没有合适的资源?快使用搜索试试~ 我知道了~
软件X 18(2022)101032原始软件出版物Benopt-Heat:一个经济优化模型,用于确定德国热转换的强大生物能源技术Matthias Jordana,c,Mara,Markus Millingera,Daniela Thräna,b,ca亥姆霍兹环境研究中心-UFZ,Permoserstraße 15,04318 Leipzig,GermanybDBFZ Deutsches Biomasseforschungszentrum gGmbH,Torgauer Strasse 116,04347 Leipzig,Germanyc莱比锡大学基础设施和资源管理研究所,Grimmaische Str. 12,04109莱比锡,德国ar t i cl e i nf o文章历史记录:收到2020年2022年1月19日收到修订版,2022年关键词:优化供热行业生物质能不确定度评定a b st ra ct几种能源系统优化模型被用来确定德国能源转型的解决方案。 其中大多数报告在介绍异质供热部门和多种生物能源选择方面缺乏细节。Benopt-Heat填补了这一空白,并解决了与德国供热部门未来使用生物能源有关的几个研究问题。基于模型结果和解决不确定性的新方法,生成了具有高度细节和置信度的政策见解。该软件出版物提供了一个基础,以进一步调查在这一领域的多方面确定的研究问题©2022作者(S)。由爱思唯尔公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。代码元数据当前代码版本v1.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2020_61Code Ocean compute capsule法律代码许可证GNU GPL v3使用git的代码版本控制系统软件代码使用的语言、工具和服务Matlab、GAMS编译要求、操作环境依赖性Window 7或更高版本链接到git存储库的开发人员文档/手册Wiki页面问题支持电子邮件matthias. ufz.de1. 动机和意义根据最新的政策调整,减缓气候变化要求供热行业到2050年实现碳中和,甚至到2045年。在德国,供热部门占最终能源需求的50%以上[1]。然而,在过去的十年里,热转换停滞不前,今天只有14.5%的热量供应是可再生的。能源系统优化模型(ESOM)被广泛用于确定成本最优的能源系统或转换路径,以达到排放目标。一些ESOM被开发来研究德国的能源转型[3Merkel et al.的评论[9]确定通讯作者:亥姆霍兹环境研究中心- UFZ,Permoserstraße 15,04318Leipzig,Germany.电子邮件地址:matthias. ufz.de(Matthias Jordan).https://doi.org/10.1016/j.softx.2022.101032其中大多数报告缺乏关于异质供热部门的详细说明,生物量数据在大多数情况下是高度综合的。然而,一个详细的模型,包括代表性的异构热部门和各种可能的生物能源的选择还没有开发德国到目前为止。生物质占德国供热行业可再生能源的86%[10]。然而,这种来自残渣和能源作物的资源是有限的,几乎完全被利用[11]。将现有模型应用于概述的研究差距被认为是没有目的的,因为异质热部门的复杂性及其可能的供应概念将需要对模型结构进行重大修改。因此,开发了Benopt-Heat。在模型中,将主要的供热部门---私人住宅、工业和商贸业进一步划分为19个子部门,这些子部门在术语上具有不同的属性2352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表SoftwareX期刊主页:www.elsevier.com/locate/softxMatthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010322热量需求概况、基础设施和隔热标准。对于每个子行业,描述了各种代表性的生物能源、化石能源和其他可再生(混合)热技术概念[12]。详细描述可能的生物质产品,其价格和它们的可用潜力的定义,以评估未来的成本最佳的生物质利用。该模型嵌入在一个情景框架中,该框架来自于描述德国从今天到2050年强烈减排能源系统的能源转型的长期能源转型情景。[3、6]。此外,与ESOM项目相关的各种问题都可以通过该模型来解决。其中一个问题与供热行业利益攸关方和消费者的异质性有关。不同的利益、条件和偏好已经到位,影响着未来的市场发展,而不仅仅是纯粹的经济理性行为。将消费者异质性和消费者心理因素纳入ESOMs可能会为能源政策提供新的见解。此外,不确定性是ESOM的主要挑战之一。能源系统的未来转型是由一系列非常不确定的因素共同决定的,例如未来能源价格的发展。系统的评估可以确定哪些参数驱动模型输出,测试模型结果的稳健性,并帮助重点场景分析[13]。然而,很少使用这些方法在ESOM为基础的分析今天。考虑到上述情况,使用Benopt-Heat评估了以下研究问题:哪些生物能源技术概念是未来的竞争选项,实现气候目标的供热行业,以及它们在不同供热子行业中的潜在作用有何不同?哪些不确定因素对生物质热量的未来作用有重大影响,哪些技术概念是基于这些因素的可靠解决方案考虑消费者选择如何影响不同情景下的最佳发展?根据Benopt-Heat的结果,在几种情景分析中确定了未来有竞争力的生物能源技术[14,15]。引入了一种新的方法,将该模型与Sobol的基于方差的全局敏感性分析相所介绍的方法提供了一个有价值的贡献,以处理不确定性的ESOMs,并可以作为一个案例研究,为其他研究人员。最后,首次将影响投资决策的消费者异质性 和 行 为 因 素 ( 超 出 成 本 最 小 化 ) 纳 入 德 国 供 热 行 业 的ESOM[17]。消费者选择的整合改善了ESOM的行为现实主义,避免了使用最低预期收益率、增长率等来平滑预测,并有助于理解新技术存在的障碍。总之,在考虑未来的不确定性和消费者行为的情况下,可以以高度的细节和信心产生关于德国供热部门未来使用生物能源的政策见解Benopt-Heat带有用户界面,允许运行可定制的场景。该代码是在一个MATLAB环境中执行,再加上GAMS。2. 软件描述2.1. 软件构架为了评估概述的研究问题,德国热力部门的模型是使用数学优化方法开发的。作为一个编程环境GAMS[18]与MATLAB结合使用[19]。在MATLAB中,输 入 数 据 从 Microsoft EXCEL [20] 导 入 , 编 辑 并 自 动 发 送 到GAMS。优化器的结果被导出回MATLAB,在那里进行评估和图形化准备。该模型是完全确定性的,并使用完美的预见。这是一个线性模型,使用Cplex求解器。空间边界是整个德国。从现在到2050年,技术和原料分配在年度决议中进行了成本优化。在模型中 , 名 义 价 格 适 用 于 2015 年 。 该 模 型 的 方 法 遵 循 Benopt(BioENergyOptimisation模型),该模型最初是为运输部门的生物燃料评估而开发的[21图1显示了模型架构。该模型包括一个用户界面和六个主要模块(五个MATLAB函数和GAMS中的优化模块这六个函数可以从不同的应用程序调用,例如用户界面或可定制的脚本。中央函数Main.m定义集合并调用模型的函数。函数xlsx2mat.m处理从EXCEL文件中导入的数据,并将所有输入参数存储在.mat文件中,从而大大缩短了计算时间,例如在运行灵敏度分析时。导入的数据在SetParameter.m函数中根据所选场景设置进行处理,并进行格式化以适应GAMS中优化所在SetParameter.m函数中,为清晰起见, 为每个 参数定义了 单独的部分 。在此 函数中, 称为BioFeedCost.m,这是一个计算未来生物质价格发展的函数在处理完所有参数后,调用GAMS,并将所需参数发送到GAMS,以便使用GAMS和MATLAB接口的GDXMRW数据交换协议进行实际优 化 GAMS 优 化 的 结 果 被 发 送 回 MATLAB 。 最 后 , 调 用Plotting.m函数可以生成各种场景图。同样,为了函数内的清晰性,不同的图被分成部分优化结果可以在模型运行结束时直接绘制,也可以从先前保存的结果中绘制,这些结果可以通过用户界面加载。用户使用用户界面配置模型进行情景计算或调整脚本进行敏感性分析。额外的功能,特别是与Sobol'灵敏度分析相关的功能由于其模块化结构,该模型可以很容易地适应新的情景数据,扩展新的技术概念或生物质原料的新细节。另一方面,向另一个基础设施和可再生能源潜力不同的国家转让可能是一个挑战,需要逐案评估2.2. 软件功能用户界面. 可以使用模型用户界面为预定义的参数值设计和执行可自定义的场景。用户可以在预定义的参数值之间进行选择,如图所示。二、情景计算可以执行并可选地保存。可以根据用户选择绘制各种模型输出和输入。EXCEL文件中更新的输入数据可以通过用户界面加载到模型中。分部门和技术选择。德国供热部门的三个主要部门,私人家庭,工业和贸易/商业,又分为19个子部门,在供热需求概况,基础设施和绝缘标准方面具有不同的属性。建筑子行业内热量需求的未来发展基于建筑存量模型“B-STar”[ 7 ]的结果,该模型对于每个子部门,描述了代表性的生物能源,化石和其他可再生(混合)热技术概念[12],包括。例如燃气锅炉,热泵,直接电加热,太阳能···Matthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010323Fig. 1. 模型架构示意图。方框表示模块,箭头表示数据流。函数名用斜体字表示。优化模块它是在GAMS中构建的,所有其他模块都在MATLAB中构建。箭头上的数字表示函数的执行顺序。数据导入自Excel文件和所有输入参数都存储在.mat文件中。图二. 模型用户界面。热能、原木、木屑和木片技术。每个(混合)热技术概念被分成不同的模块,由概念内的容量、效率程度、寿命和投资成本定义。对于每个技术模块,考虑投资成本、可变成本和比排放。关于在分部门实施技术的详细说明,见第2.1在Jordan et al. [14](见图) 3)。生物质和生物能源。在总共25个生物质产品(包括。木材残留物、原木、稻草、粪肥、两种多年生作物和七种能源作物)和三种化石原料是模型技术的可能投入[12]。生物质残留物的国家潜力来自于当前能源使用的上限和下限以及Brosowski等人[11,24]所述的可开发潜力。该模型优化了能源作物可用土地Matthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010324表1在热电联产/光伏发电技术的供暖和用电方面,与电力部门的模型接口。来自电网电力的排放根据电力组合特定排放因子分配至热力部门功率价格信用供热部门排放外需最终消费价格0电网电力混合内部用于加热00技术排放。系统内部用于非加热0最终消费价格0输入电网0股票市场价格0图三. 为所考虑的原料建立材料和能量流模型。箭头表示定义可能途径的矩阵。一些原料潜力流入一个原料(价格)类别,一些可以流入多个类别。限制是每种能源作物每年的土地使用量最多增加一倍生物质的进口和出口不被考虑,因为分析的目的是在德国国内最佳分配国家生物质潜力。从总的可用生物量潜力(残留物和能源作物)中,用户确定的份额预先分配给供热部门(包括CHP应用)。该模型可以自由选择任何类别的残留物,并可以自由种植任何定义的能源作物,只要不违反定义的上限。从今天开始的实际生物质使用量作为起点。未来的生物质价格使用Millinger和Thrän [25]中描述的方法进行预测,该方法直接集成到模型代码中,并处理用户界面中定义的年度生物质价格上涨电力部门接口。未来,热力板块可期与电力部门密切相关,因为基于电力的加热系统(如热泵)和热电联产系统的使用预计会增加。表1显示了供热和热电联产系统消耗的电力是如何定价的,以及排放量是如何在模型中分配的。此外,在德国不同的供热子行业,电力的最终消费价格也各不相同.这是由与电价的几个组成部分(例如税收和征税)有关的不同费用驱动的。因此,该等组成部分在模式中分开处理,其未来发展根据预测趋势而定。在模型中,据推测,到2050年,电力部门将几乎完全脱碳。场景设置。 在模型中,各种参数可以针对场景设置进行修改。用户界面是一个方便的工具,用于此目的,为每个参数提供一个价值(发展)范围从文献研究。可能的参数修改包括:设定温室气体减排目标、影响热需求的翻新率、与生物质潜力相关的数据、未来能源价格发展、政策激励和消费者考虑行为考虑到与供热系统投资决策相关的消费者行为,在文献中确定了关于消费者选择采用住宅供热系统的经验数据这些数据被整合到模型中,结合了整合消费者异质性的既定方法和计算间接成本的新方法,代表了行为因素[17]。密谋。基于场景结果,可以根据用户的选择生成在不同的水平上,特别是在生物质和生物能源的使用方面,有不同的由此产生的成本和排放的分布以及一些输入参数,如能源价格和运营成本可以显示。此外,可以绘制关于安装/投资/停用的加热系统的容量和数量等的曲线图,各种注释脚本可用于呈现与敏感性分析相关的结果,这些脚本可以单独调整(例如Sobol不确定性评估。一个详细的说明如何变-基于概率的Sobol敏感性分析[16 ]第10段。在用户为所选参数定义了不确定性范围Sobol1,并量化参数的主要影响为了执行Sobol '的实施灵敏度分析基于Sobolby the generation生成of scatter散点plots图.3. 说明性实例举例来说,本文计算了一个极端情景:供热部门的温室气体减排目标设定为与1990年相当的98%,设定了一个强劲增长的CO2价格和一个高的再燃料消耗率。此外,生物质潜力很大,并预先分配给供热部门,能源价格保持不变。政策激励不到位,不考虑消费者选择。该方案是通过在用户界面中自定义参数来设计的。在该模型中,计算了从2015年到2050年的成本最优转型路径,同时满足热量需求和温室气体减排目标作为限制。图4显示了整个供热部门的技术市场份额的发展情况。10种技术类型的技术份额总结了所有技术(混合)概念。该图显示,2015年主要基于化石的供热不断被可再生技术替代除热泵外,使用木屑的生物能源技术是特别有竞争力的选择,并获得了主要的市场份额。在Fig.的顶部。图5显示了11个预定类别中残留物的总体可用生物量潜力。 在图的中间图中 。 5、实际使用的 生物质Matthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010325见图4。 模型导致的技术发展的市场份额为整个热行业在每 年 的决议。图五、年 度 决 议 中 的 可用和消耗生物量潜力。下面的曲线图显示了用于能源作物种植的可用土地和由模型内部确定的实际耕地数量。结果表明,在最初的20年里,并不是所有的可用生物量都被用于模型。然而,随着时间的推移,生物质变得更具竞争力,每年的潜力得到开发,这主要是由于温室气体减排目标的增加和排放定价的提高此外,结果表明,特别是固体,基于木材的然而,从2030年起,可消化生物质将成为实现气候目标的另一个有竞争力的选择。通过这个例子,显示了一个场景计算的主要功能。但是,未对本文进行不确定度评估。有关如何进行敏感性分析的全面示例,读者可参考Jordan et al. [16 ]第10段。4. 影响除了几个ESOMs存在的能源转型建模在德国,但缺乏详细的供热部门和生物能源的代表性,Benopt热介绍,它解决了这两个赤字。该模型包括一个详细的代表性的异构热部门和各种可能的生物能源原料和技术选择。该模型被应用于几项研究,提供政策见解,在德国热转换中的生物能源的未来作用这些政策见解具有高度的细节和信心,因为未来的不确定性得到了彻底的调查,消费者的异质性和投资行为也得到了考虑。例如,在联邦经济事务部的几个设想方案中,确定了德国供热部门具有竞争力的生物能源技术Matthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010326和能源(BMWi)[14,15]。除了这项研究之外,通过应用全面的敏感性分析,在解决方案空间中提出了在32个输入因素的不确定发展下德国热转换的稳健生物能源技术,该分析还确定了对生物能源未来竞争力有重要影响的参数[16]。此外,引用[1]Bundesministerium für Wirtschaft und Energy.能源数据(Energiedaten):完成版(Gesamtausgabe),URLhttp://www.bmwi.de/Redaktion/DE/Downloads/Energiedaten/energiedaten-gesamt-pdf-grafiken.pdf?blob=publicationFile& v=40.将消费者投资行为应用于模型内的未来生物能源市场发展进行了研究[17]。此外,该模型有助于研究确定私人家庭无二氧化碳供热的解决方案[26]。概述的调查导致进一步的研究问题的识别。例如,据确定,生物质在工业部门特别具有竞争力,但这些分部门的数据基础缺乏细节。对于更详细的见解,关于生物质在工业中可以竞争性分布的具体应用,作者强烈建议在这个方向Lenz等人[27]全面讨论了这个问题。此外,研究发现,将消费者选择纳入模型的方法和数据基础是有限的。对于未来的研究,最好提供更新和更详细的经验数据和方法学进展,例如模型校准。此外,该模型还将用于评估[2]Umweltbundesamt. 德国的可再生能源(Erneuerbare Energien)2019 年 发 展 数 据 ( Daten zur Entwicklung im Jahr 2019 ) , 网 址https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2020 - 04 - 03_hgp-ee-in-zahlen_bf. pdf。[3] Repenning Julia , Emele Lukas, Blanck Ruth, Böttcher Hannes, De-houst Günter,Förster Hannah,et al. Climate protection scenario 2050( Klimaschutzszenario 2050 ) : 2. Endbericht -Studie im Auftrag desBun-desministeriumsfürUmwelt,Naturschutz,BauundReaktorsicherplum , URLhttps://www.oeko.de/oekodoc/2451/2015-608-de.pdf,[4]施莱辛格·迈克尔,林登伯格·迪特马尔,卢茨·克里斯蒂安。 Energiemärkte开发-Energierefereznose:项目编号 57/12 Studie im Auftrag desBundesministeriums für Wirtschaft und Technologie URLhttps://www.bmwi.de/Redaktion/DE/Publikationen/Studien/entwicklung-der-energiemaerkte-energiereferenzense-endbericht.pdf?blob=publicationFile& v=7,[5]普夫卢格·本杰明,特斯蒂根·贝恩德,弗兰克·贝恩德. Langfristszenarien fürdie 转型 des能源系统 在德国:Modul第三章:雷韦雷兹泽纳里奥und巴西塞纳里奥Studieim奥夫特拉格desBundesministeriums für Wirtschaft und Energie URL https://www.bmwi.de/Redaktion/DE/Downloads/B/berichtsmodul-3-referenzszenario-und-basisszenario.pdf?b l o b =publicationFile& v=4,德国生物质研究中心(DBFZ)设计的新开发的生物能源加热技术的未来竞争力计划还包括将该模型与另一个ESOM融合,以优化德国运输和交通部门的生物能源使用[22]。最后,研究增加时间分辨率的影响似乎是值得的然而,随着时间分辨率的提高,导致模型运行时间的延长,应用全面敏感性分析的可能性降低。5. 结论有了所提出的模型,概述的研究差距可以解决。生物质在热尔曼热转换中未来可能的作用在热部门的代表性和可能的影响方面进行了高度详细的评估。生物能源技术概念。该模型考虑了未来的各种不确定性和消费者选择的影响,可以确定未来有竞争力的生物能源技术及其相应的原料此外,还查明了对生物能源未来竞争力有重大影响的因素,以向决策者表明相互依存关系。通过概述的不确定性评估,[6]Gerbert Philipp,Herhold Patrick,Burchardt Jens,Schönberger Stefan,RechenmacherFlorian , KirchnerAlmut , etal.KlimapfadefürDeutschland,The Boston Consulting Group and Prognos A.G.网址https://www.zvei.org/fileadmin/user_upload/Presse_und_Medien/Publikationen/2018/Januar/Klimapfade_fuer_Deutschland_BDI-Studie_/Klimapfade-fuer-Deutschland-BDI-Studie-12-01-2018.pdf.[7]Koch Matthias,Hennenberg Klaus,Hünecke Katja,Haller Markus,Hesse Tilman.生物能源在2050年之前的电力和供暖市场中的作用,考虑到未来的建筑存量(Rolle der Bioenergie im Strom- und Wärmemarkt bis 2050unter Einbeziehung des祖昆夫蒂根Gebäudebestandes)URLhttps://www.energetische-biomassenutzung.de/fileadmin/Steckbriefe/dokumente/03KB114_Bericht_Bio-Strom-W%C3%A4rme.pdf,[8]Nitsch Joachim , Pregger Thomas, Naegler Tobias , Heide多 米 尼 克 ,Tena Diego Luca de,Trieb Franz,et al. Langfristszenarien und strategienfür den ausbau der埃 尔 诺 伊 巴 伦能 源在德 语 ,land beiberücksichtigung der entwicklung in europa und global : SchlussberichtURLhttp://www.dlr.de/dlr/Portaldata/1/Resources/bilder/portal/portal_2012_1/leitstudie2011_bf.pdf,[9] Merkel Erik,McKenna Russell,Feederbach Daniel,Fichtner Wolf.德国住宅供暖系统气候和能源目标的基于模型的评估。J Clean Prod 2017;142:3151-73. http://dx.doi.org/10.1016/j的网站。jclepro.2016.10.153网站。[10]2000年德国可再生能源的发展2020年,网址https://www.erneuerbare-energien.de/EE/Redaktion/DE/下载/development-of-renewable-energy-sources-in-germany-2020.pdf?b l o b=publicationFile& v=29.可以以高度的信心提供见解。竞合利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作致谢这项工作得到了德国联邦经济与能源部(03KB 113 B)和德国亥姆霍兹研究中心协会的资助,并通过亥姆霍兹跨学科环境研究研究生院(HIGRADE)得到了亥姆霍兹脉冲和网络基金的支持。感谢Öko-Institut e. V.分享使用B-STar(建筑存量转换模型)计算的热需求数据,这些数据用于本研究中定义的家庭,贸易和商业以及区域供热市场[7]。感谢Volker Lenz提供技术和经济技术数据,本研究和以前的研究都是基于这些数据。[11]布罗索夫斯基 安德烈, Krause 蒂姆 曼陶 乌多, 马赫罗 贝恩德, 诺克·安雅,如何衡量生物残留物、废物和副产品的影响:以德国为例开展国家资源监测。生物质生物能源2019;127:105275.http://dx.doi.org/10.1016/j.biombioe.2019.105275网站。[12]伦茨·沃尔克乔丹·马蒂亚斯不同供热子行业可再生能源供热系统的技术经济数据。2019年,http://dx.doi.org/10.17632/v2c93n28rj.2。[13]Deadis Joseph , Daly Hannah , Dodds Paul , Keppo Ilkka , Li Francis ,McDowall Will , et al. Formalizing best practice for energy systemoptimization modeling.应用能源2017;194:184-98. http://dx.doi.org/10.1016/j的网站。apenergy.2017.03.001网站。[14] Jordan Matthias,Lenz Volker,Millinger Markus,Oehmichen Katja,Thrän Daniela.德国供热行业未来有竞争力的生物能源技术:经济优化方法的发现。能源2019;189:116194。http://dx.doi.org/10.1016/j.energy.2019.116194网站。[15]ETA-Florence Renewable Energies编辑德国供热行业实现气候目标的生物质竞 争 力 关 键 应 用 : 优 化 模 型 的 发 现 。 ETA-Florence Renewable Energies;2019,http:dx.doi.org/10.5071/27thEUBCE2019-5BV.3.10,URLhttp://www.etaflorence。它/程序?详细信息=16385。[16] 乔丹·马蒂亚斯米林格·马库斯斯朗·丹妮拉德国热转换的鲁棒生物能源技术:一种结合优化建模和Sobol敏感性分析的新方法。应用能源2020;262:114534. http://dx.doi.org/10.1016/j.apenergy.2020.114534网站。Matthias Jordan、Markus Millinger和Daniela Thrän软件X 18(2022)1010327[17] 乔丹·马蒂亚斯、霍普菲·夏洛特、米林格·马库斯、罗德·朱利安、特伦·丹妮拉。将消费者的选择转化为德国供热部门的优化J Clean Prod 2021;295(5):126319。http://dx.doi.org/10.1016/j.jclepro.2021.126319网站。[18]GAMS开发公司2019年,URLhttps://www.gams.com/。[19]MathWorksInc.MATLAB软件2019年,URLhttps://de.mathworks.com/products/matlab.html。[20] Microsoft. Microsoft Excel。2019年,URLhttps://products.office.com/de-de/excel。[21]Millinger Markus,Meisel Kathleen,Budzinski Maik,Thrän Daniela.德国生物燃料的相对温室气体减排成本竞争力。能源2018;11(3):615。http://dx.doi.org/10.3390/en11030615网站。[22]米林格·马库斯 BioENergyOptimisation模型。 2019年,URL。[23][104]杨伟,王伟.温室气体减排德国农作物生物燃料的最佳配置。Transp ResD 2019;69:265-75. http://dx.doi.org/10.1016/j.trd.2019.02.005网站。[24]Deutsches Biomasse Forschungszentrum,编辑。DBFZ -数据储存库:资源数据库(资源数据库)。2019年,URL http://webapp.dbfz。de/资源。[25] Millinger M,Thrän D.生物质价格的发展抑制了德国生物燃料的投资和研究 : 高 产 的 关 键 未 来 作 用 。J. 干 净 Prod. 2016;172 : 1654-63.http://dx.doi.org/10.1016/j.jclepro.2016的网站。十一点一七五[26]Wern Bernhard , Lenz Volker , Sperber Evelyn , Saadat Ali , SchmidtDietrich,Engelmann Peter,et al. Wärmebereitstellung in privathauhalten -lösungenfür eine CO2-freie energieitstellung.在:FVEE-Themen,编辑。未来能源研究:2019年五年期报告。2019年,第28比32[27] Lenz Volker,Szarka Nora,Jordan Matthias,Thrän Daniela.工业化国家利用生物质 作为工业过程热量 的现状和前景。 化学工程技术2020;133(5):57。http://dx.doi.org/10.1002/ceat.202000077.
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功