食品工業中碳排放不確定性研究

楊松，田瑋，魏來，王志偉，周中凱，*，付水勝，王德生，儲玉玲（1.天津科技大學機械工程學院，天津00222；2.天津市輕工與食品工程機械裝備集成設計與在線監控重點實驗室，天津00222；.天津科技大學食品工程與生物技術學院，天津0057；.天津狗不理食品有限公司，天津00000）

?

食品工業中碳排放不確定性研究

楊松1，2，田瑋1，2，魏來1，2，王志偉3，周中凱3，*，付水勝4，王德生4，儲玉玲4
（1.天津科技大學機械工程學院，天津300222；2.天津市輕工與食品工程機械裝備集成設計與在線監控重點實驗室，天津300222；3.天津科技大學食品工程與生物技術學院，天津300457；4.天津狗不理食品有限公司，天津300000）

摘要：食品工業中的碳排放已經得到更多的關注，但是對于碳排放不確定性的研究相對較少。中國主食傳統生產工藝具有效率低、能耗高的特征，開發新工藝改善生產效率特別是節能減排在目前環境日益惡化的情況下則顯得尤為重要，因此，本文基于蒙特卡洛抽樣方法，假設兩種碳排情景，分析了中國主食包子的單位產品在新舊工藝下的二氧化碳排放情況。結果表明在不同碳排放情景下，單位產品碳排放的絕對差異波動范圍較大，但其相對碳排減少量都約為30%，并且其不確定性較小，即變化范圍小，所得結論可靠。此外，雖然蒸制過程所需能耗是速凍過程的約四倍，但由于天然氣和電力碳排放因子的差異，這兩個工藝過程的二氧化碳排放量非常類似。

關鍵詞：碳排放；不確定性；蒙特卡洛模擬；節能減排

目前，我國食品工業的節能減排任務艱巨，行業平均規模小，集約化水平低，蒸汽等傳熱介質二次利用率低。以天津狗不理食品有限公司為代表的一批食品企業，為擴大生產規模和提升企業技術水平，建設了新的蒸制面食制品的生產線，應用了螺旋醒發、蒸制、預冷和冷凍等連續化和自動化設備，實現了除包制之外工序的自動化生產，不但將生產效率提升了5倍左右，而且大大降低了單位產品的能耗。新生產線的和面環節使用了自動上水和上粉系統；制餡環節使用了容量更大的立式制餡機，配備了自動上水系統；醒發、蒸制、預冷、速凍環節都使用了已申請專利的螺旋式自動進樣系統，而老生產線都由人工操作相應的設備。以上就是新老工藝的主要區別。

根據作者的前期研究，通過對蒸制和速凍環節的能量利用效率對單位產品的能耗進行估算。單個包子重34 g，使用老工藝經計算，蒸制過程需要熱量1.801 kJ，速凍過程需要耗能0.438 kJ；使用新工藝后，蒸制需要1.284 kJ，速凍需要0.301 kJ。因此，若不考慮其他環節能量損耗的差異，新工藝比老工藝節省29.21%的能量。

能源碳排放因子（carbon emission factor或carbon intensity，單位：gCO2/kJ或gC/kWh）指消耗單位質量能源所產生的溫室氣體排放量，用于表征某種能源溫室氣體的排放特征［1］。能源碳排放因子包括了不同類型能源從開采、加工、運輸、最終使用不同環節中可能排放溫室氣體的總和。因此，這些數值有很大的地區差異，即使對于同一地區也很難準確定義其數值，有其本身特有的不確定性［2］。先前的研究中很少考慮這種不確定性對于二氧化碳減排造成的影響。

因此，本文基于蒙特卡洛抽樣方法，通過考慮不同能源類型碳排放因子的不確定性，確定新舊狗不理包子生產工藝所帶來的二氧化碳減排效果。需要強調，本文中的碳排放指二氧化碳排放量，非碳排放本身，其相互轉換可通過碳與二氧化碳分子量比值進行。

1　計算方法

基于蒙特卡洛（Monte Carlo）方法計算的方法可分為五步，已經廣泛用于不同的研究領域，主要用于與不確定相關的問題，包括食品安全等領域［3］。將這種方法用于食品工業的碳排放計算可分為以下5個主要步驟，如圖1所示。

圖1　基于蒙特卡洛方法碳排放的計算流程圖Fig.1　Flow chart of computing carbon emissions based on Monte Carlo method

第一步收集不同類型能源的碳排放因子。不同能源的碳排放因子差別很大，這是由其自身定義決定的，不同種類能源其生產、加工、運輸及最終使用過程中有非常大的差別，決定了其相應的碳排放因子也有很大的差異。

第二步確定不同能源碳排放因子的概率密度分布函數。根據上一步所得的信息，以確定不同能源碳排放因子的不確定性函數，如正態、均勻、三角等函數分布。具體的形式取決于可用數據的數量及可靠性。在本次研究中，假設為均勻分布。如果有更多的數據可用時，就能建立不同能源碳排放因子特定概率分布函數（即非標準概率密度函數）。根據查閱大量文獻［1，4-6］，為了充分表達碳排放因子的不確定性，本文設定了兩種不同的碳排放情景，都假定這些因子服從均勻分布，如表1所示。

表1　兩種碳排情景中碳排放因子均勻分布的上下限Table 1　Lower and upper limit of carbon emissions using uniform distributions in two carbon scenarios

兩種碳排情景的主要區別是，第一類中天然氣和電力排放因子的變化范圍要大于第二種。通過這兩種差別較大的碳排放計算，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組合［7］。假設需要在n維向量空間里抽取m個樣本，n為不同變量數，m為抽樣次數。本例中，n和m分別為2和2 000，兩個變量分別代表天然氣和電力的碳排放因子。拉丁超立方體抽樣分為三步：（1）首先將每一個變量分成互不重迭的m個區間，并保證每個區段有相同概率；（2）在每一個變量中的每一個區段中隨機的抽取一個點；（3）最后從上一步每一變量中隨機抽出中選取的點，將它們組成一個新向量。通過這些計算，將生成一個輸入變量的矩陣，與其對應的輸出變量的向量計算將在下一步進行。

第四步根據新舊生成工藝中不同工序段的能耗差別，分別計算其相應的二氧化碳排放量。其計算公式如下：

式中：C表示總的二氧化碳排放量（gCO2，克二氧化碳）；Qi表示第i種能源的消費量，kJ；Efi表示第i種能源的碳排放因子，（gCO2/kJ）。

第五步采用不同統計量或可視化方法表達不同生產工藝的碳排放數量。常用的統計量主要從變化范圍和集中趨勢兩個角度來分析，表達變化范圍的統計量包括最大值、最小值、上四位數、下四位數、四分位距（interquartile）、標準差等，表達集中趨勢的統計量有中位數、均值等。用可視化技術表達碳排放的不確定性有很多方法可以選擇，如箱線圖、直方圖、核密度圖（kernel density）、小提琴圖等。

本文中所有的統計計算及圖形均由R程序來實現，R是在統計領域得到廣泛應用且具有高級數據分析的統計計算及圖形生成程序［8］。

表2　新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳排放量計算總結Table 2　Summary of carbon emissions per product using new and old technology under two carbon emission scenarios

2　計算結果及分析

表2總結了新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳排放量。由此表可看出，雖然在舊工藝中蒸制消耗的能量是速凍的約4倍，但速凍過程排放的二氧化碳與蒸制過程相比其排放量略大。這是因為如表1所示，同樣能量的電力所排放的二氧化碳要遠遠大于天然氣。對于新工藝，其情況也類似，速凍過程排放的二氧化碳量要高于蒸制過程。以上論述，對于兩種不同碳排情景均成立。由此也可看出，如果電網供電來源采用更多的清潔能源，如光伏和風電等，二氧化碳減排的效果將會更加顯著。

圖2　新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳排放量Fig.2　Carbon emissions per product using two scenarios in new and old technology

圖2表示新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳排放量。

無論對于第一種或第二種碳排放情景，單位包子通過采用新工藝，其碳排放量與舊工藝比較，有明顯的下降。兩種碳排情景的區別是，在第一種碳排條件下，新舊生產工藝的碳排放量有相當部分的重疊，這個結論也可由表2看出，即舊工藝的最小值小于新工藝的最大值。但在第二種碳排放條件下，新舊生產工藝沒有任何重疊。這表明過大的碳排放不確定性對新舊生產工藝所帶來的減排效果有明顯影響。

圖3表示新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳絕對和相對減少量。碳排放的絕對減少量在兩種不同碳排情景下，其變化范圍差別較大。但對于碳排放的相對減少量，其區別很小。由表2可看出，在兩種不同碳碳情景下，新舊生產工藝的相對碳排放量均值都約為30%。由表2和圖3都可看出，雖然不同能源的碳排放因子有其較大的不確定性，但本研究中所得的相對碳排放的減少量約30%的結論有很高的可靠性，其變化范圍很小。

圖3　新舊生產工藝在兩種不同碳排假設情景下單位產品的二氧化碳絕對和相對減少量Fig.3　Absolute and relative reduction of carbon emissions per product using two scenarios in new and old technology

3　結論

本文根據狗不理公司新舊生產線的能量差異，基于蒙特卡洛抽樣方法，假設兩種碳排情景下分析了單位產品在新舊工藝下的二氧化碳排放情況。結果表明在不同碳排放情景下，單位產品碳排放的絕對數量差別范圍較大，但其相對碳排減少量都約為30%，并且其不確定性小，即變化范圍小，所得結論比較可靠。此外，雖然蒸制過程所需能耗是速凍過程的約四倍，但由于天然氣和電力碳排放因子的差異，這兩個工藝過程的二氧化碳排放量非常類似。本文雖然是以包子為研究對象，但所得的碳排放減少的效果可推廣至饅頭、花卷等其他蒸制面食生產線，說明企業集約化的新生產線可大大降低單位產品的碳排放，因此相關技術具有推廣示范意義。

參考文獻：

［1］叢建輝，朱婧，陳楠，等.中國城市能源消費碳排放核算方法比較及案例分析——基于“排放因子”與“活動水平數據”選取的視角［J］.城市問題，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］陳志軍，李耘，陳晨，等.食源性健康風險評估的二維蒙特卡羅方法［J］.中國衛生統計，2010，27（4）：501-504

［4］劉竹，耿涌，薛冰，等.城市能源消費碳排放核算方法［J］.資源科學，2011，33（7）：1325-1330

［5］劉占成，王安建，于汶加，等.中國區域碳排放研究［J］.地球學報，2010，31（5）：727-732

［6］華堅，任俊，徐敏，等.基于三階段DEA的中國區域二氧化碳排放績效評價研究［J］.資源科學，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］王斌會．多元統計分析及R語言建模［M］．廣州：暨南大學出版社，2010

DOI：10.3969/j.issn.1005-6521.2016.11.051

作者簡介：楊松（1987—），女（漢），碩士研究生，研究方向：能耗不確定性計算。

*通信作者：周中凱，教授，研究方向：食品科學與工程。

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