System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于碳排放测算领域,具体是基于能源消耗的碳排放测算方法。
技术介绍
1、随着全球气候变化问题的日益严峻,碳排放成为衡量企业和社会可持续发展的重要指标。传统碳排放的计算依赖于人工收集数据和手动计算,不仅耗时耗力,而且容易出现误差。
2、现有技术(公开号为cn115511175a的专利技术申请)公开了一种基于电力大数据的碳排放测算方法,该方法包括:采集能源消耗数据并计算年度行业碳排放数据以及区域碳排放数据;对所述年度行业碳排放数据和所述区域碳排放数据进行相关性检验;对电力数据与碳排放数据相关性大于关联阈值的区域进行数据回归计算,获得对应区域及行业的碳排放量函数;根据所述碳排放量函数计算企业的碳排放数据;实现了碳排放数据的精确计算。但现有技术没有考虑到不同行业在能源使用上的特性差异很大,一些行业可能更多依赖电力,而另一些则可能更多依赖其他类型的能源,如煤炭、石油、天然气和可再生能源等,现有技术通过电力消耗这一单一维度的数据来估算碳排放,显然不能够精准的测算出碳排放量。
3、因此,本专利技术提出一种基于能源消耗的碳排放测算方法,以解决上述技术问题。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一;为此,本专利技术提出了基于能源消耗的碳排放测算方法,用于解决现有技术没有考虑到不同行业在能源使用上的特性差异很大,一些行业可能更多依赖电力,而另一些则可能更多依赖其他类型的能源,如煤炭、石油、天然气和可再生能源等,现有技术通过电力消耗这一单一
2、为实现上述目的,本专利技术的第一方面提供了基于能源消耗的碳排放测算方法,包括:
3、步骤一:获取目标区域预设时间段内的能源数据;
4、步骤二:基于能源数据计算得到目标区域的初始碳排放量;
5、步骤三:通过对初始碳排放量进行修正,得到目标碳排放量;
6、步骤四:基于历史能源数据训练人工智能模型,得到碳排放预测模型;
7、步骤五:基于碳排放预测模型对目标区域的能源数据进行预测,得到预测结果;
8、步骤六:基于预测结果计算得到预测碳排放量;基于目标碳排放量、预测碳排放量和预设碳排放阈值判断是否进行预警;是,则发送预警信息至目标区域的客户端;否,则持续检测判断;其中,客户端包括:手机或电脑。
9、优选的,所述获取目标区域预设时间段内的能源数据,包括:
10、基于数据库获取目标区域预设时间段内的能源数据;其中,目标区域是指所要测算碳排放的企业或工厂;能源数据包括:电力、天然气、煤炭和石油;预设时间段是根据企业或工厂具体需求所设。
11、需要说明的是,所述数据库储存有企业或工厂迄今为止的能源数据以及能源数据消耗过程中的环境数据。
12、优选的,所述基于能源数据计算得到目标区域的初始碳排放量,包括:
13、将电力标记为e,天然气标记为q,煤炭标记为m,石油标记为y;
14、通过碳排放计算公式:c=α×e+β×q+θ×m+σ×y,计算得到初始碳排放量;其中,α、β、θ、σ是碳排放因子,碳排放因子=单位能源或物质的二氧化碳排放量/单位能源或物质的使用量;c是初始碳排放量。
15、需要说明的是,所述碳排放因子是指单位能源或物质所产生的二氧化碳排放量。碳排放因子的大小取决于能源或物质的类型和使用方式。例如,煤炭的碳排放因子要高于天然气和石油的碳排放因子,因为煤炭燃烧时产生的二氧化碳排放量更高。
16、优选的,所述通过对初始碳排放量进行修正,得到目标碳排放量,包括:
17、构建第一修正模型和第二修正模型;以及,基于第一修正模型和第二修正模型对初始碳排放量进行修正,得到目标碳排放量。
18、现有技术没有考虑到企业或工厂的机器老化或工作效率降低,导致能源的利用率和燃烧不充分,从而使实际的碳排放量要低于测算出的碳排放量;本专利技术通过以能源数据为自变量,以第一次修正后的碳排放量作为因变量,并标记为第一修正系数c1;通过多项式拟合的方式对自变量和因变量进行拟合,建立第一修正模型;基于第一修正模型对初始碳排放量进行修正,解决了上述问题。
19、优选的,所述构建第一修正模型和第二修正模型,包括:
20、构建第一修正模型;
21、s1:以能源数据为自变量,以第一次修正后的碳排放量作为因变量,并标记为第一修正系数c1;
22、s2:通过多项式拟合的方式对自变量和因变量进行拟合,建立第一修正模型;第一修正模型具体为:
23、c1=[a×e^[e/(e+1)]+ln[q^b×m^j×y^k]]×f1;
24、其中,a、b、j、k是比例系数,f1是误差系数;ln(*)是以自然数e为底的对数函数;
25、构建第二修正模型;
26、s1:基于数据库获取能源数据消耗过程中的环境数据;其中,环境数据包括:氧气和压力;
27、s2:将环境数据作为自变量,并将氧气和压力分别标记为o和f,将第二次修正后的碳排放量作为因变量,并标记为第二修正系数c2;
28、s3:通过多项式拟合的方式对自变量和因变量进行拟合,建立第二修正模型;第二修正模型具体为:
29、c2=[l×e^|o-zo|/(o-zo)+v×e^|f-zf|/(f-zf)]×f2;
30、其中,l、v是比例系数,zo是标准氧气浓度,zf是标准大气压力,f2是误差系数。
31、现有技术没有考虑到能源消耗时环境因素对碳排放量的影响,如高浓度的氧气和高压会促使企业或工厂的化石燃料发电或发动机的汽油燃烧更加高效,产生的碳排放量更少,导致测算的碳排放量与实际不一致;本专利技术通过获取能源数据消耗过程中的环境数据,基于环境数据构建第二修正模型,通过第二修正模型对初始碳排放量进一步修正,解决了上述问题。
32、优选的,所述基于第一修正模型和第二修正模型对初始碳排放量进行修正,包括:
33、s1:将能源数据输入第一修正模型,得到第一修正系数;
34、s2:将能源数据对应的环境数据输入第二修正模型,得到第二修正系数;
35、s3:将初始碳排放量与第一修正系数和第二修正系数相加,得到目标碳排放量。
36、优选的,所述基于历史能源数据训练人工智能模型,包括:
37、将历史能源数据整合为标准输入数据;将预设预测时间段内的历史能源数据整合为标准输出数据;
38、基于标准输入数据和标准输出数据训练人工智能模型,得到碳排放预测模型;其中,人工智能模型包括:卷积神经网络或深度置信网络。
39、需要说明的是,所述历史能源数据是指获取能源数据的历史数据;所述预设预测时间段根据企业或工厂实际所需预测未来某时间段内的碳排放量所设。
40、优选的,所述基于碳排放预测模型对目标本文档来自技高网...
【技术保护点】
1.基于能源消耗的碳排放测算方法,其特征在于,包括:
2.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述获取目标区域预设时间段内的能源数据,包括:
3.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于能源数据计算得到目标区域的初始碳排放量,包括:
4.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于第一修正模型和第二修正模型对初始碳排放量进行修正,包括:
5.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于历史能源数据训练人工智能模型,包括:
6.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于碳排放预测模型对目标区域的能源数据进行预测,包括:
7.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于预测结果计算得到预测碳排放量,包括:
8.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于目标碳排放量、预测碳排放量和预设碳排放阈值判断是否进行预警,包括
...【技术特征摘要】
1.基于能源消耗的碳排放测算方法,其特征在于,包括:
2.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述获取目标区域预设时间段内的能源数据,包括:
3.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于能源数据计算得到目标区域的初始碳排放量,包括:
4.根据权利要求1所述的基于能源消耗的碳排放测算方法,其特征在于,所述基于第一修正模型和第二修正模型对初始碳排放量进行修正,包括:
5.根据权利要求1所述的基于...
【专利技术属性】
技术研发人员:侯皓宇,张靖,姚振,刘翠玲,胡志远,赵林燕,杜妍,张翠翠,孙佳丽,孙琦,丁鑫,卢锐轩,丁瀚文,
申请(专利权)人:国网安徽省电力有限公司信息通信分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。