CN115330089A - 一种基于电力大数据的用户侧行企业动态碳监测分析方法 - Google Patents
一种基于电力大数据的用户侧行企业动态碳监测分析方法 Download PDFInfo
- Publication number
- CN115330089A CN115330089A CN202211241014.3A CN202211241014A CN115330089A CN 115330089 A CN115330089 A CN 115330089A CN 202211241014 A CN202211241014 A CN 202211241014A CN 115330089 A CN115330089 A CN 115330089A
- Authority
- CN
- China
- Prior art keywords
- data
- carbon emission
- power
- industrial
- correction 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.)
- Granted
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 818
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 809
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 410
- 230000008859 change Effects 0.000 claims abstract description 163
- 238000004519 manufacturing process Methods 0.000 claims abstract description 131
- 230000000694 effects Effects 0.000 claims abstract description 108
- 239000000446 fuel Substances 0.000 claims abstract description 77
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 95
- 238000010248 power generation Methods 0.000 claims description 49
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 description 18
- 239000002803 fossil fuel Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000005265 energy consumption Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002918 waste heat Substances 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
- G06Q10/04—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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于电力大数据的用户侧行企业动态碳监测分析方法。方法包括:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据。能够保证不同口径数据的兼容性与互通性,推行针对行业特点的碳排放进行校正,提高企业碳核算的准确率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于电力大数据的用户侧行企业动态碳监测分析方法。
背景技术
随着计算机技术的发展,出现了大数据技术,大数据技术是所涉及的资料量规模巨大到无法透过主流软件工具,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。同时,大数据技术的出现,有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
当前碳排放校正数据的使用范围主要集中在工业具体生产过程、行业部门排放,只能反映某一具体过程的碳排放强度,同时运用于核算的碳排放校正数据的质量参差不齐,不确定性较大。目前没有能量化企业运行全周期中因生产用能而产生碳排放量的排放校正数据,无法把握企业排碳的整体情况,对各企业的排放情况进行横向比较。当前碳排放校正数据已经不能满足企业碳核算的需求,导致企业碳核算准确率不足。
发明内容
基于此,有必要针对上述技术问题,提供一种能够校正电力运行数据中用户侧碳排放量的一种基于电力大数据的用户侧行企业动态碳监测分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于电力大数据的用户侧行企业动态碳监测分析方法。所述方法包括:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
在其中一个实施例中,所述根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据,包括:将至少两个所述电力活动描述数据分别与所述燃料碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第一工业碳排放子数据;将至少两个所述电力活动描述数据分别与所述工业过程碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第二工业碳排放子数据;对至少两个所述第一工业碳排放子数据以及至少两个所述第二工业碳排放子数据按照预设的求和顺序进行求和,得到所述用户侧工业碳排放数据。
在其中一个实施例中,所述对至少两个所述第一工业碳排放子数据以及至少两个所述第二工业碳排放子数据按照预设的求和顺序进行求和,得到所述用户侧工业碳排放数据,包括:将至少两个所述第一工业碳排放子数据与对应的至少两个所述第二工业碳排放子数据进行求和,得到至少两个求和工业碳排放子数据;基于业务需求确定工业碳排放求和顺序,对至少两个所述求和工业碳排放子数据进行三重求和,得到所述用户侧工业碳排放数据。
在其中一个实施例中,所述基于业务需求确定工业碳排放求和顺序,对所至少两个述求和工业碳排放子数据进行三重求和,得到所述用户侧工业碳排放数据,包括:基于业务需求,确定所述工业碳排放求和顺序对应的活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序;对至少两个所述求和工业碳排放子数据执行所述工业过程求和顺序,将得到的至少两个工业过程碳排放校正数据执行所述燃料求和顺序,将得到的至少两个燃料碳排放校正数据执行所述活动描述数据求和顺序,得到所述用户侧工业碳排放数据。
在其中一个实施例中,所述根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据,包括:将至少两个所述自发电量变化数据分别与所述自发电碳排放校正数据相乘,得到至少两个第一电力碳排放子数据;将至少两个所述输入电量变化数据分别与所述区域电碳排放校正数据相乘,得到至少两个第二电力碳排放子数据;将至少两个所述第一电力碳排放子数据与至少两个所述第二电力碳排放子数据进行求和,得到所述用户侧电力碳排放数据。
在其中一个实施例中,所述将至少两个所述第一电力碳排放子数据与至少两个所述第二电力碳排放子数据进行求和,得到所述用户侧电力碳排放数据,包括:基于业务需求,确定自发电碳排放求和顺序对应的自发电求和顺序以及区域电碳求和顺序;对至少两个所述第一电力碳排放子数据执行所述自发电求和顺序,得到自发电碳排放校正数据;对至少两个所述第二电力碳排放子数据执行所述区域电碳求和顺序,得到区域电碳排放校正数据;将所述自发电碳排放校正数据和所述区域电碳排放校正数据求和,得到所述用户侧电力碳排放数据。
在其中一个实施例中,所述根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据,包括:将所述用户侧电力碳排放数据和所述用户侧工业碳排放数据相加,得到企业综合碳排放数据;并将所述自发电量变化数据和所述输入电量变化数据相加,得到时间分辨率电力消耗数据;根据所述企业综合碳排放数据与所述时间分辨率电力消耗数据对用电排放数据进行归一化整合,得到所述用户侧度电碳排放校正数据。
第二方面,本申请还提供了一种基于电力大数据的用户侧行企业动态碳监测分析装置。所述装置包括:电力数据获取模块,用于获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;电力碳排放数据校正模块,用于根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;工业碳排放数据校正模块,用于根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;用户侧度电碳排放校正模块,用于根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块,还用于:将至少两个所述电力活动描述数据分别与所述燃料碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第一工业碳排放子数据;将至少两个所述电力活动描述数据分别与所述工业过程碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第二工业碳排放子数据;对至少两个所述第一工业碳排放子数据以及至少两个所述第二工业碳排放子数据按照预设的求和顺序进行求和,得到所述用户侧工业碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块,还用于:将至少两个所述第一工业碳排放子数据与对应的至少两个所述第二工业碳排放子数据进行求和,得到至少两个求和工业碳排放子数据;基于业务需求确定工业碳排放求和顺序,对至少两个所述求和工业碳排放子数据进行三重求和,得到所述用户侧工业碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块,还用于:基于业务需求,确定所述工业碳排放求和顺序对应的活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序;对至少两个所述求和工业碳排放子数据执行所述工业过程求和顺序,将得到的至少两个工业过程碳排放校正数据执行所述燃料求和顺序,将得到的至少两个燃料碳排放校正数据执行所述活动描述数据求和顺序,得到所述用户侧工业碳排放数据。
在其中一个实施例中,电力碳排放数据校正模块,还用于:将至少两个所述自发电量变化数据分别与所述自发电碳排放校正数据相乘,得到至少两个第一电力碳排放子数据;将至少两个所述输入电量变化数据分别与所述区域电碳排放校正数据相乘,得到至少两个第二电力碳排放子数据;将至少两个所述第一电力碳排放子数据与至少两个所述第二电力碳排放子数据进行求和,得到所述用户侧电力碳排放数据。
在其中一个实施例中,电力碳排放数据校正模块,还用于:基于业务需求,确定自发电碳排放求和顺序对应的自发电求和顺序以及区域电碳求和顺序;对至少两个所述第一电力碳排放子数据执行所述自发电求和顺序,得到自发电碳排放校正数据;对至少两个所述第二电力碳排放子数据执行所述区域电碳求和顺序,得到区域电碳排放校正数据;将所述自发电碳排放校正数据和所述区域电碳排放校正数据求和,得到所述用户侧电力碳排放数据。
在其中一个实施例中,用户侧度电碳排放校正模块,还用于:将所述用户侧电力碳排放数据和所述用户侧工业碳排放数据相加,得到企业综合碳排放数据;并将所述自发电量变化数据和所述输入电量变化数据相加,得到时间分辨率电力消耗数据;根据所述企业综合碳排放数据与所述时间分辨率电力消耗数据对用电排放数据进行归一化整合,得到所述用户侧度电碳排放校正数据。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
上述基于电力大数据的用户侧行企业动态碳监测分析方法、装置、计算机设备、存储介质和计算机程序产品,通过获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;用户侧工业碳排放数据用于表征用户侧的工业用电量对应的碳排放校正数据;根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;用户侧度电碳排放校正数据用于校正电力运行数据对应的碳排放数据。
基于直接碳排放和电力产生的间接温室气体排放为边界条件,通过根据辖区内企业用电量估算辖区内企业多方面的综合碳排放总量,整体输入数据为自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据、工业过程碳排放校正数据、自发电量变化数据、输入电量变化数据和电力活动描述数据,整体输出数据为用户侧度电碳排放校正数据。能够对重点企业进行碳排放的核对与校准,保证不同口径数据的兼容性与互通性。同时充分体现企业特异性,可结合企业产能数据进一步挖掘企业排放特征,推行针对行业特点的碳排放进行校正,提高企业碳核算的准确率。
附图说明
图1为一个实施例中基于电力大数据的用户侧行企业动态碳监测分析方法的应用环境图;
图2为一个实施例中基于电力大数据的用户侧行企业动态碳监测分析方法的流程示意图;
图3为一个实施例中用户侧工业碳排放数据得到方法的流程示意图;
图4为另一个实施例中用户侧工业碳排放数据得到方法的流程示意图;
图5为再一个实施例中用户侧工业碳排放数据得到方法的流程示意图;
图6为一个实施例中用户侧电力碳排放数据得到方法的流程示意图;
图7为另一个实施例中用户侧电力碳排放数据方法的流程示意图;
图8为一个实施例中用户侧度电碳排放校正数据得到方法的流程示意图;
图9为一个实施例中企业用电监测模块流程示意图;
图10为一个实施例中企业综合碳排放模块流程示意图;
图11为一个实施例中用户侧度电碳排放校正模块流程示意图;
图12为一个实施例中基于电力大数据的用户侧行企业动态碳监测分析装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的基于电力大数据的用户侧行企业动态碳监测分析方法,可以应用于如图1所示的应用环境中。终端102获取数据,服务器104响应终端102的指令接收终端102的数据,并且对获取得到的数据进行计算,服务器104将数据的计算结果传输回终端102,并且由终端102进行显示。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104从终端102处获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;用户侧工业碳排放数据用于表征用户侧的工业用电量对应的碳排放校正数据;根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;用户侧度电碳排放校正数据用于校正电力运行数据对应的碳排放数据。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于电力大数据的用户侧行企业动态碳监测分析方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据。
其中,电力运行数据可以使电网运行的过程中所产生的数据,例如:电压数据、电流数据、发电排放数据、功率数据和电能转化率数据等。
其中,电力碳排放校正数据可以是用于校准因为发电或者用电所产生的碳排放量的校正数据,该校正数据可以是观测值,也可以是通过其它的数据计算出来的计算值。
其中,电力活动描述数据可以是用来描述应为工业过程中的生产活动而产生的数据,该数据的选取为与电力相关的,例如:生产所需要的耗电量,公司餐饮所需要的功率等。
其中,电力电量变化数据可以是用来描述因为发电或者电能的调配而导致目标区域的电量的变化的数据,例如:A区域购入10度电,则A区域的电力电量变化数据为10度电。
具体地,服务器响应终端的指令,从终端处获取至少一个获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据,并且将获取到的获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据存储到存储单元中,当服务器需要对获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据中的任意数据记录进行处理时,则从存储单元中调取至易失性存储资源以供中央处理器进行计算。其中,电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;电力电量变化数据包括自发电量变化数据和输入电量变化数据。
步骤204,根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据。
其中,自发电碳排放校正数据可以是用于校准因为预设的地区内因为发电所产生的碳排放量的校正数据,该校正数据可以是观测值,也可以是通过其它的数据计算出来的计算值。
其中,区域电碳排放校正数据可以是用于校准因为预设的区域内因为发电或者用电所产生的碳排放量的校正数据,该校正数据可以是观测值,也可以是通过其它的数据计算出来的计算值。
其中,自发电量变化数据可以是用来描述目标区域因为发电而导致目标区域的电量的变化的数据,例如,A区域因为自己发电导致拥有的电量增加了10度,因此A区域的自发电量变化数据为10度。
其中,输入电量变化数据可以是用来描述目标区域因为从外面区域输入电量而导致目标区域的电量的变化的数据,例如,A区域从B区域输入10度电导致拥有的电量增加了10度,因此A区域的输入电量变化数据为10度。
其中,用户侧电力碳排放数据可以是用于表征用户侧用电量对应的碳排放校正数据,该数据根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据计算得到,因此为计算值。
具体地,读取数据以确定辖区边界内自发电量变化数据、自发电能源结构与输入电量变化数据,结合输入电量变化数据来源、输入电量/自发电时间和所属供电端区域范围等确定自发电碳排放校正数据、区域电碳排放校正数据。综合上述信息计算用户侧对应的用户侧电力碳排放数据,公式如下:
其中,Ec表示用户侧电力碳排放数据,fi和fj分别表示企业的电力碳排放校正数据(由自发电能源结构决定)和地区的区域电碳排放校正数据,Gi和Gj分别表示自发电量变化数据和输入电量变化数据。其中,企业用电监测模块流程示意图如图9所示。
步骤206,根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据。
其中,燃料碳排放校正数据可以是用于校准区域内因为使用石化燃料所产生的碳排放量的校正数据,该校正数据可以是观测值,也可以是通过其它的数据计算出来的历史统计数据。
其中,工业过程碳排放校正数据可以是用于校准区域内因为使用工业生产的过程中所产生的碳排放量的校正数据,该校正数据可以是观测值,也可以是通过其它的数据计算出来的历史统计数据。
其中,用户侧工业碳排放数据可以是用于表征用户侧工业过程中对应的碳排放校正数据,该数据根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据计算得到,因此为计算值。
具体地,获取重点行业的运行数据,包括但不限于水泥、电解铝、钢铁和化工行业,确定其能源消耗使用情况及能源使用效率。针对不同工业过程确定关联的能源消耗量的校正方法,以及燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据。综合上述信息计算用户侧对应的用户侧工业碳排放数据(一次能源消耗碳排放),计算公式如下:
其中,Ep表示用户侧工业碳排放数据,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。其中,企业综合碳排放模块流程示意图如图10所示。
为避免重复计算,自发电碳排放可计入用户侧电力碳排放数据,也可计入用户侧工业碳排放数据。然而,由于企业自发电常由回收余热、余温、余压等方式提供电力,其能源燃烧过程及碳排放过程并非发生在供电过程,其相关碳排放在归于用户侧工业碳排放类别。根据自发电用能来源、是否经过电网核算等多方面因素综合考虑自发电碳排放的归类。
步骤208,根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据。
其中,用户侧度电碳排放校正数据可以是用于校准区域内用户侧统一的因为与电力有关系所产生的碳排放量的校正数据,该校正数据是用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据计算出来。
具体地,第一:计算企业综合碳排放,即将用户侧电力碳排放数据和用户侧工业碳排放数据相加,公式如下:
其中, Ec+p、Ec与Ep分别表示企业综合碳排放数据、用户侧电力碳排放数据和用户侧工业碳排放数据。
第二:针对不同企业特点,以用户侧电力碳排放数据和用户侧工业碳排放数据,结合自发电量变化数据和输入电量变化数据,对行业特异性强的用电和排放数据进行归一化整合,输出用户侧统一的用户侧度电碳排放校正数据,计算公式如下:
其中,fe,t表示时间尺度内的度电排放校正数据,Ec+p,t表示时间尺度内的综合碳排放量,Gi,t和Gj,t分别表示时间尺度t内企业自发电量变化数据和输入电量变化数据。其中,用户侧度电碳排放校正模块流程示意图如图11所示。
其后,可结合企业产能数据,进一步估算单位产量/产值的碳排放量等信息,挖掘企业的排放特征。
上述基于电力大数据的用户侧行企业动态碳监测分析方法中,通过获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;电力电量变化数据包括自发电量变化数据和输入电量变化数据;根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;用户侧工业碳排放数据用于表征用户侧的工业用电量对应的碳排放校正数据;根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;用户侧度电碳排放校正数据用于校正电力运行数据对应的碳排放数据。
基于直接碳排放和电力产生的间接温室气体排放为边界条件,通过根据辖区内企业用电量估算辖区内企业多方面的综合碳排放总量,整体输入数据为自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据、工业过程碳排放校正数据、自发电量变化数据、输入电量变化数据和电力活动描述数据,整体输出数据为用户侧度电碳排放校正数据。能够对重点企业进行碳排放的核对与校准,保证不同口径数据的兼容性与互通性。同时充分体现企业特异性,可结合企业产能数据进一步挖掘企业排放特征,推行针对行业特点的碳排放进行校正,提高企业碳核算的准确率。
在一个实施例中,如图3所示,根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据,包括:
步骤302,将至少两个电力活动描述数据分别与燃料碳排放校正数据相乘,得到至少两个电力活动描述数据对应的第一工业碳排放子数据。
其中,第一工业碳排放子数据可以是用于表征用户侧工业过程中对应考虑了部分因素的碳排放校正数据(例如:工业过程m的电力活动描述数据和工业过程m对应化石燃料p的燃料碳排放校正数据),该数据根据至少两个电力活动描述数据分别与燃料碳排放校正数据计算得到,因此为计算值。
具体地,获取重点行业的运行数据,确定其能源消耗使用情况及能源使用效率。针对不同工业过程确定关联的能源消耗量的校正方法,以及燃料碳排放校正数据以及电力活动描述数据。综合上述信息将至少两个电力活动描述数据分别与燃料碳排放校正数据相乘,计算至少两个电力活动描述数据对应的第一工业碳排放子数据,计算公式如为:Am×fp
其中,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据)。
步骤304,将至少两个电力活动描述数据分别与工业过程碳排放校正数据相乘,得到至少两个电力活动描述数据对应的第二工业碳排放子数据。
其中,第二工业碳排放子数据可以是用于表征另外一种用户侧工业过程中对应考虑了部分因素的碳排放校正数据(例如:工业过程m的电力活动描述数据和工业过程m对应的工业过程碳排放校正数据),该数据根据至少两个电力活动描述数据分别与过程排放校正数据计算得到,因此为计算值。
具体地,获取重点行业的运行数据,确定其能源消耗使用情况及能源使用效率。针对不同工业过程确定关联的能源消耗量的校正方法,以及工业过程碳排放校正数据以及电力活动描述数据。综合上述信息将至少两个电力活动描述数据分别与工业过程碳排放校正数据相乘,计算至少两个电力活动描述数据对应的第二工业碳排放子数据,计算公式如为:Am×fn
其中,Am表示工业过程m的电力活动描述数据(如产量),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。
步骤306,对至少两个第一工业碳排放子数据以及至少两个第二工业碳排放子数据按照预设的求和顺序进行求和,得到用户侧工业碳排放数据。
具体地,首先,至少两个第一工业碳排放子数据,以及至少两个第二工业碳排放子数据按照对应关系相加,得到的至少两个相加的和,也就是求和工业碳排放子数据。其次,分别针对由至少两个fn为工业过程m对应的工业过程碳排放校正数据对应的n值,对求和工业碳排放子数据的至少两个第二工业碳排放子数据按照化石燃料进行求和;针对由至少两个fp表示工业过程m对应化石燃料p的燃料碳排放校正数据对应的p值,对求和工业碳排放子数据的至少两个第一工业碳排放子数据按照化石燃料进行求和;针对第一工业碳排放子数据和第二工业碳排放子数据对应的工业过程m的电力活动描述数据进行求和(m值),得到用户侧工业碳排放数据。计算公式如下:
其中,Ep表示用户侧工业碳排放数据,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。
本实施例中,通过建立电力活动描述数据与燃料碳排放校正数据的联系,以及建立电力活动描述数据与工业过程碳排放校正数据的联系,将两个联系结果进一步相加后得到用户侧工业碳排放数据,能够从电力活动描述数据、燃料碳排放校正数据以及工业过程碳排放校正数据细化用户侧工业碳排放数据,使得后续归一化整合用户侧度电碳排放校正数据更准确。
在一个实施例中,如图4所示,对至少两个第一工业碳排放子数据以及至少两个第二工业碳排放子数据按照预设的求和顺序进行求和,得到用户侧工业碳排放数据,包括:
步骤402,将至少两个第一工业碳排放子数据与对应的至少两个第二工业碳排放子数据进行求和,得到至少两个求和工业碳排放子数据。
其中,求和工业碳排放子数据可以是用于表征结合用户侧工业过程中对应考虑了部分因素的碳排放校正数据(例如:工业过程m的电力活动描述数据和工业过程m对应化石燃料p的燃料碳排放校正数据),以及另外一种用户侧工业过程中对应考虑了部分因素的碳排放校正数据两者的结果(例如:工业过程m的电力活动描述数据和工业过程m对应的工业过程碳排放校正数据),也为校正数据,该数据根据至少两个电力活动描述数据分别与燃料碳排放校正数据,以及根据至少两个电力活动描述数据分别与过程排放校正数据计算得到,因此为计算值。
具体地,获取重点行业的运行数据,确定其能源消耗使用情况及能源使用效率。针对不同工业过程确定关联的能源消耗量的校正方法,以及燃料碳排放校正数据以及电力活动描述数据。综合上述信息将至少两个电力活动描述数据分别与燃料碳排放校正数据相乘,计算至少两个电力活动描述数据对应的第一工业碳排放子数据,计算公式如为:Am×fp。同理,针对不同工业过程确定关联的能源消耗量的校正方法,以及工业过程碳排放校正数据以及电力活动描述数据。综合上述信息将至少两个电力活动描述数据分别与工业过程碳排放校正数据相乘,计算至少两个电力活动描述数据对应的第二工业碳排放子数据,计算公式如为:Am×fn。将计算得到至少两个第一工业碳排放子数据对应的与至少两个第二工业碳排放子数据进行相加,得到至少两个求和工业碳排放子数据,则求和工业碳排放子数据计算公式为:Am×fp+Am×fn,其中,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。
步骤404,基于业务需求确定工业碳排放求和顺序,对至少两个求和工业碳排放子数据进行三重求和,得到用户侧工业碳排放数据。
具体地,第一次求和:分别针对由至少两个fn为工业过程m对应的工业过程碳排放校正数据对应的n值,对求和工业碳排放子数据的至少两个第二工业碳排放子数据按照化石燃料进行求和;第二次求和:针对由至少两个fp表示工业过程m对应化石燃料p的燃料碳排放校正数据对应的p值,对求和工业碳排放子数据的至少两个第一工业碳排放子数据按照化石燃料进行求和;第三次求和:针对第一工业碳排放子数据和第二工业碳排放子数据对应的工业过程m的电力活动描述数据进行求和(m值),得到用户侧工业碳排放数据。计算公式如下:
其中,Ep表示用户侧工业碳排放数据,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。
本实施例中,通过按照业务需求确定对求和工业碳排放子数据进行的三重求和,得到用户侧工业碳排放数据,能够达到针对不同业务需求组合不同的求和顺序,提高用户侧工业碳排放数据的计算精度。
在一个实施例中,如图5所示,基于业务需求确定工业碳排放求和顺序,对所至少两个述求和工业碳排放子数据进行三重求和,得到用户侧工业碳排放数据,包括:
步骤502,基于业务需求,确定工业碳排放求和顺序对应的活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序。
其中,活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序可以是根据业务需求,从电力求和顺序集合中确定的三个不同的求和顺序,如果也无需求有变动,则求和顺序也可以跟着变动。
具体地,根据获取得到的重点行业的运行数据,确定其能源消耗使用情况及能源使用效率。针对不同工业过程确定关联的能源消耗量的校正方法,燃料碳排放校正数据以及电力活动描述数据,以及工业过程碳排放校正数据以及电力活动描述数据。结合校正方法、燃料碳排放校正数据、电力活动描述数据、工业过程碳排放校正数据以及电力活动描述数据,确定工业碳排放求和顺序为:活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序。
步骤504,对至少两个求和工业碳排放子数据执行工业过程求和顺序,将得到的至少两个工业过程碳排放校正数据执行燃料求和顺序,将得到的至少两个燃料碳排放校正数据执行活动描述数据求和顺序,得到用户侧工业碳排放数据。
具体地,第一次求和(工业过程求和顺序):分别针对由至少两个fn为工业过程m对应的工业过程碳排放校正数据对应的n值,对求和工业碳排放子数据的至少两个第二工业碳排放子数据按照化石燃料进行求和;第二次求和(燃料求和顺序):针对由至少两个fp表示工业过程m对应化石燃料p的燃料碳排放校正数据对应的p值,对求和工业碳排放子数据的至少两个第一工业碳排放子数据按照化石燃料进行求和;第三次求和(活动描述数据求和顺序):针对第一工业碳排放子数据和第二工业碳排放子数据对应的工业过程m的电力活动描述数据进行求和(m值),得到用户侧工业碳排放数据。计算公式如下:
其中,Ep表示用户侧工业碳排放数据,Am表示工业过程m的电力活动描述数据(如产量),fp表示工业过程m对应化石燃料p的燃料碳排放校正数据(须实测或利用历史统计数据),fn为工业过程m对应的工业过程碳排放校正数据(须实测或利用历史统计数据)。
本实施例中,通过业务需求确定工业碳排放对应的三个不同的求和顺序,并严格按照固定的求和顺序对求和工业碳排放子数据中的不同参数进行求和,能够达到对求和工业碳排放子数据进行求和的步骤具体化,使得后续得到用户侧度电碳排放校正数据更为准确,提高系统的精度。
在一个实施例中,如图6所示,根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据,包括:
步骤602,将至少两个自发电量变化数据分别与自发电碳排放校正数据相乘,得到至少两个第一电力碳排放子数据。
其中,第一电力碳排放子数据可以是用于表征用户侧自发电过程中对应考虑了部分因素的碳排放校正数据(例如:自发电量变化数据与自发电碳排放校正数据),该校正数据可以是观测值,也可以是通过其它的数据计算出来的计算值。
具体地,读取数据以确定辖区边界内自发电量变化数据、自发电能源结构与输入电量变化数据,结合输入电量变化数据来源、输入电量/自发电时间和所属供电端区域范围等确定自发电碳排放校正数据。综合上述信息计算用户侧对应的用户侧电力碳排放数据,公式如下:fi×Gi。
其中,fi表示企业的电力碳排放校正数据(由自发电能源结构决定),Gi表示自发电量变化数据。
步骤604,将至少两个输入电量变化数据分别与区域电碳排放校正数据相乘,得到至少两个第二电力碳排放子数据。
其中,第二电力碳排放子数据可以是用于表征用户侧自发电过程中对应考虑了部分因素的碳排放校正数据(例如:输入电量变化数据与区域电碳排放校正数据),该校正数据可以是观测值,也可以是通过其它的数据计算出来的计算值。
具体地,读取数据以确定辖区边界内自发电量变化数据、自发电能源结构与输入电量变化数据,结合输入电量变化数据来源、输入电量/自发电时间和所属供电端区域范围等确定区域电碳排放校正数据。综合上述信息计算用户侧对应的用户侧电力碳排放数据,公式如下:fj×Gj。
其中,fj表示地区的区域电碳排放校正数据,Gj表示输入电量变化数据。
步骤606,将至少两个第一电力碳排放子数据与至少两个第二电力碳排放子数据进行求和,得到用户侧电力碳排放数据。
具体地,首先,将至少两个自发电量变化数据分别与对应的自发电碳排放校正数据相乘,得到至少两个对应的第一工业碳排放子数据;同时,将至少两个输入电量变化数据分别与对应的区域电碳排放校正数据相乘,得到至少两个对应的第二电力碳排放子数据。其次,分别针对由至少两个自发电碳排放校正数据的企业数量对应的i值,对自发电量变化数据分别与对应的自发电碳排放校正数据的乘积进行求和;针对由至少两个区域电碳排放校正数据的地区数量对应的j值,对输入电量变化数据分别与对应的区域电碳排放校正数据的乘积进行求和,得到用户侧电力碳排放数据。计算公式如下:
其中,Ec表示用户侧电力碳排放数据,fi和fj分别表示企业的电力碳排放校正数据(由自发电能源结构决定)和地区的区域电碳排放校正数据,Gi和Gj分别表示自发电量变化数据和输入电量变化数据。
本实施例中,通过建立自发电量变化数据与自发电碳排放校正数据的联系,以及建立输入电量变化数据与区域电碳排放校正数据的联系,将两个联系结果进一步相加后得到用户侧电力碳排放数据,能够从自发电量变化数据、输入电量变化数据、自发电碳排放校正数据以及区域电碳排放校正数据细化用户侧电力碳排放数据,使得后续归一化整合用户侧度电碳排放校正数据更准确。
在一个实施例中,如图7所示,将至少两个第一电力碳排放子数据与至少两个第二电力碳排放子数据进行求和,得到用户侧电力碳排放数据,包括:
步骤702,基于业务需求,确定自发电碳排放求和顺序对应的自发电求和顺序以及区域电碳求和顺序。
其中,自发电求和顺序以及区域电碳求和顺序可以是根据业务需求,从电力求和顺序集合中确定的两个不同的求和顺序,如果也无需求有变动,则求和顺序也可以跟着变动。
具体地,读取数据以确定辖区边界内自发电量变化数据、自发电能源结构与输入电量变化数据,输入电量变化数据来源、输入电量/自发电时间和所属供电端区域范围等确定自发电碳排放校正数据、区域电碳排放校正数据以及自发电碳排放的校正方法,结合校正方法、自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,确定第一电力碳排放子数据对应的求和顺序为自发电求和顺序,第二电力碳排放子数据对应的求和顺序为区域电碳求和顺序。
步骤704,对至少两个第一电力碳排放子数据执行自发电求和顺序,得到自发电碳排放校正数据;对至少两个第二电力碳排放子数据执行区域电碳求和顺序,得到区域电碳排放校正数据。
其中,自发电碳排放校正数据可以是至少两个第一电力碳排放子数据执行自发电求和顺序所得到的结果,该结果为计算值。
其中,区域电碳排放校正数据可以是至少两个第二电力碳排放子数据执行区域电碳求和顺序所得到的结果,该结果为计算值。
具体地,执行自发电求和顺序为将至少两个自发电量变化数据分别与对应的自发电碳排放校正数据相乘,得到至少两个对应的第一工业碳排放子数据,针对由至少两个自发电碳排放校正数据的企业数量对应的i值,对自发电量变化数据分别与对应的自发电碳排放校正数据的乘积进行求和,得到自发电碳排放校正数据;执行区域电碳求和顺序为将至少两个输入电量变化数据分别与对应的区域电碳排放校正数据相乘,得到至少两个对应的第二电力碳排放子数据,针对由至少两个区域电碳排放校正数据的地区数量对应的j值,对输入电量变化数据分别与对应的区域电碳排放校正数据的乘积进行求和,得到区域电碳排放校正数据。计算公式分别如下:自发电求和顺序为∑ifi×Gi,区域电碳求和顺序为∑ifj×Gj,其中,fi和fj分别表示企业的电力碳排放校正数据(由自发电能源结构决定)和地区的区域电碳排放校正数据,Gi和Gj分别表示自发电量变化数据和输入电量变化数据。
步骤706,将自发电碳排放校正数据和区域电碳排放校正数据求和,得到用户侧电力碳排放数据。
具体地,将执行了自发电求和顺序所得到的自发电碳排放校正数据与执行区域电碳求和顺序所得到的区域点碳排放校正数据进行求和,得到用户侧电力碳排放数据。所有步骤的具体计算公式如下:
其中,Ec表示用户侧电力碳排放数据,fi和fj分别表示企业的电力碳排放校正数据(由自发电能源结构决定)和地区的区域电碳排放校正数据,Gi和Gj分别表示自发电量变化数据和输入电量变化数据。
本实施例中,通过业务需求确定自发电碳排放对应的两个不同的求和顺序,并严格按照固定的求和顺序分别对第一电力碳排放子数据与第二电力碳排放子数据中的不同参数进行求和,能够达到对第一电力碳排放子数据与第二电力碳排放子数据求和的步骤具体化,使得后续得到用户侧度电碳排放校正数据更为准确,提高系统的精度。
在一个实施例中,如图8所示,根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据,包括:
步骤802,将用户侧电力碳排放数据和用户侧工业碳排放数据相加,得到企业综合碳排放数据;并将述自发电量变化数据和输入电量变化数据相加,得到时间分辨率电力消耗数据。
其中,企业综合排放数据可以是用于表征结合用户侧电力碳排放数据和用户侧工业碳排放数据两个因素的校正数据。
其中,时间分辨率电力消耗数据可以是用于表征结合了自发电量变化数据和输入电量变化数据两个因素的电量变化数据。
具体地,第一:计算企业综合碳排放,即将用户侧电力碳排放数据和用户侧工业碳排放数据相加,公式如下:
其中, Ec+p、Ec与Ep分别表示企业综合碳排放数据、用户侧电力碳排放数据和用户侧工业碳排放数据。
第二,时间分辨率电力消耗数据,即将自发电量变化数据和输入电量变化数据相加,公式为Gi,t+Gj,t,其中,Gi,t和Gj,t分别表示时间尺度t内企业自发电量和外购电量。
步骤804,根据企业综合碳排放数据与时间分辨率电力消耗数据对用电排放数据进行归一化整合,得到用户侧度电碳排放校正数据。
具体地,针对不同企业特点,以用户侧电力碳排放数据和用户侧工业碳排放数据,结合自发电量变化数据和输入电量变化数据,对行业特异性强的用电和排放数据进行归一化整合,输出用户侧统一的用户侧度电碳排放校正数据,计算公式如下:
其中,fe,t表示时间尺度内的度电排放校正数据,Ec+p,t表示时间尺度内的综合碳排放量,Gi,t和Gj,t分别表示时间尺度t内企业自发电量变化数据和输入电量变化数据。
其后,可结合企业产能数据,进一步估算单位产量/产值的碳排放量等信息,挖掘企业的排放特征。
本实施例中,通过对用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据和输入电量变化数据进行归一化整合,得到用户侧度电碳排放校正数据,能够进提升用户侧度电碳排放校正数据的准确度,进一步提升对电力运行数据的校正的精度。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于电力大数据的用户侧行企业动态碳监测分析方法的基于电力大数据的用户侧行企业动态碳监测分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于电力大数据的用户侧行企业动态碳监测分析装置实施例中的具体限定可以参见上文中对于基于电力大数据的用户侧行企业动态碳监测分析方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种基于电力大数据的用户侧行企业动态碳监测分析装置,包括:电力数据获取模块1202、电力碳排放数据校正模块1204、工业碳排放数据校正模块1206和用户侧度电碳排放校正模块1208,其中:
电力数据获取模块1202,用于获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;电力电量变化数据包括自发电量变化数据和输入电量变化数据;
电力碳排放数据校正模块1204,用于根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;
工业碳排放数据校正模块1206,用于根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;用户侧工业碳排放数据用于表征用户侧的工业用电量对应的碳排放校正数据;
用户侧度电碳排放校正模块1208,用于根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;用户侧度电碳排放校正数据用于校正电力运行数据对应的碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块1206,还用于:将至少两个电力活动描述数据分别与燃料碳排放校正数据相乘,得到至少两个电力活动描述数据对应的第一工业碳排放子数据;将至少两个电力活动描述数据分别与工业过程碳排放校正数据相乘,得到至少两个电力活动描述数据对应的第二工业碳排放子数据;对至少两个第一工业碳排放子数据以及至少两个第二工业碳排放子数据按照预设的求和顺序进行求和,得到用户侧工业碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块1206,还用于:将至少两个第一工业碳排放子数据与对应的至少两个第二工业碳排放子数据进行求和,得到至少两个求和工业碳排放子数据;基于业务需求确定工业碳排放求和顺序,对至少两个求和工业碳排放子数据进行三重求和,得到用户侧工业碳排放数据。
在其中一个实施例中,工业碳排放数据校正模块1206,还用于:基于业务需求,确定工业碳排放求和顺序对应的活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序;对至少两个求和工业碳排放子数据执行工业过程求和顺序,将得到的至少两个工业过程碳排放校正数据执行燃料求和顺序,将得到的至少两个燃料碳排放校正数据执行活动描述数据求和顺序,得到用户侧工业碳排放数据。
在其中一个实施例中,电力碳排放数据校正模块1204,还用于:将至少两个自发电量变化数据分别与自发电碳排放校正数据相乘,得到至少两个第一电力碳排放子数据;将至少两个输入电量变化数据分别与区域电碳排放校正数据相乘,得到至少两个第二电力碳排放子数据;将至少两个第一电力碳排放子数据与至少两个第二电力碳排放子数据进行求和,得到用户侧电力碳排放数据。
在其中一个实施例中,电力碳排放数据校正模块1204,还用于:基于业务需求,确定自发电碳排放求和顺序对应的自发电求和顺序以及区域电碳求和顺序;对至少两个第一电力碳排放子数据执行自发电求和顺序,得到自发电碳排放校正数据;对至少两个第二电力碳排放子数据执行区域电碳求和顺序,得到区域电碳排放校正数据;将自发电碳排放校正数据和区域电碳排放校正数据求和,得到用户侧电力碳排放数据。
在其中一个实施例中,用户侧度电碳排放校正模块1208,还用于:将用户侧电力碳排放数据和用户侧工业碳排放数据相加,得到企业综合碳排放数据;并将自发电量变化数据和输入电量变化数据相加,得到时间分辨率电力消耗数据;根据企业综合碳排放数据与时间分辨率电力消耗数据对用电排放数据进行归一化整合,得到用户侧度电碳排放校正数据。
上述基于电力大数据的用户侧行企业动态碳监测分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储服务器数据。该计算机设备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一种基于电力大数据的用户侧行企业动态碳监测分析方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备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。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于电力大数据的用户侧行企业动态碳监测分析方法,其特征在于,所述方法包括:
获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;
根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;
根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;
根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据,包括:
将至少两个所述电力活动描述数据分别与所述燃料碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第一工业碳排放子数据;
将至少两个所述电力活动描述数据分别与所述工业过程碳排放校正数据相乘,得到至少两个所述电力活动描述数据对应的第二工业碳排放子数据;
对至少两个所述第一工业碳排放子数据以及至少两个所述第二工业碳排放子数据按照预设的求和顺序进行求和,得到所述用户侧工业碳排放数据。
3.根据权利要求2所述的方法,其特征在于,所述对至少两个所述第一工业碳排放子数据以及至少两个所述第二工业碳排放子数据按照预设的求和顺序进行求和,得到所述用户侧工业碳排放数据,包括:
将至少两个所述第一工业碳排放子数据与对应的至少两个所述第二工业碳排放子数据进行求和,得到至少两个求和工业碳排放子数据;
基于业务需求确定工业碳排放求和顺序,对至少两个所述求和工业碳排放子数据进行三重求和,得到所述用户侧工业碳排放数据。
4.根据权利要求3所述的方法,其特征在于,所述基于业务需求确定工业碳排放求和顺序,对至少两个所述求和工业碳排放子数据进行三重求和,得到所述用户侧工业碳排放数据,包括:
基于业务需求,确定所述工业碳排放求和顺序对应的活动描述数据求和顺序、燃料求和顺序以及工业过程求和顺序;
对至少两个所述求和工业碳排放子数据执行所述工业过程求和顺序,将得到的至少两个工业过程碳排放校正数据执行所述燃料求和顺序,将得到的至少两个燃料碳排放校正数据执行所述活动描述数据求和顺序,得到所述用户侧工业碳排放数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据,包括:
将至少两个所述自发电量变化数据分别与所述自发电碳排放校正数据相乘,得到至少两个第一电力碳排放子数据;
将至少两个所述输入电量变化数据分别与所述区域电碳排放校正数据相乘,得到至少两个第二电力碳排放子数据;
将至少两个所述第一电力碳排放子数据与至少两个所述第二电力碳排放子数据进行求和,得到所述用户侧电力碳排放数据。
6.根据权利要求5所述的方法,其特征在于,所述将至少两个所述第一电力碳排放子数据与至少两个所述第二电力碳排放子数据进行求和,得到所述用户侧电力碳排放数据,包括:
基于业务需求,确定自发电碳排放求和顺序对应的自发电求和顺序以及区域电碳求和顺序;
对至少两个所述第一电力碳排放子数据执行所述自发电求和顺序,得到自发电碳排放校正数据;对至少两个所述第二电力碳排放子数据执行所述区域电碳求和顺序,得到区域电碳排放校正数据;
将所述自发电碳排放校正数据和所述区域电碳排放校正数据求和,得到所述用户侧电力碳排放数据。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据,包括:
将所述用户侧电力碳排放数据和所述用户侧工业碳排放数据相加,得到企业综合碳排放数据;并将所述自发电量变化数据和所述输入电量变化数据相加,得到时间分辨率电力消耗数据;
根据所述企业综合碳排放数据与所述时间分辨率电力消耗数据对用电排放数据进行归一化整合,得到所述用户侧度电碳排放校正数据。
8.一种基于电力大数据的用户侧行企业动态碳监测分析装置,其特征在于,所述装置包括:
电力数据获取模块,用于获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;所述电力碳排放校正数据包括自发电碳排放校正数据、区域电碳排放校正数据、燃料碳排放校正数据和工业过程碳排放校正数据;所述电力电量变化数据包括自发电量变化数据和输入电量变化数据;
电力碳排放数据校正模块,用于根据所述自发电碳排放校正数据、所述区域电碳排放校正数据、所述自发电量变化数据和所述输入电量变化数据,得到用户侧电力碳排放数据;所述用户侧电力碳排放数据用于表征用户侧用电量对应的碳排放校正数据;
工业碳排放数据校正模块,用于根据所述燃料碳排放校正数据、所述工业过程碳排放校正数据以及所述电力活动描述数据,得到用户侧工业碳排放数据;所述用户侧工业碳排放数据用于表征所述用户侧的工业用电量对应的碳排放校正数据;
用户侧度电碳排放校正模块,用于根据所述用户侧电力碳排放数据、所述用户侧工业碳排放数据、所述自发电量变化数据以及所述输入电量变化数据对所述电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据;所述用户侧度电碳排放校正数据用于校正所述电力运行数据对应的碳排放数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211241014.3A CN115330089B (zh) | 2022-10-11 | 2022-10-11 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211241014.3A CN115330089B (zh) | 2022-10-11 | 2022-10-11 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330089A true CN115330089A (zh) | 2022-11-11 |
CN115330089B CN115330089B (zh) | 2022-12-27 |
Family
ID=83914557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211241014.3A Active CN115330089B (zh) | 2022-10-11 | 2022-10-11 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330089B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516371A (zh) * | 2021-06-16 | 2021-10-19 | 杭州慧源智谷科技有限责任公司 | 一种全口径碳排强度及碳源结构的测算方法 |
CN113609713A (zh) * | 2021-10-08 | 2021-11-05 | 南京东博智慧能源研究院有限公司 | 用户侧电碳信息量化计算方法、系统及计算机存储介质 |
CN114091781A (zh) * | 2021-11-30 | 2022-02-25 | 国网重庆市电力公司电力科学研究院 | 一种基于电力数据的碳排放测算方法 |
CN114384203A (zh) * | 2021-12-03 | 2022-04-22 | 国网青海省电力公司 | 一种钢铁企业碳排放量在线监测方法及装置 |
CN114511128A (zh) * | 2021-11-29 | 2022-05-17 | 国网北京市电力公司 | 碳排放数据的处理方法、装置、存储介质及处理器 |
CN114757457A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 基于电力大数据的电碳排放全过程监测方法和装置 |
CN114757602A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
CN115081597A (zh) * | 2022-08-23 | 2022-09-20 | 中国电力科学研究院有限公司 | 一种基于机器学习的以电核碳方法、系统、设备和介质 |
-
2022
- 2022-10-11 CN CN202211241014.3A patent/CN115330089B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516371A (zh) * | 2021-06-16 | 2021-10-19 | 杭州慧源智谷科技有限责任公司 | 一种全口径碳排强度及碳源结构的测算方法 |
CN113609713A (zh) * | 2021-10-08 | 2021-11-05 | 南京东博智慧能源研究院有限公司 | 用户侧电碳信息量化计算方法、系统及计算机存储介质 |
CN114511128A (zh) * | 2021-11-29 | 2022-05-17 | 国网北京市电力公司 | 碳排放数据的处理方法、装置、存储介质及处理器 |
CN114091781A (zh) * | 2021-11-30 | 2022-02-25 | 国网重庆市电力公司电力科学研究院 | 一种基于电力数据的碳排放测算方法 |
CN114384203A (zh) * | 2021-12-03 | 2022-04-22 | 国网青海省电力公司 | 一种钢铁企业碳排放量在线监测方法及装置 |
CN114757457A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 基于电力大数据的电碳排放全过程监测方法和装置 |
CN114757602A (zh) * | 2022-06-16 | 2022-07-15 | 南方电网数字电网研究院有限公司 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
CN115081597A (zh) * | 2022-08-23 | 2022-09-20 | 中国电力科学研究院有限公司 | 一种基于机器学习的以电核碳方法、系统、设备和介质 |
Non-Patent Citations (3)
Title |
---|
丛建辉等: "中小城市工业碳排放:核算方法与影响因素――以河南省济源市为例", 《资源科学》 * |
李保卫等: "用户侧电力碳排放强度的评估原则与模型", 《电网技术》 * |
陈建斌等: "重点耗能企业温室气体计量的探讨", 《中国计量》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115330089B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
CN115147012A (zh) | 一种基于神经网络模型的碳排放量核算方法及装置 | |
Ding et al. | Forecasting natural gas consumption with multiple seasonal patterns | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
CN114611845A (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN115907307B (zh) | 面向电网实时数据交互的电力系统碳排放流在线分析方法 | |
CN115330089B (zh) | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 | |
CN117078480A (zh) | 碳排放量监测方法、装置、设备、存储介质和计算机产品 | |
CN114387085B (zh) | 流水数据处理方法、装置、计算机设备和存储介质 | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN113837467B (zh) | 点对点能源项目评估方法、装置、计算机设备和存储介质 | |
CN114418395A (zh) | 一种服务行业的碳排放量核算方法和核算装置 | |
CN115473219A (zh) | 负荷预测方法、装置、计算机设备和存储介质 | |
CN114240049A (zh) | 电力现货市场指标灵活计算方法 | |
CN114441848A (zh) | 功耗确定方法、装置、电子设备和存储介质 | |
CN114638638A (zh) | 基于统计学方法的绿色电力环境价值分析方法及系统 | |
CN115392055B (zh) | 基于脱钩模型的电碳达峰路径模拟与动态评估方法 | |
CN113689033B (zh) | 容量发电价核定方法、装置、计算机设备和存储介质 | |
CN117374921A (zh) | 电力资源转移中绿电比例的确定方法、装置和计算机设备 | |
Cardot et al. | Conditional bias robust estimation of the total of curve data by sampling in a finite population: an illustration on electricity load curves | |
CN116090629A (zh) | 用电数据处理方法、装置、计算机设备和存储介质 | |
CN116933974A (zh) | 输电工程全生命周期资源值确定方法、装置和计算机设备 | |
CN114283000A (zh) | 电网调频的电力市场交易方法、装置和计算机设备 | |
CN116228460A (zh) | 电碳因子的确定方法、管理系统、计算机设备和存储介质 |
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 |