 × 10 ^-3 метрических тонн, как рассчитано в « Израсходовано галлонов бензина »выше. Бочка равна 42 галлонам. Типичный бензовоз вмещает 8 500 галлонов.

Расчет

8,89 × 10 ^-3 метрических тонн CO ₂ / галлон × 8 500 галлонов / автоцистерна = 75,54 метрических тонн CO ₂ / автоцистерна

Источники

Количество ламп накаливания, переключенных на светоизлучающие диодные лампы

Светодиодная лампа мощностью 9 Вт дает такой же световой поток, как лампа накаливания мощностью 43 Вт. Годовая энергия, потребляемая лампочкой, рассчитывается путем умножения мощности (43 Вт) на среднесуточное использование (3 часа в день) на количество дней в году (365).При среднем ежедневном использовании 3 часа в день лампа накаливания потребляет 47,1 кВтч в год, а светодиодная лампа — 9,9 кВтч в год (EPA 2019). Годовая экономия энергии от замены лампы накаливания на эквивалентную светодиодную лампу рассчитывается путем умножения разницы в мощности между двумя лампами в 34 Вт (43 Вт минус 9 Вт) на 3 часа в день и 365 дней в году.

Выбросы углекислого газа, сниженные на одну лампочку, переключенную с лампы накаливания на светодиодную, рассчитываются путем умножения годовой экономии энергии на средневзвешенный уровень выбросов двуокиси углерода для поставляемой электроэнергии.Средневзвешенный национальный уровень выбросов диоксида углерода для поставленной электроэнергии в 2019 году составил 1562,4 фунта CO ₂ на мегаватт-час, что учитывает потери при передаче и распределении (EPA 2020).

Расчет

34 Вт x 3 часа / день x 365 дней / год x 1 кВтч / 1000 Втч = 37,2 кВтч / год / замена лампы

37.2 кВтч / лампочка в год x 1562,4 фунта CO ₂ / МВт-ч поставленной электроэнергии x 1 МВтч / 1000 кВтч x 1 метрическая тонна / 2204,6 фунта = 2,64 x 10 ^-2 метрических тонн CO ₂ / замена лампы

Источники

EPA (2020). AVERT, США, средневзвешенная скорость выбросов CO ₂, данные за 2018 год. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.
EPA (2019). Калькулятор экономии для лампочек, соответствующих требованиям ENERGY STAR. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.

Использование электроэнергии в домашних условиях

В 2019 году 120,9 миллиона домов в США потребили 1 437 миллиардов киловатт-часов (кВтч) электроэнергии (EIA 2020a). В среднем каждый дом потреблял 11880 кВтч поставленной электроэнергии (EIA 2020a). Средний национальный уровень выработки углекислого газа для выработки электроэнергии в 2018 году составил 947,2 фунта CO ₂ на мегаватт-час (EPA 2020), что соответствует примерно 1021,6 фунту CO ₂ на мегаватт-час для поставленной электроэнергии, при условии передачи и распределения. потери 7.3% (EIA 2020b; EPA 2020). ¹

Годовое домашнее потребление электроэнергии было умножено на уровень выбросов углекислого газа (на единицу поставленной электроэнергии), чтобы определить годовые выбросы углекислого газа на дом.

Расчет

11880 кВтч на дом × 947,2 фунта CO ₂ на выработанный мегаватт-час × 1 / (1-0,073) МВтч доставлено / выработано МВтч × 1 МВтч / 1000 кВтч × 1 метрическая тонна / 2204.6 фунтов = 5,505 метрических тонн CO ₂ / дом.

Источники

Энергопотребление в домашних условиях

В 2019 году в США насчитывалось 120,9 миллиона домов (EIA 2020a). В среднем каждый дом потреблял 11 880 кВтч поставленной электроэнергии. Общенациональное потребление природного газа, сжиженного нефтяного газа и мазута домашними хозяйствами в 2019 году составило 5,22, 0,46 и 0,45 квадриллиона БТЕ соответственно (EIA 2020a). В среднем по домохозяйствам в Соединенных Штатах это составляет 41 712 кубических футов природного газа, 42 галлона сжиженного нефтяного газа и 27 галлонов мазута на дом.

Средний показатель выработки углекислого газа по стране в 2018 г. составил 947,2 фунта CO ₂ на мегаватт-час (EPA 2020), что соответствует примерно 1021,6 фунта CO ₂ на мегаватт-час для поставленной электроэнергии (при условии передачи и потери при распределении 7,3%) (EPA 2020; EIA 2020b). ¹

Средний коэффициент диоксида углерода природного газа составляет 0,0548 кг CO ₂ на кубический фут (EIA 2019c). Доля, окисленная до CO ₂, составляет 100 процентов (IPCC 2006).

Средний коэффициент диоксида углерода дистиллятного мазута составляет 430,80 кг CO ₂ на баррель объемом 42 галлона (EPA 2020). Доля, окисленная до CO ₂, составляет 100 процентов (IPCC 2006).

Средний коэффициент углекислого газа сжиженных углеводородных газов составляет 235,7 кг CO ₂ на баррель объемом 42 галлона (EPA 2020). Окисленная фракция составляет 100 процентов (IPCC 2006).

Общие данные о потреблении электроэнергии, природного газа, дистиллятного мазута и сжиженного нефтяного газа были переведены из различных единиц в метрические тонны CO ₂ и сложены вместе, чтобы получить общие выбросы CO ₂ на дом.

Расчет

1. Электроэнергия: 11880 кВтч на дом × 947 фунтов CO ₂ на выработанный мегаватт-час × (1 / (1-0,073)) выработано МВтч / поставлено МВтч × 1 МВтч / 1000 кВтч × 1 метрическая тонна / 2204,6 фунта = 5,505 метрических тонн CO ₂ / дом.

2. Природный газ: 41 712 кубических футов на дом × 0,0548 кг CO ₂ / кубический фут × 1/1000 кг / метрическая тонна = 2.29 метрических тонн CO ₂ / дом

3. Сжиженный нефтяной газ: 41,8 галлона на дом × 1/42 барреля / галлон × 235,7 кг CO ₂ / баррель × 1/1000 кг / метрическая тонна = 0,23 метрической тонны CO ₂ / дом

4. Мазут: 27,1 галлона на дом × 1/42 барреля / галлон × 430,80 кг CO ₂ / баррель × 1/1000 кг / метрическая тонна = 0,28 метрической тонны CO ₂ / дом

Всего выбросов CO ₂ для использования энергии на дом: 5,505 метрических тонн CO ₂ для электроэнергии + 2. 29 метрических тонн CO ₂ для природного газа + 0,23 метрических тонн CO ₂ для сжиженного нефтяного газа + 0,29 метрических тонн CO ₂ для мазута = 8,30 метрических тонн CO ₂ на дом в год .

Источники

EIA (2020a). Годовой прогноз энергетики на 2020 год, Таблица A4: Ключевые показатели и потребление жилого сектора.
EIA (2020b). Годовой прогноз развития энергетики на 2020 год, таблица A8: Предложение, утилизация, цены и выбросы электроэнергии.
EIA (2019).Ежемесячный обзор энергетики, ноябрь 2019 г., Таблица A4: Приблизительное теплосодержание природного газа для конечного потребления. (PDF) (270 стр., 2,65 МБ, О программе PDF)
EPA (2020). Реестр выбросов и стоков парниковых газов в США: 1990-2018 гг. Приложение 2 (Методология оценки выбросов CO ₂ в результате сжигания ископаемого топлива), Таблица A-47 и Таблица A-53. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия. Агентство по охране окружающей среды США № 430-R-20-002 (PDF) (108 стр., 2 МБ, О программе PDF)
EPA (2020).eGRID, годовой национальный коэффициент выбросов США, данные за 2016 год. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.
IPCC (2006). Руководящие принципы национальных инвентаризаций парниковых газов МГЭИК 2006 г. Том 2 (Энергия). Межправительственная группа экспертов по изменению климата, Женева, Швейцария.

Количество городских саженцев деревьев, выращенных за 10 лет

Среднерослое хвойное или лиственное дерево, посаженное в городских условиях и оставшееся для выращивания в течение 10 лет, секвестры 23.2 и 38.0 фунтов углерода соответственно. Эти оценки основаны на следующих предположениях:

Среднерослые хвойные и лиственные деревья выращивают в питомнике в течение одного года до тех пор, пока они не станут 1 дюйм в диаметре на высоте 4,5 фута над землей (размер дерева, купленного за 15- галлонный контейнер).
Деревья, выращенные в питомнике, затем высаживаются в пригороде / городе; деревья не густо посажены.
При расчете учитываются «коэффициенты выживаемости», разработанные У.С. ДОЕ (1998). Например, через 5 лет (один год в яслях и 4 года в городских условиях) вероятность выживания составляет 68 процентов; через 10 лет вероятность снижается до 59 процентов. Для оценки потерь растущих деревьев вместо переписи, проводимой для точного учета общего количества посаженных саженцев по сравнению с выжившими до определенного возраста, коэффициент секвестрации (в фунтах на дерево) умножается на коэффициент выживаемости, чтобы получить вероятность: взвешенная скорость секвестрации. Эти значения суммируются за 10-летний период, начиная с момента посадки, чтобы получить оценку 23.2 фунта углерода на хвойное дерево или 38,0 фунта углерода на лиственное дерево.

Оценки поглощения углерода хвойными и лиственными деревьями были затем взвешены по процентной доле хвойных и лиственных деревьев в городах США. Из примерно 11000 хвойных и лиственных деревьев в семнадцати крупных городах США примерно 11 процентов и 89 процентов взятых в выборку деревьев были хвойными и лиственными, соответственно (McPherson et al., 2016).Следовательно, средневзвешенное значение углерода, поглощенного хвойным или лиственным деревом средней высоты, посаженным в городских условиях и позволяющим расти в течение 10 лет, составляет 36,4 фунта углерода на одно дерево.

Обратите внимание на следующие оговорки к этим предположениям:

В то время как большинству деревьев требуется 1 год в питомнике, чтобы достичь стадии рассады, деревьям, выращенным в других условиях, и деревьям определенных видов может потребоваться больше времени: до 6 лет.
Средние показатели выживаемости в городских районах основаны на общих предположениях, и эти показатели будут значительно варьироваться в зависимости от условий местности.
Связывание углерода зависит от скорости роста, которая зависит от местоположения и других условий.
Этот метод оценивает только прямое связывание углерода и не включает экономию энергии в результате затенения зданий городским лесным покровом.
Этот метод лучше всего использовать для оценки пригородных / городских территорий (например, парков, тротуаров, дворов) с сильно рассредоточенными насаждениями деревьев и не подходит для проектов лесовосстановления.

Для преобразования в метрические тонны CO ₂ на дерево умножьте на отношение молекулярной массы диоксида углерода к молекулярной массе углерода (44/12) и соотношение метрических тонн на фунт (1 / 2,204.6).

Расчет

(0,11 [процент хвойных деревьев в выбранных городских условиях] × 23,2 фунта C / хвойное дерево) + (0,89 [процент лиственных деревьев в выбранных городских условиях] × 38,0 фунтов C / лиственное дерево) = 36,4 фунта C / дерево

36,4 фунта C / дерево × (44 единицы CO ₂/12 единиц C) × 1 метрическая тонна / 2204,6 фунта = 0,060 метрической тонны CO ₂ на одно посаженное городское дерево

Источники

Акров U.

S. леса, улавливающие СО2 в течение одного года

Леса определяются здесь как управляемые леса, которые классифицируются как леса более 20 лет (т. Е. За исключением лесов, переустроенных в / из других типов землепользования). Пожалуйста, обратитесь к Реестру выбросов и стоков парниковых газов США: 1990–2018 гг. для обсуждения определения лесов США и методологии оценки запасов углерода в лесах США (EPA 2020).

Растущие леса накапливают и накапливают углерод. В процессе фотосинтеза деревья удаляют CO ₂ из атмосферы и хранят его в виде целлюлозы, лигнина и других соединений.Скорость накопления углерода в лесном ландшафте равна общему росту деревьев за вычетом вывозки (т. Е. Урожая для производства бумаги и древесины и потери деревьев в результате естественных нарушений) за вычетом разложения. В большинстве лесов США рост превышает абсорбцию и разложение, поэтому количество углерода, хранимого на национальном уровне в лесных угодьях, в целом увеличивается, хотя и снижается.

Расчет для лесов США

Реестр выбросов и стоков парниковых газов США : 1990–2018 гг. (EPA 2020) предоставляет данные о чистом изменении запасов углерода в лесах и площади лесов.

Годовое чистое изменение запасов углерода на площадь в год t = (Запасы углерода _{(t + 1)} — Запасы углерода _т) / Площадь земель, остающихся в той же категории землепользования

Шаг 1: Определить изменение запасов углерода между годами путем вычитания запасов углерода в году t из запасов углерода в году (t + 1) _. В этом расчете, который также содержится в Реестре выбросов и стоков парниковых газов США: 1990–2018 гг. (EPA 2020), используются оценки лесной службы Министерства сельского хозяйства США по запасам углерода в 2019 году за вычетом запасов углерода в 2018 году.(Этот расчет включает запасы углерода в надземной биомассе, подземной биомассе, валежной древесине, подстилке, а также в пулах почвенного органического и минерального углерода. Прирост углерода, связанный с продуктами из заготовленной древесины, в этот расчет не включается.)

Годовое чистое изменение запасов углерода в 2018 году = 56 016 млн т C — 55 897 млн т C = 154 млн т C

Шаг 2: Определите годовое чистое изменение запасов углерода (т.е. секвестрации) на площадь , разделив изменение запасов углерода на U.S. леса из Шага 1 по общей площади лесов США, оставшихся в лесах в году t (т. Е. Площадь земель, категории землепользования на которых не изменились между периодами времени).

Применение расчета Шага 2 к данным, разработанным Лесной службой Министерства сельского хозяйства США для инвентаризации выбросов и стоков парниковых газов в США: 1990–2018 гг. дает результат 200 метрических тонн углерода на гектар (или 81 метрическую тонну углерода). углерода на акр) для плотности запаса углерода в СШАлесов в 2018 году, при этом годовое чистое изменение запасов углерода на площадь в 2018 году составило 0,55 метрических тонны поглощенного углерода на гектар в год (или 0,22 метрических тонны поглощенного углерода на акр в год).

Примечание. Из-за округления выполнение вычислений, приведенных в приведенных ниже уравнениях, может не дать точных результатов.

Плотность запасов углерода в 2018 году = (55 897 млн т C × 10 ⁶) / (279 787 тыс. Га × 10 ³) = 200 метрических тонн хранимого углерода на гектар

Чистое годовое изменение запасов углерода на площадь в 2018 году = (-154 млн т C × 10 ⁶) / (279,787 тыс.га × 10 ³) = — 0,55 метрических тонн секвестрированного углерода на гектар в год *

* Отрицательные значения указывают на связывание углерода.

С 2007 по 2018 год среднее годовое поглощение углерода на площадь составляло 0,55 метрической тонны C / гектар / год (или 0,22 метрической тонны C / акр / год) в Соединенных Штатах с минимальным значением 0,52 метрической тонны C / гектар / год (или 0,22 метрической тонны С / акр / год) в 2014 году и максимальное значение 0,57 метрической тонны С / гектар / год (или 0. 23 метрических тонны C / акр / год) в 2011 и 2015 годах.

Эти значения включают углерод в пяти лесных резервуарах: надземная биомасса, подземная биомасса, валежная древесина, подстилка, а также органический и минеральный углерод почвы, и основаны на государственном: уровень данных инвентаризации и анализа лесов (FIA). Запасы углерода в лесах и изменение запасов углерода основаны на методологии и алгоритмах разницы в запасах, описанных Смитом, Хитом и Николсом (2010).

Коэффициент преобразования для углерода, секвестрированного за один год на 1 акр среднего U.S. Forest

Примечание: из-за округления выполнение вычислений, приведенных в приведенных ниже уравнениях, может не дать точных результатов.

-0,22 метрической тонны C / акр / год * × (44 единицы CO ₂/12 единиц C) = — 0,82 метрической тонны CO ₂ / акр / год, ежегодно поглощаемых одним акром среднего леса в США.

* Отрицательные значения указывают на связывание углерода.

Обратите внимание, что это приблизительная оценка для «средних» лесов США с 2017 по 2018 год; я.е., годовое чистое изменение запасов углерода в лесах США в целом за период с 2017 по 2018 год. В основе национальных оценок лежат значительные географические различия, и вычисленные здесь значения могут не отражать отдельные регионы, штаты или изменения в видовом составе. дополнительных соток леса.

Чтобы оценить поглощенный углерод (в метрических тоннах CO ₂) дополнительными «средними» акрами лесов за один год, умножьте количество дополнительных акров на -0.82 метрических тонны CO ₂ акров / год.

Источники

EPA (2020). Реестр выбросов и стоков парниковых газов в США: 1990-2018 гг. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия. Агентство по охране окружающей среды США № 430-R-20-002 (PDF) (733 стр., 14 МБ, О программе PDF)
IPCC (2006). Руководящие принципы национальных инвентаризаций парниковых газов МГЭИК 2006 г. , Том 4 (Сельское, лесное и другое землепользование). Межправительственная группа экспертов по изменению климата, Женева, Швейцария.
Смит, Дж., Хит, Л., и Николс, М. (2010). Руководство пользователя инструмента расчета углерода в лесах США: Запасы углерода в лесных угодьях и чистое годовое изменение запасов. Общий технический отчет NRS-13 пересмотрен, Министерство сельского хозяйства США, Лесная служба, Северная исследовательская станция.

Акров лесов США, сохранившихся после преобразования в пахотные земли

Леса определяются здесь как управляемые леса, которые классифицируются как леса более 20 лет (т. Е. За исключением лесов, переустроенных в / из других типов землепользования).Пожалуйста, обратитесь к Реестру выбросов и стоков парниковых газов США: 1990–2018 гг. для обсуждения определения лесов США и методологии оценки запасов углерода в лесах США (EPA 2020).

На основании данных, разработанных Лесной службой Министерства сельского хозяйства США для инвентаризации выбросов и стоков парниковых газов в США: 1990–2018 гг. , плотность запасов углерода в лесах США в 2018 г. составила 200 метрических тонн углерода на гектар (или 81 метрическую тонну). углерода на акр) (EPA 2020).Эта оценка состоит из пяти углеродных пулов: надземная биомасса (53 метрических тонны C / га), подземная биомасса (11 метрических тонн C / га), валежная древесина (10 метрических тонн C / га), подстилка (13 метрических тонн C / га). гектар) и почвенный углерод, который включает минеральные почвы (92 метрических тонны С / га) и органические почвы (21 метрическую тонну С / га).

Реестр выбросов и стоков парниковых газов США : 1990–2018 гг.При расчете изменений запасов углерода в биомассе из-за преобразования лесных угодий в пахотные земли руководящие принципы МГЭИК указывают, что среднее изменение запасов углерода равно изменению запасов углерода из-за удаления биомассы из исходящего землепользования (т. Е. Лесных угодий) плюс углерод. запасы углерода за один год роста входящего землепользования (т. е. пахотных земель) или углерода в биомассе сразу после преобразования минус углерод в биомассе до преобразования плюс запасы углерода за год роста входящего землепользования ( я. е., пахотные земли) (IPCC 2006). Запасы углерода в годовой биомассе пахотных земель по прошествии одного года составляют 5 метрических тонн C на гектар, а содержание углерода в сухой надземной биомассе составляет 45 процентов (IPCC 2006). Таким образом, запас углерода в пахотных землях после одного года роста оценивается в 2,25 метрических тонны углерода на гектар (или 0,91 метрических тонн углерода на акр).

Среднее значение эталонного запаса углерода в почве (для высокоактивной глины, малоактивной глины, песчаных почв и гистосолей для всех климатических регионов США) составляет 40.83 метрических тонны C / га (EPA 2020). Изменение запасов углерода в почвах зависит от времени, при этом по умолчанию период времени для перехода между равновесными значениями углерода в почве составляет 20 лет для почв в системах возделываемых земель (IPCC 2006). Следовательно, предполагается, что изменение равновесного почвенного углерода будет рассчитываться в годовом исчислении за 20 лет, чтобы представить годовой поток в минеральных и органических почвах.

Органические почвы также выделяют CO ₂ при осушении. Выбросы от осушенных органических почв в лесных угодьях и осушенных органических почв на пахотных землях варьируются в зависимости от глубины дренажа и климата (IPCC 2006).Реестр выбросов и стоков парниковых газов США: 1990–2018 гг. оценивает выбросы от осушенных органических почв с использованием специфических для США коэффициентов выбросов для пахотных земель и коэффициентов выбросов МГЭИК (2014) по умолчанию для лесных угодий (EPA 2020).

Годовое изменение выбросов с одного гектара осушенных органических почв может быть рассчитано как разница между коэффициентами выбросов для лесных почв и почв пахотных земель. Коэффициенты выбросов для осушенной органической почвы на лесных угодьях умеренного пояса равны 2.60 метрических тонн C / га / год и 0,31 метрических тонн C / га / год (EPA 2020, IPCC 2014), а средний коэффициент выбросов для осушенной органической почвы на пахотных землях для всех климатических регионов составляет 13,17 метрических тонн C / га / год ( EPA 2020).

Руководящие принципы IPCC (2006) указывают на то, что недостаточно данных для обеспечения подхода или параметров по умолчанию для оценки изменения запасов углерода из резервуаров мертвого органического вещества или подземных запасов углерода на многолетних возделываемых землях (IPCC 2006).

Расчет для преобразования U.S. От лесов к пахотным землям США

Годовое изменение запасов углерода биомассы на землях, переустроенных в другую категорию землепользования

∆CB = ∆C _G + C _{Преобразование} — ∆C _L

Где:

∆CB = годовое изменение запасов углерода в биомассе на землях, переустроенных в другую категорию землепользования (т. Е. Изменение биомассы на землях, переустроенных из леса в пахотные земли)

∆C _G = годового увеличения запасов углерода в биомассе из-за роста земель, переустроенных в другую категорию землепользования (т. е., 2,25 метрических тонны C / га на пахотных землях через год после преобразования из лесных угодий)

C _{Преобразование} = первоначальное изменение запасов углерода в биомассе на землях, переустроенных в другую категорию землепользования. Сумма запасов углерода в надземной, подземной биомассе, валежной древесине и подстилочной биомассе (-86,97 метрических тонн C / га). Сразу после преобразования лесных угодий в пахотные земли предполагается, что запас углерода надземной биомассы равен нулю, так как земля очищается от всей растительности перед посадкой сельскохозяйственных культур)

∆C _L = ежегодное уменьшение запасов биомассы из-за потерь от лесозаготовок, сбора топливной древесины и нарушений на землях, переустроенных в другую категорию землепользования (принимается равной нулю)

Следовательно, : ∆CB = ∆C _G + C _{Преобразование} — ∆C _L = -84.72 метрических тонны углерода на гектар / год запасов углерода биомассы теряются, когда лесные угодья превращаются в пахотные земли в год преобразования.

Годовое изменение запасов органического углерода в минеральных и органических почвах

∆C _Почва = (SOC ₀ — SOC ₍₀ _{— T)} ) / D 9002

Где:

∆C _Почва = годовое изменение запасов углерода в минеральных и органических почвах

SOC ₀ = запасов органического углерода в почве за последний год периода инвентаризации (т.е., 40,83 мт / га, средний эталонный запас углерода в почве)

SOC ₍₀ _{— т)} = запас органического углерода в почве на начало периода инвентаризации (т. е. 113 мт C / га, что включает 92 т C / га в минеральных почвах плюс 21 т C / га в органических почвах)

D = Временная зависимость коэффициентов изменения запасов, которая является периодом времени по умолчанию для перехода между равновесными значениями SOC (т. е. 20 лет для систем пахотных земель)

Следовательно, : ∆C _Почва = (SOC ₀ — SOC _(0-T)) / D = (40.83 — 113) / 20 = -3,60 метрических тонн C / га / год потери углерода в почве.

Источник : (IPCC 2006) .

Ежегодное изменение выбросов из осушенных органических почв

Реестр выбросов парниковых газов и стоков США: 1990–2018 гг. использует стандартные коэффициенты МГЭИК (2014) для осушенных органических почв на лесных угодьях и специфические для США коэффициенты для возделываемых земель. Изменение выбросов от осушенных органических почв на гектар оценивается как разница между коэффициентами выбросов для осушенных органических лесных почв и осушенных органических почв пахотных земель.

∆L _{Органические} = EF _{пахотные земли} — EF _{лесные угодья}

Где:

∆L _{Органические} = Годовое изменение выбросов от осушенных органических почв

EF на гектар пахотные земли = 13,17 метрических тонн C / га / год (среднее значение коэффициентов выбросов для осушенных органических почв пахотных земель в субтропическом, умеренно холодном и умеренно теплом климатах в США) (EPA 2020)

EF _{лесные угодья} = 2. 60 + 0,31 = 2,91 метрических тонн C / га / год (коэффициенты выбросов для умеренно осушенных органических лесных почв) (IPCC 2014)

∆ L _{органических} = 13,17 — 2,91 = 10,26 метрических тонн C / га / год выбрасывается

Следовательно, изменение плотности углерода от преобразования лесных угодий в пахотные земли составит -84,72 метрических тонны C / гектар / год биомассы плюс -3,60 метрических тонны C / гектар / год почвы C, минус 10,26 метрических тонн C / га / год от осушенных органических почв, что равняется общей потере 98.5 метрических тонн C / га / год (или -39,89 метрических тонн C / акр / год) в год преобразования. Чтобы преобразовать его в диоксид углерода, умножьте его на отношение молекулярной массы диоксида углерода к молекулярной массе углерода (44/12), чтобы получить значение -361,44 метрических тонны CO ₂ / га / год (или -147,27 метрических тонн. CO ₂ / акр / год) в год конверсии.

Коэффициент преобразования для углерода, секвестрированного 1 акром леса, сохраненного после преобразования в возделываемые земли

Примечание: из-за округления выполнение расчетов, приведенных в приведенных ниже уравнениях, может не дать точных результатов.

-39,89 метрических тонн C / акр / год * x (44 единицы CO ₂/12 единиц C) = — 146,27 метрических тонн CO ₂ / акр / год (в год преобразования)

* Отрицательные значения указывают на то, что CO ₂ НЕ выбрасывается.

Для оценки выбросов CO ₂, которые не выбрасываются, когда акр леса сохраняется от преобразования в пахотные земли, просто умножьте количество акров леса, не преобразованных в пахотные земли, на -146,27 мт CO ₂ / акр / год. Обратите внимание, что это представляет собой CO ₂, которых удалось избежать в год преобразования.Также обратите внимание, что этот метод расчета предполагает, что вся лесная биомасса окисляется во время вырубки (т. Е. Ни одна из сожженных биомассов не остается в виде древесного угля или золы) и не включает углерод, хранящийся в продуктах из заготовленной древесины после сбора урожая. Также обратите внимание, что эта оценка включает запасы углерода как в минеральной, так и в органической почве.

Источники

Пропановые баллоны, используемые для домашних барбекю

Пропан на 81,7% состоит из углерода (EPA 2020). Предполагается, что окисленная фракция составляет 100 процентов (IPCC 2006).

Выбросы диоксида углерода на фунт пропана были определены путем умножения веса пропана в баллоне на процентное содержание углерода, умноженное на долю окисленной фракции, умноженную на отношение молекулярной массы диоксида углерода к молекулярной массе углерода (44/12). Пропановые баллоны различаются по размеру; для целей этого расчета эквивалентности предполагалось, что типичный баллон для домашнего использования содержит 18 фунтов пропана.

Расчет

18 фунтов пропана / 1 баллон × 0,817 фунта C / фунт пропана × 0,4536 кг / фунт × 44 кг CO ₂/12 кг C × 1 метрическая тонна / 1000 кг = 0,024 метрической тонны CO ₂ / баллон

Источники

Сгоревшие вагоны с углем

Среднее теплосодержание угля, потребленного электроэнергетическим сектором США в 2018 году, составило 20,85 млн БТЕ на метрическую тонну (EIA 2019). Средний углеродный коэффициент угля, сжигаемого для выработки электроэнергии в 2018 году, составил 26.09 килограммов углерода на миллион БТЕ (EPA 2020). Предполагается, что окисленная фракция составляет 100 процентов (IPCC 2006).

Выбросы диоксида углерода на тонну угля были определены путем умножения теплосодержания на коэффициент углерода, умноженную на окисленную фракцию, на отношение молекулярной массы диоксида углерода к молекулярной массе углерода (44/12). Предполагалось, что количество угля в среднем вагоне составляет 100,19 коротких тонн или 90,89 метрических тонн (Hancock, 2001).

Расчет

20,85 млн БТЕ / метрическая тонна угля × 26,09 кг С / млн БТЕ × 44 кг CO ₂/12 кг C × 90,89 метрических тонн угля / железнодорожный вагон × 1 метрическая тонна / 1000 кг = 181,29 метрических тонн CO ₂ / железнодорожный вагон

Источники

EIA (2019). Ежемесячный обзор энергетики, ноябрь 2019 г., Таблица A5: Приблизительное теплосодержание угля и угольного кокса. (PDF) (1 стр., 56 КБ, О программе PDF)
EPA (2020). Реестр выбросов и стоков парниковых газов в США: 1990-2018 гг. Приложение 2 (Методология оценки выбросов CO ₂ в результате сжигания ископаемого топлива), Таблица A-43.Агентство по охране окружающей среды США, Вашингтон, округ Колумбия. Агентство по охране окружающей среды США № 430-R-20-002 (PDF) (108 стр., 3 МБ, О программе в формате PDF).
Хэнкок (2001). Хэнкок, Кэтлин и Срикант, Анд. Преобразование веса груза в количество вагонов . Совет по исследованиям в области транспорта , Бумага 01-2056, 2001.
IPCC (2006). Руководящие принципы национальных инвентаризаций парниковых газов МГЭИК 2006 г. Том 2 (Энергия). Межправительственная группа экспертов по изменению климата, Женева, Швейцария.

Сожженных фунтов угля

Средняя теплосодержание угля, потребляемого электроэнергетикой в США. S. в 2018 году составлял 20,85 млн БТЕ на метрическую тонну (EIA 2019). Средний углеродный коэффициент угля, сжигаемого для производства электроэнергии в 2018 году, составил 26,09 килограмма углерода на 1 млн БТЕ (EPA, 2019). Окисленная фракция составляет 100 процентов (IPCC 2006).

Выбросы диоксида углерода на фунт угля были определены путем умножения теплосодержания на коэффициент углерода, умноженную на окисленную фракцию, на отношение молекулярной массы диоксида углерода к молекулярной массе углерода (44/12).

Расчет

20,85 млн БТЕ / метрическая тонна угля × 26,09 кг С / млн БТЕ × 44 кг CO ₂/12 кг C × 1 метрическая тонна угля / 2204,6 фунта угля x 1 метрическая тонна / 1000 кг = 9,05 x 10 ^-4 метрических тонн CO ₂ / фунт угля

Источники

EIA (2019). Ежемесячный обзор энергетики, ноябрь 2019 г., Таблица A5: Приблизительное теплосодержание угля и угольного кокса. (PDF) (1 стр., 56 КБ, О программе PDF)
EPA (2020). Реестр выбросов и стоков парниковых газов в США: 1990-2018 гг.Приложение 2 (Методология оценки выбросов CO ₂ в результате сжигания ископаемого топлива), Таблица A-43. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия. Агентство по охране окружающей среды США № 430-R-20-002 (PDF) (108 стр., 2 МБ, О программе в формате PDF).
IPCC (2006). Руководящие принципы национальных инвентаризаций парниковых газов МГЭИК 2006 г. Том 2 (Энергия). Межправительственная группа экспертов по изменению климата, Женева, Швейцария.

Тонны отходов рециркулируются вместо захоронения

Для разработки коэффициента преобразования для переработки, а не захоронения отходов, были использованы коэффициенты выбросов из модели сокращения отходов (WARM) Агентства по охране окружающей среды (EPA 2019). Эти коэффициенты выбросов были разработаны в соответствии с методологией оценки жизненного цикла с использованием методов оценки, разработанных для национальных кадастров выбросов парниковых газов. Согласно WARM, чистое сокращение выбросов от переработки смешанных вторсырья (например, бумаги, металлов, пластмасс) по сравнению с базовым уровнем, в котором материалы вывозятся на свалки (т.е. с учетом предотвращенных выбросов от захоронения), составляет 2,94 метрических тонны углерода. эквивалент диоксида на короткую тонну.

Расчет

2,94 метрических тонны CO ₂ эквивалента / тонна переработанных отходов вместо захоронения

Источники

Количество мусоровозов для утилизации отходов вместо захоронения

Выбросы в эквиваленте диоксида углерода, которых удалось избежать при переработке вместо захоронения 1 тонна отходов составляет 2,94 метрических тонны CO ₂ эквивалента на тонну, как рассчитано в разделе «Тонны отходов, рециркулируемых вместо захоронения» выше.

Сокращение выбросов углекислого газа на каждый мусоровоз, заполненный отходами, был определен путем умножения выбросов, которых удалось избежать в результате переработки вместо захоронения 1 тонны отходов, на количество отходов в среднем мусоровозе.Предполагалось, что количество отходов в среднем мусоровозе составляет 7 тонн (EPA 2002).

Расчет

2,94 метрических тонны CO ₂ эквивалента / тонна переработанных отходов вместо захоронения x 7 тонн / мусоровоз = 20,58 метрических тонн CO ₂ E / мусоровоз для переработанных отходов вместо захоронения

Источники

Мусор мешки с отходами рециркулируются вместо захоронения

Согласно WARM, чистое сокращение выбросов от рециркуляции смешанных вторсырья (например,ж., бумага, металлы, пластмассы), по сравнению с базовым уровнем, при котором материалы вывозятся на свалки (т. е. с учетом предотвращенных выбросов от захоронения), составляет 2,94 метрических тонны эквивалента CO ₂ на короткую тонну, как рассчитано в « Тонны отходов перерабатываются, а не вывозятся на свалки »выше.

Сокращение выбросов углекислого газа на каждый мешок для мусора, заполненный отходами, было определено путем умножения выбросов, которых удалось избежать при переработке вместо захоронения 1 тонны отходов, на количество отходов в среднем мешке для мусора.

Количество отходов в среднем мешке для мусора было рассчитано путем умножения средней плотности смешанных вторсырья на средний объем мешка для мусора.

Согласно стандартным коэффициентам преобразования объема в вес EPA, средняя плотность смешанных вторсырья составляет 111 фунтов на кубический ярд (EPA 2016a). Предполагалось, что объем мешка для мусора стандартного размера составляет 25 галлонов, исходя из типичного диапазона от 20 до 30 галлонов (EPA 2016b).

Расчет

2,94 метрических тонны CO ₂ эквивалента / короткая тонна переработанных отходов вместо захоронения × 1 короткая тонна / 2000 фунтов × 111 фунтов отходов / кубический ярд × 1 кубический ярд / 173,57 сухих галлонов × 25 галлонов / мешок для мусора = 2,35 x 10 ^-2 метрических тонн CO ₂ эквивалента / мешок для мусора, переработанных вместо захоронения

Источники

Выбросы угольных электростанций за один год

В 2018 году в общей сложности использовалось 264 электростанции уголь для выработки не менее 95% электроэнергии (EPA 2020).Эти станции выбросили 1 047 138 303,3 метрических тонны CO ₂ в 2018 году.

Выбросы углекислого газа на одну электростанцию были рассчитаны путем деления общих выбросов электростанций, основным источником топлива которых был уголь, на количество электростанций.

Расчет

1 047 138 303,3 метрических тонны CO ₂ × 1/264 электростанции = 3 966 432.97 метрических тонн CO ₂ / электростанция

Источники

EPA (2020). Данные eGRID за 2018 год. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.

Количество ветряных турбин, работающих в течение года

В 2018 году средняя паспортная мощность ветряных турбин, установленных в США, составила 2,42 МВт (DOE 2019). Средний коэффициент ветроэнергетики в США в 2018 году составил 35 процентов (DOE 2019).

Выработка электроэнергии от средней ветряной турбины была определена путем умножения средней паспортной мощности ветряной турбины в Соединенных Штатах (2.42 МВт) на средний коэффициент ветроэнергетики в США (0,35) и на количество часов в году. Предполагалось, что электроэнергия, произведенная от установленной ветряной турбины, заменит маржинальные источники сетевой электроэнергии.

Годовая предельная норма выбросов ветра в США для преобразования сокращенных киловатт-часов в единицы предотвращения выбросов углекислого газа составляет 6,48 x 10 ^-4 (EPA 2020).

Выбросы углекислого газа, которых удалось избежать за год на установленную ветряную турбину, были определены путем умножения среднего количества электроэнергии, вырабатываемой одной ветряной турбиной в год, на годовой национальный предельный уровень выбросов ветра (EPA 2020).

Расчет

2,42 _{МВт Средняя мощность} x 0,35 x 8760 часов в год x 1000 кВтч / МВтч x 6,4818 x 10 ^-4 метрических тонн CO ₂ / кВтч уменьшено = 4807 метрических тонн CO ₂ / год / ветряная турбина установлено

Источники

Количество заряженных смартфонов

По данным Министерства энергетики США, 24 часа энергии, потребляемой обычным аккумулятором смартфона, составляет 14. 46 ватт-часов (DOE 2020). Сюда входит количество энергии, необходимое для зарядки полностью разряженного аккумулятора смартфона и поддержания этого полного заряда в течение дня. Среднее время, необходимое для полной зарядки аккумулятора смартфона, составляет 2 часа (Ferreira et al. 2011). Мощность в режиме обслуживания, также известная как мощность, потребляемая, когда телефон полностью заряжен, а зарядное устройство все еще подключено, составляет 0,13 Вт (DOE 2020). Чтобы получить количество энергии, потребляемой для зарядки смартфона, вычтите количество энергии, потребляемой в «режиме обслуживания» (0.13 Вт умножить на 22 часа) от потребляемой за 24 часа энергии (14,46 Вт-часов).

Выбросы углекислого газа на заряженный смартфон были определены путем умножения энергопотребления на заряженный смартфон на средневзвешенный уровень выбросов углекислого газа по стране для поставленной электроэнергии. Средневзвешенный национальный уровень выбросов диоксида углерода для поставленной электроэнергии в 2019 году составил 1562,4 фунта CO ₂ на мегаватт-час, что учитывает потери при передаче и распределении (EPA 2020).

Расчет

[14,46 Втч — (22 часа x 0,13 Вт)] x 1 кВтч / 1000 Втч = 0,012 кВтч / заряженный смартфон

0,012 кВтч / заряд x 1562,4 фунта CO ₂ / МВтч поставленной электроэнергии x 1 МВтч / 1000 кВтч x 1 метрическая тонна / 2204,6 фунта = 8,22 x 10 ^-6 метрических тонн CO ₂ / смартфон заряжен

Источники

DOE (2020).База данных сертификатов соответствия. Программа стандартов энергоэффективности и возобновляемых источников энергии для приборов и оборудования.
EPA (2029 г.). AVERT, США, средневзвешенная скорость выбросов CO ₂, данные за 2019 год. Агентство по охране окружающей среды США, Вашингтон, округ Колумбия.
Федеральный регистр (2016). Программа энергосбережения: стандарты энергосбережения для зарядных устройств; Заключительное правило, стр. 38 284 (PDF) (71 стр., 0,7 МБ, О PDF).
Феррейра, Д., Дей, А. К., & Костакос, В. (2011). Понимание проблем человека и смартфона: исследование времени автономной работы. Pervasive Computing, стр. 19-33. DOI: 10.1007 / 978-3-642-21726-5_2.

¹ Годовые убытки от передачи и распределения в США в 2019 году были определены как ((Чистая выработка в сеть + Чистый импорт — Общий объем продаж электроэнергии) / Общий объем продаж электроэнергии) (т. Е. (3988 + 48–3762) / 3762 = 7,28% ). Этот процент учитывает все потери при передаче и распределении, которые возникают между чистым производством и продажей электроэнергии.Данные взяты из Annual Energy Outlook 2020, таблица A8: поставка, утилизация, цены и выбросы электроэнергии, доступная по адресу: https://www.eia.gov/outlooks/aeo/.

выбросов CO2 — Global Energy Review 2021 — Анализ

На развивающиеся рынки и развивающиеся страны в настоящее время приходится более двух третей мировых выбросов CO2, в то время как выбросы в странах с развитой экономикой структурно сокращаются, несмотря на ожидаемый 4% -ный рост в 2021 году.

Выбросы Китая, вероятно, увеличатся примерно на 500 Mt CO2.Поскольку в 2020 году спрос на энергию и выбросы уже растут, в 2021 году выбросы CO2 в Китае должны превысить уровень 2019 года на 6%, или почти на 600 Мт CO2. Все ископаемые виды топлива должны способствовать увеличению выбросов CO2 в Китае в 2021 году, но ожидается, что уголь будет преобладать, обеспечивая 70% роста, в основном за счет более широкого использования угля в энергетическом секторе. Несмотря на быстрый рост производства электроэнергии из возобновляемых источников в Китае, в период с 2019 по 2021 год выработка угольных электростанций увеличилась на 330 ТВтч, или почти на 7%.

Восстановление экономики Индии в 2021 году приведет к увеличению выбросов почти на 200 Мт по сравнению с 2020 годом, в результате чего выбросы останутся на 1,4% (или 30 Мт) выше уровней 2019 года. Восстановление спроса на уголь выше уровней 2019 года привело к увеличению выбросов в Индии, при этом ожидаемый рост производства электроэнергии на угле в 2021 году, вероятно, будет в три раза больше, чем рост производства за счет возобновляемых источников энергии. Выбросы CO2 в Индии в настоящее время в целом совпадают с выбросами в Европейском Союзе и составляют 2,35 Гт, хотя они остаются на две трети ниже в расчете на душу населения и на 60% ниже среднемирового уровня.

Ожидается, что в США выбросы CO2 в 2021 году вырастут более чем на 200 млн т CO2 до 4,46 Гт CO2, но останутся на 5,6% ниже уровней 2019 года и на 21% ниже уровней 2005 года. Ожидается, что выбросы CO2 от угля будут почти на 12% ниже 2019 года, поскольку использование угля для производства электроэнергии, вероятно, позволит восстановить только 40% земель, потерянных для возобновляемых источников энергии и природного газа в 2020 году. Использование нефти, крупнейший источник выбросов CO2 в Соединенных Штатах. Штаты должны оставаться почти на 6% ниже уровня 2019 года, поскольку в 2021 году транспортная активность будет сокращаться.

Выбросы CO2, вероятно, будут меньше восстанавливаться в Европейском Союзе, так как экономические перспективы более тусклые, чем в других частях мира. Ожидаемое увеличение выбросов CO2 на 80 млн т в 2021 году обратит вспять лишь одну треть падения 2020 года. Выбросы в ЕС в 2021 году должны составить 2,4 Гт. Большая часть сокращения выбросов CO2 в энергетическом секторе на 90 млн т в 2020 году продлится до 2021 года, при этом ожидается небольшое увеличение объемов угольной и газовой генерации в 2021 году, которое полностью изменит падение 2020 года только на 10%. Доля угля в производстве электроэнергии в Европейском союзе снизилась с 2019 по 2021 год почти на три процентных пункта до менее 14%.

Выбросы CO2 в странах с развитой экономикой снизились на 1,8 Гт CO2 с 2000 года, а их доля в глобальных выбросах снизилась на двадцать процентных пунктов до менее одной трети от общемировых выбросов.

Возрастающее влияние погоды на предложение и спрос на электроэнергию

https://doi.org/10.1016/j.energy.2017.12.051Получите права и контент

Основные моменты

•: Спрос и предложение на электроэнергию становятся все более погодными. зависимый.
•: Мы демонстрируем глобально применимую структуру с использованием данных из открытых источников с высоким разрешением.
•: В ближайшем будущем Великобритании можно ожидать кардинальных изменений в своей электроэнергетической системе.
•: В 2030 году ожидается чистый отрицательный спрос в дни, в то время как базовая нагрузка ядерной энергетики будет сильно сокращена.
•: Пиковая потребность в электрификации тепла может увеличиться на 20% через 15 лет.

Реферат

Ветро- и солнечная энергия быстро падала и развертывается в больших масштабах.Тем не менее, их изменчивость выработки остается ключевой проблемой для управления электроэнергетическими системами, а последствия многодневной и многолетней изменчивости все еще плохо изучены. По мере электрификации других энергопотребляющих секторов форма и изменчивость спроса на электроэнергию также изменятся. Мы разрабатываем открытую основу для количественной оценки воздействия погоды на предложение и спрос на электроэнергию с использованием моделей Renewables.ninja и DESSTINEE. Мы демонстрируем это на примере Великобритании с использованием сценария National Grid’s Two Degrees на период до 2030 года.

Мы обнаружили, что британская электроэнергетическая система быстро движется на беспрецедентную территорию, при этом пиковый спрос превысит 70 ГВт из-за электрического отопления, а периодическая выработка возобновляемой энергии превысит спрос уже в 2021 году. -годовая изменчивость увеличивается на 80%, показывая, почему в будущих исследованиях энергосистем необходимо учитывать данные за несколько лет, а также влияние погоды как на спрос, так и на предложение. Наша структура применима во всем мире и позволяет исследовать подробные сценарии почасового предложения и спроса на электроэнергию, используя только ограниченные исходные данные, такие как годовые объемы из государственных сценариев или более широкие модели энергетических систем.

Ключевые слова

Электричество

Возобновляемые источники энергии

Ветер

Солнечная энергия

Спрос

Изменчивость погоды

Рекомендуемые статьиЦитирующие статьи (0)

Цитирование статей

Южная Африка Обзор: новости развития, исследования, данные

В портфеле Южной Африки четыре активных проекта, включая два проекта, финансируемых Международным банком реконструкции и развития (МБРР) оценивается в (3 доллара.97 миллиардов) и два целевых проекта (273 миллиона долларов). Проект поддержки инвестиций Eskom (3,4 миллиарда долларов) является крупнейшим из двух кредитных операций.

Проект Eskom Investment Support Project (EISP) направлен на повышение эффективности энергоснабжения и энергетической безопасности Южной Африки эффективным и устойчивым образом. Все шесть блоков Medupi теперь синхронизированы с сетью, и только блок 1 остается для выхода в коммерческую эксплуатацию (CO), которая была отложена из-за мер по сдерживанию COVID-19.

Дополнительные 100 МВт ветряной электростанции Сере были введены в промышленную эксплуатацию в мае 2015 года и работают хорошо. Проект был реструктурирован и продлен до июня 2021 года, чтобы позволить завершить строительство дополнительного подкомпонента, аккумуляторов, в рамках компонента возобновляемых источников энергии. Емкость аккумуляторов, закупаемая в настоящее время, поможет улучшить использование энергии, вырабатываемой из переменных возобновляемых источников энергии в рамках программы «Независимый производитель энергии из возобновляемых источников энергии».

Городское развитие

Всемирный банк активно предоставляет целевую техническую помощь для поддержки интеграции, внедрения и институционализации подходов и инструментов к управлению городским хозяйством в Южной Африке. Это часть четырехлетнего соглашения о возмещаемых консультационных услугах (СКС) (2018–2022 гг.) По «Инвестициям в инфраструктуру и комплексному городскому планированию» в поддержку второго этапа Программы поддержки городов Казначейства (CSP).

В соответствии с Национальным планом развития Южной Африки и Комплексной рамкой городского развития и при поддержке Государственного секретариата Швейцарии по экономическим вопросам, эта программа способствовала усилению экономических стимулов, повышению скорости, с которой люди могут открывать бизнес, реформированию финансирования инфраструктуры и финансового управления и содействие инклюзивному городскому развитию с упором на неформальные поселения.

Партнерство Южной Африки для обеспечения готовности к рынку

Всемирный банк успешно завершил проект Партнерства для обеспечения готовности к рынку (PMR) в декабре 2020 года, который поддержал разработку политики налогообложения углерода Южной Африки, а также помог создать и задействовать несколько инструментов для поддержать налог с помощью гранта в размере 3,8 миллиона долларов.

Проект помог профинансировать разработку Системы компенсации выбросов углерода (COAS), новой онлайн-платформы Южной Африки для облегчения внесения в списки, передачи и погашения квот на выбросы углерода для компенсации обязательств по налогу на выбросы углерода.Он также помог разработать и создать потенциал для Системы отчетности о выбросах парниковых газов в Южной Африке (SAGERS), веб-портала для регистрации и представления данных о выбросах парниковых газов, которые затем помогают информировать об ответственности по налогу на выбросы углерода. Налог на выбросы углерода в Южной Африке был введен 1 июня 2019 года.

Программа развития и реформирования финансового сектора Южной Африки

Этап 2 Программы развития и реформирования финансового сектора Южной Африки (FSDRP 2) — это пятилетняя программа технической помощи Всемирного банка. запущен в сентябре 2018 года при участии Государственного секретариата Швейцарии по экономическим связям.Посредством этой программы Всемирный банк поддержал работу Резервного банка Южной Африки (SARB) над законопроектом о внесении поправок в закон о финансовом секторе (FSLAB), который устанавливает режим урегулирования несостоятельности и предусматривает положения для Корпорации страхования вкладов. В декабре 2020 года Всемирный банк опубликовал технико-экономическое обоснование и анализ рентабельности использования финансовой помощи в качестве механизма рекапитализации в Южной Африке (исследование Flac) в качестве руководства для SARB по внедрению вторичного законодательства о санации банков.

Всемирный банк также поддерживал правительство в разработке нормативных и политических мер в отношении финансовых технологий. Это включает в себя проведение ландшафтной оценки сектора финансовых технологий в Южной Африке в сотрудничестве с Межправительственной рабочей группой по финансовым технологиям (IFWG) в 2019 году, чтобы лучше информировать политические и регуляторные приоритеты в этой сфере. Эта оценка помогла активизировать дискуссии, которые послужили основой для разработки концепции Fintech для Южной Африки, которая должна стать ведущим центром финансовых технологий для Африки, способствуя финансовой доступности, одновременно стимулируя конкуренцию, цифровые навыки и экономический рост за счет инноваций.

Страновой диагностический отчет по цифровой экономике в Южной Африке

В рамках Диагностики цифровой экономики в Южной Африке, проведенной Всемирным банком, были изучены сильные и слабые стороны и возможности развития цифровой экономики в Южной Африке. Он является частью инициативы Группы Всемирного банка в области цифровой экономики для Африки (DE4A), запущенной в 2018 году в рамках сотрудничества между Африканским союзом и Группой Всемирного банка. Инициатива направлена на то, чтобы к 2030 году каждый человек, бизнес и правительство в Африке получили доступ к цифровым технологиям.

Диагностика показала, что Южная Африка имеет хороший потенциал для создания прочного фундамента для продолжения роста и расширения своей цифровой экономики, в том числе для того, чтобы играть все более важную региональную лидирующую роль, и должна активизировать усилия в области цифровой инфраструктуры и, в частности, навыков. Приоритетные соображения для инфраструктуры включают обновление национальной политики в области широкополосной связи SA Connect в соответствии с передовой международной практикой, ускоренное лицензирование спектра и обеспечение независимости и возможностей Независимого управления связи Южной Африки.

Последнее обновление: 18 марта 2021 г.

Потребление электроэнергии и промышленный рост на примере Ганы

Мы исследуем причинно-следственную связь между потреблением электроэнергии и промышленным ростом в Гане за период с 1971 по 2014 год. Результаты оценки ARDL Тест показал, что между переменными существует долгосрочная взаимосвязь. Срок исправления ошибок также был значительным и имел отрицательную подпись, что еще раз свидетельствовало о долгосрочных отношениях. Вопреки широко распространенному мнению о том, что потребление электроэнергии стимулирует производительность, исследование показывает, что потребление электроэнергии оказывает негативное влияние на объем производства в производственном секторе Ганы.Это явление можно объяснить тем фактом, что, хотя средний рост потребления электроэнергии в Гане является положительным, доля потребления электроэнергии промышленным сектором в среднем продолжает снижаться. Тест Тода-Ямамото показывает однонаправленную причинно-следственную связь от потребления электроэнергии к промышленному росту в Гане, подтверждая гипотезу роста в сохранившейся литературе.

1. Введение

Электроэнергия (энергия в целом) является важным фактором социально-экономического развития [1, 2].Рост промышленного потребления электроэнергии признан мгновенным показателем экономического прогресса страны [3]. Согласно Линю и Лю [4], потребление электроэнергии является прямым отражением ситуации экономического развития в экономике. Эта жизненно важная роль промышленного потребления электроэнергии (энергии) в экономическом росте и развитии видна в объеме эмпирических исследований и политическом интересе, который оно вызвало за последние два десятилетия [3, 5]. Для политиков, стремящихся найти пути совершенствования политики в области использования электроэнергии, эффективности и энергосбережения в целях устойчивого развития, анализ и полное понимание связи между потреблением электроэнергии и промышленным ростом в Гане имеет как академическое, так и эмпирическое значение.

К моменту обретения независимости в 1957 году промышленный сектор Ганы был недостаточно развит, а унаследованная экономическая система сильно зависела от продукции промышленного производства из Великобритании. Стремясь использовать внутренние ресурсы страны для удовлетворения основных потребностей населения, возглавляемое Нкрумой правительство приняло в начале 1960-х годов стратегию импортозамещающей индустриализации (ISI) [6]. Правительство Ганы вложило значительные средства в создание инфраструктуры и производственную деятельность, создав государственные предприятия (ГП).У этих ГП были ресурсы для производства потребительских товаров, которые ранее импортировались, и для обработки сырьевой продукции для экспорта (сельскохозяйственной и горнодобывающей). Правительство также инвестировало в расширение и развитие промышленности строительных материалов, а также в электрическую, электронную и машиностроительную промышленность. Развитие электротехнической, электронной и машиностроительной промышленности было необходимо для обеспечения энергией, необходимой для расширения промышленного сектора [7].

Стратегия ISI привела к быстрому росту производственного сектора с 2 процентов реального ВВП до 9 процентов в 1957 и 1969 годах, соответственно.В течение 1960-х годов выпуск обрабатывающей промышленности рос на 13 процентов в год, в то время как доля продукции обрабатывающей промышленности в общем объеме промышленного производства увеличилась с 10 процентов в 1960 году до 14 процентов в 1970 году. В производственном секторе также наблюдался рост занятости , около 90 процентов в общей сложности между 1962 и 1970 годами [6]. В результате внешних потрясений (скачка цен на нефть) и несоответствующей внутренней политики в период с середины 1970-х по 1983 год промышленный сектор и экономика Ганы в целом испытали серьезное ухудшение экономических и финансовых показателей.Восстановление промышленности Ганы произошло в период 1984-1988 годов; первые пять лет после запуска программы экономического восстановления (ERP). Промышленный сектор увеличивался в среднем на 11,2 процента в год [8]. Несмотря на улучшение показателей промышленного сектора Ганы в эпоху после внедрения ERP, он по-прежнему сталкивается с проблемами, которые, как ожидается, будут по-прежнему угрожать его перспективам роста. Высокая стоимость кредита, которая отражает высокие процентные ставки, рост цен на топливо и, что более важно, ненадежное электроснабжение вынудила многие фирмы, особенно те, которые работают в зависящем от импорта производстве, сократить производство [6].

Ключом к открытию других ресурсов является энергия, а также она увеличивает благосостояние человека, снабжая современный мир топливом. Согласно Янгквисту [10], материальный уровень жизни человека прямо и косвенно определяется наличием энергии на душу населения. Это означает, что энергия обеспечивает фундаментальную поддержку всем промышленным производствам в Гане и в мире в целом. С этой целью в Стратегии сокращения бедности Ганы (GPRS 2006–2009) намечены широкомасштабные политические меры в подсекторе энергетики для обеспечения надежных поставок высококачественных энергетических услуг для поддержки растущего агропромышленного сектора, сектора услуг и бытового использования [11] .Центр анализа политики (2007 г.) и Министерство финансов и экономического планирования [12] сообщают, что нормирование мощности, имевшее место в Гане с 2007 по 2008 гг., Привело к падению вклада производственного сектора в ВВП с 9,5 процента в 2006 году до 7,4 процента. в 2008 году. Из 13 проблем, влияющих на производственный сектор в Гане, ненадежное электроснабжение занимает первое место (Owusu, 2010). По словам Ганда [13], спрос на электроэнергию в Гане с 1999 по 2009 год продолжал расти в среднем на 12 процентов в год.Внутреннее потребление электроэнергии в 2004 году составило 6 004 ГВт-ч и, по прогнозам, вырастет на 58,9 процента до 9300 ГВт-ч в 2010 году. Эмпирически неясно, имеет ли постоянный растущий спрос на электроэнергию какое-либо влияние на промышленное развитие. Aboh [14] прогнозирует, что общее потребление электроэнергии в Гане вырастет с 3 721,7 ГВтч в 2008 году до 65 239,6 кВтч к 2030 году, при этом потребность отрасли в электроэнергии, по оценкам, вырастет с 3 433,1 кВтч до 50 145,6 кВтч за этот период. Прогнозируемый высокий рост спроса на электроэнергию требует значительного увеличения как частных, так и государственных инвестиций в целях расширения производственных мощностей по выработке электроэнергии.

Несмотря на то, что для Ганы были разработаны политические рамки для привлечения частных инвестиций в производство электроэнергии, в этой области было достигнуто очень мало. По состоянию на 2014 год частный сектор инвестировал только в две действующие электростанции, а именно в Международную компанию Такоради (TICO) и электростанцию Сунон Асогли [15]. В то время как TICO произвела 220 МВт электроэнергии по состоянию на 2014 год, существуют планы по увеличению производственной мощности завода до 330 МВт. Электростанция Сунон Асоглы в настоящее время производит 200 МВт; Ожидается, что в будущем производственная мощность будет увеличена до 560 МВт электроэнергии.Помимо этих двух станций, частный сектор строит еще несколько электростанций. Эти станции включают Tema Osono Power Limited, которая, как ожидается, будет вырабатывать 126 МВт электроэнергии после завершения, и CenPower Limited, которая также, как ожидается, будет вырабатывать 330 МВт электроэнергии [15].

Государственный сектор также приложил много усилий для обеспечения и расширения производства электроэнергии в Гане. Согласно ISSER [16], эволюция электроснабжения в Гане прошла три стадии.Первый этап — это этап «До Акосомбо», за ним следует этап «Гидро-годы», а затем этап «Тепловое дополнение». Этап «До Акосомбо» — это период времени, предшествовавший строительству плотины Акосомбо в 1966 году для производства электроэнергии. Страна полагалась на дизельные генераторы для подачи электроэнергии для использования в промышленности и здравоохранении, а также для личного потребления [16]. Количество электроэнергии, поставленной в этот период, было недостаточным по сравнению со спросом. Промышленный сектор пострадал на этапе «До Акосомбо» из-за недостаточного и ненадежного энергоснабжения для промышленного использования.Это привело к «Гидро-годам», которые также известны как эпоха развития Volta [16], с 1966 до середины восьмидесятых. В этот период были построены плотина Акосомбо и гидроэлектростанция Кпонг. Ввод в эксплуатацию плотины Акосомбо состоялся в 1966 году, а строительство гидроэлектростанции Кпонг было завершено в 1982 году. Одна только плотина Акосомбо могла производить 912 МВт электроэнергии по состоянию на 1972 год [17]. Общая установленная электрическая мощность заводов Акосомбо и Кпонг увеличилась до 1072 МВт к концу 1975 года.К середине восьмидесятых годов спрос на электроэнергию превысил общее предложение электроэнергии в Гане [16]. «Термальное дополнение» охватывает период с середины восьмидесятых годов до настоящего времени. В эту эпоху были предприняты усилия по расширению производства электроэнергии с помощью Takoradi Thermal Power и развития Западноафриканского газопровода, чтобы сделать доступным доступный источник топлива для выработки электроэнергии [16].

В настоящее время вложены огромные средства в увеличение мощности вышеупомянутых электростанций.Также было построено больше электростанций, чтобы увеличить энергоснабжение страны. В их число входят ТЭЦ Такоради, ТЭЦ Такоради, ТЭЦ Тема Т1, Завод шахтного резерва, Завод Тема Т2 и ТЭЦ Кпоне [18]. Несмотря на усилия, предпринимаемые сменявшими друг друга правительствами по расширению генерирующих мощностей, страна все еще далека от того, чтобы стать достаточно мощной.

Правительство Ганы все еще проводит политику по устранению недостатков в энергетическом секторе.Корпорация «Вызовы тысячелетия» (MCA) планирует инвестировать в общей сложности не более 498 миллионов долларов, чтобы помочь преобразовать энергетический сектор Ганы, а также стимулировать частные инвестиции в течение следующих пяти лет. Цель состоит в том, чтобы создать финансово жизнеспособный энергетический сектор, способный удовлетворить как текущие, так и будущие потребности как предприятий, так и домашних хозяйств [15]. Продемонстрировав приверженность, правительство Ганы пообещало инвестировать в энергетический сектор денежную сумму не менее 37 долларов.4 миллиона. Ожидается, что договор станет катализатором не менее 4 миллиардов долларов частных инвестиций и деятельности в энергетическом секторе Ганы в ближайшие годы [15]. Из-за конкурирующего спроса на ограниченные государственные доходы в такой развивающейся стране, как Гана, существует необходимость оценки жизнеспособности увеличения государственных (и частных) инвестиций в энергетический сектор для удовлетворения прогнозируемого спроса для стимулирования промышленного роста. Таким образом, настоящее исследование предназначено для информирования государственной политики и даже частных инвестиционных решений в энергетическом секторе.

Несмотря на вышеуказанные положительные сдвиги в производстве электроэнергии в Гане, мало эмпирических исследований было посвящено изучению причинно-следственных связей между потреблением электроэнергии и промышленным ростом в конкретном случае Ганы. В дошедшей до нас литературе можно найти два более ранних исследования Адома [19] и Эну [20]. Адом [19] сосредоточил внимание на влиянии потребления электроэнергии на общий экономический рост. Хотя Enu [20], имеющий непосредственное отношение к этому исследованию, сообщает, что электричество способствует развитию производства в Гане, у него есть серьезные недостатки в эконометрике временных рядов.Таким образом, настоящее исследование направлено на предоставление новых оценок взаимосвязи между потреблением электроэнергии и промышленным ростом в Гане. На основе эмпирических результатов мы находим долгосрочную взаимосвязь между потреблением электроэнергии и промышленным ростом. Результаты также показывают, что потребление электроэнергии оказывает негативное влияние на объем производства в обрабатывающей промышленности Ганы. Результат объясняется несоответствием между положительным средним ростом потребления электроэнергии и снижением доли потребления электроэнергии промышленным сектором в Гане.

В следующем разделе мы представляем обзор соответствующих исследований по потреблению электроэнергии и промышленному росту. Раздел 3 представляет собой представление использованных данных и применявшейся эконометрической методологии. Обсуждение эмпирических результатов проводится в Разделе 4, а Раздел 5 завершается политическими последствиями.

2. Обзор соответствующей литературы

Исследования причинно-следственной связи между потреблением энергии (в частности, электроэнергии) и экономическим ростом имеются в большом количестве в сохранившейся литературе [1, 21–26].По результатам существующих исследований выделяются четыре основных типа причинно-следственных связей (гипотез), которые были резюмированы Mawejje и Mawejje [1] следующим образом. Во-первых, это гипотеза роста, в которой причинно-следственная связь является односторонней от потребления электроэнергии к росту выпуска (см. [1, 22, 24, 27]). Во-вторых, это гипотеза сохранения, в которой причинно-следственная связь скорее простирается от роста производства к потреблению электроэнергии (см. [24, 28, 29]). В-третьих, гипотеза обратной связи предлагает двустороннюю причинно-следственную связь между потреблением электроэнергии и ростом выпуска (см. [26, 30, 31]).В-четвертых, гипотеза нейтральности связана с отсутствием причинно-следственной связи между потреблением электроэнергии и ростом выпуска (см. [25, 32, 33]).

При эмпирическом исследовании взаимосвязи энергопотребления и роста Одхиамбо [24] использовал метод ARDL для Демократической Республики Конго (ДРК). Его результат показал, что рост стимулирует потребление энергии. Таким образом, исследование подтверждает гипотезу сохранения энергии. Адом [19] применяет тест причинно-следственной связи Тода и Йомамото Грейнджера и данные временных рядов за период с 1971 по 2008 год, чтобы исследовать причинно-следственную связь между потреблением электроэнергии и экономическим ростом в Гане.Это исследование показало, что существует однонаправленная причинно-следственная связь, ведущая от экономического роста к потреблению электроэнергии. Это исследование подтверждает гипотезу об опережающем росте энергии в случае Ганы. Адом [19] заключает, что меры по сбережению электроэнергии необходимы для управления спросом на электроэнергию и ее потреблением по мере роста экономики Ганы. Другие исследования, которые показали аналогичные результаты, включают Ху и Линь [29], Халиджиоглу [34] и Мозумдер и Марате [28] для Тайваня, Турции и Бангладеш, соответственно.Вопреки этим выводам, результаты Одхиамбо [24] подтверждают гипотезу роста. Исследование обнаружило однонаправленную причинно-следственную связь от потребления электроэнергии к экономическому росту в Кении и Южной Африке с использованием трехкомпонентной модели ARDL для трех стран, а именно Кении, Южной Африки и ДРК. Более того, Narayan et al. (2008) получили аналогичный результат для стран G7. Аслан [35] также обнаружил положительную и однонаправленную взаимосвязь, при которой потребление электроэнергии вызывает экономический рост Турции. Баяр и Озель [23] исследовали причинную связь между потреблением электроэнергии и ростом в странах с развивающейся экономикой.В своем исследовании они использовали тесты на коинтеграцию Педрони, Као и Йохансена, а также тест на причинность Грейнджера, и результаты тестов показали, что потребление электроэнергии стимулирует рост, с причинно-следственной связью от потребления электроэнергии к экономическому росту и наоборот, таким образом оказывая поддержку гипотеза обратной связи. Аналогичным образом Chontanawat et al. [36] исследовали причинно-следственную связь между энергетикой и ВВП для 30 стран ОЭСР и 78 стран, не входящих в ОЭСР. Их открытие выявило двунаправленную причинно-следственную связь от совокупного потребления энергии к ВВП и наоборот.Эта причинно-следственная связь была более распространена в развитых странах ОЭСР, чем в развивающихся странах, не входящих в ОЭСР. Двунаправленная причинность была также обнаружена Беллуми [26] для Туниса, Одхиамбо [30] для Южной Африки и Джамбом [31] для Малави. Интересно, что Халиджиоглу [25] применил тест причинно-следственной связи Грейнджера и тестирование ARDL для Турции и не обнаружил причинно-следственной связи между потреблением электроэнергии и ростом. Другие исследования, которые также поддерживают гипотезу нейтралитета, включают Озтюрка и Акаравчи [32] для одиннадцати стран MENA и Payne [33] для США.Faisal et al. (2016) используют данные временных рядов за 1990-2011 годы и подход Тода и Ямамото для анализа причинно-следственной связи между потреблением электроэнергии, потреблением энергии и ростом ВВП в России. Авторы сообщили, что существует двунаправленная причинно-следственная связь от потребления электроэнергии к росту ВВП. Этот вывод подтверждает гипотезу обратной связи. Однако они не обнаружили причинно-следственной связи от ВВП к потреблению энергии, что подтверждает гипотезу нейтральности. Выводы Faisal et al.(2016) указывают на то, что существует взаимная и взаимодополняющая связь между потреблением электроэнергии и экономическим ростом в России в период 1990-2011 гг.

В соответствии с нашими конкретными целями, мы фокусируемся на исследованиях, в которых основное внимание уделяется взаимосвязи между потреблением электроэнергии и разукрупненным отраслевым ростом. Например, Mawejje и Mawejje [1] независимо проанализировали связь между потреблением электроэнергии и ростом сельского хозяйства, промышленности и сектора услуг.Mawejje и Mawejje [1] использовали тест коинтеграции Йохансена и причинно-следственную связь по Грейнджеру, и их результаты подтверждают гипотезу роста в промышленном секторе. Их результат показал, что потребление электроэнергии и экономический рост положительно связаны, а причинно-следственная связь для Уганды в долгосрочной перспективе простирается от потребления электроэнергии до роста промышленного сектора. В контексте трехфакторной векторной авторегрессии, включающей предпринимательство, Сан и Анвар [37] исследовали связь между потреблением электроэнергии и промышленным производством в обрабатывающем секторе Сингапура и обнаружили, что потребление электроэнергии является причиной промышленного производства.Гипотеза роста, касающаяся потребления энергии и экономического роста, присутствует в производственном секторе Сингапура. Шахбаз и др. [22] исследовали взаимосвязь между индустриализацией и потреблением электроэнергии в Бангладеш с использованием обязательного тестирования ARDL и инновационного подхода к бухгалтерскому учету (IAA). Результат показал однонаправленную причинно-следственную связь с потреблением электроэнергии Грейнджером, вызывающим промышленный рост. Кроме того, Сойтас и Сари [38] исследовали причинную связь между промышленным потреблением электроэнергии и производственной добавленной стоимостью для Турции, используя структуру коинтеграции и векторной коррекции ошибок, и обнаружили одностороннюю причинно-следственную связь, когда промышленное потребление электроэнергии способствует росту добавленной стоимости в обрабатывающей промышленности. .В случае Абида и Мраихи [39] была обнаружена долгосрочная односторонняя причинно-следственная связь от потребления электроэнергии к промышленному ВВП, но краткосрочный результат показал отсутствие причинно-следственной связи в поддержку гипотезы нейтралитета для Туниса. Однако Kermani et al. [21], которые также использовали тест коинтеграции Йохансена, VECM и анализ причинно-следственной связи по Грейнджеру для Ирана, показали отсутствие краткосрочной и долгосрочной причинно-следственной связи между добавленной стоимостью в отрасли и потреблением электроэнергии, что подтверждает гипотезу нейтральности производственный сектор для Ирана.Точно так же Джоберт и Каранфил [40] также не обнаружили причинно-следственной связи между потреблением энергии и экономическим ростом на отраслевом уровне, а также на совокупном уровне для Турции. Данмарайя Хассан [41] обнаруживает двунаправленную взаимосвязь между эффективностью обрабатывающей промышленности и потреблением электроэнергии в Нигерии за период 1980-2013 гг. Более того, Хусаини и Лин [42] проанализировали взаимосвязь между объемом производства и ценой в секторе потребления электроэнергии и обрабатывающей промышленности в Малайзии, но обнаружили, что в долгосрочной перспективе существует однонаправленная взаимосвязь между объемом производства в обрабатывающей промышленности и потреблением электроэнергии.

В заключение, имеющиеся исследования не пришли к единому мнению о причинно-следственной связи между потреблением электроэнергии и ростом промышленного производства. В следующих разделах мы проведем анализ взаимосвязи между потреблением электроэнергии и ростом промышленного производства в случае Ганы, где имеется мало эмпирических данных. Мы отклоняемся от более ранней работы Адома [19] и анализируем только связь роста промышленного сектора с потреблением электроэнергии. Mawejje и Mawejje [1] показывают, что причинно-следственная связь между потреблением электроэнергии и промышленным ростом может давать разные результаты при использовании общей переменной экономического роста.

3. Материалы и методы

3.1. Описание данных и эмпирическая модель

Данные, используемые в этом исследовании, представляют собой годовые временные ряды, охватывающие период с 1971 по 2014 год, поскольку данные о потреблении электроэнергии доступны только за исследуемый период. Источником данных, используемых в этом исследовании, являются Показатели развития Всемирного банка (2015 г.) с добавленной стоимостью в обрабатывающей промышленности ( MNF ), рассчитанной как отношение ВВП, поскольку имеющиеся данные о соотношении этих переменных для Ганы не являются непрерывными. .Функциональная взаимосвязь между потреблением электроэнергии и промышленным ростом определяется следующим образом: где — натуральный логарифм добавленной стоимости в обрабатывающей промышленности как отношение ВВП, которое является показателем промышленного роста в исследовании. Это обусловлено тем, что рост выпуска обрабатывающей промышленности интерпретируется как рост индустриализации [43]. является константой, представляет собой натуральный логарифм потребления электроэнергии на душу населения, обозначает поправку на погрешность белого шума и относится к другим факторам, которые влияют на промышленный рост, помимо потребления электроэнергии.Поскольку другие факторы, такие как открытость торговли, рабочая сила и накопление капитала, также влияют на промышленный рост, упущение этих переменных может привести к смещению тестов на коинтеграцию и причинно-следственную связь, проведенным в исследовании, что приведет к смещению одновременности [44]. Ожидается, что эти переменные окажут положительное влияние на объем производства и, следовательно, на промышленный рост. Таким образом, увеличение открытости торговли, трудовых ресурсов и накопления капитала должно привести к увеличению промышленного роста. поэтому определяется как где представляет собой натуральный логарифм открытости торговли.Открытость торговли определяется в исследовании как сумма экспорта и импорта как отношение ВВП. представляет собой натуральный логарифм рабочей силы в Гане и обозначает натуральный логарифм валового накопления основного капитала как отношения к ВВП.

Подстановка (2) в (1) дает (3), как указано ниже, и коэффициенты эластичности. Все другие переменные в модели определены ранее.

3.1.1. Связанный тест ARDL и анализ коинтеграции

Из-за небольшого объема данных в этом исследовании использовался подход проверки границ ARDL для коинтеграции, разработанный Pesaran et al.[9]. Это связано с тем, что для данных с конечной выборкой подход ARDL оказался более эффективным, чем другие традиционные подходы коинтеграции, такие как Йохансен и Джузелиус [45] и Энгл и Грейнджер [46]. Более того, этот подход подходит для моделей со смесью переменных: и. Общая модель коррекции ошибок (ECM) формулируется следующим образом: где — константа, — это оператор изменения, — это долгосрочные эластичности, краткосрочные эластичности и член ошибки белого шума.

Уравнение (4) оценивается с использованием OLS, а F-статистика сравнивается с данными Pesaran et al. [9] критические граничные значения для проверки долгосрочной коинтеграционной взаимосвязи между переменными. Нулевая гипотеза предполагает отсутствие коинтеграции, в то время как альтернативная гипотеза коинтеграции между переменными сформулирована как. Если независимые переменные интегрированы в порядке, где, то два критических предельных значения, предоставленные Pesaran et al. [9] предоставляют тест на коинтеграцию.Вычисленная F-статистика сравнивается с нижней и верхней критическими границами. Если F-статистика превышает верхнюю границу, существует коинтеграция между переменными. Однако, если F-статистика ниже нижней границы, коинтеграции нет. Результат теста неубедителен, если вычисленная F-статистика находится между нижней и верхней критическими границами.

Коэффициенты долгосрочного ARDL () затем оцениваются после того, как будет обнаружено, что среди переменных существует свидетельство коинтеграции.Долгосрочная модель определяется следующим образом: где — константа, а член ошибки белого шума находится в (5). Остальные переменные и параметры определены ранее.

Модель коррекции ошибок, указанная в (6) ниже, оценивается для получения краткосрочных параметров. Где — константа, коэффициент ошибки при ошибке и член ошибки белого шума.

Чтобы установить причинно-следственную связь между переменными, был использован причинный подход Тода и Ямамото [47], в котором используется модифицированный тест Вальда.Подобно тесту границ ARDL, метод причинности Тода-Ямамото [47] не требует предварительного тестирования переменных для определения порядка интегрирования и может использоваться при отсутствии коинтеграции [48]. В методе используется структура VAR по уровням. Здесь соответствующий порядок VAR k дополняется максимальным порядком интегрирования переменных в модели. Затем VAR оценивается по-разному: где — константы, — оптимальный порядок модели VAR, который был определен информационным критерием Шварца, — это максимальный порядок интегрирования, и являются членами ошибки в системе VAR.Такой подход гарантирует, что информация не будет потеряна, поскольку он использует только VAR в уровнях и, следовательно, позволяет избежать различий, которые потенциально могут привести к потере информации. Поэтому процедура используется как долгосрочный тест [49].

4. Результаты и обсуждение

4.1. Описательная статистика и тесты для корня единиц

Таблица 1 показывает сводную статистику для переменных, используемых на их уровнях до преобразования натурального логарифма, чтобы справиться с огромными различиями в величинах из-за единиц измерения.

Dev.


Переменные	Среднее	Среднее	Максимум

	0,0876	0,0902	0,1395	0,0360	0,0223
	318,8182	318,8182	8928	425,9385	93,4924	72,0023
	0,5636	0,5133	1,1605	0,0632	0,3006
	89	8434678	15534587	4558257	3323490
	0,1650	0,1730	0,3093	0,0353	0,0801

Используются переменные Todoto и ARL для определения статуса станции как тестовых переменных ARL, так и для определения состояния станции подход к тесту на коинтеграцию не требуется.Однако Pesaran et al. [9] критерий коинтеграции предполагает, что переменные интегрированы в или. Чтобы гарантировать отсутствие переменных или более высоких порядков интеграции в модели, тесты модульного корня были выполнены с использованием расширенных тестов Дики-Фуллера (ADF) и Квятковского-Филлипса-Шмидта-Шина (KPSS) с перехватами. Проведение ARDL-теста на долгосрочную связь с переменными бессмысленно [50]. Результаты тестов модульного корня показаны в таблице 2. Тесты ADF и KPSS, соответственно, показывают, что переменные представляют собой комбинацию и.

9025 9025 9025 9025


	Тест АПД (с перехватом)
Уровни	Разница		Уровни	Разница

	-1.9771	-4,1749		0,3490	0,2035
	-2,6811	-5,2134		0,2300		0,2300		0,3212	0,1571
	0,3243	-3,0658		0,4214	0,1695	70	275	-6,9149		0,3437	0,1741

Значимость на 1%, значимость на 5% и значимость на 10%.

4.2. Результаты теста на коинтеграцию

При проведении теста границ для проверки коинтеграции между переменными было оценено (4). В исследовании использовался подход к моделированию от общего к конкретному, чтобы прийти к экономной модели для проверки границ с порядком запаздывания 2, выбранным на основе информационных критериев.Результат нормализации добавленной стоимости в производстве представлен в таблице 3. Вычисленная F-статистика превышает верхнюю границу при уровне значимости 1%. Это означает, что между переменными существуют долгосрочные отношения, поскольку есть свидетельства коинтеграции.


Зависимая переменная	F-статистика	K = 4
9025 9025 9025 9025
Критическое значение		Нижняя граница	Верхняя граница

1%		3.74	5,06
5%		2,86	4,01

Нижняя и верхняя граница критических значений были получены от Pesaran et al. [9], Таблица CI (iii) Случай III.

4.3. Долгосрочные оценки

Установив, что переменные коинтегрируются в логарифмическом прогоне, (5) оценивается, чтобы получить долгосрочные коэффициенты коинтегрирующих переменных.В ходе исследования были выбраны порядки запаздывания модели ARDL () с использованием информационного критерия Шварца. Результаты долгосрочных коэффициентов представлены в таблице 4.

Зависимая переменная: ARDL (1,1,0,0,1) selected на основе SBC

Регрессоры

Коэффициент

Стандартная ошибка

T-Ratio

Probability

-0.8412

0,1897

-4,4342

0,000

0,3182

0,1253

2,5402

0,016

0. 5918

0. 1901

3.1138

0.004

31.0567

4.1634

7.4595

что потребление электроэнергии отрицательно сказывается на промышленном росте.Коэффициент -0,84 предполагает, что увеличение потребления электроэнергии на душу населения на 1 процент вызовет снижение промышленного роста на 0,84 процента. Этот вывод противоречит широко распространенным выводам о том, что увеличение потребления электроэнергии приводит к положительному росту выпуска [1, 23, 35]. Enu [20] также обнаруживает незначительное влияние потребления электроэнергии на объем производства. Такой результат мог быть обусловлен множеством факторов.

Во-первых, хотя средний рост предложения электроэнергии в Гане является положительным, доля, выделяемая на промышленный сектор, в среднем продолжает сокращаться.С 2000 по 2010 год доля электроэнергии, переданной промышленному сектору, снизилась с 68 процентов до 46,6 процента; Между тем, как в жилом, так и в нежилом секторе (школы, офисы и т. д.) наблюдался рост доли электроснабжения с 20 до 40 процентов и с 8,5 до 14,3 процента, соответственно [51]. Более того, в 2013 году потребление электроэнергии в промышленном секторе снизилось с 48 процентов в 2012 году до 45 процентов в 2013 году, в то время как потребление электроэнергии в жилищном секторе осталось прежним на уровне 35 процентов, а в нежилом секторе потребление электроэнергии увеличилось с 13 процентов в 2012 году. до 16% в 2013 г. [52].По данным Энергетической комиссии [53], тарифы в промышленном секторе были скорректированы в сторону повышения, и в некоторых случаях эти ставки неприемлемы. Высокая стоимость электроэнергии в секторе из-за корректировки тарифов в сторону повышения, возможно, может объяснить падение потребления электроэнергии в промышленном секторе. Еще одна возможная причина снижения потребления электроэнергии в промышленном секторе связана с частым отключением нагрузки. Действительно, во время сброса нагрузки в 2003–2004 и 2007 годах промышленный сектор пострадал больше, чем другие сектора [51].Кроме того, для отрасли характерно использование устаревшего и неэффективного энергопотребляющего оборудования [53]. Поэтому неудивительно, что, хотя среднее потребление электроэнергии в Гане увеличилось, вклад промышленного сектора в ВВП снизился с 27,9 процента до 19,1 процента с 2000 по 2010 год.

Было обнаружено, что открытость торговли и накопление капитала положительно повлияли на промышленный рост на уровне 5 процентов. и 1 процентный уровень значимости соответственно. С другой стороны, было обнаружено, что труд отрицательно влияет на промышленный рост.

4.4. Краткосрочная взаимосвязь

Были оценены краткосрочные коэффициенты или эластичности, связанные с долгосрочным периодом, и результаты представлены в таблице 5. Коэффициент коррекции ошибок, как ожидается, отрицательный и значительный. Значение поправки на ошибку (-0,5180) предполагает, что скорость исправления краткосрочного неравновесия в долгосрочном равновесии составляет 51,80 процента. Это означает, что скорость достижения долгосрочного равновесия после шока умеренная.Таблица 5 также показывает отрицательную и статистически незначимую взаимосвязь между потреблением электроэнергии и промышленным ростом. Накопление капитала также было незначительным, но положительно сказалось на промышленном росте. Знаки остальных краткосрочных параметров согласуются с долгосрочными коэффициентами, и уровни значимости также сохраняются.

Коэффициент


Зависимая переменная: ARDL (1,1,0,0,1)
	Коэффициент	Стандартная ошибка	Вероятность

	-0.5180	0,0855	-6,0553	0,000
	-0,1191	0,0769	-1,5498	0,129	-1,5498	0,130
		0259		-0,8872	0. 1153	-7,6984	0,000
	0,1263	0,0866	1,4579	0,154
			0858	1,9430	8,2790	0,000

Кв. = 0,8214			F-stat. F (5, 36) 31.27750.000
Настр. R-кв. = 0,7847			DW-статистика = 1,9914

4.5. Диагностические тесты модели

Модель регрессии ARDL хорошо подходит и прошла все диагностические тесты (таблица 6).Модель также прошла тест на стабильность параметров, о чем свидетельствуют графики рекурсивных остатков (рисунки 1 и 2).

256 258 Breusial Test


Статистика теста	F-статистика	Вероятность

Тест на гетероскедастичность: Бреуш-Паган-Годфри	0.7325	0,6622
Jarque-Bera	0,1765	0,9155
Ramsey RESET Test	0,5634	0,4585 9025 9025 9025 9025 9025 9025 Chow 9025 9025 9025 9025 9025 Chow Chow	1.0443	0.4703

4.6. Анализ причинно-следственной связи Тода-Ямамото

Поскольку результат теста границ показал свидетельство коинтеграции, долгосрочные причинно-следственные связи между потреблением электроэнергии и промышленным ростом были определены с использованием метода Тода-Ямамото [47].Результаты испытаний, представленные в таблице 7, указывают на однонаправленную причинно-следственную связь между потреблением электроэнергии и промышленным ростом, где потребление электроэнергии способствует промышленному росту в Гане. Этот вывод согласуется с данными Shahbaz et al. [22] и Mawejje и Mawejje [1], которые обнаружили однонаправленную причинно-следственную связь от потребления электроэнергии в промышленности для Бангладеш и Уганды, соответственно. Однонаправленная причинно-следственная связь между трудом и промышленным ростом также была обнаружена в том, что промышленный рост является движущей силой рабочей силы.Причинно-следственной связи между накоплением капитала и промышленным ростом не обнаружено. Исследование выявило однонаправленную причинно-следственную связь между открытостью торговли и промышленным ростом в Гане, которая простирается от открытости торговли до промышленного роста. Результат также показал, что открытость торговли очень сильно влияет на накопление капитала, а не наоборот. Также была обнаружена однонаправленная причинно-следственная связь от труда к накоплению капитала, от труда к открытости торговли и от труда к потреблению электроэнергии.

9025 9025 9025 9025 9025 9025 9025 9025 9


Зависимая переменная					16.9814	9,6052	2,7087	1,6018
	2,7799	—	0,1338	7,8682	1,0885				2,9077
	6,9188	0,1371	2,0606	—	3,9641
	0.6789	0,1721	21,3834	8,5975	—

Тест автокорреляции
8

Значимость при 1%, 5% и 10%.

5.Выводы

В статье впервые исследована причинно-следственная связь между потреблением электроэнергии и промышленным ростом в Гане с использованием данных годовых временных рядов с 1971 по 2014 год. Подход ARDL к объединению был использован для проверки существования долгосрочной связи между электричеством. добавленная стоимость в потреблении и производстве — показатель промышленного роста. Результаты свидетельствуют о коинтеграции или долгосрочной взаимосвязи между потреблением электроэнергии и промышленным ростом в Гане.Результаты исследования показали, что потребление электроэнергии отрицательно влияет на промышленный рост как в долгосрочной, так и в краткосрочной перспективе в Гане, хотя краткосрочное влияние потребления электроэнергии было незначительным. Результат модифицированного критерия причинности Грейнджера Тода-Ямамото показал существование односторонней причинно-следственной связи от потребления электроэнергии до промышленного роста, что подтверждает гипотезу роста в Гане.

Исследование рекомендует, чтобы по мере индустриализации экономики инвестиции в производство электроэнергии были увеличены, чтобы сделать больше энергии доступным промышленному сектору по доступным ценам для увеличения производства в этом секторе.Правительству также следует усилить меры по повышению энергоэффективности, которые позволят компаниям в промышленном секторе избегать использования устаревшего и неэффективного оборудования и техники или запретить их импорт в страну. Таким образом, политика энергосбережения, начатая в 2007 году, была в правильном направлении. Однако эта политика должна быть усилена в стране, а также распространена на другие области, где мало или совсем не предпринималось никаких усилий для сохранения власти.

Мы также рекомендуем правительству увеличить государственные инвестиции в капитальные блага, поскольку данные исследования показывают, что накопление капитала положительно влияет на промышленный рост в Гане.Международная торговля, которая также способствует промышленному росту, должна быть увеличена за счет постепенного снижения торговых барьеров. В исследовании также рекомендуется реформировать сектор труда в Гане с упором на развитие человеческих ресурсов, чтобы сделать рабочую силу более производительной.

Доступность данных

Наборы данных, созданные во время и / или проанализированные в ходе текущего исследования, доступны у соответствующего автора по разумному запросу.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации этой статьи.

Благодарности

Авторы выражают благодарность участникам дискуссии на Африканском собрании Эконометрического общества 2017 г. за их комментарии и предложения, которые улучшили качество рукописи.

Увеличение выработки энергии ветряными электростанциями с вертикальной осью с помощью синергетической кластеризации

Проверка на основе полевых измерений

Как упоминалось ранее, Дабири (2011) и Кинзель и др. (2015) сообщают о нескольких полевых измерениях с различными конфигурациями 9-метровых ветряных турбин с вертикальной осью, использующих тот же тип лопастей и конфигурацию ротора, которую мы здесь применяем.Они показали, что при использовании ветряных турбин с вертикальной осью вращения в противоположных направлениях и специальных конфигураций, турбины могут использовать отклонение потока от соседних турбин против ветра, и существует возможность увеличения плотности мощности на один порядок. Чтобы дополнить предыдущую проверку этой модели ALM – LES, выполненную в сравнении с лабораторными экспериментами (Hezaveh et al., 2016), и гарантировать, что моделирование точно представляет поток между несколькими турбинами и, следовательно, внутри и после турбинных кластеров, мы сравниваем наши результаты LES с данными полевых измерений, описанными в Kinzel et al.(2015) для двух соседних турбин встречного вращения. Это первая проверка нашей модели на основе данных реальных полевых измерений VAWT и, насколько нам известно, первая проверка любой вертикальной ветряной турбины ALM – LES на основе полевых данных.

Детали экспериментальной установки представлены в таблице 1, а схематическая конфигурация показана на рис. 3. Турбины мощностью 1200 Вт представляют собой модифицированную версию коммерчески доступной модели от Windspire Energy Inc. (Dabiri 2011) и их разместили 1.6 D ( D — диаметр ротора). Профили скорости были измерены в 16 точках с продольными координатами (относительно линии, соединяющей центр турбин) x = — 15 D , — 1,5 D , 2 D и 8 D и высота над землей z = 3, 5, 7 и 9 м. Все компоненты скорости нормализованы с использованием измеренной скорости ветра на 10 м с метеорологической башни в непосредственной близости от экспериментов (Araya et al.2014; Kinzel et al. 2015), который проходил в Долине Антилоп, к северу от Лос-Анджелеса, Калифорния. Более подробная информация об измерениях представлена в Приложении A — также см. Dabiri (2011) для получения дополнительной информации.

Таблица 1 Характеристики турбины из Dabiri (2011) и Kinzel et al. (2015)
Рис. 3

Схема a двух турбин в трехмерной области потока и b вид сверху расчетной области

Расчетная область имеет L _x × L _y × L _z = 31.2 м × 15,6 м × 25 м, соответственно покрытые 128 × 64 × 192 узлов сетки. Это разрешение дает около 5 × 5 точек горизонтальной сетки, охватывающих каждый ротор турбины (по пять в каждом направлении). Расстояние между притоком домена и турбинами было установлено равным расстоянию между самой дальней точкой измерения вверх по потоку и турбинами в эксперименте, то есть 15 D. , чтобы соответствовать условиям притока, таким как интенсивность турбулентности и средняя скорость ветра вверх по потоку. профиля в LES к наблюдаемым полевым данным, для создания притока было выполнено предварительное периодическое моделирование.Длина шероховатости и скорость трения этого моделирования предшественника были откалиброваны (с принятыми значениями 0,001 м и 0,5 м с ^-1, соответственно), чтобы получить экспериментально наблюдаемый логарифмический профиль скорости, измеренный 15 D перед турбинами. Моделирование притока и проверки проводилось с нейтральной стабильностью, и, как подробно описано ниже, периоды полевых экспериментов были выбраны в условиях, близких к нейтральным. Затем y — z срезов мгновенной скорости и давления были сохранены на каждом временном шаге и переданы в моделирование с турбинами как граничные условия для противотока и притока.

Результаты показаны на рис. 4, и ясно, что модель ALM – LES способна точно воспроизвести след, образованный взаимодействием двух ветряных турбин с вертикальной осью вращения, вращающихся в противоположных направлениях (лопасти движутся назад если смотреть на другую турбину так, чтобы ускорение потока между двумя роторами было максимальным). Мы должны подчеркнуть, что важно обеспечить LES точным притоком (левая панель рис.4, из моделирования предшественника) для экспериментальных профилей рядом с турбинами и за ними (три правые панели на рис.4) для точного воспроизведения. Эти результаты подтверждают, что ALM – LES создает реалистичные следы даже там, где турбины взаимодействуют, и, следовательно, модель может быть использована для уверенного исследования крупных ветряных электростанций и кластеров VAWT. Следует также отметить, что модель ALM – LES способна реалистично фиксировать меандрирование следа, но это меандрирование не отображается на рисунках в данном документе, поскольку мы показываем только средние скорости. Кроме того, отсутствие силы Кориолиса не влияет на результат, учитывая высокое число Россби в приземном слое атмосферы на таких низких высотах.В то время как сила Кориолиса вызывает поворот Экмана, для всенаправленных ветряных турбин с вертикальной осью влияние на производительность меньше, чем для ветряных турбин с горизонтальной осью.

Рис. 4

Профили скорости набегающего и заднего ветра для модели ALM – LES в сравнении с данными полевых экспериментов

Конструкция кластера ветряных турбин с вертикальной осью: соображения геометрии и затенения

Было показано, что кластеризация ветряных турбин с вертикальной осью в небольшие устройства имеет несколько преимуществ для выработки электроэнергии (Dabiri 2011).Общие характеристики турбин улучшаются, поскольку турбины, расположенные ниже по потоку, получают выгоду от эффекта отклонения потока и, как следствие, более высокой скорости потока, создаваемой турбинами выше по потоку. Однако, в зависимости от направления ветра относительно расположения турбинных решеток на ферме, компактная кластеризация также может иметь отрицательные эффекты, когда одна турбина в основном находится в следе / тени расположенного выше по потоку ротора. Например, если две турбины сгруппированы вместе, диапазон направлений ветра, при котором одна из турбин находится в тени (частично или полностью) другой, составляет 2 β , где β = tan ⁻¹ ( 2 D /2 L ) (рис.5, слева), L — расстояние между турбиной (от центра к центру) в кластере. Отметим, что это чисто геометрическое соображение, которое не учитывает расширение следа. С другой стороны, когда поток приблизительно перпендикулярен межцентровой оси, более высокая индуцированная скорость между двумя турбинами не используется.

Рис. 5

Направления ветра, при которых ветряные турбины с вертикальной осью следуют за расположенным выше по потоку ротором для двух, трех и четырех турбин ( γ ≈ β )

За счет введения одной дополнительной турбины диапазон направлений ветра, при котором две турбины могут напрямую затенять друг друга, увеличивается до 6 β (рис.5, посередине). Однако третья турбина может получить выгоду от более высокой скорости ветра, создаваемой между двумя расположенными выше по потоку турбинами, или два нижних ротора могут получить выгоду от поперечного отклонения потока турбины, расположенной выше по потоку (в зависимости от направления ветра). Это может привести к выработке энергии этими тремя турбинами, превышающей мощность трех удаленных друг от друга невзаимодействующих (это улучшение зависит от L / D, , как показано ниже). При увеличении количества турбин в кластере сверх трех, преимущества, связанные с потоком, уменьшаются, а диапазон направлений ветра, при котором турбины затеняют друг друга, увеличивается до n ( n — 1) β , где n — количество турбин в кластере (т.е.g., рис.5, справа). На рис. 6 показано изменение β с L / D и n для различных кластеров; физически β представляет собой полный диапазон направлений ветра, при котором затенение влияет на турбины. Значение β = π подразумевает, например, что одна турбина частично или полностью затенена для 50% возможных направлений ветра или, альтернативно, что две турбины затенены для 25% возможных направлений ветра. Таким образом, β представляет собой совокупное (частичное или полное) затенение всех турбин со всех возможных направлений ветра и, следовательно, может превышать 2 π .При увеличении значения L / D кластера β уменьшается, в то время как, с другой стороны, увеличение n приводит к более высокому β . Для n > 3 значение β / 2 π может стать больше 1, что указывает на отсутствие направления ветра, при котором турбины не отбрасывают хотя бы частичные тени друг на друга. Однако следует отметить, что для L / D > 5 различия между значениями β для n = 2 и n = 3 незначительны.Более того, кластеризация с более высоким значением n имеет важное преимущество в виде использования меньшей площади земли. Следовательно, наиболее эффективная конструкция для кластера, когда нет доминирующего направления ветра на участке, кажется треугольником ( n = 3), поскольку он имеет ограниченное β , в то же время позволяя компактную кластеризацию и синергетическое взаимодействие турбин. Значение n = 4 почти удваивает угол затенения β, без увеличения диапазона направления ветра, для которого происходят синергетические взаимодействия.Поэтому в дальнейшем мы сосредоточимся на треугольных кластерах.

Рис. 6

Вариация β, кумулятивного угла затенения, с отношением L / D и количеством турбин в кластере n

Конструкция кластера ветряных турбин с вертикальной осью: аэродинамические соображения

Чтобы исследовать характеристики предлагаемой конструкции треугольного кластера, мы проводим набор моделирования крупных вихрей в вычислительной области, содержащей три одинаковые турбины, указанные в таблице 1.Размер базового домена составляет L _x × L _y × L _z = 72 м × 48 м × 25 м = 60 × 40 × 20,8 D и охватывает N _x × N _y × N _z = 288 × 192 × 192 узлов сетки. При таком разрешении (d x = d y = 0,25 м) диаметр турбины покрывается примерно 5 × 5 горизонтальными точками сетки, что аналогично запускам валидации.Они остаются неизменными для анализов, используемых в этом подразделе (за исключением анализа чувствительности к размеру домена, который подробно описан ниже). Коэффициент мощности C _P одиночной изолированной турбины, смоделированной LES, составляет 0,36. Поскольку дефицит спутного следа увеличивается с D и уменьшается с расстоянием между турбинами L , L / D становится важным безразмерным числом, которое следует учитывать; то есть, в дополнение к его влиянию на совокупный угол затенения β , показанный на рис.6 и обсуждалось выше. Для определения оптимального расстояния были смоделированы различные отношения L / D в диапазоне от 2 до 8.

Однако перед проведением этого моделирования вычислительная установка нуждалась в проверке; следовательно, для фиксированного значения L / D = 6 был проведен анализ чувствительности результатов к размеру области (так, что размер области и количество точек сетки увеличиваются пропорционально, и, таким образом, разрешение сетки не изменяется. ). Два параметра были исследованы на чувствительность к размеру домена: усредненный по кластеру коэффициент мощности C _P и дефицит скорости следа на 15 D и 20 D ниже по потоку от кластера.Дефицит скорости в следе усредняется по времени и по прямоугольнику y — z , который совмещен в направлении x с площадью проекции поперечного сечения турбины. Как видно из рис.7, если сравнивать прогоны 80 × 27, 80 × 40 и 80 × 54, изменения в ширине домена L _y могут быть значительными, когда L _y становится очень маленьким (27 D ). Для таких узких областей площадь поперечного потока, блокируемая турбинами, становится большой и препятствует правильному боковому отклонению линий тока.Поскольку наш домен периодический в y , маленький L _y позволяет кластерам взаимодействовать с «виртуальными» соседними. Из рисунка следует, что следует использовать минимальное значение L _y ≥40 D , поскольку увеличение размера поперечного домена сверх этого значения до L _y = 54 D, приводит к незначительным изменениям. в среднем C _P или после восстановления.

Рис. 7

Анализ чувствительности к размеру домена. Принятый размер 60 D × 40 D . C _P = мощность турбины / (0,5 ρ A U
³ _∞), где A — площадь ротора

Изменения в длине домена L _x мало влияют на среднее значение C _P (сравните 54 × 54, 60 × 54 и 80 × 54 прогоны).Однако на дефицит скорости явно влияет L _x (из-за эффектов граничных условий ниже по потоку). На основании результатов анализа чувствительности на рис.7 минимальное значение L _x = 40 D было сочтено необходимым (и достаточным), чтобы избежать влияния длины домена в среднем C _P и дефицит скорости следа (сравните 60 × 40 с 60 × 54 или 80 × 40 с пробегами 80 × 54).Таким образом, размер домена L _x = 60 D на L _y = 40 D принят для однокластерного моделирования в дальнейшем. Все эти моделирования были проведены с использованием наложенного ламинарного логарифмического профиля притока с длиной шероховатости поверхности z ₀ = 0,001 м и скоростью трения = 0,5 м с ^-1. Чтобы оценить влияние уровней турбулентности на приток, было проведено моделирование с использованием плоскостей притока из предшествующего периодического турбулентного режима.Как видно на рис.7, использование турбулентного притока значительно снижает значения дефицита на 15 D и 20 D ниже по потоку от кластеров, что ожидается, поскольку увеличение интенсивности турбулентности увеличивает увлечение импульса в след и ускоряет его восстановление.

При установленном базовом размере области моделирования с треугольными кластерами для различных соотношений L / D было проведено сначала с использованием уникального направления ветра 60 °, показанного на рис. 7. На основе результатов моделирования для различных случаев (см. Инжир.8), очевидно, что увеличение L / D улучшает производительность первой (против ветра) турбины из-за уменьшения эффекта блокировки перед турбинами 2 и 3. Из-за направления вращения первой турбины (показано на Рис. 7), который отклоняет поток в сторону третьей турбины, третья турбина имеет немного большее значение C _P по сравнению со второй турбиной. С другой стороны, Рис. 8 показывает, что производительность второй и третьей турбин сначала улучшается, когда L / D увеличивается с 2 до 3, затем выходит на плато, пока L / D = 5, и, наконец, снова уменьшается.Когда L / D > 5, эти турбины менее способны использовать более высокую скорость ветра, вызванную отклонением потока расположенным вверх по потоку ротором. Среднее по кластеру значение C _P (связанное со скоростью ветра вверх по течению U _∞), таким образом, достигает пика при промежуточном значении L / D . Таким образом, для дальнейшего анализа были выбраны три случая с наивысшим средним значением C _P, соответствующим значениям L / D 3, 4 и 5.

Рис.8

C _P для каждой турбины в кластере и среднее значение для всего кластера в зависимости от L / D

Этот анализ состоял из моделирования, в котором все параметры остаются такими же для данного L / D , но с другой ориентацией входящего потока. Мы стремимся исследовать всенаправленность предлагаемых кластеров VAWT, а также найти наиболее эффективное расстояние VAWT, усредненное по всем направлениям ветра.На рисунке 9a показано среднее значение C _P в зависимости от направления набегающего ветра; случай с L / D = 5 имеет максимальное значение C _P, усредненное по всем турбинам для всех направлений ветра. Это подтверждается на рис. 9b, на котором показано влияние L / D на C _P, усредненное по всем направлениям ветра и всем турбинам и нормализованное значением C _P. одиночная изолированная турбина.Установка с L / D = 5 имеет улучшенные характеристики, поскольку угол, под которым ветряные турбины с вертикальной осью отбрасывают тени на турбины, расположенные ниже по потоку ( β ), уменьшается из-за увеличения расстояния между турбинами, а также из-за восстановления следа улучшается, когда затенение происходит на большем расстоянии восстановления. Наконец, ключевое наблюдение из рис. 9b состоит в том, что среднее значение C _P примерно на 10% выше, чем для одиночной изолированной турбины, когда L / D = 5; это подтверждает наше предположение о том, что синергетическое взаимодействие между близко расположенными турбинами действительно может привести к более высокой общей выработке электроэнергии при надлежащей эксплуатации.

Рис.9

a Треугольное среднее значение кластера C _P в зависимости от направления ветра ζ . b Усредненное по кластеру C _P, также усредненное по всем направлениям ветра и нормализованное с помощью C _P одиночной изолированной турбины (угловые скобки обозначают усреднение)

Проектирование фермы

: соображения пробуждения и восстановления кластера

Выбрав эффективный дизайн кластера, мы теперь обращаем наше внимание на проектирование ферм на основе этих кластеров.Важным параметром при проектировании и оптимизации ветряных электростанций является расстояние, необходимое для скорости ветра и восстановления энергии после турбин (Hezaveh et al., 2016). Это применимо к массивам, состоящим из отдельных турбин, а также из кластеров (если нет доминирующего известного направления ветра, которое здесь не предполагается). Дефицит скорости ветра (1 — U ( x , y , z ) / U _∞ ( z )) был усреднен по самолетам y — z , охватывающим весь кластер (спроектированная область нормального потока) на различных расстояниях x от концентратора с использованием данных из тех же моделей, описанных в предыдущем подразделе.Мы также исследовали различные значения L / D , чтобы подтвердить, что наш выбор L / D = 5, сделанный на основе выходной мощности изолированного кластера, не приводит к более длинным следам, чем для других значений L / D . . Результаты, представленные на рис. 10, показывают, что увеличение расстояния между турбинами в каждом треугольном кластере значительно сокращает расстояние, необходимое для восстановления скорости ветра до 75% от ее верхнего значения U _∞. Из рисунка видно, что расстояние восстановления до 75% скорости уменьшено с 25 D для L / D = 3 до 15 D для L / D = 5.Выбор скорости восстановления 75% является несколько произвольным, и, конечно же, можно выбрать другие пороговые значения. Однако сравнительный анализ дистанций восстановления позволил бы прийти к тем же выводам относительно оптимального L / D , который следует принять, независимо от точного порога восстановления.

Рис. 10

Сравнение усредненного дефицита скорости для различных L / D и разных направлений ветра ζ

Восстановление является важным критерием при проектировании ветряной электростанции, что дополнительно подтверждает выбор L / D = 5.В ветряной электростанции важно, чтобы расположенные ниже по потоку турбины были размещены на таком расстоянии, на котором доступный поток восстановился до значительных уровней своей невозмущенной скорости вверх по потоку (например, до более 75%, хотя более высокие уровни являются предпочтительными), так что мощность выработки электроэнергии составляет эти турбины используются не в полной мере. Кроме того, как показано на рис. 10, за счет увеличения расстояния между турбинами в кластерах уменьшается влияние направления набегающего ветра на расстояние восстановления. Восстановление L / D = 3 чувствительно к изменению направления набегающего ветра ζ; расстояние восстановления до 75% скорости восходящего потока происходит в любом месте между 18 D и 28 D при изменении направления ветра.С другой стороны, восстановление для L / D = 5 гораздо менее чувствительно к направлению ветра и, таким образом, дает больше всенаправленных ферм. Результаты также показывают, что при проектировании ферм на основе кластеров с L / D = 5, восстановление скорости для разделения 10 D между кластерами составляет примерно 70–75%, в то время как разделение 20 D позволяет восстановление до более чем 80% скорости восходящего потока. Оба эти разделения протестированы в моделировании всей фермы ниже.В то время как другие разделения могут быть изучены, результат проверки нашей гипотезы относительно потенциальных выгод от синергетического взаимодействия между ветряными турбинами с вертикальной осью остается прежним.

Проектирование фермы: оценка эффективности

Теперь мы ответим на главный вопрос: может ли синергетическое взаимодействие между ветряными турбинами с вертикальной осью увеличить удельную мощность ветряной электростанции? На практике нам необходимо выяснить, улучшили ли фермы с синергетическими кластерами производительность (производят больше энергии на единицу земли или на единицу вложенных затрат) по сравнению с двумя прототипами ветряной электростанции, выровненными и расположенными в шахматном порядке регулярными массивами.На основе размера выбранной турбины и результатов, полученных выше, было смоделировано одиннадцать конфигураций фермы. Одна конфигурация проиллюстрирована на фиг. 11, в то время как еще четыре схемы могут быть визуализированы на графиках продольной скорости на фиг. 12; турбины такие же, как те, что подробно описаны в предыдущих разделах. Все используемые симуляции являются периодическими (представляющими бесконечную ферму), с N _x × N _y × N _z = 320 × 160 × 336 узлов и L _x × L _y × L _z = 96 м × 48 м × 32 м.Разрешение дает 4 × 4 горизонтальных узла сетки на диаметр ротора, что сравнимо с проверочными испытаниями, представленными ранее. Вертикальная высота области моделирования выбирается на основе анализа чувствительности, выполненного для ветровой электростанции 10 D с шахматным шагом. Были выбраны области с вертикальной высотой 32, 45 и 54 м и коэффициенты полной мощности (мы используем два определения: C _P и C
^* _P, которые описаны ниже) этих трех доменов.Из-за небольшого коэффициента блокирования ветряных турбин (проекция площади турбин, перпендикулярной потоку, по площади расчетной области y — z ), которая в наших прогонах составляет <3,75%, изменение общего ветра усредненные по ферме коэффициенты мощности с высотой домена <1% (Таблица 2). Таким образом, домен высотой 32 м был сочтен достаточным и выбран соответственно; это согласуется с Sarlak et al. (2016) относительно соответствующих коэффициентов блокирования для ветроэнергетических исследований.

Фиг.11

Схема конфигурации ветряной электростанции с треугольными кластерами VAWT, с расстоянием между турбинами L = 5 D и расстоянием между кластерами 20 D для выровненной конфигурации кластера

Рис. 12

Величина продольной скорости в ветряных электростанциях с 10 D горизонтальными шагами, средний поток слева направо: a со стандартным выравниванием, b с регулярным смещением, c кластером с смещением при направлении ветра 0 °, и d гроздь в шахматном порядке при направлении ветра 60 °

Таблица 2 Вертикальная высота расчетной области в зависимости от среднего коэффициента мощности фермы для ветряной электростанции с шахматной конфигурацией 10 D

Шесть из смоделированных случаев представляют собой прототипы ветряных электростанций с шахматной или регулярной конфигурацией массива и с разделительными расстояниями 5 D , 10 D или 20 D ; Эти конфигурации приводят к 128, 32 и 8 турбинам в расчетной области соответственно.Было проведено четыре дополнительных эксперимента с использованием расположенных в шахматном порядке кластеров (с разделением L / D = 5 в каждом кластере) с направлением ветра 0 ° или 60 ° и с межкластерным расстоянием 20 D или 10 D для каждого направления. , что соответствует 24 и 96 турбинам в домене соответственно. Следует отметить, что, поскольку модель LES использует периодические граничные условия как в направлениях x , так и y , эти симуляции соответствуют бесконечным ветряным электростанциям с бесконечным количеством турбин.Следовательно, количество турбин в расчетной области не влияет на результаты при нормировании на каждую турбину. Наконец, один эксперимент проводится с использованием 20 интервалов D и выровненных кластеров с направлением ветра 60 ° относительно кластера. Для визуализации различий в схемах потока в этих конструкциях на рис. 12 показана средняя продольная составляющая скорости для нескольких выбранных конфигураций. Более низкие значения в шахматных конфигурациях отражают более высокое извлечение мощности в результате большего количества турбин, и поэтому необходимы показатели, позволяющие последовательно сравнивать эти конфигурации.Найти такие показатели непросто, как описано в работах Мейерса и Менево (2010) и Гойта и Мейерса (2015).

Самая прямая метрика, которую проще всего вычислить — это среднее значение ветровой электростанции C _P, которое использует в качестве опорной скорости компонент средней продольной скорости во всем объеме ветровой электростанции, содержащий ветер по вертикальной оси. турбины (т.е. в объеме, охватывающем полную плоскость x — y и область z от нижней части до верхней части лопаток).Сравнение этого значения C _P для различных макетов показано на рис. 13. Как и ожидалось, ступенчатые случаи имеют более высокие значения C _P по сравнению с выровненными значениями как для кластеризованных, так и для сгруппированных значений. регулярные конструкции. Более интересен и актуален тот факт, что сгруппированные конструкции последовательно производят более высокую мощность, чем прототипная конструкция для любого интервала. Как указывалось ранее, значение C _P для изолированной турбины равно 0.36 и конструкции с шахматным расположением кластеров с расстоянием между кластерами 20 D превосходят это значение по всей ветровой электростанции для обоих направлений ветра. Это связано с увеличением в среднем C _P, которое допускают кластеры, и большим расстоянием между кластерами, которое сводит к минимуму влияние нахождения после восходящего кластера. При уменьшении расстояния между кластерами до 10 D среднее значение C _P уменьшается, но остается значительно выше, чем для соответствующих обычных ветряных электростанций.

Рис.13

Средняя ветряная электростанция C _P значения для различных конфигураций (ступенчатые или выровненные, сгруппированные или регулярные) и для различных расстояний

Другим важным результатом является то, что шахматные конфигурации, даже на небольших расстояниях друг от друга, стабильно работают лучше, чем выровненные. Продольное разделение в случае смещенного 10 D , например, такое же, как разделение в выровненном корпусе 20 D , и тем не менее, смещенное расположение 10 D дает более высокое C _P .Одна физическая причина такой улучшенной производительности заключается в том, что в шахматных кластерных фермах, помимо синергетических взаимодействий внутри каждого кластера, сами кластеры, вероятно, взаимодействуют положительно. Можно наблюдать, например, на фиг. 12c, d, что два соседних кластера создают ускорение потока между кластерами, позволяя следующему смещенному ряду извлечь выгоду из этого отклонения потока. Это в точности похоже на ускорение внутри кластера, но теперь происходит между кластерами, что указывает на фрактальный атрибут этих синергетических взаимодействий (хотя здесь только два фрактальных поколения).

Результаты на рис. 13, однако, исключают важное различие между этими периодическими симуляциями. Из-за более высоких сил сопротивления, действующих на ABL в случаях с более высокими плотностями (5 D интервалов) или в случаях с более эффективными планировками фермы, требуемый градиент давления, налагаемый при моделировании для получения стационарного среднего потока, также будет выше. В LES на каждом временном шаге вычисляется сопротивление, оказываемое на ABL всей ветроэлектростанцией и поверхностью земли, и накладывается необходимый средний продольный градиент давления для уравновешивания этого сопротивления.Этот градиент в конечном итоге достигает стационарного состояния, когда средний поток уравновешивается. В результате разные случаи имеют уникальные градиенты давления над ветровой электростанцией, а подводимая мощность (оцениваемая как произведение силы градиента давления и величины продольной скорости) в область не является согласованной во всех случаях. Как было обнаружено в работах Мейерса и Менево (2010), Гойта и Мейерса (2015), для преодоления этой потенциальной несогласованности можно использовать несколько подходов. Поскольку в нашем моделировании не учитывается сила Кориолиса, наилучшим подходом является нормализация мощности, извлекаемой за счет мощности, подаваемой в объем ветряной электростанции, для моделирования.В отсутствие силы Кориолиса и в установившихся условиях сила градиента давления должна уравновешивать полное сопротивление (турбина + поверхность земли). Таким образом, можно охарактеризовать эти две равные и противоположные силы квадратом скорости трения, связанной с полным сопротивлением домена u _τH (определено аналогично Calaf et al.2010; Goit and Meyers 2015). Таким образом, общая потребляемая мощность пропорциональна U _T u
² _τH, где U _T — это компонент продольной скорости, усредненный по объему ветряной электростанции (среднее значение области, содержащей лопасти, как определено ранее).В крупных ветряных электростанциях это показатель средней кинетической энергии, поступающей в область, которая может быть извлечена турбинами. Скорость против ветра определенного ряда (раньше использовалась для определения C _P) является результатом этого ввода, а не основным источником энергии, как в очень маленьких хозяйствах. Таким образом, кинетическая энергия, которая может быть извлечена в крупных ветряных электростанциях, зависит от падения давления и компонента продольной скорости, усредненного по объему фермы U _T, и поскольку эти фермы влияют на поле атмосферного давления, а также протекают внутри них значительно, они влияют на доступную им силу.{2} = \ Delta P _ {{drop}} \ frac {{L_ {x}}} {{L_ {z}}}, $$

(10)

, где P _T — средняя мощность на одну турбину, u _τH — квадратный корень из общего среднего сопротивления (на земле + турбины), которое масштабируется с общим падением давления Δ P _{падение} по ферме, а A — это площадь ротора отдельной турбины. Сравнение этой новой метрики производительности для различных конфигураций представлено на рис.14. Поскольку u _τH составляет примерно 10% скорости ветра, C
^* _P составляет примерно 100 C _P и не должен интерпретироваться так же, как классический коэффициент мощности. Даже после нормализации общей мощности, генерируемой в этих схемах за счет потребляемой мощности для каждого случая, кластерные шкафы сохраняют наивысшее значение C
^* _P значение, подразумевая, что эти случаи могут извлекать больше энергии из приложенного градиента давления в поле по сравнению с обычными ветряными электростанциями.Ожидается, что относительные различия в производительности ветряных электростанций будут ближе к различиям, изображенным на рис.13 для небольших хозяйств ( C _P строго применимо только для одного ряда), и ближе к различиям на рис. 14 для крупных хозяйств.

Рис.14

Средняя ВЭС C
^* _P значений, нормализованных на единицу приложенной мощности, потребляемой в области турбины, для различных конфигураций (ступенчатых или выровненных, групповых или регулярных) и для различных разделительных расстояний

Также было выполнено сравнение плотности мощности на единицу площади земли, используемой для различных конфигураций, что подтвердило, что кластерные конструкции увеличивают плотность мощности, и подтвердило нашу гипотезу.Однако результаты содержат предупреждение о том, что удельная мощность неизменно выше для меньших расстояний, даже когда турбины в ферме используются неэффективно (низкая C _P). Следовательно, плотность мощности сама по себе не может использоваться в качестве показателя для оптимизации компоновки фермы. Чтобы получить более реалистичную и практичную метрику, рассчитываются общие капитальные затраты на единицу выработки электроэнергии T _итого. Поскольку выработка электроэнергии для каждой фермы пропорциональна сумме C
^* _P значений всех отдельных турбин в данной партии фиксированного размера, мы используем эту сумму, обозначенную как C
^* _{Σ
P}, для нормализации вместо фактической мощности.{*}}}, $$

(11)

, где Γ _A — плотность ветряных турбин на единицу площади, а A _L — общая площадь земельного участка. T _земля — стоимость земли на единицу площади и T _{турбина} — стоимость одной турбины. Используя различные соотношения стоимости земли и стоимости турбины, а также стоимость типичной отдельной турбины, аналогичной моделируемой (≈ 10 000 долларов США) (Dabiri 2011) в формуле.11, были вычислены нормализованные затраты на энергию и нанесены на график на рис. 15. Использование этой метрики сравнения также показывает, что шахматная компоновка с треугольными кластерами имеет самые низкие капитальные затраты на спроектированную единицу генерируемой мощности и, следовательно, является оптимальной конструкцией среди исследованных.

Рис. 15

Общие капитальные затраты на «единицу мощности», произведенные для различных случаев

Аналогичный анализ был проведен с использованием всего C _P, и результаты также показывают, что ветряные электростанции с кластерной конструкцией являются наиболее оптимальными среди исследованных здесь.Опять же, мы повторяем, что сравнение с C _P более актуально для очень маленьких хозяйств, а если использовать C
^* _P, результаты более репрезентативны для крупных хозяйств.

alexxlab

Посмотреть все записи автора alexxlab →