CN115222227A - 一种基于数据库的碳排放量确定方法、系统、介质及设备 - Google Patents
一种基于数据库的碳排放量确定方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN115222227A CN115222227A CN202210791769.4A CN202210791769A CN115222227A CN 115222227 A CN115222227 A CN 115222227A CN 202210791769 A CN202210791769 A CN 202210791769A CN 115222227 A CN115222227 A CN 115222227A
- Authority
- CN
- China
- Prior art keywords
- load
- database
- carbon emission
- energy supply
- supply equipment
- 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 87
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005611 electricity Effects 0.000 claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims description 67
- 238000001816 cooling Methods 0.000 claims description 64
- 238000010248 power generation Methods 0.000 claims description 37
- 238000009434 installation Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 239000007789 gas Substances 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 125000003236 benzoyl group Chemical group [H]C1=C([H])C([H])=C(C([H])=C1[H])C(*)=O 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive 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
- G06F16/2462—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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于碳排放量技术领域,尤其涉及一种基于数据库的碳排放量确定方法、系统、介质及设备。该方法包括:获取待计算项目的冷、热、电负荷指标,基于冷、热、电负荷指标在数据库中调取逐时负荷系数,基于逐时负荷系数计算待计算项目的典型日电负荷;根据典型日电负荷确定供应冷热电的供能设备以及装机规模;在数据库中调取供能设备对应的第一基础数据,计算供能设备的耗电量以及耗气量;基于分布式光伏装机大小,在数据库中调取第二基础数据,计算分布式光伏年发电量;通过耗电量、耗气量以及分布式光伏年发电量确定碳排放量。通过本发明能够达到:自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量的效果。
Description
技术领域
本发明属于碳排放量技术领域,尤其涉及一种基于数据库的碳排放量确定方法、系统、介质及设备。
背景技术
通过准确预测综合能源站设备的耗能量和新能源发电量,快速的计算综合能源站碳排放量有着重要的意义。目前的主要计算方法是通过:对既有项目年运行累计运行耗能量进行转换计算;远期项目主要是通过人工预测能源站耗能量从能计算碳排放量。上述两种方式属于传统的计算方法,计算过程复杂,人工智能程度低,很难跟进现有项目的增长速度。
发明内容
本发明所要解决的技术问题是提供一种回盘信息自动处理方法、系统、介质及设备。
本发明解决上述技术问题的技术方案如下:一种基于数据库的碳排放量确定方法,包括:
步骤1,基于预设规则构建数据库;
步骤2,获取待计算项目的冷负荷指标、热负荷指标以及电负荷指标,基于所述冷负荷指标、热负荷指标以及电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日电负荷;
步骤3,根据所述典型日冷、热、电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
步骤4,基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
步骤5,基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
步骤6,通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
本发明的有益效果是:本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
进一步,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
进一步,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
本发明解决上述技术问题的另一种技术方案如下:一种基于数据库的碳排放量确定系统,包括:
构建模块,用于基于预设规则构建数据库;
获取模块,用于获取待计算项目的冷负荷指标、热负荷指标以及电负荷指标,基于所述冷负荷指标、热负荷指标以及电负荷指标在所述数据库中调取对应的逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日冷、热、电负荷;
确定模块,用于根据所述典型日冷、热、电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
第一调取模块,用于基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
第二调取模块,用于基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
计算模块,用于通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
本发明的有益效果是:本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
进一步,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
进一步,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
进一步,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
本发明解决上述技术问题的另一种技术方案如下:一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如上述任一项所述的一种基于数据库的碳排放量确定方法。
本发明的有益效果是:本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
本发明解决上述技术问题的另一种技术方案如下:一种电子设备,包括上述存储介质、执行上述存储介质内的指令的处理器。
本发明的有益效果是:本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
附图说明
图1为本发明一种基于数据库的碳排放量确定方法的实施例提供的流程示意图;
图2为本发明一种基于数据库的碳排放量确定系统的实施例提供的结构框架图;
图3为本发明一种基于数据库的碳排放量确定方法的实施例提供的完整流程示意图。
具体实施方式
以下对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
为了便于理解,现将文中提及的词语统一做出解释;
电负荷指标指的是:各类建筑物单位面积用电指标;
冷负荷指标指的是:各类建筑物单位面积用冷指标;
热负荷指标指的是:各类建筑物单位面积用热指标;
逐时负荷系数包括:
逐时电负荷系数,指的是:该建筑业态夏季、过渡季、冬季典型日24 小时的各小时单位面积电负荷与该建筑业态单位面积最大设计电负荷的比值。
逐时冷负荷系数,指的是:该建筑业态供冷季典型日24小时的各小时单位面积冷负荷与该建筑业态单位面积最大设计冷负荷的比值;
逐时热负荷系数,指的是:该建筑业态供热季典型日24小时的各小时单位面积热负荷与该建筑业态单位面积最大设计热负荷的比值。
典型日逐时电负荷指的是:该建筑业态夏季、过渡季、冬季典型日24 小时的各小时电负荷;
典型日逐时冷负荷指的是:该建筑业态最大冷负荷日24小时的各小时冷负荷;
典型日逐时热负荷指的是:该建筑业态最大热负荷日24小时的各小时冷负荷;
耗气量指的是:燃气锅炉供暖期间消耗天然气的数量;
分布式光伏年发电量指的是:分布式光伏一年内总的发电量;
供冷季天数指的是:供冷期总天数;
供暖季天数指的是:供暖期总天数;
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例指的是:比如以北京为例供冷季四个温度区间为T≥33.5℃、33.5>T≥30.5、30.5>T≥27.5、27.5>T≥24.5,各温度区间对应的小时数占整个供冷季时间的比例
不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例指的是:比如以北京为例供暖季分T≤-7.6℃,-7.6℃<T≤-1.2℃,-1.2℃<T≤5.2℃,T>5.2℃四个温度区间,各温度区间对应的小时数占整个供暖季时间的比例
全国各区域电网碳排放因子指的是:全国六个不同区域电网1kWh电量对应的CO2排放量。
一次能源碳排放因子指的是:一次能源单位热量对应的CO2排放量。
全国各地区光伏最佳倾角时年等效满负荷发电小时数指的是:该光伏电站在最佳倾角安装的情况下,年总发电量除以电站装机容量。
如图1所示,一种基于数据库的碳排放量确定方法,包括:
步骤1,基于预设规则构建数据库;
步骤2,获取待计算项目的电负荷指标,基于所述电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日电负荷;
步骤3,根据所述典型日电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
步骤4,基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
步骤5,基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
步骤6,通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
在一些可能的实施方式中,本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
需要说明的是,逐时负荷系数为0~1的因子,冷热负荷指标是针对设计工况来定的,也就是说最大负荷,但是实际上一天24小时不可能每个小时都是最大负荷,所以每个小时的负荷系数*负荷指标就是各个小时的负荷。如图3所示,本发明针传统计算方法复杂耗时且可复制性低这一特点,提供了一种基于数据库结合方案比选计算综合能源站碳排放量的方法,此方法可以提高方案设计人员的工作效率。
步骤1,基于预设规则构建数据库的具体过程为:
1.调取Dest中全国典型城市全年逐时温度的数据库,将所有典型城市按照严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区、温和地区进行分类,分类过程参考如下示例:如表1所示,我国气候分区是按照现行国家标准《民用建筑热工设计规范》GB50176的规定而确定的,主要划分为严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区、温和地区等五个气候区。分类界限是按照最冷月平均温度和最热月平均温度作为主要指标,日平均温度≤ 5℃的天数作为辅助指标。然后将不同地区的供冷、供暖温度分为四个温度区间,分别对应典型日(典型日是指最大设计冷负荷、最大设计热负荷的一天)冷热负荷(冷负荷和热负荷)的100%、75%、50%、25%,然后通过供暖季、供冷季起止时间计算不同区域(上述五个气候区)的供冷、供暖季的供能时间,统计出不同负荷典型日负荷率下四个温度区间占整个供冷、供暖季的时间比例。
表1
tmin·m:年最冷月平均温度;
tmax·m:年最热月平均温度;
d≤5:日平均温度小于等于5℃的天数;
d≥25:日平均温度大于等于25℃的天数;
为了便于理解上述内容,通过如下示例进行解释:比如空调在供冷季的 24.5℃以上的温度工况范围内运行,这里将温度范围分为4个区间,T≥ 33.5℃、33.5>T≥30.5、30.5>T≥27.5、27.5>T≥24.5,四个温度区间分别对应设备的100%、75%、50%、25%的负荷率。在计算负荷率时间占比的时候需要知道项目所在城市的典型年的8760个小时的温度数据,这个数据可以在DEST软件上获取,通过确定供冷季的起止时间,从而确定供冷季的天数,然后求出T≥33.5℃、33.5>T≥30.5、30.5>T≥27.5、27.5>T≥24.5 四个温度区间占供冷季的供冷小时数,从而求得各个温度区间占整个供冷季天数的比例,相应的求得各个温度区间内设备在四种负荷率下的运行天数。
2.将不同城市不同业态建筑物的逐时冷/热负荷系数(逐时冷/热负荷系数就是0~1的因子,冷热负荷指标是针对设计工况来定的,也就是说最大设计负荷,但是实际上一天24小时负荷是波动的,所以每个小时的负荷系数* 负荷指标就是各个小时的负荷。逐时冷热负荷系数是通过经验和工程实际经验得出)、供冷季、供暖季天数、不同负荷率下四个温度区间占整个供冷、供暖季的时间比例、各一次能源和电网各区域碳排放因子读入新建的数据库中,上述内容一部分通过上一步供冷季和供暖季天数根据起止时间计算出了供冷和供暖的天数,不同负荷率比例也已算出。一部分如一次能源通过《建筑碳排放计算标准》GB/T51366-2019获取,电网各区域排放因子取自政府公开的信息。
3.调取Solargis软件全国各地维度和太阳能发电数据,将国内维度 20°到50°之间,平均分为30个维度区间。将不同维度区间不同安装角度光伏发电折减系数(该系数是根据经验所得)读入新建的数据库中。
步骤2,获取待计算项目的冷负荷指标、热负荷指标以及电负荷指标和建筑面积,基于所述冷负荷指标、热负荷指标以及电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日冷、热、电负荷的具体过程为:
确定具体项目的不同业态的冷负荷指标、热负荷指标以及电负荷指标,调取新建数据库中的逐时负荷系数,计算出项目典型日整体的冷、热、电负荷。
典型日冷热电负荷计算时,通过输入负荷指标和建筑面积进行计算,然后在计算典型日逐时负荷时,调取逐时负荷系数和已计算出的各业态设计负荷进行计算。
步骤3,根据所述典型日冷、热、电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模的具体过程为:
将典型日的逐时负荷结合方案比选确定出具体的针对建筑物供冷、供热,以及建筑内用电设备供电的供能设备装机规模的大小。
确定过程具体为:典型日逐时负荷确定后,意味着最大设计冷负荷、热负荷和电负荷已确定,根据设计负荷确定可行的方案,然后通过方案比选确定最佳的方案,最终得出了最佳方案的供能设备和装机规模。
方案比选的具体过程为:假如一个项目的装机是按照三联供系统满足基本负荷,空气源热泵和电制冷机用来调峰。但是选定好供能方案之后我们还需要确定设备的装机容量。这里确定装机容量的顺序依次是三联供的发电机规模、空气源热泵的规模、电制冷机的规模。
三联供发电机的装机规模的确定方法是:
先假定三联供系统的装机大小,通过不同负荷率典型日的逐时冷负荷、不同负荷率典型日负荷的供能时间求出三联供系统的累计供冷量。
再通过三联供的累计供冷量及假定的三联供的装机大小,求出三联供系统的当量满负荷运行小时数T。
以时间为自变量,单位KWh的供能成本为因变量,绘制出三联供和空气源热泵供能成本随时间的变化曲线,通过拟合曲线得到不同的曲线方程,求出两条曲线方程的交点,以此时间交点T作为判定CCHP运行小时数装机大小的依据。
比较T’与T的大小,若T’<T,说明CCHP的年运行小时数不满足要求,则自动减小CCHP的装机大小再次进行循环计算,直至CCHP的装机大小满足 T’=T时停止循环。
空气源热泵的确定方法和三联供的流程算法一样,只是供能成本是空气源热泵和电制冷机进行比较,从而确定出时间交点。
电制冷机装机规模的确定方法各个不同负荷率下逐时冷负荷减去三联供的装机规模、再减去空气源热泵的装机规模后的最大值当做电制冷机的装机规模。
步骤4,基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量的具体过程为:
结合不同供能设备的装机大小(即装机规模)、典型日的逐时负荷,从新建数据库中调取不同温度区间的时间比例系数及供能总时间,计算出不同设备的耗电量及耗气量。所述装机规模指的是三联供或地源热泵供等。
计算耗电量以及耗气量的过程为:
由上面确定好供能设备的装机规模和供冷季、供暖季的负荷,可以求得相应设备的耗气量或者耗电量。
三联供供冷季的耗气量=供冷季的累计供冷量*燃气供冷比例占燃气热量的占比/10
三联供供暖季的耗气量=供暖季的累计供冷量*燃气供暖比例占燃气热量的占比/10
地源热泵供冷季的耗电量=地源热泵的累计供冷量/COPc;
地源热泵供暖季的耗电量=地源热泵的累计供暖量/COPh;
电制冷机供冷季的耗电量=电制冷机的累计供冷量/COPc;
电制冷机供暖季的耗电量=电制冷机的累计供暖量/COPc。
制冷系数(COP,CoefficientOfPerformance)也称制冷性能系数,是指单位功耗所能获得的冷量,是制冷系统(制冷机)的一项重要技术经济指标。制冷性能系数大,表示制冷系统(制冷机)能源利用效率高。
步骤5,基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量的具体过程为:
确定综合能源站光伏装机大小(装机规模)和安装角度(光伏的装机容量和安装角度是个输入参数),从新建数据库中调取当地光伏年等效满负荷发电小时数和不同维度区间不同安装角度发电量折减系数,计算出分布式光伏年发电量。
步骤6,通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量的具体过程为:
通过计算碳排放量指令调取新建数据库中中国区域电网和一次能源碳排放因子,计算出不同设备碳排放量和光伏发电碳减排量,最终计算出该综合能源站的年碳排放量等(设备耗电量减去光伏发电量然后乘以所在区域电网的碳排放因子+耗气量乘以从一次能源调取的天然气排放因子为最终的碳排放量)。
通过计算得出的碳排放量可以对园区通过CCER等手段实现碳中和目标提供数据支撑。
优选地,在上述任意实施例中,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
优选地,在上述任意实施例中,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
优选地,在上述任意实施例中,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
如图2所示:一种基于数据库的碳排放量确定系统,包括:
构建模块100,用于基于预设规则构建数据库;
获取模块200,用于获取待计算项目的电负荷指标,基于所述电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日电负荷;
确定模块300,用于根据所述典型日电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
第一调取模块400,用于基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
第二调取模块500,用于基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
计算模块600,用于通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
在一些可能的实施方式中,本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
优选地,在上述任意实施例中,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
优选地,在上述任意实施例中,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
优选地,在上述任意实施例中,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
本发明解决上述技术问题的另一种技术方案如下:一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如上述任一项所述的一种基于数据库的碳排放量确定方法。
在一些可能的实施方式中,本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
本发明解决上述技术问题的另一种技术方案如下:一种电子设备,包括上述存储介质、执行上述存储介质内的指令的处理器。
在一些可能的实施方式中,本发明针传统计算方法复杂耗时且可复制性低这一特点,通过建立数据库,程序自动的存入、读取数据,增强了项目的可复制性及通用型,提高了设计人员的工作效率;通过自动计算能源站能耗碳排放量和绿电碳减排量,准确得出年综合能源站碳排放量。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM, Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于数据库的碳排放量确定方法,其特征在于,包括:
步骤1,基于预设规则构建数据库;
步骤2,获取待计算项目的冷负荷指标、热负荷指标以及电负荷指标,基于所述冷负荷指标、所述热负荷指标以及所述电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日逐时冷负荷、典型日逐时热负荷以及典型日逐时电负荷;
步骤3,根据所述典型日逐时冷负荷、所述典型日逐时热负荷以及所述典型日逐时电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
步骤4,基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
步骤5,基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
步骤6,通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
2.根据权利要求1所述的一种基于数据库的碳排放量确定方法,其特征在于,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
3.根据权利要求2所述的一种基于数据库的碳排放量确定方法,其特征在于,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
4.根据权利要求2所述的一种基于数据库的碳排放量确定方法,其特征在于,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
5.一种基于数据库的碳排放量确定系统,其特征在于,包括:
构建模块,用于基于预设规则构建数据库;
获取模块,用于获取待计算项目的冷负荷指标、热负荷指标以及电负荷指标,基于所述冷负荷指标、所述热负荷指标以及所述电负荷指标在所述数据库中调取逐时负荷系数,基于所述逐时负荷系数计算所述待计算项目的典型日逐时冷负荷、典型日逐时热负荷以及典型日逐时电负荷;
确定模块,用于根据所述典型日逐时冷负荷、所述典型日逐时热负荷以及所述典型日逐时电负荷确定供应冷热电的供能设备以及所述供能设备对应的装机规模;
第一调取模块,用于基于所述供能设备,在所述数据库中调取所述供能设备对应的第一基础数据,通过所述第一基础数据计算所述供能设备的耗电量以及耗气量;
第二调取模块,用于基于分布式光伏装机大小,在所述数据库中调取第二基础数据,通过所述第二基础数据计算分布式光伏年发电量;
计算模块,用于通过所述耗电量、所述耗气量以及所述分布式光伏年发电量确定所述供能设备的碳排放量。
6.根据权利要求5所述的一种基于数据库的碳排放量确定系统,其特征在于,所述数据库包括:
不同城市不同业态建筑物的逐时冷负荷系数、不同城市不同业态建筑物的逐时热负荷系数、供冷季天数、供暖季天数、不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例、全国各区域电网的碳排放因子、一次能源碳排放因子、全国各地区光伏最佳倾角时年等效满负荷发电小时数、不同维度区间不同安装角度光伏发电折减系数以及10个区间,所述10个区间具体为:将北纬20°至北纬50°平均分为10个区间。
7.根据权利要求6所述的一种基于数据库的碳排放量确定系统,其特征在于,所述第一基础数据包括:
不同负荷率下四个温度区间中每个温度区间占整个供冷季的时间比例、不同负荷率下四个温度区间中每个温度区间占整个供冷季的供冷天数、不同负荷率下四个温度区间中每个温度区间占整个供暖季的时间比例以及不同负荷率下四个温度区间中每个温度区间占整个供暖季的供暖天数。
8.根据权利要求7所述的一种基于数据库的碳排放量确定系统,其特征在于,所述第二基础数据包括:
所述供能设备所属地的光伏年等效满负荷发电小时数、不同维度不同安装角度发电量折减系数。
9.一种介质,其特征在于,所述介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至4中任一项所述的一种基于数据库的碳排放量确定方法。
10.一种设备,其特征在于,包括权利要求9所述的存储介质、执行所述存储介质内的指令的处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791769.4A CN115222227A (zh) | 2022-07-05 | 2022-07-05 | 一种基于数据库的碳排放量确定方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791769.4A CN115222227A (zh) | 2022-07-05 | 2022-07-05 | 一种基于数据库的碳排放量确定方法、系统、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222227A true CN115222227A (zh) | 2022-10-21 |
Family
ID=83609875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210791769.4A Pending CN115222227A (zh) | 2022-07-05 | 2022-07-05 | 一种基于数据库的碳排放量确定方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222227A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295145A (zh) * | 2016-08-02 | 2017-01-04 | 新奥泛能网络科技股份有限公司 | 一种污染物排放量计算方法及电子设备 |
CN106329578A (zh) * | 2016-08-31 | 2017-01-11 | 新奥泛能网络科技股份有限公司 | 一种确定cchp发电机装机规模的方法及装置 |
-
2022
- 2022-07-05 CN CN202210791769.4A patent/CN115222227A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295145A (zh) * | 2016-08-02 | 2017-01-04 | 新奥泛能网络科技股份有限公司 | 一种污染物排放量计算方法及电子设备 |
CN106329578A (zh) * | 2016-08-31 | 2017-01-11 | 新奥泛能网络科技股份有限公司 | 一种确定cchp发电机装机规模的方法及装置 |
Non-Patent Citations (1)
Title |
---|
杨镇阁等: "太阳能与冷热电三联供系统耦合特性分析", 《上海节能》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system | |
CN105160159A (zh) | 一种多能源技术量化筛选方法 | |
Rahman et al. | Feasibility of thermal energy storage systems in an institutional building in subtropical climates in Australia | |
CN111445107A (zh) | 冷热电联供型微电网多目标优化配置方法 | |
Deng et al. | Comparative analysis of optimal operation strategies for district heating and cooling system based on design and actual load | |
CN104766133A (zh) | 一种小型生物质沼气冷热电联供系统综合优化方法 | |
CN104216368A (zh) | 一种基于需求响应的分布式联供系统优化运行控制方法 | |
CN104457023B (zh) | 区域型冷热电三联供系统的设备容量优化配置方法 | |
CN110400090B (zh) | 一种基于多目标随机优化的智能园区多能源微网配置方法 | |
CN112241923A (zh) | 一种基于综合能源系统源荷等效外特性的配网电力平衡方法 | |
Rashid et al. | Performance analysis and investigation for the development of energy efficient building | |
CN113553718A (zh) | 一种绿色数据中心综合供能系统设备容量的配置方法 | |
Abdalla et al. | The impact of clustering strategies to site integrated community energy and harvesting systems on electrical demand and regional GHG reductions | |
CN109146284B (zh) | 一种城市建筑可再生能源综合利用量及规模的核算系统及方法 | |
CN115222227A (zh) | 一种基于数据库的碳排放量确定方法、系统、介质及设备 | |
CN113902167A (zh) | 计及站房投资的综合智慧能源系统配置优化方法及装置 | |
CN111612031A (zh) | 基于高维空间聚类近邻搜索的区域建筑动态负荷预测方法 | |
Meng et al. | Data Center Cooling Load Prediction and Analysis based on Weather Data Clustering | |
CN113298164A (zh) | 一种基于光伏出力不确定性的楼宇用能优化方法 | |
CN113221315A (zh) | 构建海水源热泵系统机组设计选型方法及系统 | |
Fan et al. | Operation strategy analysis and configuration optimization of solar CCHP system | |
Cao | Evaluation of retrofitting gas-fired cooling and heating systems into BCHP using design optimization | |
CN113393053B (zh) | 一种基于原动机的cchp系统的设备选型优化方法 | |
Chen et al. | Development of an integrated energy system simulation computing platform based on a typical cross-border area | |
Jin et al. | The Economic Evaluation Research of Multi-Class Electric-Based Heating Mode in Non-Municipal Area |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221021 |