CN114882614A - 一种机动车碳排放监测方法及系统 - Google Patents

一种机动车碳排放监测方法及系统 Download PDF

Info

Publication number
CN114882614A
CN114882614A CN202210810636.7A CN202210810636A CN114882614A CN 114882614 A CN114882614 A CN 114882614A CN 202210810636 A CN202210810636 A CN 202210810636A CN 114882614 A CN114882614 A CN 114882614A
Authority
CN
China
Prior art keywords
vehicle
specific power
sampling time
emission
working condition
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
Application number
CN202210810636.7A
Other languages
English (en)
Other versions
CN114882614B (zh
Inventor
唐怀武
邱梦春
屈颖
许涛
周城
于志伟
叶珊珊
郭杰
梁大荣
王超
张建清
温作乐
于俊库
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Zetian Chunlai Technology Co ltd
Original Assignee
Hangzhou Chunlai Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Chunlai Technology Co Ltd filed Critical Hangzhou Chunlai Technology Co Ltd
Priority to CN202210810636.7A priority Critical patent/CN114882614B/zh
Publication of CN114882614A publication Critical patent/CN114882614A/zh
Application granted granted Critical
Publication of CN114882614B publication Critical patent/CN114882614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/12—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time in graphical form
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Arrangement Or Mounting Of Propulsion Units For Vehicles (AREA)

Abstract

本发明公开了一种机动车碳排放监测方法，获取机动车的车辆工况信息、尾气监测信息及采样时间；根据每一个采样时间对应的车辆工况信息计算比功率，并根据比功率和车辆类型在比功率分区表查找到比功率分区，获取采样时间的气态物排放量分担率；统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；以采样时间为标识符，及对应的比功率分区作为矩阵聚类条件，将每一个比功率分区对应的尾气监测信息和车辆工况信息，得到尾气排放关联矩阵；根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。本发明能够精确计算机动车的碳排放。

Description

一种机动车碳排放监测方法及系统
技术领域
本发明涉及机动车尾气检测领域，尤其涉及一种机动车碳排放监测方法及系统。
背景技术
温室气体浓度逐年增加，所引起的气候变暖是全世界所面临的重大环境问题，交通领域作为第三大碳排放源，引起了各国重大关注。由于机动车的保有量占比最高，机动车碳排放监管成为重中之重。目前常用的两种方法是“自上而下”和“自下而上”。“自上而下”的方法按照地区范围内的交通运输行业能源消耗数据乘以燃料碳排放系数计算交通碳排放量，这种粗放的统计方法无法精准获取不同交通方式的能源消耗量，无法满足“双碳”目标达成精细化统计要求；“自下而上”的方法依据各种交通方式的活动水平（如行驶里程）乘以单位活动水平的碳排放因子来计算交通碳排放量，但采用直接测量机动车尾气排放的装置或系统很少有相关报道，这主要是监测多组分参数的车载排气分析仪（PEMS）体积过大，价格昂贵，但3组分及单组分参数监测设备在计算过程中需要考虑尾气中湿度影响，以及排放量中气态物的排放量分担率，否则会导致实际监测值偏大。
发明内容
有鉴于此，本发明的目的在于提供一种机动车碳排放监测方法及系统，能够精确计算机动车的碳排放。
为实现上述目的，本发明提供了一种机动车碳排放监测方法，所述方法包括步骤：
S1、获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将所述车辆工况信息和所述采样时间存储至车辆工况信息存储表，以及将所述尾气监测信息和所述采样时间存储至尾气监测多参数存储表；
S2、根据所述车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
S3、根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
S4、以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在所述尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
S5、根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
优选的，所述步骤S1包括：所述车辆工况信息包括车牌、车辆类型、车速、加速度、扭力、扭矩和喷射燃油量，所述尾气监测信息包括温室气体浓度、湿度、流速、尾气温度，所述车辆类型包括轻型车和中重型车。
优选的，所述步骤S2包括：
根据所述车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为轻型车，则根据轻型车的比功率计算方法，计算得到该采样时间所对应的比功率；
根据车辆类型为轻型车，在预存的比功率分区表中查找到轻型车所对应的比功率分区，并根据计算得到的比功率，在该轻型车的比功率分区中查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率。
优选的，所述步骤S2包括：
轻型车的比功率VSP计算表达式为：
Figure 218215DEST_PATH_IMAGE001
（1）；
其中，g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路对应近似取值为0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路对应近似取值0.02°、0.035°和0.01°，v为机动车速度，a为机动车加速度。
优选的，所述步骤S2包括：
根据车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为中重型车，则根据中重型车的比功率计算方法，计算得到该采样时间所对应的比功率；
根据车辆类型为中重型车，在预存的比功率分区表中查找到中重型车所对应的比功率分区，并根据计算得到的比功率，在该中重型车的比功率分区中查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率。
优选的，所述步骤S2包括：
中重型车的比功率VSP计算表达式为：
Figure 378937DEST_PATH_IMAGE002
（2）；
其中，m为汽车质量，中型车和重型车质量预估为7500kg和15000kg；g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路近似取0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路近似取0.02、0.035和0.01；B为旋转滚动阻力系数，v为机动车速度，a为机动车加速度，C为空气阻力系数，约为0.002，fscale为固定质量因子，中型车取值为2.0598，重型车取值为17.1。
优选的，所述步骤S2包括：
中重型车比功率分区的区间划分方法为：针对不同污染物和不同的平均速度，分别以排放率近似程度作为聚类标准和流量分担率作为限值条件，对比功率区间进行合并，并对排放率和流量分担率做重新计算，其中，比功率高频区间以0.5kW/t步长划分，其他区间步长设置为1kW/t，共计划分29个分区。
优选的，所述步骤S3包括：
统计相同比功率分区所对应的采样信息条数p，记录为[p1、p2、p3、…、pk]，其中，k为比功率分区的分区数目，轻型车取值为23，中重型车取值为29；
将比功率分区、采样信息条数p、采样时间以及气态物排放量分担率η组成比功率关联数据表，并将采样信息条数p、单位采样时间t和气态物排放量分担率η相乘，组成k维比功率数据矩阵Fk=[p1*η1*t、p2*η2*t、p3*η3*t、…、pk*ηk*t]；
所述步骤S4包括：
将辆工况信息存储表中的车速、加速度、扭力、扭矩和喷射燃油量计算为综合修正因子CFk,m，可构成k*m维的尾气排放关联矩阵，尾气排放关联矩阵中的矩阵元素Φk,m的计算表达式为：
Figure 568873DEST_PATH_IMAGE003
（3）；
其中， m为采样时间的个数，Mgas为对应温室气体的物质量，Qk,m为标准状态下干尾气流量，对应表达式为：
Figure 487150DEST_PATH_IMAGE004
（4）；
其中，F为流速测量截面积，
Figure 247164DEST_PATH_IMAGE005
为尾气流速，
Figure 981770DEST_PATH_IMAGE006
为尾气温度， Xsw为尾气中含湿量。
优选的，所述步骤S3还包括：
根据所述比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量E为：
Figure 309983DEST_PATH_IMAGE007
（5）；
其中，i为机动车排放温室气体种类，一般有CO2、N2O和CH4三种。
为实现上述目的，本发明提供了一种机动车碳排放监测系统，所述系统包括：
存储模块，用于获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将所述车辆工况信息和所述采样时间存储至车辆工况信息存储表，以及将所述尾气监测信息和所述采样时间存储至尾气监测多参数存储表；
比功率模块，用于根据所述车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
比功率数据矩阵模块，用于根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
尾气排放关联矩阵模块，以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在所述尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
碳排放计算模块，用于根据所述比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
与现有技术相比，本发明一种机动车碳排放监测方法及系统，所有带来的有益效果：本发明提供了一种全生命周期计算机动车的碳排放总量的方法，相较于当前“自上而下”或“自下而上”方法，充分考虑机动车实际运行情况和真实温室气体排放量，有利于交通领域碳核算精细化。
附图说明
图1是根据本发明的一个实施例中的机动车碳排放监测方法的流程示意图；
图2是根据本发明的一个实施例中的轻型车比功率分区以及对应气态物排放量分担率的示意图；
图3是根据本发明的一个实施例中的中重型车比功率分区以及对应气态物排放量分担率的示意图；
图4是根据本发明的一个实施例中的机动车碳排放监测系统的系统示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述，但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
如图1所示的本发明的一实施例中，本发明提供一种机动车碳排放监测方法，该方法包括：
S1、获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将车辆工况信息和采样时间存储至车辆工况信息存储表，以及将尾气监测信息和采样时间存储至尾气监测多参数存储表；
S2、根据车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
S3、根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
S4、以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
S5、根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
远程终端设备通过机动车的车载诊断系统读取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，车辆工况信息包括车牌、车辆类型、车速、加速度、扭力、扭矩和喷射燃油量，尾气监测信息包括温室气体浓度、湿度、流速、尾气温度，将机动车的车辆工况信息、尾气监测信息以及对应的采样时间上传至远程服务器，并存储到数据库中。在数据库中构建车辆工况信息存储表和尾气监测多参数存储表，车辆工况信息存储表存储车辆工况信息和采样时间，建立采样时间和车辆工况信息的对应关系，尾气监测多参数存储表存储尾气监测信息和采样时间，建立采样时间和尾气监测信息的对应关系。采样时间为固定值，一般设置为1秒。
根据车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率。比功率分区是对应一种机动车行驶工况模式，主要是以机动车行驶的速度和加速度为参数划分分区。在远程服务器中预先存储比功率分区表，通过该比功率分区表可以获取每一个比功率分区所对应的气态物排放量分担率。比功率分区与车辆类型、速度以及加速度等有关。车辆类型包括轻型车和中重型车。轻型车包括微型车和轻型车，微型车包括微型客车和微型货车，轻型车包括轻型客车和轻型货车。中重型车包括中型车和重型车，中型车包括中型客车和中型货车，重型车包括重型客车和重型货车。
根据车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为轻型车，则根据轻型车的比功率计算方法，计算得到该采样时间所对应的比功率，轻型车的比功率VSP计算表达式为：
Figure 574611DEST_PATH_IMAGE008
（1）；
其中，g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路对应近似取值为0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路对应近似取值0.02°、0.035°和0.01°，v为机动车速度，a为机动车加速度。
根据车辆类型为轻型车，在预存的比功率分区表中查找到轻型车所对应的比功率分区，并根据计算得到的比功率，在该轻型车的比功率分区中查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率。计算过程中可根据插值法得到对应采样时间的气态物排放量分担率。如图2所示的轻型车比功率分区以及对应气态物排放量分担率的示意图。考虑轻型车国际化程度较高，参照国际MOVES分类模型将轻型车比功率分区分为1个减速区、1个怠速区、2个滑行区、19个加速区，共计23个分区。
根据车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为中重型车，则根据中重型车的比功率计算方法，计算得到该采样时间所对应的比功率，中重型车的比功率VSP计算表达式为：
Figure 170939DEST_PATH_IMAGE009
（2）；
其中，m为汽车质量，中型车和重型车质量预估为7500kg和15000kg，g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路近似取0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路近似取0.02、0.035和0.01；B为旋转滚动阻力系数，v为机动车速度，a为机动车加速度，C为空气阻力系数，约为0.002，fscale为固定质量因子，中型车取值为2.0598，重型车取值为17.1。
根据车辆类型为中重型车，在预存的比功率分区表中查找到中重型车所对应的比功率分区，并根据计算得到的比功率在该中重型车的比功率分区中，查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率，以此类推，获取到每一个采样时间所对应的气态物排放量分担率。计算过程中可根据插值法得到对应采样时间的气态物排放量分担率。考虑国内中重型车多为本土化公司生产，其排放状况、发动机循环工况与国际排放模型存在差异，可通过RDE测试建立对应排放模型数据库，具体方法为已成熟方法，不在此累述。中重型车比功率分区的区间划分方法：针对不同污染物和不同的平均速度，分别以排放率近似程度作为聚类标准和流量分担率作为限值条件，对比功率区间进行合并，并对排放率和流量分担率做重新计算。其中比功率高频区间以0.5kW/t步长划分，其他区间步长设置为1kW/t，最终共计划分29个分区。如图3所示的中重型车比功率分区以及对应气态物排放量分担率的示意图。以此类推，获取到每一个采样时间所对应的气态物排放量分担率。
根据获取每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数p，记录为[p1、p2、p3、…、pk]，k为比功率分区的分区数目，轻型车取值为23，中重型车取值为29。将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成VSP关联数据表，并将采样信息条数p、单位采样时间t和气态物排放量分担率η相乘，组成k维比功率数据矩阵Fk=[p1*η1*t、p2*η2*t、p3*η3*t、…、pk*ηk*t]。
以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，基于尾气排放关联数据表进行计算得到尾气排放关联矩阵。将辆工况信息存储表中的车速、加速度、扭力、扭矩和喷射燃油量计算为综合修正因子CFk,m，可构成k*m维的尾气排放关联矩阵，尾气排放关联矩阵中的矩阵元素Φk,m的计算表达式为：
Figure 712779DEST_PATH_IMAGE010
（3）；
其中， k为比功率分区的分区数目，m为采样时间的个数，Mgas为对应温室气体的物质量，Qk,m为标准状态下干尾气流量，
Qk,m表达式为：
Figure DEST_PATH_IMAGE011
（4）；
其中，F为流速测量截面积，
Figure 631800DEST_PATH_IMAGE012
为尾气流速，ts为尾气温度， Xsw为尾气中含湿量，CFk,m为综合修正因子，包括工况速度、加速度、温度、海拔、负载、喷射燃料量及劣化系数。
根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。基于机动车碳排放总量公式，可计算所有采样时间内的机动车碳排放总量E，即
Figure DEST_PATH_IMAGE013
（5）；
其中，i为机动车排放温室气体种类，一般有CO2、N2O和CH4三种。根据该技术方案，可以小时、天、月、季度等作为采样时间周期来计算车辆行驶过程中的碳排放总量，从而实现全生命周期的机动车碳排放核算。
如图4所示，本发明提供了一种机动车碳排放监测系统，该系统包括：
存储模块40，用于获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将所述车辆工况信息和所述采样时间存储至车辆工况信息存储表，以及将所述尾气监测信息和所述采样时间存储至尾气监测多参数存储表；
比功率模块41，用于根据所述车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
比功率数据矩阵模块42，用于根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
尾气排放关联矩阵模块43，以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在所述尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
碳排放计算模块44，用于根据所述比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
尽管为示例目的，已经公开了本发明的优选实施方式，但是本领域的普通技术人员将意识到，在不脱离由所附的权利要求书公开的本发明的范围和精神的情况下，各种改进、增加以及取代是可能的。

Claims (10)

1.一种机动车碳排放监测方法，其特征在于，所述方法包括步骤：
S1、获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将所述车辆工况信息和所述采样时间存储至车辆工况信息存储表，以及将所述尾气监测信息和所述采样时间存储至尾气监测多参数存储表；
S2、根据所述车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
S3、根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
S4、以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在所述尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
S5、根据比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
2.如权利要求1所述的机动车碳排放监测方法，其特征在于，所述步骤S1包括：
所述车辆工况信息包括车牌、车辆类型、车速、加速度、扭力、扭矩和喷射燃油量，所述尾气监测信息包括温室气体浓度、湿度、流速、尾气温度，所述车辆类型包括轻型车和中重型车。
3.如权利要求2所述的机动车碳排放监测方法，其特征在于，所述步骤S2包括：
根据所述车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为轻型车，则根据轻型车的比功率计算方法，计算得到该采样时间所对应的比功率；
根据车辆类型为轻型车，在预存的比功率分区表中查找到轻型车所对应的比功率分区，并根据计算得到的比功率，在该轻型车的比功率分区中查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率。
4.如权利要求3所述的机动车碳排放监测方法，其特征在于，所述步骤S2包括：
轻型车的比功率VSP计算表达式为：
Figure 281185DEST_PATH_IMAGE001
（1）；
其中，g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路对应近似取值为0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路对应近似取值0.02°、0.035°和0.01°，v为机动车速度，a为机动车加速度。
5.如权利要求3所述的机动车碳排放监测方法，其特征在于，所述步骤S2包括：
根据车辆工况信息存储表中采样时间所对应的车辆工况信息，获取车辆工况信息中的车辆类型、车速和加速度，若车辆类型为中重型车，则根据中重型车的比功率计算方法，计算得到该采样时间所对应的比功率；
根据车辆类型为中重型车，在预存的比功率分区表中查找到中重型车所对应的比功率分区，并根据计算得到的比功率，在该中重型车的比功率分区中查找到对应的气态物排放量分担率，以获取采样时间所对应的气态物排放量分担率。
6.如权利要求5所述的机动车碳排放监测方法，其特征在于，所述步骤S2包括：
中重型车的比功率VSP计算表达式为：
Figure 851844DEST_PATH_IMAGE002
（2）；
其中，m为汽车质量，中型车和重型车质量预估为7500kg和15000kg；g为重力加速度，θ为道路坡度，根据市区道路、市郊道路、高速道路近似取0.5°、2°和0°，A为轮胎的滚动阻力系数，根据市区道路、市郊道路、高速道路近似取0.02、0.035和0.01；B为旋转滚动阻力系数，v为机动车速度，a为机动车加速度，C为空气阻力系数，约为0.002，fscale为固定质量因子，中型车取值为2.0598，重型车取值为17.1。
7.如权利要求5所述的机动车碳排放监测方法，其特征在于，所述步骤S2包括：
中重型车比功率分区的区间划分方法为：针对不同污染物和不同的平均速度，分别以排放率近似程度作为聚类标准和流量分担率作为限值条件，对比功率区间进行合并，并对排放率和流量分担率做重新计算，其中，比功率高频区间以0.5kW/t步长划分，其他区间步长设置为1kW/t，共计划分29个分区。
8.如权利要求7所述的机动车碳排放监测方法，其特征在于，所述步骤S3包括：
统计相同比功率分区所对应的采样信息条数p，记录为[p1、p2、p3、…、pk]，其中，k为比功率分区的分区数目，轻型车取值为23，中重型车取值为29；
将比功率分区、采样信息条数p、采样时间以及气态物排放量分担率η组成比功率关联数据表，并将采样信息条数p、单位采样时间t和气态物排放量分担率η相乘，组成k维比功率数据矩阵Fk=[p1*η1*t、p2*η2*t、p3*η3*t、…、pk*ηk*t]；
所述步骤S4包括：
将辆工况信息存储表中的车速、加速度、扭力、扭矩和喷射燃油量计算为综合修正因子CFk,m，可构成k*m维的尾气排放关联矩阵，尾气排放关联矩阵中的矩阵元素Φk,m的计算表达式为：
Figure 340201DEST_PATH_IMAGE003
（3）；
其中， m为采样时间的个数，Mgas为对应温室气体的物质量，Qk,m为标准状态下干尾气流量，对应表达式为：
Figure 275796DEST_PATH_IMAGE004
（4）；
其中，F为流速测量截面积，
Figure 78798DEST_PATH_IMAGE005
为尾气流速，ts为尾气温度， Xsw为尾气中含湿量。
9.如权利要求8所述的机动车碳排放监测方法，其特征在于，所述步骤S3还包括：
根据所述比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量E为：
Figure 859672DEST_PATH_IMAGE006
（5）；
其中，i为机动车排放温室气体种类，一般有CO2、N2O和CH4三种。
10.一种机动车碳排放监测系统，其特征在于，所述系统包括：
存储模块，用于获取机动车的车辆工况信息、尾气监测信息以及对应的采样时间，并将所述车辆工况信息和所述采样时间存储至车辆工况信息存储表，以及将所述尾气监测信息和所述采样时间存储至尾气监测多参数存储表；
比功率模块，用于根据所述车辆工况信息存储表中每一个采样时间所对应的车辆工况信息，计算该采样时间所对应的比功率，并根据比功率和车辆类型在预存的比功率分区表查找到对应的比功率分区，获取该采样时间所对应的气态物排放量分担率；
比功率数据矩阵模块，用于根据获取的每一个采样时间所对应的比功率分区和气态物排放量分担率，统计相同比功率分区所对应的采样信息条数，将比功率分区、采样信息条数、采样时间以及气态物排放量分担率组成比功率数据矩阵；
尾气排放关联矩阵模块，以采样时间为标识符，该采样时间所对应的比功率分区作为矩阵聚类条件，在所述尾气监测多参数存储表中将每一个比功率分区所对应的尾气监测信息，以及在车辆工况信息存储表中对应的车辆工况信息，构成尾气排放关联数据表，并基于尾气排放关联数据表进行计算得到尾气排放关联矩阵；
碳排放计算模块，用于根据所述比功率数据矩阵和尾气排放关联矩阵，计算得到所有采样时间内的机动车碳排放总量。
CN202210810636.7A 2022-07-11 2022-07-11 一种机动车碳排放监测方法及系统 Active CN114882614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210810636.7A CN114882614B (zh) 2022-07-11 2022-07-11 一种机动车碳排放监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210810636.7A CN114882614B (zh) 2022-07-11 2022-07-11 一种机动车碳排放监测方法及系统

Publications (2)

Publication Number Publication Date
CN114882614A true CN114882614A (zh) 2022-08-09
CN114882614B CN114882614B (zh) 2022-10-11

Family

ID=82683231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210810636.7A Active CN114882614B (zh) 2022-07-11 2022-07-11 一种机动车碳排放监测方法及系统

Country Status (1)

Country Link
CN (1) CN114882614B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290834A (zh) * 2022-10-09 2022-11-04 杭州泽天春来科技有限公司 船舶碳排放监测装置及方法
CN116229607A (zh) * 2023-05-09 2023-06-06 深圳市城市交通规划设计研究中心股份有限公司 一种机动车行驶碳排放的预测方法、电子设备及存储介质
CN116595436A (zh) * 2023-05-17 2023-08-15 中国环境科学研究院环境技术工程有限公司 一种重型柴油车辆实际道路碳排放率统计方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496079A (zh) * 2011-12-12 2012-06-13 北京航空航天大学 一种道路能耗与排放的监测方法
US20130214920A1 (en) * 2012-02-22 2013-08-22 Nissan North America, Inc. Method of emanating a sound from a vehicle
CN103838971A (zh) * 2014-03-12 2014-06-04 中国航天系统工程有限公司 一种城市路网动态交通能耗及排放的计算方法
CN105225488A (zh) * 2015-11-05 2016-01-06 北京市交通行业节能减排中心 一种基于机动车比功率的速度对车辆排放因子修正方法
CN105786895A (zh) * 2014-12-25 2016-07-20 日本电气株式会社 道路交叉口的排放量的测算方法和装置
CN110243762A (zh) * 2019-06-18 2019-09-17 深圳大雷汽车检测股份有限公司 机动车尾气遥测和监管系统及自学习高排污车辆判定算法
CN110967320A (zh) * 2019-11-06 2020-04-07 北京理工大学 一种柴油车气态排气污染物遥感检测系统及方法
CN112113911A (zh) * 2020-08-18 2020-12-22 北京理工大学 点燃式发动机汽车尾气排放遥感大数据检测方法和系统
CN113642241A (zh) * 2021-08-17 2021-11-12 北京航空航天大学 一种基于交通运行状态的路网细颗粒物研究方法
CN114019113A (zh) * 2022-01-04 2022-02-08 杭州春来科技有限公司 一种基于多模数据修正的机动车尾气动态监测方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496079A (zh) * 2011-12-12 2012-06-13 北京航空航天大学 一种道路能耗与排放的监测方法
US20130214920A1 (en) * 2012-02-22 2013-08-22 Nissan North America, Inc. Method of emanating a sound from a vehicle
CN103838971A (zh) * 2014-03-12 2014-06-04 中国航天系统工程有限公司 一种城市路网动态交通能耗及排放的计算方法
CN105786895A (zh) * 2014-12-25 2016-07-20 日本电气株式会社 道路交叉口的排放量的测算方法和装置
CN105225488A (zh) * 2015-11-05 2016-01-06 北京市交通行业节能减排中心 一种基于机动车比功率的速度对车辆排放因子修正方法
CN110243762A (zh) * 2019-06-18 2019-09-17 深圳大雷汽车检测股份有限公司 机动车尾气遥测和监管系统及自学习高排污车辆判定算法
CN110967320A (zh) * 2019-11-06 2020-04-07 北京理工大学 一种柴油车气态排气污染物遥感检测系统及方法
CN112113911A (zh) * 2020-08-18 2020-12-22 北京理工大学 点燃式发动机汽车尾气排放遥感大数据检测方法和系统
US20220057297A1 (en) * 2020-08-18 2022-02-24 Beijing Institute Of Technology Method and system for detecting exhaust emissions of vehicle equipped with ignition engine based on big data of remote sensing
CN113642241A (zh) * 2021-08-17 2021-11-12 北京航空航天大学 一种基于交通运行状态的路网细颗粒物研究方法
CN114019113A (zh) * 2022-01-04 2022-02-08 杭州春来科技有限公司 一种基于多模数据修正的机动车尾气动态监测方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘立富等: "柴油发动机排放NH_3快速在线监测系统的研究与应用", 《分析仪器》 *
孙健等: "基于移动监测的城市道路交通碳排放形成机理――以上海市为例", 《中国公路学报》 *
胥耀方: "针对二氧化碳的轻型汽油车VSP区间划分", 《环境科学学报》 *
赖瑾璇等: "基于比功率分布的公交车行驶周期建立方法研究", 《交通运输系统工程与信息》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290834A (zh) * 2022-10-09 2022-11-04 杭州泽天春来科技有限公司 船舶碳排放监测装置及方法
CN115290834B (zh) * 2022-10-09 2023-01-06 杭州泽天春来科技有限公司 船舶碳排放监测装置及方法
CN116229607A (zh) * 2023-05-09 2023-06-06 深圳市城市交通规划设计研究中心股份有限公司 一种机动车行驶碳排放的预测方法、电子设备及存储介质
CN116595436A (zh) * 2023-05-17 2023-08-15 中国环境科学研究院环境技术工程有限公司 一种重型柴油车辆实际道路碳排放率统计方法及系统

Also Published As

Publication number Publication date
CN114882614B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
Yang et al. Real-world gaseous emission characteristics of Euro 6b light-duty gasoline-and diesel-fueled vehicles
CN114882614B (zh) 一种机动车碳排放监测方法及系统
Chong et al. Real-world fuel consumption, gaseous pollutants, and CO2 emission of light-duty diesel vehicles
Rosero et al. Real-world fuel efficiency and emissions from an urban diesel bus engine under transient operating conditions
Barth et al. The development of a comprehensive modal emissions model
Gao et al. Emission factors analysis for multiple vehicles using an on-board, in-use emissions measurement system
Gao et al. Experimental measurement of on-road CO2 emission and fuel consumption functions
CN115062842A (zh) 基于实时路况和气象状况的机动车排放预测方法及系统
CN116229607A (zh) 一种机动车行驶碳排放的预测方法、电子设备及存储介质
Mogro et al. Assessment of the effect of using air conditioning on the vehicle's real fuel consumption
Hung et al. A modal approach to vehicular emissions and fuel consumption model development
Kousoulidou et al. Validation of the COPERT road emission inventory model with real-use data
Andrei Real world heavy-duty vehicle emissions modeling
Giri et al. Effect of ambient concentration of carbon monoxide (CO) on the in-vehicle concentration of carbon monoxide in Chennai, India
Rakha et al. Emission model development using in-vehicle on-road emission measurements
Ahn et al. Microframework for modeling of high-emitting vehicles
Hu et al. Comparison of vehicle-specific fuel use and emissions models based on externally and internally observable activity data
KR20110078352A (ko) 도로 및 교통수단별 온실가스와 대기오염물질의 배출계수 실험을 위한 관련인자 및 대표 주행모드 개발 시스템
Vijayan et al. Experimental analysis of vehicle operation parameters affecting emission behavior of public transport buses with alternative diesel fuels
Huff et al. Auto Stop-Start Fuel Consumption Benefits
Clark et al. Evaluation of emissions from new and in-use transit buses in Mexico City, Mexico
Rymaniak et al. Comparative test of an internal combustion engine ecological indicators in real operating conditions and on a dynamic engine dynamometer
Chong et al. Investigation of real operation gaseous emissions from a diesel locomotive
Montúfar et al. Driving cycle and emission factors in high-altitude cities: Riobamba case
Pillot Commercial vehicle emissions in urban areas

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 310053 Room 301, 3 / F, building 1, 22 Zhiren street, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Zetian Chunlai Technology Co.,Ltd.

Country or region after: China

Address before: 310053 Room 301, 3 / F, building 1, 22 Zhiren street, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU CHUNLAI TECHNOLOGY Co.,Ltd.

Country or region before: China