CN111177191A - 一种基于碳排放交易的关键指标计算分析方法 - Google Patents

一种基于碳排放交易的关键指标计算分析方法 Download PDF

Info

Publication number
CN111177191A
CN111177191A CN201911189429.9A CN201911189429A CN111177191A CN 111177191 A CN111177191 A CN 111177191A CN 201911189429 A CN201911189429 A CN 201911189429A CN 111177191 A CN111177191 A CN 111177191A
Authority
CN
China
Prior art keywords
value
carbon
scheme
measured value
default
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911189429.9A
Other languages
English (en)
Inventor
冷程浩
郝浩
黎绍泉
赵竟
孙峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huadun Power Information Security Evaluation Co Ltd
Original Assignee
Nanjing Huadun Power Information Security Evaluation Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Huadun Power Information Security Evaluation Co Ltd filed Critical Nanjing Huadun Power Information Security Evaluation Co Ltd
Priority to CN201911189429.9A priority Critical patent/CN111177191A/zh
Publication of CN111177191A publication Critical patent/CN111177191A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2455Query execution
    • G06F16/24552Database cache management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于碳排放交易的关键指标计算分析方法,包括以下过程:配置发电行业中各企业的业务参数和规则;选择配额指标,根据选择的配额指标切换相应的业务参数和规则,并试算配额指标;将试算结果生成报告。本发明为企业提供灵活、便捷、快速生成碳排放配额分配方案的能力,从而帮助企业解决碳排放配额指标分析决策难题。

Description

一种基于碳排放交易的关键指标计算分析方法
技术领域
本发明属于计算分析技术领域,具体涉及一种基于碳排放交易的关键指标计算分析方法。
背景技术
2017年12月,国家发改委召开新闻发布会,宣布正式启动全国碳排放权交易市场(以下简称“全国碳市场”),表示将以发电行业为突破口,率先启动全国碳市场,分步推行碳市场建设。发电企业作为重点排放单位,面临着巨大的减排压力和责任,发电行业唯有积极参与才能掌握更多的主动权。全国碳市场启动后,发电行业作为目前唯一纳入全国碳市场的重点排放行业。目前全国有包括全国规则、北京试点规则、上海试点规则、深圳试点规则、天津试点规则、重庆试点规则、广东试点规则、湖北试点规则、福建试点规则在内的九种企业碳排放配额分配方案。随着全国碳市场的不断推进,各方案的计算方法和参数不断发生变化。
但是现有的方案存在以下问题:
1)无法支持用户在不同区域规则间快速切换的需求;
2)无法根据实际的情况动态调整各规则的配置参数,一旦方案发生变化,需重复开发,带来更多的人力、物力投入,导致成本高。
发明内容
本发明的目的在于克服现有技术的不足,提供了一种基于碳排放交易的关键指标计算分析方法,为企业提供灵活、便捷、快速生成碳排放配额分配方案的能力,从而帮助企业解决碳排放配额指标分析决策难题。
为解决上述技术问题,本发明提供了一种基于碳排放交易的关键指标计算分析方法,其特征是,包括以下过程:
配置发电行业中各企业的业务参数和规则;
选择配额指标,根据选择的配额指标切换相应的业务参数和规则,并试算配额指标;
将试算结果生成报告。
进一步的,所述发电行业的企业包括集团、区域和电厂,将其分为三级,最高级别为集团,业务参数根据不同级别进行逐级分配。
进一步的,所述配额指标包括燃煤机组方案和燃气机组方案。
进一步的,所述燃煤机组方案包括:
根据单位生产数据中的单位热值含碳量实测值、单位热值含碳量缺省值、灰渣含碳量实测值、灰渣量实测值、灰渣量配比缺省计算值、碳氧化率缺省值,这六种指标的不同组合来给出六种方案。
进一步的,所述燃煤机组六种方案分别为:
方案一:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量实测值;
方案二:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案三:单位热值含碳量实测值+碳氧化率缺省值;
方案四:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量实测值;
方案五:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案六:单位热值含碳量缺省值+碳氧化率缺省值。
进一步的,所述燃气机组方案包括:
根据单位生产数据中的燃气热值缺省值、燃气热值实测值,这两种指标的不同组合来给出方案。
进一步的,燃气机组两种方案分别为:
方案一:燃气热值缺省值;
方案二:燃气热值实测值。
进一步的,根据选择的配额指标切换相应的业务参数和规则包括:
采用多路缓存方法根据选择的配额指标切换相应的业务参数和规则。
进一步的,所述多路缓存方法通过使用redis+Oracle+ElasticSerach组件实现,将关系型数据Oracle中经常访问且查询效率较低的数据集放入到Redis集群中,同时也将这部分数据存放到ElasticSearch集群中。
与现有技术相比,本发明所达到的有益效果是:本发明方法实现了对全国规则和地方规则的快速响应,可以根据规则变化的内容,灵活配置参数,并生成对应的分析配额测算数据和配额分配方案。
附图说明
图1为现有技术中碳排放参数配置系统结构图;
图2为燃煤机组六种方案的示意图;
图3为燃气机组两种方案的示意图;
图4为多路缓存结构图;
图5为多路缓存流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的一种基于碳排放交易的关键指标计算分析方法,参见图1所示,具体的包括以下内容:
第一步:业务参数管理。
配置需要设定的业务参数,对于业务参数按实际需要进行逐级分配,实现既能统一控制,又能满足单位灵活运用;对于业务参数(可根据国家及地方主管部门相关政策及业务需求变更及时更新。
业务参数包括:
·化石燃料缺省值,涉及的参数有燃料品种、平均低位发热值、单位热值含碳量和碳氧化率。
·电力排放因子缺省值,全国规则涉及的参数有区域电网、电力排放因子;试点规则参数有试点区域、电力排放因子。
·固体未完全燃烧损失q4值,涉及的参数有锅炉型式、燃料种类、q4值。
·灰渣分配比例,涉及的参数有锅炉型式。
·脱硫剂排放因子,涉及的参数有脱硫剂碳酸盐种类、排放因子。
·其它,涉及的参数有除尘效率、脱硫剂碳酸盐含量、脱硫剂碳酸盐转化率等。
通常发电行业的企业分为三级,包括集团、区域和电厂,最高级别为集团,一般每个集团都会包含多个区域,每个区域又会有多家电厂。三级各单位均可对参数进行修改,每家电厂根据所在试点地区的要求,可以通过调整自己的参数,生成效益最大化的结果,集团、区域可以在宏观上对这些参数进行控制,以产生对区域或集团整体最有利的结果。
所述的逐级分配,例如某一区域完成设置,则该区域下各电厂也将自动采用自行配置。例如A区域设置了某个参数,那么A区域下的各家三级单位(电厂)也会自动匹配该参数,以实现统一管控。逐级分配实现了集团对各区域的控制或区域对各电厂的控制,体现的是统一控制;各区域、电厂可以根据地方规则及要求修改参数以获得效益最大化的配额分析结果并生成方案。
参数管理配置是本发明后续实现指标动态计算、处理、分析的基础,为后续计算提供输入值。参数的灵活配置是为了实现在国家及地方规则发生变化时,系统可以及时响应,根据最新的规则快速生成用户需要的分析数据及报送方案。
后续步骤中的配额分配指标的计算数据来源包括两部分,一是参数管理。二是各单位生产数据。
第二步:规则配置。
目前规则分为:全国规则、北京试点规则、上海试点规则、深圳试点规则、天津试点规则、重庆试点规则、广东试点规则、湖北试点规则和福建试点规则,简称为全国和各碳交易试点区域。因为各地方要求不同,各单位需要根据本地要求生成报送方案。为了利益最大化,各家均会报送最有利于自己的方案,那么就需要通过参数修改,规则切换等进行对比分析。
规则说明:
由于现阶段全国市场及不同试点市场独立运行,碳排放量核算方法、配额分配方案、碳交易的规则等各方面政策均有所不同,为满足华电集团各交易试点单位的用户需求,该系统设定了全国和6个碳交易试点(不含深圳/重庆)碳排放量及碳配额分配不同规则,使用户可以在系统中实时掌握所在试点规则及全国规则下碳排放量及配额盈缺等关键信息,指导各单位开展交易及履约工作,并可根据基层火电企业是否纳入试点履约范围对基层企业的对应属性进行灵活配置。
各种规则缺省值参数不同。
全国规则:涉及的参数包括机组供电碳排放基准、机组供热碳排放基准、供热量修正系数、冷却方式修正系数、燃料热值修正系数等。
北京试点相关缺省参数规则:涉及的参数有机组类型、机组供电碳排放基准、机组供热碳排放基准和机组供热比调整系数。
上海试点相关缺省参数:包括发电企业碳排放基准、热折电系数、综合修正系数、供热企业碳排放排放基准和热电折算系数。
广东试点相关缺省参数:涉及的参数有机组类型、供电机组排放基准。
福建试点相关缺省参数:包括燃煤机组供二氧化碳排放基准、燃气机组供电二氧化碳排放基准、热电机组供热二氧化碳排放基准、热电机组调整系数、冷却方式调整系数等。
湖北试点相关缺省参数:涉及参数有机组类型、装机容量、单位综合发电量碳排放等。
按照国家和各个碳交易试点区域发电企业碳排放核算方法、碳配额核算方法、以及履约规则等设置不同规则,各单位根据需要自行配置国家和各交易区域相应规则,满足各单位对相关规则的需求。
规则配置功能可以实现国家和各个碳交易试点区域配额指标计算规则的动态设置。配额指标需要根据这些配置来进行计算,并产生分析结果。
第三步:配额指标试算。
为了实现全国和各碳交易试点区域规则下燃煤机组和然气机组指标的计算,需根据用户选择自动匹配参数和规则,结合单位生产数据(涉及环保、燃料、排放数据等,例如发电量、机组功率、排放强度等),生成相应单位的月度及本年累计碳配额盈缺量等指标的试算结果。用于后续对比分析及配额指标方案生成。
配额指标包括各单位纳入交易碳排放总量、试算配额量、试算配额盈余量、试算配额盈余量占比、纳入交易碳排放总量、试算配额量(万吨)、试算配额盈余量(万吨)、试算配额盈。
燃煤机组能够实现六种不同方案的计算,并可对比六种核算方案下的入炉煤燃烧碳排放量,供用户进行不同方案的选择;燃气机可实现两种不同方案下的比选,供企业对外报送选取。
为了实现全国方案下燃煤燃烧六种核算方案和天然气燃烧两种核算方案的切换,此处切换后,系统中其他数据结果同步切换。报送结果为企业最终选择的计算方案。
燃煤机组六种方案:根据单位生产数据中的单位热值含碳量实测值、单位热值含碳量缺省值、灰渣含碳量实测值、灰渣量实测值、灰渣量配比缺省计算值、碳氧化率缺省值这六种指标的不同组合,来给出方案。如图2所示,各方案分别为:
方案一:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量实测值;
方案二:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案三:单位热值含碳量实测值+碳氧化率缺省值;
方案四:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量实测值;
方案五:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案六:单位热值含碳量缺省值+碳氧化率缺省值。
燃气机组两种方案根据单位生产数据中的燃气热值缺省值、燃气热值实测值区分,供用户进行不同方案的选择。如图3所示,各方案分别为:
方案一:燃气热值缺省值;
方案二:燃气热值实测值。
切换规则进行配额指标计算时需要输入各单位甚至各区域全年的生产数据,数据范围广、数据量大。多路缓存算法为指标的计算和保存提供了技术保障。指标试算的过程主要分为三步:
1、取数
2、匹配规则进行计算
3、生成计算结果并保存
在计算过程中,如何快速查询提取大量数据是影响计算速度重要因素之一。系统通过使用redis(分布式缓存)+Oracle(关系型数据库)+ElasticSerach(搜索引擎)组件,搭建了一套多路缓存方法结构,提供一种冗余的、全量型的缓存存储方法的过程。多路缓存方法是指将关系型数据Oracle中经常访问且查询效率较低的数据集放入到Redis集群中,同时也将这部分数据存放到ElasticSearch集群中。多路缓存和传统的缓存的区别主要有两点:一是增加了ElasticSearch作为二级缓存,应用读取缓存时会先从一级缓存Redis进行读取,如果一级缓存读取不到,则从二级缓存ElasticSearch中继续读取;二是Redis和ElasticSearch集群中每个节点的缓存数据是全量的,也就是说Redis集群中任何节点挂掉,都不影响应用程序从其他Redis节点读取缓存,不存在缓存的丢失,ElasticSearch也是类似。该多路缓存方法的结构模型如4所示。
多路缓存提供了三种方法将关系型数据库Oracle中的数据推入缓存中。第一种是在应用系统启动时会自动加载Oracle中的数据并将该部分数据缓存到多路缓存中(即Redis和ElasticSearch);第二种在系统界面上提供了手工触发载入缓存的操作;第三种是懒汉式载入,即应用首先去读取缓存,如果缓存中没有,则读取Oracle数据库同时把从数据库中读取的数据载入到多路缓存中。
多路缓存客户端在关系型数据库和多路缓存之间起到了中间桥梁的作用,应用系统通过多路缓存客户端与多路缓存服务进行信息传递和访问。该客户端可应用于所有需要缓存服务的应用系统,而不局限于本系统使用。客户端以jar 包的方式引入到应用系统中,通过提供API的方式供应用系统与多路缓存进行信息传递和访问。
当用户访问应用系统中的模块,多路缓存方法在其中所起到的作用流程如图5所示:
上图中,当用户访问的模块涉及到缓存时,则应用程序通过多路缓存客户端访问多路缓存服务,首先会从Redis中进行读取,如果Redis中读取不到,那么就从ElasticSearch中读取,两级缓存任何一个读取到缓存数据即可返回给应用程序进行后续处理。如果两级缓存都没有读取到缓存数据,那么应用程序会从数据库直接读取,然后将读取后的数据载入到多路缓存服务中。
在规则切换计算的过程中充斥着大量的数据库读写操作。行业中对缓存的算法都是采用hash一致性算法进行缓存数据的位置定位,这个算法的问题是缓存数据不能全量的存储在多个缓存服务器上,如果其中一台或者几台缓存服务器宕机,那么势必会造成计算结果出错的问题。
本发明采用了多路缓存方法,对待缓存数据的存储全量的存储在多台缓存服务器中,这样就不会造成单个服务器宕机而影响计算的情况。
第四步:试算结果对比、分析。
通过第三步的结果,可以得到各单位纳入交易碳排放总量、试算配额量、试算配额盈余量、试算配额盈余量占比、纳入交易碳排放总量、试算配额量(万吨)、试算配额盈余量(万吨)、试算配额盈等数据的计算和分析对比,帮助用户对月度经营进行调整和决策。
第五步:生成结果。
根据国家和地方主管部门发布的重点排放企业温室气体排放报告及碳排放补充数据核算报告模板,系统设定发电企业相应的温室气体排放报告及碳排放补充数据核算报告模板(模板内容包括静态部分和动态部分,静态部分为固定格式,动态部分需要填入各种指标的计算结果),一键自动生产并可导出的控排企业年度排放报告、补充数据表以及相应的第三方核查应对建议。系统采用自行设计的PDF分片生成方法,根据报告模板和计算结果,快速生成年度排放报告PDF文件。用户可以选择有利于企业经营决策的结果生成年度排放报告等内容,并报送地方主管部门。
在生成最终结果年度排放报告时,本发明可以根据实事先定义好的模板文件(word版本),自动匹配指标,并根据规则计算结果自动生成结果(PDF或 word)。
如何保障快速、准确的生成PDF文件:在生成过程中,我们使用文件切分方法,它是指对PDF格式文件进行的多层次划分、多线程处理并生成相应文件页面页数、高清晰度的图片的过程,以保证快速、准确的生成结果。行业中目前暂时未发现存在将PDF文件切分为图片的技术。本发明在生成PDF文件时,提供对模板文件进行按照文件的页数划分并且根据页数大小自动启动线程数量并行切分,最终完成模板的文件转换为PDF的一整套操作。下面对将PDF文件进行多层次划分、多线程处理并生相应文件页面页数、高清晰度的图片的过程进行描述。
1)建立文件目录结构,将碳排放用户在后台上传的Word文件进行存储,同时异步利用PdfBox工具将Word文件转化成PDF文件,同时将转化后的PDF 文件进行分目录存储;
对PDF文件进行存储的方法为:首先将用户所属组织机构编码orgCode作为第一层目录,在该目录下按照PDF文件类别Catalog建立类别目录,然后在类别目录下面按日期建立子文件夹,将上传的PDF文件存储在相应日期的子文件夹中。
2)用户上传动作完成后,碳排放后台自动生成一条任务消息,并将任务消息发送到碳排放的消息队列服务器中;
任务消息包含如下字段:组织机构编码orgCode、消息创建人编码userId、业务模块编码serviceCode、消息创建时间createTime、年度排放报告源文件地址 pdfPath、处理后的年度排放报告地址finalPdfPath。
3)消息队列服务器对任务消息按照FIFO的原则进行处理;
消息队列服务器会为每个任务消息创建单独的线程进行处理,一旦线程启动成功,那么对应消息队列服务器中的该条任务消息就会移除。
前述的消息队列服务器线程的处理过程包括以下步骤:
3-1)读取任务消息,提取其中的年度排放报告源文件地址pdfPath,将年度排放报告源文件下载到一个临时目录TMP下,文件命名为TMP_年度排放报告源文件名;
3-2)首页判断该年度排放报告源文件的大小是否超过了项目预先设定的阈值threshold,如果超过预先设定的阈值threshold,则转到步骤3-6);否则转入步骤3-3);
3-3)碳排放消息队列服务器采用icepdf工具将年度排放报告源文件分解转化为图片,转化后的图片数量PICCount和pdf年度排放报告源文件页码相同,图片的命名规则为:首、尾封面图片的命名分别为:年度排放报告源文件名_index 和年度排放报告文件名_end,中间图片命名为:年度排放报告源文件名_页码;
3-4)图片转换完毕后,采用jFlip插件将生成的图片组织在一起形成最终的年度排放报告翻书效果文件包,文件包中的文件包括js、css、images和html,其中html是index.html,是年度排放报告翻书效果文件包的入口文件;
3-5)最终的文件包形成后,消息队列服务器将该文件包推送到所述步骤1) 的文件目录结构中,在按日期建立子文件夹一层创建和年度排放报告源文件名相同的目录,然后将文件包放置到该目录下,最后将处理后的年度排放报告地址finalPdfPath字段值设置为消息队列服务器推送的文件包地址,将finalPdfPath 值更新后的任务消息回送到碳排放管理后台进行更新存储,线程处理结束;
3-6)碳排放消息队列服务器采用iText技术将年度排放报告源文件切割为按照阈值threshold大小的若干个小文件,被切割后的小文件的个数等于年度排放报告源文件大小除以阈值threshold,除不尽的将单独作为一个小文件;被切割后的小文件临时存放在TMP_年度排放报告源文件名_split目录路径下,切割后的小文件命名为:年度排放报告源文件名_01、年度排放报告源文件名_02、年度排放报告源文件名_03……以此类推;
3-7)碳排放消息队列服务器采用icepdf工具对分割后的小文件进行图片转化;
3-8)对每个小文件进行图片转化完后,对每个小文件的转化图片按照图片的文件名和页码序号进行组合,然后按照小文件的先后进行集成;
3-9)集成完后采用jFlip插件将生成的这些图片组织在一起形成最终的年度排放报告翻书效果文件包;
3-10)消息队列服务器将文件包推送到所述步骤1)的文件目录结构中,在按日期建立子文件夹一层创建和年度排放报告源文件名相同的目录,然后将文件包放置到该目录下,最后将处理后的年度排放报告地址finalPdfPath字段值设置为消息队列服务器推送的文件包地址,将finalPdfPath值更新后的任务消息回送到碳排放管理后台进行更新存储,线程处理结束。
4)碳排放访问者打开年度排放报告页面浏览时,将处理后的年度排放报告地址finalPdfPath直接呈现在浏览器中,默认访问的是index.html,实现翻书效果的阅读。
与现有技术相比,本发明的有益效果为:
1)排放数据核算和企业配额核算可实现全国和三省五市试点核算的要求,试点区域企业可实现全国和试点规则下不同方法的核算,满足试点企业的需求。
2)燃煤机组能够实现六种不同方案的计算,并可对比六种核算方案下的入炉煤燃烧碳排放量,供用户进行不同方案的选择;燃气机可实现两种不同方案下的比选,供企业对外报送选取。
3)根据核算方案,自动生成匹配年度排放报告中年度排放数据指标,根据每年数据结果进行排放数据结果的更新。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/ 或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。

Claims (9)

1.一种基于碳排放交易的关键指标计算分析方法,其特征是,包括以下过程:
配置发电行业中各企业的业务参数和规则;
选择配额指标,根据选择的配额指标切换相应的业务参数和规则,并试算配额指标;
将试算结果生成报告。
2.根据权利要求1所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述发电行业的企业包括集团、区域和电厂,将其分为三级,最高级别为集团,业务参数根据不同级别进行逐级分配。
3.根据权利要求1所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述配额指标包括燃煤机组方案和燃气机组方案。
4.根据权利要求3所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述燃煤机组方案包括:
根据单位生产数据中的单位热值含碳量实测值、单位热值含碳量缺省值、灰渣含碳量实测值、灰渣量实测值、灰渣量配比缺省计算值、碳氧化率缺省值,这六种指标的不同组合来给出六种方案。
5.根据权利要求4所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述燃煤机组六种方案分别为:
方案一:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量实测值;
方案二:单位热值含碳量实测值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案三:单位热值含碳量实测值+碳氧化率缺省值;
方案四:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量实测值;
方案五:单位热值含碳量缺省值+灰渣含碳量实测值+灰渣量配比缺省计算值;
方案六:单位热值含碳量缺省值+碳氧化率缺省值。
6.根据权利要求3所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述燃气机组方案包括:
根据单位生产数据中的燃气热值缺省值、燃气热值实测值,这两种指标的不同组合来给出两种方案。
7.根据权利要求6所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,燃气机组两种方案分别为:
方案一:燃气热值缺省值;
方案二:燃气热值实测值。
8.根据权利要求1所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,根据选择的配额指标切换相应的业务参数和规则包括:
采用多路缓存方法根据选择的配额指标切换相应的业务参数和规则。
9.根据权利要求8所述的一种基于碳排放交易的关键指标计算分析方法,其特征是,所述多路缓存方法通过使用redis+Oracle+ElasticSerach组件实现,将关系型数据Oracle中经常访问且查询效率较低的数据集放入到Redis集群中,同时也将这部分数据存放到ElasticSearch集群中。
CN201911189429.9A 2019-11-28 2019-11-28 一种基于碳排放交易的关键指标计算分析方法 Pending CN111177191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911189429.9A CN111177191A (zh) 2019-11-28 2019-11-28 一种基于碳排放交易的关键指标计算分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911189429.9A CN111177191A (zh) 2019-11-28 2019-11-28 一种基于碳排放交易的关键指标计算分析方法

Publications (1)

Publication Number Publication Date
CN111177191A true CN111177191A (zh) 2020-05-19

Family

ID=70655392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911189429.9A Pending CN111177191A (zh) 2019-11-28 2019-11-28 一种基于碳排放交易的关键指标计算分析方法

Country Status (1)

Country Link
CN (1) CN111177191A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737325A (zh) * 2020-05-25 2020-10-02 南京华盾电力信息安全测评有限公司 一种基于大数据技术的电力数据分析方法和装置
CN113592524A (zh) * 2021-06-04 2021-11-02 国电南瑞科技股份有限公司 基于微观机组参数的碳市场基本供需确定方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228464A (zh) * 2016-07-18 2016-12-14 华电电力科学研究院 一种基于b/s架构的集团化火力发电企业碳排放控制方法
CN108717599A (zh) * 2018-04-26 2018-10-30 中冶赛迪重庆环境咨询有限公司 一种汽车制造企业碳排放核算系统及其方法
CN109190967A (zh) * 2018-08-29 2019-01-11 华电电力科学研究院有限公司 一种用于火力发电机组的碳排放量核算方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228464A (zh) * 2016-07-18 2016-12-14 华电电力科学研究院 一种基于b/s架构的集团化火力发电企业碳排放控制方法
CN108717599A (zh) * 2018-04-26 2018-10-30 中冶赛迪重庆环境咨询有限公司 一种汽车制造企业碳排放核算系统及其方法
CN109190967A (zh) * 2018-08-29 2019-01-11 华电电力科学研究院有限公司 一种用于火力发电机组的碳排放量核算方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘铠诚等: "碳市场下火电统一碳排放基准与减排效应分析" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737325A (zh) * 2020-05-25 2020-10-02 南京华盾电力信息安全测评有限公司 一种基于大数据技术的电力数据分析方法和装置
CN113592524A (zh) * 2021-06-04 2021-11-02 国电南瑞科技股份有限公司 基于微观机组参数的碳市场基本供需确定方法及系统
CN113592524B (zh) * 2021-06-04 2024-03-22 国电南瑞科技股份有限公司 基于微观机组参数的碳市场基本供需确定方法及系统

Similar Documents

Publication Publication Date Title
US20230376506A1 (en) System and Method for Analysis and Management of Data Distribution in a Distributed Database Environment
CN106682077B (zh) 一种基于Hadoop技术的海量时序数据存储实现方法
CN112347071B (zh) 一种配电网云平台数据融合方法及配电网云平台
CN104573065A (zh) 一种基于元数据的报表展示引擎
CN111241129B (zh) 一种工业生产企业指标数据采集与计算的系统
CN111177191A (zh) 一种基于碳排放交易的关键指标计算分析方法
CN112148689A (zh) 一种用于城市级数据中台的数据共享交换系统
CN111737325A (zh) 一种基于大数据技术的电力数据分析方法和装置
CN111160865A (zh) 一种工作流管理方法及装置
CN105224663A (zh) 一种基于多个数据源的数据访问任务管理方法及装置
CN111190814A (zh) 软件测试用例的生成方法、装置、存储介质及终端
CN110851515A (zh) 一种基于Spark分布式环境下的大数据ETL模型执行方法及介质
CN107463540B (zh) 电能质量数据的处理方法及电能质量监测装置
CN116303246A (zh) 存储增量统计方法、装置、计算机设备及存储介质
Jiadi et al. Research on Data Center Operation and Maintenance Management Based on Big Data
CN112347097B (zh) 支持多版本Hive表分区的数据加载、查询方法及电子装置
CN105809577B (zh) 一种基于规则和组件的电厂信息化数据的分类处理方法
EP3550451A1 (en) Data storage and maintenance method and device, and computer storage medium
CN115168361A (zh) 一种标签管理方法和装置
CN114218216A (zh) 资源管理方法、装置、设备及存储介质
CN111259082B (zh) 大数据环境下实现全量数据同步的方法
Hui Research and application of cloud computing and big data technology
CN112380164B (zh) 基于快照技术的电力系统场景化数据管理方法、装置及系统
Li et al. Investigation on Data Cleaning and Analysis Technology for Power Industry Big Data
Zhai et al. Query optimization approach with shuffle intermediate cache layer for spark SQL

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination