重工业城市建筑业碳排放核算与预测研究

魏光普，康瑜，范浩文，于晓燕，马明

（内蒙古科技大学 建筑学院，内蒙古 包头 014010）

化石能源造成全球性的温室效应，联合国政府间气候变化专门委员会（IPCC）发布的《IPCC全球升温1.5℃特别报告》指出，升温1.5℃与升温2℃相比能减少更多极端气候、海平面上升等问题，若放任其发展，温室效应将给人类带来巨大的灾难[1]。作为对《巴黎协定》的积极响应，中国提出了到2030年单位国内生产总值CO2排放量要比2005年下降60%～65%的国家目标[2]。中国尚处于工业快速发展和城镇化建设时期，碳排放量不断上升，2018年中国碳排放量达到101亿吨，占全球碳排放总量的27.6%，位列第一，与同期美国相比高出12.8%[3]。建筑业的碳排放量仅次于煤电、工业以及交通运输领域，约占全国总量的1/5。

1960年之后世界范围内建筑能耗计算软件发展迅速，其中美国能源部的EnergyPlus软件[4]、美国太阳能试验部的TRNSYS软件[5-6]以及中国清华大学开发的DeTS软件等均被广泛用于建筑能耗计算的相关领域[7-8]；20世纪后，研究主要集中在区域建筑能耗核算，庄智等[9]利用统计年鉴、能源平衡表和抽样调查统计数据三种方法，比较计算了城镇民用建筑能耗；张秀敏和吴朝晖[10]运用案例分析法构建了一种建筑物分类核算方法，并引入实例进行核算；杨秀[11]介绍了美国的公共建筑和住宅建筑的能耗统计办法；杨斯慧等[12]针对我国当前的公共建筑碳交易，选取了北京市和上海市进行试点比对，提出碳排放责任划分方法；黄志甲等[13]建立了住宅建筑全生命周期的碳排放核算模型；秦贝贝[14]提出了基于能源平衡表的可用于计算省级建筑能耗的宏观计算方法。而对于建筑能耗的预测研究，目前主要的能耗预测方法有多元线性回归法[15-16]、人工神经网络法[17]、贝叶斯理论、灰色理论法、时间序列法和支持向量机[18-20]等。如Naji等[21]提出了一种基于极限学习机的建筑能耗预测模型，实验数据表明，该模型比ANN模型的预测精度高；有的学者将神经网络法与模糊推理法结合起来共同去预测建筑能耗。

包头市是西北地区最重要的重工业城市，产业重型化是其显著特征。为响应国家绿色减排发展的号召，包头市政府在“十三五”规划中强调，要制定符合现阶段发展特征的碳减排政策。据统计，截至2019年包头全市房地产业计划完成投资225亿元以上，占第三产业的17%以上，占全市固定资产投资的7%以上[22]。高速发展意味着碳的高排放。本文以包头市城区工业建筑、居住建筑和公共建筑的碳排放量计算和预测为目标，利用当地统计局公布的逐年能源平衡表为数据样本，基于能源平衡表的建筑能耗宏观算法模型核算建筑能源标准煤消耗量，利用LSTM模型预测包头市2021—2030年的建筑能耗量与碳排放量，探讨包头市能否如期达到预计的减排目标，并为其他重工业城市建筑碳排放核算及预测研究提供理论依据。

1 计算方法与预测模型

1.1 建筑碳排放核算方法

（1）建筑碳排放范围界定。建筑碳排放通常包含直接碳排放量和间接碳排放量，其中直接碳排放量是建筑自身所产生的二氧化碳量，而间接碳排放量是由建筑引发的其他相关联产业用能的碳排放量。

目前，国内外学者对于建筑能耗与碳排放的核算边界尚存争议。一类是研究建筑全生命周期的能耗，包括建筑建造阶段、运行阶段和拆除阶段；另一类则是只核算建筑运行阶段的能耗[23]。根据杜强等[24]关于市域间接建筑业碳排放量的研究，其占比远低于省际乃至全国，原因是建筑业产业关联度较高，建筑间接碳排放量在城市碳排放总量中的占比随着研究区域的扩大而增加。由于当前包头市各行业间的投入产出表尚未完善，部分统计工作尚处于起步阶段，无法获得完整的数据样本，所以本文对包头市的建筑能耗与碳排放的核算边界参考第二类，仅核算建筑运行阶段的能耗。

建筑按照使用功能可分为居住建筑、公共建筑、工业建筑三类，以2018年为例，包头市居住用地面积、公共用地面积、工业用地面积分别约占城市现状建设用地面积的29%、17%和23%；同年建筑业企业房屋建筑竣工面积情况中，住宅房屋竣工面积约占总建筑竣工面积的60%，公共建筑约占22%，工业建筑约占17%。本研究认为建筑碳排放应分类型计算，一方面，不同建筑类型的影响因子、碳排放权重并不相同，分类计算可独立反映某一种建筑类型的实际碳排放，以便针对其特征提出相应的节能减排方法；另一方面，分类计算方法能更加科学、准确地反映碳足迹，为后续研究提供了数据基础。

（2）建筑业宏观能耗计算法。IEA和EIA终端能源消耗行业划分中把“居住”和“商业及公共服务”分为建筑能耗。通过比对，可确定中国建筑能耗宏观计算时应包含三项：批发、零售和住宿、餐饮业、其他以及生活消费。根据秦贝贝[14]提出的中国建筑能耗宏观计算公式：建筑能耗=(生活消费扣除全部柴油+批发、零售和住宿、餐饮业，其他能源扣除95%汽油、35%柴油)+k1×工业能耗+k2×(生活消费热力+批发、零售和住宿、餐饮业热力+其他热力)。

其中，生活消费扣除全部柴油指的是在“工厂法”算法下其由于交通运输所产生的能源消耗；批发、零售和住宿、餐饮业和其他能源同上[25]；k1×工业能耗指的是工业消费中包含的建筑能耗；k2×(生活消费热力+批发、零售和住宿、餐饮业热力+其他热力)指的是三项消费中电力及热力的消费修正。k1、k2为系数，取值时利用对比分析选择与现有能耗数据误差最小的值。

以清华大学中国建筑能耗模型（CBEM）计算的建筑能耗为基准，选择1996—2010年中国建筑能耗数据为样本数据，以此建立线性规划模型：

式中：EQi是清华大学计算的建筑总能耗；EQHi是清华大学计算的建筑采暖能耗；EBi指的是能源平衡表中的建筑能耗；EIi是工业建筑能耗；EHi是生活消费，批发、零售和住宿、餐饮业，以及其他热力消费总量。

式（1）线性规划模拟为误差最小的建筑总能耗与清华大学数据的拟合值，式（2）线性规划模拟为误差最小的采暖能耗与清华大学数据的拟合值。其中，包头地区的建筑采暖以集中供暖为主，主要消费的是二次能源，其统计边界与其他建筑能耗类型不同，故此将采暖能耗单独列出。

试算法结果下可知，当k1=5%，k2=2.5时，拟合结果误差最低。

即中国建筑能耗宏观计算公式应为：建筑能耗=(生活消费扣除全部汽油、95%柴油+批发、零售和住宿、餐饮业，其他能源扣除95%汽油、35%柴油)+5%×工业能耗+2.5×(生活消费热力+批发、零售和住宿、餐饮业热力+其他热力)。

（3）建筑业直接碳排放核算方法。建筑业的直接碳排放量由当年建筑业的能源消耗量计算：

式中：Z为包头市当年建筑业直接碳排放量，单位为万吨（以CO2计，下文同）；E为包头市当年建筑业能源标准煤消耗量；ρ为能源消耗碳排放因子，以标准煤数据法得：

式中：EFst为能源消费标准量的排放因子，单位为吨/吨标煤。由于该因子是一个经验估计值，不同研究所给出的排放因子也不同，本文选取国家发改委能源研究所的数据，即EFst=0.67，计算可得：ρ=2.46[26]。

1.2 建筑业碳排放预测方法

（1）LSTM模型基本原理。LSTM模型对非线性和非平稳时间序列具有较强逼近能力的特点，可以有效提高建筑能耗预测的精度。LSTM模型原型是循环神经网络（recurrent neural network,RNN），这是一类以序列数据为输入值的递归神经网络。LSTM预测模型在RNN模型的基础上新加了细胞状态和“门”结构，使得它能保持一个更恒定的误差值[27]。

（2）建模过程。在使用LSTM模型预测前要先进行原始数据的预处理，包括异常值与归一化两项。完成数据预处理之后，将数据转化成监督学习问题的数据帧，将n-1时刻的各个变量作为输入X=[var1(n-1),var2(n-1),var3(n-1),…,var5(n-1)]，将n年的能耗值作为输出Y=var1(n)。根据图1的示意图，运用LSTM模型对训练数据进行训练，多次训练后，选择误差最小的参数作为预测模型的参数，然后对预测数据使用LSTM模型，得到建筑能耗预测数据结果[28]。

图1 LSTM模型运行示意图

2 建筑业碳排放核算与预测结果

2.1 建筑业碳排放目标

据国际能源署公报显示，2020年，全球实现了历史上最大的碳排放量降幅，达到20亿吨量级。2021年是气候行动的关键一年，如果当前对今年全球经济反弹的预期得到证实，而世界主要经济体不采取重大政策调整，2021年全球排放量会进一步增加[29]。欧盟委员会气候行动总司官网的信息显示，欧盟排放交易体系的第四交易阶段为2021—2030年。这与我国提出的“30·60”目标一致。为达到国家承诺的阶段性CO2减排目标，包头市建筑业应至少实现到2020年直接碳排放减少336.29万～394.10万吨的目标。

2.2 建筑业能源标准煤消耗量

由中国能源平衡表中统计方式、终端能源计算方式及终端能耗行业分类与IEA能源平衡表、EIA能流图对比差异可知，中国建筑能源平衡表中生活消费表达居住建筑能耗；批发、零售和住宿、餐饮业以及其他消费表达公共建筑能耗；工业消费包含的非工业建筑用能（如办公楼、家属楼、食堂等）纳入工业建筑能耗范围。对每项消费修正过后，即得当年某种建筑类型的能源标准煤消耗量。

根据《包头统计年鉴》和《中国能源统计年鉴》的能源平衡表，计算得出包头市2002—2020年建筑能源标准煤消耗量，详见表1。

表1 2002—2020年包头市建筑能源标准煤消耗量

由表1可知，包头市2002—2020年居住建筑能耗最高值是2012年的314.79万吨标准煤，最低值为2002年的36.25万吨标准煤，相差约8.7倍；公共建筑能耗最高值为2014年的433.70万吨标准煤，与最低值相差约11倍；而工业建筑能耗最高值为2019年的198.34万吨标准煤，与最低值相差约6.6倍。

2.3 建筑业直接碳排量核算

由表2可知，包头市建筑业2002—2020年直接碳排放量由1.1节中的公式计算所得。总建筑碳排放量2002年最低为259.22万吨，2014年最高为1 996.74万吨。三类不同建筑的碳排放量由高到低依次为公共建筑＞居住建筑＞工业建筑，其中2011—2013年居住建筑＞公共建筑＞工业建筑。

由图2可知，2002—2020年包头市建筑直接碳排放量呈现上升趋势，2014年的1 996.74万吨为最高值，最高值与最低值相差约7.7倍。2008—2020年，建筑直接碳排放量稳定在1 205.79万吨以上。

2.4 建筑碳排放预测趋势

将包头市2002—2020年居住建筑、公共建筑以及工业建筑三类建筑能耗作为样本数据，分别代入LSTM模型中训练数据，LSTM运行训练误差，取误差最小的值为数据参数，将两者一起代入LSTM模型中模拟计算，如图1中所示模型运行示意，得到包头市建筑类型第n年的建筑能耗预测数据，详见图3。

图4横轴为预测年份，纵轴为建筑能耗量，2002—2020年曲线为核算数据趋势，2021—2030年虚曲线为LSTM模型预测趋势。包头市2021—2030年总体建筑能耗预测如图4所示。

表2 2002—2020年包头市建筑直接碳排放量

图2 2002—2020年包头市建筑直接碳排放量趋势

图3 包头市三类建筑能耗预测趋势

由图3可知，在2021—2030年间，居住建筑能耗预测2023年的286.52万吨标煤为最高值，最高值与最低值相差约2.5倍；公共建筑能耗预测在2021年达到最高值为376.80万吨标煤，与最低值相差约2.2倍；工业建筑能耗预测是三类建筑类型中波动最小的，最高值是在2024年达到了209.11万吨标煤，与最低值相差约1.9倍。三类不同建筑的碳排放量由高到低依次为公共建筑＞居住建筑＞工业建筑，仅在2023年时居住建筑＞公共建筑＞工业建筑，2024—2025年间居住建筑＞工业建筑＞公共建筑。包头市总建筑能耗在2022年达到峰值816.36万吨标煤，与2030年最低值387.79万吨标煤相差约2.1倍。由式（3）可知，建筑能耗与建筑碳排放呈正向线性相关，即包头市建筑碳排放预测趋势与建筑能耗预测趋势呈正向线性相关。

图4 包头市总体建筑能耗预测趋势

3 结果与分析

3.1 碳排放目标

中国政府曾在《国家应对气候变化规划（2014—2020年）》中承诺，截至2020年，单位国内生产总值CO2排放比2005年下降40%～45%[30]。包头市2020年建筑直接碳排放量却同比2005年增长了超1 000万吨，涨幅约124%。同时LSTM模型预测包头市2021年建筑直接碳排放量达到1 964.21万吨，符合由经济因素造成的碳排放量反弹的预期。包头市建筑行业减排任务十分艰巨。

3.2 标准煤消耗量

包头市2002—2020年建筑标准煤消耗量中公共建筑＞居住建筑＞工业建筑，其中公共建筑也是涨幅最大的一类建筑。2010—2013年4年间，包头市综合能源消费量年均增速为4.5%，GDP年均增速为10.1%，经济发展带动了房地产经济的蓬勃飞跃，通信、交通等基础设施的大量建立与完善，都是导致建筑业单位产值能耗快速增长的原因，尤以公共建筑涨幅最为明显。

3.3 建筑碳排放核算

过去包头市建筑碳排放整体呈现上升的主要原因存在两方面，一是当地能源结构的不足，二是经济高速发展带来的弊端。长期以来，包头市的发展和工业紧密联系，产业门类齐全，但大部分还处于结构不优、技术不精的状况。1995年包头市工业增加值可占全市生产总值的53.4%，到2019年只占到30.1%，下滑比较严重。以2013年为例，工业消费占到第二产业的99.2%，占全市总消费量的80.8%。能源消费结构依然为资源消耗型，清洁能源的占比较低。在消费总量中仍然以原煤和天然气为主，其中原煤可占到80%以上，并呈现逐年上升的趋势，以煤炭为主的能源结构在短期内无法得到改善。建筑业属于第二产业，相关的碳排放量会随着二次能源消费比例的增加、煤炭燃烧在消费总量中占比的增加而增长。建筑碳排放量预测总体呈现下降趋势，波动较小，这与包头市一直致力于供给侧结构性改革，积极响应国家低碳减排号召，推行绿色建筑和清洁能源的使用有较大关系。

3.4 建筑碳排放预测

张维阳等[31]研究发现包头市作为典型的传统资源型城市，其碳排放量增长较快，超越了全国能源消费碳排放的平均增速；经济发展同碳排放量协同增长，前者高于后者，碳排放效率逐年减小，离绝对减排的目标相差较远。《城市达峰指导手册》指出，城市二氧化碳达峰并不是指某一年二氧化碳排放达到峰值，只有当城市二氧化碳排放达到持续稳定的下降状态，才意味着城市实现二氧化碳达峰。包头市作为资源型重工业城市节能减排任务仍任重道远，建筑行业碳排放量对当地碳达峰具有十分重要的意义。LSTM模型预测包头市建筑行业将于2022年实现碳达峰，若对建筑行业进行改造升级，使之尽早达峰减排，则可为当地碳减排做出巨大贡献。

4 主要结论

本次研究与其他中国建筑能耗核算方法相比较有数据获取便捷、计算简便的优势，计算样本来自国家或者各省份能源统计局所公布的能源统计年鉴。算法中存在缺点，首先工业能耗核算时其中的建筑能耗与采暖能耗比例的修正缺乏更微观细致的调查数据，可能会导致误差值偏高的问题。包头市建筑碳排放量是以当年的建筑能耗为基础核算，建筑能耗在核算边界时确定为建筑运行阶段的能耗。

LSTM预测模型将时间序列问题转换为监督学习问题，相比于传统的BP神经网络方法，此模型可获得更为准确的预测数据。但由于包头市当地能源统计数据起步较晚，数据量及其精细度都有限，因此造成本次研究样本数据偏少，可能会造成预测数据产生一定的误差[32]。

本研究为包头市建筑业提供了整体数据及趋势预测，对当地政府明确碳排放责任、发展低碳建筑、落实绿色建筑提供了数据支撑。2002—2020年包头市建筑业直接碳排放整体呈现上升趋势，到2022年包头市可实现建筑碳达峰。但以短期目标来看，包头市无法按期完成减排目标，且差距较大，能源消费的高耗能仍然存在，建筑业转型升级十分紧迫。

传统资源型工业城市高度依赖化石能源造成了大量二氧化碳的排放，在全球温室效应的背景下可持续发展就成为必然选择。传统资源型重工业城市一般具有低GDP、高碳排放的特点，碳减排空间潜力巨大。本研究以期为传统资源型重工业城市探索建筑行业碳排放核算及预测研究的可行方法。