EMA工作台:使用参数范围来减少LCA建模中的不确定性

LCA模型中使用的输入数据总是有一定程度的不确定性。并不是每个值或过程都是已知的,因此进行LCA总是涉及一定程度的猜测,这导致结果的不确定性。为了确保您仍然可以从LCA中得出结论,不确定性评估是一个好主意——它显示了某些假设对结果的影响程度,并有助于纠正这种影响,例如通过以范围而不是值来表示结果。

不确定性并不只是潜伏在幕后

wi水肿和Wesnæs血统矩阵是一种众所周知的不确定性分析方法:根据数据的可靠性、完整性以及时间、地理和技术差异来判断数据。这种类型的分析非常适合观察背景数据-关于决策者无法直接控制的过程的数据(例如您使用的电力的排放)。然而,没有明确定义的不确定度评估前景数据(在你的控制下的决定,比如在制造中使用哪种塑料)。的探索性建模分析(EMA)工作台也许能填补这个空缺。

通过检查许多场景来评估不确定性

EMA工作台是一个计算实验工具,允许您自动运行数千个场景,分析输入参数的不确定性如何导致模型场景结果的不确定性。不必为每个场景手动输入输入,EMA工作台允许您指定输入范围。然后,该工具自动生成这些多个场景的结果。EMA工作台还具有用于分析这些结果的内置功能,方便了解释结果的方法。

EMA工作台既可以用于简单的案例,也可以用于复杂的LCA模型。一个很好的特性是在一定的约束条件下优化场景。例如,如果产品对环境的影响必须小于某个值,则可以将其作为约束条件提供。然后,EMA工作台可以提供一系列输入值,从而得到低于您输入的限制的结果。

两步不确定性分析

在EMA工作台中,不确定度分析包括两个阶段。

  1. 实验:建立不确定参数的估计范围,包括那些在决策者控制之下和那些不在决策者控制之下的参数。此阶段还指定了运行模型的总次数。在单个模型运行中,该工具从指定的范围中选择参数值并计算结果。然后使用不确定范围内的一组不同的参数值重新运行模型。重复此操作,直到覆盖所有参数范围。
  2. 分析:一旦所有模型运行完成,该工具将显示每个模型运行的结果和启动参数。对于LCA模型,这些模型结果可以是不同影响类别的环境影响。EMA工作台具有用于分析结果的内置功能,例如功能得分,场景发现两块,敏感性分析.这些功能为用户提供了有价值的见解。例如,特征评分可用于识别输入参数对模型结果的相对重要性,而场景发现可用于识别导致最佳或最差模型结果的输入参数空间。

住宅屋顶上的太阳能电池板:一个案例研究

假设我们想要使用EMA工作台来分析如何通过在住宅屋顶安装太阳能电池板来减少温室气体(GHG)排放。许多政府通过补贴购买太阳能电池板或直接从家庭购买剩余能源来鼓励家庭安装太阳能电池板。假设政府每年在这些补贴上投资一定数额。

政府可以决定用它的补贴覆盖电池板成本的百分比。太阳能电池板产生的总电量以及由此产生的温室气体排放的减少受到其他不确定性的影响,例如太阳能的初始成本、家庭可以安装的平均电池板数量、太阳能电池板的效率、光伏行业的技术发展(折扣率)以及一天有多少小时的阳光。这些因素和其他因素最终将决定温室气体排放量的减少程度,以及有多少家庭可以利用补贴购买太阳能电池板。

设定不确定性范围并进行模型运行

为了使用EMA工作台,我们首先在四个不同的政策干预场景中为不确定因素指定一个值范围。四种政策情景代表了两组政策杠杆的极端值。

  • 在政策1下,补贴定为20%,政府每年投资100万欧元,为期10年。
  • 在政策2下,政府每年投资1000万欧元,而补贴率保持不变,为20%。
  • 政策3下,政府每年投资100万欧元,补贴比例为60%。
  • 在政策4中,政府每年投资1000万欧元,补贴比例为60%。

这些不确定性范围被输入到工具中(参见下表,了解我们在案例研究中使用的范围;标记为“X”的因素为后台过程,标记为“L”的因素为政策杠杆或前台过程)。

接下来,EMA工作台执行预先指定数量的模型运行。对每个场景的结果进行分析可以帮助我们理解每个政策的影响以及不确定因素对结果度量的影响。

太阳能电池板政策的概念框架。

变量 范围 单位 解释
太阳能初始成本(X) (0.5, 2) €/千瓦 面板成本以€/kW计算
每户平均可安装的太阳能板数量(X) (1、5) 千瓦 直接取决于家庭的面积
太阳能电池板效率(X) [0.15, 0.2] 分数 这取决于面板的材料
每日日照时数(X) (5、10) 小时/天
太阳能折扣率(X) [0.03, 0.07] 分数 太阳能每年都变得便宜的因素
补贴(左) 0.2和0.6 分数 政府的补贴将覆盖电池板成本的多大比例。
年投资额(L) 106和107 欧元 政府每年在提供太阳能电池板补贴上投入的资金

有两项政策明显优于其他政策

结果(见箱线图)显示如下:

  • 政策2和政策4在降低能源使用导致的全球变暖潜能值(GWP)和增加拥有太阳能电池板的家庭数量方面最有效。
  • 平均而言,政策1和政策3可分别将能源使用导致的全球变暖潜能值降低约9%和8%,政策2可降低20%,政策4可降低25%。
  • 约有7000户家庭可以享受政策2和政策4下的补贴,而政策1和政策3分别只惠及不到2500户和1000户家庭。

基于此分析,策略2和策略4的性能明显优于策略1和策略3。

显示补贴政策在不同不确定参数组合下的表现的箱形图:每年全球变暖潜能值的平均减少%(左)和服务的家庭数量(右)。

看到这样一个明确的结果是非常有价值的。然而,理解不同输入变量(前景和背景)的相对重要性也是有用的。这就是特征评分的作用。下图显示了不同输入变量对降低全球变暖潜能值和增加受益于补贴的家庭数量这两个目标的影响程度。

政府的投资水平对减排影响最大,其次是太阳能发电的初始成本。由于太阳能发电,仅这两个方面就占了全球变暖潜能值总减少量的60%。服务的家庭数量同样取决于家庭的能力(即家庭可以负担得起的太阳能电池板数量)和政府的投资水平。

不同投入(X和L)与全球变暖潜能值降低百分比和受益户数(M)对应的特征评分表。

如果您想使用EMA工作台,或者想深入了解该工具,请查看这个文档.尽管这个案例研究相当简单,但我们希望已经展示了使用EMA工作台进行计算实验的好处。特别是当您将它与允许一次指定一个模型的其他不确定性分析方法进行比较时,您可以看到EMA工作台可以节省多少时间。

Ruchik帕特尔

Ruchik于2020-2021年在PRé担任分析师。他曾为金融领域的各种客户从事开创性的生物多样性足迹项目。此外,他还将自己的编程技能应用于自动化数据收集和结果显示。他的专业领域还包括使用PRé的软件包SimaPro开发在线工具。

请随时关注我们的时事通讯

通讯登记

部分

部分

时事通讯
条件

Baidu
map