CN114359001B - 一种城市碳盘查智能管理系统及方法 - Google Patents
一种城市碳盘查智能管理系统及方法 Download PDFInfo
- Publication number
- CN114359001B CN114359001B CN202210274399.7A CN202210274399A CN114359001B CN 114359001 B CN114359001 B CN 114359001B CN 202210274399 A CN202210274399 A CN 202210274399A CN 114359001 B CN114359001 B CN 114359001B
- Authority
- CN
- China
- Prior art keywords
- data
- carbon emission
- real
- time
- sampling
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 234
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 232
- 238000000034 method Methods 0.000 title abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 138
- 238000012937 correction Methods 0.000 claims abstract description 94
- 238000004519 manufacturing process Methods 0.000 claims description 56
- 238000005265 energy consumption Methods 0.000 claims description 32
- 238000007726 management method Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract 2
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市碳盘查智能管理系统及方法，涉及城市碳盘查技术领域。IPCC模块根据目标城市的历史统计数据，计算碳排放密度；实时校正模块根据采样区域的采样数据和碳排放密度计算实时校正参数；实时碳排放量模块获取多个目标区域的实时统计数据，根据碳排放密度、实时校正参数和实时统计数据，计算各个目标区域的实时碳排放量；GIS城市模型展示各个目标区域的实时碳排放量。通过目标城市的历史统计数据计算碳排放密度，并采样数据对碳排放密度进行校正，进而可以根据目标区域的实时统计数据计算各个目标区域的实时碳排放，通过GIS城市模型可以直观的展现目标城市各个目标区域实时碳排放，为目标城市探索减碳路径提供依据。
Description
技术领域
本发明涉及城市碳盘查技术领域，具体涉及一种城市碳盘查智能管理系统及方法。
背景技术
随着全球气候变暖，极端气候频现，温室效应愈演愈烈，寻求一种高效且低碳的可持续经济发展方式已经成为当今世界经济发展的热点，温室气体减排已经形成共识。全球智慧城市的建设催生了基于物联网技术探索减碳路径，是全球低碳城市研究的重要方向。
现有技术中，基于IPCC（The Intergovernmental Panel on Climate Change，政府间气候变化专门委员会）提供的能源消耗碳排放计算方法，可以计算城市在一段长期时间内整体的碳排放量。但是基于IPCC的方法时效性差，无法对城市的碳排放进行实时监控，也无法对城市的一个区域的碳排放量进行统计。
发明内容
本发明的目的就在于解决上述背景技术的问题，而提出一种城市碳盘查智能管理系统及方法。
本发明的目的可以通过以下技术方案实现：
本发明实施例第一方面，提供了一种城市碳盘查智能管理系统，包括IPCC模块、实时校正模块、实时碳排放量模块和GIS城市模型；
其中:
所述IPCC模块，用于根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度；
所述实时校正模块，用于获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数；
所述实时碳排放量模块，用于获取所述目标城市的多个目标区域的实时统计数据，根据所述碳排放密度、所述实时校正参数和所述实时统计数据，计算各个目标区域的实时碳排放量；
所述GIS城市模型，用于展示所述目标城市的各个目标区域的实时碳排放量。
所述IPCC模块包括数据获取子模块、历史碳排量子模块和碳排放密度模块；所述碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量；
所述数据获取子模块，用于获取所述历史统计数据，所述历史统计数据包括能源消耗数据和城市统计数据；所述能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；所述城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据；
所述历史碳排量子模块，用于根据目标城市预设历史时间段内的所述能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算所述目标城市在预设历史时间段内的历史碳排量；
所述碳排放密度模块，用于根据所述历史碳排量和所述城市统计数据，得到所述人均碳排放量、所述单位面积碳排放量、所述单位GDP碳排放量和所述单位道路长度碳排放量。
该系统还包括物联网传感器网络；所述实时校正模块包括第一校正模块、第二校正模块和第三校正模块；所述采样区域包括生活采样区、生产采样区和交通道路采样区；所述实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数；
所述物联网传感器网络，用于获取所述目标城市中预设的所述生活采样区的生活采样数据、所述生产采样区的生产采样数据和所述交通道路采样区的道路采样数据；所述生活采样数据包括实时用电量、实时用热数据和手机信号数据；所述生产采样数据包括实时用电量、实时GDP和手机信号数据；所述道路采样数据包括实时交通拥堵数据；
所述第一校正模块，用于根据所述生活采样数据、所述人均碳排放量和所述单位面积碳排放量计算所述生活校正参数；
所述第二校正模块，用于根据所述生产采样区、所述单位GDP碳排放量、所述人均碳排放量和单位面积碳排放量计算所述生产校正参数；
所述第三校正模块，用于根据所述道路采样数据和所述单位道路长度碳排放量计算所述道路校正参数。
可选地，所述物联网传感器网络，还用于获取所述目标城市中多个目标区域的生活数据、生产数据和道路数据；所述生活数据包括实时用电量、实时用热数据和手机信号数据；所述生产数据包括实时用电量、实时GDP和手机信号数据；所述道路数据包括实时交通拥堵数据。
本发明实施例第二方面，还提供了一种城市碳盘查智能管理方法，所述方法包括:
根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度；
获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数；
获取所述目标城市的多个目标区域的实时统计数据，根据所述碳排放密度、所述实时校正参数和所述实时统计数据，计算各个目标区域的实时碳排放量；
在所述目标城市的GIS城市模型中更新各个目标区域的实时碳排放量。
所述历史统计数据包括能源消耗数据和城市统计数据；所述碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量；
根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度，包括：
根据目标城市预设历史时间段内的所述能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算所述目标城市在预设历史时间段内的历史碳排量；所述能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；
根据所述历史碳排量和所述城市统计数据，得到所述人均碳排放量、所述单位面积碳排放量、所述单位GDP碳排放量和所述单位道路长度碳排放量；所述城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据。
所述采样区域包括生活采样区、生产采样区和交通道路采样区；所述实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数；
获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数，包括：
获取所述目标城市中预设的所述生活采样区的生活采样数据，根据所述生活采样数据、所述人均碳排放量和所述单位面积碳排放量计算所述生活校正参数；所述生活采样数据包括实时用电量、实时用热数据和手机信号数据；
获取所述目标城市中预设的所述生产采样区的生产采样数据，根据所述生产采样区、所述单位GDP碳排放量、所述人均碳排放量和单位面积碳排放量计算所述生产校正参数；所述生产采样数据包括实时用电量、实时GDP和手机信号数据；
获取所述目标城市中预设的所述交通道路采样区的道路采样数据，根据所述道路采样数据和所述单位道路长度碳排放量计算所述道路校正参数；所述道路采样数据包括实时交通拥堵数据。
可选地，所述实时统计数据包括生活数据、生产数据和道路数据；所述生活数据包括实时用电量、实时用热数据和手机信号数据；所述生产数据包括实时用电量、实时GDP和手机信号数据；所述道路数据包括实时交通拥堵数据。
本发明实施例提供的一种城市碳盘查智能管理系统，包括IPCC模块、实时校正模块、实时碳排放量模块和GIS城市模型；IPCC模块，用于根据目标城市预设历史时间段内的历史统计数据，计算目标城市的碳排放密度；实时校正模块，用于获取目标城市中预设的采样区域的采样数据，根据采样数据和碳排放密度计算目标城市的实时校正参数；实时碳排放量模块，用于获取目标城市的多个目标区域的实时统计数据，根据碳排放密度、实时校正参数和实时统计数据，计算各个目标区域的实时碳排放量；GIS城市模型，用于展示目标城市的各个目标区域的实时碳排放量。通过目标城市的历史统计数据计算碳排放密度，并采样数据对碳排放密度进行校正，进而可以根据目标区域的实时统计数据计算各个目标区域的实时碳排放，通过GIS城市模型可以直观的展现目标城市各个目标区域实时碳排放，为目标城市探索减碳路径提供依据。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种城市碳盘查智能管理系统的系统框图。
图2为本发明实施例提供的一种城市碳盘查智能管理方法的流程图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供了一种城市碳盘查智能管理系统。参见图1，图1为本发明实施例提供的一种城市碳盘查智能管理系统的系统框图。该系统包括IPCC模块、实时校正模块、实时碳排放量模块和GIS城市模型；
其中:
IPCC模块，用于根据目标城市预设历史时间段内的历史统计数据，计算目标城市的碳排放密度；
实时校正模块，用于获取目标城市中预设的采样区域的采样数据，根据采样数据和碳排放密度计算目标城市的实时校正参数；
实时碳排放量模块，用于获取目标城市的多个目标区域的实时统计数据，根据碳排放密度、实时校正参数和实时统计数据，计算各个目标区域的实时碳排放量；
GIS城市模型，用于展示目标城市的各个目标区域的实时碳排放量。
基于本发明实施例提供的一种城市碳盘查智能管理系统，通过目标城市的历史统计数据计算碳排放密度，并采样数据对碳排放密度进行校正，进而可以根据目标区域的实时统计数据计算各个目标区域的实时碳排放，通过GIS城市模型可以直观的展现目标城市各个目标区域实时碳排放，为目标城市探索减碳路径提供依据。
在一个实施例中，IPCC模块包括数据获取子模块、历史碳排量子模块和碳排放密度模块；
数据获取子模块，用于获取历史统计数据，历史统计数据包括能源消耗数据和城市统计数据；能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据；
历史碳排量子模块，用于根据目标城市预设历史时间段内的能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算目标城市在预设历史时间段内的历史碳排量；
碳排放密度模块，用于根据历史碳排量和城市统计数据，得到人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量；碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量。
在一个实施例中该系统还包括物联网传感器网络；实时校正模块包括第一校正模块、第二校正模块和第三校正模块；采样区域包括生活采样区、生产采样区和交通道路采样区；实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数；
物联网传感器网络，用于获取目标城市中预设的生活采样区的生活采样数据、生产采样区的生产采样数据和交通道路采样区的道路采样数据；生活采样数据包括实时用电量、实时用热数据和手机信号数据；生产采样数据包括实时用电量、实时GDP和手机信号数据；道路采样数据包括实时交通拥堵数据；
第一校正模块，用于根据生活采样数据、人均碳排放量和单位面积碳排放量计算生活校正参数；
第二校正模块，用于根据生产采样区、单位GDP碳排放量、人均碳排放量和单位面积碳排放量计算生产校正参数；
第三校正模块，用于根据道路采样数据和单位道路长度碳排放量计算道路校正参数。
在一个实施例中，物联网传感器网络，还用于获取目标城市中多个目标区域的生活数据、生产数据和道路数据；生活数据包括实时用电量、实时用热数据和手机信号数据；生产数据包括实时用电量、实时GDP和手机信号数据；道路数据包括实时交通拥堵数据。
基于相同的发明构思，本发明实施例还提供了一种城市碳盘查智能管理方法。参见图2，图2为本发明实施例还提供的一种城市碳盘查智能管理方法的流程图，该方法可以包括以下步骤:
S201，根据目标城市预设历史时间段内的历史统计数据，计算目标城市的碳排放密度。
S202，获取目标城市中预设的采样区域的采样数据，根据采样数据和碳排放密度计算目标城市的实时校正参数。
S203，获取目标城市的多个目标区域的实时统计数据，根据碳排放密度、实时校正参数和实时统计数据，计算各个目标区域的实时碳排放量。
S204，在目标城市的GIS城市模型中更新各个目标区域的实时碳排放量。
基于本发明实施例提供的一种城市碳盘查智能管理方法，通过目标城市的历史统计数据计算碳排放密度，并采样数据对碳排放密度进行校正，进而可以根据目标区域的实时统计数据计算各个目标区域的实时碳排放，通过GIS城市模型可以直观的展现目标城市各个目标区域实时碳排放，为目标城市探索减碳路径提供依据。
一种实现方式中，预设历史时间段可以根据实际情况进行设置，为了便于统计可以以年为单位设置预设历史时间段。可以将目标城市的各个政府部门的年报作为历史统计数据，例如，通过供电部门的年报得到目标城市的年度用电量，通过民政部门的年报得到目标城市的人口数据，通过商务部门的年报得到目标城市的经济统计数据等等。
一种实现方式中，根据公式
可以计算目标区域的实时碳排放量，其中，
为碳排放密度，
实时统计数据，
为实时校正参数。
在一个实施例中，历史统计数据包括能源消耗数据和城市统计数据；碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量。
步骤S201，包括：
步骤一，根据目标城市预设历史时间段内的能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算目标城市在预设历史时间段内的历史碳排量。
步骤二，根据历史碳排量和城市统计数据，得到人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量。
能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；
城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据。
一种实现方式中，电力消耗数据可以为目标城市的用电量，热力消耗数据可以为目标城市的供热消耗量，化石能源消耗数据可以目标城市的石油和天然气的消耗量。城市人口数据可以为目标城市的常住人口数，城市建设数据可以为目标城市的总的建筑面积（包括居住面积和办公面积），城市经济数据可以为目标城市的第二产业和第三产业的GDP，城市道路数据可以为目标城市的交通道路的长度。
在一个实施例中，采样区域包括生活采样区、生产采样区和交通道路采样区，实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数。
步骤S202，包括：
步骤一，获取目标城市中预设的生活采样区的生活采样数据，根据生活采样数据、人均碳排放量和单位面积碳排放量计算生活校正参数。
步骤二，获取目标城市中预设的生产采样区的生产采样数据，根据生产采样区、单位GDP碳排放量、人均碳排放量和单位面积碳排放量计算生产校正参数。
步骤三，获取目标城市中预设的交通道路采样区的道路采样数据，根据道路采样数据和单位道路长度碳排放量计算道路校正参数。
生活采样数据包括实时用电量、实时用热数据和手机信号数据，生产采样数据包括实时用电量、实时GDP和手机信号数据，道路采样数据包括实时交通拥堵数据。
一种实现方式中，在目标城市中预设可以选取生活采样区、生产采样区、和道路采样数据。通过在各个采样区部署智能电表、智能热量表、摄像头等传感设备可以获取生活采样数据、生产采样数据和道路采样数据。通过在采样数据可以计算采样区部的实时碳排放量，并可以将手机信号数据作为实时人口数据，进而计算实时碳排放密度，即可根据碳排放密度和实时碳排放密度求得实时校正参数。通过实时校正参数对各个目标区域的碳排放密度进行校正，可以提高各个目标区域计算的实时碳排放量的精准度。
在一个实施例中，实时统计数据包括生活数据、生产数据和道路数据；生活数据包括实时用电量、实时用热数据和手机信号数据；生产数据包括实时用电量、实时GDP和手机信号数据；道路数据包括实时交通拥堵数据。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (4)
1.一种城市碳盘查智能管理系统，其特征在于，包括IPCC模块、实时校正模块、实时碳排放量模块和GIS城市模型；
其中:
所述IPCC模块，用于根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度；
所述实时校正模块，用于获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数；
所述实时碳排放量模块，用于获取所述目标城市的多个目标区域的实时统计数据，根据所述碳排放密度、所述实时校正参数和所述实时统计数据，计算各个目标区域的实时碳排放量；所述实时碳排放量
，其中，
为所述碳排放密度，
为所述实时统计数据，
为所述实时校正参数；
所述GIS城市模型，用于展示所述目标城市的各个目标区域的实时碳排放量；
所述IPCC模块包括数据获取子模块、历史碳排量子模块和碳排放密度模块；所述碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量；
所述数据获取子模块，用于获取所述历史统计数据，所述历史统计数据包括能源消耗数据和城市统计数据；所述能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；所述城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据；
所述历史碳排量子模块，用于根据目标城市预设历史时间段内的所述能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算所述目标城市在预设历史时间段内的历史碳排量；
所述碳排放密度模块，用于根据所述历史碳排量和所述城市统计数据，得到所述人均碳排放量、所述单位面积碳排放量、所述单位GDP碳排放量和所述单位道路长度碳排放量；
该系统还包括物联网传感器网络；所述实时校正模块包括第一校正模块、第二校正模块和第三校正模块；所述采样区域包括生活采样区、生产采样区和交通道路采样区；所述实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数；
所述物联网传感器网络，用于获取所述目标城市中预设的所述生活采样区的生活采样数据、所述生产采样区的生产采样数据和所述交通道路采样区的道路采样数据；所述生活采样数据包括实时用电量、实时用热数据和手机信号数据；所述生产采样数据包括实时用电量、实时GDP和手机信号数据；所述道路采样数据包括实时交通拥堵数据；
所述第一校正模块，用于根据所述生活采样数据、所述人均碳排放量和所述单位面积碳排放量计算所述生活校正参数；
所述第二校正模块，用于根据所述生产采样区、所述单位GDP碳排放量、所述人均碳排放量和单位面积碳排放量计算所述生产校正参数；
所述第三校正模块，用于根据所述道路采样数据和所述单位道路长度碳排放量计算所述道路校正参数。
2.根据权利要求1所述的一种城市碳盘查智能管理系统，其特征在于，所述物联网传感器网络，还用于获取所述目标城市中多个目标区域的生活数据、生产数据和道路数据；所述生活数据包括实时用电量、实时用热数据和手机信号数据；所述生产数据包括实时用电量、实时GDP和手机信号数据；所述道路数据包括实时交通拥堵数据。
3.一种城市碳盘查智能管理方法，其特征在于，所述方法包括:
根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度；
获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数；
获取所述目标城市的多个目标区域的实时统计数据，根据所述碳排放密度、所述实时校正参数和所述实时统计数据，计算各个目标区域的实时碳排放量；所述实时碳排放量
，其中，
为所述碳排放密度，
为所述实时统计数据，
为所述实时校正参数；
在所述目标城市的GIS城市模型中更新各个目标区域的实时碳排放量；
所述历史统计数据包括能源消耗数据和城市统计数据；所述碳排放密度包括人均碳排放量、单位面积碳排放量、单位GDP碳排放量和单位道路长度碳排放量；
根据目标城市预设历史时间段内的历史统计数据，计算所述目标城市的碳排放密度，包括：
根据目标城市预设历史时间段内的所述能源消耗数据，使用IPCC能源消耗碳排放计算方法，计算所述目标城市在预设历史时间段内的历史碳排量；所述能源消耗数据包括电力消耗数据、热力消耗数据、化石能源消耗数据；
根据所述历史碳排量和所述城市统计数据，得到所述人均碳排放量、所述单位面积碳排放量、所述单位GDP碳排放量和所述单位道路长度碳排放量；所述城市统计数据包括城市人口数据、城市建设数据、城市经济数据和城市道路数据；
所述采样区域包括生活采样区、生产采样区和交通道路采样区；所述实时校正参数包括生活校正参数、生产校正参数和交通道路校正参数；
获取所述目标城市中预设的采样区域的采样数据，根据所述采样数据和所述碳排放密度计算所述目标城市的实时校正参数，包括：
获取所述目标城市中预设的所述生活采样区的生活采样数据，根据所述生活采样数据、所述人均碳排放量和所述单位面积碳排放量计算所述生活校正参数；所述生活采样数据包括实时用电量、实时用热数据和手机信号数据；
获取所述目标城市中预设的所述生产采样区的生产采样数据，根据所述生产采样区、所述单位GDP碳排放量、所述人均碳排放量和单位面积碳排放量计算所述生产校正参数；所述生产采样数据包括实时用电量、实时GDP和手机信号数据；
获取所述目标城市中预设的所述交通道路采样区的道路采样数据，根据所述道路采样数据和所述单位道路长度碳排放量计算所述道路校正参数；所述道路采样数据包括实时交通拥堵数据。
4.根据权利要求3所述的一种城市碳盘查智能管理方法，其特征在于，所述实时统计数据包括生活数据、生产数据和道路数据；所述生活数据包括实时用电量、实时用热数据和手机信号数据；所述生产数据包括实时用电量、实时GDP和手机信号数据；所述道路数据包括实时交通拥堵数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274399.7A CN114359001B (zh) | 2022-03-21 | 2022-03-21 | 一种城市碳盘查智能管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274399.7A CN114359001B (zh) | 2022-03-21 | 2022-03-21 | 一种城市碳盘查智能管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114359001A CN114359001A (zh) | 2022-04-15 |
| CN114359001B true CN114359001B (zh) | 2022-06-07 |
Family
ID=81095063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210274399.7A Active CN114359001B (zh) | 2022-03-21 | 2022-03-21 | 一种城市碳盘查智能管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114359001B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114841007A (zh) * | 2022-05-17 | 2022-08-02 | 杨邦会 | 一种基于城市区域尺度的碳排放扩散影响分析方法 |
| CN115310875A (zh) * | 2022-10-11 | 2022-11-08 | 河北省沧州生态环境监测中心 | 一种城市碳中和数据处理系统及方法 |
| CN116628395B (zh) * | 2023-05-31 | 2024-03-01 | 重庆交通大学 | 一种基于城市地形特征的道路车辆碳排放测算方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090111083A (ko) * | 2008-04-21 | 2009-10-26 | 윤형식 | 탄소배출권 등록 관리시스템 및 방법 |
| CN102456166A (zh) * | 2010-11-02 | 2012-05-16 | 捷达世软件（深圳）有限公司 | 碳盘查管理系统及方法 |
| CN105825461A (zh) * | 2016-02-04 | 2016-08-03 | 厦门奥普拓自控科技有限公司 | 一种城市碳排放智能管理云平台 |
| CN106292590A (zh) * | 2016-08-19 | 2017-01-04 | 广东亚仿科技股份有限公司 | 一种电厂煤耗及碳排放监测方法及系统 |
| CN106650158A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种基于cfd及多数据源的城市实时全局环境估计方法 |
| CN107992947A (zh) * | 2017-11-13 | 2018-05-04 | 中国水利水电科学研究院 | 一种多气候模式输出结果集合修正方法 |
| CN109508849A (zh) * | 2018-08-17 | 2019-03-22 | 西安建筑科技大学 | 一种基于城市统计数据的城市碳排放影响因素分析方法 |
| CN109670785A (zh) * | 2018-12-07 | 2019-04-23 | 山东亚华低碳科技有限公司 | 一种碳盘查/碳核查管理系统及方法 |
| CN112114086A (zh) * | 2019-06-21 | 2020-12-22 | 苏州五蕴明泰科技有限公司 | 一种确定区域温室气体排放数据的方法和系统 |
| CN113516289A (zh) * | 2021-05-20 | 2021-10-19 | 北京中创碳投科技有限公司 | 一种二氧化碳排放量预测方法、装置、设备及介质 |
| 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 |
| CN113781167A (zh) * | 2021-09-07 | 2021-12-10 | 浙江中新电力工程建设有限公司 | 实现碳排放指标交易系统和方法 |
| CN113962468A (zh) * | 2021-10-29 | 2022-01-21 | 杭州青橄榄网络技术有限公司 | 基于用能监控统计能源消耗碳排放管理方法及系统 |
| CN114091978A (zh) * | 2021-12-06 | 2022-02-25 | 新加坡导航亚洲有限公司 | 碳排放量监测系统、方法、碳交易系统 |
| CN114169714A (zh) * | 2021-11-24 | 2022-03-11 | 上海市节能减排中心有限公司 | 区域碳排放核算方法、系统及计算机存储介质 |
-
2022
- 2022-03-21 CN CN202210274399.7A patent/CN114359001B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090111083A (ko) * | 2008-04-21 | 2009-10-26 | 윤형식 | 탄소배출권 등록 관리시스템 및 방법 |
| CN102456166A (zh) * | 2010-11-02 | 2012-05-16 | 捷达世软件（深圳）有限公司 | 碳盘查管理系统及方法 |
| CN105825461A (zh) * | 2016-02-04 | 2016-08-03 | 厦门奥普拓自控科技有限公司 | 一种城市碳排放智能管理云平台 |
| CN106292590A (zh) * | 2016-08-19 | 2017-01-04 | 广东亚仿科技股份有限公司 | 一种电厂煤耗及碳排放监测方法及系统 |
| CN106650158A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种基于cfd及多数据源的城市实时全局环境估计方法 |
| CN107992947A (zh) * | 2017-11-13 | 2018-05-04 | 中国水利水电科学研究院 | 一种多气候模式输出结果集合修正方法 |
| CN109508849A (zh) * | 2018-08-17 | 2019-03-22 | 西安建筑科技大学 | 一种基于城市统计数据的城市碳排放影响因素分析方法 |
| CN109670785A (zh) * | 2018-12-07 | 2019-04-23 | 山东亚华低碳科技有限公司 | 一种碳盘查/碳核查管理系统及方法 |
| CN112114086A (zh) * | 2019-06-21 | 2020-12-22 | 苏州五蕴明泰科技有限公司 | 一种确定区域温室气体排放数据的方法和系统 |
| CN113516289A (zh) * | 2021-05-20 | 2021-10-19 | 北京中创碳投科技有限公司 | 一种二氧化碳排放量预测方法、装置、设备及介质 |
| 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 |
| CN113781167A (zh) * | 2021-09-07 | 2021-12-10 | 浙江中新电力工程建设有限公司 | 实现碳排放指标交易系统和方法 |
| CN113962468A (zh) * | 2021-10-29 | 2022-01-21 | 杭州青橄榄网络技术有限公司 | 基于用能监控统计能源消耗碳排放管理方法及系统 |
| CN114169714A (zh) * | 2021-11-24 | 2022-03-11 | 上海市节能减排中心有限公司 | 区域碳排放核算方法、系统及计算机存储介质 |
| CN114091978A (zh) * | 2021-12-06 | 2022-02-25 | 新加坡导航亚洲有限公司 | 碳排放量监测系统、方法、碳交易系统 |
Non-Patent Citations (7)
| Title |
|---|
| Study on carbon emissions of primary energy consumption and low-carbon economic development strategies in Xinjiang;Li Zhang;《2011 International Conference on Electrical and Control Engineering》;20111024;1756-1759 * |
| 全球碳盘点卫星遥感监测方法、进展与挑战;刘良云;《遥感学报》;20220225;243-267 * |
| 区域能源碳排放系统开发及应用;黄蕊等;《地理科学》;20150415(第04期);427-432 * |
| 城市碳排放清单评估研究及案例分析;李芬等;《城市发展研究》;20130126(第01期);136-139+143 * |
| 沈阳市经济发展演变与碳排放效应研究;王莉雯等;《自然资源学报》;20140115(第01期);27-38 * |
| 碳盘查基本方法解析;陈轶星;《甘肃科技》;20120830(第16期);65-67 * |
| 辽宁省低碳经济发展水平评价;张福祥;《地域研究与开发》;20170810;141-146 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114359001A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114359001B (zh) | 一种城市碳盘查智能管理系统及方法 | |
| Paredes-Parra et al. | An alternative internet-of-things solution based on LOra for PV power plants: Data monitoring and management | |
| Wang et al. | Street centrality and land use intensity in Baton Rouge, Louisiana | |
| KR102121361B1 (ko) | 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 | |
| US20150363108A1 (en) | Space-time-node engine signal structure | |
| Mohajeri et al. | Evolution and entropy in the organization of urban street patterns | |
| EP2975538B1 (en) | Computer-implemented method and apparatus for determining relevance of a node in a network | |
| Xu et al. | A latency and coverage optimized data collection scheme for smart cities based on vehicular ad-hoc networks | |
| CN109361577A (zh) | 一种基于分布式传感器的数据监测方法和系统 | |
| Li et al. | An integrated design of sustainable land use and transportation system with uncertainty in future population | |
| Rui et al. | Network-constrained and category-based point pattern analysis for Suguo retail stores in Nanjing, China | |
| Wismans et al. | Improving a priori demand estimates transport models using mobile phone data: a Rotterdam-region case | |
| Xing et al. | Urban electric vehicle fast-charging demand forecasting model based on data-driven approach and human decision-making behavior | |
| US20180247526A1 (en) | Crowdsourced air quality monitoring system | |
| CN116626233A (zh) | 基于多源数据融合的大气污染溯源方法、终端及存储介质 | |
| KR102238123B1 (ko) | 비교분석을 이용한 공기질 데이터 통계 서비스 제공 시스템 | |
| CN111177289A (zh) | 众源网络数据空间相关信息提取校验方法与系统 | |
| Aasa et al. | Spatial interpolation of mobile positioning data for population statistics | |
| Xiang et al. | Flood Markup Language–A standards-based exchange language for flood risk communication | |
| CN108345662B (zh) | 一种考虑用户分布区域差异的签到微博数据加权统计方法 | |
| CN109982287A (zh) | 基于zigbee无线传感器网络的林业多传感器火警告警系统 | |
| Šoštarić et al. | Data-driven methodology for sustainable urban mobility assessment and improvement | |
| Mathew et al. | Air quality analysis and PM2. 5 modelling using machine learning techniques: A study of Hyderabad city in India | |
| Musznicki et al. | Modeling real-life urban sensor networks based on open data | |
| Zhu et al. | Glocal map-matching algorithm for high-frequency and large-scale GPS data |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent management system and method for urban carbon inventory Effective date of registration: 20221220 Granted publication date: 20220607 Pledgee: Agricultural Bank of China Limited Guangzhou Sanyuanli Sub-branch Pledgor: Guangdong Evan Low Carbon Technology Co.,Ltd. Registration number: Y2022980028103 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20220607 Pledgee: Agricultural Bank of China Limited Guangzhou Sanyuanli Sub-branch Pledgor: Guangdong Evan Low Carbon Technology Co.,Ltd. Registration number: Y2022980028103 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent management system and method for urban carbon inventory Granted publication date: 20220607 Pledgee: Agricultural Bank of China Limited Guangzhou Sanyuanli Sub-branch Pledgor: Guangdong Evan Low Carbon Technology Co.,Ltd. Registration number: Y2024980003780 |