一种大数据中心的碳排放核算方法技术

本发明专利技术涉及大数据分析技术领域，尤其涉及一种大数据中心的碳排放核算方法。该方法包括以下步骤：获取大数据中心能耗数据以及大数据中心所在区域的常驻人口数据并进行中心温室碳排放量计算；获取大数据中心制冷设备数据并进行中心逸散碳排放量计算；对中心温室碳排放量数据以及中心逸散碳排放量数据进行大数据中心温室气体排放量计算；根据大数据中心温室气体排放量数据构建碳排放核算模型；获取大数据中心燃料运输数据以及大数据中心废水处理数据并进行中心间接燃烧量计算；利用中心间接燃烧量数据对碳排放核算模型进行修正处理，获得优化碳排放核算模型并上传大数据中心云平台。本发明专利技术通过大数据分析技术以实现对大数据中心的碳排放量进行核算。中心的碳排放量进行核算。中心的碳排放量进行核算。

【技术实现步骤摘要】
一种大数据中心的碳排放核算方法


[0001]本专利技术涉及大数据分析
，尤其涉及一种大数据中心的碳排放核算方法。

技术介绍

[0002]随着信息技术的迅速发展，大数据中心在支撑现代社会的运行和发展中起着重要作用。然而，大数据中心的高能耗和碳排放成为全球关注的环境问题。据统计，大数据中心的能源消耗和碳排放量占全球总能源消耗和碳排放量的相当比例。
[0003]然而，目前针对大数据中心的碳排放核算方法存在一些问题。首先，现有方法通常缺乏针对大数据中心特点的适应性，无法准确、全面地计算大数据中心的碳排放量。其次，现有方法对环境因素的影响考虑不足，无法准确评估大数据中心的碳排放水平。此外，现有方法在比较和评估大数据中心的碳排放水平方面也存在不足，无法准确判断大数据中心在行业中的位置和水平。
[0004]因此，迫切需要一种能够准确计算和评估大数据中心的碳排放量的方法，该方法能够考虑大数据中心特点以及环境因素的影响，并且能够提供比较和评估的策略，以帮助大数据中心减少碳排放并提高能源利用效率。

技术实现思路

[0005]本专利技术为解决上述技术问题，提出了一种大数据中心的碳排放核算方法，以解决至少一个上述技术问题。
[0006]本申请提供了一种大数据中心的碳排放核算方法，包括以下步骤：
[0007]步骤S1：获取大数据中心能耗数据以及大数据中心所在区域的常驻人口数据，对大数据中心能耗数据以及大数据中心所在区域的常驻人口数据进行碳排放分析，从而获得中心温室碳排放量数据；
[0008]步骤S2：获取大数据中心制冷设备数据，对大数据中心制冷设备数据进行碳排放分析，从而获得中心逸散碳排放量数据；
[0009]步骤S3：通过大数据中心温室气体排放量计算公式对中心温室碳排放量数据以及中心逸散碳排放量数据进行计算，从而得到大数据中心温室气体排放量数据，其中大数据中心温室气体排放量计算公式具体为：
[0010][0011]其中E为大数据中心碳排放量，为大数据中心燃烧二氧化碳排放量，为大数据中心燃烧甲烷排放量，为甲烷的全球变暖潜势系数，为大数据中心燃烧一氧化二氮排放量，为一氧化二氮的全球变暖潜势系数，E
es
为大数据中心因冷媒物质逸散所产生的温室气体燃烧后的排放量；
[0012]步骤S4：根据大数据中心温室气体排放量数据构建碳排放核算模型；
[0013]步骤S5：获取大数据中心燃料运输数据以及大数据中心废水处理数据，对大数据
中心燃料运输数据以及大数据中心废水处理数据进行间接碳排放量分析，从而获得中心间接燃烧量数据；
[0014]步骤S6：利用中心间接燃烧量数据对碳排放核算模型进行修正处理，从而获得优化碳排放核算模型，并将优化碳排放核算模型上传至大数据中心云平台，以执行碳排放量核算任务。
[0015]本专利技术中通过大数据中心云平台获取大数据中心能耗数据以及大数据中心所在区域的常驻人口数据，对大数据中心能耗数据以及大数据中心所在区域的常驻人口数据进行碳排放分析，从而获得中心温室碳排放量数据；通过将大数据中心的能耗数据和常驻人口数据结合起来进行分析，可以更准确地估计大数据中心的碳排放量。传统的碳排放计算方法可能忽略了区域人口因素对碳排放的影响，而结合人口数据可以更准确地反映实际情况。碳排放分析可以将大数据中心的环境影响量化，以评估其对气候变化的贡献。这可以帮助大数据中心管理者和相关利益相关者更好地了解其环境效益，并采取措施来减少碳排放。通过大数据中心云平台获取大数据中心制冷设备数据，对大数据中心制冷设备数据进行碳排放分析，从而获得中心逸散碳排放量数据；大数据中心的制冷设备通常在运行过程中会产生逸散碳排放。通过获取并分析制冷设备的能耗数据，可以准确评估大数据中心的逸散碳排放量。这有助于全面了解数据中心的碳足迹。通过对制冷设备数据进行分析，可以发现能效改进的机会。制冷设备在大数据中心中通常是能耗较高的部分之一。通过了解制冷设备的碳排放情况，可以发现能效较低的设备或操作模式，并提出相应的改进建议，以减少逸散碳排放，提高整体能效。通过大数据中心温室气体排放量计算公式对中心温室碳排放量数据以及中心逸散碳排放量数据进行计算，从而得到大数据中心温室气体排放量数据。大数据中心可以使用温室气体排放数据来评估减排措施的效果，并追踪排放趋势。这样可以监测和量化减排成果，及时调整和改进减排策略，为实现碳中和和可持续发展目标提供基础和指导。根据大数据中心温室气体排放量数据构建碳排放核算模型；通过构建碳排放核算模型，可以了解大数据中心的碳排放热点。这将有助于确定哪些方面的活动在温室气体排放中起到关键作用，例如能源密集型操作、特定设备的能效性能等。通过准确识别碳排放热点，可以有针对性地采取措施来降低碳足迹。通过大数据中心云平台获取大数据中心燃料运输数据以及大数据中心废水处理数据，对大数据中心燃料运输数据以及大数据中心废水处理数据进行间接碳排放量分析，从而获得中心间接燃烧量数据；通过分析间接燃烧量数据，可以揭示出可能被忽视的碳排放来源。燃料运输和废水处理可能涉及燃烧过程，从而产生额外的碳排放。通过细致的数据分析，可以识别和量化这些隐藏的碳排放来源，并采取相应的措施来减少这些排放。利用中心间接燃烧量数据对碳排放核算模型进行修正处理，从而获得优化碳排放核算模型，并将优化碳排放核算模型上传至大数据中心云平台，以执行碳排放量核算任务。通过修正碳排放核算模型，考虑到间接燃烧量的影响，可以提高核算结果的准确性和精度。传统的碳排放核算往往只考虑直接排放，忽略了间接燃烧量的贡献。通过优化模型并上传到云平台执行任务，中心能够更准确地计算和报告碳排放量，提供更可靠的数据支持。将优化的碳排放核算模型上传至大数据中心云平台后，可实现自动化和集中化的碳排放核算。云平台具备强大的计算和数据处理能力，能够处理大量数据、模型迭代和计算任务。通过利用云平台的优势，中心可以高效地进行碳排放核算，节省时间和人力成本，并确保数据的一致性和准确性。
附图说明
[0016]通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0017]图1为本专利技术的大数据中心的碳排放核算方法的步骤流程图；
[0018]图2为本专利技术中步骤S1的详细步骤流程示意图；
[0019]图3为本专利技术中步骤S12的详细步骤流程示意图；
[0020]图4为本专利技术中步骤S122的详细步骤流程示意图；
[0021]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0022]下面结合附图对本专利技术专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]此外，附图仅为本专利技术的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大数据中心的碳排放核算方法，其特征在于，包括以下步骤：步骤S1：获取大数据中心能耗数据以及大数据中心所在区域的常驻人口数据，对大数据中心能耗数据以及大数据中心所在区域的常驻人口数据进行碳排放分析，从而获得中心温室碳排放量数据；步骤S2：获取大数据中心制冷设备数据，对大数据中心制冷设备数据进行碳排放分析，从而获得中心逸散碳排放量数据；步骤S3：通过大数据中心温室气体排放量计算公式对中心温室碳排放量数据以及中心逸散碳排放量数据进行计算，从而得到大数据中心温室气体排放量数据，其中大数据中心温室气体排放量计算公式具体为：其中E为大数据中心碳排放量，为大数据中心燃烧二氧化碳排放量，为大数据中心燃烧甲烷排放量，为甲烷的全球变暖潜势系数，为大数据中心燃烧一氧化二氮排放量，为一氧化二氮的全球变暖潜势系数，E
es
为大数据中心因冷媒物质逸散所产生的温室气体燃烧后的排放量；步骤S4：根据大数据中心温室气体排放量数据构建碳排放核算模型；步骤S5：获取大数据中心燃料运输数据以及大数据中心废水处理数据，对大数据中心燃料运输数据以及大数据中心废水处理数据进行间接碳排放量分析，从而获得中心间接燃烧量数据；步骤S6：利用中心间接燃烧量数据对碳排放核算模型进行修正处理，从而获得优化碳排放核算模型，并将优化碳排放核算模型上传至大数据中心云平台，以执行碳排放量核算任务。2.根据权利要求1所述的方法，其特征在于，步骤S1包括以下步骤：步骤S11：对大数据中心能耗数据进行使用量提取，从而获得大数据中心用电量数据、大数据中心化石燃料使用量数据；步骤S12：对大数据中心用电量数据以及大数据中心所在区域的常驻人口数据进行二氧化碳碳排放量计算，从而获得中心二氧化碳排放量数据；步骤S13：对大数据中心化石燃料使用量数据进行甲烷排放量计算，从而获得中心甲烷排放量数据；步骤S14：对大数据中心化石燃料使用量数据进行一氧化二氮排放量计算，从而获得中心一氧化二氮排放量数据；步骤S15：将中心甲烷排放量数据、中心二氧化碳排放量数据以及中心一氧化二氮排放量数据进行数据归并，从而获得中心温室碳排放量数据。3.根据权利要求2所述的方法，其特征在于，步骤S12具体为：步骤S121：对大数据中心用电量数据进行碳排放量计算，从而获得大数据中心电热数据；步骤S122：对大数据中心所在区域的常驻人口数据进行人口碳排放量计算，从而获得中心人口碳排放量数据；步骤S123：对中心电热碳排放量数据以及中心人口碳排放量数据进行数据合并，从而
获得中心二氧化碳排放量数据。4.根据权利要求3所述的方法，其特征在于，步骤S121具体为：步骤S1211：对大数据中心用电量数据进行数据提取，从而获得中心外购电力数据、中心外购热力数据、中心自发绿电数据以及中心外购绿电数据；步骤S1212：通过预设的电热分类算法对中心外购电力数据、中心外购热力数据、中心自发绿电数据以及中心外购绿电数据进行分类计算，从而获得大数据中心电热数据；其中电热分类算法的函数公式具体为：其中CF为电热消耗系数，d为时间间隔，t为时间，i为时间点，P
i
为第i个时间点的外购电力，H
i
为第i个时间点的外购热力，G
i
为第i个时间点的自发绿电，R
i
为第i个时间点的外购绿电，π为圆周率，n为时间点数量。步骤S1213：通过电热碳排放量计算公式对大数据中心电热数据进行计算，从而获得中心电热碳排放量数据，其中电热碳排放量计算公式具体为：其中E
v
为电热碳排放量，P
elec
为大数据中心的年用电量，CF为电热消耗系数，ER为全球统一等价排放系数，EF为外购发电厂的效率，LHV为标准煤的低位发热值，T
out
为大数据中心的出口温度，T
in
为大数据中心的进口温度，WU为大数据中心的综合能效。5.根据权利要求3所述的方法，其特征在于，步骤S122具体为：步骤S1221：通过主成分分析法对大数据中心所在区域的常驻人口数据进行碳排放特征筛选，从而获得人口碳排放特征；步骤S1222：对人口碳排放特征进行标准化处理，从而获得人口碳排放标准化数据；步骤S1223：根据预设的聚类算法对人口碳排放标准化数据进行聚类分析，从而获得碳排放人群数据集；步骤S1224：对碳排放人群数据集进行人口碳排放量计算，从而获得中心人口碳排放量数据。6.根据权利要求6所述的方法，其特征在于，步骤S1224中的人口碳排放量计算具体为：获取大数据中心位置信息；通过人口碳排放计算公式对碳排放人群数据集以及大数据中心位置信息进行计算，从而获得中心人口碳排放量数据，其中人口碳排放计算公式具...

【专利技术属性】
技术研发人员：黄绪刚，赵辉，陈卓烽，郑翔宇，陈卓，曾渚，杨杰瀚，
申请(专利权)人：公诚管理咨询有限公司，
类型：发明
国别省市：