CN114663265A - 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 - Google Patents
基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 Download PDFInfo
- Publication number
- CN114663265A CN114663265A CN202210325859.4A CN202210325859A CN114663265A CN 114663265 A CN114663265 A CN 114663265A CN 202210325859 A CN202210325859 A CN 202210325859A CN 114663265 A CN114663265 A CN 114663265A
- Authority
- CN
- China
- Prior art keywords
- building
- carbon emission
- data
- energy
- bplc
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 268
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 268
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005265 energy consumption Methods 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 54
- 239000004566 building material Substances 0.000 claims description 47
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 239000000203 mixture Substances 0.000 claims description 22
- 238000009435 building construction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- 239000001257 hydrogen Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000002759 z-score normalization Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000009191 jumping Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000004088 simulation Methods 0.000 abstract description 11
- 238000013461 design Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 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
- 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
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于EM‑MFA算法的建筑综合能源系统碳排放监测方法与装置，建立了统一的数据采集、传输网络，设立建筑碳排放大数据存储中心来存储经过MFA和z‑score算法数据预处理后的建筑能耗与碳排放数据，基于建筑碳排放的功能实现模块与大数据存储中心结合，实现建筑实时能耗监测、碳排放监测、设备故障检测与定位、建筑全生命周期碳排放设计仿真等功能，同时为建筑能耗预测、运行控制等其它技术实现提供数据支撑。
Description
技术领域
本发明属于建筑能耗分析技术领域，具体涉及一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法与装置。
背景技术
随着碳达峰、碳中和战略目标的提出，建筑领域的能耗分析和节能减排的重要性和迫切性日益凸显。《中国建筑能耗与碳排放研究报告(2021)》指出，2019年全国建筑全过程能耗总量为22.33亿吨标准煤。2019年全国建筑全过程碳排放总量为49.97亿吨二氧化碳，占全国碳排放的比重为49.97％。因此，提出一套完整的建筑综合能源系统的碳排放监测方法和装置，既是实现建筑能源系统优化调度、节能减排的首要一步。
建筑综合能源系统的碳排放监测方法和装置的核心部分在于针对建筑的综合能源系统实行全生命周期碳排放监测，并建立完整的建筑碳排放数据采集、传输和储存装置，实现建筑实时能耗监测、碳排放监测、设备故障检测与定位、建筑全生命周期碳排放的设计仿真的功能，同时，为建筑能耗预测、运行控制等其它工作提供数据支撑。
现有的建筑全生命周期分析方法是将建筑生命周期划分成为建材生产和运输、建筑建造、建筑运行和建筑拆除四个阶段的系统，针对不同的建筑生命阶段，采取不同的分析策略，最终得出全生命周期分析。
现有的建筑运行阶段能耗分析方法，将建筑消耗终端能源类型分为电力、燃气、石油、市政热力和可再生能源，将建筑用能系统分类为暖通空调、生活热水、照明及电梯等多种能源消耗子系统，综合不同系统不同能源形式的能耗因子，进一步得到建筑运行阶段的碳排放分析。
现有的建筑能耗数据传输存储方法，包括有线通信和无线通信两种。其中有线通信主要为工业现场总线技术，通过工业数据总线与智能化仪表、控制设备等现场设备进行数字通信，需要另外布置专用通信线路，花费昂贵线缆成本；无线通信技术主要为微功率无线通信技术和蜂窝无线通信技术，具有组网复杂程度高、需要进行复杂的无线覆盖勘测、基站选址和覆盖仿真设计、不适用于密集楼宇、地下室等无线信号覆盖较差的特殊建筑场景等特点。
目前在建筑综合能源系统的碳排放监测领域尚存在如下问题：
建筑能源系统仅考虑传统不可再生能源系统，未考虑包含氢能、风能、太阳能在内的清洁能源系统，或将多种清洁能源笼统归为可再生能源一类进行简单讨论。同时，建筑能耗分析时只停留在不同类型的能源系统能耗分析，没有统一单位并转换成碳排放量，不能满足碳达峰、碳中和时代背景下的建筑综合能源系统碳排放分析需求。
现有的建筑能耗数据的采集传输网络存在抗干扰性差、能耗数据易丢失、组网过程复杂、组网成本高昂等问题。建筑能源消耗数据时常会因网络波动或传感器失灵等问题而发生丢失。
现有的建筑综合能源系统的碳排放监测方法及装置功能较为单一，缺少一套完整的建筑全生命周期的碳排放数据的计算、采集、传输和存储的方法及装置，同时无法实现建筑综合能源系统的实时能耗监测、故障诊断定位与建筑全生命周期碳排放仿真等功能，也无法为建筑能耗预测、运行优化等技术提供数据支撑。
发明内容
本发明提供了一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法与装置，将不同类型的能源系统能耗统一转换成碳排放量，满足碳达峰、碳中和时代背景下的建筑综合能源系统碳排放分析需求。
为达到上述目的，本发明所述一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，包括以下步骤：
S1、计算建材生产及运输阶段、建筑建造阶段、建筑运行阶段和建筑拆除阶段的全生命周期碳排放原始数据；
S2、对全生命周期碳排放原始数据进行预处理，补齐缺失的数据项，得到碳排放数据；
S3、存储碳排放数据；
S4、基于碳排放数据、建筑设备数据、建筑天气数据和建筑碳排放数据，实现建筑能耗、碳排放实时监测。
进一步的，步骤S1包括以下步骤：
S1.1、根据生产的建筑建材的种类和数量计算建材生产时的碳排放量，根据运输建材时的交通工具类型和运输距离计算建材运输时的碳排放量，二者之和为建筑建材生产和运输阶段的总碳排放量；
S1.2、根据建筑建造阶段不同机械种类和工作时间计算建筑建造阶段的总碳排放量；
S1.3、根据供应侧的不同能源形式、需求侧的不同建筑内耗能场景和能耗设备工作状态，计算建筑内各典型用能场景下的能耗与碳排放量，根据建筑内各典型用能场景下的能耗与碳排放量计算建筑运行阶段的总碳排放量；
S1.4、根据不同机械种类和工作时间作为影响碳排放量，计算建筑拆除阶段的总碳排放量；
S1.5、将建筑建材生产和运输阶段的总碳排放量、建筑建造阶段的总碳排放量、建筑运行阶段的总碳排放量和建筑拆除阶段的总碳排放量线性相加，得到建筑全生命周期下的碳排放总量。
进一步的，S1.3中，建筑运行阶段的建筑总碳排放量C3计算公式为：
Ei,c＝Eh+ESa+Epv+Ewt+Ee
其中，Ei为第i种建筑内能源系统消耗的能源，bi为第i种能源系统的碳排放因子，Ca为建筑碳汇系统吸收的二氧化碳含量，T为建筑运行时间，Ei,p表示使用第i种能源的建筑内第p种用能系统消耗的能源，Ei,e表示第i种能源系统中使用的清洁能源数量，Eh表示消耗的氢能，Esa表示太阳能热水系统的供能，Epv表示光伏系统的发电量，Ewt表示风力发电机组的发电量，Ee表示地源热泵的发热量。
进一步的，S2中，预处理包括标准化和数据补齐，所述标准化算法为z-score标准化算法。
进一步的，S2中，数据补齐包括以下步骤：
S2.1、初始化混合高斯模型参数；
S2.2、根据采集到的全生命周期碳排放原始数据计算E步的期望，根据混合高斯模型参数，求每个样本来自混合高斯模型中每个子模型的期望；
S2.3、计算最大步，根据期望步的期望，更新混合高斯模型参数；
S2.4、判断混合高斯模型参数是否收敛：
若收敛，执行S2.5；否则跳转至S2.2；
S2.5、基于得到的混合高斯模型，使用混合因子分析填补缺失项数据；
S2.6、得到缺失项填补完成的数据。
一种基于EM-MFA算法的建筑综合能源系统碳排放监测装置，包括建筑碳排放底层数据采集装置、建筑碳排放大数据存储中心和基于建筑碳排放的功能实现模块；
所述建筑底层数据采集装置用于采集建筑全生命周期的碳排放原始数据；建筑碳排放大数据存储中心用于处理和存储建筑天气数据、建筑设备数据、建筑碳排放因子以及建筑全生命周期碳排放数据；基于建筑碳排放的功能实现模块通过调用建筑碳排放大数据存储中心中存储的数据，实现建筑能耗、碳排放可视化实时监测、设备定位与故障检测功能；
所述建筑碳排放底层数据采集装置的输出端与建筑碳排放大数据存储中心连接，建筑碳排放大数据存储中心的输出端与基于建筑碳排放的功能实现模块的输入端连接。
进一步的，建筑碳排放底层数据采集装置包括传感器、BPLC尾部通信模块和BPLC头部通信模块；
所述传感器的信号输出端与BPLC尾部通信模块的输入端连接，所述BPLC尾部通信模块的输出端与BPLC头部通信模块的输入端连接，BPLC头部通信模块的输出端与建筑碳排放大数据存储中心连接。
进一步的，BPLC头部通信模块向BPLC尾部通信模块发送指令、接收BPLC尾部通信模块数据并将接收到的数据发送至大数据存储中心，BPLC头部通信模块通过轮询的方式，将指令包装成报文格式发送到相应地址的BPLC尾部通信模块，并获取BPLC尾部通信模块返回的数据信息，轮询结束后将所有采集的数据信息发送到大数据存储中心；并定期发送轮询指令，查询每个BPLC尾部通信模块的工作状态，若检测到BPLC尾部通信模块工作异常，则通过异常之前上传的报文找到工作异常BPLC尾部通信模块的具体位置，进行故障定位。
与现有技术相比，本发明至少具有以下有益的技术效果：
本发明提出了一种建筑综合能源系统的碳排放监测方法，建筑主要碳排放阶段——建筑运行阶段，针对供应侧，除传统以燃气、石油为主的能源系统基础上，还包括氢能、太阳能、风能等清洁能源系统的耗能计算，相较于传统能耗分析时不考虑清洁能源，可有效分析不同能源系统，尤其是不同清洁能源系统对建筑运行阶段碳排放的影响；针对需求侧，面向包括暖通空调、照明及电梯系统、生活热水系统在内的不同建筑用能系统类型，建立统一的碳排放因子库，通过BPLC技术实时采集建筑各类能耗数据，并进行储存。
本发明在全生命周期碳排放测算基础上，建立统一的数据采集、传输网络，设立建筑碳排放大数据存储中心来存储经过数据预处理后的建筑能耗与碳排放数据，将建筑各阶段的碳排放数据分类计算，并汇总，得到实时的整个全生命周期碳排放数据，实现建筑实时能耗监测、碳排放监测、建筑全生命周期碳排放等功能，同时为建筑能耗预测、运行控制等其它技术实现提供数据支撑。
进一步的，本发明的建筑传感器通信网络，使用基于BPLC的电力线通信技术，通信数据与电源同缆，不需额外部署通信线路，插入电网即可通信，在降低组网难度和成本的同时，具有通信时延小、数据传输不受地理环境限制等优点，利用BPLC头部通信模块向BPLC尾部通信模块轮询的工作方式，可设备故障检测与定位。
进一步的，本发明在使用z-score算法对数据进行标准化，使用MFA算法进行数据缺失项填补，可有效解决目前由于传感器故障、网络波动和其它环境原因造成的建筑能耗数据和碳排放数据缺失与数据格式不统一的问题。
附图说明
图1是本发明针对建筑综合能源系统的碳排放监测的整体结构示意图；
图2是本发明的BPLC传感器网络原理图；
图3是本发明的建筑碳排放大数据中心的数据预处理算法流程图；
图4是基于本发明实现的建筑能耗在线监测平台；
图5是基于本发明实现的建筑全生命周期碳排放测算平台；
图6是基于本发明实现的建筑各类设备碳排放监测平台界面一；
图7是基于本发明实现的建筑各类设备碳排放监测平台界面二。
具体实施方式
为了使本发明的目的和技术方案更加清晰和便于理解。以下结合附图和实施例，对本发明进行进一步的详细说明，此处所描述的具体实施例仅用于解释本发明，并非用于限定本发明。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，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。
本发明将建筑生命周期划分成建材生产和运输、建筑施工、建筑运行、建筑物拆除四个阶段进行全面碳排放监测。在建筑碳排放监测的全生命周期基础之上，构建完整的数据采集、传输和存储网络。其中，建筑的建材生产阶段、建筑施工阶段的能耗数据通过手工输入；建筑运行阶段的能耗数据通过BPLC技术进行采集传输与储存；建筑拆除阶段的能耗数据通过仿真得出。全生命周期的数据传送到大数据存储中心储存。大数据存储中心首先将接收到的数据进行统一的数据预处理，通过z-score标准化方法和混合因子分析(MFA，mixture factor analysis)方法对数据进行标准化和缺失项补齐处理。在此基础上，功能实现模块调用数据中心数据，实现多项建筑碳排放相关功能。
实施例1
参照图1和图2，本发明的实施例由全生命周期碳排放测算、基于EM-MFA与z-score算法的数据预处理算法、建筑碳排放大数据存储中心(简称大数据存储中心)和基于大数据存储中心的功能实现四个部分组成。
建筑综合能源系统碳排放监测装置包括：建筑碳排放底层数据采集装置、建筑碳排放大数据存储中心和基于建筑碳排放的功能实现模块(以下简称功能实现模块)。其中，建筑底层数据采集装置负责采集建筑全生命周期的碳排放原始数据；建筑碳排放大数据存储中心负责处理和存储包含建筑天气数据、建筑设备数据、建筑碳排放因子以及经过z-score+EM-MFA算法预处理过后的建筑全生命周期碳排放数据等与建筑碳排放相关的所有数据；基于建筑碳排放的功能实现模块通过调用数据中心数据，实现多项建筑碳排放相关功能。
建筑碳排放底层数据采集装置的输出端与建筑碳排放大数据存储中心连接，建筑碳排放大数据存储中心的输出端与基于建筑碳排放的功能实现模块的输入端连接。
本发明将建筑综合能源系统的全生命周期分解为建材生产阶段、建筑建造阶段、建筑运行阶段和建筑拆除阶段四个阶段，面向四个阶段的不同碳排放特征做个性化监测，最终得出建筑全生命周期的碳排放监测报告。
本发明的建筑碳排放大数据存储中心可以划分成碳排放因子数据库、建筑设备数据库、建筑碳排放数据库、建筑天气数据库和其他数据库。其中，碳排放因子库存放有各类用于计算碳排放原始数据的碳排放因子；建筑设备数据库存放有建筑内各设备的运行状态、运行时长、设备地址、功率、使用能源类型等数据；建筑碳排放数据库用于存放建筑全生命周期碳排放数据、实时碳排放数据以及典型日碳排放数据；建筑天气数据库存放建筑典型日天气、建筑历史两周内天气以及未来一周的预测天气数据。其它数据库指面向不同建筑使用本套碳排放监测方法和装置时，如若需要实现其它功能，而预留的空白数据库。
本发明将基于大数据存储中心的功能实现分成了建筑能耗与碳排放可视化实时监测、设备定位与故障诊断、建筑全生命周期碳排放仿真、为其它碳排放研究工作提供数据支撑等多个部分。
参照图2，在建筑运行阶段的提取传输和存储建筑内部能耗信息的建筑碳排放底层数据采集装置为传感器网络，主要包括传感器、BPLC尾部通信模块(以下简称下位机模块)和BPLC头部通信模块(以下简称上位机模块)，传感器负责采集楼宇内各场景下二氧化碳、温度、电耗等数据信息，BPLC下位机模块负责将采集到的数据按照协议包装成报文再通过楼宇电网传输到BPLC上位机模块，BPLC上位机模块负责定时轮询管理的所有下位机模块，向其发送数据上报指令，并将的所有下位机模块的同一批次报文传送到大数据存储中心，大数据存储中心将收到的原始数据进行数据预处理后存储。
传感器和BPLC下位机模块连接，BPLC下位机模块和BPLC上位机模块连接，BPLC上位机模块和大数据存储中心连接。传感器包括二氧化碳采集器、温度传感器、电耗采集器、容量传感器、压强传感器、电压传感器、电流传感器、流量传感器、光照强度传感器、风向传感器、风速传感器等，其中二氧化碳采集器布置在建筑碳汇系统中，用以监测二氧化碳吸收量；储氢罐布置容量传感器、压强传感器、温度传感器和流量传感器，用以监测建筑消耗的氢能；太阳能热水系统的供能通过温度传感器获得；光伏系统布置电压传感器、电流传感器和光照强度传感器，用以监测光伏系统的发电量；风光发电机组布置电压传感器、电流传感器、风向和风速传感器，用以监测风电发电量；地源热泵布置温度传感器和流量传感器，用以计算地源热泵的发热量；电耗采集器布置在用电设备上，用以监测用电设备的耗能量。
BPLC(BuildingPowerLineCommunication)是一种面向楼宇的利用电力线通信的技术，通过将电网作为楼宇内的数据采集传输网络，一方面保证了数据传输的稳定性和便捷性，一方面避免了因单独建设数据传输网络而带来的高昂成本。
针对不同的典型建筑能耗场景，安装包括但不限于可以读取建筑冷源能耗、热源能耗、输配系统及末端空气处理设备能耗、照明及电梯能耗、生活热水能耗、太阳能生活热水系统制热量、光伏系统发电量、地源热泵系统制热量、风力发电系统发电量等数据在内的多种传感器，为计算建筑运行阶段的各典型用能场景下的碳排放量和用能分析提供数据支撑。传感器与BPLC下位机模块之间采用数据线进行数据传输，传感器每隔一定时间采集数据传到下位机进行暂时存储，采集数据间隔时间可以设置为5分钟、10分钟、15分钟等。
多个BPLC下位机模块负责接收对应的传感器模块实时采集的建筑能耗数据，在BPLC上位机模块发送请求时进行数据传输。下位机与上位机之间的数据传输为基于楼宇电力网络的BPLC技术，通过STM32系列单片机将需要传输的数据调制成高频信号在建筑电网上进行传输，在保证通信稳定的同时，节省了传统有线通信必须安装的专门通信信道的费用。
BPLC上位机负责向下位机发送指令、接收下位机数据和向大数据存储中心发送数据。上位机通过轮询的方式，将指令包装成报文格式发送到相应地址的下位机，并获取下位机返回的数据信息，轮询结束后将所有采集的数据信息发送到大数据存储中心。另外定期发送轮询指令，查询每个下位机的工作状态，若检测到下位机工作异常，则可通过异常之前上传的报文迅速找到工作异常下位机的具体位置，实现故障检测。
实施例2
一种建筑综合能源系统碳排放监测方法包括以下步骤：
S1、计算建筑包含建材生产及运输阶段、建筑建造阶段、建筑运行阶段和建筑拆除阶段的全生命周期碳排放原始数据。
S2、对采集的原始数据在大数据存储中心进行基于Z-score和EM-MFA算法数据补齐预处理，补齐因网络波动、设备故障等问题造成缺失的数据项。
S3、将补齐后的数据存储到大数据存储中心。
S4、基于大数据存储中心的建筑设备数据库、建筑天气数据库、建筑碳排放数据库及其他数据库，与功能实现模块结合，实现建筑能耗、碳排放可视化实时监测、设备定位与故障检测、全生命周期碳排放仿真等功能。
其中，步骤S1，建筑全生命周期碳排放原始数据包括建材生产和运输阶段碳排放量、建筑建造阶段碳排放量、建筑运行阶段碳排放量、建筑拆除阶段碳排放量，建筑全生命周期碳排放原始数据的详细计算方法具体包括如下步骤：
S1.1、计算建材生产和运输阶段的碳排放量C1，以生产的建筑建材的种类和数量作为影响建材生产时的碳排放量主要因素，以运输建材时的交通工具类型和运输距离作为影响建材运输时的碳排放量的主要因素，综合二者得出建筑建材生产和运输阶段的总碳排放量；
S1.2、计算建筑建造阶段的总碳排放量C2，此阶段的碳排放量以不同机械种类和工作时间作为影响碳排放量的主要因素；
S1.3、计算建筑运行阶段的总碳排放量C3，以供应侧的不同能源形式和需求侧的不同建筑内耗能场景和能耗设备的耗能量为主要因素，计算得出建筑内各典型用能场景下的能耗与碳排放量；
S1.4、计算建筑拆除阶段的总碳排放量C4，与建筑建造阶段类似，此阶段以不同机械种类和工作时间作为影响碳排放量的主要因素，与建造阶段不同点在于使用的机械种类；
S1.5、计算建筑全生命周期下的碳排放总量Qo，Qo等于四个阶段的线性相加，即数学表达式为：Q0＝Q1+Q2+Q3+Q4。
其中，S1.1建筑建材生产和运输阶段的碳排放量计算过程，具体包括以下步骤：
S101、构建建筑建材生产阶段碳排放量计算模型，假设同类型建筑材料在生产过程中生产单位重量时所产生的碳排放量相同，建筑建材生产阶段的碳排放量数学模型为：
其中，Cp为建筑建材生产阶段的总碳排放量，i表示建材种类，m为建筑建材的种类总数，单位为kgCO2e，Mi为第i种建筑建材的生产量，单位为kg，ai为第i种建筑建材对应的碳排放因子，单位为kgCO2e/kg。当建筑建材为废弃回收材料时，若无对应的碳排放因子，则取其替代的初生材料的碳排放量的50％作为碳排放量。
S102、构建建筑建材运输阶段的计算模型，假设相同类型的运输工具运送同一种材料时每单位重量的材料运送单位距离的碳排放量相同，则有建材运输阶段的数学模型：
其中，Ct为建材运输阶段的总碳排放量，单位为kgCO2e，i表示建材种类，j表示运输工具种类，m为建材种类的总数，n为运输工具种类的总数，Mj为第i种建筑建材使用第j种运输工具的运输重量，单位为kg，Dj为第i种建材使用第j种运输工具的运输距离，单位为km，ai,j为第i种建筑建材使用第j种运输工具运输单位重量单位距离时的碳排放因子，单位为kgCO2e/kg·km。
S103、计算建筑建材生产和运输阶段的总碳排放量C1，其数学模型为：
C1＝Cp+Ct
其中，Cp为建筑建材生产阶段的总碳排放量，Ct为建材运输阶段的总碳排放量。
S1.2建筑建造阶段的碳排放总量计算具体包括以下步骤：
201、计算建筑过程中每一种施工机械的能耗量，其数学模型为：
Ei,j＝QjTjRj
其中，Ei,j表示第j种机械在建筑建造全过程中所消耗的第i种能量，单位为kWh或kg，Qj表第j种机械的工程总量，Tj表示施工机械台班消耗量，单位为台班，Rj表示第j种机械的单位台班能源用量，单位为kWh/台班·单位工程量。
202、计算整体建筑项目建造过程中的总碳排放量C2，其数学模型为：
其中，C2单位为kgCO2e，ai表示第i种能量的碳排放因子，单位为kgCO2e/kg或kgCO2e/kWh。
S1.3中，建筑运行阶段的建筑总碳排放量C3计算数学模型如下所示：
Ei,c＝Eh+ESa+Epv+Ewt+Ee
其中，C3表示建筑运行阶段的建筑总碳排放量，单位为kgCO2e，Ei为第i种建筑内能源系统消耗的能源，单位为kWh或kg，bi为第i种能源系统的碳排放因子，单位为kgCO2e/kg或kgCO2e/kWh，Ca为建筑碳汇系统吸收的二氧化碳含量，单位为kgCO2e，T为建筑运行时间，如无专门规定，默认为六十年，Ei,p表示使用第i种能源的建筑内第p种用能系统消耗的能源，Ei,e表示第i种能源系统中使用的清洁能源数量，其中Eh表示消耗的氢能，Esa表示太阳能热水系统的供能，Epv表示光伏系统的发电量，Ewt表示风力发电机组的发电量，Ee表示地源热泵的发热量，单位均为kWh。
S1.4中，建筑拆除阶段的碳排放量的计算数学模型如下所示：
其中，C4表示建筑拆除阶段的总碳排放量，Ei表示第i种能源，Qi,j表示第j个拆除项目的工程量，fi,j表示第j个拆除项目的每计量单位的能耗系数，单位为kWh/工程量计量单位或kg/工程量计量单位，Tj,i表示第j个项目使用第i种施工机械的台班消耗量，Ri表示第i种施工机械单位台班的能源用量。
考虑到现实场景下建筑碳排放监测的需求，在建筑全生命周期的碳排放计算中，建材生产及运输阶段与建筑建造阶段的碳排放数据通过人工计算输入，建筑运行阶段的碳排放数据通过BPLC传感器网络自动采集输入，建筑拆除阶段的碳排放数据通过基于建筑碳排放大数据存储中心和数字孪生技术，在建筑拆除之前仿真计算得出并输入。
输入到大数据存储中心的建筑四个阶段原始碳排放数据，在经过z-score算法标准化与EM-MFA算法数据缺失项补齐的预处理后进行存储。功能实现模块与大数据存储中心结合，通过提取大数据存储中心的数据，实现建筑的能耗与碳排放全生命周期监测与运行阶段实时监测、设备定位与故障检测、建筑全生命周期碳排放仿真等功能。
本发明通过读取建筑建造信息与大数据存储中心的实时和历史碳排放与能耗数据，结合建筑方提供的建筑地理信息模型或图纸和PBLC传输的实时与历史报文，实现包括供暖空调、电梯、照明、生活热水等典型场景在内的建筑各场景能耗与碳排放监测、建筑内各类能耗设备的实时监测、建筑综合能源系统的用能分析与工作状态异常设备的定位功能。
其中，建筑各场景能耗通过PBLC的传感器获得，碳排放量通过能耗与其对应的碳排放因子相乘获得。各类能耗设备实时监测的参数包括耗电量、运行温度、清洁能源消耗量等参数，分别通过电耗采集器、温度传感器和上述各类清洁能源对应传感器获得，同时也可以通过建筑的电力账单和天然气账单，获得耗电量与天然气消耗量参数。用能分析包括能源系统的典型日、周、月、季度的耗电分析、耗热分析、耗冷分析、可再生能源供给消耗量分析与碳排放量分析等。
进一步的，上位机模块每隔5分钟向所有下位机模块轮询发送数据上报指令，传感器网络各个下位机模块接到指令后发送含设备用能情况、设备地址、设备碳排放量等信息的报文至上位机模块并由上位机模块转发至大数据存储中心。大数据存储中心根据报文内设备地址确定用能场景，再根据报文内的用能情况和碳排放数据实现碳排放实时监测、用能分析等功能；上位机模块每30分钟以轮询方式向传感器网络下位机模块发送状态查询指令，下位机模块向上位机模块返回含有当前设备的MAC地址和工作状态信息的报文，若上位机模块连续2次未收到下位机模块传递的报文，则认定设备故障，并根据之前的报文，定位到故障设备的地址，实现工作状态异常设备定位功能。
进一步的，本装置通过调用大数据存储中心的建筑全生命周期数据，在全生命周期各阶段的历史数据基础上，结合建筑方提供的建筑地理信息模型或图纸，将建筑全生命周期各阶段的历史数据输入到本套装置中，实现建筑各典型场景下的全生命周期碳排放仿真模型，建筑研发人员在建筑设计阶段即可通过仿真模型来测算建筑全生命周期下的碳排放量，并得出建筑运行阶段的各类能耗设备的具体工作情况仿真，相较于传统的测算方法，具有低成本、高效率、高准确率的优势。
参照图3，采集到的数据在存储进建筑碳排放大数据存储中心之前，需要在大数据存储中心先进行数据预处理，数据预处理包括标准化算法和数据补齐算法。
其中，标准化算法为z-score标准化算法，z-score标准化算法计算原始数据的均值和标准差，其目的是将数据按比例缩放，使之落入均值为0，标准差为1的特殊区间，主要步骤为计算原始数据均值、计算原始数据标准差、对原始数据进行标准化转换。标准化转换完成的数据，进行下一步数据补齐。
其中原始数据均值μ公式为：
原始数据标准差σ的公式为：
z-score标准化转换公式：
其中，xi为每个原始数据，N为原始数据总个数，x为所有原始数据，z为转换完成后的数据。
数据补齐算法为基于期望最大化(EM)算法的混合因子分析(MFA)算法。现实场景下，由于传感器故障、网络不稳定等环境原因，建筑碳排放负荷数据往往存在数据缺失等质量问题。即使在高度先进的系统中，也存在着由于局域网络不稳定或计算机运行速度减慢导致的中断电表和数据库的同步传输数据丢失的问题。建筑能耗与碳排放数据呈现出周期性变换趋势，如办公建筑运行阶段呈现出每周七天为一个周期的能耗与碳排放规律，现有的大多数据插补方法为顺序输入插补法，当数据缺失项较长，需要较多的先验知识来进行数据填补时，会造成累计误差，而基于EM-MFA算法的根据缺失数据的附近观测数据的分布来推断缺失项数据，将缺失数据作为整体进行输入，因此不会造成错误累计误差。
假定建筑的碳排放数据服从含K个隐变量的多元高斯分布，若一段时间内的建筑碳排放数据存在缺失，则需通过已有样本进行极大似然估计，得出建筑碳排放数据的多元高斯分布模型，再估计出缺失段的能耗数据。假定建筑内传感器每间隔t时间采取信息，由于采取的样本数量不能远远大于样本特征量，无法通过迭代较好拟合模型参数，故需要对样本进行特征降维处理。因此引入混合因子分析(MFA)算法，假定原模型为局部线性，整体的模型可由局部模型加权得到，即建筑整体的碳排放数据分布可看作是多个局部线性模型拟合得到的非线性模型。又因模型含有K个隐变量，无法直接通过极大似然函数求偏导得出混合高斯模型参数，所以引入EM算法迭代求出混合高斯模型参数。
基于EM-MFA算法的建筑能耗数据补全算法的主要步骤为：
1)初始化混合高斯模型参数；
2)根据采集到的原始数据计算E步的期望(E-step)，根据混合高斯模型参数，求每个样本来自混合高斯模型中每个子模型的期望；
3)计算M-step，根据E步的期望，计算更新新一轮的混合高斯模型参数；
4)判断混合高斯模型参数是否收敛，如果是，到步骤5)，否则到步骤2)；
5)基于得到的混合高斯模型，使用MFA填补缺失项数据；
6)停止，得到缺失项填补完成的数据。
步骤2)的求期望的J(θ)函数为：
其中：
πk≥0,k∈{1,2,3,...,K}
L(θ)为极大似然函数，M为样本个数，K为混合高斯模型中子模型的个数，Zk,m为MFA隐变量，其为1表示第m个样本ym由第k个子模型生成，否则为0。E[Zk,m]为其期望，xk,m为第m个样本中对应第k个子模型的隐变量，E[xk,m]为其期望，两个期望均为计算目标函数J(θ)期望的中间变量，λ为无符号拉格朗日乘子，
为上一轮M-step的参数估计，
为第m个样本中可观测到的输入数据，Lm表示ym的置换操作矩阵，由Lm,o与Lm,u组成，ym与Lm,o、Lm,u相乘得出
xk,m为第m个样本中对应第k个子模型的隐变量，∑为协方差矩阵。
步骤3为M步，此步希望解出步骤2中J(θ)的最大化期望时的参数取值，当参数偏导数为零时的参数更新公式为：
其中，
为混合高斯模型中的参数，分别代表Zk,m＝1时的概率、变换系数、均值和方差，为求解步骤2)中J(θ)函数期望时的中间变量，δm,h为01变量，当ym,h为可观测时取1，否则取0。
步骤5中基于MFA算法的缺失项补足的公式为：
其中，
为在
前提下可获得Zk,m的概率，Zk,m为MFA隐变量，其为1表示第m个样本ym由第k个子模型生成，否则为0。
表示第m个样本中可观测到的数据，
表示第m个样本中不可观测到的数据，πk为Zk,m＝1时候的概率。
通过计算的后验概率，可以根据已观测到的
来得出
的后验预测分布：
则遵循混合多元正态分布的
为：
经过EM-MFA+z-score算法处理后的建筑综合能源系统碳排放测算数据进入建筑碳排放大数据存储中心进行保存，以供下一步使用。
图4为基于本发明实现的某建筑的建筑能耗在线监测平台，包含了建筑内各类能源的实时消耗情况以及建筑内各类典型用能场景下的实时能耗情况等功能。
图5、图6和7为基于本发明实现的某建筑的碳排放测算平台的部分显示界面，包含了建筑全生命周期碳排放监测、建筑各类运行设备的碳排放监测等功能。
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。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该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计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。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。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，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，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。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以用介质集成的服务器、数据中心等数据存储设备。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。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，其特征在于，包括以下步骤：
S1、计算建材生产及运输阶段、建筑建造阶段、建筑运行阶段和建筑拆除阶段的全生命周期碳排放原始数据；
S2、对全生命周期碳排放原始数据进行预处理，补齐缺失的数据项，得到碳排放数据；
S3、存储碳排放数据；
S4、基于碳排放数据、建筑设备数据、建筑天气数据和建筑碳排放数据，实现建筑能耗、碳排放实时监测。
2.根据权利要求1所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，其特征在于，所述步骤S1包括以下步骤：
S1.1、根据生产的建筑建材的种类和数量计算建材生产时的碳排放量，根据运输建材时的交通工具类型和运输距离计算建材运输时的碳排放量，二者之和为建筑建材生产和运输阶段的总碳排放量；
S1.2、根据建筑建造阶段不同机械种类和工作时间计算建筑建造阶段的总碳排放量；
S1.3、根据供应侧的不同能源形式、需求侧的不同建筑内耗能场景和能耗设备工作状态，计算建筑内各典型用能场景下的能耗与碳排放量，根据建筑内各典型用能场景下的能耗与碳排放量计算建筑运行阶段的总碳排放量；
S1.4、根据不同机械种类和工作时间作为影响碳排放量，计算建筑拆除阶段的总碳排放量；
S1.5、将建筑建材生产和运输阶段的总碳排放量、建筑建造阶段的总碳排放量、建筑运行阶段的总碳排放量和建筑拆除阶段的总碳排放量线性相加，得到建筑全生命周期下的碳排放总量。
3.根据权利要求2所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，其特征在于，所述S1.3中，建筑运行阶段的建筑总碳排放量C3计算公式为：
Ei,c＝Eh+ESa+Epv+Ewt+Ee
其中，Ei为第i种建筑内能源系统消耗的能源，bi为第i种能源系统的碳排放因子，Ca为建筑碳汇系统吸收的二氧化碳含量，T为建筑运行时间，Ei,p表示使用第i种能源的建筑内第p种用能系统消耗的能源，Ei,e表示第i种能源系统中使用的清洁能源数量，Eh表示消耗的氢能，Esa表示太阳能热水系统的供能，Epv表示光伏系统的发电量，Ewt表示风力发电机组的发电量，Ee表示地源热泵的发热量。
4.根据权利要求1所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，其特征在于，所述S2中，预处理包括标准化和数据补齐，所述标准化算法为z-score标准化算法。
5.根据权利要求4所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测方法，其特征在于，所述S2中，数据补齐包括以下步骤：
S2.1、初始化混合高斯模型参数；
S2.2、根据采集到的全生命周期碳排放原始数据计算E步的期望，根据混合高斯模型参数，求每个样本来自混合高斯模型中每个子模型的期望；
S2.3、计算最大步，根据期望步的期望，更新混合高斯模型参数；
S2.4、判断混合高斯模型参数是否收敛：
若收敛，执行S2.5；否则跳转至S2.2；
S2.5、基于得到的混合高斯模型，使用混合因子分析填补缺失项数据；
S2.6、得到缺失项填补完成的数据。
6.一种基于EM-MFA算法的建筑综合能源系统碳排放监测装置，其特征在于，包括建筑碳排放底层数据采集装置、建筑碳排放大数据存储中心和基于建筑碳排放的功能实现模块；
所述建筑底层数据采集装置用于采集建筑全生命周期的碳排放原始数据；建筑碳排放大数据存储中心用于处理和存储建筑天气数据、建筑设备数据、建筑碳排放因子以及建筑全生命周期碳排放数据；基于建筑碳排放的功能实现模块通过调用建筑碳排放大数据存储中心中存储的数据，实现建筑能耗、碳排放可视化实时监测、设备定位与故障检测功能；
所述建筑碳排放底层数据采集装置的输出端与建筑碳排放大数据存储中心连接，建筑碳排放大数据存储中心的输出端与基于建筑碳排放的功能实现模块的输入端连接。
7.根据权利要求6所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测装置，其特征在于，建筑碳排放底层数据采集装置包括传感器、BPLC尾部通信模块和BPLC头部通信模块；
所述传感器的信号输出端与BPLC尾部通信模块的输入端连接，所述BPLC尾部通信模块的输出端与BPLC头部通信模块的输入端连接，BPLC头部通信模块的输出端与建筑碳排放大数据存储中心连接。
8.根据权利要求7所述的一种基于EM-MFA算法的建筑综合能源系统碳排放监测装置，其特征在于，所述BPLC头部通信模块向BPLC尾部通信模块发送指令、接收BPLC尾部通信模块数据并将接收到的数据发送至大数据存储中心，BPLC头部通信模块通过轮询的方式，将指令包装成报文格式发送到相应地址的BPLC尾部通信模块，并获取BPLC尾部通信模块返回的数据信息，轮询结束后将所有采集的数据信息发送到大数据存储中心；并定期发送轮询指令，查询每个BPLC尾部通信模块的工作状态，若检测到BPLC尾部通信模块工作异常，则通过异常之前上传的报文找到工作异常BPLC尾部通信模块的具体位置，进行故障定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210325859.4A CN114663265A (zh) | 2022-03-30 | 2022-03-30 | 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210325859.4A CN114663265A (zh) | 2022-03-30 | 2022-03-30 | 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114663265A true CN114663265A (zh) | 2022-06-24 |
Family
ID=82034221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210325859.4A Pending CN114663265A (zh) | 2022-03-30 | 2022-03-30 | 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114663265A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115019907A (zh) * | 2022-06-28 | 2022-09-06 | 重庆大学 | 天然气三甘醇脱水装置数字孪生系统 |
| CN115545450A (zh) * | 2022-09-27 | 2022-12-30 | 广东师大维智信息科技有限公司 | 一种基于数字孪生的碳排放协同预测方法 |
| CN116523203A (zh) * | 2023-03-30 | 2023-08-01 | 中和新兴(北京)能源科技研究院有限公司 | 数据处理方法和系统 |
| CN117033927A (zh) * | 2023-07-14 | 2023-11-10 | 中国建筑科学研究院有限公司 | 地铁站碳排放实时监测预测分析方法及预测分析方法 |
-
2022
- 2022-03-30 CN CN202210325859.4A patent/CN114663265A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115019907A (zh) * | 2022-06-28 | 2022-09-06 | 重庆大学 | 天然气三甘醇脱水装置数字孪生系统 |
| CN115019907B (zh) * | 2022-06-28 | 2024-03-01 | 重庆大学 | 天然气三甘醇脱水装置数字孪生系统 |
| CN115545450A (zh) * | 2022-09-27 | 2022-12-30 | 广东师大维智信息科技有限公司 | 一种基于数字孪生的碳排放协同预测方法 |
| CN115545450B (zh) * | 2022-09-27 | 2023-06-06 | 广东师大维智信息科技有限公司 | 一种基于数字孪生的碳排放协同预测方法 |
| CN116523203A (zh) * | 2023-03-30 | 2023-08-01 | 中和新兴(北京)能源科技研究院有限公司 | 数据处理方法和系统 |
| CN116523203B (zh) * | 2023-03-30 | 2023-12-15 | 中和新兴(北京)能源科技研究院有限公司 | 数据处理方法和系统 |
| CN117033927A (zh) * | 2023-07-14 | 2023-11-10 | 中国建筑科学研究院有限公司 | 地铁站碳排放实时监测预测分析方法及预测分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114663265A (zh) | 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置 | |
| CN105187010B (zh) | 一种光伏电站的智能化监控与运维系统 | |
| CN103984316A (zh) | 能源管理设备和系统 | |
| CN112785027B (zh) | 风光储联合发电系统置信容量评估方法及系统 | |
| CN113033996A (zh) | 一种基于电力大数据的电力系统信息处理系统 | |
| CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
| CN116526667A (zh) | 基于电流物联网反馈机制的二次融合配网馈线终端系统 | |
| CN116505656A (zh) | 基于5g物联网技术的风-光-储多能互补智慧用电系统 | |
| CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
| CN108233357A (zh) | 基于非参数概率预测及风险期望的风电日前消纳优化方法 | |
| CN115619159B (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
| CN108614173B (zh) | 一种低压侧综合能耗分析方法和低压侧综合能耗分析系统 | |
| CN110969310A (zh) | 一种新能源发电系统的功率预测方法 | |
| US20230260058A1 (en) | System and methods for continuous optimization and real-time control of multiple energy assets | |
| CN114765451A (zh) | 基于故障知识图谱的光伏电站故障检测方法 | |
| CN112986735A (zh) | 一种超低频次同步振荡在线监测系统 | |
| CN116894568B (zh) | 一种充电桩的碳排放综合管理预测方法及存储介质 | |
| Zhao et al. | Overview of Research on Distribution Network Fault Prediction Based on Situation Awareness | |
| CN113742164B (zh) | 基于数字电网的多样化数据采集系统、方法和存储介质 | |
| LU505190B1 (en) | Method, Device and Equipment for Monitoring the Operation State of Photovoltaic Power Station | |
| Meng et al. | [Retracted] Application of Industrial Big Data Cloud Control Platform Based on Fusion Transmission Sensor | |
| Tietieriev | Smart Grid Integration for Sustainable City Energy Management: A Paradigm Shift in Power Distribution Networks | |
| Zhu et al. | Cluster-based Relevance Analysis Between Construction Mode and BCR for Optimizing the DAS | |
| Li et al. | Architecture for Real-time Intelligent Storage Expansion System in Distribution Substation | |
| Gupta et al. | Data Analytics for Smart Grids and Applications—Present and Future Directions |
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 |