CN115048990A - 基于智慧园区运营管理场景的碳排放计量方法及装置 - Google Patents
基于智慧园区运营管理场景的碳排放计量方法及装置 Download PDFInfo
- Publication number
- CN115048990A CN115048990A CN202210618875.2A CN202210618875A CN115048990A CN 115048990 A CN115048990 A CN 115048990A CN 202210618875 A CN202210618875 A CN 202210618875A CN 115048990 A CN115048990 A CN 115048990A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- carbon
- behavior
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 470
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 469
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims abstract description 170
- 238000006243 chemical reaction Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 31
- 238000005265 energy consumption Methods 0.000 claims description 22
- 230000009467 reduction Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 230000009919 sequestration Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 136
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 239000001569 carbon dioxide Substances 0.000 description 8
- 238000006386 neutralization reaction Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005612 types of electricity 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本公开涉及能源技术领域,提供了基于智慧园区运营管理场景的碳排放计量方法及装置。该方法包括:确定运营管理场景的场景类别;采集与场景类别对应的碳排放行为相关的特征数据集;对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量,能够有效且灵活地计算不同的日常管理经营场景下的碳排放计量。
Description
技术领域
本公开涉及能源技术领域,尤其涉及一种基于智慧园区运营管理场景的碳排放计量方法及装置。
背景技术
目前,针对碳排放的计量技术,大多数集中于诸如不同化石燃料等能源能耗场景的碳排放因子计算,不同建筑材料制作及使用过程中的碳排放因子的计量,或是在能耗等设备使用及运维过程中的碳排放计量,而对于日常管理经营活动所涉及的能耗计量和碳排放统计换算却几乎没有涉及到。
由于能源能耗在当前碳排放行为中占据的比重较高,故行业里的碳排放技术主要集中于此。但未来随着风水电能等绿色清洁能源的使用替换比例逐步的提升,此类技术或计算规则将逐步趋于淘汰或弱化,而日常经营管理行为的碳排占比将会大幅度提升,甚至占据主要地位。
然而,现有碳排放的计量技术,仅仅依靠材料的类型和能耗的计表来进行碳排放的计算,计算途径单一,且计量方式过于固化,因而无法直接适用于各类不同日常管理经营场景下的的碳排放计量的需求。因此,目前亟需提供一种可灵活计算不同的日常管理经营场景下的碳排放计量的有效方法。
发明内容
有鉴于此,本公开实施例提供了一种基于智慧园区运营管理场景的碳排放计量方法及装置,以提供一种可灵活计算不同的日常管理经营场景下的碳排放计量的有效方法。
本公开实施例的第一方面,提供了一种基于智慧园区运营管理场景的碳排放计量方法,包括:
确定运营管理场景的场景类别;
采集与场景类别对应的碳排放行为相关的特征数据集;
对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;
分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;
若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;
根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量。
本公开实施例的第二方面,提供了一种基于智慧园区运营管理场景的碳排放计量装置,包括:
场景确定模块,被配置为确定运营管理场景的场景类别;
数据采集模块,被配置为采集与场景类别对应的碳排放行为相关的特征数据集;
数据分类模块,被配置为对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;
系数分配模块,被配置为分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;
模型调取模块,被配置为若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;
碳排计量模块,被配置为根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比,其有益效果至少包括:通过确定运营管理场景的场景类别;采集与场景类别对应的碳排放行为相关的特征数据集;对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量,能够有效且灵活地计算不同的日常管理经营场景下的碳排放计量。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本公开实施例提供的一种基于智慧园区运营管理场景的碳排放计量方法的流程示意图;
图2是本公开实施例提供的基于智慧园区运营管理场景的碳排放计量方法中的一种具体应用示例的流程示意图;
图3是本公开实施例提供的一种基于智慧园区运营管理场景的碳排放计量装置的结构示意图;
图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种基于智慧园区运营管理场景的碳排放计量方法和装置。
近年来,碳排放与统计相应的方式方法出现了巨大的需求市场。而园区作为一个综合的经营主体,由于人员、设备、生产与经营管理行为的集中性,更面临着对日常各类行为活动碳排放的统计规则的明确和制定的需求。
通常情况下,根据园区的经营方式和企业入住类型,可将园区大致分为工业园区、化工园区、科技园区、金融园区和综合园区等不同类别。
虽然目前经营管理行为的碳排放比例在当前阶段并不如能源与材料碳排放的占比高,但随着新能源与绿电等替代行为的逐步升级,未来日常管理行为将成为碳排放精细化管理的重点。此外,随着信息化、数字化、大数据、AI(人工智能)以及5G等技术应用的普及,和智慧城市各领域的落地,对日常运营管理行为的日常数据采集、获取、分类、研判等已具备技术实现基础和精细化的能力。本公开实施例主要针对上述园区的一些通用性场景,如办公管理、通行管理、安防管理以及智慧经营等的碳排放计量进行深入研究。
图1是本公开实施例提供的一种基于智慧园区运营管理场景的碳排放计量方法的流程示意图。如图1所示,该基于智慧园区运营管理场景的碳排放计量方法包括:
步骤S101,确定运营管理场景的场景类别。
运营管理场景,主要是指上述园区的日常运营管理行为所涉及的相关场景。这些场景通常是从园区的“人、地、财、物、事、组织”等因素中产生。具体的,可根据园区的实际经营管理行为以及运营管理行为数据,划分出不同的碳排放场景。
在一些实施例中,可以根据如下步骤确定运营管理场景的场景类别:
首先,获取与运营管理场景相关的管理区域属性信息;再根据管理区域属性信息,确定运营管理场景的场景类别。
其中,管理区域属性信息,通常是指运营管理场景下所涉及到的与碳排放行为相关(即涉及到耗能行为)的管理区域的区域类型(比如,办公区域、通行区域、安防区域、智慧空间区域等)、区域功能(比如,办公、通行、安防、智慧空间等)等信息。
作为一示例,可以根据园区内的日常运营管理的管理区域属性信息,将园区内的日常运营管理划分归纳为各种管理场景。其中,各种管理场景包括但不限于办公管理、通行管理、安防管理以及智慧经营等通用性场景。每个场景可对应定义一个场景类别,比如,办公管理的场景类别可定义为“办公管理场景”,通行管理的场景类别可定义为“通行管理场景”,安防管理的场景类别可定义为“安防管理场景”,智慧经营的场景类别可定义为“智慧经营管理场景”。
在一些实施例中,上述通用性场景还可以根据场景的细分功能被进一步拆分成多个子场景。例如,对于“智慧经营管理场景”,可根据其空间的功能分区被进一步细分为:会议室空间管理、租赁空间管理、公共空间管理。其中,与会议室空间管理这一功能分区对应的场景类别可确定为会议室空间管理场景;与租赁空间管理这一功能分区对应的场景类别可确定为租赁空间管理场景;与公共空间管理这一功能分区对应的场景类别可确定为公共空间管理场景。
上述子场景还可以根据日常经营管理的各环节被进一步细分为多个细分场景。比如,对于租赁空间管理场景,还可以进一步细分为对外租赁空间管理场景和对内租赁空间管理场景。对于公共空间管理场景,还可以进一步细分为停车场所管理场景、公共卫生场所管理场景、公共大厅场所管理场景等。
步骤S102,采集与场景类别对应的碳排放行为相关的特征数据集。
与碳排放行为相关,是指日常运营管理中会涉及到耗能的行为/活动。这些行为/活动通常包括行政行为/活动、耗损行为/活动、安全管理行为/活动。
与碳排放行为相关的特征数据集,是指日常运营管理中会涉及到耗能的行为/活动的相关行为/活动数据,包括但不限于园区的行政类数据(如与行政行为相关的数据)、耗损类数据(如纸张的耗损等)、安全类数据(如与园区的安防管理行为相关的数据)等。这些运营管理行为主要是指涉及到碳排放相关的行为(如用电、用水、用纸张等)。
为了更好地表征和量化上述各类行为/活动的碳排放行为,可进一步将上述行为/活动数据作进一步的细分。例如,对于损耗类数据,可进一步细分为纸张的类型(如是采用回收材料制成的纸张,还是采用XX树木制成的纸张等)、纸张的使用数量等。对于行政类数据和安全类数据,可以进一步根据其实际的运营管理操作步骤,或者是相应的SOP(标准作业程序)对其行为做进一步的细化,在可能的情况下,其细化的颗粒度可以是下钻到单一行为操作方式,例如,用能设备(如空调等)的开/关操作(如自动开-自动关,自动开-手动关、手动开-自动关、手动开-手动关)等。
此外,该特征数据集中还可包含各类行为/活动数据的数据来源。数据来源,通常是指运营管理行为数据的获取来源和途径。其中,获取来源和途径,包括但不限于大数据、云端服务器、边缘服务器、智能楼宇管理系统(IBMS)、移动端、物联网IOT设备等。
作为一示例,假设根据上述步骤S101确定的场景类别为智慧空间管理场景下的会议室空间管理场景,该会议室空间管理场景中包括有空调、照明设备、投屏设备、插排等与碳排放行为相关的用能设备(用电设备),并且这些设备均可通过物联技术与碳排放计量终端(或者服务端)建立通信连接。此时,碳排放计量终端(或服务端)可以采集在该场景下的这些用电设备的用能行为(如开/关)、开/关使用时长、开/关使用频次、开/关模式(如自动开-自动关模式,自动开-手动关模式、手动开-自动关模式、手动开-手动关模式)等特征数据,从而获得该场景下的与碳排放行为相关的特征数据集。
优选的,在该特征数据集中,可包括多条特征数据,其中,一条特征数据可以是表征一个用能设备的用能行为的数据。例如,对于会议室空间管理场景下的空调,可以采集并记录空调的类型、型号、数量、匹数、通风量、使用时间、设定温度等相关参数,形成一条特征数据。
在实际应用中,可以预先在智慧空间管理场所设置各种智能监控设备、物联网终端设备以及移动端工具等,以便于采集与碳排放行为相关的各种数据。同时,还可以实现智能化预定、使用和资源释放等操作,有利于提高智能空间的利用率、降低能耗排放。例如,在预定使用的时间段内,开启会议室空间内被预定启用的相关用能设备;在没有预定使用会议室的时间段内,保持会议室空间的用能设备在待机状态或者关机状态。
步骤S103,对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据。
作为一示例,可以按照数据来源对特征数据集中的特征数据进行分类,得到多个分类数据子集。
具体的,可根据下述步骤对特征数据集进行数据分类,获得多个分类数据子集:首先,确定特征数据集中的每一条特征数据的数据来源;再根据特征数据集中的每一条特征数据的数据来源,对特征数据集中的特征数据进行划分,得到多个分类数据子集,一个分类数据子集对应一类数据来源。
在一示例性实施例中,数据来源可分为“物品消耗”、“设备使用”、“行为轨迹”、“AIOT数据”、“中和数据”这五大类。其中,“物品消耗”是指涉及到纸张用纸消耗等;“设备使用”是指在某场景下的用能设备的使用情况,包括设备的开/关操作等;“行为轨迹”是指涉及到碳排放的行为/活动;“AIOT 数据”是AI(人工智能)与IOT(物联网)的缩写,指的是人工智能物联网,即通过物联网收集来自不同维度的海量数据,存储于云端、边缘端,再根据大数据分析以及AI等技术,实现万物数据化、万物智联化;“中和数据”是与碳中和相关的数据,如使用新能源或者回收利用能源等方面的数据。
首先,可预先设置分别与“物品消耗”、“设备使用”、“行为轨迹”、“AIOT数据”、“中和数据”对应的五个分类数据子集。然后,提取出特征数据集中的每一条特征数据的数据来源,然后,将每一条特征数据归类到相应的数据来源对应的分类数据子集中。比如,记录空调的类型、型号、数量、匹数、通风量、使用时间、设定温度等相关参数的特征数据的数据来源是设备使用,那么可将该条特征数据归类到与“设备使用”对应的分类数据子集中。
在一优选实施例中,在对特征数据集进行数据分类之前,可先对特征数据集中的特征数据进行数据校验,以剔除其中的无效数据。具体的,可以分别判断特征数据集中的每一条特征数据是否满足预设的合格条件,若满足预设的合格条件,则将该条特征数据确定为有效数据,否则将该条特征数据确定为无效数据。其中,合格条件可以是针对不同类型的特征数据分别设定相应的校验条件。比如,对于空调使用的特征数据,其合格条件可以是:数据不为空值,且需要包含设备的开/关参数、使用时长参数、使用频率参数。对于纸张损耗类的特征数据,其合格条件可以是:数据不为空值,且需要包含纸张的类型、使用数量(张数)。
在对特征数据集进行分类之前进行数据校验操作,可以剔除其中的无效数据,可节省无效数据的内存占用空间,减少对无效数据对后续碳排放量的计算的干扰,从而保证了后续的碳排放量的计算结果的准确性和可靠性。
在一示例性实施例中,可进一步将上述“物品消耗”、“设备使用”、“行为轨迹”、“AIOT数据”、“中和数据”这几个分类数据子集中的分类数据进行分类,得到分别与直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为对应的数据集。例如,“物品消耗”相关的分类数据可以被划分到“碳排放消耗材料”这一类别中;“设备使用”、“行为轨迹”、“AIOT 数据”相关的分类数据,可以进一步根据其碳排放方式,,被划分到间接碳排放行为和/或直接碳排放行为这一类别中。“中和数据”相关的分类数据可以被划分到碳汇减排行为这一类别中。
步骤S104,分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数。
在一示例性实施例中,可以根据如下步骤为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数:
首先,获取分类数据子集中的每一个分类数据对应的地区属性信息和领域属性信息;然后,根据地区属性信息和领域属性信息,为分类数据子集中的每一个分类数据分配一个相应的碳排放转换系数。
通常情况下,对于同一碳排放行为/活动,在不同地区/区域和/或不同的领域/行业,其对应的碳排放转换系数可能是不同的,如不同地区/区域的政策规定 (或行业标准)不同等。比如,对于燃油汽车的燃油活动来说,在A地区的碳排放转换系数(即碳排放因子)为F1,在B地区的碳排放转换系数(即碳排放因子)可能为F2,其中,F1不等于F2。因此,可以先分别获取分类数据子集中的每一个分类数据对应的地区属性信息(即属于哪一个地区/区域)及其领域属性信息(即属于哪一个领域/行业),然后,根据各个地区/区域以及领域/行业所公布的碳排放活动对应的碳排放转换系数,为每一个分类数据分配一个相应的碳排放转换系数,从而保证后续碳排放量的计算结果的准确性和可靠性。
步骤S105,若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型。
在一实施例中,上述碳排放计量模型库中包括多个碳排放计量模型。
其中,碳排放计量模型,可以是使用各类日常经营管理场景下的特征数据集训练预设的深度学习网络(如神经网络),得到的用于量化计算各个场景下的碳排放量的深度学习网络(如神经网络)模型。一个管理场景对应一个碳排放计量模型。
上述步骤S105,具体可包括如下步骤:
提取碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型及其碳排转换因子;
遍历碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型,查找出碳排放行为特征数据的碳排行为类型与多个分类数据子集的碳排放行为类别匹配的至少一个候选碳排放计量模型;
将至少一个候选碳排放计量模型中碳排转换因子与分类数据子集中的每一条分类数据的碳排放转换系数均匹配的碳排放计量模型确定为目标碳排放计量模型,并调取目标碳排放计量模型。
碳排行为类型、碳排放行为类别,包括直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为。
直接碳排放行为,通常表示企业运营管理中会直接产生二氧化碳排放的行为,例如,手机、设备、电动车等用能设备的直接充电行为。间接碳排放行为,通常表示企业运营管理中会间接产生二氧化碳排放的行为,例如,物联网电表或智能插排或智能空调的开/关操作。碳排放消耗材料,包括在某管理场景下的消耗的纸张或产生的垃圾量等。碳汇减排行为,通常是指在某管理场景下的新能源利用、能源回收利用、区域空间的绿植数量、停车通行中的新能源车辆等有利于减少二氧化碳排放的行为。
作为一示例,假设当前的碳排放计量模型库中存储有5个碳排放计量模型,分别记为碳排放计量模型01、02、03、04、05。可以分别提取出碳排放计量模型01、02、03、04、05的碳排放行为特征数据的碳排行为类型。假设碳排放计量模型01、02、03的碳排行为类型均包括直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为;碳排放计量模型04的碳排行为类型包括直接碳排放行为和间接碳排放行为;碳排放计量模型05的碳排行为类型包括直接碳排放行为、间接碳排放行为和碳排放消耗材料。多个分类数据子集的碳排放行为类别包括直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为。那么,可以将拥有与多个分类数据子集的碳排放行为类别一致的碳排行为类型的碳排放计量模型01、02、03确定为候选碳排放计量模型。
接着,针对同一碳排行为类型(碳排行为类别),分别比较碳排放计量模型01、02、03的碳排放行为特征数据的碳排转换因子与多个分类数据子集中的分类数据的碳排放转换系数是否相同。例如,针对直接碳排放行为,可分别比较碳排放计量模型01、02、03的直接碳排放行为的碳排放行为特征数据的碳排转换因子与多个分类数据子集中的每一条分类数据的碳排放转换系数是否相同。
示例性的,假设多个分类数据子集中的直接碳排放行为的分类数据有3条,其对应的碳排放转换系数分别为S1、S2、S3。碳排放计量模型01中的直接碳排放行为的碳排放行为特征数据有3条,其对应的碳排转换因子分别为S1、S2、 S3。那么,可以确定碳排放计量模型01中的直接碳排放行为的碳排转换因子与分类数据子集中的直接碳排放行为的每一条分类数据的碳排放转换系数均匹配。类似的,可参照上述方法,分别对比碳排放计量模型01中间接碳排放行为、碳排放消耗材料和碳汇减排行为的碳排放行为特征数据的碳排转换因子与多个分类数据子集中的间接碳排放行为、碳排放消耗材料和碳汇减排行为的每一条分类数据的碳排放转换系数是否相同。若均相同,则可将碳排放计量模型01确定为目标碳排放计量模型。
在一些实施例中,若根据上述步骤,确定碳排放计量模型01、02、03中的碳排转换因子与分类数据子集中的每一条分类数据的碳排放转换系数均不完全匹配,那么可判定多个分类数据子集对应的场景为新增场景。此时,可以通过机器学习等方式使用多个分类数据子集进行训练,得到新增场景对应的新增碳排放计量模型,并将该新增碳排放计量模型增加到碳排放计量模型库中。
在一些实施例中,还可以针对不同管理场景的碳排放计量模型进行分级,以确定每一个管理场景的碳排放计量模型的重要等级。此操作主要是应对与未来应急相应预案,例如,当出现限电或限碳的地方政策以及区域性指标要求时,或者出现突然断电而导致UPS电源(即不间断电源)启动的情况下,哪一级别的场景优先关闭,哪一级别的场景作为重点而保留,从而保证园区内的日常运营管理正常、有序运作。
步骤S106,根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量。
在一些实施例中,上述步骤S106,具体可包括如下步骤:
针对碳排放行为类别为直接碳排放行为的第一分类数据子集,根据第一分类数据子集及其碳排放转换系数,计算得到运营管理场景下的直接碳排放量;
针对碳排放行为类别为间接碳排放行为的第二分类数据子集,根据第二分类数据子集及其碳排放转换系数,计算得到运营管理场景下的间接碳排放量;
针对碳排放行为类别为碳排放消耗材料的第三分类数据子集,根据第三分类数据子集及其碳排放转换系数,计算得到运营管理场景下的消耗材料碳排放量;
针对碳排放行为类别为碳汇减排行为的第四分类数据子集,根据第四分类数据子集及其碳排放转换系数,计算得到运营管理场景下的碳汇减排量;
根据直接碳排放量、间接碳排放量、消耗材料碳排放量和碳汇减排量,计算出运营管理场景下的总碳排放量。
对于直接碳排放量的计算,可以直接根据这些直接碳排放行为对应的用能数值(如用电数值)乘以对应的行业和区域所规定的电碳因子,计算得到运营管理场景下的直接碳排放量。
对于间接碳排放量的计算,可以具体可包括如下步骤:
确定第二分类数据子集中的每一个第二分类数据对应的碳排放活动类型;
根据碳排放活动类型确定每一个第二分类数据对应的平均碳耗能水平;
根据每一个第二分类数据对应的平均碳耗能水平、用能频率和用能时长,计算每一个第二分类数据对应的间接碳排放水平;
对每一个第二分类数据对应的间接碳排放水平进行叠加,得到运营管理场景下的间接碳排放量。
碳排放活动类型,可包括燃油(可包括各种类型的燃油)、燃气(可包括各种类型的燃气)、用电(可包括各种类型的电能)等类型。
具体的,可以根据下述公式(1)计算运营管理场景下的间接碳排放量。
其中,E间接表示企业运营管理的间接行为所产生的二氧化碳排放总量。
ADx表示第x种活动的平均耗能水平,如平均电力耗能水平,单位为兆瓦时(MWh);EFx表示第x种活动电碳排放因子,单位为tCO2/MWh,n表示第二分类数据子集中的第二分类数据的数量。
以第x种活动为使用用电设备为例,ADx=第x种活动所用设备的平均用电水平×使用时长×开关频次。其中,平均用电水平,可从智能监测设备获取,例如,可通过物联网电表或智能插排或智能空开设备等采集到相应的数据。EFx为国标各行业及区域的因子数值。例如,华东区域电网平均供电排放因子,为 0.928Kg/kWh。
AD热和EF热分别表示该场景所涉及燃料耗能水平和燃料碳排因子(如有),其中单位分别为百万千焦(GJ)和tCO2/GJ。例如,某些企业运营管理行为中涉及开关锅炉等耗热设备,如有则考虑,如无则不考虑。
对于消耗材料碳排放量的计算,可根据统计该场景下所消耗材料,如纸张数量、垃圾重量等,乘以相应的纸张(垃圾)二氧化碳当量,计算得到该场景下的消耗材料碳排放量。单位为吨二氧化碳当量(tCO2e)。
对于碳汇减排量的计算,可以根据统计的该场景下的新能源或回收再利用能源的量,乘以相应的二氧化碳当量计算得到。单位为吨二氧化碳当量(tCO2e)。
最后,根据下述公式(2)计算运营管理场景下的总碳排放量。
E=E直接+E间接+E材料-E碳汇 (2)。
其中,E表示该场景下的总碳排放量;E直接表示直接碳排放量;E间接表示间接碳排放量;E材料表示消耗材料碳排放量;E碳汇表示碳汇减排量。
本公开实施例提供的技术方案,通过通过确定运营管理场景的场景类别;采集与场景类别对应的碳排放行为相关的特征数据集;对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量,能够有效且灵活地计算不同的日常管理经营场景下的碳排放计量。
图2是本公开实施例提供的基于智慧园区运营管理场景的碳排放计量方法的一个具体应用示例的流程图。如图2所示,该碳排放计量方法包括如下步骤:
步骤一、确定运营管理场景的场景类别。
步骤二、采集与场景类别对应的碳排放行为相关的特征数据集。
步骤三、对特征数据集中的特征数据进行数据校验。
步骤四、若校验通过,则对特征数据进行分类,得到“物品消耗”、“设备使用”、“行为轨迹”、“AIOT数据”、“中和数据”分类数据子集;若校验不通过,则重新采集特征数据集。
步骤五、对“物品消耗”、“设备使用”、“行为轨迹”、“AIOT数据”、“中和数据”分类数据子集进行再次分类,得到直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为数据集。
步骤六、分别为直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为数据集中的每一条数据配置相应的碳排放转换系数。
步骤七、根据直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为数据集及其碳排放转换系数,进行场景归类,判断当前的碳排放计量模型库中是否有与之匹配的目标碳排放计量模型。
步骤八、若碳排放计量模型库中有与之匹配的目标碳排放计量模型,则调取目标碳排放计量模型,导入该目标碳排放计量模型的模型参数,计算运营管理场景下的总碳排放量;若碳排放计量模型库中没有与之匹配的目标碳排放计量模型,则通过机器学习训练得到相应的新增碳排放计量模型,并将该新增碳排放计量模型存储至碳排放计量模型库中。
步骤九、对碳排放计量模型库中的碳排放计量模型进行分级,确定各碳排放计量模型对应的预警级别以及建议预警处理方式。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的一种基于智慧园区运营管理场景的碳排放计量装置的示意图。如图3所示,该基于智慧园区运营管理场景的碳排放计量装置包括:
场景确定模块301,被配置为确定运营管理场景的场景类别;
数据采集模块302,被配置为采集与场景类别对应的碳排放行为相关的特征数据集;
数据分类模块303,被配置为对特征数据集进行数据分类,得到多个分类数据子集,每一个分类数据子集包括至少一条分类数据;
系数分配模块304,被配置为分别为每一个分类数据子集中的每一条分类数据分配一个碳排放转换系数;
模型调取模块305,被配置为若判断预设的碳排放计量模型库中包含有与多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取目标碳排放计量模型;
碳排计量模块306,被配置为根据目标碳排放计量模型,计算得到运营管理场景下的总碳排放量。
在一些实施例中,上述碳排放计量模型库中包括多个碳排放计量模型。上述模型调取模块305包括:
提取单元,被配置为提取碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型及其碳排转换因子;
遍历单元,被配置为遍历碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型,查找出碳排放行为特征数据的碳排行为类型与多个分类数据子集的碳排放行为类别匹配的至少一个候选碳排放计量模型;
调取单元,被配置为将至少一个候选碳排放计量模型中碳排转换因子与分类数据子集中的每一条分类数据的碳排放转换系数均匹配的碳排放计量模型确定为目标碳排放计量模型,并调取目标碳排放计量模型。
在一些实施例中,上述碳排放行为类别包括直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为。上述碳排计量模块306包括:
第一计算单元,被配置为针对碳排放行为类别为直接碳排放行为的第一分类数据子集,根据第一分类数据子集及其碳排放转换系数,计算得到运营管理场景下的直接碳排放量;
第二计算单元,被配置为针对碳排放行为类别为间接碳排放行为的第二分类数据子集,根据第二分类数据子集及其碳排放转换系数,计算得到运营管理场景下的间接碳排放量;
第三计算单元,被配置为针对碳排放行为类别为碳排放消耗材料的第三分类数据子集,根据第三分类数据子集及其碳排放转换系数,计算得到运营管理场景下的消耗材料碳排放量;
第四计算单元,被配置为针对碳排放行为类别为碳汇减排行为的第四分类数据子集,根据第四分类数据子集及其碳排放转换系数,计算得到运营管理场景下的碳汇减排量;
第五计算单元,被配置为根据直接碳排放量、间接碳排放量、消耗材料碳排放量和碳汇减排量,计算出运营管理场景下的总碳排放量。
在一些实施例中,上述第二计算单元,可具体被配置为:
确定第二分类数据子集中的每一个第二分类数据对应的碳排放活动类型;
根据碳排放活动类型确定每一个第二分类数据对应的平均碳耗能水平;
根据每一个第二分类数据对应的平均碳耗能水平、用能频率和用能时长,计算每一个第二分类数据对应的间接碳排放水平;
对每一个第二分类数据对应的间接碳排放水平进行叠加,得到运营管理场景下的间接碳排放量。
在一些实施例中,上述数据分类模块303,包括:
来源确定单元,被配置为确定特征数据集中的每一条特征数据的数据来源;
划分单元,被配置为根据特征数据集中的每一条特征数据的数据来源,对特征数据集中的特征数据进行划分,得到多个分类数据子集,一个分类数据子集对应一类数据来源。
在一些实施例中,上述系数分配模块304包括:
获取单元,被配置为获取分类数据子集中的每一个分类数据对应的地区属性信息和领域属性信息;
分配单元,被配置为根据地区属性信息和领域属性信息,为分类数据子集中的每一个分类数据分配一个相应的碳排放转换系数。
在一些实施例中,上述场景确定模块301包括:
信息获取单元,被配置为获取与运营管理场景相关的管理区域属性信息;
场景确定单元,被配置为根据管理区域属性信息,确定运营管理场景的场景类别。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的电子设备4的示意图。如图4所示,该实施例的电子设备4包括:处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
电子设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是电子设备4的示例,并不构成对电子设备4的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器402可以是电子设备4的内部存储单元,例如,电子设备4的硬盘或内存。存储器402也可以是电子设备4的外部存储设备,例如,电子设备4 上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器402还可以既包括电子设备 4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于智慧园区运营管理场景的碳排放计量方法,其特征在于,包括:
确定运营管理场景的场景类别;
采集与所述场景类别对应的碳排放行为相关的特征数据集;
对所述特征数据集进行数据分类,得到多个分类数据子集,每一个所述分类数据子集包括至少一条分类数据;
分别为每一个所述分类数据子集中的每一条分类数据分配一个碳排放转换系数;
若判断预设的碳排放计量模型库中包含有与所述多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取所述目标碳排放计量模型;
根据所述目标碳排放计量模型,计算得到所述运营管理场景下的总碳排放量。
2.根据权利要求1所述的方法,其特征在于,所述碳排放计量模型库中包括多个碳排放计量模型;
若判断预设的碳排放计量模型库中包含有与所述多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取所述目标碳排放计量模型,包括:
提取所述碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型及其碳排转换因子;
遍历所述碳排放计量模型库中的每一个碳排放计量模型对应的碳排放行为特征数据的碳排行为类型,查找出所述碳排放行为特征数据的碳排行为类型与所述多个分类数据子集的碳排放行为类别匹配的至少一个候选碳排放计量模型;
将所述至少一个候选碳排放计量模型中碳排转换因子与所述分类数据子集中的每一条分类数据的碳排放转换系数均匹配的碳排放计量模型确定为目标碳排放计量模型,并调取所述目标碳排放计量模型。
3.根据权利要求1所述的方法,其特征在于,所述碳排放行为类别包括直接碳排放行为、间接碳排放行为、碳排放消耗材料和碳汇减排行为;
根据所述目标碳排放计量模型,计算得到所述运营管理场景下的总碳排放量,包括:
针对碳排放行为类别为直接碳排放行为的第一分类数据子集,根据所述第一分类数据子集及其碳排放转换系数,计算得到所述运营管理场景下的直接碳排放量;
针对碳排放行为类别为间接碳排放行为的第二分类数据子集,根据所述第二分类数据子集及其碳排放转换系数,计算得到所述运营管理场景下的间接碳排放量;
针对碳排放行为类别为碳排放消耗材料的第三分类数据子集,根据所述第三分类数据子集及其碳排放转换系数,计算得到所述运营管理场景下的消耗材料碳排放量;
针对碳排放行为类别为碳汇减排行为的第四分类数据子集,根据所述第四分类数据子集及其碳排放转换系数,计算得到所述运营管理场景下的碳汇减排量;
根据所述直接碳排放量、间接碳排放量、消耗材料碳排放量和碳汇减排量,计算出所述运营管理场景下的总碳排放量。
4.根据权利要求3所述的方法,其特征在于,根据所述第二分类数据子集及其碳排放转换系数,计算得到所述运营管理场景下的间接碳排放量,包括:
确定所述第二分类数据子集中的每一个第二分类数据对应的碳排放活动类型;
根据所述碳排放活动类型确定每一个所述第二分类数据对应的平均碳耗能水平;
根据每一个所述第二分类数据对应的平均碳耗能水平、用能频率和用能时长,计算每一个所述第二分类数据对应的间接碳排放水平;
对每一个所述第二分类数据对应的间接碳排放水平进行叠加,得到所述运营管理场景下的间接碳排放量。
5.根据权利要求1所述的方法,其特征在于,对所述特征数据集进行数据分类,得到多个分类数据子集,包括:
确定所述特征数据集中的每一条特征数据的数据来源;
根据所述特征数据集中的每一条特征数据的数据来源,对所述特征数据集中的特征数据进行划分,得到多个分类数据子集,一个分类数据子集对应一类数据来源。
6.根据权利要求1所述的方法,其特征在于,分别为每一个所述分类数据子集中的每一条分类数据分配一个碳排放转换系数,包括:
获取所述分类数据子集中的每一个分类数据对应的地区属性信息和领域属性信息;
根据所述地区属性信息和领域属性信息,为所述分类数据子集中的每一个分类数据分配一个相应的碳排放转换系数。
7.根据权利要求1所述的方法,其特征在于,确定运营管理场景的场景类别,包括:
获取与运营管理场景相关的管理区域属性信息;
根据所述管理区域属性信息,确定运营管理场景的场景类别。
8.一种基于智慧园区运营管理场景的碳排放计量装置,其特征在于,包括:
场景确定模块,被配置为确定运营管理场景的场景类别;
数据采集模块,被配置为采集与所述场景类别对应的碳排放行为相关的特征数据集;
数据分类模块,被配置为对所述特征数据集进行数据分类,得到多个分类数据子集,每一个所述分类数据子集包括至少一条分类数据;
系数分配模块,被配置为分别为每一个所述分类数据子集中的每一条分类数据分配一个碳排放转换系数;
模型调取模块,被配置为若判断预设的碳排放计量模型库中包含有与所述多个分类数据子集的碳排放行为类别及碳排放转换系数匹配的目标碳排放计量模型,则调取所述目标碳排放计量模型;
碳排计量模块,被配置为根据所述目标碳排放计量模型,计算得到所述运营管理场景下的总碳排放量。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618875.2A CN115048990A (zh) | 2022-06-01 | 2022-06-01 | 基于智慧园区运营管理场景的碳排放计量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618875.2A CN115048990A (zh) | 2022-06-01 | 2022-06-01 | 基于智慧园区运营管理场景的碳排放计量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115048990A true CN115048990A (zh) | 2022-09-13 |
Family
ID=83159320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210618875.2A Pending CN115048990A (zh) | 2022-06-01 | 2022-06-01 | 基于智慧园区运营管理场景的碳排放计量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048990A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600824A (zh) * | 2022-12-09 | 2023-01-13 | 国网浙江省电力有限公司金华供电公司(Cn) | 一种碳排放的预警方法及装置、存储介质、电子设备 |
CN115984069A (zh) * | 2022-12-30 | 2023-04-18 | 数字双碳科技(合肥)有限公司 | 基于碳计量边缘一体机的碳排放数据处理分析方法 |
CN116030210A (zh) * | 2023-01-10 | 2023-04-28 | 深圳润澄金景科技服务有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
CN116485072A (zh) * | 2023-04-14 | 2023-07-25 | 北京金骏捷电子科技有限责任公司 | 一种碳计量方法 |
CN116975689A (zh) * | 2023-07-31 | 2023-10-31 | 杭州超腾能源技术股份有限公司 | 一种碳排放的智能识别与控制方法及系统 |
CN117871792A (zh) * | 2024-03-13 | 2024-04-12 | 河北省建筑科学研究院有限公司 | 用于对园区绿植碳汇的动态监测方法及系统 |
CN117973901A (zh) * | 2024-03-28 | 2024-05-03 | 天津市普迅电力信息技术有限公司 | 基于知识图谱的面向多协议碳计量核算方法 |
-
2022
- 2022-06-01 CN CN202210618875.2A patent/CN115048990A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600824A (zh) * | 2022-12-09 | 2023-01-13 | 国网浙江省电力有限公司金华供电公司(Cn) | 一种碳排放的预警方法及装置、存储介质、电子设备 |
CN115984069A (zh) * | 2022-12-30 | 2023-04-18 | 数字双碳科技(合肥)有限公司 | 基于碳计量边缘一体机的碳排放数据处理分析方法 |
CN115984069B (zh) * | 2022-12-30 | 2023-09-05 | 数字双碳科技(合肥)有限公司 | 基于碳计量边缘一体机的碳排放数据处理分析方法 |
CN116030210A (zh) * | 2023-01-10 | 2023-04-28 | 深圳润澄金景科技服务有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
CN116030210B (zh) * | 2023-01-10 | 2023-09-29 | 深圳前海润澄金景双碳科技有限公司 | 碳排放数据统计方法、电子设备及存储介质 |
CN116485072A (zh) * | 2023-04-14 | 2023-07-25 | 北京金骏捷电子科技有限责任公司 | 一种碳计量方法 |
CN116975689A (zh) * | 2023-07-31 | 2023-10-31 | 杭州超腾能源技术股份有限公司 | 一种碳排放的智能识别与控制方法及系统 |
CN116975689B (zh) * | 2023-07-31 | 2024-02-06 | 杭州超腾能源技术股份有限公司 | 一种碳排放的智能识别与控制方法及系统 |
CN117871792A (zh) * | 2024-03-13 | 2024-04-12 | 河北省建筑科学研究院有限公司 | 用于对园区绿植碳汇的动态监测方法及系统 |
CN117871792B (zh) * | 2024-03-13 | 2024-05-14 | 河北省建筑科学研究院有限公司 | 用于对园区绿植碳汇的动态监测方法及系统 |
CN117973901A (zh) * | 2024-03-28 | 2024-05-03 | 天津市普迅电力信息技术有限公司 | 基于知识图谱的面向多协议碳计量核算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115048990A (zh) | 基于智慧园区运营管理场景的碳排放计量方法及装置 | |
CN109034445B (zh) | 一种面向市场的电力管理系统和方法 | |
CN108256723B (zh) | 煤改电接入电网的经济效益评估方法及终端设备 | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN115954910B (zh) | 一种基于能量优化的分布式储能控制方法及系统 | |
CN115965223B (zh) | 一种基于云平台的智慧能源管理方法及系统 | |
CN115600824A (zh) | 一种碳排放的预警方法及装置、存储介质、电子设备 | |
CN107194562A (zh) | 供电公司用台区停电分析系统 | |
CN114519450A (zh) | 一种适用于新型电力系统的配电网态势感知方法及系统 | |
CN115842342A (zh) | 一种分布式配电网的拓扑识别方法及装置 | |
CN114881508A (zh) | 一种电网指标报表的数据处理方法、装置及设备 | |
CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
CN113723782A (zh) | 一种基于能源消耗碳排放的精细尺度确定方法及装置 | |
Wang et al. | Three-dimensional maturity model of regional power users against the background of the ubiquitous power internet of things | |
CN112183900B (zh) | 一种基于聚类分析的用电分析及优化调度方法 | |
CN212322281U (zh) | 一种开放式的电力ai应用平台 | |
CN113656937A (zh) | 用于识别电力设备拓扑的方法、装置、存储介质及处理器 | |
CN111881885A (zh) | 一种开放式的电力ai应用平台 | |
CN115114715B (zh) | 城市基础设施群网络弹性分析方法、电子设备及存储介质 | |
Silva et al. | Clustering Methods for the Profiling of Electricity Consumers Owning Energy Storage System | |
Gorka et al. | Classification Models for Forecasting and Real-Time Identification of Solar Curtailment in the California Grid | |
CN115271317A (zh) | 充电站规划方法及相关设备 | |
Wu et al. | Community storage for firming | |
CN117634838A (zh) | 一种供电所资源智能调度管理方法及系统 | |
Qianhao et al. | Data Mining-based Multi-objective Economic Dispatching of Distribution Network with Distributed Generation and Electric Vehicle |
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 |