CN113155498A - 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 - Google Patents
一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 Download PDFInfo
- Publication number
- CN113155498A CN113155498A CN202110327526.0A CN202110327526A CN113155498A CN 113155498 A CN113155498 A CN 113155498A CN 202110327526 A CN202110327526 A CN 202110327526A CN 113155498 A CN113155498 A CN 113155498A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- carbon emission
- provincial
- building
- operation energy
- 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.)
- Granted
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 151
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 148
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000001419 dependent effect Effects 0.000 claims abstract description 11
- 238000005192 partition Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 238000001816 cooling Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 230000007261 regionalization Effects 0.000 claims description 4
- 238000010238 partial least squares regression Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000571 coke Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/002—Thermal testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种高分辨率建筑运行能耗碳排放测定方法、系统及设备。该方法包括：基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候采集省级行政区的辅助变量信息，建立各辅助变量信息的栅格图；以省级行政区和省级以下行政区的边界作为边界范围对栅格图进行分区统计，得到各栅格图的统计数据；以统计数据作为自变量，以省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型；基于关系模型尺度不变性，采用逐级降尺度法将省级以下行政区的栅格图的统计数据输入省级降尺度模型并修正，得到省级以下行政区的建筑运行能耗碳排放量。本发明能实现建筑运行能耗碳排放的精细化定量测定，准确性高。
Description
技术领域
本发明涉及建筑节能及统计学领域，特别是涉及一种高分辨率建筑运行能耗碳排放测定方法、系统及设备。
背景技术
在全球城市化进程快速推进的背景下，城市能耗逐年攀升，能源短缺和能耗污染问题日益加剧，建筑运行能耗碳排放持续增长制约了城市可持续发展，建筑能耗及其碳排放精细化统计作为建筑节能工作的基础越来越受到关注。研究表明，建筑体缓冲区1km范围可形成对建筑有局地影响的微气候环境，但以往学者多关注区域宏观或中观气候背景下的建筑碳排放，在城市建筑微气候影响范围内的建筑碳排放研究还不多见。
因此，亟需一种能精细化定量测定城市微气候影响范围内高分辨率的建筑运行能耗碳排放的方法。
发明内容
基于此，有必要提供一种高分辨率建筑运行能耗碳排放测定方法、系统及设备，以实现城市建筑微气候影响范围内高分辨率的建筑运行能耗碳排放的精细化定量测定，提高测定的准确性。
为实现上述目的，本发明提供了如下方案：
一种高分辨率建筑运行能耗碳排放测定方法，包括：
计算各省级行政区的建筑运行能耗碳排放量；
基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日；
以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区；
以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型；
基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
可选的，在所述基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量之后，还包括：
基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
可选的，所述计算各省级行政区的建筑运行能耗碳排放量，具体包括：
获取同一或相近建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量；
由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。
可选的，所述省级行政区的建筑运行能耗碳排放量的计算公式为：
BECCEip＝ECip×αip+ECih×αih+ECie×αie；
其中，BECCEip为i年份p省的建筑运行能耗碳排放量，ECip为i年份p省的一次能源消耗量，ECih为i年份p省热力消耗量，ECie为i年份p省的电力消耗量，αip为i年份p省的一次能源消耗量对应的碳排放系数，αih为i年份p省的热力消耗量对应的碳排放系数，αie为i年份p省的电力消耗量对应的碳排放系数。
可选的，所述省级以下行政区包括地级行政区、县级行政区和乡级行政区中的一个或多个。
本发明还提供了一种高分辨率建筑运行能耗碳排放测定系统，包括：
碳排放量计算模块，用于计算各省级行政区的建筑运行能耗碳排放量；
栅格图建立模块，用于基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日；
分区统计模块，用于以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区；
省级降尺度模型构建模块，用于以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型；
碳排放量逐级模拟模块，用于基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
可选的，所述高分辨率建筑运行能耗碳排放测定系统，还包括：
空间模拟模块，用于基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
可选的，所述碳排放量计算模块，具体包括：
能耗数据获取单元，用于获取同一或相近建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量；
碳排放量计算单元，用于由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。
本发明还提供了一种终端设备，包括：处理器和与所述处理器连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序包括程序指令；所述处理器用于调用所述程序指令，执行上述所述的高分辨率建筑运行能耗碳排放测定方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，使所述处理器执行上述所述的高分辨率建筑运行能耗碳排放测定方法。
与现有技术相比，本发明的有益效果是：
本发明提出了一种高分辨率建筑运行能耗碳排放测定方法、系统及设备，从影响建筑能耗碳排放的建筑物特征、社会经济条件、区域气候背景和建筑周围微气候四个部分选取辅助变量信息，运用偏最小二乘回归法，在省级尺度上构建建筑碳排放与其辅助变量的多元回归省级降尺度模型，基于关系模型尺度不变性，得到建筑碳排放在省级以下行政区的建筑运行能耗碳排放量，实现了精细尺度上信息的科学定量测定，提高了测定的准确性，从而能够建立高分辨率的建筑碳排放栅格数据库。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的高分辨率建筑运行能耗碳排放测定方法的流程图；
图2为本发明更为具体的实施例提供的高分辨率建筑运行能耗碳排放测定方法的流程示意图；
图3为待测定范围内高分辨率建筑运行能耗碳排放密度空间化模拟栅格示意图；
图4为本发明实施例提供的高分辨率建筑运行能耗碳排放测定系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的高分辨率建筑运行能耗碳排放测定方法的流程图。参见图1，本实施例的高分辨率建筑运行能耗碳排放测定方法，包括：
步骤101：计算各省级行政区的建筑运行能耗碳排放量。
该步骤具体包括：
获取同一或相近建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量；由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。所述省级行政区的能源消耗数据可以从能源统计年鉴中采集。
所述省级行政区的建筑运行能耗碳排放量的计算公式为：
BECCEip＝ECip×αip+ECih×αih+ECie×αie；
其中，BECCEip为i年份p省的建筑运行能耗碳排放量，ECip为i年份p省的一次能源消耗量，ECih为i年份p省热力消耗量，ECie为i年份p省的电力消耗量，αip为i年份p省的一次能源消耗量对应的碳排放系数，αih为i年份p省的热力消耗量对应的碳排放系数，αie为i年份p省的电力消耗量对应的碳排放系数。
步骤102：基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日。所述辅助变量信息中的气象数据(气温、制热度日和制冷度日)从国家气象局气象信息中心采集。所述栅格图的大小为城市建筑微气候影响范围，可以根据需求自行设定。
步骤103：以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区。所述省级以下行政区包括地级行政区、县级行政区和乡级行政区中的一个或多个。
步骤104：以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型。
步骤105：基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
作为一种可选的实施方式，在所述步骤105之后，还包括：
基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
下面提供了一个更为具体的实施例。图2为本发明更为具体的实施例提供的高分辨率建筑运行能耗碳排放测定方法的流程示意图。参见图2，该方法包括：
S1：采集同一或相近建筑气候区划内的多个省级行政区的各类能源消耗数据，计算各省级行政区的建筑运行能耗碳排放量。
该实施例以厦门市的降尺度实例进行高分辨率建筑运行能耗碳排放测定方法的详细说明。采集的数据为2015年数据。
该实施例选取位于夏热冬暖地区和温暖地区的福建省、广东省、广西省、云南省和海南省，从《中国能源统计年鉴》各省能源平衡表中获取煤、石油、天然气等各类一次能源消耗量、热力消耗量和电力能源消耗量，能源平衡表如下表1所示：
表1
表1中原煤、洗精煤、其他洗煤、型煤、焦炭、汽油、柴油、液化石油气的单位均为104tn，焦炉煤气和天然气的单位为108cu.m，热力的单位为1010kJ，电力的单位为108kW·h。
S2：从影响建筑碳排放的建筑物特征、社会经济条件、区域气候背景和建筑周围微气候四个部分分别选取各类数据作为辅助变量，采集所述省级行政区的各辅助变量信息并分别建立其栅格图。
所述栅格的大小为城市建筑微气候影响范围，可以根据需求自行设定，该实施例中设定栅格分辨率为1km。
该实施例选取地区生产总值GDP、人口总量POP、气温TEM、制冷度日CDD四个建筑碳排放影响因子，以单位面积地区生产总值GDP’、单位面积人口总量POP’、区域年平均气温TEM’、区域年平均制冷度日CDD’作为建立降尺度模型的四个辅助变量信息。
从中国科学院地理科学与资源研究所获取GDP和POP的1km分辨率栅格图。基于国家气象局气象信息中心发布的中国气象台站地面气候日值数据集，使用国际常用的ANUSPLIN软件进行空间插值，建立2015年中国年均气温TEM和制冷度日CDD的1km分辨率栅格图。
S3：分别以省级行政区的边界及其下级行政区(省级以下行政区)的边界作为边界范围，统计各辅助变量信息的栅格图在各边界内的总和值、平均值以及各边界范围的面积等信息。
分别以福建省、广东省、广西省、云南省、海南省(省级行政区)、福建省下属的九个地级市厦门市、福州市、龙岩市、南平市、宁德市、莆田市、泉州市、三明市、漳州市(地级行政区)、厦门市各辖区(县级行政区)、厦门市各街镇(乡级行政区)为边界范围，统计各边界内GDP、POP的总和值，并由各边界范围的面积分别计算对应的单位面积地区生产总值GDP’、单位面积人口数POP’，统计各边界内TEM的平均值TEM’、CDD的平均值CDD’。
S4：以省级辅助变量统计数据作为自变量，省级行政区的建筑运行能耗碳排放量作为因变量，应用偏最小二乘回归(PLSR)构建二者的回归关系式，建立省级降尺度模型。
以省级单位面积地区生产总值GDP’、省级单位面积人口数POP’、全省年平均气温TEM’、全省年平均制冷度日CDD’统计数据作为自变量，省级单位面积建筑运行能耗碳排放BECCE’作为因变量，各组变量数据如下表2所示：
表2
偏最小二乘回归(PLSR)可克服多元回归、典型相关分析和主成分分析存在的无法在自变量具有多重相关性条件下建立回归模型的缺点，适合在样本容量小于变量个数的情况下进行回归建模。该实施例对各组变量作对数化处理，应用偏最小二乘回归在省级尺度上构建建筑碳排放与其辅助变量的多元回归降尺度模型，建立的回归关系式如下：
log10BECCE′＝0.527×log10GDP′+0.796×log10POP′+5.691×
log10TEM′-1.272×log10CDD′-5.733
(决定系数为0.994)
S5：基于关系模型尺度不变性，将省级以下行政区的辅助变量统计数据代入省级降尺度模型，得到省级以下行政区的建筑运行能耗碳排放量，通过总量一致法对模拟的各省级以下行政区建筑碳排放量进行修正，由上述方法逐级降尺度并修正，最终代入各辅助变量栅格数据，得到行政区中每个栅格对应的建筑碳排放量空间分布模拟结果。
降尺度是将数据或信息从低分辨率向高分辨率转换的过程。常用的降尺度方法之一就是建立大尺度上自变量对于因变量的行为驱动方程，假定变量的统计关系在不同尺度区域保持一致或可以定量表达，基于关系模型尺度不变性，这种统计关系对于小尺度上因子之间也存在，从而达到降尺度目的。
以福建省下属的九个地级市厦门、福州、龙岩、南平、宁德、莆田、泉州、三明、漳州的单位面积地区生产总值GDP’、单位面积人口数POP’、全市年平均气温TEM’、全市年平均制冷度日CDD’统计数据作为自变量代入上述省级降尺度方程，基于关系模型尺度不变性得到各地级市的建筑碳排放值，比较这九个城市的建筑碳排放模拟量总和与根据省级能源平衡表计算的福建省建筑碳排放量，根据总量一致法对各市的单位面积建筑碳排放模拟量进行修正，由此得到建筑碳排放在市级尺度上的信息，再通过上述方法逐级降尺度并修正，分别得到厦门市各区级、各街镇级精细尺度的建筑碳排放数据，各级模拟结果如下表3所示：
表3
代入各辅助变量1km分辨率的栅格数据，得到厦门市1km分辨率的建筑碳排放量密度空间化模拟结果，如图3所示。
本发明实施例从影响建筑能耗碳排放的社会经济条件、建筑物特征、区域气候背景和建筑周围微气候四个部分选取辅助变量信息，运用偏最小二乘回归方法，在省级尺度上构建建筑碳排放与其辅助变量的多元回归降尺度模型，基于关系模型尺度不变性，得到建筑碳排放在市级和街镇级等精细尺度上的信息，建立了高分辨率的建筑碳排放栅格数据库，实现了城市建筑微气候影响范围内建筑运行能耗碳排放的精细化科学定量测定，为微气候影响范围内的建筑碳排放影响因素研究提供了方法基础和数据支持。
本发明还提供了一种高分辨率建筑运行能耗碳排放测定系统，图4为本发明实施例提供的高分辨率建筑运行能耗碳排放测定系统的结构图。参见图4，本实施例的系统，包括：
碳排放量计算模块201，用于计算各省级行政区的建筑运行能耗碳排放量。
栅格图建立模块202，用于基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日。
分区统计模块203，用于以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区。
省级降尺度模型构建模块204，用于以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型。
碳排放量逐级模拟模块205，用于基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
作为一种可选的实施方式，所述高分辨率建筑运行能耗碳排放测定系统，还包括：
空间模拟模块，用于基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
作为一种可选的实施方式，所述碳排放量计算模块201，具体包括：
能耗数据获取单元，用于获取建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量。
碳排放量计算单元，用于由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。
本发明还提供了一种终端设备，包括：处理器和与所述处理器连接的存储器；所述存储器用于存储计算机程序，所述计算机程序包括程序指令；所述处理器用于调用所述程序指令，执行上述所述的高分辨率建筑运行能耗碳排放测定方法。
作为一种可选的实施方式，所述终端设备可以是PC机、手机、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述终端设备的组成结构仅仅是高分辨率建筑运行能耗碳排放测定终端设备的示例，并不构成对高分辨率建筑运行能耗碳排放测定终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
作为一种可选的实施方式，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)，或者其他可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或任何常规的处理器等，所述处理器是上述所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
作为一种可选的实施方式，所述存储器可用于存储所述计算机程序或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序或模块，以及调用存储在存储器内的数据，实现上述所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统和至少一个功能所需的应用程序；存储数据区可存储根据手机使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)，至少一个磁盘存储器件、闪存器件，或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，使所述处理器执行上述所述的高分辨率建筑运行能耗碳排放测定方法。
所述终端设备集成的模块或单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccess Memory，RAM)以及软件分发介质等。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种高分辨率建筑运行能耗碳排放测定方法，其特征在于，包括：
计算各省级行政区的建筑运行能耗碳排放量；
基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日；
以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区；
以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型；
基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
2.根据权利要求1所述的一种高分辨率建筑运行能耗碳排放测定方法，其特征在于，在所述基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量之后，还包括：
基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
3.根据权利要求1所述的一种高分辨率建筑运行能耗碳排放测定方法，其特征在于，所述计算各省级行政区的建筑运行能耗碳排放量，具体包括：
获取建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量；
由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。
4.根据权利要求3所述的一种高分辨率建筑运行能耗碳排放测定方法，其特征在于，所述省级行政区的建筑运行能耗碳排放量的计算公式为：
BECCEip＝ECip×αip+ECih×αih+ECie×αie；
其中，BECCEip为i年份p省的建筑运行能耗碳排放量，ECip为i年份p省的一次能源消耗量，ECih为i年份p省热力消耗量，ECie为i年份p省的电力消耗量，αip为i年份p省的一次能源消耗量对应的碳排放系数，αih为i年份p省的热力消耗量对应的碳排放系数，αie为i年份p省的电力消耗量对应的碳排放系数。
5.根据权利要求1所述的一种高分辨率建筑运行能耗碳排放测定方法，其特征在于，所述省级以下行政区包括地级行政区、县级行政区和乡级行政区中的一个或多个。
6.一种高分辨率建筑运行能耗碳排放测定系统，其特征在于，包括：
碳排放量计算模块，用于计算各省级行政区的建筑运行能耗碳排放量；
栅格图建立模块，用于基于建筑物特征、社会经济条件、区域气候背景和建筑周围微气候，采集所述省级行政区的辅助变量信息，并建立各所述辅助变量信息的栅格图；所述辅助变量信息包括建筑面积、人口总量、地区生产总值、气温、制热度日和制冷度日；
分区统计模块，用于以各行政区的边界作为边界范围对所有的栅格图进行分区统计，得到各所述栅格图的统计数据；所述统计数据包括各所述行政边界内的单位面积地区生产总值、单位面积人口总量、平均气温、平均制热度日和平均制冷度日；所述行政区包括所述省级行政区和省级以下行政区；
省级降尺度模型构建模块，用于以所述统计数据作为自变量，以所述省级行政区的建筑运行能耗碳排放量为因变量，采用偏最小二乘回归法构建省级降尺度模型；
碳排放量逐级模拟模块，用于基于关系模型尺度不变性，采用逐级降尺度法将所述省级以下行政区的栅格图的统计数据输入所述省级降尺度模型，并采用总量一致法进行修正，得到所述省级以下行政区的建筑运行能耗碳排放量。
7.根据权利要求6所述的一种高分辨率建筑运行能耗碳排放测定系统，其特征在于，还包括：
空间模拟模块，用于基于所述省级行政区的建筑运行能耗碳排放量和所述省级以下行政区的建筑运行能耗碳排放量进行空间分布模拟，得到所述行政区各栅格图对应的建筑运行能耗碳排放量空间分布模拟结果。
8.根据权利要求6所述的一种高分辨率建筑运行能耗碳排放测定系统，其特征在于，所述碳排放量计算模块，具体包括：
能耗数据获取单元，用于获取建筑气候区划内各省级行政区的能源消耗数据；所述能源消耗数据包括一次能源消耗量、热力消耗量和电力消耗量；
碳排放量计算单元，用于由所述能源消耗数据计算各所述省级行政区的建筑运行能耗碳排放量；所述建筑运行能耗碳排放量为建筑物在运行使用阶段能源消耗过程中的CO2排放量。
9.一种终端设备，其特征在于，包括：处理器和与所述处理器连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序包括程序指令；所述处理器用于调用所述程序指令，执行如权利要求1-5中任意一项所述的高分辨率建筑运行能耗碳排放测定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，使所述处理器执行如权利要求1-5中任意一项所述的高分辨率建筑运行能耗碳排放测定方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110327526.0A CN113155498B (zh) | 2021-03-26 | 2021-03-26 | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 |
| AU2021103663A AU2021103663A4 (en) | 2021-03-26 | 2021-06-28 | Method, system and device for measuring building operational energy consumption carbon emissions with high resolution |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110327526.0A CN113155498B (zh) | 2021-03-26 | 2021-03-26 | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113155498A true CN113155498A (zh) | 2021-07-23 |
| CN113155498B CN113155498B (zh) | 2024-02-13 |
Family
ID=76885033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110327526.0A Active CN113155498B (zh) | 2021-03-26 | 2021-03-26 | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113155498B (zh) |
| AU (1) | AU2021103663A4 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723782A (zh) * | 2021-08-19 | 2021-11-30 | 北京大学 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
| CN113918572A (zh) * | 2021-10-29 | 2022-01-11 | 中国农业科学院农业资源与农业区划研究所 | 基于行政区划边界的农业统计数据自动匹配与校正的方法 |
| CN115658776A (zh) * | 2022-12-05 | 2023-01-31 | 武汉大学 | 联合多源数据生成全国1km碳排放空间分布图的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
| US20180031533A1 (en) * | 2016-07-29 | 2018-02-01 | Cooper Technologies Company | System and method for real-time carbon emissions calculation for electrical devices |
| US20190311443A1 (en) * | 2018-04-05 | 2019-10-10 | Russell Blades | Methods, systems, apparatuses and devices for facilitating provisioning of audit data related to energy consumption, water consumption, water quality, greenhouse gas emissions, and air emissions using blockchain |
| CN111242022A (zh) * | 2020-01-10 | 2020-06-05 | 西安科技大学 | 基于低分辨率遥感产品降尺度的高分辨率fapar估算方法 |
| CN111896680A (zh) * | 2020-07-08 | 2020-11-06 | 天津师范大学 | 基于卫星遥感数据的温室气体排放分析方法及系统 |
| CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
| CN111967756A (zh) * | 2020-08-11 | 2020-11-20 | 中国科学院城市环境研究所 | 一种目标驱动源的建筑能耗碳排放确定方法及系统 |
-
2021
- 2021-03-26 CN CN202110327526.0A patent/CN113155498B/zh active Active
- 2021-06-28 AU AU2021103663A patent/AU2021103663A4/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
| US20180031533A1 (en) * | 2016-07-29 | 2018-02-01 | Cooper Technologies Company | System and method for real-time carbon emissions calculation for electrical devices |
| US20190311443A1 (en) * | 2018-04-05 | 2019-10-10 | Russell Blades | Methods, systems, apparatuses and devices for facilitating provisioning of audit data related to energy consumption, water consumption, water quality, greenhouse gas emissions, and air emissions using blockchain |
| CN111242022A (zh) * | 2020-01-10 | 2020-06-05 | 西安科技大学 | 基于低分辨率遥感产品降尺度的高分辨率fapar估算方法 |
| CN111968005A (zh) * | 2020-06-29 | 2020-11-20 | 法能(中国)能源技术有限公司 | 区域能源系统潜力评估方法及实现该方法的系统 |
| CN111896680A (zh) * | 2020-07-08 | 2020-11-06 | 天津师范大学 | 基于卫星遥感数据的温室气体排放分析方法及系统 |
| CN111967756A (zh) * | 2020-08-11 | 2020-11-20 | 中国科学院城市环境研究所 | 一种目标驱动源的建筑能耗碳排放确定方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| HONG YE: "Effects of natural environment on urban household energy usage carbon emissions", 《ENERGY AND BUILDINGS》 * |
| 洪小瑞: "基于夜间灯光数据和土地利用数据的能源消费碳排放空间化方法比较研究", 《CNKI》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723782A (zh) * | 2021-08-19 | 2021-11-30 | 北京大学 | 一种基于能源消耗碳排放的精细尺度确定方法及装置 |
| CN113918572A (zh) * | 2021-10-29 | 2022-01-11 | 中国农业科学院农业资源与农业区划研究所 | 基于行政区划边界的农业统计数据自动匹配与校正的方法 |
| CN115658776A (zh) * | 2022-12-05 | 2023-01-31 | 武汉大学 | 联合多源数据生成全国1km碳排放空间分布图的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113155498B (zh) | 2024-02-13 |
| AU2021103663A4 (en) | 2021-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113155498A (zh) | 一种高分辨率建筑运行能耗碳排放测定方法、系统及设备 | |
| Li et al. | Energy performance simulation for planning a low carbon neighborhood urban district: A case study in the city of Macau | |
| Mohajeri et al. | Effects of urban compactness on solar energy potential | |
| Tardioli et al. | Data driven approaches for prediction of building energy consumption at urban level | |
| Ghiassi et al. | Reductive bottom-up urban energy computing supported by multivariate cluster analysis | |
| Amado et al. | Solar urban planning: a parametric approach | |
| Ascione et al. | Analysis and diagnosis of the energy performance of buildings and districts: Methodology, validation and development of Urban Energy Maps | |
| Quan et al. | Urban data and building energy modeling: A GIS-based urban building energy modeling system using the urban-EPC engine | |
| Weinand et al. | Developing a municipality typology for modelling decentralised energy systems | |
| Yang et al. | Analysis of typical meteorological years in different climates of China | |
| Sachs et al. | Clustered spatially and temporally resolved global heat and cooling energy demand in the residential sector | |
| CN111896680B (zh) | 基于卫星遥感数据的温室气体排放分析方法及系统 | |
| CN110781947B (zh) | 用电负荷预测模型训练、用电负荷预测方法及装置 | |
| CN103413036B (zh) | 一种连续化的森林火险天气等级预报方法 | |
| Guo et al. | VIC distributed hydrological model to predict climate change impact in the Hanjiang basin | |
| Deng et al. | A clustering-based climatic zoning method for office buildings in China | |
| Zhang et al. | Effect of physical, environmental, and social factors on prediction of building energy consumption for public buildings based on real-world big data | |
| Li et al. | Research on the optimization of air quality monitoring station layout based on spatial grid statistical analysis method | |
| Pan et al. | Spatiotemporal dynamics of electricity consumption in China | |
| Shen et al. | Fast generation of microclimate weather data for building simulation under heat island using map capturing and clustering technique | |
| CN114792169A (zh) | 基于MIC-XGBoost算法的居民用水量预测方法 | |
| Wu et al. | Short-term wind power generation forecasting based on the SVM-GM approach | |
| Zhang et al. | Research on medium-and long-term electricity demand forecasting under climate change | |
| CN114970953A (zh) | 光伏电站的选址评价方法、装置、存储介质及电子设备 | |
| CN112990684B (zh) | 绿地对建筑能耗碳减排生态效应可达性测定方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |