抽象目标:表征营养上足够的,适合气候友好的饮食,这些饮食在社会人口统计学群体中是可以接受的。确定与更适合气候友好和营养相关的潜在平等问题。设计:优化模型可最大程度地减少受营养,温室气体排放(GHGE)和食品饮食约束的观察饮食的距离。使用饮食摄入数据通过性,教育和收入水平区分的社会人口统计学群体进行校准。环境系数源自生命周期分析和环境扩展的输入 - 输出模型。设置:芬兰。参与者:成人人口。结果:在所有人口群体中,我们发现营养充足性的改善与GHGE的减少之间的改善,位于当前水平的三分之一或一半之间。这些减少主要是由于用谷物,土豆和根替代肉类以及食品内类别内的替代品,例如肉类类别的家禽牛肉。因此,模拟的更适合气候的饮食是柔韧性的。朝着减少影响的饮食迈进不会造成与蛋白质和脂肪酸摄入有关的主要不足之处,但是FE可能是绝经前雌性的问题。饮食中最初的社会经济梯度很小,在社会人口统计学组中,对更气候友好的饮食的调整模式相似。结论:通过适度的行为调整可以实现饮食饮食的三分之一的降低,但是很难实现较大的减少。所需的更改在社会人口统计组之间相似,并且不会引发公平问题。促进饮食可持续性行为改变行为改变的政策是适当的。
住宅部门生产和使用的电力约占温室气体排放 (GHGE) 的 30%。房屋隔热和整合可再生能源和储能资源是减少此类排放的关键。然而,这不仅是安装可再生能源技术的问题,也是优化储能单元充电/放电的问题。最近提出了许多优化模型来解决这一问题。然而,它们往往在几个方面受到限制:(i) 它们往往只关注减少电费,而将减少 GHGE 放在次要位置;(ii) 它们很少提出考虑热能和储热装置的混合能源存储优化策略;(iii) 它们通常使用线性规划 (LP) 或元启发式技术来设计,这些技术是计算密集型的,妨碍了它们在边缘设备上的部署;(iv) 它们很少评估模型如何影响电池寿命。鉴于这种现状,本文比较了两种方法,第一种方法提出了一种创新的滑动电网碳强度阈值算法,该算法是作为欧洲项目 RED WoLF 的一部分开发的,第二种方法提出了一种基于 LP 设计的算法。比较分析基于法国和英国的两个不同的现实场景进行。结果表明,与没有优化逻辑的解决方案相比,这两种算法都有助于减少 GHGE(10% 到 25% 之间),LP 算法略有优势。然而,RED WoLF 可以显著减少计算时间(LP 约为 25 分钟,而 RED WoLF 约为 1 毫秒)并延长电池寿命(LP 为 4 年,而 RED WoLF 为 12 年)。