CN115222261A - 一种基于大数据的碳排放监测系统 - Google Patents
一种基于大数据的碳排放监测系统 Download PDFInfo
- Publication number
- CN115222261A CN115222261A CN202210864729.8A CN202210864729A CN115222261A CN 115222261 A CN115222261 A CN 115222261A CN 202210864729 A CN202210864729 A CN 202210864729A CN 115222261 A CN115222261 A CN 115222261A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- unit
- gamma
- carbon
- 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 241
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 236
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 60
- 230000000694 effects Effects 0.000 claims abstract description 51
- 238000007619 statistical method Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 239000000047 product Substances 0.000 claims description 39
- 239000002699 waste material Substances 0.000 claims description 39
- 239000000446 fuel Substances 0.000 claims description 37
- 239000002994 raw material Substances 0.000 claims description 34
- 230000006872 improvement Effects 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 15
- 239000007858 starting material Substances 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013481 data capture Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001721 carbon Chemical class 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000010792 warming 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的碳排放监测系统,属于碳排放监测技术领域,该碳排放监测系统包括数据捕捉模块、统计分析模块、模型分析模块、预测分析模块,通过数据捕捉模块获取企业碳排放数据,通过统计分析模块对碳排放数据进行统计分析,通过模型分析模块查找企业碳排放的主要源头,通过预测分析模块对改进方案进行碳评估分析,当企业进行碳排放监测时,通过对各个生产活动进行碳排放监测从而确定造成碳排放的主要源头,并根据分析的结果进行产业结构的调整或者设备的升级,以此在响应低碳理念的同时减少企业的生产成本,利用预测分析模块对改进方案进行评估,以便选取最合理的改进方案。
Description
技术领域
本发明涉及碳排放监测技术领域,具体为一种基于大数据的碳排放监测系统。
背景技术
大数据指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
碳排放是关于温室气体排放的一个总称或简称,减少碳排放成为缔约国家社会经济发展和生产经营活动的重要目标之一。碳排放会导致全球气候变暖,产生温室效应。会造成极端恶劣天气,譬如台风、高温、暴雨、泥石流、干旱等自然灾害。加快南、北两极冰雪融化,造成海平面逐年上升,碳排放增加将会危害人们的身体健康和生活质量。
因此对碳排放进行控制就变得极为重要,尤其是企业应该树立低碳发展理念,及时调整产业结构减少碳排放量,但是如何通过碳排量调整企业的生产结构,并对企业设备进行针对性升级,以较少成本的投入就变得格外重要。
因此,急需一种基于大数据的碳排放监测系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的碳排放监测系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的碳排放监测系统,该碳排放监测系统包括数据捕捉模块、统计分析模块、模型分析模块、预测分析模块;
所述数据捕捉模块用于获取企业碳排放数据;
所述统计分析模块用于对碳排放数据进行统计分析;
使得可以更加直观的观察企业碳排放的情况;
所述模型分析模块用于查找企业碳排放的主要源头;
使得对企业结构调整有个更加明确的方向;
所述预测分析模块用于对改进方案进行评估分析;
使得改进方案更加的具有说服力;
所述数据捕捉模块的输出端连接统计分析模块的输入端,所述统计分析模块的输出端连接模型分析模块的输入端,所述模型分析模块的输出端连接预测分析模块的输入端。
所述数据捕捉模块包括数据获取单元、数据分类单元、数据存储单元;
所述数据获取单元用于获取企业每个月的碳排放数据,并将碳排放数据放入集合M={C1,C2,C3,…,Cn};
其中,C1、C2、C3、…、Cn分别表示第一个月企业碳排放数据、第二个月企业碳排放数据、第三个月企业碳排放数据、…、第n个月企业碳排放数据,集合M为企业月碳排放的数据合集,n表示n个月;.
数据分类单元用于将获取的碳排数据按照碳排放的成分进行分类,并放入到集合Ai={B1,B2,B3,…,Bn},其中集合Ai表示第i种碳排放成分的月碳排放数据合集,B1、B2、B3、…、Bn分别表示第i种碳排放成分的第一个月碳排放数据、第i种碳排放成分的第二个月碳排放数据、第i种碳排放成分的第三个月碳排放数据、…、第i种碳排放成分的第n个月碳排放数据,i表示i种碳排放成分;
所述数据存储单元用于对数据获取单元和数据分类单元内的数据进行存储;
所述数据获取单元的输出端连接数据分类单元的输入端,数据分类单元的输出端连接数据存储单元的输入端。
所述统计分析模块包括统计单元、分析单元;
所述统计单元用于对存储单元的数据进行统计分析;所述统计分析指的是利用line函数根据月碳排放数据绘制折线图,利用circle函数根据已分类的数据绘制若干个扇形图,使得对企业碳排放的情况有一个更加直观的认识,所述line函数、circle函数属于现有技术,在此不做详细说明;
所所述分析单元用于根据折线图分析出碳排放量最高的月份α以及碳排放量最低的月份β,利用for函数对每个月的碳排放成分进行差值计算,并将差值大于的成分放入合集Υ中,使得可以根据合集Υ中碳排放成分以及企业生产活动时碳排放的成分组成,从而分析出碳排放量增大的源头之一,为最大差值,所述for函数属于已知技术,在此不做详细说明;
所述统计单元的输出端连接分析单元的输入端。
所述模型分析单元包括预估单元、模型建立单元、源头确定单元;
所述预估单元用于确认碳排放主要源头的范围;所述碳排放源头范围的确认指的是通过分析单元的分析结果确定碳排放的主要生产活动,对碳排放量增加的月份的企业生产活动进行分析,从而确定导致碳排放量增加的源头,对碳排放量减少的月份的企业生产活动进行分析,从而确定企业碳排放量减少的原因;
所述模型建立单元通过建立碳排放分析模型;
使得对企业生产活动所产生的碳排放量的预估更加方便、精准;
所述源头确定单元用于确定碳排放的主要源头;
使得能够对企业产业结构升级以及设备升级更加具有针对性;
所述预估单元的输出端连接模型建立单元的输入端,模型建立单元的输出端连接源头确定单元的输入端。
所述建立碳排放分析模型具体步骤为:
S2、分析原材料、产品、废料、燃料中的元素组成;
S3、对各个企业生产活动所产生的碳排放进行成分分析,从而确定最优分析元素γ;
S4、计算出各个生产活动所需要的原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
S5、利用γ元素质量守恒估计出企业生产活动的碳排放量;
其中,δ为原材料的含γ量、ε为产品的含γ量、∈为废料的含γ量、ζ为燃料的含γ量,k1为1mol原材料的含γ量的数量、k2为1mol产品的含γ量的数量、k3为1mol废料的含γ量的数量、k4为1mol燃料的含γ量的数量,m为γ元素的1mol质量,M1为原材料所含所有成分的总摩尔质量,M2为产品所含所有成分的总摩尔质量,M3为废料所含所有成分的总摩尔质量,M4为燃料所含所有成分的总摩尔质量,Ω为碳排放成分的摩尔质量,K为所有γ元素在碳排放成分中所占的摩尔质量;
根据上述技术方案,所述确定碳排放的主要源头是指通过碳排放模型对企业生产活动进行碳排放分析,并将分析结果放入集合Γn={e1n,e2n,e3n,…,eIn}中,并将T个月碳排放各个成分的含量用Φn表示;
ΡIn=Φn-eIn
并将利用for函数求出最小值ΛIn,从而确定碳排放的主要生产活动;所述for函数为现有技术,在此不做详细说明;
将分析单元、预估单元的分析结果与带入碳排放模型后分析的结果进行综合分析,从而确定企业碳排放的主要源头;所述进行综合分析,使得企业碳排放的主要源头的确定更加准确,更加具有说服力,同时又利于企业进行针对性的产业结构调整以及设备升级;
其中ΡIn表示各个碳排放含量的差值,I表示I中企业生产活动,n表示但排放组成的n中成分。
所述预测分析模块包括碳排放预估单元、方案评估单元;
所述碳排放预估单元用于根据方案内容估算碳排放量;
所述方案评估单元用于根据预估单元的数据对方案进行评估;
所述碳排放预估单元的输出端连接方案评估单元的输入端。
根据上述技术方案,所述根据方案内容估算碳排放量的具体步骤为:
Z1、获取改进方案的数据资料并进行对整理出预计在T个月内企业生产活动所需要的的原材料投放量与未经过经过改进后企业原材料投放量θ相同的情况下、产品产出量废料输出量ι、燃料使用量κ,并分析原材料、产品、废料、燃料中的元素组成;
Z2、对改进方案中各个企业生产活动进行碳排放成分分析,从而确定最优分析元素γ;
Z3、计算出原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
其中,其中,δ为原材料的含γ量、ε为产品的含γ量、∈为废料的含γ量、ζ为燃料的含γ量,k1为1mol原材料的含γ量的数量、k2为1mol产品的含γ量的数量、k3为1mol废料的含γ量的数量、k4为1mol燃料的含γ量的数量,m为γ元素的1mol质量,M1为原材料所含所有成分的总摩尔质量,M2为产品所含所有成分的总摩尔质量,M3为废料所含所有成分的总摩尔质量,M4为燃料所含所有成分的总摩尔质量,Ω为碳排放成分的摩尔质量,K为所有γ元素在碳排放成分中所占的摩尔质量;
根据上述技术方案,所述方案评估单元是指在同一情况下对改进方案中的企业生产所预估的碳排放量λ与未经过经过改进后企业的碳排放量η进行比较;
若η>λ,则评估该改进方案为合适;
若η<λ,则评估该改进方案为不合适。
与现有技术相比,本发明所达到的有益效果是:
1、本发明通过设置预估单元、模型建立单元、源头确定单元,使得可以根据企业生产活动的碳排放量的多少来确定碳排放的主要源头,使得企业可以及时的调整产业结构以及完成生产设备的升级,在树立低碳发展理念减少碳排放的同时减少企业生产成本。
2、本发明通过设置碳排放预估单元、方案评估单元,使得对企业改进方案中各个生产活动进行碳排放估算,并通过方案评估单元对改进方案智能化的进行评估,使得改进方案更具有说服力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的碳排放监测系统的模块组成结构示意图;
图2是本发明一种基于大数据的碳排放监测系统的连接结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1、图2所示,本发明提供技术方案:一种基于大数据的碳排放监测系统,该碳排放监测系统包括数据捕捉模块、统计分析模块、模型分析模块、预测分析模块;
所述数据捕捉模块用于获取企业碳排放数据;
所述统计分析模块用于对碳排放数据进行统计分析;
使得可以更加直观的观察企业碳排放的情况;
所述模型分析模块用于查找企业碳排放的主要源头;
使得对企业结构调整有个更加明确的方向;
所述预测分析模块用于对改进方案进行评估分析;
使得改进方案更加的具有说服力;
所述数据捕捉模块的输出端连接统计分析模块的输入端,所述统计分析模块的输出端连接模型分析模块的输入端,所述模型分析模块的输出端连接预测分析模块的输入端。
根据上述技术方案,所述数据捕捉模块包括数据获取单元、数据分类单元、数据存储单元;
所述数据获取单元用于获取企业每个月的碳排放数据,并将碳排放数据放入集合M={C1,C2,C3,…,Cn},例如获取企业每个月的碳排放数据放入集合M中;
其中,C1、C2、C3、…、Cn分别表示第一个月企业碳排放数据、第二个月企业碳排放数据、第三个月企业碳排放数据、…、第n个月企业碳排放数据,集合M为企业月碳排放的数据合集,n表示n个月;.
数据分类单元用于将获取的碳排数据按照碳排放的成分进行分类,并放入到集合Ai={B1,B2,B3,…,Bn},其中集合Ai表示第i种碳排放成分的月碳排放数据合集,B1、B2、B3、…、Bn分别表示第i种碳排放成分的第一个月碳排放数据、第i种碳排放成分的第二个月碳排放数据、第i种碳排放成分的第三个月碳排放数据、…、第i种碳排放成分的第n个月碳排放数据,i表示i种碳排放成分;
所述数据存储单元用于对数据获取单元和数据分类单元内的数据进行存储;
所述数据获取单元的输出端连接数据分类单元的输入端,数据分类单元的输出端连接数据存储单元的输入端。
根据上述技术方案,所述统计分析模块包括统计单元、分析单元;
所述统计单元用于对存储单元的数据进行统计分析;所述统计分析指的是利用line函数根据月碳排放数据绘制折线图,利用circle函数根据已分类的数据绘制若干个扇形图,使得对企业碳排放的情况有一个更加直观的认识,所述line函数、circle函数属于现有技术,在此不做详细说明;
所述分析单元用于根据折线图分析出碳排放量最高的月份α以及碳排放量最低的月份β,利用for函数对每个月的碳排放成分进行差值计算,并将差值大于的成分放入合集Υ中,使得可以根据合集Υ中碳排放成分以及企业生产活动时碳排放的成分组成,从而分析出碳排放量增大的源头之一,为最大差值,所述for函数属于已知技术,在此不做详细说明,例如利用for函数计算出CO2、NF3的差值大于则放入集合Υ={CO2,NF3},并与企业进行生产活动时产生的碳排放成分进行综合分析,从而分析出生产X食品和Y食品是碳排放量增大的源头之一;
所述统计单元的输出端连接分析单元的输入端。
根据上述技术方案,所述模型分析单元包括预估单元、模型建立单元、源头确定单元;
所述预估单元用于确认碳排放主要源头的范围;所述碳排放源头范围的确认指的是通过分析单元的分析结果确定碳排放的主要生产活动,对碳排放量增加的月份的企业生产活动进行分析,从而确定导致碳排放量增加的源头,对碳排放量减少的月份的企业生产活动进行分析,从而确定企业碳排放量减少的原因;例如3月份的碳排放量比2月份的碳排放量多,对这两个月份企业进行的生产后动进行分析,从而分析出碳排放增加的原因为生产X食品的规模扩大了;
所述模型建立单元通过建立碳排放分析模型;
使得对企业生产活动所产生的碳排放量的预估更加方便、精准;
所述源头确定单元用于确定碳排放的主要源头;
使得能够对企业产业结构升级以及设备升级更加具有针对性;
所述预估单元的输出端连接模型建立单元的输入端,模型建立单元的输出端连接源头确定单元的输入端。
根据上述技术方案,所述建立碳排放分析模型具体步骤为:
S2、分析原材料、产品、废料、燃料中的元素组成,例如原材料主要是由元素C、H、O、F组成,C元素共有14个、H元素共有22个、O元素共有8个、F元素共有2个;
S3、对各个企业生产活动所产生的碳排放进行成分分析,从而确定最优分析元素γ;例如对企业生产X食品多产生的碳排放的成分进行分析可知,该产业活动的碳排放成分中会排放特别元素F,则确定F为最优分析元素;
S4、计算出各个生产活动所需要的原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
S5、利用γ元素质量守恒估计出企业生产活动的碳排放量;
其中,δ为原材料的含γ量、ε为产品的含γ量、∈为废料的含γ量、ζ为燃料的含γ量,k1为1mol原材料的含γ量的数量、k2为1mol产品的含γ量的数量、k3为1mol废料的含γ量的数量、k4为1mol燃料的含γ量的数量,m为γ元素的1mol质量,M1为原材料所含所有成分的总摩尔质量,M2为产品所含所有成分的总摩尔质量,M3为废料所含所有成分的总摩尔质量,M4为燃料所含所有成分的总摩尔质量,Ω为碳排放成分的摩尔质量,K为所有γ元素在碳排放成分中所占的摩尔质量;
根据上述技术方案,所述确定碳排放的主要源头是指通过碳排放模型对企业生产活动进行碳排放分析,并将分析结果放入集合Γn={e1n,e2n,e3n,…,eIn}中,并将T个月碳排放各个成分的含量用Φn表示;
ΡIn=Φn-eIn
并将利用for函数求出最小值ΛIn,从而确定碳排放的主要生产活动;所述for函数为现有技术,在此不做详细说明;
将分析单元、预估单元的分析结果与带入碳排放模型后分析的结果进行综合分析,从而确定企业碳排放的主要源头;所述进行综合分析,使得企业碳排放的主要源头的确定更加准确,更加具有说服力,同时又利于企业进行针对性的产业结构调整以及设备升级;
例如通过带入碳排放模型后分析出碳排放主要是通过生产X食品产生的排出的,并根据分析单元、预估单元的分析结果进一步的进行确定碳排放的主要源头;
其中ΡIn表示各个碳排放含量的差值,I表示I中企业生产活动,n表示但排放组成的n中成分。
根据上述技术方案,所述预测分析模块包括碳排放预估单元、方案评估单元;
所述碳排放预估单元用于根据方案内容估算碳排放量;
所述方案评估单元用于根据预估单元的数据对方案进行评估;
所述碳排放预估单元的输出端连接方案评估单元的输入端。
根据上述技术方案,所述根据方案内容估算碳排放量的具体步骤为:
Z1、获取改进方案的数据资料并进行对整理出预计在T个月内企业生产活动所需要的的原材料投放量与未经过经过改进后企业原材料投放量θ相同的情况下、产品产出量废料输出量ι、燃料使用量κ,并分析原材料、产品、废料、燃料中的元素组成;
Z2、对改进方案中各个企业生产活动进行碳排放成分分析,从而确定最优分析元素γ;
Z3、计算出原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
其中,其中,δ为原材料的含γ量、ε为产品的含γ量、∈为废料的含γ量、ζ为燃料的含γ量,k1为1mol原材料的含γ量的数量、k2为1mol产品的含γ量的数量、k3为1mol废料的含γ量的数量、k4为1mol燃料的含γ量的数量,m为γ元素的1mol质量,M1为原材料所含所有成分的总摩尔质量,M2为产品所含所有成分的总摩尔质量,M3为废料所含所有成分的总摩尔质量,M4为燃料所含所有成分的总摩尔质量,Ω为碳排放成分的摩尔质量,K为所有γ元素在碳排放成分中所占的摩尔质量;
根据上述技术方案,所述方案评估单元是指在同一情况下对改进方案中的企业生产所预估的碳排放量λ与未经过经过改进后企业的碳排放量η进行比较;
若η>λ,则评估该改进方案为合适;
若η<λ,则评估该改进方案为不合适;
例如当η=100>λ=80时,该改进方案的评估为合适。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据的碳排放监测系统,其特征在于:该碳排放监测系统包括数据捕捉模块、统计分析模块、模型分析模块、预测分析模块;
所述数据捕捉模块用于获取企业碳排放数据;
所述统计分析模块用于对碳排放数据进行统计分析;
所述模型分析模块用于查找企业碳排放的主要源头;
所述预测分析模块用于对改进方案进行评估分析;
所述数据捕捉模块的输出端连接统计分析模块的输入端,所述统计分析模块的输出端连接模型分析模块的输入端,所述模型分析模块的输出端连接预测分析模块的输入端。
2.根据权利要求1所述的一种基于大数据的碳排放监测系统,其特征在于:所述数据捕捉模块包括数据获取单元、数据分类单元、数据存储单元;
所述数据获取单元用于获取企业每个月的碳排放数据,并将碳排放数据放入集合M={C1,C2,C3,…,Cn};
其中,C1、C2、C3、…、Cn分别表示第一个月企业碳排放数据、第二个月企业碳排放数据、第三个月企业碳排放数据、…、第n个月企业碳排放数据,集合M为企业月碳排放的数据合集,n表示n个月;.
数据分类单元用于将获取的碳排数据按照碳排放的成分进行分类,并放入到集合Ai={B1,B2,B3,…,Bn},其中集合Ai表示第i种碳排放成分的月碳排放数据合集,B1、B2、B3、…、Bn分别表示第i种碳排放成分的第一个月碳排放数据、第i种碳排放成分的第二个月碳排放数据、第i种碳排放成分的第三个月碳排放数据、…、第i种碳排放成分的第n个月碳排放数据,i表示i种碳排放成分;
所述数据存储单元用于对数据获取单元和数据分类单元内的数据进行存储;
所述数据获取单元的输出端连接数据分类单元的输入端,数据分类单元的输出端连接数据存储单元的输入端。
4.根据权利要求3所述的一种基于大数据的碳排放监测系统,其特征在于:所述模型分析单元包括预估单元、模型建立单元、源头确定单元;
所述预估单元用于确认碳排放主要源头的范围;所述碳排放源头范围的确认指的是通过分析单元的分析结果确定碳排放的主要生产活动;
所述模型建立单元通过建立碳排放分析模型;
所述源头确定单元用于确定碳排放的主要源头;
所述预估单元的输出端连接模型建立单元的输入端,模型建立单元的输出端连接源头确定单元的输入端。
5.根据权利要求4所述的一种基于大数据的碳排放监测系统,其特征在于:所述建立碳排放分析模型具体步骤为:
S2、分析原材料、产品、废料、燃料中的元素组成;
S3、对各个企业生产活动所产生的碳排放进行成分分析,从而确定最优分析元素γ;
S4、计算出原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
S5、利用γ元素质量守恒估计出企业生产活动的碳排放量;
其中,δ为原材料的含γ量、ε为产品的含γ量、∈为废料的含γ量、ζ为燃料的含γ量,k1为1mol原材料的含γ量的数量、k2为1mol产品的含γ量的数量、k3为1mol废料的含γ量的数量、k4为1mol燃料的含γ量的数量,m为γ元素的1mol质量,M1为原材料所含所有成分的总摩尔质量,M2为产品所含所有成分的总摩尔质量,M3为废料所含所有成分的总摩尔质量,M4为燃料所含所有成分的总摩尔质量,Ω为碳排放成分的摩尔质量,为所有γ元素在碳排放成分中所占的摩尔质量。
6.根据权利要求5所述的一种基于大数据的碳排放监测系统,其特征在于:所述确定碳排放的主要源头是指通过碳排放模型对企业生产活动进行碳排放分析,并将分析结果放入集合Γn={e1n,e2n,e3n,…,eIn}中,并将T个月碳排放各个成分的含量用Φn表示;
ΡIn=Φn-eIn
并将利用for函数求出最小值ΛIn,从而确定碳排放的主要生产活动;
将分析单元、预估单元的分析结果与带入碳排放模型后分析的结果进行综合分析,从而确定企业碳排放的主要源头;
其中ΡIn表示各个碳排放含量的差值,I表示I中企业生产活动,n表示但排放组成的n中成分。
7.根据权利要求6所述的一种基于大数据的碳排放监测系统,其特征在于:所述预测分析模块包括碳排放预估单元、方案评估单元;
所述碳排放预估单元用于根据方案内容估算碳排放量;
所述方案评估单元用于根据预估单元的数据对方案进行评估;
所述碳排放预估单元的输出端连接方案评估单元的输入端。
8.根据权利要求7所述的一种基于大数据的碳排放监测系统,其特征在于:所述根据方案内容估算碳排放量的具体步骤为:
Z1、获取改进方案的数据资料并进行对整理出预计在T个月内企业生产活动所需要的的原材料投放量与未经过经过改进后企业原材料投放量θ相同的情况下、产品产出量废料输出量ι、燃料使用量κ,并分析原材料、产品、废料、燃料中的元素组成;
Z2、对改进方案中各个企业生产活动进行碳排放成分分析,从而确定最优分析元素γ;
Z3、计算出原材料的含γ量、产品的含γ量、废料的含γ量、燃料的含γ量;
9.根据权利要求8所述的一种基于大数据的碳排放监测系统,其特征在于:根据上述技术方案,所述方案评估单元是指在同一情况下对改进方案中的企业生产所预估的碳排放量λ与未经过经过改进后企业的碳排放量η进行比较;
若η>λ,则评估该改进方案为合适;
若η<λ,则评估该改进方案为不合适。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210864729.8A CN115222261A (zh) | 2022-07-21 | 2022-07-21 | 一种基于大数据的碳排放监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210864729.8A CN115222261A (zh) | 2022-07-21 | 2022-07-21 | 一种基于大数据的碳排放监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222261A true CN115222261A (zh) | 2022-10-21 |
Family
ID=83614194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210864729.8A Pending CN115222261A (zh) | 2022-07-21 | 2022-07-21 | 一种基于大数据的碳排放监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222261A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455742A (zh) * | 2022-10-24 | 2022-12-09 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097279A (zh) * | 2019-04-29 | 2019-08-06 | 兰州环境能源交易中心有限公司 | 企业碳资产管理系统 |
CN113849542A (zh) * | 2021-09-26 | 2021-12-28 | 重庆东煌高新科技有限公司 | 基于人工智能的区域温室气体排放清单核算系统与方法 |
CN113987056A (zh) * | 2021-10-28 | 2022-01-28 | 重庆东煌高新科技有限公司 | 基于深度学习的碳排放量反演系统及方法 |
CN114065111A (zh) * | 2021-11-18 | 2022-02-18 | 特斯联科技集团有限公司 | 一种单体建筑物的碳排放数据核定方法 |
-
2022
- 2022-07-21 CN CN202210864729.8A patent/CN115222261A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097279A (zh) * | 2019-04-29 | 2019-08-06 | 兰州环境能源交易中心有限公司 | 企业碳资产管理系统 |
CN113849542A (zh) * | 2021-09-26 | 2021-12-28 | 重庆东煌高新科技有限公司 | 基于人工智能的区域温室气体排放清单核算系统与方法 |
CN113987056A (zh) * | 2021-10-28 | 2022-01-28 | 重庆东煌高新科技有限公司 | 基于深度学习的碳排放量反演系统及方法 |
CN114065111A (zh) * | 2021-11-18 | 2022-02-18 | 特斯联科技集团有限公司 | 一种单体建筑物的碳排放数据核定方法 |
Non-Patent Citations (1)
Title |
---|
黄丽文 等: "钢铁企业碳排放的计算与分析", 冶金能源, pages 3 - 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455742A (zh) * | 2022-10-24 | 2022-12-09 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
CN115455742B (zh) * | 2022-10-24 | 2024-01-30 | 湖南工商大学 | 基于用户信息可信度的燃油车出行碳排放计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685289B (zh) | 高炉炉况顺行预测方法、装置及系统 | |
CN108700851B (zh) | 用于预测能量消耗的系统、方法和基于云的平台 | |
CN110457867B (zh) | 一种基于机器学习的时间序列数据填补与还原方法 | |
CN113962468A (zh) | 基于用能监控统计能源消耗碳排放管理方法及系统 | |
Karabiber et al. | Forecasting day-ahead natural gas demand in Denmark | |
CN111582568B (zh) | 基于电力数据的春节期间企业复工预测方法 | |
CN116011317B (zh) | 一种基于多方法融合的小尺度近实时大气污染溯源方法 | |
CN115222261A (zh) | 一种基于大数据的碳排放监测系统 | |
CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
CN115271041A (zh) | 一种电力服务话务量预测方法 | |
Tadesse et al. | Discovering associations between climatic and oceanic parameters to monitor drought in Nebraska using data-mining techniques | |
CN110414776B (zh) | 分行业用电特性快速响应分析系统 | |
CN116930423A (zh) | 一种空气质量模型模拟效果的自动验证评估方法及系统 | |
CN110880987A (zh) | 一种基于时间特征的分组域网络容量预测方法及系统 | |
CN116227781A (zh) | 一种区域性电力能源结构合理性分析方法 | |
Hasani et al. | Developing models for matching of short-term and long-term data collection sites to improve the estimation of average annual daily bicyclists | |
CN113780861A (zh) | 一种基于用户日电量调整值的成分指数评估方法及系统 | |
CN114662563A (zh) | 一种基于梯度提升算法的工业用电非侵入负荷分解方法 | |
EP1280083A1 (en) | Method, system, device and program for acquiring information regarding environmental load and/or product status information | |
Lip et al. | Forecasting international tourist arrivals in malaysia using sarima and holt-winters model | |
Wang et al. | Potential caveats in land surface model evaluations using the US drought monitor: roles of base periods and drought indicators | |
CN112380778A (zh) | 一种基于海温的气象干旱预报方法 | |
CN112308338A (zh) | 电力数据处理方法及装置 | |
CN115840740B (zh) | 一种用于光伏电站的太阳能资源缺测数据插补方法 |
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 |