CN115545450A - 一种基于数字孪生的碳排放协同预测方法 - Google Patents

一种基于数字孪生的碳排放协同预测方法 Download PDF

Info

Publication number
CN115545450A
CN115545450A CN202211182964.3A CN202211182964A CN115545450A CN 115545450 A CN115545450 A CN 115545450A CN 202211182964 A CN202211182964 A CN 202211182964A CN 115545450 A CN115545450 A CN 115545450A
Authority
CN
China
Prior art keywords
enterprise
carbon emission
data
migration
model
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
Application number
CN202211182964.3A
Other languages
English (en)
Other versions
CN115545450B (zh
Inventor
杨健
孙彩歌
李卫红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Normal University Weizhi Information Technology Co ltd
South China Normal University Qingyuan Institute of Science and Technology Innovation Co Ltd
Original Assignee
Guangdong Normal University Weizhi Information Technology Co ltd
South China Normal University Qingyuan Institute of Science and Technology Innovation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Normal University Weizhi Information Technology Co ltd, South China Normal University Qingyuan Institute of Science and Technology Innovation Co Ltd filed Critical Guangdong Normal University Weizhi Information Technology Co ltd
Priority to CN202211182964.3A priority Critical patent/CN115545450B/zh
Publication of CN115545450A publication Critical patent/CN115545450A/zh
Application granted granted Critical
Publication of CN115545450B publication Critical patent/CN115545450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • 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

本申请提供了一种基于数字孪生的碳排放协同预测方法，包括：确定城市片区的企业信息及碳排放量相关信息；根据城市片区的企业，建立数字孪生系统；根据数字孪生系统，建立碳排放模型，具体包括:获取企业综合能源数据，企业碳排放量计算；根据获取的企业名称及关联企业数据，构建企业业务关联模型，具体包括:产业链关联检测，企业迁移检测，企业分解检测；依据企业业务关联模型，建立数字孪生关联模型；根据数字孪生关联模型，构建企业碳排放可视化平台，具体包括:根据企业关联性，动态预测企业的碳排放量，验证企业碳排放量的异常值。

Description

一种基于数字孪生的碳排放协同预测方法
技术领域
本发明涉及信息技术领域，尤其涉及一种基于数字孪生的碳排放协同预测方法。
背景技术
碳排放是一个具有互相关联系统的大系统，一个工厂的碳排放受限会对它上下游企业的生产也造成影响。例如，一个新产业的开始，会导致跟他关联的下游产业兴起，如果一个工厂内的一个部门从一个地区搬到另一个地区，则会导致该工厂的碳排放量在两个地区分解。如何根据一个工厂的建立和分解，预测其碳排放及相关关联性，以及未来关联公司的碳排放量，尤其是预测出可能的变化值，作为检测预测和规划的根据都是一个未解决的问题。在这个过程中，如果让数字孪生系统也能够对这个企业关联、迁移、分解过程中导致的碳排放变化进行检测的问题，如何得到更加精准且具体化形象化的预测过程和结果，这些都是当前未解决的问题。
发明内容
本发明提供了一种基于数字孪生的碳排放协同预测方法，主要包括：
确定城市片区的企业信息及碳排放量相关信息；根据城市片区的企业，建立数字孪生系统；根据数字孪生系统，建立碳排放模型，所述根据数字孪生系统，建立碳排放模型，具体包括：获取企业综合能源数据，企业碳排放量计算；根据获取的企业名称及关联企业数据，构建企业业务关联模型，所述根据获取的企业名称及关联企业数据，构建企业业务关联模型，具体包括：产业链关联检测，企业迁移检测，企业分解检测；依据企业业务关联模型，建立数字孪生关联模型；根据数字孪生关联模型，构建企业碳排放可视化平台，所述根据数字孪生关联模型，构建企业碳排放可视化平台，具体包括：根据企业关联性，动态预测企业的碳排放量，验证企业碳排放量的异常值；基于企业碳排放可视化平台，定制企业碳排放量控制方案，所述基于企业碳排放可视化平台，定制企业碳排放量控制方案，具体包括：基于企业业务，调整生产方案，基于地区规章制度，提供区域发展建议。
进一步可选地，所述确定城市片区的企业信息及碳排放量相关信息包括：
对外部数据源进行爬取，获取城市指定片区的企业信息，包括企业的名称，地理信息，规模；根据所述获取的企业信息，通过获取企业代理人的评价信息数据，获取企业的碳排放相关信息，包括企业的生产过程耗材，净购入使用的电力信息；根据所述企业信息的相关数据进行数据预处理，对预处理后的数据进行分类并整理归纳，即index＝{名称，地理信息，规模，生产过程耗材排放量，净购入使用的电力排放量}，所述index为企业；对所述整理归纳后所得的数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效数据。
进一步可选地，所述根据城市片区的企业，建立数字孪生系统包括：
基于边缘计算技术，通过传感器实时采集城市片区企业的传输传感数据和综合能源数据；通过5G通讯技术将传感器与数据采集终端连接，并进行实时的数据传输；基于传感器采集的数据，构建城市片区企业的数据库管理层，对数据进行保存，推送入库，以及计算；构建公共组件层，包括数据校验模块，报表组件模块，流程管理模块；利用数字孪生技术建立实景空间孪生模型，对传输传感器数据及综合能源数据进行可视化处理，结合实景空间孪生模型进行实时显示，建立数字孪生系统。
进一步可选地，所述根据数字孪生系统，建立碳排放模型包括：
基于片区企业的数字孪生系统，及构建的实景空间孪生模型，对企业的碳排放量进行标注显示；基于传输传感数据及综合能源数据，计算得到企业的碳排放量；根据综合能源数据计算企业各类能源的消耗，及各类能源的能耗所占总能耗的比例；基于实景空间孪生模型，结合地图及企业的碳排放量，采用色度图对于企业的碳排放量在地图上进行实时动态显示，建立企业的碳排放模型；基于片区企业数字孪生系统的碳排放模型，对碳排放管理的各个实体要素进行动态监测、动态描述、动态预测；包括：获取企业综合能源数据；企业碳排放量计算；
所述获取企业综合能源数据，具体包括：
首先，确定企业的综合能源数据，包括企业生产过程耗材排放量，净购入使用的电力排放量信息；通过获取企业代理人的评价信息数据，以及查询对应企业网址，获取企业的综合能源数据相关信息，包括企业的在使用机组数目及对应参数，生产过程耗材排放量，净购入使用的电力排放量信息；其中，企业生产过程耗材的排放量，包括化石燃料排放量，以及脱硫过程排放量；最后，对于获取的综合能源数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效的综合能源数据。
所述企业碳排放量计算，具体包括：
基于获取的企业综合能源数据，对企业碳排放量进行计算；构建企业碳排放量计算模型，即E＝E1+E2+E3，所述E为企业总碳排放量，E1为化石燃料燃烧排放量，E2为脱硫过程排放量，E3为净购入使用电力产生的排放量；化石燃料燃烧排放量计算公式为E1＝Σ(ADi×EFi)，所述ADi为第i种化石燃料活动水平，所述EFi为第i种化石燃料的排放因子；脱硫过程排放量计算公式为E2＝Σ(CALk×EFk)，所述CALk为第k种脱硫剂中碳酸盐消耗量，所述EFk为第k种脱硫剂中碳酸盐的排放因子；净购入使用电力产生的排放量计算公式为E3＝AD3*EF3，所述AD3为企业的净购入电量，所述EF3为区域电网年平均供电排放因子。
进一步可选地，所述根据获取的企业名称及关联企业数据，构建企业业务关联模型包括：
根据获取的企业名称及关联企业数据，构建企业知识图谱；根据企业名称及关联企业数据，定义节点属性和关系，建立节点关系映射图；通过自动化脚本将企业名称及关联企业数据转化为图数据库的图数据；基于关联分析的查询方式，对数据库中与目标企业在结构或属性上相似的图集合进行查询；基于节点链接的方式，实现图谱的可视化表达，按照图的数据格式标准，将数据以图的形式展示；使用数据驱动文档在Web端，为知识图谱数据构建力导向图物理模型；包括：产业链关联检测；企业迁移检测；企业分解检测；
所述产业链关联检测，具体包括：
基于构建的企业知识图谱，对企业产业链关联度进行检测；
将目标企业节点记为q，待查询企业节点记为g，计算权重表示为wi，两个节点所对应的关系集合记为Rq和Rg，其中集合中所对应的外贸出口、所在地区以及企业类型三个关联关系分别为Rq1、Rq2、Rq3和Rg1、Rg2、Rg3。
Figure BDA0003867570070000031
通过限制节点的公共关系个数，对关联程度低的节点进行过滤，定与目标企业有一定关联度的候选集；根据实体之间的关联关系计算基于关系的关联度，同时设定关系阈值T1，将候选集中满足关系关联度>T1的查询实体筛选出来，作为查询候选集；将查询候选集作为输入，根据实体的本体标签计算基于实体的关联度，同时设定实体阈值T2，对候选集作进一步筛选和过滤。根据关系关联度和实体关联度来对查询候选集中的实体进行总关联度计算，按总关联度得分高低进行排序，将排序后的结果作为查询结果集。
所述企业迁移检测，具体包括：
片区的企业迁移检测，包括企业的待迁移检测，正在迁移检测，迁移完成检测；通过获取企业的工作安排日志，确定企业是否具有迁移计划，并根据迁移计划对于企业的迁移概率及迁移时间进行预测；根据企业的规模，企业迁移的扩张程度，迁移预计时间，计算分析企业的迁移进度，进行企业的正在迁移检测；通过查询企业的迁移计划及咨询企业联络员，检测企业是否完成迁移，以及迁移已完成的时间；根据企业的迁移检测，对企业迁移后的地理位置及规模信息进行调整。
所述企业分解检测，具体包括：
片区的企业分解检测，包括企业的战略布局分解检测，并购重组检测，破产检测；通过获取企业代理人的评价信息数据，获取企业的战略布局分解安排，以及对应分解后子公司的产能量和所占比例；通过查询证券交易所公示网站，获取企业并购重组进度，并进一步咨询企业负责人，获取企业并购后的转型产能计划；通过企业所在地工商部门查询企业营业执照状态，实现企业的破产检测；根据企业的分解检测结果，对企业的碳排放量进行动态调整。
进一步可选地，所述依据企业业务关联模型，建立数字孪生关联模型包括：
基于企业业务关联模型，对基于数字孪生系统的碳排放模型进行调整，进一步建立数字孪生关联模型；根据对片区企业产业链关联检测，企业关联检测，企业分解检测的检测结果，在数字孪生关联模型中，对于企业的碳排放量进行动态实时调整；基于节点链接的方式，在数字孪生关联模型中，实现企业关联度的可视化表达；构建企业关联度的力导向图物理模型，对具有关联度的企业构建便捷访问链接地址，并标注企业的迁移进度，分解进度，对应碳排放量数据。
进一步可选地，所述根据数字孪生关联模型，构建企业碳排放可视化平台包括：
根据数字孪生关联模型，构建企业碳排放可视化平台，对片区的各个企业实体要素进行动态监测、动态描述、动态预测；基于实景空间孪生模型，按照3km*3km划分单元网格，计算单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量；基于单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量，对于碳排放总量超标的单元格进行标红显示；根据标红显示单元格所在区域位置，查询单元格内企业名录，并向对应企业发送碳排放超标警示；包括：根据企业关联性，动态预测企业的碳排放量；验证企业碳排放量的异常值；
所述根据企业关联性，动态预测企业的碳排放量，具体包括：
根据企业业务关联模型，对于企业的碳排放量进行动态预测和实时显示；根据企业自身的发展状况，以及企业的经营领域，对企业的发展前景及碳排放量进行动态预测；根据产业链连锁性，结合企业自身的发展前景，对关联度企业的带动发展前景及碳排放量进行动态预测；根据企业的迁移进度，以及迁移后的扩张规模，对于企业的碳排放量进行动态预测；根据企业的分解产业部门状况，对于企业分解后子公司对应分配以及扩张的碳排放量进行动态预测。
所述验证企业碳排放量的异常值，具体包括：
根据片区企业的迁移进度和分解进度，通过计算企业不同生产部门的碳排放量，及各部门迁移和分解过程的碳排放量差值，对企业当前的碳排放总量进行预测；根据传输传感数据及综合能源数据，基于不同生产环节和生产原料的碳排放量，对于实际片区企业的碳排放量进行统计计算；通过比较企业碳排放量的预测结果和实际检测结果的差值，对于企业碳排放量进行异常验证；通过检测漏电保护器的工作状态确定企业电路的漏电范围，根据企业电工的电表检测结果，确定企业是否存在漏电状况；通过声学成像仪实时成像定位评估气体泄漏量，通过视频和图片的方式呈现检测结果，确定企业是否存在漏气状况；根据企业的漏电、漏气状况，发送对故障设备进行维修处理的警示。
进一步可选地，所述基于企业碳排放可视化平台，定制企业碳排放量控制方案包括：
利用基于数字孪生关联模型的可视化碳排放平台，对于企业的碳排放量定制相应的控制方案；根据片区企业的规模效应，结构效应，技术效应三个方面，根据贡献量和贡献率分析规模效应，结构效应，技术效应三各方面涵盖的因素对于碳排放的贡献程度；根据碳排放弹性系数公式，构建碳排放敏感度分析模型；基于碳排放敏感度分析模型，分析规模效应，结构效应，技术效应三个方面涵盖的因素对于碳排放变化的敏感程度；根据规模效应，结构效应，技术效应三个方面涵盖因素对于碳排放变化的敏感程度，争对不同方面对于企业的生产流程结构，进行对应的调整；包括：基于企业业务，调整生产方案；基于地区规章制度，提供区域发展建议；
所述基于企业业务，调整生产方案，具体包括：
确定企业业务信息，包括企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模；根据企业业务信息，并结合企业的各部门的碳排放量，对于企业的生产方案进行调整；根据企业各部门的生产产品，生产环节安排，产品生产进度，对于企业的生产环节顺序进行调整，维持企业碳排放量的均衡性；优化企业的产业结构、降低工业环节占比，减缓碳排放量的增长，并采用先进生产设备提高能源使用效率，调整能源结构，实现能源强度和碳排放系数的双重减碳。
所述基于地区规章制度，提供区域发展建议，具体包括：
根据片区所在地区的规章制度，对于企业的碳排放提供区域性的发展建议；根据地区的碳排放规章制度及企业规模，经营领域，获取企业的碳排放指标；结合企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模，分析碳排放指标对于企业发展的适用程度；根据碳排放指标对于企业发展的适用程度，进行企业的迁移及分解方案推荐；充分发挥政府在碳交易过程的调节和辅助作用，以碳交易市场为支点，通过竞争机制和价格机制促进碳减排。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明能将企业的变化放入数字孪生系统中，进行自动预测。根据碳排放情况判断其变动的合理性，与区域合理性。并对不合理的情况给出预警。
附图说明
图1为本发明的一种基于数字孪生的碳排放协同预测方法的流程图。
图2为本发明的一种基于数字孪生的碳排放协同预测方法的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的一种基于数字孪生的碳排放协同预测方法流程图。如图1所示，本实施例一种基于数字孪生的碳排放协同预测方法具体可以包括：
步骤101，确定城市片区的企业信息及碳排放量相关信息。
对外部数据源进行爬取，获取城市指定片区的企业信息，包括企业的名称，地理信息，规模；根据所述获取的企业信息，通过获取企业代理人的评价信息数据，获取企业的碳排放相关信息，包括企业的生产过程耗材，净购入使用的电力信息；根据所述企业信息的相关数据进行数据预处理，对预处理后的数据进行分类并整理归纳，即index＝{名称，地理信息，规模，生产过程耗材排放量，净购入使用的电力排放量}，所述index为企业；对所述整理归纳后所得的数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效数据；例如，永申炼钢场位于白云区江高镇神石路399号，注册资本为5000万元人民币，生产过程耗材排放量为20000t，净购入使用的电力排放量为12000t，则永申炼钢场＝{永申，白云区江高镇神石路399号，5000万元，20000t，12000t}。
步骤102，根据城市片区的企业，建立数字孪生系统。
基于边缘计算技术，通过传感器实时采集城市片区企业的传输传感数据和综合能源数据；通过5G通讯技术将传感器与数据采集终端连接，并进行实时的数据传输；基于传感器采集的数据，构建城市片区企业的数据库管理层，对数据进行保存，推送入库，以及计算；构建公共组件层，包括数据校验模块，报表组件模块，流程管理模块；利用数字孪生技术建立实景空间孪生模型，对传输传感器数据及综合能源数据进行可视化处理，结合实景空间孪生模型进行实时显示，建立数字孪生系统；其中数据库管理层包括数据连接模块，数据管理模块，缓存管理模块，数据储存模块；边缘计算技术是在靠近人、物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的新网络架构和开放平台；数据校验模块，用于传输传感数据及综合能源数据的校验；报表组件模块，用于通过报表组件生成报表；流程管理模块，用于对流程进行管理。
步骤103，根据数字孪生系统，建立碳排放模型。
基于片区企业的数字孪生系统，及构建的实景空间孪生模型，对企业的碳排放量进行标注显示；基于传输传感数据及综合能源数据，计算得到企业的碳排放量；根据综合能源数据计算企业各类能源的消耗，及各类能源的能耗所占总能耗的比例；基于实景空间孪生模型，结合地图及企业的碳排放量，采用色度图对于企业的碳排放量在地图上进行实时动态显示，建立企业的碳排放模型；基于片区企业数字孪生系统的碳排放模型，对碳排放管理的各个实体要素进行动态监测、动态描述、动态预测；例如，工业园区等场景进行信息化建模实现数字化管理，并对接入的各类能源进行协调与优化，实现综合性的智能化管理、运营和服务，达到业务纵向解耦、数据横向聚合、开放数据创新应用的目的，有利于实现节能减排。
获取企业综合能源数据。
首先，确定企业的综合能源数据，包括企业生产过程耗材排放量，净购入使用的电力排放量信息；通过获取企业代理人的评价信息数据，以及查询对应企业网址，获取企业的综合能源数据相关信息，包括企业的在使用机组数目及对应参数，生产过程耗材排放量，净购入使用的电力排放量信息；其中，企业生产过程耗材的排放量，包括化石燃料排放量，以及脱硫过程排放量；最后，对于获取的综合能源数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效的综合能源数据；其中，使用机组参数，包括机组的功率，平均符合供电标煤耗，厂用电率，机组效率；其中，纳入企业化石燃料燃烧排放的包括燃煤、启动及稳燃用油(气)、移动源用油等。脱硫过程若以碳酸盐为脱硫剂，会产生二氧化碳排放。
企业碳排放量计算。
基于获取的企业综合能源数据，对企业碳排放量进行计算；构建企业碳排放量计算模型，即E＝E1+E2+E3，所述E为企业总碳排放量，E1为化石燃料燃烧排放量，E2为脱硫过程排放量，E3为净购入使用电力产生的排放量；化石燃料燃烧排放量计算公式为E1＝Σ(ADi×EFi)，所述ADi为第i种化石燃料活动水平，所述EFi为第i种化石燃料的排放因子；脱硫过程排放量计算公式为E2＝Σ(CALk×EFk)，所述CALk为第k种脱硫剂中碳酸盐消耗量，所述EFk为第k种脱硫剂中碳酸盐的排放因子；净购入使用电力产生的排放量计算公式为E3＝AD3*EF3，所述AD3为企业的净购入电量，所述EF3为区域电网年平均供电排放因子；例如，区域电网年平均供电排放因子各省差异很大，北京按照0.604tCO2/MWh，一般有两台套机组以上的燃煤电厂因可以互为备用而不需要外购电。
步骤104，根据获取的企业名称及关联企业数据，构建企业业务关联模型。
根据获取的企业名称及关联企业数据，构建企业知识图谱；根据企业名称及关联企业数据，定义节点属性和关系，建立节点关系映射图；通过自动化脚本将企业名称及关联企业数据转化为图数据库的图数据；基于关联分析的查询方式，对数据库中与目标企业在结构或属性上相似的图集合进行查询；基于节点链接的方式，实现图谱的可视化表达，按照图的数据格式标准，将数据以图的形式展示；使用数据驱动文档在Web端，为知识图谱数据构建力导向图物理模型；将节点相似度作为衡量企业关联度的一个标准，在此基础上，为了解决查询语义程度不高的问题，该方法不仅考虑了节点本身属性，还考虑了不同节点之间的关联关系，以此来发掘出与目标企业关联度最高的多家企业实体。
产业链关联检测。
基于构建的企业知识图谱，对企业产业链关联度进行检测；通过限制节点的公共关系个数，对关联程度低的节点进行过滤，初步确定与目标企业有一定关联度的候选集；根据实体之间的关联关系计算基于关系的关联度，同时设定关系阈值T1，将候选集中满足关系关联度>T1的查询实体筛选出来，作为查询候选集；将查询候选集作为输入，根据实体的本体标签计算基于实体的关联度，同时设定实体阈值T2，对候选集作进一步筛选和过滤。根据关系关联度和实体关联度来对查询候选集中的实体进行总关联度计算，按总关联度得分高低进行排序，将排序后的结果作为查询结果集。通过企业关联查询的整体流程可以发现，关系发掘阶段决定了查询候选集合的大小，在计算总关联度得分时应占据更大的比重，而本体发掘则只影响查询候选集的总关联度得分，所以在计算总关联度时，记对应的关联度比重分别为α、β(其中α+β＝1，且α>β。
企业迁移检测。
片区的企业迁移检测，包括企业的待迁移检测，正在迁移检测，迁移完成检测；通过获取企业的工作安排日志，确定企业是否具有迁移计划，并根据迁移计划对于企业的迁移概率及迁移时间进行预测；根据企业的规模，企业迁移的扩张程度，迁移预计时间，计算分析企业的迁移进度，进行企业的正在迁移检测；通过查询企业的迁移计划及咨询企业联络员，检测企业是否完成迁移，以及迁移已完成的时间；根据企业的迁移检测，对企业迁移后的地理位置及规模信息进行调整；例如，企业永申炼钢场从白云区江高镇神石路399号迁移至花都区长岗东成大街24号，且规模由原二车间扩张至四车间，则需根据迁移进度对于企业地理位置和规模信息进行更新；企业在迁移过程中，处于停产状态时，需进行标注处理。
企业分解检测。
片区的企业分解检测，包括企业的战略布局分解检测，并购重组检测，破产检测；通过获取企业代理人的评价信息数据，获取企业的战略布局分解安排，以及对应分解后子公司的产能量和所占比例；通过查询证券交易所公示网站，获取企业并购重组进度，并进一步咨询企业负责人，获取企业并购后的转型产能计划；通过企业所在地工商部门查询企业营业执照状态，实现企业的破产检测；根据企业的分解检测结果，对企业的碳排放量进行动态调整；例如，检测到企业A已破产，则该企业的碳排放量归零；例如，企业B被企业C收购后，重新进行产业规划，优化了生产流程和材料，降低了碳排放量，则需根据优化后的结果，对企业的碳排放模型进行动态调整。
步骤105，依据企业业务关联模型，建立数字孪生关联模型。
请参阅图2，基于企业业务关联模型，对基于数字孪生系统的碳排放模型进行调整，进一步建立数字孪生关联模型；根据对片区企业产业链关联检测，企业关联检测，企业分解检测的检测结果，在数字孪生关联模型中，对于企业的碳排放量进行动态实时调整；基于节点链接的方式，在数字孪生关联模型中，实现企业关联度的可视化表达；构建企业关联度的力导向图物理模型，对具有关联度的企业构建便捷访问链接地址，并标注企业的迁移进度，分解进度，对应碳排放量数据；数字孪生系统通过模拟对象在物理世界中的行为与变化，反映物理世界的运行状况并评估物理世界的状态，诊断发生的问题、预测未来趋势；例如，在数字孪生关联模型中，通过企业A可查询到其子公司的名称，并可根据访问链接查看子公司的迁移进度，分解进度，碳排放数据。
步骤106，根据数字孪生关联模型，构建企业碳排放可视化平台。
根据数字孪生关联模型，构建企业碳排放可视化平台，对片区的各个企业实体要素进行动态监测、动态描述、动态预测；基于实景空间孪生模型，按照3km*3km划分单元网格，计算单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量；基于单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量，对于碳排放总量超标的单元格进行标红显示；根据标红显示单元格所在区域位置，查询单元格内企业名录，并向对应企业发送碳排放超标警示；网格化碳排放管理模式的优势在于碳排放系统边界明确，精细化核算可落实监管主体责任；构建企业碳排放可视化平台，实现低碳发展的同时给用户带来更好的出行服务体验。
根据企业关联性，动态预测企业的碳排放量。
根据企业业务关联模型，对于企业的碳排放量进行动态预测和实时显示；根据企业自身的发展状况，以及企业的经营领域，对企业的发展前景及碳排放量进行动态预测；根据产业链连锁性，结合企业自身的发展前景，对关联度企业的带动发展前景及碳排放量进行动态预测；根据企业的迁移进度，以及迁移后的扩张规模，对于企业的碳排放量进行动态预测；根据企业的分解产业部门状况，对于企业分解后子公司对应分配以及扩张的碳排放量进行动态预测；企业自身的发展状况，包括企业的利润率，资本规模，生产规模，保障体系，资源分配；企业的发展前景，包括企业经营领域的未来发展前景，国家政策资源支持状况，行业竞争激烈程度。
验证企业碳排放量的异常值。
根据片区企业的迁移进度和分解进度，通过计算企业不同生产部门的碳排放量，及各部门迁移和分解过程的碳排放量差值，对企业当前的碳排放总量进行预测；根据传输传感数据及综合能源数据，基于不同生产环节和生产原料的碳排放量，对于实际片区企业的碳排放量进行统计计算；通过比较企业碳排放量的预测结果和实际检测结果的差值，对于企业碳排放量进行异常验证；通过检测漏电保护器的工作状态确定企业电路的漏电范围，根据企业电工的电表检测结果，确定企业是否存在漏电状况；通过声学成像仪实时成像定位评估气体泄漏量，通过视频和图片的方式呈现检测结果，确定企业是否存在漏气状况；根据企业的漏电、漏气状况，发送对故障设备进行维修处理的警示；碳排放量的预测结果和实际结果的差值不超5％*T时，可忽略不计，所述T为预测碳排放量值；通过由专业人员对设备进行检修来对于企业的漏电、漏气情况进行分析；企业由于迁移和分解造成的碳排放量变动需进行备注；声学成像仪由多个麦克风按照一定规律排列，通过阵列信号处理算法，生成声音在一个平面上的声压级分布，以彩色等高线图的方式实现声音可视化，形成类似于热成像仪对物体温度的探测效果，然后通过照片或视频方式直观显示出声源分布，从而准确定位设备噪声源。
步骤107，基于企业碳排放可视化平台，定制企业碳排放量控制方案。
利用基于数字孪生关联模型的可视化碳排放平台，对于企业的碳排放量定制相应的控制方案；根据片区企业的规模效应，结构效应，技术效应三个方面，根据贡献量和贡献率分析规模效应，结构效应，技术效应三各方面涵盖的因素对于碳排放的贡献程度；根据碳排放弹性系数公式，构建碳排放敏感度分析模型；基于碳排放敏感度分析模型，分析规模效应，结构效应，技术效应三个方面涵盖的因素对于碳排放变化的敏感程度；根据规模效应，结构效应，技术效应三个方面涵盖因素对于碳排放变化的敏感程度，争对不同方面对于企业的生产流程结构，进行对应的调整；规模效应涵盖因素包括企业的人口，经济发展；结构效应涵盖因素包括企业的工业化率，能源结构，行业结构；技术效应涵盖因素包括企业的碳排放系数，能源强度。
基于企业业务，调整生产方案。
确定企业业务信息，包括企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模；根据企业业务信息，并结合企业的各部门的碳排放量，对于企业的生产方案进行调整；根据企业各部门的生产产品，生产环节安排，产品生产进度，对于企业的生产环节顺序进行调整，维持企业碳排放量的均衡性；优化企业的产业结构、降低工业环节占比，减缓碳排放量的增长，并采用先进生产设备提高能源使用效率，调整能源结构，实现能源强度和碳排放系数的双重减碳；例如，企业生产产品吹风机碳排放量较大，生产产品卫生纸碳排放量较小，则可由部门A生产吹风机，部门B生产卫生纸，避免两部门同时生产吹风机，导致企业整体阶段性碳排放量大。
基于地区规章制度，生成区域发展建议。
根据片区所在地区的规章制度，对于企业的碳排放提供区域性的发展建议；根据地区的碳排放规章制度及企业规模，经营领域，获取企业的碳排放指标；结合企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模，分析碳排放指标对于企业发展的适用程度；根据碳排放指标对于企业发展的适用程度，进行企业的迁移及分解方案推荐生成，包括对规章制度内容进行抽取并根据企业迁移和分解的方案内容进行相似度计算，当相似度大于预设阈值则判断为方案内容适应地区规章制度内容；并根据碳交易市场的价格，通过竞争机制和价格机制促进碳减排；例如，由于白云区的工业区密集，企业的碳排放指标较小，而企业由于自身发展状况良好，需要较大的碳排放指标，可以选择进行企业迁移，分解，以及通过碳交易市场购买碳排放指标，来达到更好的经营效益。
以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想；本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。

Claims (7)

1.一种基于数字孪生的碳排放协同预测方法，其特征在于，所述方法包括：
确定城市片区的企业信息及碳排放量信息；根据城市片区的企业，建立数字孪生系统；根据数字孪生系统，建立碳排放模型，包括:
基于片区企业的数字孪生系统，及构建的实景空间孪生模型，对企业的碳排放量进行标注显示；基于传输传感数据及综合能源数据，计算得到企业的碳排放量；根据综合能源数据计算企业各类能源的消耗，及各类能源的能耗所占总能耗的比例；基于实景空间孪生模型，结合地图及企业的碳排放量，采用色度图对于企业的碳排放量在地图上进行实时动态显示，建立企业的碳排放模型；基于片区企业数字孪生系统的碳排放模型，对碳排放管理的各个实体要素进行动态监测、动态描述、动态预测；包括：获取企业综合能源数据；企业碳排放量计算；
所述获取企业综合能源数据，具体包括:
首先，确定企业的综合能源数据，包括企业生产过程耗材排放量，净购入使用的电力排放量信息；通过获取企业代理人的评价信息数据，以及抓取对应企业网址，获取企业的综合能源数据相关信息，包括企业的在使用机组数目及对应参数，生产过程耗材排放量，净购入使用的电力排放量信息；其中，企业生产过程耗材的排放量，包括化石燃料排放量，以及脱硫过程排放量；最后，对于获取的综合能源数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效的综合能源数据；
所述企业碳排放量计算，具体包括:
基于获取的企业综合能源数据，对企业碳排放量进行计算；构建企业碳排放量计算模型，即E＝E1+E2+E3，E为企业总碳排放量，E1为化石燃料燃烧排放量，E2为脱硫过程排放量，E3为净购入使用电力产生的排放量；化石燃料燃烧排放量计算公式为E1＝Σ(ADi×EFi)，所述ADi为第i种化石燃料活动水平，所述EFi为第i种化石燃料的排放因子；脱硫过程排放量计算公式为E2＝Σ(CALk×EFk)，所述CALk为第k种脱硫剂中碳酸盐消耗量，所述EFk为第k种脱硫剂中碳酸盐的排放因子；净购入使用电力产生的排放量计算公式为E3＝AD3*EF3，所述AD3为企业的净购入电量，所述EF3为区域电网年平均供电排放因子；根据获取的企业名称及关联企业数据，构建企业业务关联模型；包括：产业链关联检测；企业迁移检测；企业分解检测；
所述产业链关联检测，具体包括:
基于构建的企业知识图谱，对企业产业链关联度进行检测；通过限制节点的公共关系个数，对关联程度低的节点进行过滤，初步确定与目标企业有一定关联度的候选集；根据实体之间的关联关系计算基于关系的关联度，同时设定关系阈值T1，将候选集中满足关系关联度>T1的查询实体筛选出来，作为查询候选集；将查询候选集作为输入，根据实体的本体标签计算基于实体的关联度，同时设定实体阈值T2，对候选集作进一步筛选和过滤；根据关系关联度和实体关联度来对查询候选集中的实体进行总关联度计算，按总关联度得分高低进行排序，将排序后的结果作为查询结果集；
所述企业迁移检测，具体包括:
片区的企业迁移检测，包括企业的待迁移检测，正在迁移检测，迁移完成检测；通过获取企业的工作安排日志，确定企业是否具有迁移计划，并根据迁移计划对于企业的迁移概率及迁移时间进行预测；根据企业的规模，企业迁移的扩张程度，迁移预计时间，计算分析企业的迁移进度，进行企业的正在迁移检测；通过查询企业的迁移计划，检测企业是否完成迁移，以及迁移已完成的时间；根据企业的迁移检测，对企业迁移后的地理位置及规模信息进行调整；
所述企业分解检测，具体包括:
片区的企业分解检测，包括企业的战略布局分解检测，并购重组检测，破产检测；通过获取企业代理人的评价信息数据，获取企业的战略布局分解安排，以及对应分解后子公司的产能量和所占比例；通过查询证券交易所公示网站，获取企业并购重组进度，并进一步获取企业并购后的转型产能计划；通过抓取企业所在地工商部门查询企业营业执照状态，实现企业的破产检测；根据企业的分解检测结果，对企业的碳排放量进行动态调整；
依据企业业务关联模型，建立数字孪生关联模型；根据数字孪生关联模型，构建企业碳排放可视化平台，所述根据数字孪生关联模型，构建企业碳排放可视化平台，具体包括：根据企业关联性，动态预测企业的碳排放量，验证企业碳排放量的异常值；基于企业碳排放可视化平台，定制企业碳排放量控制方案，所述基于企业碳排放可视化平台，定制企业碳排放量控制方案，具体包括：基于企业业务，调整生产方案，基于地区规章制度，生成区域发展建议。
2.根据权利要求1所述的方法，其中，所述确定城市片区的企业信息及碳排放量信息，包括:
对外部数据源进行爬取，获取城市指定片区的企业信息，包括企业的名称，地理信息，规模；根据所述获取的企业信息，通过获取企业代理人的评价信息数据，获取企业的碳排放相关信息，包括企业的生产过程耗材，净购入使用的电力信息；根据所述企业信息的相关数据进行数据预处理，对预处理后的数据进行分类并整理归纳，即index＝{名称，地理信息，规模，生产过程耗材排放量，净购入使用的电力排放量}，所述index为企业；对所述整理归纳后所得的数据利用ETL方式进行数据清洗，删除缺失数据、重复数据与错误数据，提取有效数据。
3.根据权利要求1所述的方法，其中，所述根据城市片区的企业，建立数字孪生系统，包括:
基于边缘计算技术，通过传感器实时采集城市片区企业的传输传感数据和综合能源数据；通过5G通讯技术将传感器与数据采集终端连接，并进行实时的数据传输；基于传感器采集的数据，构建城市片区企业的数据库管理层，对数据进行保存，推送入库，以及计算；构建公共组件层，包括数据校验模块，报表组件模块，流程管理模块；利用数字孪生技术建立实景空间孪生模型，对传输传感器数据及综合能源数据进行可视化处理，结合实景空间孪生模型进行实时显示，建立数字孪生系统。
4.根据权利要求1所述的方法，其中，所述根据获取的企业名称及关联企业数据，构建企业业务关联模型，包括:
根据获取的企业名称及关联企业数据，构建企业知识图谱；根据企业名称及关联企业数据，定义节点属性和关系，建立节点关系映射图；通过自动化脚本将企业名称及关联企业数据转化为图数据库的图数据；基于关联分析的查询方式，对数据库中与目标企业在结构或属性上相似的图集合进行查询；基于节点链接的方式，实现图谱的可视化表达，按照图的数据格式标准，将数据以图的形式展示；使用数据驱动文档在Web端，为知识图谱数据构建力导向图物理模型。
5.根据权利要求1所述的方法，其中，所述依据企业业务关联模型，建立数字孪生关联模型，包括:
基于企业业务关联模型，对基于数字孪生系统的碳排放模型进行调整，进一步建立数字孪生关联模型；根据对片区企业产业链关联检测，企业关联检测，企业分解检测的检测结果，在数字孪生关联模型中，对于企业的碳排放量进行动态实时调整；基于节点链接的方式，在数字孪生关联模型中，实现企业关联度的可视化表达；构建企业关联度的力导向图物理模型，对具有关联度的企业构建便捷访问链接地址，并标注企业的迁移进度，分解进度，对应碳排放量数据。
6.根据权利要求1所述的方法，其中，所述根据数字孪生关联模型，构建企业碳排放可视化平台，包括:
根据数字孪生关联模型，构建企业碳排放可视化平台，对片区的各个企业实体要素进行动态监测、动态描述、动态预测；基于实景空间孪生模型，按照3km*3km划分单元网格，计算单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量；基于单元网格内碳排放总量和单元格内企业分配所得碳排放指标总量，对于碳排放总量超标的单元格进行标红显示；根据标红显示单元格所在区域位置，查询单元格内企业名录，并向对应企业发送碳排放超标警示；包括：根据企业关联性，动态预测企业的碳排放量；验证企业碳排放量的异常值；
所述根据企业关联性，动态预测企业的碳排放量，具体包括:
根据企业业务关联模型，对于企业的碳排放量进行动态预测和实时显示；根据企业自身的发展状况，以及企业的经营领域，对企业的发展前景及碳排放量进行动态预测；根据产业链连锁性，结合企业自身的发展前景，对关联度企业的带动发展前景及碳排放量进行动态预测；根据企业的迁移进度，以及迁移后的扩张规模，对于企业的碳排放量进行动态预测；根据企业的分解产业部门状况，对于企业分解后子公司对应分配以及扩张的碳排放量进行动态预测；
所述验证企业碳排放量的异常值，具体包括:
根据片区企业的迁移进度和分解进度，通过计算企业不同生产部门的碳排放量，及各部门迁移和分解过程的碳排放量差值，对企业当前的碳排放总量进行预测；根据传输传感数据及综合能源数据，基于不同生产环节和生产原料的碳排放量，对于实际片区企业的碳排放量进行统计计算；通过比较企业碳排放量的预测结果和实际检测结果的差值，对于企业碳排放量进行异常验证；通过检测漏电保护器的工作状态确定企业电路的漏电范围，根据企业电工的电表检测结果，确定企业是否存在漏电状况；通过声学成像仪实时成像定位评估气体泄漏量，通过视频和图片的方式呈现检测结果，确定企业是否存在漏气状况；根据企业的漏电、漏气状况，发送对故障设备进行维修处理的警示。
7.根据权利要求1所述的方法，其中，所述基于企业碳排放可视化平台，定制企业碳排放量控制方案，包括:
利用基于数字孪生关联模型的可视化碳排放平台，对于企业的碳排放量定制相应的控制方案；根据片区企业的规模效应，结构效应，技术效应三个方面，根据贡献量和贡献率分析规模效应，结构效应，技术效应三各方面涵盖的因素对于碳排放的贡献程度；根据碳排放弹性系数公式，构建碳排放敏感度分析模型；基于碳排放敏感度分析模型，分析规模效应，结构效应，技术效应三个方面涵盖的因素对于碳排放变化的敏感程度；根据规模效应，结构效应，技术效应三个方面涵盖因素对于碳排放变化的敏感程度，争对不同方面对于企业的生产流程结构，进行对应的调整；包括：基于企业业务，调整生产方案；基于地区规章制度，生成区域发展建议；
所述基于企业业务，调整生产方案，具体包括:
确定企业业务信息，包括企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模；根据企业业务信息，并结合企业的各部门的碳排放量，对于企业的生产方案进行调整；根据企业各部门的生产产品，生产环节安排，产品生产进度，对于企业的生产环节顺序进行调整，维持企业碳排放量的均衡性；优化企业的产业结构、降低工业环节占比，减缓碳排放量的增长，并采用先进生产设备提高能源使用效率，调整能源结构，实现能源强度和碳排放系数的双重减碳；
所述基于地区规章制度，生成区域发展建议，具体包括:
根据片区所在地区的规章制度，对于企业的碳排放提供区域性的发展建议；根据地区的碳排放规章制度及企业规模，经营领域，获取企业的碳排放指标；结合企业的产业链关联度，迁移进度，分解进度，经营领域，发展规模，分析碳排放指标对于企业发展的适用程度；根据碳排放指标对于企业发展的适用程度，进行企业的迁移及分解方案推荐生成，包括对规章制度内容进行抽取并根据企业迁移和分解的方案内容进行相似度计算，当相似度大于预设阈值则判断为方案内容适应该地区规章制度的内容。
CN202211182964.3A 2022-09-27 2022-09-27 一种基于数字孪生的碳排放协同预测方法 Active CN115545450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211182964.3A CN115545450B (zh) 2022-09-27 2022-09-27 一种基于数字孪生的碳排放协同预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211182964.3A CN115545450B (zh) 2022-09-27 2022-09-27 一种基于数字孪生的碳排放协同预测方法

Publications (2)

Publication Number Publication Date
CN115545450A true CN115545450A (zh) 2022-12-30
CN115545450B CN115545450B (zh) 2023-06-06

Family

ID=84729086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211182964.3A Active CN115545450B (zh) 2022-09-27 2022-09-27 一种基于数字孪生的碳排放协同预测方法

Country Status (1)

Country Link
CN (1) CN115545450B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228171A (zh) * 2023-05-08 2023-06-06 北京始祖科技有限公司 一种企业碳排放监测系统及方法
CN116579675A (zh) * 2023-03-28 2023-08-11 江苏省盐城环境监测中心 一种基于大数据的智慧碳排放监测平台
CN116975689A (zh) * 2023-07-31 2023-10-31 杭州超腾能源技术股份有限公司 一种碳排放的智能识别与控制方法及系统
CN117172138A (zh) * 2023-11-02 2023-12-05 湖北省长投智慧停车有限公司 一种基于深度学习的城市交通碳排放预测方法及装置
CN117217423A (zh) * 2023-11-07 2023-12-12 江苏航运职业技术学院 一种基于数字孪生的企业碳排放监管方法及系统
CN117274017A (zh) * 2023-10-13 2023-12-22 东莞市东智创新科技有限公司 一种基于企业经营数据的碳排放监控系统
CN117391906A (zh) * 2023-10-17 2024-01-12 上海南洋万邦软件技术有限公司 双碳应用平台的控制方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930971A (zh) * 2016-04-22 2016-09-07 国网江西省电力科学研究院 一种城市智能电网全景信息可视化多维展示技术构架
US20170286572A1 (en) * 2016-03-31 2017-10-05 General Electric Company Digital twin of twinned physical system
CN112332444A (zh) * 2020-09-14 2021-02-05 华北电力大学（保定） 一种基于数字孪生的微电网能量管理系统
CN113112176A (zh) * 2021-04-26 2021-07-13 国网(衢州)综合能源服务有限公司 一种基于大数据的企业碳排放可视化预警系统
CN113657661A (zh) * 2021-08-12 2021-11-16 南方电网数字电网研究院有限公司 一种企业碳排放预测方法、装置、计算机设备和存储介质
US20210373973A1 (en) * 2017-06-12 2021-12-02 Pure Storage, Inc. Workload Placement Based On Carbon Emissions
CN114462133A (zh) * 2022-04-12 2022-05-10 天津水泥工业设计研究院有限公司 基于数字孪生技术装备产品碳足迹数字化核算方法及系统
CN114595936A (zh) * 2022-01-25 2022-06-07 杭州领见数字农业科技有限公司 一种工程项目碳排放量的监测方法及装置
CN114663265A (zh) * 2022-03-30 2022-06-24 西安交通大学 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置
CN114707950A (zh) * 2022-03-11 2022-07-05 北京航天智造科技发展有限公司 一种离散型生产设备碳排放效率的监测方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170286572A1 (en) * 2016-03-31 2017-10-05 General Electric Company Digital twin of twinned physical system
CN105930971A (zh) * 2016-04-22 2016-09-07 国网江西省电力科学研究院 一种城市智能电网全景信息可视化多维展示技术构架
US20210373973A1 (en) * 2017-06-12 2021-12-02 Pure Storage, Inc. Workload Placement Based On Carbon Emissions
CN112332444A (zh) * 2020-09-14 2021-02-05 华北电力大学（保定） 一种基于数字孪生的微电网能量管理系统
CN113112176A (zh) * 2021-04-26 2021-07-13 国网(衢州)综合能源服务有限公司 一种基于大数据的企业碳排放可视化预警系统
CN113657661A (zh) * 2021-08-12 2021-11-16 南方电网数字电网研究院有限公司 一种企业碳排放预测方法、装置、计算机设备和存储介质
CN114595936A (zh) * 2022-01-25 2022-06-07 杭州领见数字农业科技有限公司 一种工程项目碳排放量的监测方法及装置
CN114707950A (zh) * 2022-03-11 2022-07-05 北京航天智造科技发展有限公司 一种离散型生产设备碳排放效率的监测方法和装置
CN114663265A (zh) * 2022-03-30 2022-06-24 西安交通大学 基于em-mfa算法的建筑综合能源系统碳排放监测方法与装置
CN114462133A (zh) * 2022-04-12 2022-05-10 天津水泥工业设计研究院有限公司 基于数字孪生技术装备产品碳足迹数字化核算方法及系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579675A (zh) * 2023-03-28 2023-08-11 江苏省盐城环境监测中心 一种基于大数据的智慧碳排放监测平台
CN116228171A (zh) * 2023-05-08 2023-06-06 北京始祖科技有限公司 一种企业碳排放监测系统及方法
CN116228171B (zh) * 2023-05-08 2023-07-21 北京始祖科技有限公司 一种企业碳排放监测系统及方法
CN116975689A (zh) * 2023-07-31 2023-10-31 杭州超腾能源技术股份有限公司 一种碳排放的智能识别与控制方法及系统
CN116975689B (zh) * 2023-07-31 2024-02-06 杭州超腾能源技术股份有限公司 一种碳排放的智能识别与控制方法及系统
CN117274017A (zh) * 2023-10-13 2023-12-22 东莞市东智创新科技有限公司 一种基于企业经营数据的碳排放监控系统
CN117391906A (zh) * 2023-10-17 2024-01-12 上海南洋万邦软件技术有限公司 双碳应用平台的控制方法
CN117172138A (zh) * 2023-11-02 2023-12-05 湖北省长投智慧停车有限公司 一种基于深度学习的城市交通碳排放预测方法及装置
CN117172138B (zh) * 2023-11-02 2024-02-02 湖北省长投智慧停车有限公司 一种基于深度学习的城市交通碳排放预测方法及装置
CN117217423A (zh) * 2023-11-07 2023-12-12 江苏航运职业技术学院 一种基于数字孪生的企业碳排放监管方法及系统

Also Published As

Publication number Publication date
CN115545450B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN115545450B (zh) 一种基于数字孪生的碳排放协同预测方法
Goh et al. Incorporating the rough sets theory into travel demand analysis
Khajehei et al. Prediction of track geometry degradation using artificial neural network: a case study
CN105868301A (zh) 一种碳排放检测管理系统及管理方法
Shao et al. Environmental regulation, market demand, and green innovation: Spatial perspective evidence from China
CN113222442B (zh) 实时交通大气污染排放清单计算方法以及决策辅助方法
CN112785458A (zh) 一种桥梁健康大数据智能管养系统
CN116681187B (zh) 一种基于企业经营数据的企业碳配额预测方法
Zhang Estimation of eco‐efficiency and identification of its influencing factors in China's Yangtze River Delta urban agglomerations
CN109255524A (zh) 一种计量设备数据分析评估方法及系统
CN111951104A (zh) 一种基于关联图谱的风险传导预警方法
Mitsakis et al. An integrated framework for linking climate change impacts to emergency adaptation strategies for transport networks
CN115423429A (zh) 基于图像和声音信息的多模态一体化配网运营系统
Yu et al. Industry 4.0-enabled environment, social, and governance reporting: A case from a Chinese energy company
CN115730749A (zh) 基于融合电力数据的电力调度风险预警方法及装置
CN115358522A (zh) 一种企业在线监测系统和方法
Chen The spatial impacts of the circular economy on carbon intensity-new evidence from the super-efficient SBM-DEA model
Chung et al. Information extraction methodology by web scraping for smart cities
Grolinger et al. Energy slices: benchmarking with time slicing
CN110059234A (zh) 水务异常事件侦测方法及装置、计算机装置及存储介质
CN113191170B (zh) 公共设施二维码损毁巡检有效性预测方法及系统
CN111565121A (zh) 人员及技术对it支撑度评估方法及装置
Guang et al. [Retracted] Bayesian Network‐Based Marketing Risk Warning Method for Integrated Energy Companies
Zhao Research on prediction of enterprise economic growth based on monetary policy regulation
Codal et al. Big data in smart energy systems: A critical review

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