CN114218679A - 基于区块链的车网互动碳减排量核算方法及系统 - Google Patents
基于区块链的车网互动碳减排量核算方法及系统 Download PDFInfo
- Publication number
- CN114218679A CN114218679A CN202111558768.7A CN202111558768A CN114218679A CN 114218679 A CN114218679 A CN 114218679A CN 202111558768 A CN202111558768 A CN 202111558768A CN 114218679 A CN114218679 A CN 114218679A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- charging
- emission
- carbon emission
- year
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 141
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 230000009467 reduction Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003993 interaction Effects 0.000 title claims abstract description 43
- 238000005265 energy consumption Methods 0.000 claims abstract description 16
- 239000000446 fuel Substances 0.000 claims description 31
- 239000003245 coal Substances 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 238000013475 authorization Methods 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 239000003502 gasoline Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000003921 oil Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000002747 voluntary effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于区块链的车网互动碳减排量核算方法及系统,方法包括:通过充电APP获取车主的电动汽车车辆充电信息,并获取综合工况能耗量数据;根据电动汽车车辆充电信息和综合工况能耗量数据,匹配同一类型车辆的油耗情况,计算碳排放量;通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;根据电动汽车车辆充电信息、区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;将同一类型车辆的碳排放量或基准线车辆的碳排放量减去电动汽车的碳排放量,计算得到电动汽车的碳减排量数据。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种基于区块链的车网互动碳减排量核算方法及系统。
背景技术
作为我国战略性新兴产业和交通部门节能减排的重要途径,近年来我国新能源汽车产业发展迅猛。发展电动汽车成为推动绿色环保业务发展,促进能源消费转型的重要抓手。电力和交通行业约占我国二氧化碳排放总量的69%,支持发展新能源汽车产业具有重要意义。
通过电动汽车出行替代燃油车出行,对交通行业实现“双碳”目标具有重要意义。现有核算电动汽车出行碳减排的方法学为CCER项目方法学《CMS-048-V01通过电动和混合动力汽车实现减排》,CCER项目对现阶段电动汽车自愿碳减排核算不适用。此外,《CMS-048-V01通过电动和混合动力汽车实现减排》方法学,只涉及到电动汽车替代燃油车出行情景,没有现实中存在的有序充电、V2G放电、绿电溯源等车网互动情景。
另一方面,电动汽车替代燃油车出行的碳减排行为是电动汽车用户行为产生的,因此自愿碳减排量所有权属于电动汽车车主。而现行的核证自愿减排量涉及项目设计、审定、备案、减排量核证、减排量备案等5个流程,个人的减排行为认定存在一定困难。此外,现行的碳市场,还没有个人参与交易,通常个人的减排量由委托代理商进行申请,例如北京市推出的绿动北京行动,个人碳减排量由高德地图、百度地图代理用户进行申请。但委托代理过程的可靠性和透明性,成为现行代理的一个痛点。
发明内容
本发明的目的在于提供一种基于区块链的车网互动碳减排量核算方法及系统,旨在解决现有技术中的上述问题。
本发明提供一种基于区块链的车网互动碳减排量核算方法,包括:
通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;
根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;
通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;
根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;
将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。
本发明提供一种基于区块链的车网互动碳减排量核算系统,包括:
数据获取模块,用于通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;
判断核算模块,用于根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。
采用本发明实施例,本发明实施例利用具有追溯性、透明性、可靠性的区块链技术,确保了用户碳减排数据核算的真实性、可靠性,巩固了用户与代理运营商之间可靠的代理关系。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的基于区块链的车网互动碳减排量核算方法的流程图;
图2是本发明实施例的基于区块链的车网互动碳减排量核算方法的原理示意图;
图3是本发明实施例的用户参与车网互动碳减排核算业务用例的流程图;
图4是本发明实施例的基于区块链的车网互动碳减排量核算系统的示意图。
具体实施方式
为了解决现有技术中的上述问题,提出了一种基于区块链的车网互动碳减排量核算方法及系统,在电动汽车车网互动碳减排核算方法空缺上,设计了包含正常充电(电代油)、有序充电、V2G放电、绿电溯源等充电方式在内的自愿碳减排核算方法,将弥补电动汽车车网互动自愿减排碳资产核算方法的空缺。同时,电动汽车车网互动碳减排行为是由电动汽车车主个人行为,该减排碳资产也应属于个人。由于现阶段个人核算核证自愿减排量存在困难,该减排行为个人可委托充电运营商进行碳减排量核定。因此,也存在委托代理关系。本发明实施例利用具有追溯性、透明性、可靠性的区块链技术,确保了用户碳减排数据核算的真实性、可靠性,巩固了用户与代理运营商之间可靠的代理关系。
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种基于区块链的车网互动碳减排量核算方法,图1是本发明实施例的基于区块链的车网互动碳减排量核算方法的流程图,如图1所示,根据本发明实施例的基于区块链的车网互动碳减排量核算方法具体包括:
步骤101,通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;其中,所述电动汽车车辆充电信息具体包括:车型、行驶数据、充电类型、充电量、充电起止时间、交易流水号、充电所用充电桩地理位置信息;
步骤102,根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;其中,所述预定车型具体为:七座以下燃油乘用车。在步骤102中,计算基准线车辆的碳排放量具体包括:
根据公式1和公式2计算基准线车辆的碳排放量:
BEy=∑iECPJ,i,y×EFeqv,m,y 公式2;
其中,BEy为y年的基准线的排放,EFeqv,m,y为y年车型为m的基准线车辆等效CO2排放因子,SFCfuel,m,i,y为y年基准线车辆i的单位里程油耗值,SFCelec,m,i,y为y年项目车辆i的单位里程电耗,NCVfuel,y为基准线车辆消耗燃料的净热值,EFfuel,y为车型为m的基准线车辆燃烧汽油的CO2排放因子,IR为基准线车辆的技术进步因子,技术进步率与日历年对应,所有基准线车辆的技术进步因子默认值为0.99,t为项目活动开始后的第t个日历年,ECPJ,,i,y为y年充电服务运营商向车型为m的项目车辆的充电量,i为车型为m的车辆。
步骤103,通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;
步骤104,根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;其中,碳减排量核算模型具体包括:正常充电情景电动汽车排放量核算模型、有序充电情景电动汽车排放量核算模型、项目车辆参与车网互动V2G放电情景电动汽车排放量核算模型、以及绿电溯源情景电动汽车排放量核算模型。
具体地:如图2所示,在正常充电情景下,调用如公式3所述的正常充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
其中,PErandom,y为y年电动汽车消耗电力产生的排放量,ECrandom,i,y
为y年项目车辆i随机充电模式的充电量,EFrandom,y为y年项目车辆随机充电排放因子,TDLy为y年为项目车辆充电的电力输配的平均损耗;
在有序充电情景下,调用如公式4和公式5所述的有序充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EForder,y=EGtotal,y×(1-Py)×EFgrid,y/EGtotal,y
=(1-Py)×EFgrid,y 公式5;
其中,PEorder,y为y年用户项目车辆参与有序充电所消耗电力的排放,ECorder,i,y为y年用户项目车辆参与有序充电的充电量,EForder,y为y年有序充电模式下的电力排放因子,TDLy为y年充电系统电力输配的平均损耗;EGtotal,y为y年全社会用电量,EFgrid,y为y年各省/直辖市电网排放因子,Py为y年电网消纳的可再生能源电力占全社会用电量比例;
在V2G放电情景下,调用如公式6和公式7所述的V2G放电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EFpeak,y=Powerlimit X CbiaomeiX(1+k) 公式6;
PEV2G,y=EFV2G,y×ECV2G,y 公式7;
其中,Powerlimit为最新的燃煤机组发电煤耗限额,Cbiaomei为发电煤耗限额标准煤排放因子,K为最新的火力发电厂用电率,PEV2G,y为y年项目车辆参与车网互动V2G模式减少火电调度产生的排放量,EFV2G,y为y年项目车辆参与车网互动V2G模式下的电力排放因子,ECV2G,y为y年项目车辆向充电服务运营商的放电量;
在绿电溯源情景下,通过绿电溯源情景电动汽车排放量核算模型核算电动汽车的碳排放量为0;
通过公式8核算电动汽车总的碳减排量:
ERy=BEy-PEy-LEy 公式8;
其中,ERy为y年减排量,BEy为y年基准线排放量,PEy为y年项目排放量,LEy为y年泄漏量。
步骤105,将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。
在本发明实施例中,如图3所示,在通过充电APP获取车主的电动汽车车辆充电信息之前,确定用户是否授权充电运营商代为申请减排量,并且用户授权的情况下,允许通过充电APP获取车主的电动汽车车辆充电信息;
此外,还可以对充电运营商和用户之间碳减排量进行分成设置;并且,还可以对用户电动汽车车网互动实现的碳减排量进行展示。
以下对本发明实施例的技术方案进行详细说明。
本发明实施例的技术方案具体包括如下处理:
步骤1,通过充电app,获取车主电动汽车车型、行驶数据,充电类型、充电量、充电起止时间、交易流水号、充电所用充电桩地理位置信息等数据;
步骤2,遵守保守性原则,获取近3年所有类型传统能源车综合工况能耗量数据;
步骤3,根据步骤1获取的电动汽车车型,匹配同一类型车辆油耗情况,车辆类别参照汽车和挂车类型的术语和定义(GBT 3730.1-2001)。若无匹配车辆类型,遵循保守性原则,本项目使用七座以下燃油乘用车作为缺省的基准线车辆。
在步骤3中,利用步骤2和步骤1数据,计算基准线情景碳排放量,计算公式如下:
BEy=∑iECPJ,i,y×EFeqv,m,y
其中,BEy为y年的基准线的排放,EFeqv,m,y为y年车型为m的基准线车辆等效CO2排放因子,SFCfuel,m,i,y为y年基准线车辆i的单位里程油耗值,SFCelec,m,i,y为y年项目车辆i的单位里程电耗,NCVfuel,y为基准线车辆消耗燃料的净热值,EFfuel,y为车型为m的基准线车辆燃烧汽油的CO2排放因子,IR为基准线车辆的技术进步因子,技术进步率与日历年对应,所有基准线车辆的技术进步因子默认值为0.99,t为项目活动开始后的第t个日历年,ECPJ,,i,y为y年充电服务运营商向车型为m的项目车辆的充电量,i为车型为m的车辆。
步骤4、通过GPS定位获取充电桩地理位置信息,匹配充电桩所属行政区;
步骤5、根据充电桩所属行政区,匹配该区域电网排放因子,区域电网排放因子采用最新公布值;
步骤6、根据步骤1获取数据,根据充电类型进入到相应的碳减排量核算模型,代入充电量数据,核算电动汽车排放量;
①正常充电情景电动汽车排放量核算公式,如下:
其中,PErandom,y为y年电动汽车消耗电力产生的排放量,ECrandom,i,y
为y年项目车辆i随机充电模式的充电量,EFrandom,y为y年项目车辆随机充电排放因子,TDLy为y年为项目车辆充电的电力输配的平均损耗;
②有序充电情景电动汽车排放量核算公式,如下:
其中,PEorder,y为y年用户项目车辆参与有序充电所消耗电力的排放,ECorder,i,y为y年用户项目车辆参与有序充电的充电量,EForder,y为y年有序充电模式下的电力排放因子,TDLy为y年充电系统电力输配的平均损耗;
有序充电是在满足电动汽车充电需求的前提下,运用实际有效的经济或技术措施引导、控制电动汽车在某些特定时段进行充电,对电网负荷曲线进行削峰填谷,促进清洁能源消纳,降低大量电动汽车竞争充电时对配变、配网的负荷冲击影响,减缓配网建设投资,保证电动汽车与电网的协调互动发展。因此,有序充电情景下电网排放因子比一般充电要低。
其中,EForder计算公式如下:
EForder,y=EGtotal,y×(1-Py)×EFgrid,y/EGtotal,y
=(1-Py)×EFgrid,y
其中,EGtotal,y为y年全社会用电量,EFgrid,y为y年各省/直辖市电网排放因子,Py为y年电网消纳的可再生能源电力占全社会用电量比例。
③V2G放电情景
本发明实施例的减排核算方法仅适用于水力调峰能力低于50%的情景,参照国内最新的燃煤机组发电煤耗限额标准,遵循保守原则,选择最优效率的超超临界机组的发电煤耗限额标准煤排放因子以及最新的火力发电厂用电率,确定供电煤耗及电网尖峰时段调入此部分电力的排放因子为:
EFpeak,y=Powerlimit X Cbiaomei X (1+k)
其中,Powerlimit为最新的燃煤机组发电煤耗限额,Cbiaomei为发电煤耗限额标准煤排放因子,K为最新的火力发电厂用电率。
V2G放电比调峰时刻火力发电减少的碳排放公式为:
PEV2G,y=EFV2G,y×ECV2G,y
其中,PEV2G,y为y年项目车辆参与车网互动V2G模式减少火电调度产生的排放量,EFV2G,y为y年项目车辆参与车网互动V2G模式下的电力排放因子,ECV2G,y为y年项目车辆向充电服务运营商的放电量。
④绿电溯源
绿电溯源情景下,即充电运营商可以证明电动汽车用户充电量全部为绿电情景时,二氧化碳排放量为0。
步骤7)将步骤4的计算结果减去步骤6的计算结果,得到该车辆减排量数据。
ERy=BEy-PEy-LEy
其中,ERy为y年减排量,BEy为y年基准线排放量,PEy为y年项目排放量,LEy为y年泄漏量。
综上所述,借助于本发明实施例的技术方案,能够实电动汽车参与的有序充电、V2G放电、绿电溯源等多种车网互动行为产生的自愿碳减排的核算,创新设计了各情境下减排量核算方法,同时利用区块链技术确保了核算结果在个人和代理商之间可靠关系,能够提高车网互动业务的开展,增加可再生能源电力消纳、优化电网负荷曲线(削峰填谷)、减少电网负荷尖峰时段火力发电的出力,助力交通行业双碳目标的实现。
系统实施例
根据本发明实施例,提供了一种基于区块链的车网互动碳减排量核算系统,图4是本发明实施例的基于区块链的车网互动碳减排量核算系统的示意图,如图4所示,根据本发明实施例的基于区块链的车网互动碳减排量核算系统具体包括:
数据获取模块40,用于通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;所述电动汽车车辆充电信息具体包括:车型、行驶数据、充电类型、充电量、充电起止时间、交易流水号、充电所用充电桩地理位置信息;
判断核算模块42,用于根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。其中,所述预定车型具体为:七座以下燃油乘用车;碳减排量核算模型具体包括:正常充电情景电动汽车排放量核算模型、有序充电情景电动汽车排放量核算模型、项目车辆参与车网互动V2G放电情景电动汽车排放量核算模型、以及绿电溯源情景电动汽车排放量核算模型。
所述判断核算模块42具体用于:
根据公式1和公式2计算基准线车辆的碳排放量:
BEy=∑iECPJ,i,y×EFeqv,m,y 公式2;
其中,BEy为y年的基准线的排放,EFeqv,m,y为y年车型为m的基准线车辆等效CO2排放因子,SFCfuel,m,i,y为y年基准线车辆i的单位里程油耗值,SFCelec,m,i,y为y年项目车辆i的单位里程电耗,NCVfuel,y为基准线车辆消耗燃料的净热值,EFfuel,y为车型为m的基准线车辆燃烧汽油的CO2排放因子,IR为基准线车辆的技术进步因子,技术进步率与日历年对应,所有基准线车辆的技术进步因子默认值为0.99,t为项目活动开始后的第t个日历年,ECPJ,,i,y为y年充电服务运营商向车型为m的项目车辆的充电量,i为车型为m的车辆;
在正常充电情景下,调用如公式3所述的正常充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
其中,PErandom,y为y年电动汽车消耗电力产生的排放量,ECrandom,i,y
为y年项目车辆i随机充电模式的充电量,EFrandom,y为y年项目车辆随机充电排放因子,TDLy为y年为项目车辆充电的电力输配的平均损耗;
在有序充电情景下,调用如公式4和公式5所述的有序充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EForder,y=EGtotal,y×(1-Py)×EFgrid,y/EGtotal,y
=(1-Py)×EFgrid,y 公式5;
其中,PEorder,y为y年用户项目车辆参与有序充电所消耗电力的排放,ECorder,i,y为y年用户项目车辆参与有序充电的充电量,EForder,y为y年有序充电模式下的电力排放因子,TDLy为y年充电系统电力输配的平均损耗;EGtotal,y为y年全社会用电量,EFgrid,y为y年各省/直辖市电网排放因子,Py为y年电网消纳的可再生能源电力占全社会用电量比例;
在V2G放电情景下,调用如公式6和公式7所述的V2G放电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EFpeak,y=Powerlimit X CbiaomeiX(1+k) 公式6;
PEV2G,y=EFV2G,y×ECV2G,y 公式7;
其中,Powerlimit为最新的燃煤机组发电煤耗限额,Cbiaomei为发电煤耗限额标准煤排放因子,K为最新的火力发电厂用电率,PEV2G,y为y年项目车辆参与车网互动V2G模式减少火电调度产生的排放量,EFV2G,y为y年项目车辆参与车网互动V2G模式下的电力排放因子,ECV2G,y为y年项目车辆向充电服务运营商的放电量;
在绿电溯源情景下,通过绿电溯源情景电动汽车排放量核算模型核算电动汽车的碳排放量为0;
通过公式8核算电动汽车总的碳减排量:
ERy=BEy-PEy-LEy 公式8;
其中,ERy为y年减排量,BEy为y年基准线排放量,PEy为y年项目排放量,LEy为y年泄漏量。
在本发明实施例中,上述系统还可以进一步包括:
授权模块,用于在通过充电APP获取车主的电动汽车车辆充电信息之前,确定用户是否授权充电运营商代为申请减排量,并且用户授权的情况下,允许通过充电APP获取车主的电动汽车车辆充电信息;
分成比例设置模块,用于对充电运营商和用户之间碳减排量进行分成设置;
展示模块,用于对用户电动汽车车网互动实现的碳减排量进行展示。
以下对本发明实施例的上述技术方案进行举例说明。
本发明实施例提供的基于区块链的车网互动碳减排量核算系统,具体包括数据获取模块、授权模块、判断模块、核算模块、分成比例设置模块及展示模块等,其中:
数据获取模块:用于获取电动汽车相关数据、充电桩地理位置数据等;
授权模块:用于获取用户是否授权充电运营商代为申请减排量,用户授权后充电数据才会进入到核算模块。
判断模块:根据充电订单类型、充电桩位置等信息,判断该笔充电量进入到上述发明设计的4种核算模型的哪一类;
核算模块:利用区块链智能合约实现上述发明设计的核算方法;
分成设置模块:实现充电运营商和用户之间减排量的分成设置;
展示模块:用于展示用户电动汽车车网互动实现的碳减排量的展示。
本发明实施例是与上述方法实施例对应的系统实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例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,本说明书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。
本说明书是参照根据本说明书实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (10)
1.一种基于区块链的车网互动碳减排量核算方法,其特征在于,包括:
通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;
根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;
通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;
根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;
将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。
2.根据权利要求1所述的方法,其特征在于,所述电动汽车车辆充电信息具体包括:车型、行驶数据、充电类型、充电量、充电起止时间、交易流水号、充电所用充电桩地理位置信息;
所述预定车型具体为:七座以下燃油乘用车。
3.根据权利要求1所述的方法,其特征在于,计算基准线车辆的碳排放量具体包括:
根据公式1和公式2计算基准线车辆的碳排放量:
BEy=∑iECPJ,i,y×EFeqv,m,y 公式2;
其中,BEy为y年的基准线的排放,EFeqv,m,y为y年车型为m的基准线车辆等效CO2排放因子,SFCfuel,m,i,y为y年基准线车辆i的单位里程油耗值,SFCelec,m,i,y为y年项目车辆i的单位里程电耗,NCVfuel,y为基准线车辆消耗燃料的净热值,EFfuel,y为车型为m的基准线车辆燃烧汽油的CO2排放因子,IR为基准线车辆的技术进步因子,技术进步率与日历年对应,所有基准线车辆的技术进步因子默认值为0.99,t为项目活动开始后的第t个日历年,ECPJ,,i,y为y年充电服务运营商向车型为m的项目车辆的充电量,i为车型为m的车辆。
4.根据权利要求1所述的方法,其特征在于,碳减排量核算模型具体包括:正常充电情景电动汽车排放量核算模型、有序充电情景电动汽车排放量核算模型、项目车辆参与车网互动V2G放电情景电动汽车排放量核算模型、以及绿电溯源情景电动汽车排放量核算模型。
5.根据权利要求4所述的方法,其特征在于,根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量具体包括:
在正常充电情景下,调用如公式3所述的正常充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
其中,PErandom,y为y年电动汽车消耗电力产生的排放量,ECrandom,i,y为y年项目车辆i随机充电模式的充电量,EFrandom,y为y年项目车辆随机充电排放因子,TDLy为y年为项目车辆充电的电力输配的平均损耗;
在有序充电情景下,调用如公式4和公式5所述的有序充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EForder,y=EGtotal,y×(1-Py)×EFgrid,y/EGtotal,y
=(1-Py)×EFgrid,y 公式5;
其中,PEorder,y为y年用户项目车辆参与有序充电所消耗电力的排放,ECorder,i,y为y年用户项目车辆参与有序充电的充电量,EForder,y为y年有序充电模式下的电力排放因子,TDLy为y年充电系统电力输配的平均损耗;EGtotal,y为y年全社会用电量,EFgrid,y为y年各省/直辖市电网排放因子,Py为y年电网消纳的可再生能源电力占全社会用电量比例;
在V2G放电情景下,调用如公式6和公式7所述的V2G放电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EFpeak,y=PowerlimitXCbiaomeiX(1+k) 公式6;
PEV2G,y=EFV2G,y×ECV2G,y 公式7;
其中,Powerlimit为最新的燃煤机组发电煤耗限额,Cbiaomei为发电煤耗限额标准煤排放因子,K为最新的火力发电厂用电率,PEV2G,y为y年项目车辆参与车网互动V2G模式减少火电调度产生的排放量,EFV2G,y为y年项目车辆参与车网互动V2G模式下的电力排放因子,ECV2G,y为y年项目车辆向充电服务运营商的放电量;
在绿电溯源情景下,通过绿电溯源情景电动汽车排放量核算模型核算电动汽车的碳排放量为0;
通过公式8核算电动汽车总的碳减排量:
ERy=BEy-PEy-LEy 公式8;
其中,ERy为y年减排量,BEy为y年基准线排放量,PEy为y年项目排放量,LEy为y年泄漏量。
6.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
在通过充电APP获取车主的电动汽车车辆充电信息之前,确定用户是否授权充电运营商代为申请减排量,并且用户授权的情况下,允许通过充电APP获取车主的电动汽车车辆充电信息;
对充电运营商和用户之间碳减排量进行分成设置;
对用户电动汽车车网互动实现的碳减排量进行展示。
7.一种基于区块链的车网互动碳减排量核算系统,其特征在于,包括:
数据获取模块,用于通过充电APP获取车主的电动汽车车辆充电信息,并获取预定时间段内所有类型传统能源车的综合工况能耗量数据;
判断核算模块,用于根据所述电动汽车车辆充电信息和所述综合工况能耗量数据,匹配同一类型车辆的油耗情况,并根据所述油耗情况确定所述同一类型车辆的碳排放量,在无匹配车辆类型的情况下,使用预定车型作为缺省的基准线车辆,并计算基准线车辆的碳排放量;通过定位获取充电桩地理位置信息,匹配充电桩所属行政区,并根据充电桩所属行政区,匹配该区域电网排放因子;根据所述电动汽车车辆充电信息、所述区域电网排放因子以及充电类型,调用相应的碳减排量核算模型,代入充电量数据,核算电动汽车的碳排放量;将所述同一类型车辆的碳排放量或所述基准线车辆的碳排放量减去所述电动汽车的碳排放量,计算得到所述电动汽车的碳减排量数据。
8.根据权利要求7所述的系统,其特征在于,
所述电动汽车车辆充电信息具体包括:车型、行驶数据、充电类型、充电量、充电起止时间、交易流水号、充电所用充电桩地理位置信息;
所述预定车型具体为:七座以下燃油乘用车;
碳减排量核算模型具体包括:正常充电情景电动汽车排放量核算模型、有序充电情景电动汽车排放量核算模型、项目车辆参与车网互动V2G放电情景电动汽车排放量核算模型、以及绿电溯源情景电动汽车排放量核算模型。
9.根据权利要求8所述的系统,其特征在于,所述判断核算模块具体用于:
根据公式1和公式2计算基准线车辆的碳排放量:
BEy=∑iECPJ,i,y×EFeqv,m,y 公式2;
其中,BEy为y年的基准线的排放,EFeqv,m,y为y年车型为m的基准线车辆等效CO2排放因子,SFCfuel,m,i,y为y年基准线车辆i的单位里程油耗值,SFCelec,m,i,y为y年项目车辆i的单位里程电耗,NCVfuel,y为基准线车辆消耗燃料的净热值,EFfuel,y为车型为m的基准线车辆燃烧汽油的CO2排放因子,IR为基准线车辆的技术进步因子,技术进步率与日历年对应,所有基准线车辆的技术进步因子默认值为0.99,t为项目活动开始后的第t个日历年,ECPJ,,i,y为y年充电服务运营商向车型为m的项目车辆的充电量,i为车型为m的车辆;
在正常充电情景下,调用如公式3所述的正常充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
其中,PErandom,y为y年电动汽车消耗电力产生的排放量,ECrandom,i,y为y年项目车辆i随机充电模式的充电量,EFrandom,y为y年项目车辆随机充电排放因子,TDLy为y年为项目车辆充电的电力输配的平均损耗;
在有序充电情景下,调用如公式4和公式5所述的有序充电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EForder,y=EGtotal,y×(1-Py)×EFgrid,y/EGtotal,y
=(1-Py)×EFgrid,y 公式5;
其中,PEorder,y为y年用户项目车辆参与有序充电所消耗电力的排放,ECorder,i,y为y年用户项目车辆参与有序充电的充电量,EForder,y为y年有序充电模式下的电力排放因子,TDLy为y年充电系统电力输配的平均损耗;EGtotal,y为y年全社会用电量,EFgrid,y为y年各省/直辖市电网排放因子,Py为y年电网消纳的可再生能源电力占全社会用电量比例;
在V2G放电情景下,调用如公式6和公式7所述的V2G放电情景电动汽车排放量核算模型核算电动汽车的碳排放量:
EFpeak,y=PowerlimitXCbiaomeiX(1+k) 公式6;
PEV2G,y=EFV2G,y×ECV2G,y 公式7;
其中,Powerlimit为最新的燃煤机组发电煤耗限额,Cbiaomei为发电煤耗限额标准煤排放因子,K为最新的火力发电厂用电率,PEV2G,y为y年项目车辆参与车网互动V2G模式减少火电调度产生的排放量,EFV2G,y为y年项目车辆参与车网互动V2G模式下的电力排放因子,ECV2G,y为y年项目车辆向充电服务运营商的放电量;
在绿电溯源情景下,通过绿电溯源情景电动汽车排放量核算模型核算电动汽车的碳排放量为0;
通过公式8核算电动汽车总的碳减排量:
ERy=BEy-PEy-LEy 公式8;
其中,ERy为y年减排量,BEy为y年基准线排放量,PEy为y年项目排放量,LEy为y年泄漏量。
10.根据权利要求7所述的系统,其特征在于,所述系统进一步包括:
授权模块,用于在通过充电APP获取车主的电动汽车车辆充电信息之前,确定用户是否授权充电运营商代为申请减排量,并且用户授权的情况下,允许通过充电APP获取车主的电动汽车车辆充电信息;
分成比例设置模块,用于对充电运营商和用户之间碳减排量进行分成设置;
展示模块,用于对用户电动汽车车网互动实现的碳减排量进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558768.7A CN114218679A (zh) | 2021-12-20 | 2021-12-20 | 基于区块链的车网互动碳减排量核算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558768.7A CN114218679A (zh) | 2021-12-20 | 2021-12-20 | 基于区块链的车网互动碳减排量核算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218679A true CN114218679A (zh) | 2022-03-22 |
Family
ID=80704107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111558768.7A Pending CN114218679A (zh) | 2021-12-20 | 2021-12-20 | 基于区块链的车网互动碳减排量核算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218679A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722329A (zh) * | 2022-06-10 | 2022-07-08 | 国网智能电网研究院有限公司 | 电动汽车碳减排量核算方法、装置及电子设备 |
CN115455742A (zh) * | 2022-10-24 | 2022-12-09 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
CN115545551A (zh) * | 2022-11-04 | 2022-12-30 | 北京如实智慧电力科技有限公司 | 一种光伏在线碳资产核查系统及计算方法 |
CN117648518A (zh) * | 2023-12-13 | 2024-03-05 | 南京能可瑞科技有限公司 | 一种充电桩的减碳量计算方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020003202A1 (en) * | 2018-06-25 | 2020-01-02 | Vechain Global Technology S.Ar.L | Method, device, storage medium and program product for carbon trading |
WO2020080754A1 (ko) * | 2018-10-17 | 2020-04-23 | 주식회사 포스코아이씨티 | 전기 자동차 충전량에 기반한 탄소 배출 감축량 관리 시스템 및 방법 |
CN112101749A (zh) * | 2020-08-31 | 2020-12-18 | 上海置信碳资产管理有限公司 | 一种公共充电站桩碳减排量计算方法 |
CN112115139A (zh) * | 2020-08-20 | 2020-12-22 | 国网电动汽车服务有限公司 | 一种电动汽车充电成分的确定方法及系统 |
CN113537803A (zh) * | 2021-07-26 | 2021-10-22 | 云南电网有限责任公司电力科学研究院 | 一种碳减排量核算方法 |
CN113673753A (zh) * | 2021-08-08 | 2021-11-19 | 北京联行网络科技有限公司 | 针对电动汽车充电的负荷调控方法及装置 |
-
2021
- 2021-12-20 CN CN202111558768.7A patent/CN114218679A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020003202A1 (en) * | 2018-06-25 | 2020-01-02 | Vechain Global Technology S.Ar.L | Method, device, storage medium and program product for carbon trading |
WO2020080754A1 (ko) * | 2018-10-17 | 2020-04-23 | 주식회사 포스코아이씨티 | 전기 자동차 충전량에 기반한 탄소 배출 감축량 관리 시스템 및 방법 |
CN112115139A (zh) * | 2020-08-20 | 2020-12-22 | 国网电动汽车服务有限公司 | 一种电动汽车充电成分的确定方法及系统 |
CN112101749A (zh) * | 2020-08-31 | 2020-12-18 | 上海置信碳资产管理有限公司 | 一种公共充电站桩碳减排量计算方法 |
CN113537803A (zh) * | 2021-07-26 | 2021-10-22 | 云南电网有限责任公司电力科学研究院 | 一种碳减排量核算方法 |
CN113673753A (zh) * | 2021-08-08 | 2021-11-19 | 北京联行网络科技有限公司 | 针对电动汽车充电的负荷调控方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨加猛;万文娟;: "省域交通运输业碳排放核算及其减排情景分析", 公路, no. 11, 25 November 2017 (2017-11-25), pages 155 - 159 * |
赵越等: "基于物联网技术的充电设备建设与接入管控系统设计", 供用电, vol. 38, no. 11, 1 November 2021 (2021-11-01), pages 14 - 19 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722329A (zh) * | 2022-06-10 | 2022-07-08 | 国网智能电网研究院有限公司 | 电动汽车碳减排量核算方法、装置及电子设备 |
CN115455742A (zh) * | 2022-10-24 | 2022-12-09 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
CN115455742B (zh) * | 2022-10-24 | 2024-01-30 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
CN115545551A (zh) * | 2022-11-04 | 2022-12-30 | 北京如实智慧电力科技有限公司 | 一种光伏在线碳资产核查系统及计算方法 |
CN117648518A (zh) * | 2023-12-13 | 2024-03-05 | 南京能可瑞科技有限公司 | 一种充电桩的减碳量计算方法与系统 |
CN117648518B (zh) * | 2023-12-13 | 2024-05-31 | 南京能可瑞科技有限公司 | 一种充电桩的减碳量计算方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114218679A (zh) | 基于区块链的车网互动碳减排量核算方法及系统 | |
Li et al. | Scenarios of rare earth elements demand driven by automotive electrification in China: 2018–2030 | |
Hao et al. | China’s electric vehicle subsidy scheme: Rationale and impacts | |
Zhang et al. | Incentive policies from 2006 to 2016 and new energy vehicle adoption in 2010–2020 in China | |
Ayetor et al. | Towards zero vehicle emissions in Africa: A case study of Ghana | |
Deliali et al. | Transitioning to zero-emission bus fleets: state of practice of implementations in the United States | |
Trost et al. | Impact of electric vehicles and synthetic gaseous fuels on final energy consumption and carbon dioxide emissions in Germany based on long-term vehicle fleet modelling | |
Setiawan et al. | Investigating policies on increasing the adoption of electric vehicles in Indonesia | |
Reichmuth et al. | Comparison of the technical potential for hydrogen, battery electric, and conventional light-duty vehicles to reduce greenhouse gas emissions and petroleum consumption in the United States | |
Harvey | Cost and energy performance of advanced light duty vehicles: Implications for standards and subsidies | |
Peng et al. | Integrated assessment of energy efficiency technologies and CO2 abatement cost curves in China’s road passenger car sector | |
Le Duigou et al. | On the competitiveness of electric driving in France: Impact of driving patterns | |
Saisirirat et al. | Scenario analysis of electric vehicle technology penetration in Thailand: Comparisons of required electricity with power development plan and projections of fossil fuel and greenhouse gas reduction | |
Khan et al. | Plug-in electric vehicles: Challenges and opportunities | |
Yang et al. | Review of Beijing’s comprehensive motor vehicle emission control programs | |
Wang et al. | Cost–benefit assessment and implications for service pricing of electric taxies in China | |
Colmenar-Santos et al. | Macro economic impact, reduction of fee deficit and profitability of a sustainable transport model based on electric mobility. Case study: City of León (Spain) | |
Abdullah-Al-Nahid et al. | Additive linear modelling and genetic algorithm based electric vehicle outlook and policy formulation for decarbonizing the future transport sector of Bangladesh | |
Moglia et al. | Air quality as a game-changer: Pathways towards large-scale vehicle electrification in Australia | |
Limb | Optimization of Roadway Electrification Integrating Wireless Power Transfer: Techno-Economic Assessment and Lifecycle Analysis | |
Watabe et al. | Transitioning to battery electric vehicles in Japan: Impact of promotion policy, battery performance and carbon neutrality on greenhouse gas emissions reduction | |
Alexander et al. | Projected greenhouse gas emissions for plug-in electric vehicles | |
Stephens et al. | Vehicle technologies program government performance and results Act (GPRA) report for fiscal year 2015 | |
McConnell et al. | Should Hybrid Vehicles Be Subsidized? | |
Ramli et al. | Multi-stage Carbon Emission Pinch Analysis of an Integrated Power Generation and Electric Vehicle System. |
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 |