CN116167659B - 一种碳市场碳排放数据质量评价方法 - Google Patents
一种碳市场碳排放数据质量评价方法 Download PDFInfo
- Publication number
- CN116167659B CN116167659B CN202310172198.0A CN202310172198A CN116167659B CN 116167659 B CN116167659 B CN 116167659B CN 202310172198 A CN202310172198 A CN 202310172198A CN 116167659 B CN116167659 B CN 116167659B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- evaluation
- carbon
- index
- site
- 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.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 302
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 302
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013441 quality evaluation Methods 0.000 title abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 155
- CNYFJCCVJNARLE-UHFFFAOYSA-L calcium;2-sulfanylacetic acid;2-sulfidoacetate Chemical compound [Ca+2].[O-]C(=O)CS.[O-]C(=O)CS CNYFJCCVJNARLE-UHFFFAOYSA-L 0.000 claims abstract description 11
- 238000010972 statistical evaluation Methods 0.000 claims abstract description 6
- 230000002087 whitening effect Effects 0.000 claims description 28
- 238000010248 power generation Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Abstract
本发明公开了一种碳市场碳排放数据质量评价方法，涉及碳排放数据监测评价技术领域。该方法包括：接收多个评价对象的评价请求，选取多个评价指标用于评价评价对象的碳排放数据质量；利用本德福定律，测度各个评价对象的各个评价指标的指标值；根据各个评价对象的各个评价指标的指标值，采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个评价对象的碳排放数据质量的评价指标的集成值；对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级。该实施方式能够快速、高效、准确地对碳排放数据的质量等级进行评估，降低碳排放数据监管的主观性，为碳排放数据的精细化管理提供参考，保证碳市场规范运行。
Description
技术领域
本发明属于碳排放数据监测评价技术领域，具体涉及一种碳市场碳排放数据质量评价方法。
背景技术
随着碳中和理念的提出，对碳排放量的监测逐渐成为碳市场的重要关注对象，指导着碳市场的有效规范运行。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。
现有的碳排放量监测和报告过程中，由于碳排放数据的准确性受人为因素影响较大，使得碳排放数据质量存在一定程度的造假风险，目前对碳排放数据准确性的判断主要依靠人工主观监管，无法对碳排放数据的质量等级进行有效定量评估，若不能有效监管碳排放数据质量，会严重危害碳市场的规范运行。
发明内容
有鉴于此，本发明提供了一种碳市场碳排放数据质量评价方法，能够快速、高效、准确地对碳排放数据的质量等级进行评估，降低碳排放数据监管的主观性对碳排放数据的准确性判定的影响，以为碳排放数据的精细化管理提供参考，保证碳市场的规范化运行。
实现本发明的技术方案如下：
一种碳市场碳排放数据质量评价方法，包括：
接收多个评价对象的评价请求，选取多个评价指标用于评价所述评价对象的碳排放数据质量；其中，所述评价请求包括所述评价对象的碳排放数据；
利用本福德定律，测度各个所述评价对象的各个所述评价指标的指标值；
根据各个所述评价对象的各个所述评价指标的指标值，采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个所述评价对象的碳排放数据质量的评价指标的集成值；
对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级。
可选地，所述测度各个所述评价对象的各个所述评价指标的指标值，包括：
根据所述评价对象的碳排放数据，构建所述评价对象的各个评价指标的碳排放数据序列其中，i表示碳排放地点的地点标识，i＝1,2,3,…,n，n为碳排放地点的个数；j表示碳排放的类型标识，j＝1,2,3,…,m，m为碳排放类型的个数；/>表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列；Tij表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列的元素个数；
统计所述碳排放数据序列中各个元素的首位数字1至9出现的频次α；
计算所述本福特定律中数字1至9出现的频次其中，b＝1,2,3,4,5,6,7,8,9；
根据所述碳排放数据序列的元素个数Tij、以及所述频次α与所述频次β之差，计算所述评价对象的各个所述评价指标的中间值/>λ＝1,2,3,...,7,8,9；
将所述评价对象的各个所述评价指标的中间值γij与预设的显著水平γ*之差，作为所述评价对象的各个所述评价指标的指标值xij；其中，xij表示第i个碳排放地点的第j种类型碳排放的评价指标的指标值。
可选地，所述采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个所述评价对象的碳排放数据质量的评价指标的集成值，包括：
利用线性加权和法计算各个碳排放地点的线性指标集成值其中，wj表示第j个类型碳排放的评价指标的权重，/>yij是第i个碳排放地点的第j个类型碳排放的评价指标的指标值的无量纲值；
通过TOPSIS逼近理想解法计算各个碳排放地点的理想指标集成值U″i；
采取VIKOR折中妥协法计算各个碳排放地点的妥协指标集成值U″′i。
可选地，所述通过TOPSIS逼近理想解法计算各个碳排放地点的理想指标集成值U″i，包括：
分别计算各个碳排放地点与正理想解的欧式距离以及各个碳排放地点与负理想解的欧式距离/>其中，/>是正理想解的分值，/>是负理想解的分值；
根据碳排放地点与正负理想解的欧式距离计算各个碳排放地点的理想指标集成值/>
可选地，所述采取VIKOR折中妥协法计算各个碳排放地点的妥协指标集成值U″′i，包括：
分别计算各个碳排放地点的最大群体效益值和最小个体遗憾值/>
根据所述最大群体效益值Si和所述最小个体遗憾值Ri，计算各个碳排放地点的妥协指标集成值其中，v是决策系数。
可选地，所述对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级，包括：
建立灰类评分标准k；其中，k＝1,2,…,z，z表示灰类的分级个数；
分别计算各个碳排放地点的所述线性指标集成值U′i、所述理想指标集成值U″i、所述妥协指标集成值U″′i的白化统计量dhi；其中，h为指标集成值的类型，h＝1表示线性指标集成值U′i，d1i＝U′i、h＝2表示理想指标集成值U″i，d2i＝U″i、h＝3表示妥协指标集成值U″′i，d3i＝1-U″′i；
根据全部碳排放地点的全部指标集成值的白化统计量dhi的均值d和标准差σ，构建不同灰类等级下的所述白化统计量dhi的灰类白化函数f1(dhi)、f2(dhi)、…、fz(dhi)，计算各个所述白化统计量dhi的函数值；
根据所述白化统计量dhi的函数值，确定各个碳排放地点属于不同灰类等级的分类系数计算各个碳排放地点属于不同灰类等级的评估权值/>
将碳排放地点的评估权值ωik的最大值作为碳排放地点的综合评价值所述综合评价值/>对应的灰类等级即为碳排放地点的碳排放数据质量的质量等级。
可选地，所述评价指标包括国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放。
有益效果：
(1)本发明的碳排放数据质量的评价方法可以为碳排放数据的质量评估提供参考，确定各个评价对象的碳排放数据的质量等级，从而提高碳核查效率，有助于规范碳市场的运行。
(2)本发明的碳排放数据质量的评价方法融合多种评价方法，提高了碳排放数据质量评价的丰富性、准确性和均衡性。
(3)本发明的碳排放数据质量的评价方法直接利用评价对象的原始碳排放数据即可进行评估，评估速度高效且准确，决策者可以自主选择评价指标、决定各个评价指标的重要性，适用于各种碳排放数据的监测环境和评价场景。
(4)本发明的碳排放数据质量的评价方法采用灰色统计白化函数识别碳排放数据的质量等级，大大降低人为主观因素对碳排放数据质量的评估影响，评估结果准确，兼顾了确定性和灰色性(或称不确定性)，更符合实际应用。
附图说明
图1为根据本发明实施例的碳市场碳排放数据质量评价方法的主要流程的示意图。
图2为根据本发明实施例的评价对象的评价指标的指标值的计算方法的主要流程的示意图；
图3为根据本发明实施例的评价指标的指标集成值的确定方法的主要流程的示意图；
图4为根据本发明实施例的灰色统计评估分级方法的主要流程的示意图；
图5为根据本发明实施例的第1类白化函数的示意图；
图6为根据本发明实施例的第2类白化函数的示意图；
图7为根据本发明实施例的第3类白化函数的示意图；
图8为根据本发明实施例的碳市场碳排放数据质量评价软件的指标集成值的界面示意图；
图9为根据本发明实施例的碳市场碳排放数据质量评价软件的评价结果的界面示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种碳市场碳排放数据质量评价方法，如图1所示，本发明的碳市场碳排放数据质量评价方法包括如下步骤：
步骤11，接收多个评价对象的评价请求，选取多个评价指标用于评价所述评价对象的碳排放数据质量；其中，所述评价请求包括所述评价对象的碳排放数据。
示例性地，在选取碳排放数据质量的评价指标时，根据实际监测需求，选择多个评价指标对多个评价对象的碳排放数据质量进行综合评价，评价对象可以是各个监测地点、评价指标可以是各个监测地点的不同类型的碳排放。其中，实际监测需求可以是根据碳排放权的交易管理规定确定的。
进一步地，评价对象包括地点1、地点2、…、地点6，选取的评价指标包括国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放。
示例性地，碳排放数据包括评价对象在预设评价周期内每单位时间的国内航运CO2排放量、地面运输CO2排放量、工业CO2排放量、国际航运CO2排放量、发电CO2排放量和居民CO2排放量，比如，预设评价周期为3年零8个月，单位时间为1天，地点1的碳排放数据包括20190101-20220831内每天的国内航运CO2排放量：“20190101-DA-23.7501”、“20190102-DA-32.9052”、
“20190103-DA-33.3828”、“20190104-DA-32.8540”、“20190105-DA-31.2063”、…、“20220826-DA-31.8228”、“20220827-DA-29.6211”、“20220828-DA-26.3658”、“20220829-DA-30.6370”、“20220830-DA-29.2184”、“20220831-DA-30.1273”，其中，DA表示DomesticAviation，即国内航运。
步骤12，利用本福德定律，测度各个所述评价对象的各个所述评价指标的指标值。
本福特定律(Benford Law)也称为本福特法则，说明一堆从实际生活得出的数据中，以1为首位数字的数的出现概率约为总数的三成，接近期望值1/9的3倍。推广来说，越大的数，以它为首几位的数出现的概率就越低。因此，本福特定律可以用于对样本量大的数据的真实性进行评判。
示例性地，实际监测得到的碳排放数据通常是海量的，因此，利用本福特定律测度碳排放数据的评价指标的指标值，以对碳排放数据的真实性进行校验，如图2所示，本发明的评价对象的评价指标的指标值的计算方法包括如下步骤：
步骤21，根据所述评价对象的碳排放数据，构建所述评价对象的各个评价指标的碳排放数据序列
示例性地，i表示碳排放地点的地点标识，i＝1,2,3,…,n，n为碳排放地点的个数；j表示碳排放的类型标识，j＝1,2,3,…,m，m为碳排放类型的个数；表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列；Tij表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列的元素个数。比如，地点1的国内航运碳排放的碳排放数据序列 碳排放数据序列/>包括1339个元素，23.7501为第1个元素，相应地，23.7501对应的T11＝1。
步骤22，统计所述碳排放数据序列中各个元素的首位数字1至9出现的频次α。
示例性地，根据碳排放数据序列中各个元素的首位数字，确定碳排放数据序列的首位数字1至9出现的频次α；其中，首位数字的频次α为首位数字出现的次数与碳排放数据序列/>的元素个数的比值。比如，地点1的国内航运碳排放的碳排放数据序列/>中，T11＝1元素的首位数字为2、T11＝2元素的首位数字为3、T11＝3元素的首位数字为3、T11＝4元素的首位数字为3、T11＝5元素的首位数字为3、……，经过统计，得到碳排放数据序列/>中首位数字1至9出现的频次α＝[0.15907，0.54817，0.23077，0.01867，0.00822，0.01046，0.00747，0.00747，0.00971]。
步骤23，计算所述本福特定律中数字1至9出现的频次β。
示例性地，本福特定律中数字1至9出现的频次β如下式(1)所示：
上式中，b＝1,2,3,4,5,6,7,8,9，也即，β＝[0.30103，0.17609，0.12494，0.09691，0.07918，0.06695，0.05799，0.05115，0.04576]。
步骤24，根据所述碳排放数据序列的元素个数、以及所述频次α与所述频次β之差，计算所述评价对象的各个所述评价指标的中间值γij。
示例性地，评价指标的中间值γij如下式(2)所示：
上式中，γij表示第i个碳排放地点的第j种类型碳排放的评价指标的中间值。比如，地点1的国内航运碳排放的中间值
步骤25，将所述评价对象的各个所述评价指标的中间值γij与预设的显著水平γ*之差，作为所述评价对象的各个所述评价指标的指标值xij。
示例性地，xij表示第i个碳排放地点的第j种类型碳排放的评价指标的指标值，如下式(3)所示：
| xij＝γij-γ* | (3) |
上式中，不同统计方法下的显著水平的值如下表1所示：
表1
显著性水平用于估计总体参数落在某一区间内可能犯错误的概率，假设检验时事先确定一个可允许的作为判断界限的小概率标准。比如，选取Cho–Gaines's d统计方法、显著水平为0.01，则地点1的国内航运碳排放的指标值x11＝γ11-γ*＝15.94619-1.569＝14.37719391。
示例性地，以评价对象为地点1至地点6，评价指标包括国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放为例，测度得到的碳排放数据质量的评价指标的指标值如下表2所示：
表2
步骤13，根据各个所述评价对象的各个所述评价指标的指标值，采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个所述评价对象的碳排放数据质量的评价指标的集成值。
在本发明实施例中，如图3所示，本发明的评价指标的指标集成值的确定方法包括如下步骤：
步骤31，利用线性加权和法计算各个碳排放地点的线性指标集成值U′i。
示例性地，第i个碳排放地点的线性指标集成值U′i如下式(4)所示：
上式中，wj表示第j个类型碳排放的评价指标的权重，需要说明的是，各个类型碳排放的评价指标的权重可以由决策者根据实际评价需求进行选择性设置；yij是第i个碳排放地点的第j个类型碳排放的评价指标的指标值进行规范化处理后的无量纲值。
步骤32，通过TOPSIS逼近理想解法计算各个碳排放地点的理想指标集成值U″i。
步骤321，分别计算各个碳排放地点与正理想解的欧式距离以及各个碳排放地点与负理想解的欧式距离/>
示例性地，第i个碳排放地点与正理想解的欧式距离以及各个碳排放地点与负理想解的欧式距离/>如下式(5)所示：
上式中，是正理想解的分值，表示各个类型碳排放的评价指标的无量纲指标值的最大值；/>是负理想解的分值，表示各个类型碳排放的评价指标的无量纲指标值的最小值。
步骤322，根据碳排放地点与正负理想解的欧式距离计算各个碳排放地点的理想指标集成值Ui″。
示例性地，第i个碳排放地点的理想指标集成值Ui″如下式(6)所示：
上式中，理想指标集成值Ui″表示第i个碳排放地点与理想点贴近度。
步骤33，采取VIKOR折中妥协法计算各个碳排放地点的妥协指标集成值Ui″′。
步骤331，分别计算各个碳排放地点的最大群体效益值Si和最小个体遗憾值Ri。
示例性地，第i个碳排放地点的最大群体效益值Si如下式(7)所示：
步骤332，根据所述最大群体效益值Si和所述最小个体遗憾值Ri，计算各个碳排放地点的妥协指标集成值Ui″′。
示例性地，第i个碳排放地点的妥协指标集成值Ui″′如下式(8)所示：
上式中，v是决策系数(v∈[0,1])，需要说明的是，决策系数v可以由决策者根据实际评价需求需要进行选择性设置；妥协指标集成值Ui″′表示第i个碳排放地点的利益比率值。
在本发明实施例中，比如，以地点1至地点6的国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放取等权重并且决策系数v取0.5为例，各个碳排放地点的线性指标集成值Ui′、理想指标集成值Ui″、妥协指标集成值Ui″′如下表3所示：
表3
步骤14，对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级。
在本发明实施例中，如图4所示，本发明的灰色统计评估分级方法包括如下步骤：
步骤41，建立灰类评分标准k。
示例性地，k＝1,2,…,z，z表示灰类的分级个数，比如，灰类评分标准k的分级个数为3，对应优、中、差3个灰类等级。其中，k的值越小表示灰类等级越高，也即，k＝1表示灰类等级为优、k＝2表示灰类等级为中、k＝3表示灰类等级为差。
步骤42，分别计算各个碳排放地点的所述线性指标集成值U′i、所述理想指标集成值U″i、所述妥协指标集成值U″′i的白化统计量dhi。
示例性地，第i个碳排放地点的线性指标集成值U′i、理想指标集成值U″i、妥协指标集成值U″′i的白化统计量dhi如下式(9)所示：
上式中，h为指标集成值的类型，h＝1,2,3，h＝1表示线性指标集成值U′i、h＝2表示理想指标集成值U″i、h＝3表示妥协指标集成值U″′i。
在本发明实施例中，比如，以地点1至地点6的国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放取等权重并且决策系数v取0.5为例，各个碳排放地点的线性指标集成值U′i、理想指标集成值U″i、妥协指标集成值U″′i的白化统计量dhi如下表4所示：
表4
进一步地，线性指标集成值U′i遵循值越大优先级越高原则，理想指标集成值U″i遵循值越大优先级越高原则，妥协指标集成值U″′i遵循值越小优先级越高原则。
步骤43，根据全部碳排放地点的全部指标集成值的白化统计量dhi的均值d和标准差σ，构建不同灰类等级下的所述白化统计量dhi的灰类白化函数fk(dhi)，计算各个所述白化统计量dhi的函数值。
示例性地，3个灰类等级下的白化统计量dhi的灰类白化函数fk(dhi)如下式(10)所示：
上式中，μ为分类分辨率系数，可以根据实际评价需求进行选择性设置。
示例性地，第1类白化函数f1(dhi)如图2所示，第2类白化函数f2(dhi)如图3所示，第3类白化函数f3(dhi)如图4所示。
步骤44，根据所述白化统计量dhi的函数值，确定各个碳排放地点属于不同灰类等级的分类系数qik。
示例性地，第i个碳排放地点属于第z个灰类等级的分类系数qik如下式(11)所示：
在本发明实施例中，比如，以地点1至地点6的国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放取等权重并且决策系数v取0.5为例，各个碳排放地点属于第z个灰类等级的分类系数qik如下表5所示：
表5
步骤45，利用碳排放地点属于不同灰类等级的系数qik，计算各个碳排放地点属于不同灰类等级的评估权值ωik。
示例性地，第i个碳排放地点属于第z个灰类等级的评估权值ωik如下式(12)所示：
上式中，ωik∈[0,1]。
步骤46，将碳排放地点的评估权值ωik的最大值作为碳排放地点的综合评价值ωik*，所述综合评价值ωik*对应的灰类等级即为碳排放地点的碳排放数据质量的质量等级。
示例性地，第i个碳排放地点的综合评价值如下式(13)所示：
在本发明实施例中，比如，以地点1至地点6的国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放取等权重并且决策系数v取0.5为例，各个碳排放地点的碳排放数据质量的质量等级如下表6所示，双下划线所示即为各个碳排放地点的综合评价值：
表6
/>
在本发明实施例中，利用本发明的碳市场碳排放数据质量评价方法编写碳市场碳排放数据质量评价软件，从而在后续的碳市场运行过程中，将各个评价对象的碳排放数据输入碳市场碳排放数据质量评价软件，即可根据碳市场碳排放数据质量评价软件的输出，从如图8所示的与中间计算过程对应的软件界面得到各个评价对象的评价指标的指标集成值，从图9所示的与评价结果对应的软件界面得到各个评价对象的碳排放数据质量的质量等级。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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 (2)
1.一种碳市场碳排放数据质量评价方法，其特征在于，包括：
接收多个评价对象的评价请求，选取多个评价指标用于评价所述评价对象的碳排放数据质量；其中，所述评价请求包括所述评价对象的碳排放数据；
利用本福德定律，测度各个所述评价对象的各个所述评价指标的指标值；
根据各个所述评价对象的各个所述评价指标的指标值，采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个所述评价对象的碳排放数据质量的评价指标的集成值；
对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级；
其中，所述测度各个所述评价对象的各个所述评价指标的指标值，包括：
根据所述评价对象的碳排放数据，构建所述评价对象的各个评价指标的碳排放数据序列其中，i表示碳排放地点的地点标识，i＝1,2,3,…,n，n为碳排放地点的个数；j表示碳排放的类型标识，j＝1,2,3,…,m，m为碳排放类型的个数；/>表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列；Tij表示第i个碳排放地点的第j种类型碳排放的碳排放数据序列的元素个数；
统计所述碳排放数据序列中各个元素的首位数字1至9出现的频次α；
计算所述本福德定律中数字1至9出现的频次其中，b＝1,2,3,4,5,6,7,8,9；
根据所述碳排放数据序列的元素个数Tij、以及所述频次α与所述频次β之差，计算所述评价对象的各个所述评价指标的中间值/>λ＝1,2,3,...,7,8,9；
将所述评价对象的各个所述评价指标的中间值γij与预设的显著水平γ*之差，作为所述评价对象的各个所述评价指标的指标值xij；其中，xij表示第i个碳排放地点的第j种类型碳排放的评价指标的指标值；
所述采用线性加权和法、TOPSIS逼近理想解法和VIKOR折中妥协法计算各个所述评价对象的碳排放数据质量的评价指标的集成值，包括：
利用线性加权和法计算各个碳排放地点的线性指标集成值其中，wj表示第j个类型碳排放的评价指标的权重，/>yij是第i个碳排放地点的第j个类型碳排放的评价指标的指标值的无量纲值；
通过TOPSIS逼近理想解法计算各个碳排放地点的理想指标集成值U″i；
采取VIKOR折中妥协法计算各个碳排放地点的妥协指标集成值U″′i；
所述通过TOPSIS逼近理想解法计算各个碳排放地点的理想指标集成值U″i，包括：
分别计算各个碳排放地点与正理想解的欧式距离以及各个碳排放地点与负理想解的欧式距离/>其中，/>是正理想解的分值，是负理想解的分值；
根据碳排放地点与正负理想解的欧式距离计算各个碳排放地点的理想指标集成值/>
所述采取VIKOR折中妥协法计算各个碳排放地点的妥协指标集成值U″′i，包括：
分别计算各个碳排放地点的最大群体效益值和最小个体遗憾值/>其中，/>是正理想解的分值，/>是负理想解的分值；
分别计算各个碳排放地点的最大群体效益值和最小个体遗憾值/>
根据所述最大群体效益值Si和所述最小个体遗憾值Ri，计算各个碳排放地点的妥协指标集成值其中，v是决策系数；
所述对各个碳排放地点进行灰色统计评估分级，得到各个碳排放地点的碳排放数据质量的质量等级，包括：
建立灰类评分标准k；其中，k＝1,2,…,z，z表示灰类的分级个数；
分别计算各个碳排放地点的所述线性指标集成值U′i、所述理想指标集成值U″i、所述妥协指标集成值U″′i的白化统计量dhi；其中，h为指标集成值的类型；h＝1表示线性指标集成值U′i，d1i＝U′i；h＝2表示理想指标集成值U″i，d2i＝U″i；h＝3表示妥协指标集成值U″′i，d3i＝1-Ui″′；
根据全部碳排放地点的全部指标集成值的白化统计量dhi的均值和标准差σ，构建不同灰类等级下的所述白化统计量dhi的灰类白化函数f1(dhi)、f2(dhi)、…、fz(dhi)，计算各个所述白化统计量dhi的函数值；
根据所述白化统计量dhi的函数值，确定各个碳排放地点属于不同灰类等级的分类系数计算各个碳排放地点属于不同灰类等级的评估权值/>
将碳排放地点的评估权值ωik的最大值作为碳排放地点的综合评价值所述综合评价值/>对应的灰类等级即为碳排放地点的碳排放数据质量的质量等级。
2.如权利要求1所述的方法，其特征在于，所述评价指标包括国内航运碳排放、地面运输碳排放、工业碳排放、国际航运碳排放、发电碳排放和居民碳排放。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310172198.0A CN116167659B (zh) | 2023-02-16 | 2023-02-16 | 一种碳市场碳排放数据质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310172198.0A CN116167659B (zh) | 2023-02-16 | 2023-02-16 | 一种碳市场碳排放数据质量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116167659A CN116167659A (zh) | 2023-05-26 |
| CN116167659B true CN116167659B (zh) | 2023-12-01 |
Family
ID=86416117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310172198.0A Active CN116167659B (zh) | 2023-02-16 | 2023-02-16 | 一种碳市场碳排放数据质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116167659B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610663A (zh) * | 2023-07-17 | 2023-08-18 | 成都岷山绿氢能源有限公司 | 一种碳监测数据质量评估方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855386A (zh) * | 2012-07-31 | 2013-01-02 | 北京市市政工程设计研究总院 | 一种人行道和非机动车道评价方法及装置 |
| CN107220498A (zh) * | 2017-05-26 | 2017-09-29 | 中南大学 | 一种机械材料评价方法及其系统 |
| CN107862603A (zh) * | 2017-11-27 | 2018-03-30 | 北京艾信运通技术有限公司 | 一种财务报表可信度评估方法及装置 |
| CN109118093A (zh) * | 2018-08-17 | 2019-01-01 | 中国科学院地理科学与资源研究所 | 一种评估碳排放经济影响的方法 |
| CN110321376A (zh) * | 2019-03-19 | 2019-10-11 | 北京信息科技大学 | 一种基于本福特定律的数据造假排查方法 |
| CN111639411A (zh) * | 2020-04-17 | 2020-09-08 | 温州大学 | 一种基于electre和vikor法的电磁铁多质量特性决策方法 |
| CN113157684A (zh) * | 2021-05-13 | 2021-07-23 | 中山大学 | 一种水利海量数据的查错方法 |
| CN115310859A (zh) * | 2022-08-31 | 2022-11-08 | 国网吉林省电力有限公司白城供电公司 | 一种城市碳排放效益评价方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2454559B1 (de) * | 2009-07-13 | 2013-05-01 | Siemens Aktiengesellschaft | Verfahren zur plausibilitätsprüfung von digitalen messsignalen |
| US11921570B2 (en) * | 2020-09-21 | 2024-03-05 | Dell Products L.P. | Device failure prediction using filter-based feature selection and a conformal prediction framework |
-
2023
- 2023-02-16 CN CN202310172198.0A patent/CN116167659B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102855386A (zh) * | 2012-07-31 | 2013-01-02 | 北京市市政工程设计研究总院 | 一种人行道和非机动车道评价方法及装置 |
| CN107220498A (zh) * | 2017-05-26 | 2017-09-29 | 中南大学 | 一种机械材料评价方法及其系统 |
| CN107862603A (zh) * | 2017-11-27 | 2018-03-30 | 北京艾信运通技术有限公司 | 一种财务报表可信度评估方法及装置 |
| CN109118093A (zh) * | 2018-08-17 | 2019-01-01 | 中国科学院地理科学与资源研究所 | 一种评估碳排放经济影响的方法 |
| CN110321376A (zh) * | 2019-03-19 | 2019-10-11 | 北京信息科技大学 | 一种基于本福特定律的数据造假排查方法 |
| CN111639411A (zh) * | 2020-04-17 | 2020-09-08 | 温州大学 | 一种基于electre和vikor法的电磁铁多质量特性决策方法 |
| CN113157684A (zh) * | 2021-05-13 | 2021-07-23 | 中山大学 | 一种水利海量数据的查错方法 |
| CN115310859A (zh) * | 2022-08-31 | 2022-11-08 | 国网吉林省电力有限公司白城供电公司 | 一种城市碳排放效益评价方法 |
Non-Patent Citations (5)
| Title |
|---|
| Research and Analysis of carbon Trading Information Disclosure quality on Equity financing cost‐‐ taking New Energy Industry as an example;Jiao Xu 等;《2021 3rd International Conference on Machine Learning, Big Data and Business Intelligence (MLBDBI)》;648-653 * |
| 中国碳排放的空间分布格局——基于极化指数的分析;陈浩 等;《城市与环境研究》;第1卷(第01期);68-79 * |
| 基于Benford法则的房地产企业财务指标数据质量评价;冯涛;《财会通讯》(第29期);56-60 * |
| 基于改进的主成分回归模型的碳排放预测研究;王兵 等;《中国人口·资源与环境》;第24卷;69-74 * |
| 面向移动商务的多维异质推荐信任评估模型;徐军;;运筹与管理(第06期);155-162 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116167659A (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
| CN111950918B (zh) | 一种基于电力交易数据的市场风险评估方法 | |
| CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
| CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
| CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
| CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
| CN106327062A (zh) | 一种配电网设备的状态评估方法 | |
| CN109670676A (zh) | 基于支持向量数据描述的配网台区风险预警方法及系统 | |
| CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
| CN116167659B (zh) | 一种碳市场碳排放数据质量评价方法 | |
| CN107967571A (zh) | 基于熵权法的指标体系生成方法 | |
| CN116579768B (zh) | 一种发电厂在线仪表运维管理方法及系统 | |
| CN115543973B (zh) | 一种基于知识谱图与机器学习的数据质量规则推荐方法 | |
| CN114862139A (zh) | 一种基于数据驱动的台区线损率异常诊断方法 | |
| CN111179576B (zh) | 一种具有归纳学习的用电信息采集故障诊断方法及系统 | |
| CN113837578B (zh) | 一种电力监理企业网格化监督管理评价方法 | |
| CN110096723B (zh) | 基于运维检测大数据的高压开关柜绝缘状态分析方法 | |
| CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
| CN112101761A (zh) | 清洁低碳、安全高效的能源体系建设成效综合评价方法 | |
| CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
| CN114167837B (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
| CN113256092B (zh) | 基于改进优化隶属度函数的便携式电量计量装置评估方法 | |
| CN113610444A (zh) | 一种基于指标关联度的农业现代化发展水平的评价方法 | |
| CN112464168A (zh) | 一种综合能源潜力用户靶向评估提取方法 | |
| CN112507526A (zh) | 一种质子交换燃料电池系统性能预测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |