【GAMS實際案例】使用 GAMS 為歐盟建模交通碳強度目標

時間：2023-04-04作者：北京友萬信息科技有限公司瀏覽：140

GAMS為“General Algebraic Modeling Systems”的縮寫，透過簡單的操作模式，GAMS排除了許多技術(shù)性問題，讓用戶能專心于模塊的建立。其語言編輯器近似于其他常用的程序語言，讓多的使用者能受惠于GAMS。在使用過程中，運算數(shù)據(jù)可以經(jīng)由常用的表格加載、清晰的模塊架構(gòu)讓用戶可以隨時重用之前撰寫的模塊，進行代數(shù)符號的修改。GAMS亦可以對包含時間序列的動態(tài)模塊進行運算。通用代數(shù)建模系統(tǒng)(GAMS)是特別為建模線性,非線性和混合整數(shù)優(yōu)化問題而設(shè)計的.本系統(tǒng)對于大型的,復雜的問題特別有幫助.GAMS可以運行在個人計算機、工作站、大型機和級計算機上。




GAMS實際案例

背景

清潔交通 (ICCT) 是一個非營利組織，幫助和政策者做出正確的決定，以減少所有交通方式的空氣污染和燃料消耗?？紤]到交通部門的復雜性，如果可以使用整個部門的復雜、集成模型使用一致的規(guī)則集來模擬政策選項，政策者只能做出明智的決定。GAMS 等代數(shù)建模語言 (AML) 已被證明是開發(fā)此類模型的有用工具。對于歐盟發(fā)起的交通部門脫碳項目，ICCT 要求 GAMS 開發(fā)、測試和運行歐盟交通部門的部分均衡模型，包括輕型車輛、重型車輛和代表的航空部門。該模型的目的是測試幾種政策情景，包括重疊的溫室氣體 (GHG) 減排目標、資格上限和其他優(yōu)惠待遇。在 GAMS 中，我們可以同時應(yīng)用所有這些約束集并求解模型以衡量市場對這些政策的反應(yīng)。這項工作的結(jié)果饋入歐盟 關(guān)于氣候變化的“綠色協(xié)議”計劃，目標是到 2030 年將溫室氣體排放量減少 55%，到 2050 年實現(xiàn)氣候中和。以下文本以濃縮格式總結(jié)了研究的某些方面。

考慮的政策情景

總共考慮了 10 個政策情景，這些情景是與 ICCT 的研究人員合作開發(fā)的。每個場景代表以下組合：

●溫室氣體減排目標或可再生能源指令

●限制以食品和飼料為基礎(chǔ)的生物燃料

●的生物燃料授權(quán)

●非生物來源的可再生燃料 (RFNBO)

●可持續(xù)航空燃料 (SAF) 規(guī)定

●航空電子燃料規(guī)定

●預(yù)計電動汽車年增長率

●限制使用某些中間作物（如大豆或玉米）生產(chǎn)生物燃料

場景參數(shù)總結(jié)如下：




該模型

該模型被為靜態(tài)局部平衡模型，使用多個代理。這些代理中的每一個都充當成本小化器，同時遵守一組擬議的政策目標：

消費者代理為輕型車輛或采用不同發(fā)動機技術(shù)（汽油、柴油、電力、氫燃料或壓縮氣）的重型車輛做出購買決策。

消費者代理做出有關(guān)要購買的混合燃料的購買決定。

攪拌機代理，負責向消費者代理提供燃料，滿足政策要求。設(shè)向攪拌機供應(yīng)的混合料符合等彈供應(yīng)曲線。

關(guān)于擴展數(shù)學規(guī)劃（EMP）

平衡問題的實現(xiàn)可能很繁瑣，但GAMS作為的代數(shù)建模語言，提供了“擴展數(shù)學規(guī)劃”（EMP）擴展，并為這些問題提供了特殊支持。EMP可以將單個代理實現(xiàn)為單獨的子問題，然后將其自動重新為可由商業(yè)求解器有效解決的格式。這種重新配方技術(shù)的真正威力在于，它能夠進行模型再開發(fā)，而不需要考慮與重新配方調(diào)試驗證周期相關(guān)的必要工作人員時間。如果有必要進行后期改，這種重新開發(fā)的周期可能會很快變得勢不可擋，這是一個旨在為不斷演變的政策對話提供的項目所固有的。

結(jié)果

圖 1 總結(jié)了用于滿足每種情景的政策要求的燃料類型。情景之間的一些差異正如預(yù)期的那樣，例如，當溫室氣體目標降低時，可再生能源總量較低（情景 2），當基于食物的上限設(shè)置為 0% 時，沒有基于食物的生物燃料（情景 3） 、4 和 10）。一個顯著的結(jié)果是，在大多數(shù)情況下，大量的中間作物生物燃料不受基于食物的生物燃料上限的限制。當政策變得加雄心勃勃時，例如將能源指令水平從情景 8 提高到情景 9，中間作物生物燃料將填補可再生燃料總需求增長的大部分。特別是，我們發(fā)現(xiàn)大豆加氫植物油 (HVO) 的含量大幅增加。簡單地降低目標水平，例如從場景 1 到 2，大幅減少中間作物生物燃料的使用量。我們發(fā)現(xiàn)，一旦子任務(wù)和上限得到遵守，中間作物是實現(xiàn)溫室氣體目標或可再生能源任務(wù)的便宜的合規(guī)選擇。







問題在于，大多數(shù)中間作物都是主要商品作物，它們在生物燃料中的使用預(yù)計會導致間接土地利用變化 (ILUC)，就像以糧食為基礎(chǔ)的生物燃料一樣。當我們考慮 ILUC 排放時，中間作物大豆生物燃料產(chǎn)生的非常高的溫室氣體排放總量顯著減損了整個政策的溫室氣體減排。我們可以在表 2 中看到這一點，該表顯示了每種情景的溫室氣體減排總量，以及碳減排的平均成本、溫室氣體信用價格以及可再生能源在公路和航空領(lǐng)域的總份額。




這項研究的一個重要發(fā)現(xiàn)是，溫室氣體排放目標比可再生能源指令產(chǎn)生的溫室氣體減排量要大得多。情景 8 代表了 26% 的可再生能源授權(quán)，導致可再生燃料總量與情景 1 相似，但僅提供了總體溫室氣體減排量的三分之一左右。因此，情景 8 的碳減排成本大約是情景 1 的三倍。與可再生能源授權(quán)相比，溫室氣體目標似乎也是實現(xiàn)氣候減緩的一種具成本效益的手段。

可再生燃料政策很復雜，政策變化的影響并不總是直觀的。如此處所示，定量建?？梢猿蔀橐环N有用的工具，可以客觀地分析指南變化帶來的廣泛影響，并允許決策者做出明智的決定。


北京友萬信息科技有限公司專注于Minitab,Stata,SPSS等, 歡迎致電 18600528290

• 詞條

  詞條說明

• 2022年 IBM SPSS Modeler數(shù)據(jù)挖掘方法及其應(yīng)用課程內(nèi)訓**結(jié)束！

  2022年11月10-11日，由友萬科技主辦的 ?IBM SPSS Modeler數(shù)據(jù)挖掘方法及其應(yīng)用課程內(nèi)訓**結(jié)束！本次課程通過在線直播+現(xiàn)場授課的方式進行，主要對北京四方繼保自動化股份有限公司的各個部門的骨干人員進行了系統(tǒng)的培訓和講解，并結(jié)合專題案例手把手的講解了軟件要點和操作技巧，本次課程由 IBM 合作伙伴北京友萬信息科技有限公司策劃并全程提供培訓服務(wù)。北京四方繼保自動化股

• 【技術(shù)帖】StataNow 18.5 一個持續(xù)發(fā)布版本，較新離線包下載（2024年12月18 日）粉絲福利！

  StataNow 是Stata的一個持續(xù)發(fā)布版本，在新功能準備就緒后，立即提供新功能。如果您無法從 Stata 內(nèi)訪問互聯(lián)網(wǎng)更新軟件，請參見下文。如果您想查看具體詳情，可以在 StataNow 18.5中輸入update query并選擇（What's new）。此更新適用于 StataNow 18.5正版用戶，如果您的更新日期早于“ 2024年12月18 日”，則需要更新 Stata。Stata

• 2022 Stata大師課第二期《宏觀計量經(jīng)濟分析與Stata、Mathematica應(yīng)用 》圓滿結(jié)束！

  第六屆Stata中國用戶大會于2022年8月19-20日在線盛大召開。您可以與來自各領(lǐng)域良好的 Stata 專家及 Stata研發(fā)工程師一起分享有**的見解及新命令，學習*的科研方法并提高您的 Stata 應(yīng)用知識。會議同期全新推出《Stata大師課》+《Stata公開課》的夏季聯(lián)學營活動，歡迎加入我們，并利用這一*特的機會來學習使用Stata的新方法。2022 Stata大師課第二期《宏觀計

• 【新】2023年P(guān)ython數(shù)據(jù)分析定制內(nèi)訓課程圓滿結(jié)束

  Python作為一門面向多對象的編程語言，簡潔的語法使得編寫數(shù)十行代碼即可實現(xiàn)各種數(shù)據(jù)分析功能。在研究海量數(shù)據(jù)時使用Python加簡單且效率高的處理分析數(shù)據(jù)。隨著數(shù)據(jù)時代的到來，越來越多的學校開設(shè)Python課程，除了學生，老師也開始加精益的要求提高自己的教學水平和科研水平。2023年1月31日-2月2日，由北京友萬信息科技有限公司主辦，佛山科學技術(shù)學院承辦的，為期三天的“Python數(shù)據(jù)分析