CN115659120A - 一种基于大数据的智慧碳排放监测平台 - Google Patents
一种基于大数据的智慧碳排放监测平台 Download PDFInfo
- Publication number
- CN115659120A CN115659120A CN202211246335.2A CN202211246335A CN115659120A CN 115659120 A CN115659120 A CN 115659120A CN 202211246335 A CN202211246335 A CN 202211246335A CN 115659120 A CN115659120 A CN 115659120A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power
- monitoring
- carbon
- energy
- 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 306
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 302
- 238000012544 monitoring process Methods 0.000 title claims abstract description 147
- 238000010248 power generation Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000005265 energy consumption Methods 0.000 claims abstract description 9
- 238000011161 development Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000013499 data model Methods 0.000 claims abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 42
- 239000003245 coal Substances 0.000 claims description 38
- 230000009467 reduction Effects 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 239000003345 natural gas Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 15
- 239000003208 petroleum Substances 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000002803 fossil fuel Substances 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 9
- 239000003034 coal gas Substances 0.000 claims description 8
- 239000003209 petroleum derivative Substances 0.000 claims description 8
- 238000006386 neutralization reaction Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000003502 gasoline Substances 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims 1
- 230000007774 longterm Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 239000003921 oil Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000001514 detection method 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
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的智慧碳排放监测平台，其支撑层基于能源大数据智慧平台接入化石能源消耗的用能数据，基于调控相关系统接入调控发电数据，基于营销相关系统接入营销用采的用电数据，从而构建不同时间维度、地域维度、企业维度的碳排放模型，基于数据中台统一数据模型基础进行应用开发和数据分析计算，通过MaxCompute计算出碳排放监测数据，数据结果集通过平台推送到Rds结果集，并通过API的方式发布给应用端使用，并构建业务数据库用于存放业务基本信息，分析报告记录信息。本发明建成了覆盖电力碳排放监测、能源碳排放监测、全国碳市场行情等综合维度的碳排放监测体系，从而实现了全省、各区域及企业碳排放量的监测。
Description
技术领域
本发明涉及碳排放监测领域，具体涉及一种基于大数据的智慧碳排放监测平台。
背景技术
传统的碳排量都是根据电力、煤炭等能源消耗量估算出来的，不够精准，没有统一的碳排放核算、报告及核查标准，第三方核查机构数量不足且管理制度欠缺，少有支持在线监测及电子核查的碳排放监测平台。
发明内容
为解决上述问题，本发明提供了一种基于大数据的智慧碳排放监测平台，充分利用能源大数据智慧平台整合煤、石油、天然气等领域和部门的多种数据资源，通过大数据技术和工具实现专业的数据治理和数据融合分析，研究先进的碳排放计算模型算法，建成了覆盖电力碳排放监测、能源碳排放监测、全国碳市场行情等综合维度的碳排放监测体系，从而实现了全省、各区域及企业碳排放量的监测。
为实现上述目的，本发明采取的技术方案为：
一种基于大数据的智慧碳排放监测平台，包括用户层、应用层、服务层、支撑层，其特征在于：所述应用层内载碳排放监测模块、碳排放预测模块和碳市场行情监测模块，所述服务层内设有用于实现碳排放监测的能源碳排放监测模块、电力碳监测模块和零碳减排监测模块，用于实现碳市场行情监测的现货交易跟踪模块、远期交易跟踪模块、碳市场交易对比分析模块，所述支撑层基于能源大数据智慧平台接入煤、油、气等化石能源消耗的用能数据(包括年、月、日等维度数据)，基于调控相关系统接入调控发电数据，基于营销相关系统接入营销用采的用电数据，从而构建不同时间维度、地域维度、企业维度的碳排放模型，基于数据中台统一数据模型基础进行应用开发和数据分析计算，通过MaxCompute计算出碳排放监测数据，数据结果集通过平台推送到Rds结果集，并通过API的方式发布给应用端使用，并构建业务数据库用于存放业务基本信息，分析报告记录信息等基础性业务数据。
作为本方案的进一步地设计，能源碳排放监测模块用于实现能源总览碳排放监测、煤炭消耗碳排放监测、石油消耗碳排放监测、天然气消耗碳排放监测；电力碳监测模块用于实现全省电力碳排放监测、火电厂碳排放监测、外电碳排放监测、各地市碳排放监测、行业碳排放监测、重点用能企业碳排放监测；零碳减排监测模块用于实现全省清洁能源碳减排监测、水电碳减排监测、光伏电力碳减排监测、光伏电力碳减排监测、风电电力碳减排监测、外电碳减排监测、电池储能碳减排监测、充电桩及电动汽车碳减排监测。
作为本方案的进一步地设计，基于电力碳排放监测核算体系和能源碳排放监测核算体系实现碳排放监测数据的计算。
作为本方案的进一步地设计，电力碳排放监测核算体系包括：
1)电力直接排放测算
电力直接碳排放测算采用燃料消耗量乘以相应碳排放因子的方法；
其中：EM表示电力直接排放量；ACi表示电力生产过程燃料i的消耗量；EFi表示燃料i的排放因子；
2)电力碳排放比例测算
在对生产端和消费端进行分别测算之前，需要先进行碳排放比例测算，确定电力直接排放在生产端和消费端的共担比例；考虑到电力系统本身的特点，同时兼顾可操作性原则，采用电力的等价值和当量值确定共担比例，测算公式如下：
θ＝1—K
其中：EEV表示电力的等价值；FCi表示火力发电中化石燃料i的消耗量；Ri表示化石燃料i的标准煤系数；TP表示火电发电量；i表示火力发电中消耗的化石燃料的种类；K表示火电发电效率；ECV表示电力的当量值，ECV＝0.1229(kgce/kWh)；θ表示电力生产端碳排放比例；
3)电力生产端碳排放测算
基于如下电力生产端碳排放公式测算：
EP＝θ.EM
其中，FP表示电力生产端碳排放；θ表示电力生产端碳排放比例；EM表示电力直接排放量；
4)电力消费端碳排放测算
电力消费端碳排放由全省电网内电力消费排放和其他省电网净调入电力消费排放两部分组成；具体测算分为以下几个步骤：
(1)测算本省电网电力消费排放因子，本省电网电力消费排放因子等于本省电网消费端碳排放量除以本省电网总发电量(含清洁能源发电量)；
其中，1-θ表示电力消费端碳排放比例；EM表示电力直接排放量，GE表示本省电网总发电量(含清洁能源发电量)；
(2)测算省级间电力输送形成的电力碳排放
首先，测算本省电网向其他省市电网净调出电力碳排放和本省电网内电力消费碳排放；
EEX＝EFC·EX
EG＝EFC·(GE-EX)
其中：EEX表示本省电网净调出电力碳排放；EX表示本省电网向其他省市调出的电量，由于我省几乎没有电力输出，因此FX＝0，EG表示本省电网内电力消费碳排放；
然后，计算其他省市电网向本省净调入电力碳排放及其排放因子，由于
其中，1-θj表示向我省输送电力的省市j的电力消费端碳排放比例；EMj表示省市j的电力直接碳排放；GEj表示省市j的总发电量；IM表示其他省市向本省电网净调入电量(以鄂湘联络线的火电为主)；EIM表示其他省市向本省电网净调入电力碳排放；
(3)测算电网传输损耗碳排放
电网传输损耗碳排放可以视为电网消费端的电力碳排放，计算方法如下：
其中，EL表示本省承担的电网传输损耗；EFC表示本省电力消费端碳排放因子；CE表示本省份电力消费总量；CEs表示本省电网传输损耗的电量；
(5)计算本省电力消费端碳排放总量：
EC＝EG+EIM+EL；
5)全省电力碳排放测算
综合上述电力生产端及消费端碳排放量的测算，全省电力碳排放测算公式为：
作为本方案的进一步地设计，能源碳排放监测核算体系包括：
1)清洁能源电力碳减排监测模型
按照电力碳排放监测模型进行设计，核算出清洁能源电力生产情况，计算清洁能源碳中和贡献度；其中：
碳排放量换算指数数量：111kg碳＝1棵树(30年冷杉)；
碳排放换算成造林亩数：1亩冷杉数量为200株；
电动汽车可减排换算：百公里碳排放量电动汽车比汽油车减少约1/3；
清洁能源发电碳中和贡献度的换算公式：清洁能源电力消费总量/电力能源消费总量；
2)能源碳排放监测模型
煤炭、石油、天然气碳排放的测算方法依据以下步骤：首先，确定煤炭、石油、天然气与标准煤的折算系数；其次，标准煤折算系数乘以监测到的煤炭、石油、天然气使用量得到折算成标准煤当量的煤炭、石油、天然气；最后，标准煤的碳排放系数得到煤炭、石油、天然气碳排放及总一次能源碳排放数据；算法为：
CENEk＝ENEk*αk*0.68
其中，CENEk为k类化石能源碳排放，ENEk为k类化石能源使用量，αk代表k类化石能源标准煤折算系数，0.68是标准煤与碳排放的折算系数；依据该算法，结合监测到全省、各区域、各行业能源使用数据，计算得到全省、各区域、各行业能源碳排放数据。
上述方案，充分利用能源大数据智慧平台整合煤、石油、天然气等领域和部门的多种数据资源，通过大数据技术和工具实现专业的数据治理和数据融合分析，研究先进的碳排放计算模型算法，建成了覆盖电力碳排放监测、能源碳排放监测、全国碳市场行情等综合维度的碳排放监测体系，从而实现了全省、各区域及企业碳排放量的监测，具有以下有益效果：
基于电、煤、油、气等能源生产消费和碳排放总量强度数据，实现了重点区域、企业碳减排潜力分析，支撑政企开展用能结构调整，实现清洁能源碳减排分析，辅助风、光、水等清洁能源优化配置，促进能源生产、配送与消纳向清洁能源转型升级，助力构建以清洁能源为主体的新型电力系统。
实现全省16家火电厂碳排放实时在线监测，通过火电碳排放量测算模型，对火电厂碳排放情况进行动态分析，为火电企业提供碳排放监测、查询等服务。
采用线上计算一二次能源碳排放量的方式，实现数据收集自动化，提高数据的可靠性，通过线上监测数据对碳排放数据进行校核，可以起到第三方核查的效果，降低第三方核查工作量和成本，提高核查工作的客观性和权威性。
为生态环境部门切实掌握发电企业、电网企业、全国重点排放单位等二氧化碳排放情况以及开展碳交易、制定碳减排目标、分配碳排放配额提供坚实可靠的数据支撑，从空间、时间等多个维度提高政策制定者对碳源、排放路径、排放量等关键因素的系统认知，助力加快构建清洁低碳、安全高效的现代化能源体系。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例的业务架构图。
图2为本发明实施例的数据架构图。
图3为本发明实施例的技术架构图。
图4为本发明实施例的部署架构图。
图5为湖南省单日火电出力监测情况。
图6为湖南省单日水电出力监测情况。
图7为湖南省单日风电出力监测情况。
图8为湖南省单日光伏出力监测情况。
图9为湖南省单日储能出力监测情况。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明实施例通过大数据技术和工具实现专业的数据治理和数据融合分析，研究先进的碳排放计算模型算法，建成了覆盖电力碳排放监测、能源碳排放监测、全国碳市场行情等综合维度的基于大数据的智慧碳排放监测平台，可监测全省、各区域及企业碳排放量，其业务架构图如图1所示，
其数据架构图如图3所示。基于能源大数据智慧平台接入煤、油、气等化石能源消耗的用能数据(包括年、月、日等维度数据)，基于调控相关系统接入调控发电数据，基于营销相关系统接入营销用采的用电数据，从而构建不同时间维度、地域维度、企业维度的碳排放模型，基于数据中台统一数据模型基础进行应用开发和数据分析计算，通过MaxCompute计算出碳排放监测数据，数据结果集通过平台推送到Rds结果集，并通过API的方式发布给应用端使用，并构建业务数据库用于存放业务基本信息，分析报告记录信息等基础性业务数据。
本发明中，能源碳排放监测模块用于实现能源总览碳排放监测、煤炭消耗碳排放监测、石油消耗碳排放监测、天然气消耗碳排放监测；电力碳监测模块用于实现全省电力碳排放监测、火电厂碳排放监测、外电碳排放监测、各地市碳排放监测、行业碳排放监测、重点用能企业碳排放监测；零碳减排监测模块用于实现全省清洁能源碳减排监测、水电碳减排监测、光伏电力碳减排监测、光伏电力碳减排监测、风电电力碳减排监测、外电碳减排监测、电池储能碳减排监测、充电桩及电动汽车碳减排监测。
平台的技术架构图如图3所示，数据分析、数据计算以及数据发布等功能采用阿里云的DataWorks大数据开发套件，并基于此提供数据集成、数据开发、数据地图、数据质量和数据服务等全方位的产品服务，实现数据价值的挖掘和探索，数据统一存储放于数据中台，Web端的应用程序开发基于数据中台进行，采用前后端分离的开发模式，业务逻辑以微服务方式实现。
平台部署架构划分为电力内网、电力互联网大区和公用互联网区，前端应用分别部署于电力互联网大区和信息内容，用户在信息内网、公用互联网区都可以对系统进行应用访问，部署架构图如图4所示。
本平台的碳排放监测体系旨在对各项指标进行数据监测，在分析用电量、能源与总产出、总产出与排放量之间关系的基础上，建立碳排放测算方法，并利用该测算方法，结合电网大数据和能源大数据平台，为碳排放的预警和预测打下坚实的基础。该监测体系在对生产端进行测度的基础上，同时将发电端纳入测度范围，从源头起便开始测度碳排放量，力求对碳排放进行更加精准完善的测度。以碳排放类型为依据，对碳排放监测体系进行划分，主要包括以下两个板块：电力碳排放监测核算体系和能源碳排放监测核算体系。
其中，电力碳排放监测核算体系包括：
1)电力直接排放测算
电力直接碳排放测算采用燃料消耗量乘以相应碳排放因子的方法；
其中：EM表示电力直接排放量；ACi表示电力生产过程燃料i的消耗量；EFi表示燃料i的排放因子；
2)电力碳排放比例测算
在对生产端和消费端进行分别测算之前，需要先进行碳排放比例测算，确定电力直接排放在生产端和消费端的共担比例；考虑到电力系统本身的特点，同时兼顾可操作性原则，采用电力的等价值和当量值确定共担比例，测算公式如下：
θ＝1—K
其中：EEV表示电力的等价值；FCi表示火力发电中化石燃料i的消耗量；Ri表示化石燃料i的标准煤系数；TP表示火电发电量；i表示火力发电中消耗的化石燃料的种类；K表示火电发电效率；ECV表示电力的当量值，ECV＝0.1229(kgce/kWh)；θ表示电力生产端碳排放比例；
3)电力生产端碳排放测算
我国的电力类型有火电、水电、核电以及风电等4中主要类型，考虑到水电、风电等所采用的一次能源均为清洁能源，因此假设其发电过程中不产生碳排放，电力碳排放主要由火电生产中投入的初始能源燃烧产生。由于火电生产初始能源投入种类较多，包括煤炭、石油和天然气，从而在电力碳排放测算时考虑一次能源投入的不同种类，并结合碳排放比例测算公式，得到如下电力生产端碳排放公式：
EP＝θ·EM
其中，FP表示电力生产端碳排放；θ表示电力生产端碳排放比例；EM表示电力直接排放量；
4)电力消费端碳排放测算
电力消费端碳排放由全省电网内电力消费排放和其他省电网净调入电力消费排放两部分组成；湖南省电网净调入路线主要包括鄂湘联络线和祁邵直流，其中祁邵直流供电类型为清洁能源供电，剩余部分为火电。具体测算分为以下几个步骤：
(1)测算本省电网电力消费排放因子，本省电网电力消费排放因子等于本省电网消费端碳排放量除以本省电网总发电量(含清洁能源发电量)；
其中，1-θ表示电力消费端碳排放比例；EM表示电力直接排放量，GE表示本省电网总发电量(含清洁能源发电量)；
(2)测算省级间电力输送形成的电力碳排放
首先，测算本省电网向其他省市电网净调出电力碳排放和本省电网内电力消费碳排放。
EEX＝EFC·EX
EG＝EFC·(GE-EX)
其中：EEX表示本省电网净调出电力碳排放；EX表示本省电网向其他省市调出的电量，由于我省几乎没有电力输出，因此EX＝0。EG表示本省电网内电力消费碳排放。
然后，类似地，可以计算出其他省市电网向本省净调入电力碳排放及其排放因子。由于
其中，1-θj表示向我省输送电力的省市j的电力消费端碳排放比例；EMj表示省市j的电力直接碳排放；GEj表示省市j的总发电量；IM表示其他省市向本省电网净调入电量(以鄂湘联络线的火电为主)；EIM表示其他省市向本省电网净调入电力碳排放。
(3)测算电网传输损耗碳排放
电网传输损耗碳排放可以视为电网消费端的电力碳排放，计算方法如下：
其中EL表示本省承担的电网传输损耗；EFC表示本省电力消费端碳排放因子；CE表示本省份电力消费总量；CEs表示本省电网传输损耗的电量。
(5)本省电力消费端碳排放总量
EC＝EG+EIM+EL
5)全省电力碳排放测算
综合上述电力生产端及消费端碳排放量的测算，全省电力碳排放测算公式为：
其中，能源碳排放监测核算体系包括
清洁能源电力碳减排监测模型
按照电力碳排放监测模型进行设计，核算出清洁能源电力生产情况，计算清洁能源碳中和贡献度；其中：
碳排放量换算指数数量：111kg碳＝1棵树(30年冷杉)；
碳排放换算成造林亩数：1亩冷杉数量为200株；
电动汽车可减排换算：百公里碳排放量电动汽车比汽油车减少约1/3；
清洁能源发电碳中和贡献度的换算公式：清洁能源电力消费总量/电力能源消费总量；
能源碳排放监测模型
煤炭、石油、天然气碳排放的测算方法依据以下步骤：首先，确定煤炭、石油、天然气与标准煤的折算系数。其次，标准煤折算系数乘以监测到的煤炭、石油、天然气使用量得到折算成标准煤当量的煤炭、石油、天然气。最后，标准煤的碳排放系数得到煤炭、石油、天然气碳排放及总一次能源碳排放数据。算法为：
CENEk＝ENEk*αk*0.68
其中，CENEk为k类化石能源碳排放，ENEk为k类化石能源使用量，αk代表k类化石能源标准煤折算系数，0.68是标准煤与碳排放的折算系数。依据该算法，结合监测到全省、各区域、各行业能源使用数据，计算得到全省、各区域、各行业能源碳排放数据。
应用例1
图5-图9展示的是平台对湖南省单日各种能源碳排放监测结果，平台将检测数据处理后展示为趋势图。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (5)
1.一种基于大数据的智慧碳排放监测平台，其特征在于：包括用户层、应用层、服务层、支撑层，其特征在于：所述应用层内载碳排放监测模块、碳排放预测模块和碳市场行情监测模块，所述服务层内设有用于实现碳排放监测的能源碳排放监测模块、电力碳监测模块和零碳减排监测模块，用于实现碳市场行情监测的现货交易跟踪模块、远期交易跟踪模块、碳市场交易对比分析模块，所述支撑层基于能源大数据智慧平台接入化石能源消耗的用能数据，基于调控相关系统接入调控发电数据，基于营销相关系统接入营销用采的用电数据，从而构建不同时间维度、地域维度、企业维度的碳排放模型，基于数据中台统一数据模型基础进行应用开发和数据分析计算，通过MaxCompute计算出碳排放监测数据，数据结果集通过平台推送到Rds结果集，并通过API的方式发布给应用端使用，并构建业务数据库用于存放业务基本信息，分析报告记录信息，平台主要用户为电力内部用户以及政府用户，系统提供的可视化形式包括大屏可视化、PC端、移动端和分析报告方式。
2.如权利要求1所述的一种基于大数据的智慧碳排放监测平台，其特征在于：能源碳排放监测模块用于实现能源总览碳排放监测、煤炭消耗碳排放监测、石油消耗碳排放监测、天然气消耗碳排放监测；电力碳监测模块用于实现全省电力碳排放监测、火电厂碳排放监测、外电碳排放监测、各地市碳排放监测、行业碳排放监测、重点用能企业碳排放监测；零碳减排监测模块用于实现全省清洁能源碳减排监测、水电碳减排监测、光伏电力碳减排监测、光伏电力碳减排监测、风电电力碳减排监测、外电碳减排监测、电池储能碳减排监测、充电桩及电动汽车碳减排监测。
3.如权利要求1所述的一种基于大数据的智慧碳排放监测平台，其特征在于：基于电力碳排放监测核算体系和能源碳排放监测核算体系实现碳排放监测数据的计算。
4.如权利要求1所述的一种基于大数据的智慧碳排放监测平台，其特征在于：电力碳排放监测核算体系包括：
1)电力直接排放测算
电力直接碳排放测算采用燃料消耗量乘以相应碳排放因子的方法；
其中：EM表示电力直接排放量；ACi表示电力生产过程燃料i的消耗量；EFi表示燃料i的排放因子；
2)电力碳排放比例测算
在对生产端和消费端进行分别测算之前，需要先进行碳排放比例测算，确定电力直接排放在生产端和消费端的共担比例；考虑到电力系统本身的特点，同时兼顾可操作性原则，采用电力的等价值和当量值确定共担比例，测算公式如下：
θ＝1-K
其中：EEV表示电力的等价值；FCi表示火力发电中化石燃料i的消耗量；Ri表示化石燃料i的标准煤系数；TP表示火电发电量；i表示火力发电中消耗的化石燃料的种类；K表示火电发电效率；ECV表示电力的当量值，ECV＝0.1229(kgce/kWh)；θ表示电力生产端碳排放比例；
3)电力生产端碳排放测算
基于如下电力生产端碳排放公式测算：
EP＝θ·EM
其中，FP表示电力生产端碳排放；θ表示电力生产端碳排放比例；EM表示电力直接排放量；
4)电力消费端碳排放测算
电力消费端碳排放由全省电网内电力消费排放和其他省电网净调入电力消费排放两部分组成；具体测算分为以下几个步骤：
(1)测算本省电网电力消费排放因子，本省电网电力消费排放因子等于本省电网消费端碳排放量除以本省电网总发电量(含清洁能源发电量)；
其中，1-θ表示电力消费端碳排放比例；EM表示电力直接排放量，GE表示本省电网总发电量(含清洁能源发电量)；
(2)测算省级间电力输送形成的电力碳排放
首先，测算本省电网向其他省市电网净调出电力碳排放和本省电网内电力消费碳排放；
EEX＝EFC·EX
EG＝EFC·(GE-EX)
其中：EEX表示本省电网净调出电力碳排放；FX表示本省电网向其他省市调出的电量，由于我省几乎没有电力输出，因此EX＝0，EG表示本省电网内电力消费碳排放；
然后，计算其他省市电网向本省净调入电力碳排放及其排放因子，由于
其中，1-θj表示向我省输送电力的省市j的电力消费端碳排放比例；EMi表示省市j的电力直接碳排放；GEj表示省市j的总发电量；IM表示其他省市向本省电网净调入电量；EIM表示其他省市向本省电网净调入电力碳排放；
(3)测算电网传输损耗碳排放
电网传输损耗碳排放可以视为电网消费端的电力碳排放，计算方法如下：
其中，EL表示本省承担的电网传输损耗；EFC表示本省电力消费端碳排放因子；CE表示本省份电力消费总量；CEs表示本省电网传输损耗的电量；
(5)计算本省电力消费端碳排放总量：
EC＝EG+EIM+EL；
5)全省电力碳排放测算
综合上述电力生产端及消费端碳排放量的测算，全省电力碳排放测算公式为：
5.如权利要求1所述的一种基于大数据的智慧碳排放监测平台，其特征在于：能源碳排放监测核算体系包括：
1)清洁能源电力碳减排监测模型
按照电力碳排放监测模型进行设计，核算出清洁能源电力生产情况，计算清洁能源碳中和贡献度；其中：
碳排放量换算指数数量：111kg碳＝1棵树(30年冷杉)；
碳排放换算成造林亩数：1亩冷杉数量为200株；
电动汽车可减排换算：百公里碳排放量电动汽车比汽油车减少约1/3；
清洁能源发电碳中和贡献度的换算公式：清洁能源电力消费总量/电力能源消费总量；
2)能源碳排放监测模型
煤炭、石油、天然气碳排放的测算方法依据以下步骤：首先，确定煤炭、石油、天然气与标准煤的折算系数；其次，标准煤折算系数乘以监测到的煤炭、石油、天然气使用量得到折算成标准煤当量的煤炭、石油、天然气；最后，标准煤的碳排放系数得到煤炭、石油、天然气碳排放及总一次能源碳排放数据；算法为：
CENEk＝ENEk*αk*0.68
其中，CENEk为k类化石能源碳排放，ENEk为k类化石能源使用量，αk代表k类化石能源标准煤折算系数，0.68是标准煤与碳排放的折算系数；依据该算法，结合监测到全省、各区域、各行业能源使用数据，计算得到全省、各区域、各行业能源碳排放数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211246335.2A CN115659120A (zh) | 2022-10-12 | 2022-10-12 | 一种基于大数据的智慧碳排放监测平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211246335.2A CN115659120A (zh) | 2022-10-12 | 2022-10-12 | 一种基于大数据的智慧碳排放监测平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115659120A true CN115659120A (zh) | 2023-01-31 |
Family
ID=84987018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211246335.2A Pending CN115659120A (zh) | 2022-10-12 | 2022-10-12 | 一种基于大数据的智慧碳排放监测平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115659120A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115797131A (zh) * | 2023-02-09 | 2023-03-14 | 国网浙江电动汽车服务有限公司 | 一种碳排放量监测方法、装置、设备及可读存储介质 |
| CN117217497A (zh) * | 2023-11-07 | 2023-12-12 | 国能日新科技股份有限公司 | 综合能源管理平台及综合能源管理方法 |
| CN117744952A (zh) * | 2024-02-18 | 2024-03-22 | 四川省德阳生态环境监测中心站 | 基于时序网络的大气碳排放量分析方法及系统 |
| CN117764416A (zh) * | 2023-12-22 | 2024-03-26 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105260836A (zh) * | 2015-10-13 | 2016-01-20 | 天津大学 | 汽车制造企业碳排放采集核算系统及其方法 |
| US20160245512A1 (en) * | 2015-02-23 | 2016-08-25 | Iogen Corporation | Pipeline arrangement for utilizing a gas comprising biomethane |
| JP2019175416A (ja) * | 2018-03-28 | 2019-10-10 | 赫普科技発展（北京）有限公司 | ブロックチェーンに基づく炭素取引システム |
| CN111489160A (zh) * | 2020-04-16 | 2020-08-04 | 北京中电飞华通信有限公司 | 基于区块链的电力交易方法、装置、设备及介质 |
| CN112417373A (zh) * | 2020-06-01 | 2021-02-26 | 浙江中控技术股份有限公司 | 用于化工企业能源平衡的计算方法和装置 |
| CN114091785A (zh) * | 2021-12-01 | 2022-02-25 | 国网河南省电力公司南阳供电公司 | 一种基于能源大数据的碳排放监测方法 |
| CN114358994A (zh) * | 2021-12-23 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种依托绿码的碳排放智慧物联网监测方法 |
| CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
-
2022
- 2022-10-12 CN CN202211246335.2A patent/CN115659120A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160245512A1 (en) * | 2015-02-23 | 2016-08-25 | Iogen Corporation | Pipeline arrangement for utilizing a gas comprising biomethane |
| CN105260836A (zh) * | 2015-10-13 | 2016-01-20 | 天津大学 | 汽车制造企业碳排放采集核算系统及其方法 |
| JP2019175416A (ja) * | 2018-03-28 | 2019-10-10 | 赫普科技発展（北京）有限公司 | ブロックチェーンに基づく炭素取引システム |
| CN111489160A (zh) * | 2020-04-16 | 2020-08-04 | 北京中电飞华通信有限公司 | 基于区块链的电力交易方法、装置、设备及介质 |
| CN112417373A (zh) * | 2020-06-01 | 2021-02-26 | 浙江中控技术股份有限公司 | 用于化工企业能源平衡的计算方法和装置 |
| CN114091785A (zh) * | 2021-12-01 | 2022-02-25 | 国网河南省电力公司南阳供电公司 | 一种基于能源大数据的碳排放监测方法 |
| CN114358994A (zh) * | 2021-12-23 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种依托绿码的碳排放智慧物联网监测方法 |
| CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 付坤等: "中国省级电力碳排放责任核算方法及应用", 《中国人口资源与环境》, vol. 24, no. 4, 11 April 2014 (2014-04-11), pages 27 - 34 * |
| 陈为晶等: "水泥行业碳排放在线监测系统的研究", 《质量技术监督研究》, no. 2, 20 April 2021 (2021-04-20), pages 38 - 41 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115797131A (zh) * | 2023-02-09 | 2023-03-14 | 国网浙江电动汽车服务有限公司 | 一种碳排放量监测方法、装置、设备及可读存储介质 |
| CN117217497A (zh) * | 2023-11-07 | 2023-12-12 | 国能日新科技股份有限公司 | 综合能源管理平台及综合能源管理方法 |
| CN117217497B (zh) * | 2023-11-07 | 2024-03-15 | 国能日新科技股份有限公司 | 综合能源管理平台及综合能源管理方法 |
| CN117764416A (zh) * | 2023-12-22 | 2024-03-26 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
| CN117764416B (zh) * | 2023-12-22 | 2024-05-24 | 国网宁夏电力有限公司电力科学研究院 | 基于电力大数据的城市碳排量监测系统及方法 |
| CN117744952A (zh) * | 2024-02-18 | 2024-03-22 | 四川省德阳生态环境监测中心站 | 基于时序网络的大气碳排放量分析方法及系统 |
| CN117744952B (zh) * | 2024-02-18 | 2024-05-17 | 四川省德阳生态环境监测中心站 | 基于时序网络的大气碳排放量分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | A hybrid fuzzy multi-criteria decision-making approach for performance analysis and evaluation of park-level integrated energy system | |
| CN115659120A (zh) | 一种基于大数据的智慧碳排放监测平台 | |
| CN107910863B (zh) | 综合考虑光伏出力和负荷需求预测区间的配电网调度方法 | |
| WO2022193794A1 (zh) | 考虑退役电池的智能社区微网超多目标能量管理方法 | |
| CN102930343A (zh) | 一种分布式发电供能系统能量优化方法 | |
| Ju et al. | A multi-time scale dispatching optimal model for rural biomass waste energy conversion system-based micro-energy grid considering multi-energy demand response | |
| CN108460525A (zh) | 一种多能互补配用电系统的综合能源利用效率评估方法 | |
| CN116362464A (zh) | 基于碳达峰目标的能源系统优化方法 | |
| Michaelides et al. | The effect of electric vehicle energy storage on the transition to renewable energy | |
| CN114792166A (zh) | 一种基于多重约束的能源碳排放的优化预测方法及装置 | |
| Gao et al. | Thermoelectric optimization of integrated energy system considering wind-photovoltaic uncertainty, two-stage power-to-gas and ladder-type carbon trading | |
| CN116822697A (zh) | 一种考虑主从博弈和需求响应的综合能源系统低碳经济优化方法 | |
| Ahmed et al. | Analysis of future carbon-neutral energy system–The case of Växjö Municipality, Sweden | |
| Wu et al. | Multi-parameter optimization design method for energy system in low-carbon park with integrated hybrid energy storage | |
| CN114077788A (zh) | 一种碳排放分析方法、系统、计算机设备及存储介质 | |
| CN116822977A (zh) | 一种基于定量测算企业碳减排潜力的减排策略生成方法 | |
| CN116316844A (zh) | 发电侧储能电站的建设与运行分层优化设计方法 | |
| CN116050858A (zh) | 基于正态云模型的综合能源服务成效评价方法及其应用 | |
| CN114066254A (zh) | 一种城市总体规划建设用地的碳排放量估算方法及系统 | |
| CN113592561A (zh) | 一种基于电力经济大数据的绿电指数生成方法 | |
| CN114548536A (zh) | 一种电力市场环境下考虑储能影响的可再生能源规划方法 | |
| Sun et al. | Optimization model of Multi-energy system based on multi-source energy storage | |
| Li et al. | Optimal allocation method of multi-energy system based on hybrid optimization algorithm | |
| Zhang et al. | Full life-cycle economic evaluation of integrated energy system with hydrogen storage equipment | |
| CN110705804A (zh) | 一种考虑多类型热泵的多能微网效率效益评估方法 |
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 |