食品工业中碳排放不确定性研究

杨松，田玮，魏来，王志伟，周中凯，*，付水胜，王德生，储玉玲（1.天津科技大学机械工程学院，天津00222；2.天津市轻工与食品工程机械装备集成设计与在线监控重点实验室，天津00222；.天津科技大学食品工程与生物技术学院，天津0057；.天津狗不理食品有限公司，天津00000）



食品工业中碳排放不确定性研究

杨松1，2，田玮1，2，魏来1，2，王志伟3，周中凯3，*，付水胜4，王德生4，储玉玲4
（1.天津科技大学机械工程学院，天津300222；2.天津市轻工与食品工程机械装备集成设计与在线监控重点实验室，天津300222；3.天津科技大学食品工程与生物技术学院，天津300457；4.天津狗不理食品有限公司，天津300000）

摘要：食品工业中的碳排放已经得到更多的关注，但是对于碳排放不确定性的研究相对较少。中国主食传统生产工艺具有效率低、能耗高的特征，开发新工艺改善生产效率特别是节能减排在目前环境日益恶化的情况下则显得尤为重要，因此，本文基于蒙特卡洛抽样方法，假设两种碳排情景，分析了中国主食包子的单位产品在新旧工艺下的二氧化碳排放情况。结果表明在不同碳排放情景下，单位产品碳排放的绝对差异波动范围较大，但其相对碳排减少量都约为30%，并且其不确定性较小，即变化范围小，所得结论可靠。此外，虽然蒸制过程所需能耗是速冻过程的约四倍，但由于天然气和电力碳排放因子的差异，这两个工艺过程的二氧化碳排放量非常类似。

关键词：碳排放；不确定性；蒙特卡洛模拟；节能减排

目前，我国食品工业的节能减排任务艰巨，行业平均规模小，集约化水平低，蒸汽等传热介质二次利用率低。以天津狗不理食品有限公司为代表的一批食品企业，为扩大生产规模和提升企业技术水平，建设了新的蒸制面食制品的生产线，应用了螺旋醒发、蒸制、预冷和冷冻等连续化和自动化设备，实现了除包制之外工序的自动化生产，不但将生产效率提升了5倍左右，而且大大降低了单位产品的能耗。新生产线的和面环节使用了自动上水和上粉系统；制馅环节使用了容量更大的立式制馅机，配备了自动上水系统；醒发、蒸制、预冷、速冻环节都使用了已申请专利的螺旋式自动进样系统，而老生产线都由人工操作相应的设备。以上就是新老工艺的主要区别。

根据作者的前期研究，通过对蒸制和速冻环节的能量利用效率对单位产品的能耗进行估算。单个包子重34 g，使用老工艺经计算，蒸制过程需要热量1.801 kJ，速冻过程需要耗能0.438 kJ；使用新工艺后，蒸制需要1.284 kJ，速冻需要0.301 kJ。因此，若不考虑其他环节能量损耗的差异，新工艺比老工艺节省29.21%的能量。

能源碳排放因子（carbon emission factor或carbon intensity，单位：gCO2/kJ或gC/kWh）指消耗单位质量能源所产生的温室气体排放量，用于表征某种能源温室气体的排放特征［1］。能源碳排放因子包括了不同类型能源从开采、加工、运输、最终使用不同环节中可能排放温室气体的总和。因此，这些数值有很大的地区差异，即使对于同一地区也很难准确定义其数值，有其本身特有的不确定性［2］。先前的研究中很少考虑这种不确定性对于二氧化碳减排造成的影响。

因此，本文基于蒙特卡洛抽样方法，通过考虑不同能源类型碳排放因子的不确定性，确定新旧狗不理包子生产工艺所带来的二氧化碳减排效果。需要强调，本文中的碳排放指二氧化碳排放量，非碳排放本身，其相互转换可通过碳与二氧化碳分子量比值进行。

1　计算方法

基于蒙特卡洛（Monte Carlo）方法计算的方法可分为五步，已经广泛用于不同的研究领域，主要用于与不确定相关的问题，包括食品安全等领域［3］。将这种方法用于食品工业的碳排放计算可分为以下5个主要步骤，如图1所示。

图1　基于蒙特卡洛方法碳排放的计算流程图Fig.1　Flow chart of computing carbon emissions based on Monte Carlo method

第一步收集不同类型能源的碳排放因子。不同能源的碳排放因子差别很大，这是由其自身定义决定的，不同种类能源其生产、加工、运输及最终使用过程中有非常大的差别，决定了其相应的碳排放因子也有很大的差异。

第二步确定不同能源碳排放因子的概率密度分布函数。根据上一步所得的信息，以确定不同能源碳排放因子的不确定性函数，如正态、均匀、三角等函数分布。具体的形式取决于可用数据的数量及可靠性。在本次研究中，假设为均匀分布。如果有更多的数据可用时，就能建立不同能源碳排放因子特定概率分布函数（即非标准概率密度函数）。根据查阅大量文献［1，4-6］，为了充分表达碳排放因子的不确定性，本文设定了两种不同的碳排放情景，都假定这些因子服从均匀分布，如表1所示。

表1　两种碳排情景中碳排放因子均匀分布的上下限Table 1　Lower and upper limit of carbon emissions using uniform distributions in two carbon scenarios

两种碳排情景的主要区别是，第一类中天然气和电力排放因子的变化范围要大于第二种。通过这两种差别较大的碳排放计算，能提供更加完善可靠的分析。

第三步利用拉丁超立方（Latin hyper-cube）的方法得到不同能源碳排放因子的组合［7］。假设需要在n维向量空间里抽取m个样本，n为不同变量数，m为抽样次数。本例中，n和m分别为2和2 000，两个变量分别代表天然气和电力的碳排放因子。拉丁超立方体抽样分为三步：（1）首先将每一个变量分成互不重迭的m个区间，并保证每个区段有相同概率；（2）在每一个变量中的每一个区段中随机的抽取一个点；（3）最后从上一步每一变量中随机抽出中选取的点，将它们组成一个新向量。通过这些计算，将生成一个输入变量的矩阵，与其对应的输出变量的向量计算将在下一步进行。

第四步根据新旧生成工艺中不同工序段的能耗差别，分别计算其相应的二氧化碳排放量。其计算公式如下：

式中：C表示总的二氧化碳排放量（gCO2，克二氧化碳）；Qi表示第i种能源的消费量，kJ；Efi表示第i种能源的碳排放因子，（gCO2/kJ）。

第五步采用不同统计量或可视化方法表达不同生产工艺的碳排放数量。常用的统计量主要从变化范围和集中趋势两个角度来分析，表达变化范围的统计量包括最大值、最小值、上四位数、下四位数、四分位距（interquartile）、标准差等，表达集中趋势的统计量有中位数、均值等。用可视化技术表达碳排放的不确定性有很多方法可以选择，如箱线图、直方图、核密度图（kernel density）、小提琴图等。

本文中所有的统计计算及图形均由R程序来实现，R是在统计领域得到广泛应用且具有高级数据分析的统计计算及图形生成程序［8］。

表2　新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳排放量计算总结Table 2　Summary of carbon emissions per product using new and old technology under two carbon emission scenarios

2　计算结果及分析

表2总结了新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳排放量。由此表可看出，虽然在旧工艺中蒸制消耗的能量是速冻的约4倍，但速冻过程排放的二氧化碳与蒸制过程相比其排放量略大。这是因为如表1所示，同样能量的电力所排放的二氧化碳要远远大于天然气。对于新工艺，其情况也类似，速冻过程排放的二氧化碳量要高于蒸制过程。以上论述，对于两种不同碳排情景均成立。由此也可看出，如果电网供电来源采用更多的清洁能源，如光伏和风电等，二氧化碳减排的效果将会更加显著。

图2　新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳排放量Fig.2　Carbon emissions per product using two scenarios in new and old technology

图2表示新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳排放量。

无论对于第一种或第二种碳排放情景，单位包子通过采用新工艺，其碳排放量与旧工艺比较，有明显的下降。两种碳排情景的区别是，在第一种碳排条件下，新旧生产工艺的碳排放量有相当部分的重叠，这个结论也可由表2看出，即旧工艺的最小值小于新工艺的最大值。但在第二种碳排放条件下，新旧生产工艺没有任何重叠。这表明过大的碳排放不确定性对新旧生产工艺所带来的减排效果有明显影响。

图3表示新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳绝对和相对减少量。碳排放的绝对减少量在两种不同碳排情景下，其变化范围差别较大。但对于碳排放的相对减少量，其区别很小。由表2可看出，在两种不同碳碳情景下，新旧生产工艺的相对碳排放量均值都约为30%。由表2和图3都可看出，虽然不同能源的碳排放因子有其较大的不确定性，但本研究中所得的相对碳排放的减少量约30%的结论有很高的可靠性，其变化范围很小。

图3　新旧生产工艺在两种不同碳排假设情景下单位产品的二氧化碳绝对和相对减少量Fig.3　Absolute and relative reduction of carbon emissions per product using two scenarios in new and old technology

3　结论

本文根据狗不理公司新旧生产线的能量差异，基于蒙特卡洛抽样方法，假设两种碳排情景下分析了单位产品在新旧工艺下的二氧化碳排放情况。结果表明在不同碳排放情景下，单位产品碳排放的绝对数量差别范围较大，但其相对碳排减少量都约为30%，并且其不确定性小，即变化范围小，所得结论比较可靠。此外，虽然蒸制过程所需能耗是速冻过程的约四倍，但由于天然气和电力碳排放因子的差异，这两个工艺过程的二氧化碳排放量非常类似。本文虽然是以包子为研究对象，但所得的碳排放减少的效果可推广至馒头、花卷等其他蒸制面食生产线，说明企业集约化的新生产线可大大降低单位产品的碳排放，因此相关技术具有推广示范意义。

参考文献：

［1］丛建辉，朱婧，陈楠，等.中国城市能源消费碳排放核算方法比较及案例分析——基于“排放因子”与“活动水平数据”选取的视角［J］.城市问题，2014（3）：5-11

［2］DE WILDE P，TIAN W.Predicting the performance of an office under climate change：A study of metrics，sensitivity and zonal resolution［J］.Energy and Buildings，2010，42（10）：1674-1684

［3］陈志军，李耘，陈晨，等.食源性健康风险评估的二维蒙特卡罗方法［J］.中国卫生统计，2010，27（4）：501-504

［4］刘竹，耿涌，薛冰，等.城市能源消费碳排放核算方法［J］.资源科学，2011，33（7）：1325-1330

［5］刘占成，王安建，于汶加，等.中国区域碳排放研究［J］.地球学报，2010，31（5）：727-732

［6］华坚，任俊，徐敏，等.基于三阶段DEA的中国区域二氧化碳排放绩效评价研究［J］.资源科学，2013，35（7）：1447-1454

［7］TIAN W.A review of sensitivity analysis methods in building energy analysis［J］.Renewable and Sustainable Energy Reviews，2013，20：411-419

［8］王斌会．多元统计分析及R语言建模［M］．广州：暨南大学出版社，2010

DOI：10.3969/j.issn.1005-6521.2016.11.051

作者简介：杨松（1987—），女（汉），硕士研究生，研究方向：能耗不确定性计算。

*通信作者：周中凯，教授，研究方向：食品科学与工程。

收稿日期：2015-05-30

Uncertainty Analysis of Carbon Emissions in Food Industry

YANG Song1，2，TIAN Wei1，2，WEI Lai1，2，WANG Zhi-wei3，ZHOU Zhong-kai3，*，FU Shui-sheng4，WANG De-sheng4，CHU Yu-ling4

（1.College of Mechanical Engineering，Tianjin University of Science and Technology，Tianjin 300222，China；2.Tianjin Light Industry and Food Engineering Machinery and Equipment Integrated Design and Online Monitoring Key Laboratory，Tianjin 300222，China；3.College of Food Engineering and Biotechnology，Tianjin University of Science and Technology，Tianjin 300457，China；4.Tianjin Go-Believe Food Co.Ltd，Tianjin 300000，China）

Abstract：The carbon emission in food industry has gained more attention in recent years.However，studies based on uncertainty analysis of carbon emission were rare.Chinese traditional staple food production process has characteristics of low efficiency and high energy consumption，the development of new technology in improving the efficiency of production，especially energy-saving emission reduction in the current environment is particularly important.Therefore，based on Monte Carlo sampling method，two carbon emissions scenarios were assumed and used to analyze carbon dioxide emissions of the new and old production lines of one of Chinese staple food Baozi.The results showed that in two scenarios，the absolute difference fluctuations were big，but the relative reduction of carbon emissions were both about 30%and with little uncertainty，which lead to small change range and reliable conclusions.In addition，although the steaming process of the energy consumption is about four times the freezing process，but due to the differences in carbon emission factor of natural gas and electronic power，the carbon dioxide emissions from these two process were very similar.

Key words：carbon emission；uncertainty；Monte Carlo simulation；energy-saving and emission-reduction