CC BY
10
УДК 004.942; 504.064.38;504.064.2.001.18 Дата подачи статьи: 11.07.22, после доработки: 30.09.22
Б01: 10.15827/0236-235X.140.707-714 2022. Т. 35. № 4. С. 707-714
Построение декарбонизирующей замкнутой системы управления «Природа-Техногеника»
Р.И. Сольницев 1, д.т.н, профессор, T-emiT-a70@m-ail.ru Г.И. Коршунов 2, д.т.н, профессор, kgi@pantes.ru Лэй Ван 1, аспирант, 18361206765@163.com
1 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), г. Санкт-Петербург, 197022, Россия
2 Санкт-Петербургский государственный университет аэрокосмического приборостроения, г. Санкт-Петербург, 190000, Россия
В статье рассмотрены выбросы двуокиси углерода энергетическими и промышленными предприятиями в совокупности с целью построения декарбонизирующей замкнутой системы управления «Природа-Техногеника».
Наряду с известными подходами для достижения декарбонизации атмосферы предложены альтернативный подход к решению проблемы на основе замкнутой системы управления «Природа-Техногеника», математические модели и основные подходы к анализу и синтезу замкнутой системы управления «Природа-Техногеника» для совокупности энергетических и промышленных предприятий, которые служат основой для разработки соответствующей АСУ ТП. Проведены анализ и параметрический синтез управлений по этим моделям на основе математического моделирования. Основным критерием в этом случае является минимизация выбросов С02. Рассмотрено построение такой системы в составе энергетических и промышленных предприятий, которая может быть применена для разных видов производства. Приведены этапы проектирования основных подсистем и звеньев замкнутой системы управления «Природа-Техногеника», вырабатывающей управления и реализуемой в виде АСУ ТП. В зависимости от объекта применяются конечные регуляторы управления - фильтры, химические адсорберы, катализаторы и другие.
В данной работе рассмотрены природные источники топлива энергетических предприятий, которые вызывают наибольшие выбросы С02 (уголь, природный газ и т.д.). Поскольку источники топлива имеют различные единицы измерения и содержание углерода, каждый из них приводится к стандартному углю с коэффициентами пересчета. Приведены результаты анализа состояния и перспектив экологической обстановки по выбросам С02 в г. Пекине (КНР), оценок ограничений на потребление энергии от энергетических и промышленных предприятий. На основе моделирования предложенной многомерной системы управления предложено решение проблемы минимизации выбросов С02 совокупности промышленных предприятий и предприятий-источников энергии (ТЭЦ). Показана возможность принципиального решения проблемы минимизации выбросов С02 путем реализации рассматриваемой декарбонизирующей системы управления на основе современных аппаратно-программных модулей АСУ ТП и соответствующей базы знаний.
Ключевые слова: декарбонизация, система управление «Природа-Техногеника», выбросы С02, модель скользящего среднего, математическое моделирование, анализ процессов динамики, САПР, АСУ ТП.
Проблема глобального изменения климата стала самым масштабным и далеко идущим вызовом, с которым когда-либо сталкивалось человечество. Сдержать глобальное потепление позволит низкоуглеродное развитие - новый тип подхода к развитию современного общества, позволяющий справиться с глобальным изменением климата и энергетическим кризисом. Рассмотрим проблему на примере г. Пекин (КНР). Национальный план развития четко выдвигает необходимость минимизации потребления энергии и, соответственно, выбросов предприя-
тий-источников энергии (ПИЭ), в то же время для каждого промышленного предприятия (ПП) потребление энергии непосредственно влияет на выпуск продукции. Комплексы ПИЭ и ПП, на вход которых поступают природные ресурсы, а на выходе, помимо основной продукции (энергии, машин, цемента и т.д.), выбросы в атмосферу (С02, S02, ...), могут оказаться экологически более вредными, чем каждое предприятие в отдельности. Возникает проблема минимизации выбросов совокупности ПИЭ и ПП при условии ограничений потребления энергии.
Интегрированная модель принятия решений по планированию атмосферной среды и энергетики в Пекине была предложена в 1991 г. и в основном используется для количественного описания зависимости между качеством атмосферной среды и планированием энергетики [1]. Проведены исследования по целевым показателям выбросов углерода и сделан анализ будущих энергетических стратегий и политики Китая. Построена комплексная система оценочных рамок для региональной ресурсной и экологической несущей способности [2]. Модель оптимизации энергетической структуры объединена с моделью контроля загрязнения воздуха [3]. Исследовано влияние изменения энергопотребления на загрязнение воздуха на примере промышленной структуры г. Шанхая (КНР) [4]. Предложена технология углеродных ферм, основанная на уникальной эколого-гео-графической среде России, с использованием лесных технологий для поглощения парниковых газов для достижения цели декарбонизации экономики [5].
Приведенные исследования являются ориентиром для авторов данной работы, но не могут быть полностью применимыми для решения конкретных задач из-за различных фоновых условий. На основе этих данных создается и развивается система управления циклом декарбонизации с двойными целями ПИЭ и ПП для конкретного региона.
Основное внимание уделяется минимизации выбросов СО2 на ПИЭ и ПП при ограничениях на энергопотребление ПП [6, 7]. Принципиальная схема системы взаимодействия ПИЭ и ПП с управлениями (и1(7) и и2(7)) потоками сырья, энергии, продукции, выбросов ПИЭ и ПП по критерию шт(СО2) и заданных ограничений показана на рисунке 1.
Анализ выбросов СО2
Ископаемые источники энергии, такие как уголь и нефть, составляют подавляющее большинство источников топлива в Пекине, что отражается в измеренных и рассчитанных выбро-
Сырье
Рис. 1. Принципиальная схема взаимодействия управлений системы ПИЭ и ПП
Fig. 1. A schematic diagram of the system control interaction between energy source enterprises
and industrial enterprises
сах СО2 от ПИЭ и ПП. Данные о расходе топлива в Пекине с 2000 по 2019 гг. показали, что среднегодовой темп его роста составил 4,09 %. Статистика конкретных данных показана на рисунке 2 [8].
В настоящем исследовании рассматриваются природные источники топлива ПИЭ, которые вызывают наибольшие выбросы CO2 (уголь, природный газ и т.п.). Поскольку каждый источник топлива имеет различные единицы измерения и содержание углерода, в данной работе он приводится к стандартному углю с коэффициентами пересчета, приведенными в Руководстве МГЭИК для национальной инвентаризации парниковых газов. Коэффициенты пересчета расхода различных видов топлива следующие: уголь - 0.7143, мазут - 1.4286, природный газ - 1.33, сжиженный нефтяной газ - 1.7143, бензин/керосин - 1.4714, дизель - 1.4571.
Вначале определяется количество стандартного угля Q [9, 10]:
Q = CE, (1)
где C - коэффициент пересчета; E - потребление i-го источника энергии.
Количество стандартного угля, рассчитанное по формуле (1), пересчитывается в количество выбросов CO2 на основе коэффициента перевода стандартного угля в CO2 (Vm ) по
формуле
Vco = KQ, (2)
где K - коэффициент преобразования стандартного угля в CO2, который варьируется от региона к региону в силу особенностей и технических условий.
Общие выбросы CO2 рассчитываются путем умножения количества сжигаемых ископаемых энергоносителей на соответствующие коэффициенты выбросов CO2.
Выбросы углерода от энергетического топлива i = потребление энергетического топлива г * коэффициент выброса СО2 для энергетического топлива г.
Коэффициент выброса СО2 = производство низкого тепла * коэффициент содержания углерода * коэффициент окисления углерода * 44/12.
В Китае уголь потребляется чаще, а энергоемкость его ниже, чем у других высокоуглеродистых видов топлива, поэтому текущий коэффициент преобразования (к) в основном находится в диапазоне 2,42-2,72. В данной работе используется коэффициент преобразования 2,6 [9].
В Пекине относительно мало отраслей промышленного производства, которые непосредственно производят углекислый газ, но связаны с ПИЭ и ПП, производящими материалы для ПП, которые выбрасывают углекислый газ. Основные выбросы приходятся на ТЭЦ, металлургические и цементные заводы.
Анализ выбросов СО2 совокупности ПИЭ и ПП с учетом приведенных коэффициентов показал их сокращение с 5886.868 в 2008 г. до 3700.476 в 2019 г. (рис. 3).
Рис. 3. Оценка общего объема промышленных выбросов СО2 в Пекине в 2008-2019 гг.
Fig. 3. Estimated total industrial СО2 emissions in Beijing from 2008 to 2019
Для оценки дальнейших тенденций рассмотрим прогноз промышленных выбросов СО2 на ближайшие годы на основе метода регрессионного анализа [9].
Обработка исходных данных на стационарность в данной работе проводилась в системе MATLAB с тестированием ADF и KPSS [10, 11]. Результаты обработки показаны в таблице.
Результаты исходных данных обработки The results of the raw processing data
Данные Тест Проходимость теста на стационарность
ADF KPSS
Необработанные i i Нет
После обработки i 0 Да
Объединением модели авторегрессии (AR) и модели скользящего среднего (МА) получена модель разностного авторегрессионного скользящего среднего АЫМА с параметрами р, й, q, где й - порядок разности, которую необходимо внести в данные [12]. Исходя из оценки й = 1, численные значения, выбранные для р и q в данной работе, составляют 4 и 3 соответственно. После расчетов по указанным моделям и алгоритмам оказалось, что полученные прогнозы соответствуют общим промышленным выбросам углерода. Полученные результаты анализа вводятся в базу знаний (БЗ) средствами системы управления БЗ (СУБЗ) аналогично [7]. В дальнейшем такая БЗ служит для проектирования АСУ ТП в составе системы управления ПИЭ и ПП (рис. 1).
Переходя к построению замкнутой системы управления «Природа-Техногеника» (ЗСУ ПТ) для ПИЭ и ПП, будем исходить из условия, что минимизация выбросов С02 происходит после оценки спроса на энергию ПП. Этот спрос используется в качестве оценки верхнего предела потребления энергии ПП от ПИЭ в виде
£ E * E,
E < Ed,
(OL -1)( Ei.
Q Ei
(3)
) > 0,
где Е - общее количество энергии, доступное для использования в промышленной системе региона; Е, - количество энергии, поступающей от /-го ПИЭ; Е* - предельное значение Е, [13].
Первое ограничение в (3) состоит в том, что для решения задачи энергосбережения общее количество выделенной энергии должно находиться в заданном диапазоне; второе - /-е ПП не должно потреблять больше энергии, чем определено стандартами [14], третье - распределение энергии между ПП-£ и ПП-/ должно быть связано с объемом их промышленного производства, предприятия с высоким объемом производства, как правило, имеют более высокие энергозатраты.
Минимизация выбросов СО2
На основе концепции ЗСУ ПТ рассмотрим структуру совместного управления ПИЭ и ПП [14].
На рисунке 4 представлена обобщенная схема минимизации выбросов совокупности ПИЭ и ПП. На схеме изображены два контура управления с регуляторами - внутренний Ь\(р) и внешний ¿2(р). Операторы Ь\(р), ¿2(р) строятся по передаточным функциям «вход-выход» звеньев контуров управления, р = й/й?.
Минимизация выбросов С02 (71, 72) достигается путем разработки АСУ ТП на основе
=1
Li(p)
Рис. 4. Схема управления ПИЭ и ПП по минимизации выбросов CO2: aY(t) = Y°- Y - ошибки; Yi, Y2 - выбросы CO2; U1, U2 - управления; Z[ - энергия от ПИЭ; Zj - продукция от ПП
Fig. 4. A schematic diagram of energy source enterprises and industrial enterprises
to minimise CO2 emissions
концепции ЗСУ ПТ для сочетания ПИЭ и ПП по критериям, принятым стандартами по промышленным выбросам.
Установление связей функционирования ПИЭ и ПП сводится к построению соответствующих математических моделей системной динамики рассматриваемых потоков.
Модели взаимодействия ПИЭ и ПП, а также выбросов этих предприятий и окружающей среды имеют вид
dZ,
1 = K,(1) x - к(2)y
= Kf)z{ - Kf '% + K3)Xj,
dt dZj dt
(4)
где 7\ [МДж] - количество энергии от г-го ПИЭ; Хг [кг] - количество топлива (уголь) на входе ПИЭ; Уг [кг] - количество СО2, выбрасываемого в атмосферу ПИЭ; 7. [кг] - количество продукции ПП (сталь, цемент); X] [кг] - количество сырья (железная руда, известняк) на входе ПП; У] [кг] - количество СО2, выбрасываемого в атмосферу ПП; к,(1)[МДж/С • кг] -коэффициент преобразования топлива в энергию; К(2) [МДж/С• кг] - коэффициент преобразования сгорания угля в выбросы СО2; Ку(1) [кг / С • МДж] - коэффициент преобразования энергии в продукцию; Ку(2) [1/ С] - коэффициент преобразования (потерь) продукции в выбросы СО2; К(3) [1/ С] - коэффициент преобразования сырья в продукцию. Исходные данные для ПИЭ и ПП приведены после преобразования в стандартный уголь (энергосодержание одной тонны стандартного угля составляет 29 307 МДж):
¿У = К4) а - к5)у,
(5)
dt
dY,.
j = kfZj - Kf%,
■К4) jK4) jK5) jK5)
dt
где К , К) , К , К - соответствующие ко-
эффициенты преобразования потоков энергии от ПИЭ, потоков продукции от ПП, компенсации потоков выбросов от ПИЭ и ПП природными и техногенными средствами [6].
Классификация источников энергии
Усредненные значения коэффициентов К и К получены из Китайского ежегодника статистики энергетики.
Начальные значения переменных (7\ (0) = = 1.64x10й [МДж], 7. (0) = 1.32х1010 [кг], Уг(0) = 0 [кг], 7;(0) = 0 [кг],Х(0) = 5.6х109 [кг], Х(0) = 1.42х1010 [кг]) и коэффициентов (К(1) = = 29.31, К(2> = 18.47, к(1) = 0.02, Ку(2) = 0.14, К(3) = 0.70, К,(4> = 0.28, К(4) = 31.07, К,(5> = = 1.55, к(5) = 1.68) приведены по официальным
данным Китая.
После ввода управлений и и и2 получим:
^ = к<4)% -к?% -и„
(6)
dt
¿у
_= к(4)7' - К(5)У -и
<И К 72 К у и2'
где и1 = г(л^), и2 = г(лу.) - управления, которые синтезируются в общем случае по функционалу
ш1п{у[(лу, ЛУ.)}. (7)
Решение системы уравнений (4), (5) при заданных начальных условиях 7[ (0), 7. (0), у(0), у(0), х(0), х(0) и средних значениях коэффициентов к((1), к(2\ к(1), к(2), к(3),
К(4), К(4>, К(5), К]5) позволяет произвести
предварительный анализ функционирования системы ПИЭ-ПП. Включение управлений (7) добавляет к уравнениям (4) и (5) систему уравнений (6) с синтезированными параметрами регуляторов.
На рисунке 5 приведены результаты моделирования системы ПИЭ-ПП по уравнениям
(4), (5).
Результаты моделирования системы управления ПИЭ-ПП после ввода управлений
г d
U =iAYt J AY dt- AYt,
dt
r d
U = 12 AYj +ç2 ¡AYjdt + - AYj,
dt
(8)
(9)
с варьируемыми коэффициентами уь Сь ^1,72, ^2, ^2 (см. http://www.swsys.ru/uploaded/im-age/2022-4/2022-4-dop/4.jpg) приведены на рисунке (см. http://www.swsys.ru/uploaded/im-age/2022-4/2022-4-dop/5-.jpg).
Путем параметрического синтеза ПИД-регулятора, как следует из результатов моделирования, можно значительно снизить выбросы СО2 в системе управления ПИЭ-ПП.
На следующем этапе разработки АСУ ТП, соответствующей рассмотренной концепции ЗСУ ПТ для объекта проектирования ПИЭ-г-ПП], проводятся анализ, синтез и расчет каждого кон-
01234567Я 9 10 11 12 13 14 15 I« 17 IS 19 2021 2223 2-1 25 26 27 28 29 3D 31 32333435363738394041 42« 44454647 48495D51 5253 54 55 56 57 58 59 60 t/munth
Рис. 5. Результаты моделирования системы ПИЭ и ПП без управления
Fig. 5. Simulation results of energy source enterprises and industrial enterprises without operational control
тура САУ, представленного операторами Li(p), L2(p) на принципиальной схеме (рис. 4).
Заключение
Предложен подход к созданию декарбонизирующей системы управления, основанной на ЗСУ ПТ. Для анализа выбросов CO2 ПП в зависимости от ПИЭ (например, ТЭЦ) предложены математические модели взаимодействия «промышленные предприятия-выбросы углерода-потребители продукции». Проведены анализ и параметрический синтез управлений по этим моделям на основе математического моделирования. Полученные результаты основаны на проведенном анализе по модели ARIMA для расчета данных и прогнозов временного ряда промыш-
ленных выбросов углерода в Пекине. Полученные данные прогноза на период 2020-2022 гг. показали, что результаты соответствуют существующей тенденции энергетических и производственных выбросов углерода. Модели передачи энергии от ПИЭ к ПП с вводом управлений и взаимодействием ПИЭ с ПП с определенным контролем энергии приводят к решению задачи минимизации выбросов С02.
Предложенный подход имеет практический выход по снижению выбросов С02. Его реализация в виде соответствующей АСУ ТП позволит снизить выбросы С02, что окажет положительное влияние на экологическую защиту города. В перспективе подход может найти широкое применение для построения декарбонизирующей системы управления.
Исследование проводится при поддержке Государственного комитета по стипендиям КНР (грант № 202109010139).
Литература
1. Dong K. Transition path of China's energy consumption structure and its optimization model in a low-carbon. Doctor of Management. Management Science and Engineering, 2019, pp. 1-21.
2. Wang L., Liu H. Comprehensive evaluation of regional resources and environmental carrying capacity based on PS-DR-DP theoretical model. J. of Geographical Sciences, 2019, vol. 29, no. 3, pp. 363-376. DOI: 10.1007/s11442-019-1603-4.
3. Zhou L. Air pollutant emission control based on energy structure adjustment. Proc. Int. Conf. on Science, Technology, Innovation and Education Development, 2019, pp. 272-273.
4. Li S., Zhu P. The impact of industrial restructuring and energy consumption changes on air pollution -an empirical analysis based on Shanghai input-output tables. Shanghai Economic Research, 2017, no. 6, pp. 82-89.
5. Митрофанова И.В. Декарбонизация экономики - генеральный тренд развития России и ее регионов в XXI веке // Региональная экономика. Юг России. 2021. № 4. С. 4-13. DOI: 10.15688/re.volsu. 2021.4.1.
6. Сольницев Р.И., Коршунов Г.И. Системы управления «Природа-Техногеника». СПб: Политехника, 2013. 205 с.
7. Сольницев Р.И., Лэй В., Кузьмин С.А., Куприянов Г.А. Анализ состояния окружающей среды и вопросы нейтрализации выбросов в Китае на примере Пекина // Программные продукты и системы. 2021. Т. 34. № 4. C. 649-659. DOI: 10.15827/0236-235X.136.649-659.
8. Zhu S., Cai B. et al. The main content and insights of 2019 refinements to IPCC 2006 Guidelines. Climate Change Research, 2018, vol. 14, no. 1, pp. 86-94.
9. Liu Yusheng. The research on the relationship for carbon emissions, energy consumption and economic growth of Beijing. Master of Economics. National Economics, 2013, pp. 16-25.
10. Aylar E., Smeekes S., Westerlund J. Lag truncation and the local asymptotic distribution of the ADF test for a unit root. Statistical Papers, 2019, vol. 60, no. 6, pp. 2109-2118. DOI: 10.1007/s00362-017-0911-y.
11. Kokoszka P., Young G. KPSS test for functional time series. Statistics, 2016, vol. 50, no. 5, pp. 957-973. DOI: 10.1080/02331888.2015.1128937.
12. Zhou K., Wang W.Y., Hu T., Wu C.H. Comparison of time series forecasting based on statistical ARIMA model and LSTM with attention mechanism. J. of Physics: Conf. Ser., 2020, vol. 1631, no. 1, art. 012141. DOI: 10.1088/1742-6596/1631/1/012141.
13. Qiang H., Zhenglin L. A two-tier planning model for energy allocation in industrial sector based on total control. Chinese J. of Management Science, 2013, vol. 21, no. 2, pp. 168-174.
14. Korshunov G.I., Solnitsev R.I., Zhilnikova N.A., Polyakov S.L. Models of cyber-physical control systems for pollution minimization technologies. Proc. SAEC, 2022, pp. 442-450.
Software & Systems Received 11.07.22, Revised 30.09.22
DOI: 10.15827/0236-235X.140.707-714 2022, vol. 35, no. 4, pp. 707-714
Designing a decarbonising closed-loop "Nature-Technology" control system
R.I. Solnitsev 1, Dr.Sc. (Engineering), Professor, remira70@mail.ru
G.I. Korshunov 2, Dr.Sc. (Engineering), Professor, kgi@pantes.ru
Lei Wang1, Postgraduate Student, Corresponding Author, 18361206765@163.com
1 St. Petersburg State Electrotechnical University "LETI", St. Petersburg, 197022, Russian Federation 2St. Petersburg State University of Aerospace Instrumentation, St. Petersburg, 190000, Russian Federation
Abstract. This paper considers carbon dioxide emissions from both energy and industrial enterprises in order to build a decarbonising closed-loop "Nature-Technology" control system based on the example of Beijing, PRC.
Along with the known approaches to achieve atmospheric decarbonisation, the paper proposes an alternative approach to solving the problem based on a closed-loop "Nature-Technology" control system. Mathematical models and basic approaches to the analysis and synthesis of a closed-loop "Nature-Technology" control system are proposed for the combination of energy and industrial enterprises as a basis for developing an appropriate automated process control system. The analysis and parametric synthesis of controls according to these models is based on mathematical modelling. In this case, the main criterion is to minimise CO2 emissions. The paper considers the construction of such a system as a part of energy and industrial enterprises, which might be applied to different types of production. The paper gives the stages of designing the main subsystems and links of the closed-loop "Nature-Technology" control system, which generates control and is implemented in the form of automated process control system. Final control regulators - filters, chemical adsorbers, catalysts and others are applied depending on the facility.
This paper considers the natural fuel sources of the energy enterprises causing the highest CO2 emissions (coal, natural gas, etc.). As every fuel source is different in metric units and carbon content, this paper converts each source to "standard coal" with conversion factors. There are results on the status and prospects of the environmental situation regarding CO2 emissions in Beijing, PRC, estimates of energy consumption limits from energy and industrial enterprises. Based on the modelling of the proposed multidimensional control system, the authors propose a solution to the problem of minimising CO2 emissions for a combination of industrial enterprises and energy source enterprises (Thermal Power Plant). Taking Beijing, PRC as the example, the
paper shows the possibility of fundamentally solving the problem of minimising CO2 emissions by implementing the considered decarbonising control system based on modern hardware and software modules automated process control system and an appropriate knowledge base.
Keywords: decarbonisation, "Nature-Technology" control system, CO2 emissions, moving average model, mathematical modelling, dynamics process analysis, computer-aided design, automated process control system.
Acknowledgements. The study was realized with the support of the China Scholarship Council (grant no. 202109010139).
References
1. Dong K. Transition path of China's energy consumption structure and its optimization model in a low-carbon. Doctor of Management. Management Science and Engineering, 2019, pp. 1-21.
2. Wang L., Liu H. Comprehensive evaluation of regional resources and environmental carrying capacity based on PS-DR-DP theoretical model. J. of Geographical Sciences, 2019, vol. 29, no. 3, pp. 363-376. DOI: 10.1007/s11442-019-1603-4.
3. Zhou L. Air pollutant emission control based on energy structure adjustment. Proc. Int. Conf. on Science, Technology, Innovation and Education Development, 2019, pp. 272-273.
4. Li S., Zhu P. The impact of industrial restructuring and energy consumption changes on air pollution -an empirical analysis based on Shanghai input-output tables. Shanghai Economic Research, 2017, no. 6, pp. 82-89.
5. Mitrofanova I.V. Decarbonization of the economy - the general trend of development of Russia and its regions in the 21st century. Regional Economy. South of Russia, 2021, no. 4, pp. 4-13. DOI: 10.15688/re. volsu.2021.4.1 (in Russ.).
6. Solnitsev R.I., Korshunov G.I. "Nature-Technology" Control Systems. St. Petersburg, 2013, 205 p. (in Russ.).
7. Solnitsev R.I., Lei W., Kuzmin S.A., Kupriyanov G.A. The environment status analysis and the issues of emission neutralization in China on the example of the Beijing area. Software & Systems, 2021, vol. 34, no. 4, pp. 649-659. DOI: 10.15827/0236-235X.136.649-659 (in Russ.).
8. Zhu S., Cai B. et al. The main content and insights of 2019 refinements to IPCC 2006 Guidelines. Climate Change Research, 2018, vol. 14, no. 1, pp. 86-94.
9. Liu Yusheng. The research on the relationship for carbon emissions, energy consumption and economic growth of Beijing. Master of Economics. National Economics, 2013, pp. 16-25.
10. Aylar E., Smeekes S., Westerlund J. Lag truncation and the local asymptotic distribution of the ADF test for a unit root. Statistical Papers, 2019, vol. 60, no. 6, pp. 2109-2118. DOI: 10.1007/s00362-017-0911-y.
11. Kokoszka P., Young G. KPSS test for functional time series. Statistics, 2016, vol. 50, no. 5, pp. 957-973. DOI: 10.1080/02331888.2015.1128937.
12. Zhou K., Wang W.Y., Hu T., Wu C.H. Comparison of time series forecasting based on statistical ARIMA model and LSTM with attention mechanism. J. of Physics: Conf. Ser., 2020, vol. 1631, no. 1, art. 012141. DOI: 10.1088/1742-6596/1631/1/012141.
13. Qiang H., Zhenglin L. A two-tier planning model for energy allocation in industrial sector based on total control. Chinese J. of Management Science, 2013, vol. 21, no. 2, pp. 168-174.
14. Korshunov G.I., Solnitsev R.I., Zhilnikova N.A., Polyakov S.L. Models of cyber-physical control systems for pollution minimization technologies. Proc. SAEC, 2022, pp. 442-450.
Для цитирования
Сольницев Р.И., Коршунов Г.И., Лэй Ван Построение декарбонизирующей замкнутой системы управления «Природа-Техногеника» // Программные продукты и системы. 2022. Т. 35. № 4. С. 707-714. DOI: 10.15827/0236-235X.140.707-714.
For citation
Solnitsev R.I., Korshunov G.I., Lei Wang Designing a decarbonising closed-loop "Nature-Technology" control system. Software & Systems, 2022, vol. 35, no. 4, pp. 707-714 (in Russ.). DOI: 10.15827/ 0236-235X.140.707-714.
