Chinese  |  English

Journal of Tsinghua University(Science and Technology) >

2025 , Vol. 65 >Issue 7: 1173 - 1184

DOI: https://doi.org/10.16511/j.cnki.qhdxxb.2025.26.022

Intelligent Construction

Calculation method of life cycle carbon emissions of intelligent construction for hydropower projects in high-altitude areas

  • Peng LIN , 1, 2 ,
  • Jianqi YIN 1 ,
  • Yunfei XIANG 1 ,
  • Chaoyi LI 3 ,
  • Yong XIA 4, 5 ,
  • Houlei XU 1, 6 ,
  • Hua MAO 7
Expand
  • 1. Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China
  • 2. School of Civil Engineering and Water Resources, Qinghai University, Xining 810016, China
  • 3. Huaneng Tibet Yarlung Zangbo River Hydropower Development Investment Co., Ltd., Lhasa 850000, China
  • 4. PowerChina Chengdu Engineering Co., Ltd., Chengdu 610072, China
  • 5. Technological Innovation Center of Hydropower, Wind, Solar and Energy Storage of Tibet Autonomous Region, Chengdu 610072, China
  • 6. PowerChina Kunming Engineering Co., Ltd., Kunming 650051, China
  • 7. Huaneng Lancang River Hydropower Inc., Kunming 650214, China

Received date: 2024-08-13

  Online published: 2025-06-26

Copyright

All rights reserved. Unauthorized reproduction is prohibited.
Fold

Abstract

Objective: High-altitude hydropower projects present significant challenges owing to harsh environmental conditions, project clustering, limited data availability, and high construction risks. Accurate carbon emission calculations are crucial in such environments to mitigate environmental impacts and promote sustainable development. This study targets the full lifecycle of carbon emissions during intelligent construction in high-altitude hydropower projects. Methods: This study establishes a comprehensive framework for calculating lifecycle carbon emissions tailored to the unique challenges of high-altitude hydropower construction. The methodology covers three primary stages: data collection, model formulation, and real-world implementation. Lifecycle boundaries and emission factors are established for material production, transportation, construction, and operational maintenance. Key emissions are identified based on quality, energy consumption, and cost criteria to build a detailed carbon inventory. To address altitude effects, an adjustment coefficient is derived by correlating field-monitored data with baseline values, accounting for altitude impacts on emission intensities. The carbon emission model incorporates a discrete event simulation (DES) to capture the dynamic characteristics of construction and equipment operations. This model couples static and dynamic elements, applying static calculations to stable phases such as material production and maintenance while using dynamic simulations for variable stages such as transportation and active construction. This DES approach simulates the sequential and interdependent nature of equipment operations, providing an accurate reflection of emission behavior over time. Furthermore, a network of onsite carbon monitoring devices was implemented across different construction sites in a case project, and real-time CO2 concentration data were collected. These data calibrate and validate emission factors within the model, ensuring accurate altitude-adjusted emission assessments. Results: The model was applied to the JX hydropower project in a high-altitude region with distinct climatic and geographical challenges. The findings indicated that material production and construction machinery were the largest carbon emitters, accounting for 65.7% and 27.4% of total emissions, respectively. Cement manufacturing was identified as the dominant emission source, emphasizing the need for greener materials and cement production. The DES model revealed that equipment states, such as idling and operation, significantly influence emission intensities, especially under reduced oxygen at high altitudes. By integrating the DES results with real-time monitoring, the model supports precise, responsive emission control strategies. The proposed mitigation measures included adopting cleaner fuels, optimizing equipment idle time, and enhancing operational efficiency through scheduled maintenance. The model reliability was demonstrated by the close alignment of the simulated results with actual onsite measurements. Conclusions: The developed model offers a structured approach to calculating lifecycle carbon emissions for intelligent hydropower construction in high-altitude regions. By addressing the unique characteristics of such projects, including altitude-induced effects on emission intensities and equipment behavior, the model serves as a reference for emission reduction in future high-altitude hydropower projects. This study advances the understanding and management of emissions in high-altitude construction, underscoring the potential of intelligent construction methods to drive sustainable hydropower development.

Key words： intelligent construction; calculation model of carbon emission; discrete event simulation; full lifecycle; hydropower project

Cite this article

Peng LIN , Jianqi YIN , Yunfei XIANG , Chaoyi LI , Yong XIA , Houlei XU , Hua MAO . Calculation method of life cycle carbon emissions of intelligent construction for hydropower projects in high-altitude areas[J]. Journal of Tsinghua University(Science and Technology), 2025 , 65(7) : 1173 -1184 . DOI: 10.16511/j.cnki.qhdxxb.2025.26.022

水电作为清洁能源，在中国能源转型中具有关键地位，雅鲁藏布江地区的水电开发虽然带来了巨大的社会和经济效益，但同时面临着生态环境破坏和地质灾害等重大风险挑战[1-2]。在高强度、长周期和集群化的建设场景中，高海拔地区水电工程建设碳排放与环境承载能力之间存在矛盾。统计数据表明，水电工程建设生命周期中的生产、运输和浇筑等行为会产生并排放大量且集中的CO2[3]，可能对当地的生态环境造成影响。因此，开展水电工程建设活动，特别是开展碳排放计算方法的研究，对促进高海拔地区水电工程绿色、优质、高效开发和评价环境影响具有重要意义。
合理评估和管理碳排放，了解水电工程建设过程潜在的环境影响，确定减排措施，不仅能促进生态保护，而且能推动清洁能源转型，实现环境保护和经济发展双赢。目前，基础设施工程碳排放水平的评估方法主要有宏观和微观2种计算思路，分别适用于不同尺度。对于特大区域或行业层面的碳排放来说，学者大多采用宏观碳排放计算方法[4]，原因是这类方法关注建筑物本身的生产和消费产业链，不深入建造细节。例如，将一段时期内的所有投入和产出制成矩阵式表格，根据生产特点建立数学模型，计算消耗系数，进行碳排放的分析和预测[5]。微观的碳排放计算方法包括物料衡算法、排放系数法和全生命周期评价法。物料衡算法的本质是质量守恒定律[6]，适用于具有明显反应关系或流程链的体系，如火电行业[7]。排放系数法利用单位产品产生的碳排放统计平均值(碳排放因子)，计算总排放量。全生命周期评价法则采用清单将建设生命周期内复杂的物质流和能量流简单化，进行定量分析，本质为建立以功能单位表示的物品系统输入和输出，目前已被广泛应用于能源、工业、建筑和农业等领域[8]。
水电工程生命周期的碳排放情况与商业建筑存在很大差异，两者的评价边界和影响因素一般不同。建筑行业已基于商业建筑生命周期建立了一套标准化的碳排放计算体系，商业建筑超过80%的碳排放来自运行阶段，而水电工程的碳排放集中在建设期[9]，运行期则增加碳汇。因此，目前已经建立的评价体系无法完全适用于水电工程，在迁移使用的过程中出现了许多问题。例如：绝大多数研究都低估了大坝本身的排放量[10]；由于缺少水电行业的专有数据库，因此通常只能采用商业建筑的数据资料[11]，计算结果存在较大偏差，无法全面反映水电建筑的碳排放[12]。整体而言，水电建筑碳排放计算领域缺乏可靠的计算方法，计算结果均存在不同程度的偏差。
为不断提高应对工程建设挑战和风险管理的水平，中国的水电工程智能建造在理论方法和关键技术等方面发展迅速[2, 13-15]，已经有多种智能技术应用于水电建造活动，如智能碾压[14]和智能温控[13]等方法。但在环境影响评估方面，由于缺乏统一的数据标准、实时监测技术支持和能匹配智能化建造活动的计算方法，因此无法准确计算工程生命周期内的碳排放。本文基于数据库、历史工程数据和现场建设资料，探讨了高海拔地区水电工程建设生命周期内的碳排放计算边界，明确了碳排放要素，提出了高海拔调整系数；在此基础上，建立了适用于高海拔地区的静态-动态耦合计算模型，评估项目建设阶段碳排放的潜在影响，并进行应用验证评价。

1 高海拔地区水电工程智能建造碳计算的难点与挑战

1.1 难点

高海拔地区环境复杂、气候会直接或间接影响能源开发与利用过程的碳排放强度，且地区特殊性导致行业现有的数据库及计算方法不再适用，因此开展高海拔地区水电工程智能建造的碳排放计算存在如下难点：
1) 气候条件通常极端且不稳定，气温急剧变化和风速激增等导致碳排放的测量与计算误差大。
2) 与碳计算相关的本底资料积累少和统计数据质量不高，难以对某一活动开展全面、精细的计算。
3) 缺乏基础设施和便捷的能源供应，建筑和基础设施需要更高的适应性，建设过程中的运输难度大，燃料燃烧效率低，运输车辆的碳排放也难以准确计算。

1.2 挑战

高海拔地区水电工程智能建造的碳排放计算存在碳排放要素不明确、适应性算法缺乏和建设过程的动态性难以考虑等问题。
1) 碳排放要素不明确。由于高海拔地区常面临极端低温、大幅气温波动和强风雪等恶劣条件，因此，在碳排放计算中，需要考虑众多部门，如供应链、交通、建筑、能源等，以及相应的碳排放要素。整个高海拔地区水电工程建设生命周期的碳排放要素数量庞大，且相互关联，导致碳排放计算变得复杂且难以精确测算。
2) 适应性算法缺乏。水电智能建造生命周期包括规划、设计、建设和运营等多个阶段，特点差异明显。例如：建材生产阶段，活动任务明晰，碳排放主要来源于材料反应释放，适合采用微观思路计算；施工阶段，碳排放主要来源于机械设备的运行，设备状态会影响碳排放强度，不能简单采用排放因子进行计算，需建立机械设备运行状态与工程量之间的关系；运行维护阶段，缺少详细数据记录，无法了解内部流程，只能采用宏观思路。因此，高海拔地区水电工程的复杂性决定了一种计算方法无法完全适应建设生命周期全阶段，目前缺少适应各阶段的碳排放计算方法。
3) 建设过程的动态性难以考虑。静态分析无法准确反映实际施工建设过程中机械设备的工作顺序与工作时间相互影响的情况，无法描述真实建设过程中机械设备共行、重复和交叉运行的过程[16]。对于同一设备来说，采用简单的生命周期方法计算不同运行状态的碳排放是相同的，然而实测数据显示出了显著差异，待机过程的计算误差甚至达100倍[17]。因此，考虑建设过程的动态性，建立机械设备运行状态与工程阶段和工程量之间的关系，是实现碳排放精确计算的关键。
综上所述，高海拔地区独特且脆弱的生态系统给碳排放计算工作提出了更高的要求，但目前的研究无法准确计算高海拔地区水电工程智能建造生命周期碳排放，亟需一套适应性强和动态性好的碳排放计算方法，以更准确和全面地评估智能建造过程的碳足迹，为可持续发展提供科学依据。

2 计算模型构建与模拟分析方法

2.1 碳排放清单

本文主要聚焦高海拔地区水电工程施工建设阶段的短期温室效应，不考虑与工程建设过程在时间和空间上均存在较大差异的准备阶段和拆除阶段，将水电工程智能建造生命周期碳排放计算范围限定为材料生产、物料运输、施工建设和运行维护阶段。
本文使用质量和造价等准则确定材料中的碳排放要素，使用能耗准则确定机械设备中的碳排放要素[18]，表示如下：
$K_{(p, m, e)}=\frac{\sum\limits_{i=1}^{k_{(p, m, e)}} Q_{(p, m, e), i}}{\sum\limits_{i=1}^{n_{(p, m, e)}} Q_{(p, m, e), i}} .$
其中：K(p, m, e)为累积分数，p、m、e分别为造价、质量和能耗；Q(p, m, e), i为对应准则下序号为i的碳排放要素的计量值，包括造价、质量和能耗3种；k(p, m, e)为对应准则下选取作为碳排放要素的物料或设备的数目；n(p, m, e)为对应准则下高海拔地区水电工程建设生命周期的物料或设备总数目。
本文通过调研工程涉及材料的单价、用量，以及机械设备的种类、型号、数目，确定原材料、机械设备和能源消耗的碳排放要素，并结合工程资料建立碳排放清单。

2.2 计算模型

本文采用全球增温潜势指标(global warming potential，GWP)将全部温室气体用CO2当量(kg CO2eq)表示。根据生命周期各阶段的特点，基于物料消耗和设备运行计算材料生产阶段的碳排放，基于经济指标计算运维阶段产生的碳排放。借助离散事件模拟方法建立机械设备运行状态与工程量之间的关系，采用动态方法计算运输阶段与施工阶段的碳排放。为确保工程建设生命周期计算可知可控，基于“全面感知、真实分析、实时控制、持续优化”的智能建造闭环控制理论[15]，综合考虑阶段特点，提出静态-动态耦合的水电工程智能建造生命周期碳排放计算模型，表示如下：
$E_{\mathrm{T}}=E_{\mathrm{S}}+E_{\mathrm{D}} .$
其中：ET为总碳排放量，ES为静态方法计算的碳排放，ED为动态方法计算的碳排放量。
通过引入海拔调整系数描述海拔变化带来的影响，ES可表示如下：
$\begin{gathered}E_{\mathrm{S}}=E_{\mathrm{m}}+E_{\mathrm{o}}= \\\sum\limits_{i=1}^{N_{\mathrm{m}}} f_{\mathrm{m}, i} C_{\mathrm{m}, i} q_{\mathrm{m}, i}+\sum\limits_{i=1}^{N_{\mathrm{o}}} f_{\mathrm{o}, i} C_{\mathrm{o}, i} q_{\mathrm{o}, i} .\end{gathered}$
其中：Em为材料生产阶段产生的碳排放；Eo为运行维护阶段的碳排放；Nm和No分别为材料总数目和运维部门总数目；Cm, i和Co, i分别为对应材料和运维部门的单位活动碳排放(碳排放因子)；fm, i和fo, i分别为对应材料和运维部门的海拔调整系数；qm, i和qo, i分别为对应材料和运维部门的活动强度。
单独考虑影响碳排放的动态因子，建立动态因子与碳排放因子之间的关系，进行海拔调整，ED可表示如下：
$\begin{aligned}E_{\mathrm{D}}=E_{\mathrm{t}}+ & E_{\mathrm{c}}=\sum\limits_{i=1}^{N_{\mathrm{t}}} \int_0^{d_i} f_{\mathrm{t}, i}(h(x)) C_{\mathrm{t}, i} \mathrm{~d} x+ \\& \sum\limits_{j=1}^{N_{\mathrm{c}}} \int_0^{T_j} f_{\mathrm{c}, i}\left(\delta\left(t_{\mathrm{c}}\right)\right) C_{\mathrm{c}, j} \mathrm{~d} t_{\mathrm{c}} .\end{aligned}$
其中：Et为运输阶段产生的碳排放；Ec为施工建设阶段产生的碳排放；Nt为运输物料和设备的总数目；di为第i个物品的运输距离；x为物品的运输距离；h(x)为物品运输至x处的当地海拔；ft, i(h(x))为海拔h(x)处的海拔调整系数；Ct, i为运输第i个物品时车辆单位质量(t)单位运距(km)下的碳排放量(碳排放因子)；Nc为施工机械设备总数目；Tj为第j个设备的总开机时间；tc为对应设备的开机时间；δ(tc)为对应时间下机械设备运行状态的指标，分操作和待机2种状态；fc, i(δ(tc))为对应状态下的海拔调整系数；Cc, j为机械设备运行单位时间的碳排放(碳排放因子)。

2.3 离散事件模拟

离散事件模拟将活动分割成独立的离散单元，以模拟系统运行，其中各单元具有独立的启动、运行和终止时间。系统的行为通过离散事件驱动，事件按照时间顺序在系统中发生，并导致系统状态变化，可能触发其他事件[19-20]。这一特点与施工建设活动的实际情况相似，通过离散事件模拟，依靠施工流程将各单个事件(设备的运行行为)串联起来，可提高施工建设阶段碳排放计算的准确度。
本文首先依托工程进行实地调研，根据建设施工的真实过程建立离散事件模型，并确定模型中各事件的时间分布概率密度函数，采用“排队”思路进行模拟。以“卡车运载混凝土”这一事件节点为例，混凝土为顾客，卡车为服务器，混凝土的到达时间服从上一步骤“卡车装载”的时间分布函数g1(t)，t≥0，每次生成的随机变量用Tt表示。变量定义见表 1，同时设置一固定时间T，在该时间后不允许任何额外顾客进入服务器。单个服务器事件的处理流程如图 1所示。在整个系统中均为该单服务器模式的串联或并联，计算真实的设备工作时间分布情况，进而通过式(4)计算碳排放量。
表 1 离散事件模拟服务器系统变量
变量类型 符号 含义
时间 t 截至目前时间节点模拟的总时间
ta t时刻后下一顾客到达服务器的时间
td 当前顾客的服务完成时间
计数器 Na 截至时间t到达服务器的顾客数目
Nd 截至时间t离开服务器的顾客数目
系统状态 n 在时刻t，卡车运输服务器中的顾客数目
输出 A(i) 顾客i到达的时间
D(i) 顾客i出发的时间
Tp 最后一个顾客离开的时间
图 1 离散事件模拟单服务器流程

2.4 海拔调整系数

确定各碳排放要素的排放因子和海拔调整系数是高海拔地区水电工程智能建造生命周期内碳排放计算的前提。然而，现阶段行业内缺少高海拔地区建设数据，数据库中的碳排放因子不能直接用于高海拔地区。基于此，本文开展了现场监测，通过将监测数据与数据库进行对比，可确定海拔调整系数，具体流程如图 2所示。
图 2 高海拔调整系数分析流程
根据式(1)确定计算范围和边界，建立排放清单；对清单中的碳排放要素进行排放边界建模(C9020W6F200混凝土的边界信息如图 2所示)，包括原材料和产品2个维度，其中运输部分的碳排放本文已单独考虑，不纳入边界之内；选择Ecoinvent Ⅲ和中国生命周期基础数据库(Chinese Life Cycle Database，CLCD)作为基础数据库，确定原材料的引入碳和存储碳；根据监测数据和当地能量供应情况调整物质流和能量流，产品的直接碳排放根据现场监测数据获取，能耗碳排放根据建设地区电网碳排放因子计算标准值确定；整合各部分数据，得到高海拔地区特定碳排放要素的排放因子，与基础数据库中的因子进行比较，确定最终的海拔调整系数。

3 应用案例

3.1 工程简介与现场监测布置

本文选择JX和JC这2个水电工程作为研究案例。JX水电站是雅鲁藏布江中游峡谷段梯级开发的第3级，坝址位于加查县与桑日县的交界处，是典型的大比降山区河道。JC水电工程位于加查县上游约5 km处，属于高原温带季风半湿润气候区。2个工程区的平均海拔超过3 200 m，常年低温，具有十分显著的高海拔地区气候特征。
本文为获取水电建设的碳排放情况，在工程区域安装了自研的碳排放在线监测设备(见图 3)，监测系统安装位置可确保监测的碳排放要素具有代表性，能实时在线远程监测CO2浓度。耦合现场施工进度与对应监测数据，可实时获得高海拔地区具体施工行为产生的碳排放。
图 3 监测设备安装点位
JX工程混凝土拌和楼的CO2监测情况如图 4所示，通过实时获得不同工程施工状态下监测区域内CO2的浓度，可利用“浓度差乘以监测范围体积乘以密度”估算CO2排放量。利用2.4节的海拔调整系数计算方法，可对碳排放数据进行高海拔地区特异性调整，获得海拔调整系数。
图 4 JX混凝土拌和楼的碳排放监测情况

3.2 碳排放清单建立

从项目预算表、招标文件、结算文件和《水电工程施工机械台时费定额》[21]中整理工程的材料组成、种类、单价、使用数量和使用场景，并整理机械设备用途、型号、数目和单位台时能耗等关键信息，根据式(1)确定各阶段的碳排放要素，形成高海拔地区水电工程建设碳排放清单，如表 2所示。建筑材料碳排放要素的计算如式(5)和(6)所示，经计算确定碳排放要素为砂石骨料、水泥、减水剂等混凝土原料和钢筋。在运输阶段，考虑自卸汽车、载重车和混凝土搅拌车的油耗电耗；在施工阶段，考虑基础开挖和混凝土施工的机械设备。结合物料与油电等能源的消耗，建立清单中各要素高海拔地区水电工程生命周期碳排放计算模型，如图 5所示。
$K_p=\frac{Q_{p, \text { ce }}+Q_{p, \text { ag }}+Q_{p, \text { st }}}{\sum\limits_{i=1}^{n_p} Q_{p, i}} \times 100 \%, $
$K_m=\frac{Q_{m, \mathrm{ce}}+Q_{m, \mathrm{ag}}+Q_{m, \mathrm{st}}}{\sum\limits_{i=1}^{n_m} Q_{m, i}} \times 100 \% .$
表 2 碳排放清单部分展示
分类 项目名称 规格/单位 用途
工程量 混凝土 常态混凝土C9020W6F200三级配 m3 非溢流坝段坝顶
常态混凝土C9020W8F100三级配 m3 大坝基础垫层混凝土
碾压混凝土C9020W6F100三级配 m3 —
喷混凝土C30 m3 —
开挖 土方开挖 m3 —
石方明挖(洞挖) m3 —
其他 钢筋 t —
车辆 运输车辆 混凝土搅拌运输车 SY410C-8 全工区
自卸汽车 Steyr 20 t 明挖、洞挖、围堰加高培厚与护坡
载重车 16 t 全工区
机械设备 开挖 潜孔钻 YQ100B 开挖支护
地质钻机 KY-500 坝体钻孔取芯
混凝土施工 高架门式起重机 MQ1260 混凝土垂直运输
混凝土搅拌车 — 混凝土运输
图 5 常态混凝土C9020W6F200三级配建模示意图
其中：Kp为建筑材料中碳排放要素的造价分数；Km为建筑材料中碳排放要素的质量分数；Qp, ce、Qp, ag和Qp, st分别为水泥、骨料和钢筋的造价计量值，由“单价乘以数目”得出；Qm, ce、Qm, ag、Qm, st分别为水泥、骨料和钢筋的质量计量值，由“单位质量乘以数目”得出；np为高海拔地区水电工程建设生命周期的物料或设备总数目；nm为建设生命周期的物料总数目；Qp, i为序号i的物料或机械设备的总造价；Qm, i为序号为i的物料的总质量。当选择的碳排放要素的造价分数和质量分数同时大于事先设定的阈值时，将选择的建材确定为碳排放要素，否则重新选择，增加所选的种类。本例设定阈值为80%，其他碳排放要素的确定遵循类似规则。

3.3 运维阶段清单

本文运行维护阶段采用基于投入产出的宏观分析方法计算碳排放。首先，调研招投标文件、设计文件和结算文件，确定运维阶段的经济投入净现值；其次，调研国家统计局发布的数据，获取各产业与部门之间的货物与服务交换关系，形成经济投入产出表；最后，在各部门的经济投入产出表中引入碳排放因子，形成碳排放投入产出表，如表 3所示。部门的经济总产出满足投入产出平衡式，表示如下：
$\sum\limits_{i=1}^n X_{j, i}+Y_j=X_j .$
表 3 碳排放投入产出表
投入 部门 中间需求 最终产品 总产品
部门1 部门2 … 部门n
经济 1 X11 X12 … X1n Y1 X1
2 X21 X22 … X2n Y2 X2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
n Xn1 Xn2 … Xnn Yn Xn
碳排放 1 d11 d12 … d1n F1 D1
2 d21 d22 … d2n F2 D2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
n dn1 dn2 … dnn Fn Dn
其中：Xj, i为生产i部门产品直接消耗j部门产品的经济价值，即中间产品的经济价值；Yj为j部门最终剩余产品的经济价值；Xj为j部门产品的总经济价值。部门的碳排放总产出满足如下平衡式：
$\sum\limits_{i=1}^n d_{j, i}+F_j=D_j .$
其中：dj, i为生产i部门产品，j部门排放的CO2，即中间产品的CO2排放；Fj为j部门最终剩余产品带来的CO2排放；Dj为j部门的总CO2排放。
本文根据工程设计资料，对项目投资进行核准，减除电站运行期移民逐年的补偿费用，利用总投资及其组成比例、贷款利率、年发电盈利和内部收益率计算每年运维消耗。计算运维阶段碳排放量排前10的部门，如图 6所示。
图 6 运维阶段碳排放量前10的部门

3.4 离散事件模拟

本文通过现场勘测确定主要施工机械设备行为，以混凝土浇筑为例，可以概括为以下4个设备：卡车的装载、运输和卸载，起重机的准备、运输、安全检查、卸载和返回，推土机的推平，振捣机的振捣和移动。在进行模拟前，本研究团队确定了25组现场机械设备的运行时间，对数据采用不同的函数进行分布拟合，选取效果最好的拟合数据作为机械设备运行时间的分布函数，如表 4所示。
表 4 混凝土浇筑工程机械设备运行时间分布函数
事件 拟合情况 K-S检验 卡方检验
是否接受 P值 检验统计量 是否接受 K2
卡车 装载 均匀分布uniform[22.00, 31.000 0] — — — — —
运输 正态分布Normal[20.16, 2.115 0] 是 0.260 6 0.195 2 是 0.716 7
卸载 正态分布Normal[24.24, 2.367 8] 是 0.153 5 0.219 8 是 0.026 7
起重机 准备 正态分布Normal[22.44, 8.083 3] 是 0.630 7 0.143 5 是 0.052 7
运输 正态分布Normal[49.12, 4.711 0] 是 0.267 4 0.194 0 是 1.619 6
安全检查 Gamma分布Gamma[4.74, 7.242 9] 是 0.882 3 0.111 4 是 0.000 5
卸载 正态分布Normal[13.04, 2.745 9] 是 0.201 3 0.207 6 是 2.462 9
返回 正态分布Normal[48.76, 4.013 3] 是 0.382 8 0.175 1 是 1.352 3
推土机 推平 正态分布Normal[45.88, 5.562 7] 是 0.810 3 0.121 7 是 0.024 6
振捣机 振捣 正态分布Normal[21.80, 4.778 4] 是 0.799 2 0.123 1 是 1.176 7
移动 Gamma分布Gamma[3.97, 2.058 0] 是 0.571 0 0.150 6 是 0.144 7
确定施工机械设备的运行流程和各行为事件的时间分布后，建立离散事件模型，包括表示数目的队列节点、具备启动条件的条件动作节点和无条件启动的顺延动作节点。混凝土浇筑的简化模型如图 7所示，未成形的混凝土通过卡车、起重机、推土机和振捣机的不同行为节点的服务完成整个浇筑流程，其中队列节点的具体数目根据现场工程实际情况设置。采用工程量控制策略，限定浇筑1 000 m3混凝土时完成模拟，多次模拟求取平均值，结果如表 5所示。
图 7 混凝土浇筑过程中的离散事件模型
表 5 混凝土浇筑阶段设备运行时间离散事件模拟结果
事件名称 操作运行时间/s 运行时间占比/% 待机时间/s 待机时间占比/% 实际运行时间/s模拟时间与实际时间之比
卡车 装载 4 102.6 49.9 4 125.0 50.1 261.7 156.8
运输 3 032.9 42.5 4 127.2 57.6 190.6 159.1
卸载 3 217.0 43.9 4 117.1 56.1 248.7 129.4
起重机 准备 8 851.1 68.5 4 067.7 31.5 221.1 400.3
运输 19 222.4 82.6 4 062.9 17.5 483.1 397.9
安全检查 4 038.1 50.1 4 030.4 50.0 329.6 122.5
卸载 1 489.7 27.2 3 985.2 72.8 117.9 126.4
返回 5 556.2 58.3 3 969.7 41.7 487.1 114.1
推土机 推平 5 198.1 56.7 3 969.7 43.3 434.8 119.6
振捣 振捣混凝土 2 451.8 38.4 3 931.0 61.6 210.2 116.7
振捣车移动 906.9 18.8 3 922.5 81.2 63.5 108.6
本文用实测数据对模拟结果进行反馈分析评价。以卡车为例，在一次工作流程中，卡车运输时间约占总时间的29.3%，与计算结果一致。比较各行为模拟数据相对于实测数据均值的放大系数，除起重机的准备和运输阶段外，其余各行为基本一致。证明采用该方法计算设备状态运行时间可靠。

3.5 结果与分析

本文基于表 4和5，采用式(3)计算材料生产阶段和运行维护阶段的ES，采用式(4)计算运输阶段和施工建设阶段的ED。每辆运输车具有一定的运输路线，通过分析高程数据得到路线上各位置的海拔，结合运输过程中车辆仪表盘数据可构建运输车辆的海拔调整系数，完成动态计算；施工设备的动态性通过离散事件模拟结果与工程量进度的耦合对应关系考虑。
JX工程CO2当量排放计算结果如图 8所示。在JX工程建设生命周期中，材料生产阶段产生的碳排放达65.7%，远超运输、施工和运行维护3个阶段，在该阶段，水泥的碳排放占比超过生命周期碳排放总量的31.4%，是最主要的碳排放要素。施工阶段产生的碳排放占比达27.4%，主要来源于机械设备运行的耗能。经对比，本模型整体计算结果与同类型水电工程测算结果相近[21-22]，各部分具体数目与同工期下监测数据同比放大后相当，计算结果可靠。
图 8 JX水利枢纽工程生命周期碳排放计算结果
本文根据计算结果对高海拔地区水电工程建设的低碳化提出如下建议：
1) 研究新型水泥生产技术，如碱活化水泥和高岭土水泥等绿色水泥技术，减少水泥生产过程的碳排放。
2) 控制材料比例改良配方，增加再生骨料的使用，减少原材料的需求。
3) 优化混凝土生产过程，减少能源消耗和废弃物生成。
4) 考虑发展低碳燃料或清洁能源设备，如生物柴油、液化天然气和电等，以减少CO2和颗粒物的排放。
5) 制定合理的施工计划，合理安排施工进度，避免机械设备在闲置状态下运行或长时间空转，并定期维护保养，保持设备工作状态良好，有助于提高运行效率，减少碳排放。

4 结论

本研究建立了一套适用于高海拔地区水电工程智能建造建设生命周期的碳排放计算方法，并在JX水电工程建设生命周期进行碳排放计算验证，主要结论如下：
1) 本文通过分析历史工程数据和工程现场情况，利用质量、造价和能耗准则区分排放源，确定了高海拔地区水电工程建设生命周期的碳排放要素，并建立了适应高海拔特点的碳排放清单。
2) 本文自主研发了现场监测设备，采集具代表性的工程活动碳排放数据，结合生命周期分析数据库与工程实测资料，提出了高海拔碳排放调整系数，建立了高海拔地区碳排放清单对应的碳排放因子库。
3) 本文考虑动态性，耦合离散事件模拟方法，描述真实建设过程中机械设备共行、重复与交叉运行的过程。通过建立高海拔水电施工的离散事件模型，分析施工过程各机械设备的运行状态，提高了碳排放计算的准确性。
西藏自治区水能资源丰富，达2亿多千瓦，居中国之首。高海拔地区水电工程建设面临地质地灾复杂、生态环境条件约束性强、施工周期长和施工强度大等风险挑战，建设过程中大量采用智能建造和电气化技术。本文研究结果可为高海拔地区重大水电工程的智能建造碳排放评估提供参考，并可促进工程的高质量建造。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
韩先明, 左德鹏, 李佩君, 等. 雅鲁藏布江流域植被覆盖变化及其对气候变化的响应[J]. 水利水电科技进展, 2021, 41 (1): 16- 23.

HAN X M , ZUO D P , LI P J , et al. Spatiotemporal variability of vegetation cover and its response to climate change in Yarlung Zangbo River Basin[J]. Advances in Science and Technology of Water Resources, 2021, 41 (1): 16- 23.

2
樊启祥, 林鹏, 魏鹏程, 等. 高海拔地区水电工程智能建造挑战与对策[J]. 水利学报, 2021, 52 (12): 1404- 1417.

FAN Q X , LIN P , WEI P C , et al. Intelligent construction of hydraulic engineering in high altitude areas: Challenges and strategies[J]. Journal of Hydraulic Engineering, 2021, 52 (12): 1404- 1417.

3
HUNG C P , WEI C A , WANG S Y , et al. The study on the carbon dioxide sequestration by applying wooden structure on eco-technological and leisure facilities[J]. Renewable Energy, 2009, 34 (8): 1896- 1901.

DOI

4
蔡伟光. 中国建筑能耗影响因素分析模型与实证研究[D]. 重庆: 重庆大学, 2011.

CAI W G. Analyzing impact factors of building energy consumption: Modeling and empirical study[D]. Chongqing: Chongqing University, 2011. (in Chinese)

5
崔心岳. 需求视角下山东省碳排放核算及影响因素分析[D]. 济南: 山东财经大学, 2023.

CUI X Y. Carbon emission accounting and influencing factors analysis in Shandong Province from the perspective of demand[D]. Ji'nan: Shandong University of Finance and Economics, 2023. (in Chinese)

6
陈乔. 建筑工程建设过程碳排放计算方法研究[D]. 西安: 长安大学, 2014.

CHEN Q. Study on the calculation method of carbon emission during the construction process of architectural project[D]. Xi'an: Chang'an University, 2014. (in Chinese)

7
PENG B , TONG X Y , CAO S J , et al. Carbon emission calculation method and low-carbon technology for use in expressway construction[J]. Sustainability, 2020, 12 (8): 3219.

DOI

8
LEVASSEUR A , MERCIER-BLAIS S , PRAIRIE Y T , et al. Improving the accuracy of electricity carbon footprint: Estimation of hydroelectric reservoir greenhouse gas emissions[J]. Renewable and Sustainable Energy Reviews, 2021, 136, 110433.

DOI

9
柳春娜, 金峰. 堆石混凝土技术碳减排效益评价[J]. 水电与抽水蓄能, 2022, 8 (2): 27- 31.

LIU C N , JIN F . Carbon emission reduction benefit evaluation of rockfill concrete technology[J]. Hydropower and Pumped Storage, 2022, 8 (2): 27- 31.

10
Scientific Certification Systems. A study of the Lake Chelan hydroelectric project based on life-cycle stressor-effects assessment[R]. Oakland: Scientific Certification Systems, 2000.

11
ZHANG Q F , KARNEY B , MACLEAN H L , et al. Life-cycle inventory of energy use and greenhouse gas emissions for two hydropower projects in China[J]. Journal of Infrastructure Systems, 2007, 13 (4): 271- 279.

DOI

12
PACCA S , HORVATH A . Greenhouse gas emissions from building and operating electric power plants in the Upper Colorado River Basin[J]. Environmental Science & Technology, 2002, 36 (14): 3194- 3200.

13
林鹏, 李庆斌, 周绍武, 等. 大体积混凝土通水冷却智能温度控制方法与系统[J]. 水利学报, 2013, 44 (8): 950- 957.

LIN P , LI Q B , ZHOU S W , et al. Intelligent cooling control method and system for mass concrete[J]. Journal of Hydraulic Engineering, 2013, 44 (8): 950- 957.

14
钟登华, 王飞, 吴斌平, 等. 从数字大坝到智慧大坝[J]. 水力发电学报, 2015, 34 (10): 1- 13.

ZHONG D H , WANG F , WU B P , et al. From digital dam toward smart dam[J]. Journal of Hydroelectric Engineering, 2015, 34 (10): 1- 13.

15
樊启祥, 林鹏, 魏鹏程, 等. 智能建造闭环控制理论[J]. 清华大学学报(自然科学版), 2021, 61 (7): 660- 670.

DOI

FAN Q X , LIN P , WEI P C , et al. Closed-loop control theory of intelligent construction[J]. Journal of Tsinghua University (Science and Technology), 2021, 61 (7): 660- 670.

DOI

16
LÖFGREN B , TILLMAN A M . Relating manufacturing system configuration to life-cycle environmental performance: Discrete-event simulation supplemented with LCA[J]. Journal of Cleaner Production, 2011, 19 (17-18): 2015- 2024.

17
PAN W J. The application of simulation methodologies on estimating gas emissions from construction equipment[D]. Edmonton: University of Alberta, 2011.

18
尚春静, 张智慧. 建筑生命周期碳排放核算[J]. 工程管理学报, 2010, 24 (1): 7- 12.

SHANG C J , ZHANG Z H . Assessment of life-cycle carbon emission for buildings[J]. Journal of Engineering Management, 2010, 24 (1): 7- 12.

19
PEÑA-MORA F , HAN S , LEE S , et al. Strategic-operational construction management: Hybrid system dynamics and discrete event approach[J]. Journal of Construction Engineering and Management, 2008, 134 (9): 701- 710.

20
BILEC M M , RIES R J , MATTHEWS H S . Life-cycle assessment modeling of construction processes for buildings[J]. Journal of Infrastructure Systems, 2010, 16 (3): 199- 205.

21
水电水利规划设计总院. 水电工程施工机械台时费定额[M]. 北京: 中国电力出版社, 2004.

China Renewable Energy Engineering Institute . Desktop Fee Quota of Construction Machinery for Hydropower Project[M]. Beijing: China Electric Power Press, 2004.

22
柳春娜. 基于生命周期的混凝土大坝碳排放评价方法研究[D]. 北京: 清华大学, 2013.

LIU C N. Research on evaluating methods for carbon emissions of concrete dams based on life cycle assessment[D]. Beijing: Tsinghua University, 2013. (in Chinese)

Options
Outlines

/

〈 〉

Postal Code: 100084
Tel: 010-62788108/62771385/62792976/62792994　
E-mail：xuebaost@tsinghua.edu.cn
Powered by Beijing Magtech Co. Ltd.
Visited
    Total visitors:
    Visitors of today:
    Now online:
　
Copyright © Journal of Tsinghua University(Science and Technology)