【技术实现步骤摘要】
本专利技术属于碳排量监测，具体的说是一种基于大数据的碳排量实时监控及预测系统。
技术介绍
1、碳排放是指在生产、运输、消费等人类活动中，通过燃烧化石燃料或其他方式，直接或间接产生的二氧化碳(co2)及其他温室气体排放到大气中的过程。这些温室气体的增加会导致地球大气层中的温室效应增强，进而引起全球气候变化和温度上升等一系列环境问题。控制和减少碳排放是当前全球面临的重大挑战之一，需要国家、企业和个人共同努力，通过采用清洁能源、提高能源效率、改善生产和消费模式等措施，来降低对环境的影响，并应对气候变化带来的风险。因此企业需要严格控制碳排放，以达到节能减排的目的，现阶段，企业每年度有固定的碳排放指标，超出指标则需要向其他企业购买碳排放指标，已达到碳中和目的。
2、为了能够更加精确的控制碳排放，企业需要精确的获取实时碳排放，基于上述，现有技术中对碳排放量的采集包括实时采集，即采用连续排放监测系统对排放的烟气中的co2浓度进行监测，再根据总的气体量计算得到碳排放量；另外是采用排放因子计算，即根据活动数据*排放因子进行碳排放量的计算；
3、由于现有技术中，采用实时采集，只能在生产活动结束，即烟气排完才能换算得到碳排放量；而排放因子是默认值，由对应的碳核算指南或标准中获取；因此，要想在生产活动未结束时，获取预测的碳排放量，只能通过排放因子法进行计算预测；而排放因子并不是绝对准确的，即在使用排放因子法预测碳排放量后，与碳排放实测值可能存在差别，若需进行年度碳排放量的预测，则累计的误差偏大，可能超出企业碳排放的指标，导致企业
4、为此，本专利技术提供一种基于大数据的碳排量实时监控及预测系统。
技术实现思路
1、为了弥补现有技术的不足，解决
技术介绍
中所提出的至少一个技术问题。
2、本专利技术解决其技术问题所采用的技术方案是：本专利技术所述的一种基于大数据的碳排量实时监控及预测系统，包括数据采集模块，用于获取碳排放实测值；还用于获取活动数据，包括直接活动数据与间接活动数据，及确定对应的排放因子，包括直接排放因子与间接排放因子；
3、数据处理模块，用于根据活动数据、排放因子计算碳排放计算值；
4、计算模块，用于计算碳排放实测值与碳排放计算值的差值，并输出结果：
5、当碳排放实测值与碳排放计算值的差值小于等于阈值，则确定排放因子；
6、当碳排放实测值与碳排放计算值的差值大于阈值，则更新排放因子；
7、模型构建模块，基于更新排放因子及历史碳排放实测值，构建碳排放预测模型。
8、优选的，所述碳排放计算值的计算方法为：
9、获取活动数据，包括直接控制的碳排放及间接控制的碳排放；
10、获取对应的排放因子；
11、根据公式：
12、v＝s×r；
13、其中，v表示碳排放量，s表示活动数据，r表示对应的排放因子；
14、基于公式分别计算直接碳排放量与间接碳排放量，再计算直接碳排放量与间接碳排放量的总和，作为碳排放计算值。
15、优选的，所述碳排放预测模型的构建方法为：
16、数据收集；
17、数据预处理；
18、构建模型；
19、训练及优化模型；
20、所述碳排放预测模型的表达式为：
21、
22、其中，a表示碳排放预测值，si·(ri·ekt)表示预测碳排放量；si表示任一活动数据，ri表示任一排放因子，k表示任一排放因子的增长系数；t表示时间。
23、优选的，所述碳排放预测模型基于未来生产指标，输出碳排放预测值；
24、还包括分析模块，用于分析碳排放预测值的准确性。
25、优选的，所述分析模块分析碳排放预测值的准确性的方法为：
26、获取与碳排放实测值对应的碳排放预测值；
27、将碳排放预测值与碳排放实测值分别表示为a(x,y)、b(x,y)；其中x表示直接排放预测值，x表示直接排放实测值；y表示间接排放预测值，y表示间接排放实测值；
28、根据公式：
29、
30、其中，u表示碳排放区间，δ表示误差系数；
31、根据公式计算碳排放预测值a的比值，表达为
32、当所述碳排放预测值a的比值处于碳排放区间u内，则表示碳排放预测值a准确；
33、当所述碳排放预测值a的比值不处于碳排放区间u内，则表示碳排放预测值a不准确，碳排放预测模型待优化。
34、优选的，所述分析模块还用于在碳排放预测值a不准确时，分析碳排放预测模型的缺陷。
35、优选的，所述分析模块分析碳排放预测模型缺陷的方法为：
36、获取对应的碳排放预测值a的比值；
37、比较aω与碳排放区间u上下限的大小；
38、当aω＞umax，则表示存在间接排放预测值偏小的缺陷；
39、当aω＜umin，则表示存在直接排放预测值偏小的缺陷；
40、其中，umax表示碳排放区间的上限，umin表示碳排放区间的下限。
41、优选的，还包括云端，用于存储数据采集模块、数据处理模块、计算模块及分析模块输出的信息。
42、优选的，还包括预警模块，基于碳排放预测模型缺陷的分析结果，输出报警信号：
43、当直接排放预测值偏小时，输出直接排放因子偏小的报警信号至云端；
44、当间接排放预测值偏小时，输出间接排放因子偏小的报警信号至云端。
45、优选的，当所述云端接收报警信号，更新碳排放预测模型的表达式；
46、所述碳排放预测模型的表达式更新为：
47、
48、其中，(1+α)k表示更新后的增长系数。
49、本专利技术的有益效果如下：
50、1.本专利技术所述的一种基于大数据的碳排量实时监控及预测系统，通过比对碳排放实测值与基于活动数据、排放因子计算的碳排放计算值，获取更接近企业实际生产的排放因子，从而基于排放因子建立与企业生产活动数据相关的碳排放预测模型，当获知企业月度生产任务后，即可对应获取碳排放预测值，从而实现对企业的碳排放进行预测，有利于企业控制年度碳排放量，促进企业碳中和。
51、2.本专利技术所述的一种基于大数据的碳排量实时监控及预测系统，通过计算碳排放区间，将碳排放区间作为判断碳排放预测值a是否准确的阈值，当碳排放预测值a的比值处于碳排放区间u内，则说明，碳排放预测值a是准确的，当碳排放预测值a的比值不处于碳排放区间u内，则说明，碳排放预测值a是不准确的；当碳排放预测值a的比值大于碳排放区间u上限时，则表面间接排放因子偏小，即缺陷为间接排放预测值偏小。
本文档来自技高网...【技术保护点】
1.一种基于大数据的碳排量实时监控及预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放计算值的计算方法为：
3.根据权利要求2所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放预测模型的构建方法为：
4.根据权利要求3所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放预测模型基于未来生产指标，输出碳排放预测值；
5.根据权利要求4所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述分析模块分析碳排放预测值的准确性的方法为：
6.根据权利要求5所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述分析模块还用于在碳排放预测值A不准确时，分析碳排放预测模型的缺陷。
7.根据权利要求6所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述分析模块分析碳排放预测模型缺陷的方法为：
8.根据权利要求7所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：还包括云端
9.根据权利要求8所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：还包括预警模块，基于碳排放预测模型缺陷的分析结果，输出报警信号：
10.根据权利要求9所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：当所述云端接收报警信号，更新碳排放预测模型的表达式；
...【技术特征摘要】
1.一种基于大数据的碳排量实时监控及预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放计算值的计算方法为：
3.根据权利要求2所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放预测模型的构建方法为：
4.根据权利要求3所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述碳排放预测模型基于未来生产指标，输出碳排放预测值；
5.根据权利要求4所述的一种基于大数据的碳排量实时监控及预测系统，其特征在于：所述分析模块分析碳排放预测值的准确性的方法为：
6.根据权利要求5所述的一种基于大数据的碳排量实时监控及预测系统，其特征在...
【专利技术属性】
技术研发人员：张雪冰，钱凡，
申请(专利权)人：港华深圳碳资产运营有限公司，
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。