CN115905412A - 一种基于区块链的碳排放监测与管控方法 - Google Patents
一种基于区块链的碳排放监测与管控方法 Download PDFInfo
- Publication number
- CN115905412A CN115905412A CN202310031003.0A CN202310031003A CN115905412A CN 115905412 A CN115905412 A CN 115905412A CN 202310031003 A CN202310031003 A CN 202310031003A CN 115905412 A CN115905412 A CN 115905412A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- greenhouse gas
- monitoring
- emission
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 132
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 239000005431 greenhouse gas Substances 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000009776 industrial production Methods 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 239000002283 diesel fuel Substances 0.000 claims description 4
- 239000003546 flue gas Substances 0.000 claims description 4
- 239000003502 gasoline Substances 0.000 claims description 4
- 239000003345 natural gas Substances 0.000 claims description 4
- 238000011897 real-time detection Methods 0.000 claims description 4
- 238000010792 warming Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery 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
本发明公开一种基于区块链的碳排放监测与管控方法,包括:获取温室气体检测数据,对温室气体原始检测数据进行预处理,计算出各项能源的标准碳排放量,将对比数据与分类数据进行对比分析并进行监测预警,对不合格碳排放设备进行减碳调整和管控;本发明通过对待监测管控的碳排放企业的温室气体排放进行实时检测,以获取温室气体检测数据并上传至区块链的各区块体,同时通过对原始检测数据的预处理和分类处理,便于与碳排放企业各项能源的标准碳排放数据进行对比分析,以此直观的准确获悉碳排放企业的碳排放是否合格,并能根据判断结果进行精准及时的管控,进而在一定程度上提升碳排放监测和管控的效率和效果。
Description
技术领域
本发明涉及碳排放监测技术领域,尤其涉及一种基于区块链的碳排放监测与管控方法。
背景技术
碳排放一般指温室气体排放,温室气体排放会造成温室效应,使全球气温上升,碳排放量是指在生产、运输、使用及回收某产品时所产生的温室气体排放量,而动态的碳排放量,则是指每单位货品累积排放的温室气体量,同一产品的各个批次之间会有不同的动态碳排放量,温室气体排放来源多为世界重工业发展产生、汽车尾气等,温室气体一旦超出大气标准,便会造成温室效应,因此,控制温室气体排放已成为全人类面临的一个主要问题,在这样的背景下,对于每个高耗能企业来说,对碳排放的监测与管控变得越来越重要。
区块链是一个又一个区块组成的链条,每一个区块中保存了一定的信息,它们按照各自产生的时间顺序连接成链条,这个链条被保存在所有的服务器中,只要整个系统中有一台服务器可以工作,整条区块链就是安全的,这些服务器在区块链系统中被称为节点,它们为整个区块链系统提供存储空间和算力支持。
现有的碳排放监测与管控方法大都流程复杂,不能准确获取碳排放企业的碳排放实际数据并对数据进行增强处理,从而导致碳排放监测结果存在较大误差,同时不利于对不合格的碳排放情况进行及时有效的管控,导致管控效率和效果也较差,进而给减碳措施的落实来带困难,因此,本发明提出一种基于区块链的碳排放监测与管控方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种基于区块链的碳排放监测与管控方法,解决现有的碳排放监测与管控方法不能准确获取碳排放企业的碳排放实际数据并对数据进行增强处理,导致碳排放监测结果存在较大误差,以及不能对不合格的碳排放情况进行及时有效的管控的问题。
为了实现本发明的目的,本发明通过以下技术方案实现:一种基于区块链的碳排放监测与管控方法,包括以下步骤:
步骤一:先选定待监测管控的碳排放企业,接着在选定的碳排放企业的所有温室气体排放位置布置温室气体检测装置,并保证温室气体检测装置的检测端位于温室气体排放口的排气通道上,再利用布置的温室气体检测装置对碳排放企业工业生产过程中产生的温室气体进行实时检测,并生成对应的温室气体检测数据;
步骤二:先对步骤一中生成的温室气体检测数据进行提取,并对提取的检测数据进行滤波降噪预处理,接着对预处理后的检测数据进行数据分类,并在分类处理后通过无线网上传至区块链的各区块体中;
步骤三:先获取碳排放企业在工业生产过程中各项能源的实际消耗量数据,再根据获取的各项能源实际消耗量数据以及各项能源对应的碳排放系数计算出各项能源的标准碳排放量,并作为对比数据备用;
步骤四:将步骤三中得到的对比数据与步骤二中存储在区块链的各区块体中的分类数据进行对比分析,再根据对比分析结果判断获取的温室气体实时检测数据是否满足监测预警条件,若判断结果满足条件,则触发报警器进行预警警告;
步骤五:根据步骤四中的监测预警条件判断结果,利用区块链对触发监测预警条件的分类数据进行追踪,并定位触发监测预警条件的具体数据来源,最后根据定位的具体数据来源对该数据源位置对应的碳排放设备进行减碳调整和管控,使其满足碳排放标准。
进一步改进在于:所述步骤一中,所述温室气体检测装置为温室气体排放分析仪,所述温室气体排放分析仪测量包括CO2、CH4和N2O在内的温室气体以及烟气中的CO气体浓度变化,以反应实际的温室气体排放量。
进一步改进在于:所述步骤一中,生成的温室气体检测数据临时存储再本地存储器中,本地存储器在存储检测数据的同时将检测数据上传至云存储平台。
进一步改进在于:所述步骤二中,采用数字滤波技术对原始检测数据进行滤波降噪预处理,所述数字滤波技术为中值滤波法、加权平均滤波法或卡尔曼滤波法中的其中一种。
进一步改进在于:所述步骤二中,采用分类器对预处理后的检测数据进行数据分类,所述分类器选自决策树分类器或选择树分类器中的其中一种。
进一步改进在于:所述步骤三中,采集的各项能源的实际消耗量数据包括一次能源实际消耗量数据和二次能源实际消耗量数据,所述一次能源实际消耗量数据为天然气、柴油和汽油的实际消耗量,所述二次能源实际消耗量数据为电能的实际消耗量,所述一次能源的标准碳排放量计算公式为:
其中,E一次为一次能源的标准碳排放量,NCVn为第n种一次能源的平均低位发热量,FCn为一次能源消耗量,CCn为第n种一次能源的单位热值含碳量,OFn为第n种一次能源的碳氧化率,所述二次能源的标准碳排放量计算公式为:
其中,E二次为二次能源的标准碳排放量,ADp为电力消耗量,EFp,i为当地电网温室气体排放系数,GWPi为温室气体i的100年全球变暖潜能值。
进一步改进在于:所述步骤四中,判断是否满足监测预警条件时,若判断结果不满足条件,则不触发报警器并继续对企业的温室气体排放情况进行检测。
进一步改进在于:所述步骤五中,对生产设备进行减碳调整和管控的过程进行记录并生成对应的管控日志,生成的管控日志再上传至区块链的各区块体中进行备份。
本发明的有益效果为:本发明通过布置温室气体检测装置对待监测管控的碳排放企业的温室气体排放进行实时检测,以获取温室气体检测数据并上传至区块链的各区块体,以为检测数据提供存储空间以及算力支持,同时通过对原始检测数据的预处理和分类处理,便于与碳排放企业各项能源的标准碳排放数据进行对比分析,以此直观的准确获悉碳排放企业的碳排放是否合格,并能根据判断结果进行精准及时的管控,进而在一定程度上提升碳排放监测和管控的效率和效果,为碳排放企业的减碳措施的落实带来便捷,并避免因碳排放不达标而对环境造成污染。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的监测与管控方法流程示意图。
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
参见图1,本实施例提供了一种基于区块链的碳排放监测与管控方法,包括以下步骤:
步骤一:先选定待监测管控的碳排放企业,接着在选定的碳排放企业的所有温室气体排放位置布置温室气体检测装置,并保证温室气体检测装置的检测端位于温室气体排放口的排气通道上,以保证可以准确检测温室气体,再利用布置的温室气体检测装置对碳排放企业工业生产过程中产生的温室气体进行实时检测,并生成对应的温室气体检测数据,生成的温室气体检测数据临时存储再本地存储器中,本地存储器在存储检测数据的同时将检测数据上传至云存储平台,使检测数据得到云端备份,避免发生数据丢失;
温室气体检测装置为温室气体排放分析仪,温室气体排放分析仪测量包括CO2、CH4和N2O在内的温室气体以及烟气中的CO气体浓度变化,以反应实际的温室气体排放量,浓度越高则代表排放量越大;
步骤二:先对步骤一中生成的温室气体检测数据进行提取,并采用数字滤波技术对原始检测数据进行滤波降噪预处理,从而使检测数据得到清洗,以去除数据干扰,便于后续分析处理,数字滤波技术为中值滤波法、加权平均滤波法或卡尔曼滤波法中的其中一种,本实施例选用加权平均滤波法,接着采用决策树分类器对预处理后的检测数据进行数据分类,使检测数据各数据源得到分类,便于后续对比分析以及溯源定位,并在分类处理后通过无线网上传至区块链的各区块体中;
步骤三:先获取碳排放企业在工业生产过程中各项能源的实际消耗量数据,再根据获取的各项能源实际消耗量数据以及各项能源对应的碳排放系数计算出各项能源的标准碳排放量,并作为对比数据备用,以计算出的标准碳排放量作为合格数据,具备代表性,便于与检测数据进行对比,采集的各项能源的实际消耗量数据包括一次能源实际消耗量数据和二次能源实际消耗量数据,一次能源实际消耗量数据为天然气、柴油和汽油的实际消耗量,二次能源实际消耗量数据为电能的实际消耗量,一次能源的标准碳排放量计算公式为:
其中,E一次为一次能源的标准碳排放量,NCVn为第n种一次能源的平均低位发热量,FCn为一次能源消耗量,CCn为第n种一次能源的单位热值含碳量,OFn为第n种一次能源的碳氧化率,二次能源的标准碳排放量计算公式为:
其中,E二次为二次能源的标准碳排放量,ADp为电力消耗量,EFp,i为当地电网温室气体排放系数,GWPi为温室气体i的100年全球变暖潜能值;
步骤四:将步骤三中得到的对比数据与步骤二中存储在区块链的各区块体中的分类数据进行对比分析,再根据对比分析结果判断获取的温室气体实时检测数据是否满足监测预警条件,若判断结果满足条件,则触发报警器进行预警警告,若判断结果不满足条件,则不触发报警器并继续对企业的温室气体排放情况进行检测,通过将原始检测数据与碳排放企业各项能源的标准碳排放数据进行对比分析,以此直观的准确获悉碳排放企业的碳排放是否合格;
步骤五:根据步骤四中的监测预警条件判断结果,利用区块链对触发监测预警条件的分类数据进行追踪,并定位触发监测预警条件的具体数据来源,最后根据定位的具体数据来源对该数据源位置对应的碳排放设备进行减碳调整和管控,使其满足碳排放标准,根据判断结果进行精准及时的管控,进而在一定程度上提升碳排放监测和管控的效率和效果,对生产设备进行减碳调整和管控的过程进行记录并生成对应的管控日志,生成的管控日志再上传至区块链的各区块体中进行备份,便于监测工作人员进行历史管控查询,使监测及管控工作具备可溯性。
实施例二
参见图1,本实施例提供了一种基于区块链的碳排放监测与管控方法,包括以下步骤:
步骤一:先选定待监测管控的碳排放企业,接着在选定的碳排放企业的所有温室气体排放位置布置温室气体检测装置,并保证温室气体检测装置的检测端位于温室气体排放口的排气通道上,以保证可以准确检测温室气体,再利用布置的温室气体检测装置对碳排放企业工业生产过程中产生的温室气体进行实时检测,并生成对应的温室气体检测数据,生成的温室气体检测数据临时存储再本地存储器中,本地存储器在存储检测数据的同时将检测数据上传至云存储平台,使检测数据得到云端备份,避免发生数据丢失;
温室气体检测装置为温室气体排放分析仪,温室气体排放分析仪测量包括CO2、CH4和N2O在内的温室气体以及烟气中的CO气体浓度变化,以反应实际的温室气体排放量,浓度越高则代表排放量越大;
步骤二:先对步骤一中生成的温室气体检测数据进行提取,并采用数字滤波技术对原始检测数据进行滤波降噪预处理,从而使检测数据得到清洗,以去除数据干扰,便于后续分析处理,数字滤波技术为中值滤波法、加权平均滤波法或卡尔曼滤波法中的其中一种,本实施例选用卡尔曼滤波法,接着采用选择树分类器对预处理后的检测数据进行数据分类,使检测数据各数据源得到分类,便于后续对比分析以及溯源定位,并在分类处理后通过无线网上传至区块链的各区块体中;
步骤三:先获取碳排放企业在工业生产过程中各项能源的实际消耗量数据,再根据获取的各项能源实际消耗量数据以及各项能源对应的碳排放系数计算出各项能源的标准碳排放量,并作为对比数据备用,以计算出的标准碳排放量作为合格数据,具备代表性,便于与检测数据进行对比,采集的各项能源的实际消耗量数据包括一次能源实际消耗量数据和二次能源实际消耗量数据,一次能源实际消耗量数据为天然气、柴油和汽油的实际消耗量,二次能源实际消耗量数据为电能的实际消耗量,一次能源的标准碳排放量计算公式为:
其中,E一次为一次能源的标准碳排放量,NCVn为第n种一次能源的平均低位发热量,FCn为一次能源消耗量,CCn为第n种一次能源的单位热值含碳量,OFn为第n种一次能源的碳氧化率,二次能源的标准碳排放量计算公式为:
其中,E二次为二次能源的标准碳排放量,ADp为电力消耗量,EFp,i为当地电网温室气体排放系数,GWPi为温室气体i的100年全球变暖潜能值;
步骤四:将步骤三中得到的对比数据与步骤二中存储在区块链的各区块体中的分类数据进行对比分析,再根据对比分析结果判断获取的温室气体实时检测数据是否满足监测预警条件,若判断结果满足条件,则触发报警器进行预警警告,若判断结果不满足条件,则不触发报警器并继续对企业的温室气体排放情况进行检测,通过将原始检测数据与碳排放企业各项能源的标准碳排放数据进行对比分析,以此直观的准确获悉碳排放企业的碳排放是否合格;
步骤五:根据步骤四中的监测预警条件判断结果,利用区块链对触发监测预警条件的分类数据进行追踪,并定位触发监测预警条件的具体数据来源,最后根据定位的具体数据来源对该数据源位置对应的碳排放设备进行减碳调整和管控,使其满足碳排放标准,根据判断结果进行精准及时的管控,进而在一定程度上提升碳排放监测和管控的效率和效果,对生产设备进行减碳调整和管控的过程进行记录并生成对应的管控日志,生成的管控日志再上传至区块链的各区块体中进行备份,便于监测工作人员进行历史管控查询,使监测及管控工作具备可溯性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于区块链的碳排放监测与管控方法,其特征在于,包括以下步骤:
步骤一:先选定待监测管控的碳排放企业,接着在选定的碳排放企业的所有温室气体排放位置布置温室气体检测装置,并保证温室气体检测装置的检测端位于温室气体排放口的排气通道上,再利用布置的温室气体检测装置对碳排放企业工业生产过程中产生的温室气体进行实时检测,并生成对应的温室气体检测数据;
步骤二:先对步骤一中生成的温室气体检测数据进行提取,并对提取的检测数据进行滤波降噪预处理,接着对预处理后的检测数据进行数据分类,并在分类处理后通过无线网上传至区块链的各区块体中;
步骤三:先获取碳排放企业在工业生产过程中各项能源的实际消耗量数据,再根据获取的各项能源实际消耗量数据以及各项能源对应的碳排放系数计算出各项能源的标准碳排放量,并作为对比数据备用;
步骤四:将步骤三中得到的对比数据与步骤二中存储在区块链的各区块体中的分类数据进行对比分析,再根据对比分析结果判断获取的温室气体实时检测数据是否满足监测预警条件,若判断结果满足条件,则触发报警器进行预警警告;
步骤五:根据步骤四中的监测预警条件判断结果,利用区块链对触发监测预警条件的分类数据进行追踪,并定位触发监测预警条件的具体数据来源,最后根据定位的具体数据来源对该数据源位置对应的碳排放设备进行减碳调整和管控,使其满足碳排放标准。
2.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤一中,所述温室气体检测装置为温室气体排放分析仪,所述温室气体排放分析仪测量包括CO2、CH4和N2O在内的温室气体以及烟气中的CO气体浓度变化,以反应实际的温室气体排放量。
3.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤一中,生成的温室气体检测数据临时存储再本地存储器中,本地存储器在存储检测数据的同时将检测数据上传至云存储平台。
4.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤二中,采用数字滤波技术对原始检测数据进行滤波降噪预处理,所述数字滤波技术为中值滤波法、加权平均滤波法或卡尔曼滤波法中的其中一种。
5.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤二中,采用分类器对预处理后的检测数据进行数据分类,所述分类器选自决策树分类器或选择树分类器中的其中一种。
6.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤三中,采集的各项能源的实际消耗量数据包括一次能源实际消耗量数据和二次能源实际消耗量数据,所述一次能源实际消耗量数据为天然气、柴油和汽油的实际消耗量,所述二次能源实际消耗量数据为电能的实际消耗量,所述一次能源的标准碳排放量计算公式为:
其中,E一次为一次能源的标准碳排放量,NCVn为第n种一次能源的平均低位发热量,FCn为一次能源消耗量,CCn为第n种一次能源的单位热值含碳量,OFn为第n种一次能源的碳氧化率,所述二次能源的标准碳排放量计算公式为:
其中,E二次为二次能源的标准碳排放量,ADp为电力消耗量,EFp,i为当地电网温室气体排放系数,GWPi为温室气体i的100年全球变暖潜能值。
7.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤四中,判断是否满足监测预警条件时,若判断结果不满足条件,则不触发报警器并继续对企业的温室气体排放情况进行检测。
8.根据权利要求1所述的一种基于区块链的碳排放监测与管控方法,其特征在于:所述步骤五中,对生产设备进行减碳调整和管控的过程进行记录并生成对应的管控日志,生成的管控日志再上传至区块链的各区块体中进行备份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031003.0A CN115905412A (zh) | 2023-01-10 | 2023-01-10 | 一种基于区块链的碳排放监测与管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310031003.0A CN115905412A (zh) | 2023-01-10 | 2023-01-10 | 一种基于区块链的碳排放监测与管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115905412A true CN115905412A (zh) | 2023-04-04 |
Family
ID=86493492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310031003.0A Pending CN115905412A (zh) | 2023-01-10 | 2023-01-10 | 一种基于区块链的碳排放监测与管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115905412A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866856A (zh) * | 2019-12-24 | 2020-03-06 | 赫普能源环境科技有限公司 | 一种钢铁企业温室气体排放监测系统及方法 |
CN113063898A (zh) * | 2021-03-24 | 2021-07-02 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 基于区块链的火电站碳排放监测方法及系统 |
CN113282868A (zh) * | 2020-02-20 | 2021-08-20 | 赫普能源环境科技股份有限公司 | 一种火电厂度电碳排放强度在线监测系统及计算分析方法 |
CN114417435A (zh) * | 2022-03-31 | 2022-04-29 | 广东省特种设备检测研究院顺德检测院 | 一种基于区块链的控排企业碳排放数据监管系统及方法 |
CN114596154A (zh) * | 2022-01-12 | 2022-06-07 | 上海祺鲲信息科技有限公司 | 一种碳排放核证方法及系统 |
CN115147204A (zh) * | 2022-06-29 | 2022-10-04 | 中国银行股份有限公司 | 一种碳排放数据处理方法、装置及设备 |
CN115473924A (zh) * | 2022-10-17 | 2022-12-13 | 中科碳控(北京)科技有限公司 | 一种基于物联网区块链的碳排放计量系统 |
-
2023
- 2023-01-10 CN CN202310031003.0A patent/CN115905412A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866856A (zh) * | 2019-12-24 | 2020-03-06 | 赫普能源环境科技有限公司 | 一种钢铁企业温室气体排放监测系统及方法 |
CN113282868A (zh) * | 2020-02-20 | 2021-08-20 | 赫普能源环境科技股份有限公司 | 一种火电厂度电碳排放强度在线监测系统及计算分析方法 |
CN113063898A (zh) * | 2021-03-24 | 2021-07-02 | 中国大唐集团科学技术研究院有限公司中南电力试验研究院 | 基于区块链的火电站碳排放监测方法及系统 |
CN114596154A (zh) * | 2022-01-12 | 2022-06-07 | 上海祺鲲信息科技有限公司 | 一种碳排放核证方法及系统 |
CN114417435A (zh) * | 2022-03-31 | 2022-04-29 | 广东省特种设备检测研究院顺德检测院 | 一种基于区块链的控排企业碳排放数据监管系统及方法 |
CN115147204A (zh) * | 2022-06-29 | 2022-10-04 | 中国银行股份有限公司 | 一种碳排放数据处理方法、装置及设备 |
CN115473924A (zh) * | 2022-10-17 | 2022-12-13 | 中科碳控(北京)科技有限公司 | 一种基于物联网区块链的碳排放计量系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106888205B (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
CN110543903B (zh) | 一种gis局部放电大数据系统的数据清洗方法及系统 | |
CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
CN115310843A (zh) | 一种用于电力作业安全的环境监测预警方法及装置和设备 | |
CN112529240A (zh) | 一种大气环境数据的预测方法、系统、装置及存储介质 | |
CN110908957A (zh) | 电力行业网络安全日志审计分析方法 | |
CN116976561A (zh) | 高压电缆类设备全生命周期碳足迹核算方法 | |
CN115563880A (zh) | 一种基于Isolated forest-变点增强的企业用电异常检测方法 | |
CN114397526A (zh) | 状态全息感知数据驱动的电力变压器故障预测方法及系统 | |
CN113295826B (zh) | 一种基于车联网的机动车尾气排放测试管理系统及智能诊断方法 | |
CN115905412A (zh) | 一种基于区块链的碳排放监测与管控方法 | |
Brown-Steiner et al. | Maximizing ozone signals among chemical, meteorological, and climatological variability | |
CN117649123A (zh) | 一种智慧园区管理系统 | |
CN111597510A (zh) | 一种输变电运检数据质量评估方法及系统 | |
CN116862109A (zh) | 一种区域碳排放态势感知预警方法 | |
CN115409483B (zh) | 一种针对大气污染源的追溯方法及系统 | |
CN111177127A (zh) | 一种基于bp神经网络的光伏电站出力数据修复方法 | |
Janković et al. | Time series prediction of air pollutants: a case study for Serbia, Bosnia and Herzegovina and Italy | |
CN114970977A (zh) | 数字化城市空气质量监测数据的异常数据检测方法及系统 | |
Mokshin et al. | Using convolutional neural networks to monitor security at an industrial facility | |
Kekulanadara et al. | Comparative Analysis of Machine Learning Algorithms for Predicting Air Quality Index | |
Ahmed et al. | A review of machine learning models in the air quality research | |
Priscila et al. | A Study on Different Hybrid Deep Learning Approaches to Forecast air Pollution Concentration of Particulate Matter | |
Geetha | Prediction Of Concentration of Air Pollution Using Deep and Machine Learning | |
CN117952440B (zh) | 化工园区生产环境监管方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230404 |