CN116187613B - 一种基于大数据的碳排放流实时监测系统及其方法 - Google Patents

一种基于大数据的碳排放流实时监测系统及其方法 Download PDF

Info

Publication number
CN116187613B
CN116187613B CN202310458376.6A CN202310458376A CN116187613B CN 116187613 B CN116187613 B CN 116187613B CN 202310458376 A CN202310458376 A CN 202310458376A CN 116187613 B CN116187613 B CN 116187613B
Authority
CN
China
Prior art keywords
data
monitoring
water
concentration
carbon
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
Application number
CN202310458376.6A
Other languages
English (en)
Other versions
CN116187613A (zh
Inventor
高国辉
李春涛
庄圣炜
韩业钜
何仪
周世武
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 Evan Low Carbon Technology Co ltd
Original Assignee
Guangdong Evan Low Carbon Technology 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 Evan Low Carbon Technology Co ltd filed Critical Guangdong Evan Low Carbon Technology Co ltd
Priority to CN202310458376.6A priority Critical patent/CN116187613B/zh
Publication of CN116187613A publication Critical patent/CN116187613A/zh
Application granted granted Critical
Publication of CN116187613B publication Critical patent/CN116187613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的碳排放流实时监测系统及其方法，属于碳排放监测技术领域。所述系统包括通讯连接的监测模块和数据处理模块；所述监测模块包括废气排放监测单元、水体污染监测单元、植被生态监测单元和电表耦合监测单元，分别用于监测工业生产过程中废气排放情况的设备并获取废气监测数据、获取水体监测参数并通过水体监测参数计算水体监测数据、监测大面积植物环境中的二氧化碳的浓度和流量变化并生成植被监测数据以及定期采集区域电网内电表的电耗数据并根据电耗数据获取电表监测数据;所述数据处理模块用于预处理监测数据和执行数据挖掘。本发明采用多方位、广覆盖的碳排放监测，从而帮助用户更全面、准确地了解碳排放情况。

Description

一种基于大数据的碳排放流实时监测系统及其方法
技术领域
本发明涉及碳排放监测技术领域，具体是一种基于大数据的碳排放流实时监测系统及其方法。
背景技术
随着工业化进程的加速，气候变化日益加剧，碳排放问题已成为全球面临的重要挑战之一。为了有效应对气候变化，实现低碳经济和生态文明建设，加上环保法规的日益完善，企业需要对其污染排放进行常态化监管。目前，传统的碳排放监测手段无法满足监测数据多元化的需求，导致了监测数据的缺失或不准确。因此，开发更广泛、高效和准确的污染监测技术，对于环保事业和气候变化的治理都具有重要作用。
发明内容
为解决现有技术存在的问题，本发明采用以下技术方案：
一种基于大数据的碳排放流实时监测系统，其特征在于：包括通讯连接的监测模块和数据处理模块；
所述监测模块包括废气排放监测单元、水体污染监测单元、植被生态监测单元和电表耦合监测单元;所述废气排放监测单元用于监测工业生产过程中废气排放情况的设备并获取废气监测数据；所述水体污染监测单元用于获取水体监测参数并通过水体监测参数计算水体监测数据，所述水体监测参数据包括pH值数据、溶解氧含量数据和氧化还原电位数据；所述植被生态监测单元配置为监测大面积植物环境中的二氧化碳的浓度和流量变化，并生成植被监测数据；所述电表耦合监测单元配置为定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据;
数据处理模块用于预处理监测数据和执行数据挖掘；其中，监测数据包括所述废气监测数据、水体监测数据、植被监测数据和电表监测数据。
作为优选方案，所述水体污染监测单元还用于通过液相色谱分析水体中的甲烷和二氧化碳浓度。
作为优选方案，所述pH值数据用于根据碳酸盐系统方程式估算水中的二氧化碳浓度和重碳酸根离子浓度；所述溶解氧含量数据用于计算脱氧作用的总速率；所述氧化还原电位数据用于估算水中氧化还原反应的性质和水中氧气的溶解率。
作为优选方案，所述废气监测数据包括氮氧化物、颗粒物、二氧化硫、挥发性有机物和一氧化碳的浓度数据。
作为优选方案，所述废气排放监测单元通过电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，通过激光传感器监测颗粒物的浓度数据，通过金属氧化物半导体传感器监测挥发性有机物的浓度数据。
作为优选方案，所述数据处理模块还用于进行数据分析并整理得到可视化展示数据；
所述碳排放流实时监测系统还包括可视化展示模块；所述可视化展示模块用于根据所述可视化展示数据生成数据报表并展示图表形式的数据。
本发明还提供了一种基于大数据的碳排放流实时监测方法,所述方法应用于如上所述的基于大数据的碳排放流实时监测系统；所述方法包括步骤：
规划监测模块的布局；
根据所述监测模块的布局设定监测仪器；
通过监测仪器获取监测数据并将监测数据传输至数据处理模块；
对所述监测数据进行数据预处理；
对所述监测数据进行数据挖掘和数据分析；
其中，所述通过监测仪器获取监测数据，具体包括：
监测工业生产过程中废气排放情况的设备并获取废气监测数据；
获取水体监测参数并计算水体监测数据；
监测大面积植物环境中的二氧化碳的浓度和流量变化，并生成植被监测数据；
定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据。
作为优选方案，所述获取水体监测参数并计算水体监测数据，具体包括：
采集水体样本并获取水体监测参数；其中，水体监测参数包括pH值数据、溶解氧含量数据和氧化还原电位数据；
根据pH值数据估算水中的二氧化碳浓度和重碳酸根离子浓度；
根据溶解氧含量数据用于计算脱氧作用的总速率，并依此计算水中呼吸作用过程中二氧化碳的释放量；
根据氧化还原电位数据估算水中氧化还原反应的性质和水中氧气的溶解率，并得到水体中有机物质的分解过程中的氧化程度，从而计算出由呼吸运动引起的碳释放量；
通过液相色谱分析水体样本中的甲烷和二氧化碳浓度；
结合水体监测参数的计算结果和液相色谱分析结果得到水体监测数据。
作为优选方案，所述监测工业生产过程中废气排放情况的设备并获取废气监测数据，具体包括：通过多种传感器监测工业生产过程中废气排放情况的设备并获取废气监测数据；其中，采用电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，采用激光传感器监测颗粒物的浓度数据，并采用金属氧化物半导体传感器监测挥发性有机物的浓度数据。
作为优选方案，所述对所述监测数据进行数据预处理，具体为：对所述监测数据进行数据清洗、数据变换、数据集成、数据降维和数据规约。
与现有技术相比，本发明具有如下有益效果：
本发明通过采集和处理废气监测数据、水体监测数据、植被监测数据和电表监测数据，实现了多方位、广覆盖的碳排放监测，能够为碳排放计划决策者提供有力支持，帮助其更全面、准确地了解碳排放情况，从而制定出更科学、合理的决策方针。
本发明在水体监测数据获取方面，通过将pH值数据、溶解氧含量数据和氧化还原电位数据进行多参数结合，实现了对水中碳排放情况的多维度计算，以减小计算结果与实际情况的误差，从而保证了污染物监测结果更加准确、可靠。
本发明在废气监测数据获取方面，基于废气的复杂污染成分，通过采用不同传感器分别监测氮氧化物、颗粒物、二氧化硫、挥发性有机物和一氧化碳等不同污染物，以获得更为精准的废气监测数据，有效提升污染物监测的成果。
本发明通过采取对监测数据进行数据清洗、数据变换、数据集成、数据降维和数据规约的数据预处理方案，以保证数据的一致性和完整性，减少数据复杂度，从而提高了计算效率和准确度。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例的基于大数据的碳排放流实时监测系统的结构示意图；
图2为本发明另一实施例的基于大数据的碳排放流实时监测系统的结构示意图；
图3为本发明实施例的基于大数据的碳排放流实时监测方法的流程框图；
图4为本发明实施例的基于大数据的碳排放流实时监测方法的步骤S3的流程框图。
具体实施方式
下面将结合实施例对本发明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做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。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
请参阅图1，本发明提供了一种基于大数据的碳排放流实时监测系统，包括监测模块和数据处理模块，监测模块与数据处理模块通讯连接。
其中，监测模块包括废气排放监测单元、水体污染监测单元、植被生态监测单元和电表耦合监测单元。
废气排放监测单元用于监测工业生产过程中废气排放情况的设备并获取废气监测数据；
水体污染监测单元用于获取水体监测参数并通过水体监测参数计算水体监测数据；
植被生态监测单元配置为监测大面积植物环境中的二氧化碳的浓度和流量变化，并生成植被监测数据；
电表耦合监测单元配置为定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据。
数据处理模块用于预处理监测数据，以及执行数据挖掘。其中，监测数据包括所述废气监测数据、水体监测数据、植被监测数据和电表监测数据。
碳排放产生的影响是广泛的，流入水体的二氧化碳会产生碳酸化反应，使水体变酸，影响水生生物的生长和繁殖。因此，本发明碳排放流实时监测系统通过水质自动取样器、多参数水质分析仪等设备获取水体监测参数。水体监测参数据包括pH值数据、溶解氧含量数据和氧化还原电位数据。
具体的，所述pH值数据用于根据碳酸盐系统方程式估算水中的二氧化碳浓度和重碳酸根离子浓度等参数。溶解氧含量数据用于计算脱氧作用的总速率，而脱氧作用的总速率反映了水中呼吸作用过程中二氧化碳的释放量。氧化还原电位数据用于估算水中氧化还原反应的性质和水中氧气的溶解率，依此得到水体中有机物质的分解过程中的氧化程度，从而计算出由呼吸运动引起的碳释放量。本方案将pH值数据、溶解氧含量数据和氧化还原电位数据的计算结果结合，实现多参数计算水中的碳排放情况，以减小计算结果与实际情况的误差。另外，为减小计算误差，在本发明的具体实施过程中还需注意采样方式、装置、采样时间、样品处理等操作细节。
作为本发明的优选实施例，所述水体污染监测单元还用于通过液相色谱分析水样中的甲烷和二氧化碳浓度，并结合上述pH值数据、溶解氧含量数据和氧化还原电位数据的计算结果得到更准确的水体中的碳排放量。
作为本发明的优选实施例，植被生态监测单元通过将二氧化碳监测仪安装在植物群落的自动剖面系统中监测二氧化碳的浓度和流量变化。具体的，二氧化碳监测仪用于监测植被的呼吸作用和光合作用对二氧化碳的浓度和流量变化，进而计算出固碳量和排碳量之差，依此生成植被监测数据。其中，固碳量指的是通过光合作用把二氧化碳转化成有机物质的量，而排碳量则指的是通过呼吸作用释放出的二氧化碳量。
具体的，废气排放监测单元通过多种传感器获取废气监测数据。其中，废气监测数据包括氮氧化物、颗粒物、二氧化硫、挥发性有机物和一氧化碳等污染物的浓度数据。颗粒物具体为燃煤、燃油、焦炭等工业排放的颗粒物，挥发性有机物包括苯、甲苯、二甲苯、乙醇、丙酮等有机气体物质。为对应不同的污染物，本发明所采用的传感器包括电化学传感器、可见光吸收传感器、紫外光吸收传感器、激光传感器和/或金属氧化物半导体传感器。同时，通过流量传感器监测废气排放的流量数据。
在一实施例中，为了确保高精度废气污染物的监测，废气排放监测单元采用电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，采用激光传感器监测颗粒物的浓度数据，并采用金属氧化物半导体传感器监测挥发性有机物的浓度数据。废气排放监测单元根据不同的污染物采用不同的传感器，以达到高精度的监测效果。
具体的，电耗数据通过安装在用户用电仪表上的传感器获取，电耗数据用于计算区域电网内用电产生的碳排放量，上述电表监测数据包括多个区域电网内用电产生的碳排放量。碳排放量计算的公式为：
。
其中，mco2为碳排放量，P为电耗数据，为碳排放系数。其中，碳排放系数是衡量区域电网内用电所排放的温室气体数量的指标，以单位电量所排放二氧化碳的质量为基础进行计算。在具体实施过程中，碳排放系数可通过国家和地区能源统计公告或能源供应商数据获取。通过使用电表耦合监测系统，可以精确地监测到碳排放流，从而帮助用户更好地了解其能源消耗情况和碳排放量。
进一步地，数据处理模块预处理监测数据需要考虑数据量大、数据复杂多样、数据实时性高的特点，选择合适的数据预处理方案。作为本发明的优选实施例，数据处理模块用于对监测数据进行数据清洗、数据变换、数据集成、数据降维和数据规约。其中，数据清洗用于对监测数据进行去重、去除异常值和缺失值处理，以保证数据的一致性和完整性；数据变换用于对数据进行标准化和归一化操作，将数据转换成具有可比性和规律性的数值，方便后续的分析和建模；数据集成用于将来自不同来源、不同格式和不同粒度的数据融合成一个整体，从而保证数据的一致性；数据降维用于通过主成分分析、因子分析等方法，将高维度的数据降维，减少数据复杂度，提高计算效率和准确度；数据规约用于对数据按时间、空间、业务等因素进行筛选、采样、聚合等操作，提高数据的可用性和实时性。本发明通过数据处理模块预处理监测数据，确保了数据质量和可用性，为后续的数据分析和数据挖掘提供可靠的数据基础。
进一步地，数据处理模块用于数据挖掘，数据挖掘操作具体包括：通过检测数据中的异常点，例如突发的二氧化碳排放高峰，发现排放流的异常变化，及时采取控制措施；还通过使用机器学习算法对历史数据进行训练，预测未来的排放变化趋势和规律，为行业决策提供支持。
作为本发明优选实施例，请参阅图2，所述基于大数据的碳排放流实时监测系统还包括可视化展示模块。对此对应的，数据处理模块还用于进行数据分析并整理得到可视化展示数据，以及将可视化展示数据发送至可视化展示模块。可视化展示模块用于根据可视化展示数据生成数据报表并展示图表形式的数据，使用户更加形象、直观的了解碳排放数据中的关键信息和关系。
请参阅图3，本发明还提供了一种基于大数据的碳排放流实时监测方法，该方法应用于如上所述的基于大数据的碳排放流实时监测系统。该方法包括步骤：
S1、规划监测模块的布局；
其中，监测模块包括废气排放监测单元、水体污染监测单元、植被生态监测单元和电表耦合监测单元。在规划监测模块的布局时，需要结合实际应用区域进行选定，需要重点考虑的因素包括区域类型和污染物类型。例如，若应用区域为城市等人口较多的大型区域，则在交通主干道、城市中心区域设置废气排放监测单元的监测点，在污水处理厂等地方设置水体污染监测单元的监测点，以便全面监测碳排放流的情况。若应用区域为森林、草原或城市中的大型绿化区域，则根据应用区域的面积设置植被生态监测单元。针对应用区域为大型企业或工业园区时，增设废气排放监测单元的监测点设于生产区域的废气排放口，将水体污染监测单元的监测点设于园区污水排放点，并在生产车间和电表室设置电表耦合监测单元。在具体实施过程中，实际的应用区域可以为上述例举的应用区域的结合。
S2、根据所述监测模块的布局设定监测仪器；其中，监测仪器包括二氧化碳监测仪、水质自动取样器、多参数水质分析仪和多种传感器；
S3、通过监测仪器获取监测数据并将监测数据传输至数据处理模块；
S4、通过数据处理模块对所述监测数据进行数据预处理；
S5、通过数据处理模块对所述监测数据进行数据挖掘和数据分析；
S6、通过可视化展示模块展示图表形式的数据。
进一步地，请参阅图4，步骤S3中的通过监测仪器获取监测数据，具体包括：
S3a、监测工业生产过程中废气排放情况的设备并获取废气监测数据；
S3b、获取水体监测参数并计算水体监测数据；
S3c、监测大面积植物环境中的二氧化碳的浓度和流量变化，并生成植被监测数据；
S3d、定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据。
在一优选实施例中，步骤S3b具体包括：
采集水体样本并获取水体监测参数；其中，水体监测参数包括pH值数据、溶解氧含量数据和氧化还原电位数据；
根据pH值数据估算水中的二氧化碳浓度和重碳酸根离子浓度；
根据溶解氧含量数据用于计算脱氧作用的总速率，并依此计算水中呼吸作用过程中二氧化碳的释放量；
根据氧化还原电位数据估算水中氧化还原反应的性质和水中氧气的溶解率，并得到水体中有机物质的分解过程中的氧化程度，从而计算出由呼吸运动引起的碳释放量；
通过液相色谱分析水体样本中的甲烷和二氧化碳浓度；
结合水体监测参数的计算结果和液相色谱分析结果得到水体监测数据。
在一优选实施例中，为了确保高精度废气污染物的监测，步骤S3a包括：
通过多种传感器监测工业生产过程中废气排放情况的设备并获取废气监测数据；其中，采用电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，采用激光传感器监测颗粒物的浓度数据，并采用金属氧化物半导体传感器监测挥发性有机物的浓度数据。同时，通过流量传感器监测废气排放的流量数据。
依此，本发明基于废气的复杂污染成分，通过采用不同传感器分别监测氮氧化物、颗粒物、二氧化硫、挥发性有机物和一氧化碳等不同污染物的浓度数据，从而获取精准的废气监测数据，有效提升污染物监测的成果。
进一步地，为确保数据质量和可用性，为后续的数据分析和数据挖掘提供可靠的数据基础，步骤S4具体包括：
S41、数据清洗：对监测数据进行去重、去除异常值和缺失值处理，以保证数据的一致性和完整性；
S42、数据变换：对监测数据进行标准化和归一化操作，将监测数据转换成具有可比性和规律性的数值，方便后续的分析和建模；
S43、数据集成：将来自不同来源、不同格式和不同粒度的监测数据融合成一个整体，从而保证数据的一致性；
S44、数据降维：通过主成分分析、因子分析等方法，将高维度的监测数据降维，减少数据复杂度，提高计算效率和准确度；
S45、数据规约：对数据按时间、空间、业务等因素进行筛选、采样、聚合等操作，提高数据的可用性和实时性。
进一步地，步骤S5中的对所述监测数据进行数据挖掘，具体包括：通过检测所述监测数据中的异常点，例如突发的二氧化碳排放高峰，发现排放流的异常变化，及时采取控制措施；通过使用机器学习算法对历史数据进行训练，预测未来的排放变化趋势和规律，为行业决策提供支持。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的方法的具体工作过程，可以参考前述系统和模块实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，read-onlymemory）、随机存取存储器（RAM，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (8)

1.一种基于大数据的碳排放流实时监测系统，其特征在于：包括通讯连接的监测模块和数据处理模块；
所述监测模块包括废气排放监测单元、水体污染监测单元、植被生态监测单元和电表耦合监测单元;所述废气排放监测单元用于监测工业生产过程中废气排放情况的设备并获取废气监测数据；
所述植被生态监测单元配置为通过将二氧化碳监测仪安装在植物群落的自动剖面系统中监测二氧化碳的浓度和流量变化，并生成植被监测数据；
所述电表耦合监测单元配置为定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据;
所述水体污染监测单元用于获取水体监测参数，通过液相色谱分析水体样本中的甲烷和二氧化碳浓度，并根据水体监测参数与所述甲烷和二氧化碳浓度计算水体监测数据；
所述水体监测参数包括pH值数据、溶解氧含量数据和氧化还原电位数据；所述pH值数据用于根据碳酸盐系统方程式估算水中的二氧化碳浓度和重碳酸根离子浓度；所述溶解氧含量数据用于计算脱氧作用的总速率；所述氧化还原电位数据用于估算水中氧化还原反应的性质和水中氧气的溶解率；
数据处理模块用于预处理监测数据和执行数据挖掘；其中，监测数据包括所述废气监测数据、水体监测数据、植被监测数据和电表监测数据。
2.根据权利要求1所述的碳排放流实时监测系统，其特征在于：所述废气监测数据包括氮氧化物、颗粒物、二氧化硫、挥发性有机物和一氧化碳的浓度数据。
3.根据权利要求2所述的碳排放流实时监测系统，其特征在于：所述废气排放监测单元通过电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，通过激光传感器监测颗粒物的浓度数据，通过金属氧化物半导体传感器监测挥发性有机物的浓度数据。
4.根据权利要求1所述的碳排放流实时监测系统，其特征在于：所述数据处理模块还用于进行数据分析并整理得到可视化展示数据；
所述碳排放流实时监测系统还包括可视化展示模块；所述可视化展示模块用于根据所述可视化展示数据生成数据报表并展示图表形式的数据。
5.一种基于大数据的碳排放流实时监测方法,其特征在于：所述方法应用于如权利要求1-4任一项所述的基于大数据的碳排放流实时监测系统；所述方法包括步骤：
规划监测模块的布局；
根据所述监测模块的布局设定监测仪器；
通过监测仪器获取监测数据并将监测数据传输至数据处理模块；
对所述监测数据进行数据预处理；
对所述监测数据进行数据挖掘和数据分析；
其中，所述通过监测仪器获取监测数据，具体包括：
监测工业生产过程中废气排放情况的设备并获取废气监测数据；
获取水体监测参数并计算水体监测数据；
监测大面积植物环境中的二氧化碳的浓度和流量变化，并生成植被监测数据；
定期采集区域电网内电表的电耗数据，并根据电耗数据获取电表监测数据。
6.根据权利要求5所述的碳排放流实时监测方法，其特征在于：所述获取水体监测参数并计算水体监测数据，具体包括：
采集水体样本并获取水体监测参数；其中，水体监测参数包括pH值数据、溶解氧含量数据和氧化还原电位数据；
根据pH值数据估算水中的二氧化碳浓度和重碳酸根离子浓度；
根据溶解氧含量数据用于计算脱氧作用的总速率，并依此计算水中呼吸作用过程中二氧化碳的释放量；
根据氧化还原电位数据估算水中氧化还原反应的性质和水中氧气的溶解率，并得到水体中有机物质的分解过程中的氧化程度，从而计算出由呼吸运动引起的碳释放量；
通过液相色谱分析水体样本中的甲烷和二氧化碳浓度；
结合水体监测参数的计算结果和液相色谱分析结果得到水体监测数据。
7.根据权利要求5所述的碳排放流实时监测方法，其特征在于：所述监测工业生产过程中废气排放情况的设备并获取废气监测数据，具体包括：通过多种传感器监测工业生产过程中废气排放情况的设备并获取废气监测数据；其中，采用电化学传感器监测一氧化碳、氮氧化物和二氧化硫的浓度数据，采用激光传感器监测颗粒物的浓度数据，并采用金属氧化物半导体传感器监测挥发性有机物的浓度数据。
8.根据权利要求5所述的碳排放流实时监测方法，其特征在于：所述对所述监测数据进行数据预处理，具体为：对所述监测数据进行数据清洗、数据变换、数据集成、数据降维和数据规约。
CN202310458376.6A 2023-04-26 2023-04-26 一种基于大数据的碳排放流实时监测系统及其方法 Active CN116187613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310458376.6A CN116187613B (zh) 2023-04-26 2023-04-26 一种基于大数据的碳排放流实时监测系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310458376.6A CN116187613B (zh) 2023-04-26 2023-04-26 一种基于大数据的碳排放流实时监测系统及其方法

Publications (2)

Publication Number Publication Date
CN116187613A CN116187613A (zh) 2023-05-30
CN116187613B true CN116187613B (zh) 2023-07-21

Family

ID=86444641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310458376.6A Active CN116187613B (zh) 2023-04-26 2023-04-26 一种基于大数据的碳排放流实时监测系统及其方法

Country Status (1)

Country Link
CN (1) CN116187613B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116699078B (zh) * 2023-08-03 2023-10-27 北京市农林科学院智能装备技术研究中心 畜禽舍碳排放监测方法、监测系统、电子设备和存储介质
CN117451114B (zh) * 2023-12-26 2024-02-27 北京中碳方舟科技有限公司 一种碳排放监测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114936236A (zh) * 2022-05-17 2022-08-23 杨邦会 一种基于物联传感的建筑碳排放监测系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106124723B (zh) * 2016-08-23 2018-01-09 中国地质科学院岩溶地质研究所 一种实时在线监测水生植物岩溶碳汇效应的方法
CN109828089B (zh) * 2019-02-13 2022-01-18 仲恺农业工程学院 一种基于dbn-bp的水质参数亚硝酸氮的在线预测方法
CN113709598B (zh) * 2021-08-31 2022-05-17 宁夏百川电力股份有限公司 一种基于物联网的碳排放监测管理系统
CN115455248A (zh) * 2022-07-15 2022-12-09 安徽辉采科技有限公司 一种基于数据分析的城市碳排放监测方法
CN115439025A (zh) * 2022-11-08 2022-12-06 广东埃文低碳科技股份有限公司 基于大数据的碳排放监测管理系统
CN115965279A (zh) * 2022-12-21 2023-04-14 汉威科技集团股份有限公司 一种用于污水处理厂的温室气体监测方法及系统
CN115629164B (zh) * 2022-12-21 2023-04-14 天津飞眼无人机科技有限公司 一种无人机碳通量监测数据采集设备及处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114936236A (zh) * 2022-05-17 2022-08-23 杨邦会 一种基于物联传感的建筑碳排放监测系统和方法

Also Published As

Publication number Publication date
CN116187613A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN116187613B (zh) 一种基于大数据的碳排放流实时监测系统及其方法
CN112485319B (zh) 大气环境走航监测方法及信息处理方法、装置、监测车
CN112085241A (zh) 一种基于机器学习的环境大数据分析和决策平台
CN202837049U (zh) 一种多探头取样烟气监测系统
CN107677614A (zh) 一种水中重金属污染风险在线预警系统及方法
CN110580936B (zh) 中低温scr脱硝催化剂的寿命预测方法及系统
CN103245757A (zh) 气体环境应急检测系统
CN104424527A (zh) 一种城市污水处理运行绩效评估云计算系统
CN114858976A (zh) 一种工业园区大气质量智能分析方法及系统
CN102236740A (zh) 一种饮用水水质检测及评价服务方法
CN108982777A (zh) 一种基于物联网的废弃物气体排放监测系统
CN111720743A (zh) 一种排水管网运行监测系统
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
CN214175270U (zh) 一种基于物联网技术的页岩气环保监测与环境预警系统
CN203909009U (zh) 一种烟气连续在线监测系统
CN109856321A (zh) 异常高值点位的确定方法
CN211347435U (zh) 一种三废实时监测系统
CN115439025A (zh) 基于大数据的碳排放监测管理系统
CN115328035A (zh) 一种胺液脱硫脱碳生产数据集成和监控系统
CN110322015B (zh) 车检数据生成方法
CN117852779B (zh) 一种工业园区碳排放计算方法及系统
CN215798705U (zh) 一种基于adm1模型的渗滤液厌氧消化预警系统
Oleshchenko et al. Hardware and software system of environmental indicators monitoring and analysis based on ESP8266 controller
CN113869782B (zh) 基于时序分解企业用电数据以识别环保管控异常的方法
Linjing et al. Application of secondary water supply water quality evaluation method based on K-means clustering and entropy method

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