CN115186939B - 一种加工设备的全生命周期碳排放量预测方法 - Google Patents
一种加工设备的全生命周期碳排放量预测方法 Download PDFInfo
- Publication number
- CN115186939B CN115186939B CN202211104178.1A CN202211104178A CN115186939B CN 115186939 B CN115186939 B CN 115186939B CN 202211104178 A CN202211104178 A CN 202211104178A CN 115186939 B CN115186939 B CN 115186939B
- Authority
- CN
- China
- Prior art keywords
- flow chart
- processing flow
- processing
- full
- life cycle
- 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.)
- Active
Links
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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种加工设备的全生命周期碳排放量预测方法,方法包括:获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图;根据初始加工流程图,确定目标加工设备对应的预估全生命周期运行成本;根据标准全生命周期运行成本和预估全生命周期运行成本对初始加工流程图进行修正,得到修正加工流程图;根据修正加工流程图,确定目标加工设备对应的全生命周期碳排放量。解决了现有技术中难以获取到加工设备的完整、正确的加工流程图,导致使用LCA方法计算的加工设备的全生命周期碳排放量的准确性低的问题。
Description
技术领域
本发明涉及碳排放量预测领域,尤其涉及的是一种加工设备的全生命周期碳排放量预测方法。
背景技术
在加工设备的实际作业过程中,通常会出现碳排放问题,过多的碳排放会导致环境的恶化,因此,对于加工设备的全生命周期碳排放量进行预测对环境保护来说至关重要。碳排放主要指以CO2为主的一些温室气体的排放量,还包括甲烷(CH4)以及氧化亚氮(N2O)等的排放量。目前对加工设备的全生命周期碳排放量的研究主要采用生命周期评价方法(LCA方法)。LCA方法是一种评价产品、工艺或活动,从原材料采集,到产品生产、运输、销售、使用、回用、维护和最终处置整个生命周期阶段有关的环境负荷的过程。从工程案例的宏观角度分析,即根据工程案例中的实施数据进行预测。因此LCA方法可以准确计算加工设备的全生命周期碳排放量。但是LCA方法需要加工设备的完整、正确的加工流程图,而现实中难以获取到完整、正确的加工流程图,导致使用LCA方法计算出的加工设备的全生命周期碳排放量准确性低。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种加工设备的全生命周期碳排放量预测方法,旨在解决现有技术中难以获取到加工设备的完整、正确的加工流程图,导致使用LCA方法计算的加工设备的全生命周期碳排放量的准确性低的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种加工设备的全生命周期碳排放量预测方法,其中,所述方法包括:
获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;
根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;
根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;
根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。
在一种实施方式中,所述标准全生命周期运行成本的获取过程包括:
获取所述目标加工设备对应的设备生命周期和预设时间段内的历史运行成本;
根据所述设备生命周期和所述历史运行成本,确定所述标准全生命周期运行成本。
在一种实施方式中,所述初始加工流程图包括若干过程节点和若干资源节点,所述初始加工流程图的获取过程包括:
获取所述目标加工设备对应的历史加工信息,根据所述历史加工信息确定所述目标加工设备对应的若干加工环节、若干加工资源、各所述加工环节之间的依赖关系以及各所述加工环节和各所述加工资源之间的对应关系;
根据各所述加工环节确定各所述过程节点,根据各所述加工资源确定各所述资源节点;
根据各所述加工环节之间的依赖关系,确定各所述过程节点之间的连接关系;
根据各所述加工环节和各所述加工资源之间的对应关系,确定各所述过程节点与各所述资源节点之间的连接关系;
根据各所述过程节点、各所述资源节点、各所述过程节点之间的连接关系以及各所述过程节点与各所述资源节点之间的连接关系,确定所述初始加工流程图。
在一种实施方式中,所述根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图,包括:
获取所述标准全生命周期运行成本和所述预估全生命周期运行成本的偏差值;
根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图。
在一种实施方式中,所述根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图,包括:
将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入修正模型,通过所述修正模型基于所述标准全生命周期运行成本和所述偏差值对所述初始加工流程图进行修正,得到候选加工流程图和奖励值,其中,所述奖励值根据基于所述候选加工流程图确定的全生命周期运行成本与所述标准全生命周期运行成本之间的偏差和所述候选加工流程图与所述初始加工流程图之间的相似度确定;
判断所述奖励值是否达到目标值,若否,根据所述奖励值对所述修正模型进行训练;
将所述候选加工流程图作为所述初始加工流程图,继续执行将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入所述修正模型的步骤,直至所述奖励值达到所述目标值,将最后一次得到的所述候选加工流程图作为所述修正加工流程图。
在一种实施方式中,所述修正模型的修正过程包括:
根据所述偏差值,确定所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的修正优先级,其中,当所述偏差值位于第一区间时,所述过程节点对应的所述修正优先级最高;当所述偏差值位于第二区间时,所述资源节点对应的所述修正优先级最高;当所述偏差值位于第三区间时,所述过程节点/所述资源节点的连接关系对应的所述修正优先级最高;所述第一区间的数值大于所述第二区间的数值,所述第二区间的数值大于所述第三区间的数值;
根据所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的所述修正优先级对所述初始加工流程图进行修正。
在一种实施方式中,所述资源节点包括设备子节点和材料子节点,所述根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量,包括:
根据所述修正加工流程图,确定各所述过程节点分别对应的局部碳排放量,其中,每一所述过程节点对应的所述局部碳排放量基于与该过程节点具有连接关系的各所述设备子节点的耗电耗油碳排放量、与该过程节点具有连接关系的各所述材料子节点的运输耗油碳排放量确定;
根据各所述过程节点分别对应的局部碳排放量,确定所述全生命周期碳排放量。
第二方面,本发明实施例还提供一种加工设备的全生命周期碳排放量预测装置,其中,所述装置包括:
获取模块,用于获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;
确定模块,用于根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;
修正模块,用于根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;
预测模块,用于根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。
第三方面,本发明实施例还提供一种终端,其中,所述终端包括有存储器和一个或者一个以上处理器;所述存储器存储有一个或者一个以上的程序;所述程序包含用于执行如上述任一所述的加工设备的全生命周期碳排放量预测方法的指令;所述处理器用于执行所述程序。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其中,所述指令适用于由处理器加载并执行,以实现上述任一所述的加工设备的全生命周期碳排放量预测方法的步骤。
本发明的有益效果:本发明实施例通过对目标加工设备的加工流程图进行修正,根据修正后的加工流程图可以准确计算目标加工设备的全生命周期碳排放量。解决了现有技术中难以获取到加工设备的完整、正确的加工流程图,导致使用LCA方法计算的加工设备的全生命周期碳排放量的准确性低的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明中记载的一些实施例,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他的附图。
图1是本发明实施例提供的加工设备的全生命周期碳排放量预测方法的流程示意图。
图2是本发明实施例提供的加工设备的全生命周期碳排放量预测装置的内部模块示意图。
图3是本发明实施例提供的终端的原理框图。
具体实施方式
本发明公开了一种加工设备的全生命周期碳排放量预测方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
针对现有技术的上述缺陷,本发明提供一种加工设备的全生命周期碳排放量预测方法,所述方法通过获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。本发明通过对目标加工设备的加工流程图进行修正,根据修正后的加工流程图可以准确计算目标加工设备的全生命周期碳排放量。解决了现有技术中难以获取到加工设备的完整、正确的加工流程图,导致使用LCA方法计算的加工设备的全生命周期碳排放量的准确性低的问题。
如图1所示,所述方法包括:
步骤S100、获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源。
具体地,本发明中的目标加工设备可以为任意一个需要计算全生命周期碳排放量的加工设备,例如用于加工刀具的机床。本实施例首先需要获取目标加工设备的标准全生命周期运行成本和初始加工流程图。其中,标准全生命周期运行成本指的是目标加工设备全生命周期的人力成本、设备运行成本、材料运输成本的正确总和。初始加工流程图则可以大致反映目标加工设备的各种加工环节和需要使用的加工资源。可以理解的是,初始加工流程图可能是不完整的/有缺失的,因此其可能只能反映目标加工设备的全生命周期中的部分加工环节和加工资源,因此直接使用初始加工流程图难以准确计算目标加工设备的全生命周期碳排放量。
在一种实现方式中,所述标准全生命周期运行成本的获取过程包括:
步骤S101、获取目标加工设备对应的设备生命周期和预设时间段内的历史运行成本;
步骤S102、根据所述设备生命周期和所述历史运行成本,确定所述标准全生命周期运行成本。
具体地,本实施例可以通过目标加工设备的设备信息,估算出其对应的设备生命周期,即设备寿命。然后选择一个时间段,获取该时间段内目标加工设备的运行成本,得到历史运行成本。由于历史运行成本可以反映目标加工设备在一段时间内的人力成本、设备运行成本以及材料运输成本的实际开销,因此通过历史运行成本和设备生命周期可以估算出目标加工设备的标准全生命周期运行成本。
在一种实现方式中,所述初始加工流程图包括若干过程节点和若干资源节点,所述初始加工流程图的获取过程包括:
步骤S103、获取所述目标加工设备对应的历史加工信息,根据所述历史加工信息确定所述目标加工设备对应的若干加工环节、若干加工资源、各所述加工环节之间的依赖关系以及各所述加工环节和各所述加工资源之间的对应关系;
步骤S104、根据各所述加工环节确定各所述过程节点,根据各所述加工资源确定各所述资源节点;
步骤S105、根据各所述加工环节之间的依赖关系,确定各所述过程节点之间的连接关系;
步骤S106、根据各所述加工环节和各所述加工资源之间的对应关系,确定各所述过程节点与各所述资源节点之间的连接关系;
步骤S107、根据各所述过程节点、各所述资源节点、各所述过程节点之间的连接关系以及各所述过程节点与各所述资源节点之间的连接关系,确定所述初始加工流程图。
具体地,本实施例需要获取目标加工设备的历史加工信息,根据历史加工信息确定目标加工设备所涉及的各种加工环节和每一加工环节涉及的加工资源。其中,加工资源包括加工设备和加工过材料。最后绘制出初始加工流程图。绘制原理如下:根据每一加工环节,生成初始加工流程图中的一个过程节点,得到多个过程节点。然后根据每一加工资源,生成初始加工流程图中的一个资源节点,得到多个资源节点。然后按照预设规则对初始加工流程图中的各节点进行连线。其中,两个过程节点之间若存在连线,表示这两个过程节点对应的两个加工环节之间存在依赖关系,即这两个加工环节中一个加工环节的变更将会影响到另一个加工环节。一个过程节点与一个资源节点之间若存在连线,表示该过程节点对应的加工环节与该资源节点对应的加工资源之间具有对应关系,即该加工环节需要使用到该加工资源。因此最终生成的初始加工流程图可以反映目标加工设备涉及的各加工环节、各加工资源、各加工环节之间的依赖关系以及各加工环节和各加工资源之间的对应关系。
如图1所示,所述方法还包括如下步骤:
步骤S300、根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图。
具体地,由于初始加工流程图可以反映目标加工设备所涉及的各加工环节和加工资源,通过各加工环节可以计算出目标加工设备的全生命周期的人力成本,通过各加工环节和加工资源可以计算出目标加工设备的全生命周期的设备运行成本、材料运输成本,因此根据初始加工流程图可以预估出目标加工设备全生命周期的运行成本,即得到预估全生命周期运行成本。可以理解的是,若初始加工流程图是完整且正确的,则根据初始加工流程图确定的预估全生命周期运行成本应该与标准全生命周期运行成本基本一致;若初始加工流程图是不完整或者存在错误,则预估全生命周期运行成本应该与标准全生命周期运行成本之间的差距较大。因此通过比较预估全生命周期运行成本与标准全生命周期运行成本,可以确定是否需要对初始加工流程图进行修正以及如何修正。
在一种实现方式中,所述步骤S300具体包括:
步骤S301、获取所述标准全生命周期运行成本和所述预估全生命周期运行成本的偏差值;
步骤S302、根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图。
具体地,由于标准全生命周期运行成本反映的是目标加工设备正确的全生命周期运行成本,而预估全生命周期运行成本是基于初始加工流程图计算出的目标加工设备的全生命周期运行成本,因此两者的偏差值可以反映初始加工流程图的缺失或者错误,所以本实施例以两者的偏差值为导向对初始加工流程图进行修正,得到修正加工流程图。可以理解的是,基于修正加工流程图计算出的目标加工设备的全生命周期运行成本与标准全生命周期运行成本一致或者偏差小于预设值。
在一种实现方式中,所述步骤S302具体包括:
步骤S3021、将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入修正模型,通过所述修正模型基于所述标准全生命周期运行成本和所述偏差值对所述初始加工流程图进行修正,得到候选加工流程图和奖励值,其中,所述奖励值根据基于所述候选加工流程图确定的全生命周期运行成本与所述标准全生命周期运行成本之间的偏差和所述候选加工流程图与所述初始加工流程图之间的相似度确定;
步骤S3022、判断所述奖励值是否达到目标值,若否,根据所述奖励值对所述修正模型进行训练;
步骤S3023、将所述候选加工流程图作为所述初始加工流程图,继续执行将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入所述修正模型的步骤,直至所述奖励值达到所述目标值,将最后一次得到的所述候选加工流程图作为所述修正加工流程图。
具体地,本实施例中的修正模型实际是一个进行强化学习训练的智能体,其可以根据标准全生命周期运行成本和偏差值自动对初始加工流程图进行修正,并输出修正后的加工流程图,即得到候选加工流程图。需要说明的是,本实施例中的修正模型是多目标修正模型,第一个目标是使修正后的加工流程图所计算出的目标加工设备的全生命周期运行成本与标准全生命周期运行成本之间的偏差尽可能小,第二个目标是使修正后的加工流程图与初始加工流程图之间的相似度尽可能大。换言之,修正模型的目标是在对初始加工流程图改动最小的情况下,使改动后的加工流程图所计算出的全生命周期运行成本与标准全生命周期运行成本尽可能接近。因此本实施例以候选加工流程图确定的全生命周期运行成本与标准全生命周期运行成本之间的偏差、候选加工流程图与初始加工流程图之间的相似度确定修正模型当前的奖励值,并以奖励值为导向对修正模型进行训练,直至最后得到的奖励值收敛至目标值,表示修正模型当前的模型精度已达到目标,则将修正模型此时输出的候选加工流程图作为最终的修正加工流程图。
在一种实现方式中,所述修正模型的修正过程包括:
步骤S10、根据所述偏差值,确定所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的修正优先级,其中,当所述偏差值位于第一区间时,所述过程节点对应的所述修正优先级最高;当所述偏差值位于第二区间时,所述资源节点对应的所述修正优先级最高;当所述偏差值位于第三区间时,所述过程节点/所述资源节点的连接关系对应的所述修正优先级最高;所述第一区间的数值大于所述第二区间的数值,所述第二区间的数值大于所述第三区间的数值;
步骤S11、根据所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的所述修正优先级对所述初始加工流程图进行修正。
简单来说,本实施例中的修正模型针对偏差值大小的不同会优先对初始加工流程图中的不同内容进行修正,从而实现对初始加工流程图改动最小的情况下,使改动后的加工流程图所计算出的全生命周期运行成本与标准全生命周期运行成本尽可能接近。具体地,本实施例预先设定了第一区间、第二区间以及第三区间,其中,第一区间中的数值恒大于第二区间中的数值,第二区间的数值恒大于第三区间的数值,且三个区间互不重叠。当偏差值落入第一区间时,表示预估全生命周期运行成本和标准全生命周期运行成本之间的差距过大,初始加工流程图中缺失或者错误的部分较多,鉴于初始加工流程图中各过程节点分别关联的内容较多,因此优先对各过程节点进行修正,以求快速缩小修正后的加工流程图所对应的全生命周期运行成本和标准全生命周期运行成本之间的差距。当偏差值落入第二区间时,表示预估全生命周期运行成本和标准全生命周期运行成本之间的差距不算太大,鉴于初始加工流程图中各资源节点分别关联的内容不算太多,因此优先对各资源节点进行修正,以求缩小修正后的加工流程图所对应的全生命周期运行成本和标准全生命周期运行成本之间的差距的同时,避免过度修正。当偏差值落入第三区间时,表示预估全生命周期运行成本和标准全生命周期运行成本之间的差距较小,鉴于各过程节点/所述资源节点的连接关系分别关联的内容较少,因此优先对各过程节点/所述资源节点的连接关系进行修正,以避免过度修正。
如图1所示,所述方法还包括:
步骤S400、根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。
具体地,由于修正加工流程图可以完整、正确地反映目标加工设备全生命周期包含的加工环节和涉及的加工资源,因此根据修正加工流程图可以溯源出目标加工设备全生命周期中各个加工环节的碳排放量,最后汇总各个加工环节的碳排放量,即可得到目标加工设备对应的全生命周期碳排放量。
在一种实现方式中,所述资源节点包括设备子节点和材料子节点,所述步骤S400具体包括:
步骤S401、根据所述修正加工流程图,确定各所述过程节点分别对应的局部碳排放量,其中,每一所述过程节点对应的所述局部碳排放量基于与该过程节点具有连接关系的各所述设备子节点的耗电耗油碳排放量、与该过程节点具有连接关系的各所述材料子节点的运输耗油碳排放量确定;
步骤S402、根据各所述过程节点分别对应的局部碳排放量,确定所述全生命周期碳排放量。
简单来说,修正加工流程图中各过程节点分别对应的局部碳排放量即为目标加工设备全生命周期中各加工环节的碳排放量。因此通过各过程节点分别对应的局部碳排放量即可预估出目标加工设备的全生命周期碳排放量。具体地,每一过程节点的局部碳排放量主要由两部分组成。第一部分是材料运输相关的燃油燃烧所产生的碳排放量,主要是通过与该过程节点相连的各材料子节点分别对应的运输耗油碳排放量确定;第二部分是设备耗电耗油所产生的碳排放量,主要是通过与该过程节点相连的各设备子节点分别对应的耗电耗油碳排放量确定。通过修正加工流程图中各节点之间的连接关系可以准确溯源出各过程节点的局部碳排放量,进而提高目标加工设备的全生命周期碳排放量的数据精确度。
在一种实现方式中,所述根据所述修正加工流程图,确定各所述过程节点分别对应的局部碳排放量的步骤基于LCA process-based方法进行。
基于上述实施例,本发明还提供了一种加工设备的全生命周期碳排放量预测装置,如图2所示,所述装置包括:
获取模块01,用于获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;
确定模块02,用于根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;
修正模块03,用于根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;
预测模块04,用于根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。
基于上述实施例,本发明还提供了一种终端,其原理框图可以如图3所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中,该终端的处理器用于提供计算和控制能力。该终端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。该终端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加工设备的全生命周期碳排放量预测方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端的限定,具体的终端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。
在一种实现方式中,所述终端的存储器中存储有一个或者一个以上的程序,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行加工设备的全生命周期碳排放量预测方法的指令。
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,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种加工设备的全生命周期碳排放量预测方法,所述方法通过获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量。本发明通过对目标加工设备的加工流程图进行修正,根据修正后的加工流程图可以准确计算目标加工设备的全生命周期碳排放量。解决了现有技术中难以获取到加工设备的完整、正确的加工流程图,导致使用LCA方法计算的加工设备的全生命周期碳排放量的准确性低的问题。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种加工设备的全生命周期碳排放量预测方法,其特征在于,所述方法包括:
获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;
根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;
根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;
根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量;
所述初始加工流程图包括若干过程节点和若干资源节点,所述初始加工流程图的获取过程包括:
获取所述目标加工设备对应的历史加工信息,根据所述历史加工信息确定所述目标加工设备对应的若干加工环节、若干加工资源、各所述加工环节之间的依赖关系以及各所述加工环节和各所述加工资源之间的对应关系;
根据各所述加工环节确定各所述过程节点,根据各所述加工资源确定各所述资源节点;
根据各所述加工环节之间的依赖关系,确定各所述过程节点之间的连接关系;
根据各所述加工环节和各所述加工资源之间的对应关系,确定各所述过程节点与各所述资源节点之间的连接关系;
根据各所述过程节点、各所述资源节点、各所述过程节点之间的连接关系以及各所述过程节点与各所述资源节点之间的连接关系,确定所述初始加工流程图;
所述根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图,包括:
获取所述标准全生命周期运行成本和所述预估全生命周期运行成本的偏差值;
根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图;
所述根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图,包括:
将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入修正模型,通过所述修正模型基于所述标准全生命周期运行成本和所述偏差值对所述初始加工流程图进行修正,得到候选加工流程图和奖励值,其中,所述奖励值根据基于所述候选加工流程图确定的全生命周期运行成本与所述标准全生命周期运行成本之间的偏差和所述候选加工流程图与所述初始加工流程图之间的相似度确定;
判断所述奖励值是否达到目标值,若否,根据所述奖励值对所述修正模型进行训练;
将所述候选加工流程图作为所述初始加工流程图,继续执行将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入所述修正模型的步骤,直至所述奖励值达到所述目标值,将最后一次得到的所述候选加工流程图作为所述修正加工流程图。
2.根据权利要求1所述的加工设备的全生命周期碳排放量预测方法,其特征在于,所述标准全生命周期运行成本的获取过程包括:
获取所述目标加工设备对应的设备生命周期和预设时间段内的历史运行成本;
根据所述设备生命周期和所述历史运行成本,确定所述标准全生命周期运行成本。
3.根据权利要求1所述的加工设备的全生命周期碳排放量预测方法,其特征在于,所述修正模型的修正过程包括:
根据所述偏差值,确定所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的修正优先级,其中,当所述偏差值位于第一区间时,所述过程节点对应的所述修正优先级最高;当所述偏差值位于第二区间时,所述资源节点对应的所述修正优先级最高;当所述偏差值位于第三区间时,所述过程节点/所述资源节点的连接关系对应的所述修正优先级最高;所述第一区间的数值大于所述第二区间的数值,所述第二区间的数值大于所述第三区间的数值;
根据所述过程节点、所述资源节点以及所述过程节点/所述资源节点的连接关系分别对应的所述修正优先级对所述初始加工流程图进行修正。
4.根据权利要求1所述的加工设备的全生命周期碳排放量预测方法,其特征在于,所述资源节点包括设备子节点和材料子节点,所述根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量,包括:
根据所述修正加工流程图,确定各所述过程节点分别对应的局部碳排放量,其中,每一所述过程节点对应的所述局部碳排放量基于与该过程节点具有连接关系的各所述设备子节点的耗电耗油碳排放量、与该过程节点具有连接关系的各所述材料子节点的运输耗油碳排放量确定;
根据各所述过程节点分别对应的局部碳排放量,确定所述全生命周期碳排放量。
5.一种加工设备的全生命周期碳排放量预测装置,其特征在于,所述装置包括:
获取模块,用于获取目标加工设备对应的标准全生命周期运行成本和初始加工流程图,其中,所述初始加工流程图用于反映所述目标加工设备对应的加工环节和加工资源;
确定模块,用于根据所述初始加工流程图,确定所述目标加工设备对应的预估全生命周期运行成本;
修正模块,用于根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图;
预测模块,用于根据所述修正加工流程图,确定所述目标加工设备对应的全生命周期碳排放量;
所述初始加工流程图包括若干过程节点和若干资源节点,所述初始加工流程图的获取过程包括:
获取所述目标加工设备对应的历史加工信息,根据所述历史加工信息确定所述目标加工设备对应的若干加工环节、若干加工资源、各所述加工环节之间的依赖关系以及各所述加工环节和各所述加工资源之间的对应关系;
根据各所述加工环节确定各所述过程节点,根据各所述加工资源确定各所述资源节点;
根据各所述加工环节之间的依赖关系,确定各所述过程节点之间的连接关系;
根据各所述加工环节和各所述加工资源之间的对应关系,确定各所述过程节点与各所述资源节点之间的连接关系;
根据各所述过程节点、各所述资源节点、各所述过程节点之间的连接关系以及各所述过程节点与各所述资源节点之间的连接关系,确定所述初始加工流程图;
所述根据所述标准全生命周期运行成本和所述预估全生命周期运行成本对所述初始加工流程图进行修正,得到修正加工流程图,包括:
获取所述标准全生命周期运行成本和所述预估全生命周期运行成本的偏差值;
根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图;
所述根据所述标准全生命周期运行成本和所述偏差值,对所述初始加工流程图进行修正,得到所述修正加工流程图,包括:
将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入修正模型,通过所述修正模型基于所述标准全生命周期运行成本和所述偏差值对所述初始加工流程图进行修正,得到候选加工流程图和奖励值,其中,所述奖励值根据基于所述候选加工流程图确定的全生命周期运行成本与所述标准全生命周期运行成本之间的偏差和所述候选加工流程图与所述初始加工流程图之间的相似度确定;
判断所述奖励值是否达到目标值,若否,根据所述奖励值对所述修正模型进行训练;
将所述候选加工流程图作为所述初始加工流程图,继续执行将所述标准全生命周期运行成本、所述偏差值以及所述初始加工流程图输入所述修正模型的步骤,直至所述奖励值达到所述目标值,将最后一次得到的所述候选加工流程图作为所述修正加工流程图。
6.一种终端,其特征在于,所述终端包括有存储器和一个或者一个以上处理器;所述存储器存储有一个或者一个以上的程序;所述程序包含用于执行如权利要求1-4中任一所述的加工设备的全生命周期碳排放量预测方法的指令;所述处理器用于执行所述程序。
7.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-4任一所述的加工设备的全生命周期碳排放量预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104178.1A CN115186939B (zh) | 2022-09-09 | 2022-09-09 | 一种加工设备的全生命周期碳排放量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104178.1A CN115186939B (zh) | 2022-09-09 | 2022-09-09 | 一种加工设备的全生命周期碳排放量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115186939A CN115186939A (zh) | 2022-10-14 |
CN115186939B true CN115186939B (zh) | 2022-12-09 |
Family
ID=83524786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104178.1A Active CN115186939B (zh) | 2022-09-09 | 2022-09-09 | 一种加工设备的全生命周期碳排放量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115186939B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4093934B2 (ja) * | 2003-07-16 | 2008-06-04 | 株式会社神戸製鋼所 | モデルパラメータ決定方法及びそのプログラム,モデル予測方法及びそのプログラム |
KR20120094775A (ko) * | 2011-02-17 | 2012-08-27 | 성균관대학교산학협력단 | 전주기적 환경영향과 전주기적 비용을 통하여 2차원으로 표현되는 에너지원의 특성분석 활용 방법 및 시스템 |
CN104462771B (zh) * | 2014-11-07 | 2017-08-25 | 浙江工业大学 | 一种产品全生命周期碳足迹建模分析方法 |
CN105184404B (zh) * | 2015-08-31 | 2018-12-18 | 中国科学院广州能源研究所 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
CN110458346A (zh) * | 2019-07-31 | 2019-11-15 | 武汉科技大学 | 基于特征的复合材料固体火箭舱段加工能耗、碳排放及成本的预测方法 |
CN114266408A (zh) * | 2021-12-27 | 2022-04-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网工程运维检修成本优化方法及系统 |
CN114493020A (zh) * | 2022-01-29 | 2022-05-13 | 浙江英集动力科技有限公司 | 基于全生命周期成本和碳排放的综合能源系统规划方法 |
CN114629135A (zh) * | 2022-03-11 | 2022-06-14 | 云南电网有限责任公司电力科学研究院 | 风储调频容量的调节方法、装置、计算机设备及存储介质 |
CN114648216A (zh) * | 2022-03-16 | 2022-06-21 | 暨南大学 | 基于生命周期评价的餐厨垃圾处理效果的监测系统和方法 |
-
2022
- 2022-09-09 CN CN202211104178.1A patent/CN115186939B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115186939A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078568B (zh) | 代码规范方法、装置、计算机设备和存储介质 | |
CN109740760B (zh) | 文本质检自动化训练方法、电子装置及计算机设备 | |
CN110796487A (zh) | 数量预测方法、装置、计算机设备和存储介质 | |
CN115829297B (zh) | 装配式建筑的工作包生成方法、装置、终端及存储介质 | |
CN115310562B (zh) | 一种适用于极端状态的储能设备的故障预测模型生成方法 | |
CN115511136B (zh) | 基于层次分析和故障树的设备故障辅助诊断方法及系统 | |
CN116627848B (zh) | 应用程序的自动化测试方法和系统 | |
CN115186939B (zh) | 一种加工设备的全生命周期碳排放量预测方法 | |
CN111162946B (zh) | 构建模型推理网络的方法、数据处理方法、装置和存储介质 | |
CN114722729B (zh) | 一种刀具自动推荐方法、装置、终端及存储介质 | |
CN116680196A (zh) | 一种基于人工智能的测试管理方法、装置及电子设备 | |
CN115856694B (zh) | 电池寿命预测方法、装置、计算机设备和存储介质 | |
CN115292964A (zh) | 加工部件的可视化寿命管理方法、系统、终端及存储介质 | |
CN115599908A (zh) | 非结构化数据文档的标注方法及系统 | |
CN116011809A (zh) | 风险事件的评估方法、装置、设备及存储介质 | |
CN113887820A (zh) | 电力现货业务系统故障预测的方法、装置、计算机设备和存储介质 | |
CN113886262A (zh) | 软件自动化测试方法、装置、计算机设备和存储介质 | |
CN109783358B (zh) | 一种回归测试驱动的软件版本管理方法、系统及存储介质 | |
CN113918594A (zh) | 结构化查询语句的生成方法、装置和计算机设备 | |
CN112749467B (zh) | 存储器、工艺管道检测周期评估方法、装置和设备 | |
US20230368068A1 (en) | Training and implementing a data quality verification model to validate recurring data pipelines | |
CN111709557B (zh) | 一种高精度地图数据最优生产流程计算方法及装置 | |
CN115660691B (zh) | 一种设备筛选方法、装置、终端及存储介质 | |
CN118014209A (zh) | 一种工程现场造价数据修正方法、系统、设备及介质 | |
CN117933739A (zh) | 风电功率预测方法及系统 |
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 |