今天分享的是工业脱碳系列深度研究报告：《工业深度脱碳建模方法和数据挑战》。（报告出品方：未来能源研究所）
提高碳效率和将碳中性技术用于工业生产，对于大幅度减少温室气体排放量和应对气候变化以及缓解对能源安全和更高能源价格的关切至关重要。工业部门的能源消费占目前全球最终消费总量的近40%，仍然以化石燃料，特别是煤炭为主。年，工业是仅次于发电的第二大排放部门，直接负责排放。
这个估计值相当于全球排放量的四分之一，但不包括用于工业加工的电力的间接排放量(IEAc)。不同行业之间以及不同国家行业内部的工业能源和碳强度差异显著，有六个行业成为能源和排放特别密集的行业(见第2节)。
本文的目的是描述最常见的工业排放建模方法，特别侧重于现有模型描述与能源密集型产业相关的不同缓解方案的能力。这些选择从提高能源效率到开发和部署新的负排放、零排放或低排放技术。重要的是，对工业能源需求和排放量作出定量预测，在很大程度上取决于过去用于模型校准的数据的可用性。此外，不同的建模方法和方法的特点是能够在地理、部门和技术细节方面提供或多或少的详细场景。了解工业能源和排放建模的现有方法和工具的优缺点，为开发和解释可用于为能源和气候相关决策提供信息的结果提供了基础。我们还描述了每个部门最有希望的深度脱碳方案，并讨论了是否以及这些选择在工业能源模型中是如何体现的。重要的是要认识到，仅靠单一的脱碳战略是无法实现大幅度减排的;相反，这些减排更有可能通过多种减缓方案的组合以及对不同技术和子技术的投资和支持来实现。相反，忽视其中一些选择而只促进某些选择，则会降低实现深度脱碳目标的可能性。因此，我们对工业深度脱碳的各种减缓方案的相关性的评估不应被解释为建议应选择一个方案而不是其他方案。Wan整《工业深度脱碳建模方法和数据挑战》来源于
转载请注明地址:http://www.abmjc.com/zcmbhl/8034.html
