【技术实现步骤摘要】
本专利技术涉及建筑碳排放监测领域，更具体地说，本专利技术涉及一种基于大数据采集的建筑碳排放监测系统及方法。
技术介绍
1、近年来，全球能源消耗和碳排放量的快速增长加剧了温室效应，导致气候变化问题日益严峻。为应对这一局面，要求各行业提高能源使用效率并减少碳排放。因此，如何对建筑的能耗和碳排放进行有效监控，特别是在复杂的能源供需环境中，已成为节能减排的关键问题之一。
2、现有的建筑碳排放监测方法大多依赖静态模型，通常基于宏观统计数据或年度报告进行碳排放量估算，难以精确反映建筑内电器的实时运行状态和能耗波动。这种静态方法在面对建筑内复杂的能源使用情况时，监测精度和动态调控能力不足，难以应对电器负荷变化和分布式能源实时出力的多变性。此外，随着光伏、储能等分布式能源的普及，建筑内的能源使用模式变得更加复杂，现有技术难以实现对建筑内能源与碳排放的源-荷协同管理，无法有效优化能源使用并动态调整碳排放。
3、目前的技术手段在电器负荷的精细识别、能耗与碳排放监测方面存在显著局限。现有技术无法对电器的瞬时能耗和分布式能源的出力情况进行实时同步分析，碳排放调控系统的精度和响应速度较低，无法满足动态调控的需求。因此，亟需一种创新性的碳排放监测和管理系统，能够基于实时数据精准识别电器运行状态、分析能源使用模式，并结合分布式能源的实时出力情况，动态优化建筑内部的负荷与碳排放管理，助力节能减排目标的实现。
4、为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服
2、为实现上述目的，本专利技术提供如下技术方案：
3、s1，使用低频采样设备获取居民建筑中的电气信号，按照稳态和暂态特征分别分类，暂态特征通过自适应小波分析提取，稳态特征基于傅里叶变换处理，分别记录电器的瞬时启动和稳定运行特性；提取的稳态与暂态特征数据存储于本地数据库；
4、s2，通过递归特征消除算法对分类提取的电器稳态与暂态特征进行筛选，保留对电器辨识贡献度高的关键特征，并使用卡尔曼滤波器对关键特征值进行动态校正，滤除信号波动和噪声，确保关键特征数据在不同时刻具有一致性和准确性；
5、s3，基于校正后的关键特征数据，获取分布式发电设备的实时出力数据，通过时间序列交叉关联算法对齐分布式能源的能量输出与电器的负荷需求；确保源-荷数据的时间同步与无时滞映射；
6、s4，基于校正后的源-荷同步数据，计算每个电器的碳排放量，通过评估电器能耗偏差和负荷增长的瞬时影响对能耗和碳排放进行综合评估，在评估结果脱离预期时，通过自回归模型预测碳排放趋势，并将评估和预测结果作为负荷优化调控的依据；
7、s5，依据碳排放计算结果与趋势预测数据，基于模糊控制算法生成动态负荷调控策略，通过负荷自适应调控模块进行自动化执行。
8、在一个优选的实施方式中，步骤s1包括以下内容：
9、s1.1，使用低频采样设备对居民建筑的电气信号进行连续采样，捕获到电器运行的稳态和暂态特征；采集的数据通过时间戳记录，并同步写入本地缓存；
10、s1.2，电气信号的暂态特征是指电器启动、关停瞬时变化过程中的信号波动；暂态特征通过自适应小波变换进行提取，具体步骤如下：
11、使用选定的小波基函数；通过多尺度小波分解，将电气信号进行频域分解，捕获电器启停过程中的瞬时特征；提取完成后，暂态特征数据按照事件触发时刻进行标注，随后存储于本地数据库；
12、s1.3，稳态特征是指电器在稳定运行时的特性参数；稳态特征通过傅里叶变换进行提取，具体步骤如下：
13、首先，对稳态信号进行窗口分割；采用快速傅里叶变换，将电气信号从时域转换为频域，分析信号的频谱特性；稳态特征数据以时间顺序存储，并与对应的电器负荷状态关联；
14、s1.4，使用事件驱动的触发机制，首先通过突变检测算法识别电气信号中的突发变化；如果信号的瞬时变化超过预设阈值，则将对应段信号识别为暂态特征；否则，对应段信号将被默认识别为稳态特征；
15、s1.5，根据分类结果，稳态与暂态特征分别存储在不同的数据集中，附加时间戳与设备id以便于快速索引。
16、在一个优选的实施方式中，步骤s2包括以下内容：
17、s2.1，基于步骤s1提取的电器稳态与暂态特征，首先对提取的特征进行归一化处理；
18、s2.2，在特征筛选中，采用递归特征消除算法对归一化后的稳态与暂态特征数据进行递进式筛选；输出的是经过筛选的关键特征集，包含稳态特征和暂态特征；
19、s2.3，对筛选出的关键特征数据进行动态校正，采用卡尔曼滤波器进行噪声过滤与信号平滑处理；输出的是经过动态校正的关键特征数据，包括稳态和暂态特征的校正值；
20、s2.4，动态校正后的关键特征数据按时间戳记录并存储于本地数据库；对于暂态特征和稳态特征，分别设置不同的存储策略：暂态特征数据按事件触发进行标记和存储，稳态特征则按固定时间窗口存储。
21、在一个优选的实施方式中，步骤s3包括以下内容：
22、s3.1，获取分布式发电设备的实时出力数据，包括分布式能源设备的输出功率、实时电压和电流参数；
23、s3.2，为确保分布式发电设备的输出数据与电器负荷特征数据在时间上匹配，需对两者的时间戳进行预处理和同步：
24、将分布式发电设备的实时出力数据与校正后的负荷特征数据的时间戳进行标准化处理，确保所有数据均按照同一时间基准进行记录；如果分布式能源数据和负荷特征数据的采样频率不同，通过插值或下采样技术对较高频率的数据进行降频处理，使其与较低频率数据对齐，确保在相同时间窗口内比较与分析两者的数据；
25、s3.3，为实现分布式发电设备输出数据与电器负荷需求的无时滞对本文档来自技高网...
【技术保护点】
1.一种基于大数据采集的建筑碳排放监测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
3.根据权利要求2所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
4.根据权利要求3所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
5.根据权利要求4所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
6.根据权利要求5所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
7.根据权利要求6所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
8.一种基于大数据采集的建筑碳排放监测系统，用于实现权利要求1-7任一项所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于，包括：信号采集单元、特征筛选与校正单元、能量对齐单元、碳排放计算与评估单元和动态调控模块单元；
【技术特征摘要】
1.一种基于大数据采集的建筑碳排放监测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
3.根据权利要求2所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
4.根据权利要求3所述的一种基于大数据采集的建筑碳排放监测方法，其特征在于：
5.根据权利要求4所述的一种基于大数据采集的建筑碳排放监测方法，其特征在...
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。