CN114757457A - 基于电力大数据的电碳排放全过程监测方法和装置 - Google Patents
基于电力大数据的电碳排放全过程监测方法和装置 Download PDFInfo
- Publication number
- CN114757457A CN114757457A CN202210677597.8A CN202210677597A CN114757457A CN 114757457 A CN114757457 A CN 114757457A CN 202210677597 A CN202210677597 A CN 202210677597A CN 114757457 A CN114757457 A CN 114757457A
- Authority
- CN
- China
- Prior art keywords
- power
- carbon emission
- electric
- amount
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 576
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 575
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 248
- 238000010248 power generation Methods 0.000 claims abstract description 157
- 239000000446 fuel Substances 0.000 claims abstract description 95
- 238000004519 manufacturing process Methods 0.000 claims abstract description 82
- 230000000694 effects Effects 0.000 claims abstract description 54
- 230000005611 electricity Effects 0.000 claims description 171
- 230000000875 corresponding effect Effects 0.000 claims description 93
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 9
- 239000003245 coal Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static 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
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (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
本申请涉及一种基于电力大数据的电碳排放全过程监测方法和装置。所述方法包括：获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据，根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量，根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量，最终，基于发电侧、输电侧和用电侧的电力碳排放量，进行电力碳排放风险预警。采用本方法能够实现准确的电力碳排放风险预警。
Description
技术领域
本申请涉及碳排放风险预测技术领域，特别是涉及一种基于电力大数据的电碳排放全过程监测方法、装置、计算机设备和存储介质。
背景技术
碳达峰、碳中和目标成为我国新时代高质量发展的关键目标，其对今后几十年的经济增长模式和产业结构、能源结构的调整，对消费模式、生活方式及生态建设都有着深刻的影响。随着碳排放以及碳中和话题的热度越来越高，行业内也出现了越来越多的碳排放监测方法，目前，碳排放监测方案大多是先监测碳排放量，然后进行碳排放量的核算，再基于核算出的碳排放量进行风险预警。
然而，当前最常用的电力碳排核算的方法，是IPCC（联合国政府间气候变化专门委员会）清单编制法（以下简称清单法），基于IPCC的核算公式，衍生出了很多碳计量模型，且多为针对某一行业进行碳排放核算如对服务行业或零售行业进行碳排放核算，这将直接导致无法从整体上监测电碳排放的情况，难以从宏观角度实现准确的电力碳排放风险预警。且使用清单法计算发电侧的碳排放量，是利用各种燃料的消耗量与各种燃料的碳排放因子的乘积来进行碳排放的核算，在实际情况中，难以统计区域内用于发电的各种燃料消耗量数据，无法准确计算实际碳排放量，致使无法实现准确的电力碳排放风险预警。
由此可见，目前的基于清单法的电碳排放核算方法存在无法准确进行电力碳排放风险预警的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确进行碳排放量风险预警的基于电力大数据的电碳排放全过程监测方法、装置、计算机设备和计算机可读存储介质。
第一方面，本申请提供了一种基于电力大数据的电碳排放全过程监测方法。所述方法包括：
获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量；
根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量；
根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量；
基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。
在一个实施例中，获取地方区域电网的单位发电量标准燃料消耗量包括：
获取不同地方区域电网的购电数据，购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量；
按照购电电厂的地区标识数据，对购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量；
统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量；
根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
在一个实施例中，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量包括：
根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量；
对外部输电量对应的电力碳排放量与发电侧电力碳排放量进行求和，得到输电侧电力碳排放量。
在一个实施例中，输电侧碳排放因子包括输电侧电力流动碳排放因子和预设时间的电网碳排放因子，外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量，第一外部地方区域电网为地方区域电网所属区域电网内的外部地方区域电网，第二外部地方区域电网为地方区域电网所属区域电网外的外部地方区域电网；
根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量包括：
根据输电侧电力流动碳排放因子和第一外部地方区域电网的输电量，得到第一外部地方区域电网的输电量对应的电力碳排放量；
根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量，得到第二外部地方区域电网的输电量对应的电力碳排放量；
对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和，得到外部输电量对应的电力碳排放量。
在一个实施例中，输电侧碳排放因子包括输电侧电力流动碳排放因子；
输电侧电力流动碳排放因子基于不同地方区域电网对应的输电侧电力碳排放流动平衡模型生成；
输电侧电力碳排放流动平衡模型基于电力流动的碳排放量、发电侧电力碳排放量以及外部输电量对应的电力碳排放量的关系生成，外部输电量对应的电力碳排放量与输电侧电力流动碳排放因子呈正相关。
在一个实施例中，碳排放量数据包括各行业的单位人均生产总值碳排放量；
根据生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量包括：
获取地方区域电网内电力流动量对应的碳排放量；
根据地方区域电网内电力流动量对应的碳排放量、发电侧电力碳排放量和生产活动用电量，得到地方区域电网的单位用电碳排放量；
根据生产活动用电量和单位用电碳排放量，得到生产活动用电量对应的电力碳排放量；
根据行业流动产值数据和各行业的单位人均生产总值碳排放量，得到行业流动产值对应的电力碳排放量；
对生产活动用电量对应的电力碳排放量与行业流动产值对应的电力碳排放量进行求和，得到用电侧电力碳排放量。
第二方面，本申请还提供了一种基于电力大数据的电碳排放全过程监测装置。所述装置包括：
获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量；
根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量；
根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量；
基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量；
根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量；
根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量；
基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量；
根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量；
根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量；
基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。
上述基于电力大数据的电碳排放全过程监测方法、装置、计算机设备和存储介质，从各地方区域电网的电力碳排放量核算出发，根据地方区域电网内的单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量，根据生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量，基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。上述方案，考虑到地方区域电网间电力流动的关系，核算输电侧电力碳排放量时，考虑到地方区域电网间的电力供给，核算用电侧电力碳排放量时，不仅考虑了生产活动用电所产生的隐含电力碳排放量，还考虑到行业的产业产值流动所产生的隐含电力碳排放量，整个方案从电力的生产、传输到使用，对电力流动全过程分段式核算各环节的电力碳排放量，得到发电侧、输电侧和用电侧的电力碳排放量，从整体上直观地表明了地方区域电网内电力流动全过程的电力碳排放情况，更准确及完整地描述了电力碳排放的来源和最终去向，进而能够更加准确地实现电力碳排放风险预警。因此，采用本方案能够更为准确地进行电力碳排放风险预警。
附图说明
图1为一个实施例中基于电力大数据的电碳排放全过程监测方法的应用环境图；
图2为一个实施例中基于电力大数据的电碳排放全过程监测方法的流程示意图；
图3为一个实施例中地方区域电网内电力流动全路径的示意图；
图4为另一个实施例中基于电力大数据的电碳排放全过程监测方法的流程示意图；
图5为一个实施例中获取用电侧电力碳排放量步骤的流程示意图；
图6为一个实施例中基于电力大数据的电碳排放全过程监测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的基于电力大数据的电碳排放全过程监测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。具体的，可以是电网工作人员通过终端102发送电力碳排放风险预警消息至服务器104，服务器104响应该电力碳排放风险预警消息，从数据存储系统获取不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据，首先，根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量，并根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量，然后，根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量，再基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于电力大数据的电碳排放全过程监测方法，以该方法应用于图1中的服务器为例进行说明，该方法包括以下步骤：
步骤100，获取电网的电力数据，电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据。
本实施例中，地方区域电网即指区域电网中的地方电网，其级别小于区域电网，如省市级区域电网，而区域电网是指国家发布的区域性电网，比如华北电网、华东电网、西北电网、华中电网以及东北电网等。单位发电量标准燃料消耗量即指1个单位量的电量所需要消耗的标准燃料量，如1千瓦时电量所需要消耗的标准燃料量，包括单位发电量标准煤消耗量。外部输电量是指除本地方区域电网之外的其他区域输入的电量，也可称为即指外部供电总量，即包括该地方区域电网所在的区域电网内的外部地方区域电网输入的电量。输电侧碳排放因子即表征电力运输方面所产生碳排放量的因子。生产活动用电量是指地方区域电网内用于生产活动所消耗的电量，也可称为地方区域电网的全社会用电量，包括居民生活用电量和产业部门进行产品生产的用电量等。碳排量数据是指多个维度的碳排放量，其可以是居民单位用电碳排放量，企业单位产值碳排放量以及其他维度的碳排放量数据。行业流动产值数据包括行业的产业部门的产值流入、产值输出或产值到地方区域电网，形成产品隐含的电碳排放量。具体包括产业部门将生产的产品出售到外部地方区域，形成产品隐含的电碳排放输出、将外部地方区域的产品购入，形成产品隐含的电碳排放流入以及由本地的产业部门将产品直接出售给本地居民，形成的隐含电碳排放量。参见图2，在实际应用中，从生产、传输到使用的电力流动的全过程，主要包含以下八个方面：
①并购：电网企业将发电厂生产的电并购入电网；
②出售：电网企业将区域内生产的电力出售到其他区域；
③购入：电网企业从区域外的电网企业中购入电力；
④供电：电网企业将电力直接供给产业部门用于产品生产，或供给本地居民使用；
⑤购入电力：居民或者产业部门购入电力；
⑥产业输出：产业部门将生产的产品出售到其他区域，形成产品隐含的电碳排放输出；
⑦产业流入：将其他区域的产品购入，形成产品隐含的电碳排放流入；
⑧产业供给：由本地的产业部门将产品直接出售给本地居民。
其中，属于直接电力碳排放的电力流动主要包含①；属于间接电力碳排放的电力流动主要包含①②③④，属于隐含电力碳排放的电力流动主要包含⑤⑥⑦⑧。因此，可基于上述八个方面的电力流动，从发电侧、输电侧以及用电侧三个维度实现区域内电力流动全过程的电力碳排放量的核算。
步骤200，根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量。
发电侧电力碳排放量是指地方区域电网内的发电厂在将燃料化学能转换为电能的过程中形成的直接的电力碳排放量(以下可简称电碳排放量)，即指地方区域电网的总发电量所对应的电力碳排放量。本实施例中，在获取单位发电量标准燃料消耗量和发电量之后，可结合预设的标准燃料折二氧化碳排放系数，得到发电侧电力碳排放量。具体的，燃料以煤为例，可以是对单位发电量标准煤消耗量、发电总量和标准煤折二氧化碳排放系数进行求积运算，得到发电侧电力碳排放量，计算公式可以如下：
其中，
为燃烧得到的碳排放量即发电侧直接电力碳排放量，
为区域内发电总量，
为区域发电燃料折算的单位发电量标准煤耗量，γ为标准煤折二氧化碳排放系数。
步骤300，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量。
输电侧电力碳排放量是指区域内全部电力流动所形成的电力碳排放量。其中，全部电力包括区域内电厂生产的全部电量、外部输电量两部分电力，其中外部输电量又分为地方区域电网在局域电网内的外部地方区域电网购入的电力和在区域电网外的外部地方区域电网购入的电力。地方区域电网以省级电网为例，则全部电力包括全省的电厂生产的全部电量和购入区域电网外的其他省份的电力和购入区域电网内其他省份的电力。由此说来，输电侧电力碳排放量包括发电侧的直接电力碳排放量和区域间的流动的电量所对应的电力碳排放量。具体实施时，可以根据外部输电量、输电侧碳排放因子以及发电侧电力碳排放量，得到输电侧电力碳排放量。
步骤400，根据生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量。
用电侧电力碳排放量即指用电侧的居民或产业部门购入电网企业中的电用于生活或生产，形成消费侧的隐含电碳排放量，以及产业部门将产品卖出到其他区域或购入其他区域的产品，形成在产品购售行为中流动的隐含电碳排放量。具体实施时，可以是从上述消费侧的隐含电碳排放量和产品购售行为中流动的隐含电碳排放量计算两个方面入手，结合生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量。
步骤500，基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。
发电侧电力碳排放量、输电侧电力碳排放量和用电侧的电力碳排放量，能够直观地反映出地方区域电网的全部电力在生产、传输和使用三个方面的电力流动全过程中所产生的电力碳排放量，即准确完整的反映电碳排放的全过程路径。具体实施时，当得到发电侧电力碳排放量、输电侧电力碳排放量和用电侧的电力碳排放量后，可以基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧的电力碳排放量，分别从发电侧、输电侧、用电侧甚至是整体的电力流动全过程这几个维度，分别进行电力碳排放风险预警。其中，整体的电力流动全过程的电力碳排放量可以是发电侧电力碳排放量、输电侧电力碳排放量和用电侧的电力碳排放量的总和。具体的，电力碳排放风险预警可以是将各个维度的电力碳排放量分别与预设的电力碳排放量风险阈值进行比较，若电力碳排放量大于相应的电力碳排放量风险阈值，则发送预警消息，以便电网工作人员能直观知晓电力碳排放量是否达到风险值。
上述基于电力大数据的电碳排放全过程监测方法中，从区域电网内各地方区域电网的电力碳排放量核算出发，根据地方区域电网内的单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量，根据生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量，基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。上述方案，考虑到地方区域电网间电力流动的关系，核算输电侧电力碳排放量时，考虑到地方区域电网间的电力供给，核算用电侧电力碳排放量时，不仅考虑了生产活动用电所产生的隐含电力碳排放量，还考虑到行业的产业产值流动所产生的隐含电力碳排放量，整个方案从电力的生产、传输到使用，对电力流动全过程分段式核算各环节的电力碳排放量，得到发电侧、输电侧和用电侧的电力碳排放量，从整体上直观地表明了地方区域电网内电力流动全过程的电力碳排放情况，更准确及完整地描述了电力碳排放的来源和最终去向，进而能够更加准确地实现电力碳排放风险预警。因此，采用本方案能够更为准确地进行电力碳排放风险预警。
在一个实施例中，获取地方区域电网的单位发电量标准燃料消耗量包括：
步骤120，获取不同地方区域电网的购电数据，购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量；
步骤140，按照购电电厂的地区标识数据，对购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量；
步骤160，统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量；
步骤180，根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
购电电厂的地区标识数据可以是购电电厂的地区编码。在实际应用中，电网企业会将发电厂生产的电并购入电网以实现供电。本实施例中，区域电网的购电数据包括电网购电量、购电电厂的地区编码、购电电厂的电厂发电标准煤耗量和发电量以及购电年月等数据，其中，电网购电量包括从各购电电厂购入的电量。由于局域电网包括多个省级区域电网，且每个省级区域电网又包含有多个有购电交易的发电厂，因此，可以根据购电电厂的地区编码，对购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量。然后，按区域和购电年月进行各地方区域的购电量的统计汇总，得到地方区域电网的总发电总量
。按区域和购电年月进行各地方区域的电厂发电标准燃料消耗量的统计汇总，得到各地方区域电网的总发电标准燃料消耗量
。最后，根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。具体的，以得到省级区域电网的单位发电量标准燃料消耗量，可以是根据以下公式得到其单位发电量标准燃料消耗量：
此时
为
中区域维度为省级的数据，由此类推，还可以得到市级区域电网的单位发电量标准燃料消耗量。本实施例中，使用区域电网的购电数据反向推导得到单位发电标准燃料消耗量，解决了实际应用中地方区域电网的单位发电标准燃料消耗量数据难以获取的问题。
如图4所示，在一个实施例中，步骤300包括：步骤320，根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量，对外部输电量对应的电力碳排放量与发电侧电力碳排放量进行求和，得到输电侧电力碳排放量。
具体实施时，可以是根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量，包括在区域电网内从其他区域购入的电力流动的碳排放量和在区域电网外从其他区域购入的电力流动的碳排放量，然后将外部输电量的电力碳排放量与发电侧电力碳排放量相加，得到输电侧电力碳排放量。具体的，可根据以下公式计算得到：
在一个实施例中，输电侧碳排放因子包括输电侧电力流动碳排放因子和预设时间的电网碳排放因子，外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量，第一外部地方区域电网为地方区域电网所属区域电网内的外部地方区域电网，第二外部地方区域电网为地方区域电网所属区域电网外的外部地方区域电网；
根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量包括：根据输电侧电力流动碳排放因子和第一外部地方区域电网的输电量，得到第一外部地方区域电网的输电量对应的电力碳排放量，根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量，得到第二外部地方区域电网的输电量对应的电力碳排放量，对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和，得到外部输电量对应的电力碳排放量。
举例说明，若地方区域电网为湖南电网，则第一外部地方区域电网可以是与湖南电网同属于华中电网的湖北电网，第二外部地方区域电网可以是与湖南电网不同属于华中电网的山西电网。本实施例中，输电侧电力流动碳排放因子即表征输电侧的电力流动过程中所形成的电力碳排放量的多少的因子。本实施例中，预设时间的电网碳排放因子为截至当前时间国家电网最新发布的电网碳排放因子，如
，可以理解的是，在其他实施例中，预设时间的电网碳排放因子也可以是用待监测的年份的电网碳排放因子。其中，输电侧电力流动碳排放因子基于不同地方区域电网对应的输电侧电力碳排放流动平衡模型生成。具体实施时，可以是根据电力流动的碳排放量与流动的电量的关系，得到：
其中
为区域i的电力在流动过程中所产生的碳排放量，
为区域i的输电侧电力流动碳排放因子，
为区域i的总电力流量。
根据区域内流动的电力及输电侧电力流动碳排放因子的关系，得到地方区域电网的输电侧电力碳排放流动平衡模型（亦可称为地方区域电网的输电侧电力碳排放流动平衡公式，以下简称平衡公式）：
其中，
为区域i的输电侧电力流动碳排放因子，
为区域i的总电力流量，
为区域i内发电总量，
为区域i发电燃料折算的单位发电量标准煤耗量，
为区域j的输电侧电力流动碳排放因子，
为区域j流入到区域i的电量，
为2021年最新发布的电网碳排放因子，
为区域i从所属区域电网外购入的电量。
根据上述地方区域电网的输电侧电力碳排放流动平衡模型，可以构造n个地方区域电网的平衡公式，然后，将这n个地方区域电网的平衡公式联立起来，可以求解出n个省级区域的输电侧电力流动碳排放因子，并得到n个省级区域的输电侧电力流动碳排放因子矩阵
。
其中，
为n个地方区域电网的发电总量，
为n个地方区域电网的发电燃料折算的单位发电量标准煤耗量，
为n个地方区域电网的购入的区域电网外电量，
为区域电网内的电力流量矩阵，
为n个地方区域电网的总电力流量，
为
当i=n，j=n-1时，区域j流入到区域i的电量，负号为运算中移项所产生。
按照上述方式求解得到地方区域电网的输电侧电力流动碳排放因子
后，可以按照上述平衡公式中的
，得到第一外部地方区域电网的输电量即区域电网内输电量对应的电力碳排放量，按照
，得到第二外部地方区域电网的输电量即区域电网外输电量对应的电力碳排放量，按照
，得到外部输电量对应的电力碳排放量。
具体细化到输电侧各个环节的碳排放量时，结合图3，可分别对电力流动步骤①②③④进行输电侧的电力碳排放量的核算。
步骤①，核算本区域电厂发电流向到各电网企业的电力碳排放量：
步骤②，核算本区域出售到区域i外电力的间接电力碳排放量：
步骤③，核算从区域i外的电网企业中购入电力的间接电力碳排放量，包括购入的区域电网外的电力和购入区域电网内的电力的间接电力碳排放量核算：
步骤④，核算区域i的电网企业供电给居民或产业部门用于生活或生产的电力的间接电力碳排放量：
本实施例中，基于输电侧电力流动碳排放因子和预设时间的电网碳排放因子，分别核算区域电网内输电量对应的电力碳排放量和区域电网外输电量对应的电力碳排放量，能够使得核算出的外部输电量对应的电力碳排放量更为全面准确。
如图5所示，在一个实施例中，碳排放量数据包括单位用电碳排放量和各行业的单位人均生产总值碳排放量；
步骤400包括：
步骤410，获取地方区域电网内电力流动量对应的碳排放量；
步骤420，根据地方区域电网内电力流动量对应的碳排放量、发电侧电力碳排放量和生产活动用电量，得到地方区域电网的单位用电碳排放量；
步骤430，根据生产活动用电量和单位用电碳排放量，得到生产活动用电量对应的电力碳排放量；
步骤440，根据行业流动产值数据和各行业的单位人均生产总值碳排放量，得到行业流动产值对应的电力碳排放量；
步骤450，对生产活动用电量对应的电力碳排放量与行业流动产值对应的电力碳排放量进行求和，得到用电侧电力碳排放量。
本实施例中，获取的地方区域电网内电力流动量对应的碳排放量包括本地方区域售出到其他地方区域电网的电量（即售出电量）所对应的电力碳排放量，以及其他地方区域流入到本地方区域的电量（即购入电量）所对应的电力碳排放量。具体实施时，默认本地方区域的总发电量与从地方区域外购入的电量总和减去售出地方区域外的电力剩余的电力应全部供本地方区域居民或者产业部门购入用于生产活动，因此，则有：
其中，
为地方区域i的单位用电量碳排放，
为发电侧直接电力碳排放量，
为地方区域j流入到地方区域i的电量对应的碳排放量，
为地方区域i流入到地方区域k的电量对应的碳排放量，
为地方区域i的生产生活用电量即全社会用电量。
细化到用电侧的电力流动步骤⑤⑥⑦⑧的电力碳排放量核算，则有：
计算步骤⑤的本地居民或者产业部门购入电力对应的碳排放量：
计算步骤⑥的隐含电力碳排放量，根据各个不同的行业的产业部门分别进行各个行业产业输出对应的隐含电力碳排放量：
其中，
为行业i输出到地方区域外的产业产值，
为行业i在地方区域内的单位GDP碳排放量，
为行业i在地方区域j的GDP增加值，
为行业i在地方区域j的碳排放量。
计算步骤⑦的隐含电力碳排放量，根据各个不同的行业的产业部门分别进行各个行业产业流入对应的隐含电力碳排放量：
其中，
为行业i从地方区域j流入到地方区域内的产业产值，
为行业i在地方区域j的单位GDP碳排放量。
计算步骤⑧的隐含电力碳排放量，分别计算各个不同的行业的产业部门给地方区域内的产业供给的隐含电力碳排放量：
其中，
为行业i供给地方区域内的产业产值，
为行业i在地方区域内的单位GDP碳排放量。本实施例中，不仅考虑到居民用电中所产生的隐含电力碳排，还考虑到产业供给和流动所产生的隐含电力碳排，能够更准确及完整地描述了用电侧电力碳排放的来源和最终去向。
为了对本申请提供的基于电力大数据的电碳排放全过程监测方法做出更为清楚的说明，下面结合一个具体实施例进行说明，该实施例可以是：
服务器响应终端发送的电力碳排放风险预警消息，获取区域电网的电力数据，电力数据包括区域电网内地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据。其中，单位发电量标准燃料消耗量基于以下方式：获取区域电网的购电数据，购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量，按照购电电厂的地区标识数据，对购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
然后，计算发电侧电力碳排放量可以是：根据单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量。具体的，可以是根据
，计算得到发电侧电力碳排放量。
输电侧电力碳排放量的计算可以是：根据输电侧电力流动碳排放因子和区域电网内的地方区域电网的输电量，得到区域电网内输电量对应的电力碳排放量，根据预设时间的电网碳排放因子和区域电网外的地方区域电网的输电量，得到区域电网外输电量对应的电力碳排放量，对区域电网内输电量对应的电力碳排放量和区域电网外输电量对应的电力碳排放量进行求和，得到外部输电量对应的电力碳排放量。然后，对外部输电量对应的电力碳排放量与发电侧电力碳排放量进行求和，得到输电侧电力碳排放量。
用电侧电力碳排放量的计算可以是：获取地方区域电网内电力流动量对应的碳排放量，根据地方区域电网内电力流动量对应的碳排放量、发电侧电力碳排放量和生产活动用电量，得到地方区域电网的单位用电碳排放量，根据生产活动用电量和单位用电碳排放量，得到生产活动用电量对应的电力碳排放量，根据行业流动产值数据和各行业的单位人均生产总值碳排放量，得到行业流动产值对应的电力碳排放量，对生产活动用电量对应的电力碳排放量与行业流动产值对应的电力碳排放量进行求和，得到用电侧电力碳排放量。
最后，基于发电侧电力碳排放量、输电侧电力碳排放量和发电侧电力碳排放量，分别从发电侧、输电侧和用电侧进行电力碳排放风险预警。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于电力大数据的电碳排放全过程监测方法的基于电力大数据的电碳排放全过程监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于电力大数据的电碳排放全过程监测装置实施例中的具体限定可以参见上文中对于基于电力大数据的电碳排放全过程监测方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种基于电力大数据的电碳排放全过程监测装置，包括：电力数据获取模块510、发电侧电力碳排放量获取模块520、输电侧电力碳排放量获取模块530、用电侧电力碳排放量获取模块540和电力碳排放风险预警模块550，其中：
电力数据获取模块510，用于获取区域电网的电力数据，所述电力数据包括所述区域电网内地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据。
发电侧电力碳排放量获取模块520，用于根据所述单位发电量标准燃料消耗量和所述发电量，得到发电侧电力碳排放量。
输电侧电力碳排放量获取模块530，用于根据所述外部输电量、所述输电侧碳排放因子和所述发电侧电力碳排放量，得到输电侧电力碳排放量。
用电侧电力碳排放量获取模块540，用于根据所述生产活动用电量、所述碳排放量数据和所述行业流动产值数据，得到用电侧电力碳排放量。
电力碳排放风险预警模块550，用于基于所述发电侧电力碳排放量、所述输电侧电力碳排放量和所述用电侧电力碳排放量，进行电力碳排放风险预警。
上述基于电力大数据的电碳排放全过程监测装置，从区域电网内各地方区域电网的电力碳排放量核算出发，根据地方区域电网内的单位发电量标准燃料消耗量和发电量，得到发电侧电力碳排放量，根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量，得到输电侧电力碳排放量，根据生产活动用电量、碳排放量数据和行业流动产值数据，得到用电侧电力碳排放量，基于发电侧电力碳排放量、输电侧电力碳排放量和用电侧电力碳排放量，进行电力碳排放风险预警。上述方案，考虑到地方区域电网间电力流动的关系，核算输电侧电力碳排放量时，考虑到地方区域电网间的电力供给，核算用电侧电力碳排放量时，不仅考虑了生产活动用电所产生的隐含电力碳排放量，还考虑到行业的产业产值流动所产生的隐含电力碳排放量，整个方案从电力的生产、传输到使用，对电力流动全过程分段式核算各环节的电力碳排放量，得到发电侧、输电侧和用电侧的电力碳排放量，从整体上直观地表明了地方区域电网内电力流动全过程的电力碳排放情况，更准确及完整地描述了电力碳排放的来源和最终去向，进而能够更加准确地实现电力碳排放风险预警。因此，采用本方案能够更为准确地进行电力碳排放风险预警。
在其中一个实施例中，数据获取模块510还用于获取不同地方区域电网的购电数据，购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量，按照购电电厂的地区标识数据，对购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
输电侧电力碳排放量获取模块530还用于根据外部输电量和输电侧碳排放因子，得到外部输电量对应的电力碳排放量，对外部输电量对应的电力碳排放量与发电侧电力碳排放量进行求和，得到输电侧电力碳排放量。
输电侧电力碳排放量获取模块530还用于根据输电侧电力流动碳排放因子和第一外部地方区域电网的输电量，得到第一外部地方区域电网的输电量对应的电力碳排放量，根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量，得到第二外部地方区域电网的输电量对应的电力碳排放量，对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和，得到外部输电量对应的电力碳排放量。
用电侧电力碳排放量获取模块540还用于获取地方区域电网内电力流动量对应的碳排放量，根据地方区域电网内电力流动量对应的碳排放量、发电侧电力碳排放量和生产活动用电量，得到地方区域电网的单位用电碳排放量，根据生产活动用电量和单位用电碳排放量，得到生产活动用电量对应的电力碳排放量，根据行业流动产值数据和各行业的单位人均生产总值碳排放量，得到行业流动产值对应的电力碳排放量，对生产活动用电量对应的电力碳排放量与行业流动产值对应的电力碳排放量进行求和，得到用电侧电力碳排放量。
上述基于电力大数据的电碳排放全过程监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储区域电网的电力数据、发电侧电力碳排放量、输电侧电力碳排放量以及用电侧电力碳排放量等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于电力大数据的电碳排放全过程监测方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种基于电力大数据的电碳排放全过程监测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述基于电力大数据的电碳排放全过程监测方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于电力大数据的电碳排放全过程监测方法中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于电力大数据的电碳排放全过程监测方法，其特征在于，所述方法包括：
获取电网的电力数据，所述电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
根据所述单位发电量标准燃料消耗量和所述发电量，得到发电侧电力碳排放量；
根据所述外部输电量、所述输电侧碳排放因子和所述发电侧电力碳排放量，得到输电侧电力碳排放量；
根据所述发电侧电力碳排放量、所述生产活动用电量、所述碳排放量数据和所述行业流动产值数据，得到用电侧电力碳排放量；
基于所述发电侧电力碳排放量、所述输电侧电力碳排放量和所述用电侧电力碳排放量，进行电力碳排放风险预警。
2.根据权利要求1所述的基于电力大数据的电碳排放全过程监测方法，其特征在于，获取地方区域电网的单位发电量标准燃料消耗量包括：
获取不同地方区域电网的购电数据，所述购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量；
按照所述购电电厂的地区标识数据，对所述购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量；
统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量；
根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
3.根据权利要求1所述的基于电力大数据的电碳排放全过程监测方法，其特征在于，所述根据所述外部输电量、所述输电侧碳排放因子和所述发电侧电力碳排放量，得到输电侧电力碳排放量包括：
根据所述外部输电量和所述输电侧碳排放因子，得到外部输电量对应的电力碳排放量；
对所述外部输电量对应的电力碳排放量与所述发电侧电力碳排放量进行求和，得到所述输电侧电力碳排放量。
4.根据权利要求1所述的基于电力大数据的电碳排放全过程监测方法，其特征在于，所述输电侧碳排放因子包括输电侧电力流动碳排放因子和预设时间的电网碳排放因子；所述外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量，所述第一外部地方区域电网为所述地方区域电网所属区域电网内的外部地方区域电网，所述第二外部地方区域电网为所述地方区域电网所属区域电网外的外部地方区域电网；
所述根据所述外部输电量和所述输电侧碳排放因子，得到外部输电量对应的电力碳排放量包括：
根据所述输电侧电力流动碳排放因子和所述第一外部地方区域电网的输电量，得到所述第一外部地方区域电网的输电量对应的电力碳排放量；
根据所述预设时间的电网碳排放因子和所述第二外部地方区域电网的输电量，得到所述第二外部地方区域电网的输电量对应的电力碳排放量；
对所述第一外部地方区域电网的输电量对应的电力碳排放量和所述第二外部地方区域电网的输电量对应的电力碳排放量进行求和，得到外部输电量对应的电力碳排放量。
5.根据权利要求1至4任意一项所述的基于电力大数据的电碳排放全过程监测方法，其特征在于，所述输电侧碳排放因子包括输电侧电力流动碳排放因子，所述输电侧电力流动碳排放因子基于不同地方区域电网对应的输电侧电力碳排放流动平衡模型生成；
所述输电侧电力碳排放流动平衡模型基于电力流动的碳排放量、发电侧电力碳排放量以及外部输电量对应的电力碳排放量的关系生成，所述外部输电量对应的电力碳排放量与输电侧电力流动碳排放因子呈正相关。
6.根据权利要求1至4任意一项所述的基于电力大数据的电碳排放全过程监测方法，其特征在于，所述碳排放量数据包括各行业的单位人均生产总值碳排放量；
所述根据所述生产活动用电量、所述碳排放量数据和所述行业流动产值数据，得到用电侧电力碳排放量包括：
获取地方区域电网内电力流动量对应的碳排放量；
根据所述地方区域电网内电力流动量对应的碳排放量、所述发电侧电力碳排放量和所述生产活动用电量，得到所述地方区域电网的单位用电碳排放量；
根据所述生产活动用电量和所述单位用电碳排放量，得到生产活动用电量对应的电力碳排放量；
根据所述行业流动产值数据和各行业的单位人均生产总值碳排放量，得到行业流动产值对应的电力碳排放量；
对所述生产活动用电量对应的电力碳排放量与所述行业流动产值对应的电力碳排放量进行求和，得到用电侧电力碳排放量。
7.一种基于电力大数据的电碳排放全过程监测装置，其特征在于，所述装置包括：
电力数据获取模块，用于获取电网的电力数据，所述电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据；
发电侧电力碳排放量获取模块，用于根据所述单位发电量标准燃料消耗量和所述发电量，得到发电侧电力碳排放量；
输电侧电力碳排放量获取模块，用于根据所述外部输电量、所述输电侧碳排放因子和所述发电侧电力碳排放量，得到输电侧电力碳排放量；
用电侧电力碳排放量获取模块，用于根据所述生产活动用电量、所述碳排放量数据和所述行业流动产值数据，得到用电侧电力碳排放量；
电力碳排放量预警模块，用于基于所述发电侧电力碳排放量、所述输电侧电力碳排放量和所述用电侧电力碳排放量，进行电力碳排放风险预警。
8.根据权利要求7所述的基于电力大数据的电碳排放全过程监测装置，其特征在于，所述数据获取模块还用于获取不同地方区域电网的购电数据，所述购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量，按照所述购电电厂的地区标识数据，对所述购电电厂的发电量和电厂发电标准燃料消耗量进行分类，得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量，得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量，得到地方区域电网的单位发电量标准燃料消耗量。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210677597.8A CN114757457B (zh) | 2022-06-16 | 2022-06-16 | 基于电力大数据的电碳排放全过程监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210677597.8A CN114757457B (zh) | 2022-06-16 | 2022-06-16 | 基于电力大数据的电碳排放全过程监测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114757457A true CN114757457A (zh) | 2022-07-15 |
| CN114757457B CN114757457B (zh) | 2022-10-11 |
Family
ID=82336464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210677597.8A Active CN114757457B (zh) | 2022-06-16 | 2022-06-16 | 基于电力大数据的电碳排放全过程监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114757457B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204756A (zh) * | 2022-09-15 | 2022-10-18 | 四川中电启明星信息技术有限公司 | 基于企业碳计量的能耗监测优化方法 |
| CN115296421A (zh) * | 2022-09-28 | 2022-11-04 | 南方电网数字电网研究院有限公司 | 基于碳计量芯片的配电系统监控方法、装置、设备和介质 |
| CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
| CN115330089A (zh) * | 2022-10-11 | 2022-11-11 | 南方电网数字电网研究院有限公司 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
| CN115693650A (zh) * | 2022-10-17 | 2023-02-03 | 上海远景科创智能科技有限公司 | 一种区域电力碳排放因子的确定方法、装置、设备及介质 |
| CN117764416A (zh) * | 2023-12-22 | 2024-03-26 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2858015A1 (en) * | 2013-10-04 | 2015-04-08 | Building Research Establishment Ltd | System and method for simulation, control and performance monitoring of energy systems |
| US20180067089A1 (en) * | 2016-09-06 | 2018-03-08 | Tsinghua University | System for measuring carbon emission in power system |
| CN111784531A (zh) * | 2020-07-21 | 2020-10-16 | 神华神东煤炭集团有限责任公司 | 碳排放核算方法、存储介质和电子设备 |
| CN113516371A (zh) * | 2021-06-16 | 2021-10-19 | 杭州慧源智谷科技有限责任公司 | 一种全口径碳排强度及碳源结构的测算方法 |
| CN114077788A (zh) * | 2021-11-04 | 2022-02-22 | 深圳供电局有限公司 | 一种碳排放分析方法、系统、计算机设备及存储介质 |
| CN114240086A (zh) * | 2021-11-29 | 2022-03-25 | 国网北京市电力公司 | 碳排放监测方法、装置、存储介质及处理器 |
| CN114511128A (zh) * | 2021-11-29 | 2022-05-17 | 国网北京市电力公司 | 碳排放数据的处理方法、装置、存储介质及处理器 |
-
2022
- 2022-06-16 CN CN202210677597.8A patent/CN114757457B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2858015A1 (en) * | 2013-10-04 | 2015-04-08 | Building Research Establishment Ltd | System and method for simulation, control and performance monitoring of energy systems |
| US20180067089A1 (en) * | 2016-09-06 | 2018-03-08 | Tsinghua University | System for measuring carbon emission in power system |
| CN111784531A (zh) * | 2020-07-21 | 2020-10-16 | 神华神东煤炭集团有限责任公司 | 碳排放核算方法、存储介质和电子设备 |
| CN113516371A (zh) * | 2021-06-16 | 2021-10-19 | 杭州慧源智谷科技有限责任公司 | 一种全口径碳排强度及碳源结构的测算方法 |
| CN114077788A (zh) * | 2021-11-04 | 2022-02-22 | 深圳供电局有限公司 | 一种碳排放分析方法、系统、计算机设备及存储介质 |
| CN114240086A (zh) * | 2021-11-29 | 2022-03-25 | 国网北京市电力公司 | 碳排放监测方法、装置、存储介质及处理器 |
| CN114511128A (zh) * | 2021-11-29 | 2022-05-17 | 国网北京市电力公司 | 碳排放数据的处理方法、装置、存储介质及处理器 |
Non-Patent Citations (1)
| Title |
|---|
| 魏文栋 等: "区域电力相关碳排放核算框架的构建和应用", 《中国人口 资源与环境》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204756A (zh) * | 2022-09-15 | 2022-10-18 | 四川中电启明星信息技术有限公司 | 基于企业碳计量的能耗监测优化方法 |
| CN115204756B (zh) * | 2022-09-15 | 2022-11-29 | 四川中电启明星信息技术有限公司 | 基于企业碳计量的能耗监测优化方法 |
| CN115296421A (zh) * | 2022-09-28 | 2022-11-04 | 南方电网数字电网研究院有限公司 | 基于碳计量芯片的配电系统监控方法、装置、设备和介质 |
| CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
| CN115330089A (zh) * | 2022-10-11 | 2022-11-11 | 南方电网数字电网研究院有限公司 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
| CN115693650A (zh) * | 2022-10-17 | 2023-02-03 | 上海远景科创智能科技有限公司 | 一种区域电力碳排放因子的确定方法、装置、设备及介质 |
| CN115693650B (zh) * | 2022-10-17 | 2023-07-28 | 国家电网有限公司大数据中心 | 一种区域电力碳排放因子的确定方法、装置、设备及介质 |
| CN117764416A (zh) * | 2023-12-22 | 2024-03-26 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
| CN117764416B (zh) * | 2023-12-22 | 2024-05-24 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114757457B (zh) | 2022-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
| Eckelman et al. | Life cycle environmental emissions and health damages from the Canadian healthcare system: an economic-environmental-epidemiological analysis | |
| CN113886752A (zh) | 计算碳排放强度的方法、装置、终端及存储介质 | |
| CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
| CN115640935A (zh) | 电力系统碳排放量的计算方法、装置和计算机设备 | |
| Eshraghi et al. | Developing operation of combined cooling, heat, and power system based on energy hub in a micro-energy grid: The application of energy storages | |
| Moss et al. | SME application of LCA‐based carbon footprints | |
| CN115271228A (zh) | 电-气联合系统的能价计算方法、装置和计算机设备 | |
| CN114611845A (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
| CN117273276A (zh) | 基于电力数据的碳排放监测方法和装置 | |
| CN117056776A (zh) | 碳排放量监测方法、装置、设备、介质和计算机程序产品 | |
| CN115907307B (zh) | 面向电网实时数据交互的电力系统碳排放流在线分析方法 | |
| JP2021135833A (ja) | 電力取引システム | |
| CN114581059A (zh) | 设备供需协同管理方法、装置、计算机设备和存储介质 | |
| CN114240049A (zh) | 电力现货市场指标灵活计算方法 | |
| US20210091567A1 (en) | System, method, and interface for goal-allocation of resources and dynamic monitoring of progress | |
| Meng et al. | A synthesized data envelopment analysis model and its application in resource efficiency evaluation and dynamic trend analysis | |
| CN115330089B (zh) | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 | |
| CN116432626B (zh) | 面向条件控制断面约束的标准化解析方法、装置和设备 | |
| CN117495128A (zh) | 用电数据预测方法、装置、计算机设备和存储介质 | |
| CN116029710A (zh) | 电费数据处理方法、装置、计算机设备和存储介质 | |
| CN117495131A (zh) | 用电数据预测方法、装置、计算机设备和存储介质 | |
| CN117314468A (zh) | 间接碳排放碳核算方法、装置、设备、介质和产品 | |
| CN116204555A (zh) | 用户居家情况监测方法、装置、计算机设备、存储介质 | |
| CN116090629A (zh) | 用电数据处理方法、装置、计算机设备和存储介质 |
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 |