[发明专利]一种降膜蒸发器LCA模型的不确定性分析方法

说明书

本发明提供一种降膜蒸发器LCA模型的不确定性分析方法，主要步骤为：1)构建降膜蒸发器的生命周期评价模型；2)明确影响降膜蒸发器环境排放的输入变量分布及参数变化范围；3)采用Halton方法对降膜蒸发器模型输入参数进行抽样，分析得出模型输出结果不确定性。本方法所得输入变量抽样结果分布较为均匀，抽样范围覆盖较广，对降膜蒸发器进行不确定性分析时计算结果收敛速度快，结果更加稳定，可增加降膜蒸发器环境排放结果的准确性、可信性。

技术领域

本发明涉及降膜蒸发器生命周期评价方法，尤其涉及一种降膜蒸发器LCA模型的不确定性分析方法。

背景技术

降膜蒸发器作为蒸发操作单元被广泛运用于化工、食品等行业。在蒸发器制造过程中涉及原材料不锈钢材的大量消耗，钢材生产会产生大量温室气体及固体颗粒物，其在蒸发浓缩时消耗大量新鲜蒸汽、电力、冷却水等，具备高能耗、高污染特点。因此，对降膜蒸发器进行环境影响评估，分析识别造成降膜蒸发器环境负荷的关键因素，提出改进意见以促进降膜蒸发器节能减排势在必行。

生命周期评价(Life Cycle Assessment,LCA)作为国际上一种重要的环境评估工具，被广泛运用于各行各业，为决策者提供参考。它可定性、定量的对产品或系统全生命周期潜在的环境影响作出分析。但其在实施过程中，研究范围的设定、数据搜集过程中数据缺失、数据的滞后性、数据的适用性等都会造成评价结果的不确定性，进而影响结果可信度。因此，在环境影响评价之后进行不确定性分析，对数据质量进行分析评估，改善数据及评价结果的质量，提高评价结果可靠性极为必要。

生命周期评价中数据质量本身不确定度通常通过定性与定量结合确定，利用数据质量指标(DQI)设定的指标，通常为时间维度、空间维度等，将定性指标转换为定量指标，用以确定数据本身不确定范围。在LCA中的不确定度传递目前主要通过蒙特卡洛、泰勒级数展开式等方法实现，主要步骤为：已知数据取值范围与分布，代入LCA模型，计算结果不确定。数据质量指标与蒙特卡洛两种方法相结合的研究也较多。在不确定度传递方法上蒙特卡洛随机模拟计算量大，收敛过程波动大、速度慢，而解析式计算速度较快，但主要针对数据不确定度在小范围波动。

因此，本发明提出一种拟蒙特卡洛方法进行不确定性分析，此方法进行不确定分析时，抽样较均匀，计算收敛速度快，收敛结果相较蒙特卡洛方法较稳定。

发明内容

本发明的目的在于克服现有技术的不足，提供一种降膜蒸发器LCA模型的不确定性分析方法，基于该方法可解决随机抽样造成的随机样本数不均匀，计算量大，收敛时波动大、速度慢等一系列问题，具有抽样较均匀，计算收敛速度快，收敛结果相较蒙特卡洛方法较稳定的优点。

本发明解决其技术问题是通过以下技术方案实现的：

一种降膜蒸发器LCA模型的不确定性分析方法，其特征在于，包括以下步骤：

1).构建降膜蒸发器生命周期评价模型：收集降膜蒸发器全生命周期的资源、能源消耗及环境排放数据，构建降膜蒸发器的数据清单计算公式；

2).确定影响降膜蒸发器最终环境负荷的输入变量分布及变化范围：所述输入变量包括降膜蒸发器设计计算所得参数及资源能源消耗的环境排放系数，且输入变量为分布为均匀分布；

3).设定抽样次数，使用抽样方法构建输入变量矩阵：

a.设定抽样次数和随机种子，随机种子可保证抽样结果的的可重复性，

b使用拟蒙特卡洛抽样方法对每一个输入变量进行抽样，获取输入变量集，可构建行数为抽样次数，列数为变量个数的的矩阵，生成的矩阵数值默认在0,1之间；

4).依据输入变量实际取值改变步骤三矩阵中数值的实际范围：通过步骤3)中的抽样方法，在步骤2)确定的输入变量实际范围不断抽样，生成实际随机数，对步骤3)生成的矩阵赋值；