CN115328050A - 一种考虑电池全生命周期的碳排放控制方法和装置 - Google Patents
一种考虑电池全生命周期的碳排放控制方法和装置 Download PDFInfo
- Publication number
- CN115328050A CN115328050A CN202210998473.XA CN202210998473A CN115328050A CN 115328050 A CN115328050 A CN 115328050A CN 202210998473 A CN202210998473 A CN 202210998473A CN 115328050 A CN115328050 A CN 115328050A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- battery
- full
- link
- data
- 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 355
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 354
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012549 training Methods 0.000 claims abstract description 37
- 238000011217 control strategy Methods 0.000 claims description 42
- 238000005265 energy consumption Methods 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 11
- 239000002994 raw material Substances 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000003442 weekly effect Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 16
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Battery Electrode And Active Subsutance (AREA)
Abstract
本发明提供了一种考虑电池全生命周期的碳排放控制方法和装置,所述方法包括:获取待评估电池的电池类型,并获取对应的参考电池的历史数据;通过历史数据,对数据拟合基础模型进行训练,获得全生命周期碳排放核算模型;将待评估电池的各环节实测数据输入至模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。相比于现有技术,通过获取待评估电池同类型电池的历史数据,基于历史数据对基础模型进行训练,获得全生命周期碳排放核算模型,模型的输出结果能够贴合待评估电池全生命周期的各个环节,进而获得更准确的全生命周期碳排放核算结果。
Description
技术领域
本发明涉及碳排放领域,尤其涉及一种考虑电池全生命周期的碳排放控制方法和装置。
背景技术
在全球气候问题及国内相关政策压力下,各相关方均在积极推进经济社会绿色转型,低碳与可持续发展成为当下经济社会发展的热点与趋势。而材料或零部件的生产、制造等环节都可能存在一定的碳排放量。而对电池全生命周期各个环节进行碳排放的评估和控制,可以有效提高电池及衍生产品的质量和竞争力,也能有助于提高各环节的信息化、智能化。
目前,现有技术为获得电池的全生命周期的碳排放量,主要通过分别获取电池全生命周期各环节譬如生产、运输、运行、回收等阶段的碳排放量,然后结合储能电池全生命周期的释放电量,计算得到全生命周期的碳排放系数。或者,另一种思路是计算电池各阶段的碳排放当量,然后直接进行加总。但是,这些方法都依赖于各环节评估的准确性,考虑到电池型号或者类型的不同,各环节的工艺、涉及的技术都可能会发生相应的调整,也就会导致各环节的碳排放核算可能会产生偏差,进而影响全生命周期碳排放核算的准确性,而对碳排放控制的有效性也会受到影响。
发明内容
本发明提供了一种考虑电池全生命周期的碳排放控制方法和装置,解决了现有技术对电池全生命周期碳排放控制有效性低的技术问题。
为了解决上述技术问题,本发明实施例提供了一种考虑电池全生命周期的碳排放控制方法,包括:
获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;
通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;
将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
在一种可能实现的方式中,所述基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
在一种可能实现的方式中,所述各环节实测数据包括实测碳排放当量;
所述历史数据包括所述参考电池的历史碳排放当量;
所述生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据;
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征;
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制;其中,所述碳排放控制策略包括碳排放控制日计划、碳排放控制周计划和碳排放控制月计划。
在一种可能实现的方式中,所述根据所述若干全生命周期碳排放特征生成碳排放控制策略,具体为:
根据所述历史数据构建定值参数表;其中,所述定值参数表包括若干定值参数;所述定值参数包括能量消耗指标、碳排放指标和电池参数指标;每一所述定值参数均包括上下限值;
将所述若干全生命周期碳排放特征与所述碳排放指标的上下限值进行比对;
标记比对结果中越限的碳排放特征,并确定对应的越限天;
对所述越限天进行追溯,基于追溯结果构建所述碳排放控制日计划,进而构建所述碳排放控制周计划和碳排放控制月计划。
在一种可能实现的方式中,所述历史数据包括能量消耗、碳排放当量和电池参数;
所述获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
通过调用第一数据库,获得所述参考电池在预设时间范围内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围内的电池参数。
在一种可能实现的方式中,所述通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型,具体为:
将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;
将所述数据集按照预设比例划分为训练集和验证集;
通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
相应的,本发明实施例还提供了一种考虑电池全生命周期的碳排放控制装置,包括数据获取模块、模型构建模块和碳排放控制模块;其中,
所述数据获取模块,用于获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;
所述模型构建模块,用于通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;
所述碳排放控制模块,用于将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
在一种可能实现的方式中,所述碳排放控制模块基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
所述碳排放控制模块对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
在一种可能实现的方式中,所述各环节实测数据包括实测碳排放当量;
所述历史数据包括所述参考电池的历史碳排放当量;
所述碳排放控制模块生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
所述碳排放控制模块通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据;
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征;
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制;其中,所述碳排放控制策略包括碳排放控制日计划、碳排放控制周计划和碳排放控制月计划。
在一种可能实现的方式中,所述历史数据包括能量消耗、碳排放当量和电池参数;
所述数据获取模块获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
所述数据获取模块通过调用第一数据库,获得所述参考电池在预设时间范围内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围内的电池参数。
在一种可能实现的方式中,所述模型构建模块通过所述各环节的历史数据,对数据拟合基础模型进行训练,获得全生命周期碳排放核算模型,具体为:
所述模型构建模块将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;
将所述数据集按照预设比例划分为训练集和验证集;
通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
相比于现有技术,本发明实施例具有如下有益效果:
本发明实施例提供了一种考虑电池全生命周期的碳排放控制方法和装置,所述方法包括:获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。相比于现有技术,通过获取待评估电池同类型电池的历史数据,基于历史数据对基础模型进行训练,获得全生命周期碳排放核算模型,当待评估电池的类型或制作生产工艺发生变化时,在预设时间范围内的历史数据也会相应发生变化,进而通过变化的历史数据训练得到全生命周期碳排放核算模型,使得全生命周期碳排放核算模型的输出结果能够贴合待评估电池全生命周期的各个环节,进而获得更准确的全生命周期碳排放核算结果;另一方面,准确的核算结果能够对待评估电池的碳排放控制提供数据支持以及稳定的参考基础。
附图说明
图1:为本发明提供的考虑电池全生命周期的碳排放控制方法的一种实施例的流程示意图。
图2:为本发明提供的考虑电池全生命周期的碳排放控制装置的一种实施例的结构示意图。
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作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。
实施例一:
根据相关技术记载,为获得电池的全生命周期碳排放量,市面上主要的方法包括以下两种:
(1)分别确定电池在生产、运输、运行、回收阶段的碳排放量;基于各阶段的碳排放量,结合电池的全生命周期的释放电量,计算得到电池全生命周期的系数,进而得到碳排放当量。
(2)确定电池在各阶段的碳排放当量,然后直接加总,或者通过加权求和,计算得到碳排放当量。
但是上述的市面主要的方法计算得到的全生命周期碳排放量都对各环节的碳排放量的核算准确性有较高的依赖性。考虑到电池型号或者类型的不同,各环节的工艺、涉及的技术都可能会发生相应的调整,也就会导致各环节的碳排放核算可能会产生偏差,进而影响全生命周期碳排放核算的准确性,而对碳排放控制的有效性也会受到影响。
譬如,不同电池可能会有不同的工艺流动范围,该范围可能是厂前处理流程、运输流程、废物处理流程、物理处理流程、化学处理流程中的一种或多种的组合。
所以当工艺流动范围发送变化时,其对应环节的碳排放核算边界也相应应该发送变化,此时,就不能用同一种方式或者同一种公式去计算该环节的碳排放量。另外,不同的环节可能也会用不同的方法进行计算,譬如电池在生产阶段的碳排放当量主要依靠原材料的消耗和碳排放强度以及各制造工序的碳排放进行计算,而运输阶段则是基于运输的电池重量、运输工具的油耗等。
在实际应用中,电池技术在不断迭代优化,随着技术水平的提高,会出现越来越多的工艺。另一方面,为满足实际应用需求,也可能会对现有不同类型的工艺进行组合。此时,传统的全生命周期碳排放量计算方法就不能够满足需求。由此,针对现状,需要赋予全生命周期碳排放量计算方法一定程度的提取和识别各环节碳排放规律的能力,譬如采用人工智能、机器学习技术等。
进一步地,在全球气候问题、中国相关的政策压力下,企业需要积极推动经济社会的绿色转型。碳排放可能会在产品全生命流程的各个环节产生,各个环节都可能存在一定的碳排放量。企业的运营和管理都趋向于信息化,而产品的全生命周期管理是企业信息化的关键技术之一,其可以通过产品全生命周期的协同设计、制造、概念设计、工程设计、生产准备等各个方面,提高产品的质量和竞争力。
而针对电池的全生命周期的碳排放控制这一问题上,计算全生命周期的碳排放量是重要基础。同时,通过电池全生命周期的碳排放量,可以有助于逆向追溯各环节中存在的异常碳排放,识别异常碳排放特征,从而支持碳排放的控制。
针对上述的一个或多个技术问题,参照图1,本发明实施例提供了一种考虑电池全生命周期的碳排放控制方法,包括步骤S1至步骤S3,其中,
步骤S1,获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据。
在本实施例中,所述各环节的历史数据包括但不限于各环节的能量消耗、碳排放当量、电池参数和碳排放因子等。
所述获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
通过调用第一数据库,获得所述参考电池在预设时间范围(三个月)内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;其中,所述参考电池与所述待评估电池为同一类型,本实施例通过获取参考电池的历史数据,为全生命周期碳排放核算模型的训练集以及验证集提供数据参考和样本参考,以便于提取出碳排放规律。
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围(三个月)内的电池参数。所述第一数据库和所述第二数据库为企业预设数据库,两者可以为同一数据库也可以为不同数据库。
电池参数包括但不限于电池的额定容量、内阻和循环寿命等。另一方面也可以考虑其在各环节的动态参数,譬如电池的健康度SOH(state of health),剩余电量SOC(stateof charge)等。这些电池参数可以为预设参数,也可以在生产制造、使用过程中实测获得,通过实测可以构建所述参数采集记录表,从而为本实施例所述的碳排放控制方法提供数据支撑。
步骤S2,通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型。
优选地,作为本实施例的一种举例,将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;其中,数据集中包括若干样本,示例性地,每一样本对应一天的能量消耗、碳排放当量和电池参数的组合。
将所述数据集按照预设比例划分为训练集和验证集,优选为7:3或8:2。通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
在本步骤中,数据拟合基础模型包括但不限于多元线性回归、核方法或神经网络等数据拟合算法构建的数据模型,收敛的条件可以根据损失函数进行设定,损失函数L例如:
其中,N为样本的个数,本实施例获取的是三个月的历史数据,因此,N为三个月的总天数。y为所述数据拟合基础模型的输出,为期望输出。r为数据的维数,在本实施例中,由于每个样本对应一天的数据,因此第r维即对应能量消耗、碳排放当量和电池参数中第r个参数。实施本申请实施例,通过历史数据训练得到所述全生命周期碳排放核算模型,通过大量的训练集可以在模型上通过拟合,模拟出碳排放规律,有效降低计算全周期碳排放当量对各环节碳排放核算方法的依赖性。
进一步地,通过训练集对所述数据拟合基础模型进行训练、迭代、调整参数,以优化网络的设置。并通过验证集进行验证,收敛条件可以为所述损失函数L小于预设的阈值,或损失函数L的变化小于预设的阈值(趋于稳定),或预设的迭代次数,此时判断模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
步骤S3,将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
作为优选方案,所述基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;其中,所述可视化展示可以展示到管理人员或技术人员的终端,展示的形式包括但不限于所述碳排放曲线、参数表格、树状图、时间轴等。作为一种举例,所述碳排放曲线为电池的全生命周期曲线。
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
进一步地,所述生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据。需要说明的是,处理的方式并不局限于标幺化,实际上,该处理过程的目的是为了将全生命周期碳排放当量和各环节的历史碳排放当量置换到同一坐标或同一标准下,可以提高互相之间的可比较性。
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;所述优化的方法可以通过机器学习实现,也可以人工进行校验,以提高曲线的鲁棒性。
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征。所述碳排放特征可以为碳排放的与天对应的数据样本点,或者是数据段的形式。
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,示例性地:
所述碳排放控制策略包括碳排放控制日计划、碳排放控制周计划和碳排放控制月计划;
根据所述历史数据构建定值参数表;其中,所述定值参数表包括若干定值参数;所述定值参数包括能量消耗指标、碳排放指标和电池参数指标;每一所述定值参数均包括上下限值。其中,能量消耗指标包括但不限于原材料消耗的质量、消耗的原材料的种类、运输工具的油耗、单位距离的油耗、生产过程中的耗电量等。碳排放指标主要为各环节的碳排放当量和碳排放因子。电池参数电池的额定容量、内阻和循环寿命等。所述定制参数表包括共n个定值参数,则对应有n个上下限值,上下限值为设定值。
将所述若干全生命周期碳排放特征与所述碳排放指标的上下限值进行比对。当存在越限的碳排放特征时,标记比对结果中越限的碳排放特征,并确定对应的越限天;
对所述越限天进行追溯,基于追溯结果构建所述碳排放控制日计划,具体地,追溯到越限天中对应的环节和工艺,对越限天中的环节或工艺进行调整,以确定对应于所述越限天的碳排放控制日计划;
进而,基于越限天以及未越限天的碳排放控制日计划,构建所述碳排放控制周计划和碳排放控制月计划,从而实现碳排放控制。
碳排放的控制为全生命周期的控制,可以在项目启动时或半途实现,譬如对项目的概念设计、协同设计、制造、运输环节、生产准备等进行调整,从而优化电池全生命周期的碳排放量。
相应的,参照图2,本发明实施例还提供了一种考虑电池全生命周期的碳排放控制装置,包括数据获取模块101、模型构建模块102和碳排放控制模块103;其中,
所述数据获取模块101,用于获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;
所述模型构建模块102,用于通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;
所述碳排放控制模块103,用于将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
在一种可能实现的方式中,所述碳排放控制模块103基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
所述碳排放控制模块103对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
在一种可能实现的方式中,所述各环节实测数据包括实测碳排放当量;
所述历史数据包括所述参考电池的历史碳排放当量;
所述碳排放控制模块103生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
所述碳排放控制模块103通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据;
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征;
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制;其中,所述碳排放控制策略包括碳排放控制日计划、碳排放控制周计划和碳排放控制月计划。
在一种可能实现的方式中,所述历史数据包括能量消耗、碳排放当量和电池参数;
所述数据获取模块101获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
所述数据获取模块101通过调用第一数据库,获得所述参考电池在预设时间范围内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围内的电池参数。
在一种可能实现的方式中,所述模型构建模块102通过所述各环节的历史数据,对数据拟合基础模型进行训练,获得全生命周期碳排放核算模型,具体为:
所述模型构建模块102将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;
将所述数据集按照预设比例划分为训练集和验证集;
通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
相比于现有技术,本发明实施例具有如下有益效果:
本发明实施例提供了一种考虑电池全生命周期的碳排放控制方法和装置,所述方法包括:获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。相比于现有技术,通过获取待评估电池同类型电池的历史数据,基于历史数据对基础模型进行训练,获得全生命周期碳排放核算模型,当待评估电池的类型或制作生产工艺发生变化时,在预设时间范围内的历史数据也会相应发生变化,进而通过变化的历史数据训练得到全生命周期碳排放核算模型,使得全生命周期碳排放核算模型的输出结果能够贴合待评估电池全生命周期的各个环节,进而获得更准确的全生命周期碳排放核算结果;另一方面,准确的核算结果能够对待评估电池的碳排放控制提供数据支持以及稳定的参考基础。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种考虑电池全生命周期的碳排放控制方法,其特征在于,包括:
获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;
通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;
将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
2.如权利要求1所述的一种考虑电池全生命周期的碳排放控制方法,其特征在于,所述基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
3.如权利要求2所述的一种考虑电池全生命周期的碳排放控制方法,其特征在于,所述各环节实测数据包括实测碳排放当量;
所述历史数据包括所述参考电池的历史碳排放当量;
所述生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据;
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征;
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
4.如权利要求1所述的一种考虑电池全生命周期的碳排放控制方法,其特征在于,所述历史数据包括能量消耗、碳排放当量和电池参数;
所述获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
通过调用第一数据库,获得所述参考电池在预设时间范围内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围内的电池参数。
5.如权利要求4所述的一种考虑电池全生命周期的碳排放控制方法,其特征在于,所述通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型,具体为:
将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;
将所述数据集按照预设比例划分为训练集和验证集;
通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
6.一种考虑电池全生命周期的碳排放控制装置,其特征在于,包括数据获取模块、模型构建模块和碳排放控制模块;其中,
所述数据获取模块,用于获取待评估电池的电池类型,并获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据;
所述模型构建模块,用于通过所述参考电池各环节的历史数据,对数据拟合基础模型进行训练,获得所述电池类型对应的全生命周期碳排放核算模型;
所述碳排放控制模块,用于将所述待评估电池的各环节实测数据输入至所述全生命周期碳排放核算模型,并基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制。
7.如权利要求6所述的一种考虑电池全生命周期的碳排放控制装置,其特征在于,所述碳排放控制模块基于所述全生命周期碳排放核算模型的输出,结合所述各环节实测数据,实现对所述待评估电池的碳排放控制,具体为:
所述碳排放控制模块对所述全生命周期碳排放核算模型的输出进行可视化展示,并通过所述全生命周期碳排放核算模型输出所述待评估电池的碳排放曲线和全生命周期碳排放当量;
根据所述碳排放曲线和所述全生命周期碳排放当量,结合所述各环节实测数据,生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制。
8.如权利要求7所述的一种考虑电池全生命周期的碳排放控制装置,其特征在于,所述各环节实测数据包括实测碳排放当量;
所述历史数据包括所述参考电池的历史碳排放当量;
所述碳排放控制模块生成所述待评估电池的碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制,具体为:
所述碳排放控制模块通过所述全生命周期碳排放当量和所述历史碳排放当量,对所述实测碳排放当量进行标幺化处理,获得调整数据;
基于所述调整数据和所述全生命周期碳排放当量,对所述碳排放曲线进行修正优化;
从优化后的碳排放曲线中提取出若干全生命周期碳排放特征;
根据所述若干全生命周期碳排放特征生成碳排放控制策略,并根据所述控制策略对所述待评估电池进行碳排放控制;其中,所述碳排放控制策略包括碳排放控制日计划、碳排放控制周计划和碳排放控制月计划。
9.如权利要求6所述的一种考虑电池全生命周期的碳排放控制装置,其特征在于,所述历史数据包括能量消耗、碳排放当量和电池参数;
所述数据获取模块获取与所述电池类型对应的参考电池在预设时间范围内全生命周期各环节的历史数据,具体为:
所述数据获取模块通过调用第一数据库,获得所述参考电池在预设时间范围内全生命周期的各环节的能量消耗和碳排放当量;其中,所述各环节包括原材料处理环节、生产环节、运输环节、使用环节和回收环节;
通过调用第二数据库,结合参数采集记录表,获得所述参考电池在预设时间范围内的电池参数。
10.如权利要求9所述的一种考虑电池全生命周期的碳排放控制装置,其特征在于,所述模型构建模块通过所述各环节的历史数据,对数据拟合基础模型进行训练,获得全生命周期碳排放核算模型,具体为:
所述模型构建模块将所述参考电池各环节的能量消耗、所述各环节的碳排放当量和所述参考电池的电池参数进行组合,构建与所述预设时间范围对应的数据集;
将所述数据集按照预设比例划分为训练集和验证集;
通过所述训练集,对所述数据拟合基础模型进行训练,直到所述数据拟合基础模型收敛,获得与所述电池类型对应的所述全生命周期碳排放核算模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210998473.XA CN115328050A (zh) | 2022-08-19 | 2022-08-19 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
PCT/CN2023/083315 WO2024036959A1 (zh) | 2022-08-19 | 2023-03-23 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210998473.XA CN115328050A (zh) | 2022-08-19 | 2022-08-19 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115328050A true CN115328050A (zh) | 2022-11-11 |
Family
ID=83926512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210998473.XA Pending CN115328050A (zh) | 2022-08-19 | 2022-08-19 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115328050A (zh) |
WO (1) | WO2024036959A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024036959A1 (zh) * | 2022-08-19 | 2024-02-22 | 广东邦普循环科技有限公司 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830064A (zh) * | 2024-03-06 | 2024-04-05 | 浙电(宁波北仑)智慧能源有限公司 | 碳排放评估方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110006903A (ko) * | 2009-07-15 | 2011-01-21 | 엘지전자 주식회사 | 탄소 배출량을 계산하는 단말기 및 탄소 모니터링 방법 |
US11398000B2 (en) * | 2019-05-20 | 2022-07-26 | Singularity Energy, Inc. | Methods and systems for machine-learning for prediction of grid carbon emissions |
CN114461980A (zh) * | 2021-10-11 | 2022-05-10 | 北京国家新能源汽车技术创新中心有限公司 | 动力电池全生命周期碳排放当量测算方法、装置及介质 |
CN114090939A (zh) * | 2021-11-05 | 2022-02-25 | 国网湖北省电力有限公司经济技术研究院 | 一种储能电池全生命周期碳排放系数确定方法 |
CN114897226A (zh) * | 2022-04-25 | 2022-08-12 | 广东邦普循环科技有限公司 | 一种碳排放量预测方法、装置、设备及存储介质 |
CN114781272A (zh) * | 2022-05-11 | 2022-07-22 | 平安国际智慧城市科技股份有限公司 | 碳排放量预测方法、装置、设备及存储介质 |
CN115328050A (zh) * | 2022-08-19 | 2022-11-11 | 广东邦普循环科技有限公司 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
-
2022
- 2022-08-19 CN CN202210998473.XA patent/CN115328050A/zh active Pending
-
2023
- 2023-03-23 WO PCT/CN2023/083315 patent/WO2024036959A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024036959A1 (zh) * | 2022-08-19 | 2024-02-22 | 广东邦普循环科技有限公司 | 一种考虑电池全生命周期的碳排放控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024036959A1 (zh) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115328050A (zh) | 一种考虑电池全生命周期的碳排放控制方法和装置 | |
Meng et al. | Modeling CO2 emissions from fossil fuel combustion using the logistic equation | |
CN106529704A (zh) | 月最大电力负荷预测方法及装置 | |
CN113205207A (zh) | 一种基于XGBoost算法的用电短期负荷波动预测方法及系统 | |
CN112906974A (zh) | 一种负荷电量及其碳排放预测与校验方法 | |
CN104573857A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
Hashemi et al. | A grey-based carbon management model for green supplier selection | |
Lu et al. | Evaluation of energy management system for regional integrated energy system under interval type-2 hesitant fuzzy environment | |
CN104123684A (zh) | 一种计及网损和可靠性的配电网经济性重构方法 | |
CN115147012A (zh) | 一种基于神经网络模型的碳排放量核算方法及装置 | |
Yuan et al. | Biomass power generation fuel procurement and storage modes evaluation: A case study in Jilin | |
CN104834975A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
CN114548552A (zh) | 碳排放量预测方法、装置以及电子设备 | |
CN109872252A (zh) | 一种基于matlab算法的电力供应商综合评价方法 | |
CN107798487A (zh) | 一种结合主客观权重法的电力行业碳排放权分配方法 | |
Tan et al. | Selection ideal coal suppliers of thermal power plants using the matter-element extension model with integrated empowerment method for sustainability | |
CN111126827A (zh) | 一种基于bp人工神经网络的投入产出核算模型构建方法 | |
CN115796385A (zh) | 一种多维度碳核算方法、系统、设备和存储介质 | |
CN115561697A (zh) | 一种智能电表误差分析方法 | |
CN115471098A (zh) | 碳排放量获取方法、装置、计算机设备和存储介质 | |
Xu et al. | Correlation analysis of wind and photovoltaic power based on mixed copula theory and its application into optimum capacity allocation | |
CN114091325A (zh) | 一种基于多模型分层学习的配电台区负荷预测方法及系统 | |
CN114819337A (zh) | 基于多任务学习的综合能源系统多元负荷预测方法 | |
CN113836125A (zh) | 一种配电物联网边缘侧的配变数据清洗修复方法和系统 | |
Gamst et al. | Time aggregation techniques applied to a capacity expansion model for real-life sector coupled energy systems |
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 |