| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 主要符号表 | 第10-11页 |
| 1 绪论 | 第11-23页 |
| 1.1 课题背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-13页 |
| 1.1.2 课题研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 全球针对碳减排采取的措施 | 第13-14页 |
| 1.2.2 电力企业碳足迹的生命周期核算 | 第14-15页 |
| 1.2.3 燃煤电厂二氧化碳排放量计算方法研究进展 | 第15-21页 |
| 1.3 研究内容及方法 | 第21-23页 |
| 1.3.1 研究内容 | 第21页 |
| 1.3.2 技术路线 | 第21-23页 |
| 2 燃煤电厂CO_2排放边界及影响因素 | 第23-35页 |
| 2.1 LCA技术框架 | 第23-24页 |
| 2.2 排放边界的确定 | 第24-32页 |
| 2.2.1 CO_2排放边界的功能单位 | 第24页 |
| 2.2.2 排放源识别 | 第24-30页 |
| 2.2.3 二氧化碳排放因子选择方法 | 第30-32页 |
| 2.3 燃煤电厂二氧化碳排放量影响因素分析 | 第32-34页 |
| 2.3.1 供电煤耗对二氧化碳排放量的影响 | 第33页 |
| 2.3.2 脱硫剂对二氧化碳排放量的影响 | 第33页 |
| 2.3.3 厂用电率二氧化碳排放量的影响 | 第33页 |
| 2.3.4 煤质对二氧化碳排放量的影响 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 燃煤电厂二氧化碳排放量精确计算模型 | 第35-59页 |
| 3.1 模型简化条件 | 第35-36页 |
| 3.2 计算模型的提出 | 第36-40页 |
| 3.2.1 总模型 | 第36页 |
| 3.2.2 开采及洗选煤过程的CO_2排放 | 第36页 |
| 3.2.3 煤运输过程的CO_2排放 | 第36-37页 |
| 3.2.4 煤燃烧过程的CO_2排放 | 第37-38页 |
| 3.2.5 脱硫过程的CO_2排放 | 第38-39页 |
| 3.2.6 脱硝过程的CO_2排放 | 第39页 |
| 3.2.7 脱碳过程的CO_2排放 | 第39-40页 |
| 3.2.8 除尘过程的CO_2排放 | 第40页 |
| 3.2.9 外购电力的CO_2排放 | 第40页 |
| 3.3 基于不同装机容量的典型燃煤电厂案例分析 | 第40-57页 |
| 3.3.1. 电厂概况 | 第40-41页 |
| 3.3.2 二氧化碳排放量计算 | 第41-55页 |
| 3.3.3 与《中国燃煤电厂二氧化碳排放量计算工具》计算结果比较 | 第55-57页 |
| 3.4 本章小结 | 第57-59页 |
| 4 基于RBF神经网络的燃煤电厂二氧化碳排放量预测计算模型 | 第59-71页 |
| 4.1 模型简介 | 第59页 |
| 4.2 模型建立 | 第59-62页 |
| 4.2.1 RBF神经网络 | 第59-62页 |
| 4.2.2 输入因素选择 | 第62页 |
| 4.3 利用MTLAB实现RBF神经网络预测 | 第62-69页 |
| 4.3.1 算法设计 | 第62-67页 |
| 4.3.2 预测计算结果及分析 | 第67-69页 |
| 4.4 本章小结 | 第69-71页 |
| 5 基于网络开发的燃煤电厂二氧化碳排放量计算平台 | 第71-79页 |
| 5.1 开发工具及原理简介 | 第71页 |
| 5.2 平台开发 | 第71-77页 |
| 5.2.1 计算平台设计 | 第71-73页 |
| 5.2.2 计算平台的交互式功能体现 | 第73-77页 |
| 5.3 本章小结 | 第77-79页 |
| 6 结论与展望 | 第79-83页 |
| 6.1 全文总结 | 第79-80页 |
| 6.2 创新点 | 第80页 |
| 6.3 不足与展望 | 第80-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 附录 | 第91-102页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第91页 |
| B. 作者在攻读硕士学位期间参与的科研项目目录 | 第91-92页 |
| C. 基于RBF神经网络预测的MATLAB编程代码 | 第92-96页 |
| D. 燃煤电厂二氧化碳排放量计算平台编程代码 | 第96-102页 |
