CN115098829A - 一种基于多源计量数据的碳排放量在线分析方法 - Google Patents
一种基于多源计量数据的碳排放量在线分析方法 Download PDFInfo
- Publication number
- CN115098829A CN115098829A CN202210548574.7A CN202210548574A CN115098829A CN 115098829 A CN115098829 A CN 115098829A CN 202210548574 A CN202210548574 A CN 202210548574A CN 115098829 A CN115098829 A CN 115098829A
- Authority
- CN
- China
- Prior art keywords
- data
- emission
- model
- emission source
- source
- 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 34
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims description 26
- 230000001419 dependent effect Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 238000013524 data verification Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013499 data model Methods 0.000 abstract description 5
- 230000002776 aggregation Effects 0.000 abstract description 4
- 238000004220 aggregation Methods 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 238000006386 neutralization reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000004566 building material Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源计量数据的碳排放量在线分析方法，通过建立排放单位多源数据排放数学模型，开展同类排放源相关监测点、不同排放数据源类型间数据合理性验证，并建立数据合理判断数学模型。根据参与碳排放计量的目标的性质维度进行分类聚合，包括相同类型排放源间监测点数据关系以及不同类型排放源间的数据关系。本发明提供的一种基于多源计量数据的碳排放量在线分析方法，通过监测点数据关系结合概率方法学对不同数据源进行验证、对异常数据、断线数据进行拟合计算并修正，结合企业生产实际，对计量数据模型进行补充完善，使得在一定时间内，监测系统的数据真实反映企业碳排放量。
Description
技术领域
本发明涉及碳中和技术领域，特别涉及一种基于多源计量数据的碳排放量在线分析方法。
背景技术
要按期实现碳达峰碳中和的目标，排放单位需要及时、准确的掌握自身碳排放量，并有效开展节能降碳工作。在二氧化碳的排放方面，工业企业占了较大比重。这些企业例如电力方面的工厂(火电厂等)，建材方面的工厂(水泥厂等)，在生产过程中不可避免的会排放二氧化碳。为了实现碳达峰碳中和，企业需要进行产业及产品升级，开展节能技术改造，使用清洁能源等等，以有效降低工业企业的二氧化碳排放量。
但是，目前工业企业二氧化碳的排放量主要是通过核算法(周期一般为一年)，且部分工业企业建设了碳排放信息化系统，但对自身排放源的监测是否完整，数据采集过程中出现更换二次仪表、二次仪表出现故障、部分排放源数据通信线路由于信号干扰等出现异常数据或数据断线，或生产结构调整导致碳排放量的在线分析数据出现异常，影响工业企业开展节能降碳预测预警、数据核算等工作。而现有技术缺少解决这种现象的技术方案。。
发明内容
本发明要解决的技术问题，在于提供一种基于多源计量数据的碳排放量在线分析方法，通过建立排放单位多源数据排放数学模型，通过计量点数据关系结合概率方法学对异常数据、断线数据进行拟合计算并修正。
本发明是这样实现的：
一种基于多源计量数据的碳排放量在线分析方法，用于分析至少一个排放单位的碳排放量，每一排放单位包括多类排放源，每一类排放源包括一个及以上监测点，所述方法包括：
步骤10、根据排放单位的排放源历史数据学习并建立数学模型，所述数学模型包括排放单位排放量计算模型、不同类型排放源历史数据关系模型、相同排放源类型不同监测点计算模型以及相同排放源类型不同监测点间活动水平数学关系模型；
步骤20、输入测量各数据源计量设备的计量性能，所述计量性能包括计量设备测量标准偏差σ；
步骤30、根据所述不同类型排放源历史数据关系模型，以已有排放源数据作为自变量，以需要预测或验证的排放源为因变量，得到预测值或验证值；根据所述相同排放源类型不同监测点间活动水平数学关系模型，以确定已获取的计量监测点排放量为自变量，以需要预测或验证的监测点排放数据作为因变量，得到预测值或验证值；
数据验证过程：根据设定的数据验证时效、验证频率进行数据拟合验证；根据已获取数据的排放源数据及计量设备的准确度确定自变量，然后根据所述不同类型排放源历史数据关系模型或相同排放源类型不同监测点间活动水平数学关系模型计算得到因变量的验证值，当验证值在偏差阈值范围内，则判定验证值与实际测量值吻合，若超过偏差阈值的，则反馈生成预警信息；
数据预测过程：当产生断线数据或异常数据时，若为排放源级别的数据，则根据所述不同类型排放源历史数据关系模型和已有排放源数据计算得到预测值，若为监测点级别的数据，则根据相同排放源类型不同监测点间活动水平数学关系模型和已有监测点数据计算得到预测值，并根据模型给出预测值的不确定度；
步骤40、对数据验证过程记录的预警信息进行分析，若为数据采集或传输过程中出现的问题，则根据修正模型进行数据拟合后修正，并标注数据拟合中的偏差不确定度，若为生产状况变化的，则需要根据实际生产状况调整情况进行分析确认；
步骤50、根据监测点的测量值以及监测点的测量值缺失时的预测结果，核算出工业企业的碳排放量，并给出预测预警信息相关情况。
进一步地，所述数学模型具体包括：
所述排放单位排放量计算模型为：
其中，E总表示排放单位总排放量，Eyi表示第i种排放源数据，n为排放单位的排放源类型数量，包括直接排放、间接排放以及能源间接排放；
所述不同类型排放源历史数据关系模型为：
Eyi＝f(Ey1,Ey2...,Eyi-1)
其中，f(Eyi)为历史数据分析得到的不同类型排放源间数据关系函数；
所述相同排放源类型不同监测点计算模型为：
Edj＝ADj×EFj
其中，ADj表示同类排放源下第j个监测点活动水平数据，EFj表示第j个监测点排放因子；
所述相同排放源类型不同监测点间活动水平数学关系模型为：
ADjn＝f(ADj1,ADj2...,ADjn-1)
其中，f(ADj)为由历史数据得到相同排放源类型不同监测点活动水平的数学关系函数。
进一步地，所述步骤30中，将计量设备的准确度高的确定为自变量，将计量设备的准确度高的确定为因变量。
进一步地，所述步骤30中，所述偏差阈值为±3σ。
本发明具有如下优点：
通过建立碳排放多源数据计量数学模型，按照计量学方法，对不同排放源数据或相同排放源类型不同监测点间的数据进行验证，并通过计量学方法，进行预测。针对数据中断、数据异常的企业，通过数学模型修正，结合企业生产实际，对计量数据模型进行补充完善，使得在一定时间内，监测系统的数据真实反映企业碳排放量。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例方法的执行流程图。
具体实施方式
本发明方法通过建立排放单位多源数据排放数学模型，开展同类排放源相关监测点、不同排放数据源类型间数据合理性验证，并建立数据合理判断数学模型。根据参与碳排放计量的目标的性质维度进行分类聚合，包括相同类型排放源间计量点数据关系以及不同类型排放源间的数据关系。通过监测点数据关系结合概率方法学对不同数据源进行验证、对异常数据、断线数据进行拟合计算并修正，结合企业生产实际，对计量数据模型进行补充完善，使得在一定时间内，监测系统的数据真实反映企业碳排放量。
本发明的总体思路如下：
步骤一、排放监测数据完整性分析。根据排放单位排放源历史数据学习并建立数学模型。完整性模型包括边界是否覆盖所有不低于1％的排放源类型。
1、对于技术上已有可实现在线监测的，则应全部监测；
2、对于技术上不可实现在线监测的排放源，其排放数据占比应不高于总排放量的1％。
3、由历史数据计算得到排放单位排放量计算模型：
模型1：排放单位排放量计算模型
其中，E总表示排放单位总排放量，Eyi表示第i种排放源数据，n为排放单位的排放源类型数量，包括直接排放、间接排放以及能源间接排放等。
4、由历史数据分析得到不同排放源间数学关系模型：
模型2：不同排放源历史数据关系模型
Eyi＝f(Ey1,Ey2...,Eyi-1)
其中，f(Eyi)为历史数据分析得到的不同排放源间数据关系函数。
步骤二、建立相同排放源类型不同监测点间数据模型。排放监测点级别数据的修正及预测，数据使用活动数据进行拟合。
1、相同排放源类型不同监测点碳排放计算模型
模型3：相同排放源包含不同监测点的计算模型
Edj＝ADj×EFj
其中，ADj表示同类排放源下第j个监测点活动水平数据，EFj表示第j个监测点排放因子。
2、由历史数据得到相同排放源类型不同监测点活动水平的数学关系模型
模型4：相同排放源类型不同监测点间活动水平数学关系模型
ADjn＝f(ADj1,ADj2...,ADjn-1)
其中，f(ADj)为由历史数据得到相同排放源类型不同监测点活动水平的数学关系函数。
步骤三、输入各排放源计量数据相关监测设备的计量性能。根据排放单位的碳排放相关数据源类型，确定相关计量设备的计量性能，测量不确定度标准偏差σ等。
步骤四、数据预测值及验证值的确定。根据模型2，以已有排放源数据作为自变量，以需要预测或验证的排放源为因变量，得到预测或验证值Eyi。根据模型4，确定已获取的计量监测点排放量为自变量，以需要预测或验证的监测点排放数据作为因变量，得到相同排放源类型不同监测点预测或验证数据ADjn。
步骤五、数据预测及验证。
A、当需要开展数据验证时，设定数据验证时效、验证频率，进行数据拟合验证。
1、不同类型排放源的数据验证。首先设定模型2以及已获取数据的排放源计量设备的准确度等级，根据自变量计算因变量，并按照正态分布函数，取计量设备超出不确定度置信区间概率小于1％作为测量结果的偏差，即测量结果Eyi±3σ代入模型2，计算结果作为评价因变量验证结果的阈值判断。结果在阈值范围内的，则判定验证值与实际测量值结果吻合，若超过阈值的，则反馈生成预警信息。
2、相同排放源类型不同监测点数据验证。首先设定数学关系模型4以及计量设备的准确度等级，根据自变量计算因变量，并按照正态分布函数，取计量设备超出不确定度置信区间概率小于1％作为测量结果的偏差，即测量结果ADjn-1±3σ代入数学关系模型4，计算结果作为评价因变量预测结果的阈值判断。结果在阈值范围内的，则判定验证值与实际测量值结果吻合，若超过阈值的，则反馈生成预警信息。
B、当需要开展数据预测时，通过设定预测时间，进行数据预测。
1、不同类型排放源的数据预测。首先模型2以及已获取数据的排放源计量设备的准确度等级，根据自变量计算因变量，即测量结果Eyi代入模型2，计算结果作为预测的排放源数据，其预测结果不确定度为(Eyi±3σ)代入模型2的结果。
2、相同排放源类型不同监测点数据预测。首先设定模型4以及计量设备的准确度等级，根据自变量计算因变量，即测量结果ADjn-1代入模型4，计算结果作为预测的排放源数据，其预测结果不确定度为(ADjn-1±3σ)代入模型4的结果。
注：根据当数据测量为正态分布时，其概率密度函数p(x)为
当|δ≤3σ时，置信区间概率为99.73％，因此选择自变量计量器具测量偏差的3倍作为偏差阈值。
步骤六、数据验证的确认。对记录的预警信息进行分类分析，通过自动分析识别，若相关数据缺失，判断为数据采集或传输过程中出现的问题，则根据修正模型进行数据拟合后进行预测修正，并根据步骤五标注数据拟合中的偏差不确定度。若系统已收到数据，但与模型偏差较大，则通过人工分析明确为生产状况发生变化的，根据实际生产状况重新调整模型2及模型4，确认数据计算结果。
步骤七、数据预测结果的确认。若存在生产变化原因，相应的模型2或模型4需要修正的，修正后进行拟合计算。可根据相关计量数据与设备其他数据间关系进行判断，预测结果偏差为输入值的相关计量器具的f(Eyi±3σ)或f(ADjn-1±3σ)范围内。
步骤八、核算出工业企业的碳排放量，并给出预测预警信息相关情况。包括预警数量占比，预测数据偏差等。
如图1所示，本发明一具体实施方式，公开了一种基于多源计量数据的碳排放量在线分析方法，用于分析至少一个排放单位的碳排放量，每一排放单位包括多类排放源，每一类排放源包括一个及以上监测点，所述方法步骤如下：
步骤10、根据排放单位的排放源历史数据学习并建立数学模型，所述数学模型包括排放单位排放量计算模型、不同排放源历史数据关系模型、相同排放源类型不同监测点计算模型以及相同排放源类型不同监测点间活动水平数学关系模型；
其中，各模型具体如下：
所述排放单位排放量计算模型为：
其中，E总表示排放单位总排放量，Eyi表示第i种排放源数据，n为排放单位的排放源类型数量，包括直接排放、间接排放以及能源间接排放等；
所述不同类型排放源历史数据关系模型为：
Eyi＝f(Ey1,Ey2...,Eyi-1)
其中，f(Eyi)为历史数据分析得到的不同排放源间数据关系函数；
所述相同排放源类型不同监测点计算模型为：
Edj＝ADj×EFj
其中，ADj表示同类排放源下第j个监测点活动水平数据，EFj表示第j个监测点排放因子；
所述相同排放源类型不同监测点间活动水平数学关系模型为：
ADjn＝f(ADj1,ADj2...,ADjn-1)
其中，f(ADj)为由历史数据得到相同排放源类型不同监测点活动水平的数学关系函数。
步骤20、输入测量各数据源计量设备的计量性能，所述计量性能包括测量标准偏差σ；
步骤30、根据所述不同类型排放源历史数据关系模型，以已有排放源数据作为自变量，以需要预测或验证的排放源为因变量，得到预测值或验证值；根据所述相同排放源类型不同监测点间活动水平数学关系模型，以确定已获取的计量监测点排放量为自变量，以需要预测或验证的监测点排放数据作为因变量，得到预测值或验证值；
数据验证过程：根据设定的数据验证时效、验证频率进行数据拟合验证；根据已获取数据的排放源数据及计量设备的准确度确定自变量(将计量设备的准确度高的确定为自变量)，然后根据所述不同类型排放源历史数据关系模型或相同排放源类型不同监测点间活动水平数学关系模型计算得到因变量的验证值，当验证值在偏差阈值(±3σ)范围内，则判定验证值与实际测量值吻合，若超过偏差阈值的，则反馈生成预警信息；
数据预测过程：当产生断线数据或异常数据时，若为排放源级别的数据，则根据所述不同类型排放源历史数据关系模型和已有排放源数据计算得到预测值，若为监测点级别的数据，则根据相同排放源类型不同监测点间活动水平数学关系模型和已有监测点数据计算得到预测值，并根据模型给出预测值的不确定度；
步骤40、对数据验证过程记录的预警信息进行分析，若为数据采集或传输过程中出现的问题，则根据修正模型进行数据拟合后修正，并标注数据拟合中的偏差不确定度，若为生产状况变化的，则需要根据实际生产状况调整情况进行分析确认；
步骤50、根据监测点的测量值以及监测点的测量值缺失时的预测结果，核算出工业企业的碳排放量，并给出预测预警信息相关情况。
本发明具有如下优点：
通过建立碳排放多源数据计量数学模型，按照计量学方法，对不同类型排放源数据或相同排放源类型不同监测点数据进行验证，并通过计量学方法，进行预测。针对数据中断、数据异常的企业，通过数学模型修正，结合企业生产实际，对计量数据模型进行补充完善，使得在一定时间内，监测系统的数据真实反映企业碳排放量。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (4)
1.一种基于多源计量数据的碳排放量在线分析方法，其特征在于，用于分析至少一个排放单位的碳排放量，每一排放单位包括多类排放源，每一类排放源包括一个及以上监测点，所述方法包括：
步骤10、根据排放单位的排放源历史数据学习并建立数学模型，所述数学模型包括排放单位排放量计算模型、不同类型排放源历史数据关系模型、相同排放源类型不同监测点计算模型以及相同排放源类型不同监测点间活动水平数学关系模型；
步骤20、输入测量各数据源计量设备的计量性能，所述计量性能包括计量设备的测量标准偏差σ；
步骤30、根据所述不同类型排放源历史数据关系模型，以已有排放源数据作为自变量，以需要预测或验证的排放源为因变量，得到预测值或验证值；根据所述相同排放源类型不同监测点间活动水平数学关系模型，以确定已获取的计量监测点排放量为自变量，以需要预测或验证的监测点排放数据作为因变量，得到预测值或验证值；
数据验证过程：根据设定的数据验证时效、验证频率进行数据拟合验证；根据已获取数据的排放源数据及计量设备的准确度确定自变量，然后根据所述不同类型排放源历史数据关系模型或相同排放源类型不同监测点间活动水平数学关系模型计算得到因变量的验证值，当验证值在偏差阈值范围内，则判定验证值与实际测量值吻合，若超过偏差阈值的，则反馈生成预警信息；
数据预测过程：当产生断线数据或异常数据时，若为排放源级别的数据，则根据所述不同类型排放源历史数据关系模型和已有排放源数据计算得到预测值，若为监测点级别的数据，则根据相同排放源类型不同监测点间活动水平数学关系模型和已有监测点数据计算得到预测值，并根据模型给出预测值的不确定度；
步骤40、对数据验证过程记录的预警信息进行分析，若为数据采集或传输过程中出现的问题，则根据修正模型进行数据拟合后修正，并标注数据拟合中的偏差不确定度，若为生产状况变化的，则需要根据实际生产状况调整情况进行分析确认；
步骤50、根据监测点的测量值以及监测点的测量值缺失时的预测结果，核算出工业企业的碳排放量，并给出预测预警信息相关情况。
2.根据权利要求1所述的方法，其特征在于，所述数学模型具体包括：
所述排放单位排放量计算模型为：
其中，E总表示排放单位总排放量，Eyi表示第i种排放源数据，n为排放单位的排放源类型数量，包括直接排放、间接排放以及能源间接排放；
所述不同类型排放源历史数据关系模型为：
Eyi＝f(Ey1,Ey2...,Eyi-1)
其中，f(Eyi)为历史数据分析得到的不同类型排放源间数据关系函数；
所述相同排放源类型不同监测点计算模型为：
Edj＝ADj×EFj
其中，ADj表示同类排放源下第j个监测点活动水平数据，EFj表示第j个监测点排放因子；
所述相同排放源类型不同监测点间活动水平数学关系模型为：
ADjn＝f(ADj1,ADj2...,ADjn-1)
其中，f(ADj)为由历史数据得到相同排放源类型不同监测点活动水平的数学关系函数。
3.根据权利要求1所述的方法，其特征在于：所述步骤30中，将计量设备的准确度高的确定为自变量，将计量设备的准确度高的确定为因变量。
4.根据权利要求1所述的方法，其特征在于：所述步骤30中，所述偏差阈值为±3σ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210548574.7A CN115098829A (zh) | 2022-05-20 | 2022-05-20 | 一种基于多源计量数据的碳排放量在线分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210548574.7A CN115098829A (zh) | 2022-05-20 | 2022-05-20 | 一种基于多源计量数据的碳排放量在线分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115098829A true CN115098829A (zh) | 2022-09-23 |
Family
ID=83288918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210548574.7A Pending CN115098829A (zh) | 2022-05-20 | 2022-05-20 | 一种基于多源计量数据的碳排放量在线分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115098829A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2024073387A1 (en) * | 2022-09-26 | 2024-04-04 | Condon Timothy F | Method and system for determining the proof of power origin for production units produced by a power consuming device |
| CN117934247A (zh) * | 2024-03-22 | 2024-04-26 | 广东电网有限责任公司 | 基于时序分解的碳排放因子预测方法、装置、电子设备及存储介质 |
-
2022
- 2022-05-20 CN CN202210548574.7A patent/CN115098829A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024073387A1 (en) * | 2022-09-26 | 2024-04-04 | Condon Timothy F | Method and system for determining the proof of power origin for production units produced by a power consuming device |
| 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 |
| CN117934247A (zh) * | 2024-03-22 | 2024-04-26 | 广东电网有限责任公司 | 基于时序分解的碳排放因子预测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115098829A (zh) | 一种基于多源计量数据的碳排放量在线分析方法 | |
| US5715181A (en) | Isogrammetric analysis method for high-yield processes | |
| CN109359894B (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
| CN113407651B (zh) | 一种进度信息反馈及偏差实时展示方法 | |
| CN112285287A (zh) | 一种烟气在线监测数据预处理方法 | |
| CN117849700B (zh) | 可控制测量的模块化电能计量系统 | |
| CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
| CN114879619A (zh) | 数字车间能源优化方法及系统 | |
| CN117469603B (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
| CN117592656A (zh) | 基于碳数据核算的碳足迹监控方法及系统 | |
| Mottonen et al. | Manufacturing process capability and specification limits | |
| CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
| CN110458480A (zh) | 一种发电厂化学仪表准确性在线评价系统 | |
| CN112507290B (zh) | 配电设备故障概率预判方法、装置及存储介质 | |
| CN110766248A (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
| Burkhardt et al. | Measuring Manufacturing Test Data Analysis Quality | |
| CN115222114A (zh) | 汽车零部件装配指标值预测方法、终端设备及存储介质 | |
| Booysen et al. | A practical methodology for the systematic identification of outliers | |
| CN113049793A (zh) | 一种Abs复合材料的生产检测验证方法和装置 | |
| Chen et al. | The effect of linear regression modeling approaches on determining facility wide energy savings | |
| CN110363374A (zh) | 一种不合格产品影响因素的定量分析方法 | |
| CN115563489B (zh) | 超差表检出方法、装置及计算机存储介质 | |
| Sousa et al. | Quality control strategy based on quality cost models with uncertain parameters | |
| CN117709555B (zh) | 一种基于变压器碳核算模型的碳排预测与评价方法和系统 | |
| CN106324552A (zh) | 互感器接入式三相智能电表自动检定流水线的监测方法 |
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 |