CN113988489B - 电碳因子的预测评估方法、装置及可读存储介质 - Google Patents

电碳因子的预测评估方法、装置及可读存储介质 Download PDF

Info

Publication number
CN113988489B
CN113988489B CN202111610861.8A CN202111610861A CN113988489B CN 113988489 B CN113988489 B CN 113988489B CN 202111610861 A CN202111610861 A CN 202111610861A CN 113988489 B CN113988489 B CN 113988489B
Authority
CN
China
Prior art keywords
carbon
power generation
data
clean energy
conversion information
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.)
Active
Application number
CN202111610861.8A
Other languages
English (en)
Other versions
CN113988489A (zh
Inventor
王红凯
戴铁潮
黄建平
王文
黄宇腾
陈可
周升
何东
饶涵宇
张辰
赵帅
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.)
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111610861.8A priority Critical patent/CN113988489B/zh
Publication of CN113988489A publication Critical patent/CN113988489A/zh
Application granted granted Critical
Publication of CN113988489B publication Critical patent/CN113988489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种电碳因子的预测评估方法、装置及可读存储介质，包括：基于发电设备对应的设备标签对发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合；得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据；基于第一碳排放数据、第二碳排放数据、碳中和数据以及发电数据得到电碳因子的第一预测评估值。本发明提供的技术方案，能够充分考虑每个电网区域内不同发电设备的不同发电方式、不同碳中和行为，得到该电网区域内更加准确、客观的电碳因子。

Description

电碳因子的预测评估方法、装置及可读存储介质
技术领域
本发明涉及电碳因子技术领域，尤其涉及一种电碳因子的预测评估方法、装置及可读存储介质。
背景技术
电碳因子，是指每消耗一度电所对应的碳排放量。电网电碳因子是指电网覆盖区域单位电量的碳排放水平。区域内的火电比例越高，电碳因子越大；可再生能源比例越高，电碳因子越小。目前我国采用的区域电网电碳因子是根据2012年的发电量、发电燃料消费量及发电燃料平均低位发热值等数据加权测算得到的。随着中国电力发电结构极大优化，可再生能源比重大大提高，2012年的电碳因子已不能满足当前制定碳达峰、碳中和路线图的需要，也不能满足对主要工业企业进行碳排放量准确核算和实时监测的需要。
由于不同电网区域的客观地理情况存在不同，会导致各个电网区域所产生电能的方式会存在一定的差异，通过植树等方式进行碳中和的条件也存在不同，现有技术的电碳因子预测方法，并没有充分考虑各个电网区域的客观条件以及该区域的碳中和行为，导致电碳因子的测算存在不准确的情况。
发明内容
本发明实施例提供一种电碳因子的预测评估方法、装置及可读存储介质，能够充分考虑每个电网区域内不同发电设备的不同发电方式、不同碳中和行为，得到该电网区域内更加准确、客观的电碳因子。
本发明实施例的第一方面，提供一种电碳因子的预测评估方法，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集，通过以下步骤对电碳因子进行预测评估，包括：
数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据并将所述发电数据发送至服务器；
服务器基于发电设备对应的设备标签对接收到的发电数据进行归类，得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对所述每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据，所述第二碳转换信息为火力发电方式的碳能源转换系数；
服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备。
可选地，在第一方面的一种可能实现方式中，服务器基于发电设备对应的设备标签对接收到的发电数据进行归类，得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签包括：
获取发电设备对应的设备标签中的一级标识信息；
将设备标签中的一级标识信息与预设一级标识信息比对，清洁能源数据集合和非清洁能源数据集合中任意一个发电数据对应一个预设一级标识信息；
若设备标签中的一级标识信息与任意一个预设一级标识信息相同，则将设备标签对应的发电数据归类至相应的清洁能源数据集合或非清洁能源数据集合中。
可选地，在第一方面的一种可能实现方式中，服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据包括：
获取发电设备对应的设备标签中的二级标识信息；
将设备标签中的二级标识信息与预设二级标识信息比对，每个预设二级标识信息对应一个第一碳转换信息；
若设备标签中的二级标识信息与预设二级标识信息相同，则将二级标识信息对应的发电数据与预设二级标识信息对应的第一碳转换信息关联，得到相关联的发电数据和第一碳转换信息。
可选地，在第一方面的一种可能实现方式中，还包括：
所述第一碳转换信息包括风电转换信息、光电转换信息以及综合转换信息，根据设备标签中的二级标识信息确定电力设备与风电转换信息、光电转换信息以及综合转换信息中的任意一个相对应，第一碳排放数据通过以下公式计算：
Figure 609781DEST_PATH_IMAGE001
其中，
Figure 330351DEST_PATH_IMAGE002
为第一碳排放数据对应的碳排放数值，
Figure 680560DEST_PATH_IMAGE003
为风电转换信息对应的数值，
Figure 380663DEST_PATH_IMAGE004
为清洁能源数据集合中与风电转换信息对应的第i个发电数据的电量数值，
Figure 31087DEST_PATH_IMAGE005
为光电转换 信息对应的数值，
Figure 913769DEST_PATH_IMAGE006
为清洁能源数据集合中与光电转换信息对应的第m个发电数据的电量 数值，
Figure 892220DEST_PATH_IMAGE007
为综合转换信息对应的数值，
Figure 396014DEST_PATH_IMAGE008
为清洁能源数据集合中与综合转换信息对应的第n个发电数据的电量数值。
可选地，在第一方面的一种可能实现方式中，服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据包括：
获取非清洁能源数据集合中每个发电数据中的电量数值，根据非清洁能源数据集合中每个发电数据的电量数值、第二碳转换信息得到第二碳排放数据，通过以下公式计算第二碳排放数据，
Figure 868321DEST_PATH_IMAGE009
其中，
Figure 291212DEST_PATH_IMAGE010
为第二碳排放数据对应的碳排放数值，L为第二碳转换信息对应的数值，
Figure 616014DEST_PATH_IMAGE011
为非清洁能源数据集合中第
Figure 392340DEST_PATH_IMAGE012
个发电数据的电量数值。
可选地，在第一方面的一种可能实现方式中，服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值包括：
获取所述碳中和信息中的植树数量信息，基于所述植树数量信息和第三碳转换信息得到碳中和数据；
通过以下公式计算电碳因子的第一预测评估值，
Figure 486198DEST_PATH_IMAGE014
其中，X为电碳因子的第一预测评估值，为清洁能源数据集合中每个发电数据的电 量数值，
Figure 722401DEST_PATH_IMAGE015
为非清洁能源数据集合中每个发电数据的电量数值，
Figure 268920DEST_PATH_IMAGE016
为碳中和数据的数值，
Figure 645675DEST_PATH_IMAGE017
为植树数量信息的数值，
Figure 594039DEST_PATH_IMAGE018
为第三碳转换信息对应的数值。
可选地，在第一方面的一种可能实现方式中，还包括：
获取清洁能源数据集合内发电数据所对应的电力设备的碳足迹数据；
对所述碳足迹数据进行分解处理，确定发电设备的生产过程中所产生的碳量及运输过程中所产生的碳量；
基于发电设备的生产过程中所产生的碳量及运输过程中所产生的碳量得到电力设备的耗碳总量；
基于预先设置的额定发电量和耗碳总量确定电力设备的第一碳转换信息。
可选地，在第一方面的一种可能实现方式中，还包括：
获取目标电网区域中的上一个电碳因子的实际值；
若所述第一预测评估值小于上一个电碳因子的实际值，且第一预测评估值与上一个电碳因子的实际值的差值小于预设值，则输出第一提示信息。
本发明实施例的第二方面，提供一种电碳因子的预测评估装置，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集，通过以下模块对电碳因子进行预测评估，包括：
获取模块，用于数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据并将所述发电数据发送至服务器；
归类模块，用于服务器基于发电设备对应的设备标签对接收到的发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
第一处理模块，用于服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对所述每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
第二处理模块，用于服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据，所述第二碳转换信息为火力发电方式的碳能源转换系数；
预测评估模块，用于服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备。
可选地，在第一方面的一种可能实现方式中，还包括：
获取目标电网区域中的上一个电碳因子的实际值；
若所述第一预测评估值小于上一个电碳因子的实际值，且第一预测评估值与上一个电碳因子的实际值的差值小于预设值，则输出第一提示信息。
本发明实施例的第二方面，提供一种电碳因子的预测评估装置，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集，通过以下模块对电碳因子进行预测评估，包括：
获取模块，用于数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据，数据采集设备将所述发电数据发送至服务器；
归类模块，用于服务器基于发电设备对应的设备标签对发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
第一处理模块，用于服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
第二处理模块，用于服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据；
预测评估模块，用于服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备。
本发明实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种电碳因子的预测评估方法、装置及可读存储介质，通过数据采集设备获取目标电网区域在预设时间段内的所有发电数据，根据发电设备的发电方式不同对发电数据采取不同的归类方式，并且根据不同的发电方式确定相应电量的碳转换信息、碳转换数值，该种方式能够统计清洁能源发电设备和非清洁能源发电设备的总体碳排放量，还可以根据目标电网区域内的碳中和行为对总体碳排放量进行修正，使得计算的总体碳排放量是考虑目标电网区域内碳中和行为后得到的碳排放量，其考虑维度更多，因此所计算的电碳因子更加的准确。
本发明在计算总体的碳排放数值时，会综合考虑不同清洁能源的不同碳排情况，根据每种清洁能源发电设备所发电的电量数值进行分别统计，使得不同方式生成的电量都会具有相应的计算处理方式，保障电网中每种方式发电的碳排放都能够有效的统计，保障了碳排放信息、碳排放数据、碳排放数值统计的准确性，进而保障了电碳因子的准确性。
附图说明
图1为电碳因子的预测评估方法的适用场景示意图；
图2为电碳因子的预测评估方法的第一种实施方式的流程图；
图3为电碳因子的预测评估方法的第二种实施方式的流程图；
图4为电碳因子的预测评估装置的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示，本发明提供的技术方案所适应的场景中，可以包括多个目标电网区域，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集。数据采集设备可以是任意的装置，例如说数据采集设备可以是基于一个PLC实现的装置，通过PLC统计某一个发电厂内所有发电设备的工作时间，根据每个发电设备的工作时间、装机容量得到发电数据，例如说工作时间为24小时，则发电厂一天的发电量即为24×装机容量×发电设备数量，此时数据采集设备即生成该发电厂的发电数据，发电数据可以包括发电的电量数值。数据采集设备所采集的数据也可以是管理员预先录入的。
每个目标电网区域会具有相应的发电设备，发电设备可以是火力发电厂内的火力发电设备、风力发电厂的风力发电设备、光伏发电厂的光伏发电设备、潮汐发电厂的潮汐发电设备、地热发电厂的地热发电设备等等，对于发电设备的具体方式本发明不做任何限定。
本发明的实施例提供一种电碳因子的预测评估方法，如图2所示，包括：
步骤S110、数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据并将所述发电数据发送至服务器。预设时间段可以是一个月、一年等等，本发明对于预设时间段的具体时间不做限定。发电数据至少包括发电量，例如说风力发电设备在一年内发电量为十万度电、一百万度电等等。本发明会通过数据采集设备统计目标电网区域中所有发电设备在预设时间段内的发电数据。
步骤S120、服务器基于发电设备对应的设备标签对接收到的发电数据进行归类，得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签。本发明中的发电设备分别具有设备标签，设备标签分别包括一级标识信息和二级标识信息，其中一级标识信息和二级标识信息是预先设定的，每个发电设备的一级标识信息和二级标识信息可以不同、也可以相同。例如说风力发电设备的一级标识信息可以是清洁能源信息，二级标识信息可以是风力发电信息，火力发电设备的一级标识信息可以是非清洁能源信息，二级标识信息可以是非清洁能源信息或火力能源信息。本发明会通过设备标签对发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合。
本发明提供的技术方案，步骤S120具体包括：
获取发电设备对应的设备标签中的一级标识信息。本发明中每个发电设备都会具有与其对应的一级标识信息，一级标识信息是预先设置的。一级标识信息也可以是数据采集设备采集的，数据采集设备根据管理员输入的一级标识信息，将一级标签信息发送至服务器，服务器会获取每个发电设备对应的设备标签中的一级标识信息。一级标识信息可以包括清洁能源信息和非清洁能源信息。清洁能源信息对应的电力设备即为清洁能源的发电设备，例如说风力发电设备、光伏发电设备等等。非清洁能源信息对应的电力设备即为非清洁能源的发电设备，例如说火力发电设备等等。
将设备标签中的一级标识信息与预设一级标识信息比对，每个预设一级标识信息对应清洁能源数据集合或非清洁能源数据集合中的任意一个。本发明在对目标区域内的发电设备进行区分时，会将设备标签中的一级标识信息与预设一级标识信息进行比对。
若设备标签中的一级标识信息与清洁能源数据集合或非清洁能源数据集合中的任意一个预设一级标识信息相同，则将设备标签对应的发电数据归类至相应的清洁能源数据集合或非清洁能源数据集合中。例如说清洁能源数据集合中的预设一级标识信息为清洁能源信息，设备标签中的一级标识信息也为清洁能源信息，即认为设备标签对应的发电数据其与预设一级标识信息对应的设备标签对应的发电数据相对应，则此时将设备标签对应的发电数据归类至清洁能源数据集合。例如说非清洁能源数据集合中的预设一级标识信息为非清洁能源数据，设备标签中的一级标识信息也为非清洁能源数据，即认为设备标签对应的发电数据其与预设一级标识信息对应的设备标签对应的发电数据相对应，则此时将设备标签对应的发电数据归类至非清洁能源数据集合。
在实际发电过程中，非清洁能源的发电方式较为单一，一般都是采用火力发电的方式，火力发电方式的碳能源转换系数（第二碳转换信息）能够进行固定，所以本发明会将所有非清洁能源的发电数据进行归类。本发明首先通过一级标识信息对发电设备是依靠清洁能源发电还是依靠非清洁能源发电进行分类，使得分类后的非清洁能源数据集合中每个发电数据都可以根据相同的第二碳转换信息进行计算得到第二碳排放数据，降低服务器的数据处理量。
步骤S130、服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对所述每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据。本发明中的第一碳转换信息可以看做是清洁能源的电力设备在产生一度电时所产生的二氧化碳的量值，由于清洁能源的发电设备不同，所以本发明中会具有多个第一碳转换信息，本发明会根据清洁能源数据集合中不同发电数据对应的不同第一碳转换信息得到清洁能源数据集合对应的总的第一碳排放数据，该第一碳排放数据即为不同类型的清洁能源的发电设备所对应的所有碳排放数据之和。
本发明提供的技术方案，如图3所示，步骤S130具体包括：
步骤S1301、获取发电设备对应的设备标签中的二级标识信息。设备标签中的二级标识信息可以是风力发电信息、光伏发电信息等等。通过二级标签信息可以直接的反应出相应的发电设备的发电方式。
步骤S1302、将设备标签中的二级标识信息与预设二级标识信息比对，每个预设二级标识信息对应一个第一碳转换信息。预设二级标识信息也可以是风力发电信息、光伏发电信息等等，本发明可以是根据文字比对的方式将二级标识信息与预设二级标识信息比对、将一级标识信息与预设一级标识信息比对。
步骤S1303、若设备标签中的二级标识信息与预设二级标识信息相同，则将二级标识信息对应的发电数据与预设二级标识信息对应的第一碳转换信息关联，得到相关联的发电数据和第一碳转换信息。例如说设备标签中的二级标识信息为风力发电信息，预设二级标识信息也为风力发电信息，则此时认为设备标签中的二级标识信息与预设二级标识信息相同，此时将将二级标识信息对应的发电数据与相应的第一碳转换信息关联。
在一个可能的实施方式中，第一碳转换信息可以是根据实际场景设置的。例如说为光伏发电的发电设备对应的发电数据设置一个第一碳转换信息，该第一碳转换信息即为光伏发电的发电设备每发一度电所产生的碳排放。为风力发电的发电设备对应的发电数据设置另一个第一碳转换信息，该另一个第一碳转换信息即为风力发电的发电设备每发一度电所产生的碳排放。
本发明提供的技术方案，还包括：
获取清洁能源数据集合内发电数据所对应的电力设备的碳足迹数据。清洁能源数据集合内每种类型的电力设备分别具有不同的碳足迹数据。
对所述碳足迹数据进行分解处理，确定生产发电设备的过程中所产生的碳量及运输过程中所产生的碳量。本发明会将碳足迹数据分解为至少两个部分，生产发电设备过程所产生的碳量以及运输过程中所产生的碳量。电力设备的运输距离越长，该电力设备安装时所产生的碳量越多。
基于生产发电设备的过程中所产生的碳量及运输过程中所产生的碳量得到电力设备的耗碳总量。本发明会统计所有相同类别的发电设备的耗碳总量，根据耗碳总量来确定平均值每个发电设备的第一碳转换信息，这样可以解决不同发电厂运输距离不同而导致每个发电设备所产生的碳量存在差异的问题。
基于预先设置的额定发电量和耗碳总量确定电力设备的第一碳转换信息。
本发明提供的技术方案，可以统计一个目标电网区域内所有相同类型发电设备的碳足迹数据，进而得到所有相同类型发电设备在生成每一度电时的平均碳产生量，即第一碳转换信息，该种方式所确定的第一碳转换信息更加的准确，进而保障电碳因子计算的准确性。
在一个可能的实施方式中，对于第一碳转换信息可以是计算得到的，本发明以计算通过光伏发电的发电设备所对应的第一碳转换信息为例，计算第一碳转换信息需要根据发电设备的碳足迹进行确定，例如说生产一个光伏发电的发电设备需要消耗第一数量的电能、第二数量的水体，则在生产发电设备的过程中所产生的碳量即等于【耗电度数（第一数量的电能）×每度电的碳消耗量】+【用水吨数（第二数量的水体）×每吨水的碳消耗量】，在对光伏发电的发电设备生产完成后，需要运输至相应的发电厂处，在运输过程中也需要产生碳消耗，运输过程中所产生的碳量即等于运输公里数×每公里的耗碳量。通过以上方式，可以得到光伏发电的发电设备在生产、运输过程中所有环节的耗碳总量。例如说，光伏发电的发电设备额定发电量为50万度，则每一度电的耗碳量可以计算为耗碳总量/50万度，此时每一度电的耗碳量既可以认为是第一碳转换信息。可以根据实际场景对第一碳转换信息再次进行修正，对于修正的幅度、方式本发明不做任何限定。
本发明提供的技术方案，步骤S130具体包括：
所述第一碳转换信息包括风电转换信息、光电转换信息以及综合转换信息，根据设备标签中的二级标识信息确定电力设备与风电转换信息、光电转换信息以及综合转换信息中的任意一个相对应。本发明会根据清洁能源数据集合中电力设备的二级标识信息确定该电力设备对应的转换信息，即风电转换信息、光电转换信息以及综合转换信息中的任意一个或多个，根据风电转换信息、光电转换信息以及综合转换信息确定相应的第一碳转换信息的具体数值。风电转换信息、光电转换信息以及综合转换信息的数值可能是不同的。
由于不同类型的电力设备的生产方式不同、运输路径不同，所以每种类型的电力设备的第一碳转换信息都是不相同的。在我国，在清洁能源发电方式中，光伏发电和风力发电具有较高的比例，所以本发明会对风电转换信息、光电转换信息进行单独核算，即对风力发电的电力设备对应的第一碳转换信息以及光伏发电的电力设备对应的第一碳转换信息进行单独的计算。对于潮汐能发电、生物质发电等等的发电方式对应的第一碳转换信息进行综合的计算。第一碳转换信息单独计算、综合计算的方式可以参照前述光伏发电的发电设备的第一碳转换信息的数值的计算方式。该种第一碳转换信息的计算方式，在保障第一碳转换信息计算准确的前提下降低了服务器的数据处理量。使得每种类型的电力设备具有与其对应的第一碳转换信息。本发明中，与第一碳转换信息相对应的电力设备都是清洁能源的电力设备。
获取清洁能源数据集合中每个发电数据中的电量数值，根据清洁能源数据集合中每个发电数据的电量数值、第一碳转换信息得到第一碳排放数据，通过以下公式计算第一碳排放数据，
Figure 732634DEST_PATH_IMAGE019
其中，
Figure 500870DEST_PATH_IMAGE020
为第一碳排放数据对应的碳排放数值，
Figure 526988DEST_PATH_IMAGE021
为风电转换信息对应的数值，
Figure 595438DEST_PATH_IMAGE004
为清洁能源数据集合中风电转换信息对应的第
Figure 78503DEST_PATH_IMAGE022
个发电数据的电量数值，
Figure 98150DEST_PATH_IMAGE023
为光电转 换信息对应的数值，
Figure 551128DEST_PATH_IMAGE006
为清洁能源数据集合中光电转换信息对应的第m数据的电量数值，
Figure 208505DEST_PATH_IMAGE024
为综合转换信息对应的数值，
Figure 315002DEST_PATH_IMAGE008
为清洁能源数据集合中综合转换信息对应的第n发电数 据的电量数值。
本发明通过的技术方案，会统计清洁能源数据集合中每个电力设备的发电数据中 的电量数值，例如说在预设时间段，光伏发电的发电设备产生了10万度电，则光伏发电的发 电设备所对应的发电数据的电量数值即为10万度电。该电量数值可以是数据采集设备采集 的。通过
Figure 57830DEST_PATH_IMAGE025
可以得到所有风力发电的电力设备所产生的总耗碳量；通过
Figure 753647DEST_PATH_IMAGE026
可以得到所有光伏发电的电力设备所产生的总耗碳量；通过
Figure 265531DEST_PATH_IMAGE027
可以 得到除风力发电和光伏发电以外，所有清洁能源发电的电力设备所产生的总耗碳量。通过 以上方式，得到在预设时间段，目标电网区域中所有清洁能源发电的电力设备的总耗碳量， 即第一碳排放数据。
步骤S140、服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据，所述第二碳转换信息为火力发电方式的碳能源转换系数。第二碳转换信息是固定的。我国在非清洁能源发电方式中，几乎都是为火力发电的方式，并且火力发电过程中，产生的碳量、碳排放都是相同的，所以本发明中的第二碳转换信息是固定的。
本发明提供的技术方案，步骤S140具体包括：
获取非清洁能源数据集合中每个发电数据中的电量数值，根据非清洁能源数据集合中每个发电数据的电量数值、第二碳转换信息得到第二碳排放数据，通过以下公式计算第二碳排放数据，
Figure DEST_PATH_IMAGE028
其中，
Figure 120092DEST_PATH_IMAGE029
为第二碳排放数据对应的碳排放数值，L第二碳转换信息对应的数值，
Figure 350216DEST_PATH_IMAGE030
为非清洁能源数据集合中第u电数据的电量数值。非清洁能源数据集合中每个发电数据的 电量数值可以是数据采集设备所采集的。通过
Figure 879417DEST_PATH_IMAGE031
可以得到非清洁能源数据集合中 所有火力发电的电力设备所产生的总耗碳量。
本发明可以分别通过步骤S130和步骤S140，确定清洁能源发电设备和非清洁能源发电设备分别对应的第一碳排放数据和第二碳排放数据，第一碳排放数据和第二碳排放数据采取了不同的计算方式，即保障了碳排放数据计算的准确性，又保障了碳排放数据计算的时效性。
步骤S150、服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备。目标设备可以是手机、平板、电脑等等，通过目标设备接收第一预测评估值。第一预测评估值可以是管理员持有。
本发明提供的技术方案，步骤S150具体包括：
获取所述碳中和信息中的植树数量信息，基于所述植树数量信息和第三碳转换信息得到碳中和数据。本发明中的碳中和数据根据植树的数量得到，碳中和信息即对应植树数量信息，植树越多，碳固定、碳中和就越多。本发明中的第三碳转换信息可以是预先设置的，第三碳转换信息即每种植一棵树可以进行碳中和的碳量值，例如说种植一棵树可以进行碳中和100kg，则植树数量信息为100棵树，碳中和数据即为10000kg。对于第二碳转换信息、第三碳转换信息的具体数值本发明不做限定，可以是根据现有技术得到的。
通过以下公式计算电碳因子的第一预测评估值，
Figure 245808DEST_PATH_IMAGE032
其中，X为电碳因子的第一预测评估值，
Figure 694107DEST_PATH_IMAGE033
为清洁能源数据集合中每个发电数据 的电量数值，
Figure 190290DEST_PATH_IMAGE034
为非清洁能源数据集合中每个发电数据的电量数值，
Figure 523182DEST_PATH_IMAGE035
为碳中和数据的数 值，
Figure 744079DEST_PATH_IMAGE036
为植树数量信息的数值，
Figure 471601DEST_PATH_IMAGE037
为第三碳转换信息对应的数值。
通过
Figure 614001DEST_PATH_IMAGE038
可以得到在预设时间段内目标电网区域通过各种电力设备所产生的所 有电量的碳排放量值，通过
Figure 485005DEST_PATH_IMAGE039
可以得到碳中和数据，即通过植树对碳进行固定的数 值，通过
Figure 327452DEST_PATH_IMAGE040
可以得到目标电网区域在经过碳中和后的碳排放量值，通过
Figure 258499DEST_PATH_IMAGE041
可以得到预设时间段内目标电网区域所生成的电量数值，最后通过
Figure 199779DEST_PATH_IMAGE042
计算得到所生成的每一度电的平均碳排放量，该平均碳排放量就是下一时 间段的电碳因子的预测评估值，即电碳因子的第一预测评估值。
通过步骤S150所计算的电碳因子，会考虑目标电网区域内的碳中和行为，结合碳中和行为得到更加准确的电碳因子，鼓励目标电网区域进行碳中和。
本发明提供的技术方案，还包括：
获取目标电网区域中的上一个电碳因子的实际值。每个预设时间段都会具有与其相对应的电碳因子。本发明在得到一个新的电碳因子后，会获取上一个电碳因子的实际值。
若所述第一预测评估值小于上一个电碳因子的实际值，且第一预测评估值与上一个电碳因子的实际值的差值小于预设值，则输出第一提示信息。当第一预测评估值小于上一个电碳因子的实际值时，则证明电碳因子具有减少的趋势，证明目标电网区域采取清洁能源发电或碳中和的行为相较于上一个时间段更加的多，所以此时会将第一预测评估值与上一个电碳因子的实际值进行比较得到差值，差值小于预设值则证明此时计算是正确的，此时输出第一提醒信息。如果差值大于预设值，则证明第一预测评估值与上一个电碳因子的实际值相差较大，此时得到的第一预测评估值很可能是错误的，此时输出第二提示信息，使管理员进行人工介入核对，避免电碳因子计算错误而管理员无法第一时间掌握的情况出现。通过以上的方式，实现电碳因子的第一预测评估值的自动校正。
本发明提供的技术方案，还提供一种电碳因子的预测评估装置，如图4所示，包括：
获取模块，用于数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据，数据采集设备将所述发电数据发送至服务器；
归类模块，用于服务器基于发电设备对应的设备标签对发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
第一处理模块，用于服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
第二处理模块，用于服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据；
预测评估模块，用于服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.电碳因子的预测评估方法，其特征在于，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集，通过以下步骤对电碳因子进行预测评估，包括：
数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据并将所述发电数据发送至服务器；
服务器基于发电设备对应的设备标签对接收到的发电数据进行归类，得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对所述每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据，所述第二碳转换信息为火力发电方式的碳能源转换系数；
服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备；
服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据包括：
获取发电设备对应的设备标签中的二级标识信息；
将设备标签中的二级标识信息与预设二级标识信息比对，每个预设二级标识信息对应一个第一碳转换信息；
若设备标签中的二级标识信息与预设二级标识信息相同，则将二级标识信息对应的发电数据与预设二级标识信息对应的第一碳转换信息关联，得到相关联的发电数据和第一碳转换信息；
所述第一碳转换信息包括风电转换信息、光电转换信息以及综合转换信息，根据设备标签中的二级标识信息确定电力设备与风电转换信息、光电转换信息以及综合转换信息中的任意一个相对应，第一碳排放数据通过以下公式计算：
Figure 56649DEST_PATH_IMAGE001
其中，
Figure 376772DEST_PATH_IMAGE002
为第一碳排放数据对应的碳排放数值，
Figure 714606DEST_PATH_IMAGE003
为风电转换信息对应的数值，
Figure 893914DEST_PATH_IMAGE004
为 清洁能源数据集合中与风电转换信息对应的第i个发电数据的电量数值，
Figure 372300DEST_PATH_IMAGE005
为光电转换信 息对应的数值，
Figure 687875DEST_PATH_IMAGE006
为清洁能源数据集合中与光电转换信息对应的第m个发电数据的电量数 值，
Figure 459260DEST_PATH_IMAGE007
为综合转换信息对应的数值，
Figure 676264DEST_PATH_IMAGE008
为清洁能源数据集合中与综合转换信息对应的第n 个发电数据的电量数值；
服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据包括：
获取非清洁能源数据集合中每个发电数据中的电量数值，根据非清洁能源数据集合中每个发电数据的电量数值、第二碳转换信息得到第二碳排放数据，通过以下公式计算第二碳排放数据，
Figure 958341DEST_PATH_IMAGE009
其中，
Figure 394001DEST_PATH_IMAGE010
为第二碳排放数据对应的碳排放数值，
Figure 572173DEST_PATH_IMAGE011
为第二碳转换信息对应的数值，
Figure 224609DEST_PATH_IMAGE012
为非清洁能源数据集合中第
Figure 44797DEST_PATH_IMAGE013
个发电数据的电量数值；
服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值包括：
获取所述碳中和信息中的植树数量信息，基于所述植树数量信息和第三碳转换信息得到碳中和数据；
通过以下公式计算电碳因子的第一预测评估值，
Figure 334964DEST_PATH_IMAGE014
其中，X为电碳因子的第一预测评估值，
Figure 808671DEST_PATH_IMAGE015
为清洁能源数据集合中每个发电数据的电量 数值，
Figure 184289DEST_PATH_IMAGE016
为非清洁能源数据集合中每个发电数据的电量数值，
Figure 297914DEST_PATH_IMAGE017
为碳中和数据的数值，
Figure 177009DEST_PATH_IMAGE018
为植树数量信息的数值，
Figure 962562DEST_PATH_IMAGE019
为第三碳转换信息对应的数值。
2.根据权利要求1所述的电碳因子的预测评估方法，其特征在于，
服务器基于发电设备对应的设备标签对接收到的发电数据进行归类，得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签包括：
获取发电设备对应的设备标签中的一级标识信息；
将设备标签中的一级标识信息与预设一级标识信息比对，清洁能源数据集合和非清洁能源数据集合中任意一个发电数据对应一个预设一级标识信息；
若设备标签中的一级标识信息与任意一个预设一级标识信息相同，则将设备标签对应的发电数据归类至相应的清洁能源数据集合或非清洁能源数据集合中。
3.根据权利要求1所述的电碳因子的预测评估方法，其特征在于，还包括：
获取清洁能源数据集合内发电数据所对应的电力设备的碳足迹数据；
对所述碳足迹数据进行分解处理，确定发电设备的生产过程中所产生的碳量及运输过程中所产生的碳量；
基于发电设备生产过程中所产生的碳量及运输过程中所产生的碳量得到电力设备的耗碳总量；
基于预先设置的额定发电量和耗碳总量确定电力设备的第一碳转换信息。
4.根据权利要求1所述的电碳因子的预测评估方法，其特征在于，还包括：
获取目标电网区域中的上一个电碳因子的实际值；
若所述第一预测评估值小于上一个电碳因子的实际值，且第一预测评估值与上一个电碳因子的实际值的差值小于预设值，则输出第一提示信息。
5.电碳因子的预测评估装置，其特征在于，预先在目标电网区域中的所有发电厂处设置数据采集设备，通过数据采集设备对发电厂内的发电设备的发电数据进行采集，通过以下模块对电碳因子进行预测评估，包括：
获取模块，用于数据采集设备获取目标电网区域中所有发电设备在预设时间段内的发电数据并将所述发电数据发送至服务器；
归类模块，用于服务器基于发电设备对应的设备标签对接收到的发电数据进行归类得到清洁能源数据集合和非清洁能源数据集合，每个发电设备具有与其对应的设备标签；
第一处理模块，用于服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对所述每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据；
第二处理模块，用于服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据，所述第二碳转换信息为火力发电方式的碳能源转换系数；
预测评估模块，用于服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值，将所述第一预测评估值发送至目标设备；
服务器根据每个发电设备的设备标签得到清洁能源数据集合中每个发电数据的第一碳转换信息，对每个发电数据的第一碳转换信息进行处理得到清洁能源数据集合对应的第一碳排放数据包括：
获取发电设备对应的设备标签中的二级标识信息；
将设备标签中的二级标识信息与预设二级标识信息比对，每个预设二级标识信息对应一个第一碳转换信息；
若设备标签中的二级标识信息与预设二级标识信息相同，则将二级标识信息对应的发电数据与预设二级标识信息对应的第一碳转换信息关联，得到相关联的发电数据和第一碳转换信息；
所述第一碳转换信息包括风电转换信息、光电转换信息以及综合转换信息，根据设备标签中的二级标识信息确定电力设备与风电转换信息、光电转换信息以及综合转换信息中的任意一个相对应，第一碳排放数据通过以下公式计算：
Figure 559897DEST_PATH_IMAGE001
其中，
Figure 580942DEST_PATH_IMAGE002
为第一碳排放数据对应的碳排放数值，
Figure 78657DEST_PATH_IMAGE003
为风电转换信息对应的数值，
Figure 300691DEST_PATH_IMAGE004
为 清洁能源数据集合中与风电转换信息对应的第i个发电数据的电量数值，
Figure 119743DEST_PATH_IMAGE005
为光电转换信 息对应的数值，
Figure 819845DEST_PATH_IMAGE006
为清洁能源数据集合中与光电转换信息对应的第m个发电数据的电量数 值，
Figure 440576DEST_PATH_IMAGE007
为综合转换信息对应的数值，
Figure 692566DEST_PATH_IMAGE008
为清洁能源数据集合中与综合转换信息对应的第n 个发电数据的电量数值；
服务器对第二碳转换信息、非清洁能源数据集合中的发电数据进行处理得到非清洁能源集合对应的第二碳排放数据包括：
获取非清洁能源数据集合中每个发电数据中的电量数值，根据非清洁能源数据集合中每个发电数据的电量数值、第二碳转换信息得到第二碳排放数据，通过以下公式计算第二碳排放数据，
Figure 530072DEST_PATH_IMAGE009
其中，
Figure 768286DEST_PATH_IMAGE010
为第二碳排放数据对应的碳排放数值，
Figure 476479DEST_PATH_IMAGE011
为第二碳转换信息对应的数值，
Figure 538851DEST_PATH_IMAGE012
为非清洁能源数据集合中第
Figure 332495DEST_PATH_IMAGE013
个发电数据的电量数值；
服务器基于用户输入的碳中和信息生成碳中和数据，基于所述第一碳排放数据、第二碳排放数据、碳中和数据以及所有发电设备的发电数据对下一时间段的电碳因子进行预测评估，得到电碳因子的第一预测评估值包括：
获取所述碳中和信息中的植树数量信息，基于所述植树数量信息和第三碳转换信息得到碳中和数据；
通过以下公式计算电碳因子的第一预测评估值，
Figure 499034DEST_PATH_IMAGE020
其中，X为电碳因子的第一预测评估值，
Figure 327312DEST_PATH_IMAGE015
为清洁能源数据集合中每个发电数据的电量 数值，
Figure 796471DEST_PATH_IMAGE016
为非清洁能源数据集合中每个发电数据的电量数值，
Figure 110034DEST_PATH_IMAGE017
为碳中和数据的数值，
Figure 955630DEST_PATH_IMAGE018
为植树数量信息的数值，
Figure 638416DEST_PATH_IMAGE019
为第三碳转换信息对应的数值。
6.可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至4任一所述的方法。
CN202111610861.8A 2021-12-27 2021-12-27 电碳因子的预测评估方法、装置及可读存储介质 Active CN113988489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111610861.8A CN113988489B (zh) 2021-12-27 2021-12-27 电碳因子的预测评估方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111610861.8A CN113988489B (zh) 2021-12-27 2021-12-27 电碳因子的预测评估方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN113988489A CN113988489A (zh) 2022-01-28
CN113988489B true CN113988489B (zh) 2022-04-12

Family

ID=79734510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111610861.8A Active CN113988489B (zh) 2021-12-27 2021-12-27 电碳因子的预测评估方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN113988489B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114814350B (zh) * 2022-06-24 2022-10-14 国网山东省电力公司兰陵县供电公司 基于园区电数据预测的能源监测方法及系统、装置、介质
CN115759788A (zh) * 2023-01-05 2023-03-07 碳阻迹（北京）科技有限公司 一种基于大数据分析的企业碳数据综合智能管控系统
CN115983482B (zh) * 2023-01-06 2024-07-26 盟浪可持续数字科技(深圳)有限责任公司 一种碳排放判定治理系统
CN117910657B (zh) * 2024-03-14 2024-07-26 杭州阿里云飞天信息技术有限公司 碳排因子的预测方法、模型训练方法、计算设备、存储介质及程序产品

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113541306A (zh) * 2021-05-24 2021-10-22 国网浙江省电力有限公司台州供电公司 一种绿色能源低碳效能监测系统及方法
CN113553362A (zh) * 2021-09-17 2021-10-26 国网浙江省电力有限公司 基于共识机制的碳能源消耗监测方法、装置及存储介质
CN113705936A (zh) * 2021-10-26 2021-11-26 国网浙江省电力有限公司 基于碳循环的能源配置方法、装置及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714400A (zh) * 2014-01-20 2014-04-09 吉林省电力科学研究院有限公司 一种任意输入参数的风能预测系统和方法
US11398000B2 (en) * 2019-05-20 2022-07-26 Singularity Energy, Inc. Methods and systems for machine-learning for prediction of grid carbon emissions
CN113592134B (zh) * 2021-06-15 2023-09-26 国网浙江省电力有限公司 一种基于能源数据的电力碳排放评估系统及方法
CN113626766A (zh) * 2021-08-02 2021-11-09 上海创能国瑞新能源科技股份有限公司 一种处理地理区域中碳排放数据的方法、装置、设备及存储介质
CN113762778A (zh) * 2021-09-09 2021-12-07 上海和数软件有限公司 一种基于能源区块链的减碳量计算方法
CN113609443B (zh) * 2021-10-08 2021-12-14 国网浙江省电力有限公司 基于区块链的碳足迹跟踪处理方法、装置及存储介质
CN113723714B (zh) * 2021-11-01 2022-03-25 边缘智能研究院南京有限公司 一种基于物联网的碳达峰预测平台
CN113724103B (zh) * 2021-11-02 2022-03-22 国网北京市电力公司 基于智能电表的区域碳排放监测方法、系统、设备及介质
CN113723718B (zh) * 2021-11-03 2022-02-11 国网北京市电力公司 一种能源碳排放预测方法、装置、设备及介质
CN113746144B (zh) * 2021-11-08 2022-03-22 南京东博智慧能源研究院有限公司 一种源网荷实时交互的电碳控制方法及其智能管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113541306A (zh) * 2021-05-24 2021-10-22 国网浙江省电力有限公司台州供电公司 一种绿色能源低碳效能监测系统及方法
CN113553362A (zh) * 2021-09-17 2021-10-26 国网浙江省电力有限公司 基于共识机制的碳能源消耗监测方法、装置及存储介质
CN113705936A (zh) * 2021-10-26 2021-11-26 国网浙江省电力有限公司 基于碳循环的能源配置方法、装置及存储介质

Also Published As

Publication number Publication date
CN113988489A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN113988489B (zh) 电碳因子的预测评估方法、装置及可读存储介质
CN113609443B (zh) 基于区块链的碳足迹跟踪处理方法、装置及存储介质
CN114119290B (zh) 适用于碳排放数据的监控识别方法、装置及存储介质
CN106643765B (zh) 一种采集异常维修时长计算方法
CN114091980B (zh) 基于分布式监测的碳排放量计算方法、装置及存储介质
CN117013527A (zh) 一种分布式光伏发电功率预测方法
CN109193748A (zh) 一种光伏消纳能力的评价方法及计算设备
Gunawan et al. An extensible framework for short-term holiday load forecasting combining dynamic time warping and LSTM network
CN113705936B (zh) 基于碳循环的能源配置方法、装置及存储介质
CN109543910A (zh) 一种考虑偏差考核惩罚的售电公司电量鲁棒决策电路及方法
CN114938071A (zh) 一种基于人工智能的新能源运行系统智能监测监控管理系统
CN115730749B (zh) 基于融合电力数据的电力调度风险预警方法及装置
CN114050657A (zh) 光伏并网后的台区拓扑识别方法及系统、设备、存储介质
CN113112315B (zh) 一种电力调频交易辅助决策方法及系统
CN117555887A (zh) 一种多源异构分布式光伏数据处理方法和装置、电子设备
CN117057486A (zh) 电力系统的运维成本预测方法、装置、设备及存储介质
CN114676931B (zh) 一种基于数据中台技术的电量预测系统
CN115908082A (zh) 基于用电特征指标的企业排污监控方法及装置
Ye et al. Short term output prediction method of runoff type medium and small hydropower stations
Mantri et al. Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning
CN118350679B (zh) 新能源场站并网系统电能支撑能力分析方法及装置
CN110298603A (zh) 分布式光伏系统容量估计方法
CN118115008B (zh) 基于风、光、水集成控制的智慧能源管理方法及平台
CN118300105B (zh) 一种基于电厂管理的发电户用电户数据全方位监测方法
CN115099650B (zh) 基于抄表差错风险模型的抄表差错监控方法及系统

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