CN116258239A - 智控能源碳排管理集成系统及碳排管理方法 - Google Patents
智控能源碳排管理集成系统及碳排管理方法 Download PDFInfo
- Publication number
- CN116258239A CN116258239A CN202211573390.2A CN202211573390A CN116258239A CN 116258239 A CN116258239 A CN 116258239A CN 202211573390 A CN202211573390 A CN 202211573390A CN 116258239 A CN116258239 A CN 116258239A
- Authority
- CN
- China
- Prior art keywords
- carbon
- carbon emission
- preset
- emission
- information
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 110
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 567
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 545
- 238000010586 diagram Methods 0.000 claims abstract description 99
- 230000009467 reduction Effects 0.000 claims abstract description 92
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 238000006386 neutralization reaction Methods 0.000 claims abstract description 33
- 238000005265 energy consumption Methods 0.000 claims description 46
- 230000007613 environmental effect Effects 0.000 claims description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 22
- 229910052760 oxygen Inorganic materials 0.000 claims description 22
- 239000001301 oxygen Substances 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 14
- 238000009877 rendering Methods 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 11
- 230000003749 cleanliness Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 26
- 238000011084 recovery Methods 0.000 description 26
- 230000005855 radiation Effects 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 14
- 238000005286 illumination Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 14
- 238000004134 energy conservation Methods 0.000 description 13
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 230000008447 perception Effects 0.000 description 12
- 238000004064 recycling Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000005611 electricity Effects 0.000 description 10
- 239000005431 greenhouse gas Substances 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 230000004313 glare Effects 0.000 description 6
- 239000003345 natural gas Substances 0.000 description 6
- 238000004321 preservation Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000009413 insulation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013084 building-integrated photovoltaic technology Methods 0.000 description 4
- 238000007791 dehumidification Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- -1 electricity Substances 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 239000002041 carbon nanotube Substances 0.000 description 1
- 229910021393 carbon nanotube Inorganic materials 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/04—Texture mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智控能源碳排管理集成系统及碳排管理方法,本发明通过设备智能控制监测单元通过目标建筑中目标物联网设备获取碳排放信息;碳预测单元根据预设数字孪生模型和碳排放信息生成碳排放热力图,并基于碳排放热力图对碳排放量进行预测;碳优化单元对预测结果中碳排放量异常设备进行定位,进行设备优化;碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。由于本发明通过预设孪生模型和碳排放热力图对碳排放量异常设备进行定位,并进行设备优化;对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件,本发明实现了针对双碳建筑场景下的完整碳排放管理流程,对碳排放进行有效管理。
Description
技术领域
本发明涉及碳排放技术领域,尤其涉及一种智控能源碳排管理集成系统及碳排管理方法。
背景技术
为应对全球气候变化,对碳排放的要求越来越重视,许多企业都明确提出为实现碳达峰、碳中和目标作出相应管理。
目前虽然有针对工业行业相关碳排放管理的方法,但是并没有针对公共建筑和民用建筑对应的碳排放管理相关的方法,并且现有的碳排放管理方法功能单一,缺少完整的对建筑碳排放数据的统计、分析等流程,即现有方法无法实现针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种智控能源碳排管理集成系统及碳排管理方法,旨在解决现有技术中不存在针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善的技术问题。
为实现上述目的,本发明提供一种智控能源碳排管理集成系统,所述智控能源碳排管理集成系统设备智能控制监测单元、碳预测单元、碳优化单元以及碳减排单元;
所述设备智能控制监测单元,用于通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;
所述碳预测单元,用于根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;
所述碳优化单元,用于对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;
所述碳减排单元,用于对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
可选地,所述目标物联网设备包括恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备;
所述设备智能控制监测单元,还用于通过恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备对碳排放进行监测,获取碳排放信息。
可选地,所述碳预测单元,还用于根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息;
所述碳预测单元,还用于基于预设热力图模型和所述三维坐标信息生成碳排放热力图;
所述碳预测单元,还用于基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
可选地,所述碳预测单元,还用于根据所述三维坐标信息和所述碳排放信息对各碳排放区域的排放量信息进行标注,获得标注结果;
所述碳预测单元,还用于基于预设热力图模型和所述标注结果构建初始热力纹理图;
所述碳预测单元,还用于基于预设渲染模型将所述初始热力纹理图映射置预设BIM建筑模型中,生成碳排放热力图。
可选地,所述碳优化单元,还用于根据预设BIM建筑模型对预测结果中碳排放量超过预设排放量的碳排放区域进行定位,获得定位信息;
所述碳优化单元,还用于根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息;
所述碳优化单元,还用于根据所述设备参数信息对所述异常设备进行设备优化。
可选地,所述碳减排单元,还用于获取当前环境信息以及碳排放路径;
所述碳减排单元,还用于根据所述当前环境信息、所述预设再生能源系统以及智能环境调节系统对所述碳排放路径进行调整,获得第一目标碳排放路径;
所述碳减排单元,还用于根据所述预测结果中的碳达峰对所述第一目标碳排放路径进行二次调整,获得第二目标碳排放路径;
所述碳减排单元,还用于根据所述第二目标碳排放路径进行碳减排处理以满足预设碳中和条件。
可选地,所述智控能源碳排管理集成系统还包括:物联网云平台;
所述物联网云平台,还用于实时监测目标建筑对应的生产运营信息以及碳排放信息;
所述物联网云平台,还用于将所述生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以实时展示目标建筑的运行状态;
所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型确定所述目标建筑的能效态势感知。
可选地,所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;
所述物联网云平台,还用于根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
此外,为实现上述目的,本发明还提出一种碳排管理方法,所述碳排管理方法包括:
所述设备智能控制监测单元通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;
所述碳预测单元根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;
所述碳优化单元对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;
所述碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
可选地,所述碳预测单元根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息;
所述碳预测单元基于预设热力图模型和所述三维坐标信息生成碳排放热力图;
所述碳预测单元基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
本发明通过所述设备智能控制监测单元通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;所述碳预测单元根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;所述碳优化单元对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;所述碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。由于本发明通过预设孪生模型和碳排放热力图对碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件,相较于现有技术中不存在针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善,本发明实现了针对双碳建筑场景下的完整碳排放管理流程,对碳排放进行有效管理。
附图说明
图1为本发明智控能源碳排管理集成系统第一实施例的结构框图;
图2为本发明碳排管理方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明基于智控能源碳排管理集成系统第一实施例的结构框图。
如图1所示,该智控能源碳排管理集成系统可以包括:设备智能控制监测单元1001、碳预测单元1002、碳优化单元1003、碳减排单元1004;
本领域技术人员可以理解,图1中示出的结构并不构成对智控能源碳排管理集成系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例提供了一种智控能源碳排管理集成系统,参照图1,图1为本发明智控能源碳排管理集成系统的结构框图。
本实施例中,所述智控能源碳排管理集成系统包括:在本实施例中,所述智控能源碳排管理集成系统包括设备智能控制监测单元1001、碳预测单元1002、碳优化单元1003、碳减排单元1004。
本实施例中所述设备智能控制监测单元1001,用于通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息。
需说明的是,本实施例中智控能源碳排管理集成系统集合了智能控制系统、可再生能源系统以及碳汇分析系统,而目标建筑通过上述智控能源碳排管理集成系统可以实现综合能源管理以及碳排放管理,以达到满足用户需求的同时节能减排;本实施例目标建筑可以是指商用以及居民住宅的双碳建筑,所述双碳建筑可以适应气候特征和自然条件,通过保温隔热性能和气密性更高的围护结构及无热桥的设计,采用高效新风热回收技术,最大程度的降低建筑供暖制冷需求,并充分利用可再生能源,以更少的能源消耗提供健康、舒适的室内环境,并同时满足绿色建筑的要求,其中双碳建筑主要分为低碳建筑,应用超低能耗和近零能耗技术和.零碳建筑,应用零能耗产能技术两个部分可以实现各场景的水、电、气、热等多种能源介质数据的计量,从而达到对碳排放精确监测;其中所述目标建筑可以对光照、风量、雨量以及窗户朝向进行调整,例如:目标建筑可以做如下控制:光照感知: 光感控制:通过多朝向,多点位布置的光传感器,自动分区调节叶片角度保证舒适光照;眩光控制:实时计算阳光入射角度,自动调整叶片角度防止直射炫光干扰;自然采光:在防止眩光的同时,调整叶片角度将阳光投射到天花板上为室内采光;风量感知:大风警报:风量超过设定值,报警并收起,避免造成损坏;雨量感知:大雨报警:雨量超过设定值,报警并收起,避免造成损坏。太阳方位:在一天的不同时间,根据太阳方位,自动调节叶片角度,保证适量的入射光强度;季节感知:根据房屋经纬度,自动计算每天日出、日落时间,用柔和的阳光自然唤醒舒睡的身体;冬夏模式:冬天时白天控制柔和光线采暖,晚上关闭叶片保暖;夏天白天关小叶片减少阳光直射;窗户朝向:结合不同季节的太阳高度角,实现不同朝向窗帘叶片的独立自适应调节,保证全方位柔和光照。
其中,目标建筑基于保温隔热性能、气密性更高的围护结构、无热桥设计、新风高效热回收技术等,融入了可再生能源、水质管理、智能光环境、日光管理、健康管理等,让建筑更智能、更高效、更便捷、更健康、更舒适、更安全。其中,高效新风热回收系统 : 热回收装置采用全热回收装置,交换效率不低于75%, 新风系统新风具有可调节功能,且可根据室内二氧化碳浓度进行调节和控制 ;通过控制系统可以使热泵空调 能根据室内外温度 、湿度变化精细调节,对建筑物分层、 分区进行温度调控。根据公用建筑室内监测空气质量的传感器返回的实时数据,新风控制系统能实现自动开启、 关闭以及调节新风量大小的功能。
进一步地,目标建筑配置了超低、近零、零能耗建筑智能控制和能源碳排的管理集成系统,智控能源碳排管理集成系统是一种针对双碳建筑配置的碳排能源管理系统,所述碳排能源管理系统可以通过能源碳排管理大数据平台以综合能源规划为顶层设计,以综合碳排能源中心为核心节点,运用分布式可再生能源、 储能和智慧能源网络技术,实现区域能源的平衡、自治和碳排放的极大降低,所述系统集成了智慧光环境管理(如:智能遮阳系统、智能感光系统)、水质管理、设备管理、能源计量与分析、考勤管理、门禁管理、区块管理、消防管理以及物业、会议等系统,其中上述系统可以通过物联网设备采集的信息进行相应的设备管理,可以通过物联网连接目标建筑中目标物联网设备对碳排放进行监测,从而根据监测结果对目标建筑进行碳排放管理。例如:所述智能遮阳系统可以通过利用传感器和气候、经纬度算法,冬天加强采光和得热,夏天根据太阳轨迹和日照光线对建筑物进行遮阳隔热,实现自动遮阳,自动调节采光度;所述智能感光系统可以通过传感器24H监测并控制所有灯光,根据算法分为工作模式、无人模式等。
需说明的是,智慧光环境管理中可以追踪自然光色变化,智能调节光源色温,自动感知环境光照,柔和调节工作面水平照度, 智慧照明与自然采光集合,提供稳定舒适的光环境。感应使用者占空状态,无需起身手动开关灯具,为企业大幅节约照明成本。下发光直接照亮工作区域,上发光间接补充空间亮度,营造完美工作照明同时保证环境光照舒适,保护使用者视力以及工作状态。
可理解的是,目标物联网设备可以是指通过物联网技术进行信息传递的设备,所述设备可以是智能系统对应的智能管理设备、传感器以及具有传输数据功能的设备,如:水表、电表、燃气表等。
应理解的是,碳排放信息可以是通过碳排能源管理系统确定温室气体排放的信息,所述信息包括碳排放量、排放时间以及碳排放类型等信息,所述温室气体可以是煤炭、天然气、石油、天然气等化石能源燃烧活动和工业生产过程以及土地利用变化与林业等活动产生的温室气体。针对商业、住宅等建筑的碳排放可以是家具用电、天然气或自来水对应的碳排放,本实施例中不限于上述举例;
具体实现中,通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息,例如:通过目标建筑中的水表、电表或燃气表对应的用量对碳排放进行监测,获取碳排放信息。
进一步地,所述目标物联网设备包括恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备;所述设备智能控制监测单元1001,还用于通过恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备对碳排放进行监测,获取碳排放信息。
需说明的是,恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备可以是用于对目标建筑的环境温度、环境湿度以及空气质量进行监测的设备,通过上述传感器采集环境信息以及空气质量信息,从而确定目标建筑当前环境温度、湿度、噪音范围、压强以及空气质量是否需要进行调节,从而能够根据环境信息以及空气质量信息对目标建筑内的环境以及空气进行调节,以达到恒温、恒湿、恒洁、恒氧、恒压以及恒静的效果。
可理解的是,越来越多的建筑会配置新风以及暖气系统或其他会产生碳排放的设备及系统,因此因此为保证用户使用效果达到最佳且节能,通过预先设置恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器实时采集目标建筑内的环境信息以及空气质量信息从而能够根据环境实时调节目标建筑所需的温度、湿度、噪音范围、压强以及空气质量,进而提升用户体验感,也能达到节能减排的效果。
具体实现中,可以通过调节能耗建筑智能控制和能源碳排的管理集成系统中环境信息以及空气质量的设定来达到节能减排的效果,例如:所述系统中包括恒温,温度传感器24H监测并控制高效热回收新风系统或辐射系统进行蓄冷或蓄热,利用建筑本体的高性能围护结构和气密性保温,达到用电能耗的最低。冬季温度设定范围可以是18℃-22℃、夏季温度设定范围可以是24℃-28℃;恒湿,湿度传感器24H监测并控制高效热回收新风系统或辐射系统进行等温除湿,冬季设定范围可以是≥35%RH,夏季设定范围可以是≤65%RH;恒氧传感器24H监测并控制高效热回收新风系统或辐射系统进行全天24小时提供新鲜氧气;恒静,利用高性能围护结构和高气密性使建筑分贝控制在白天设定范围可以是<40dba、晚上设定范围可以是<35dba,室内外的分贝显示于面板;恒洁传感器24H监测并控制高效热回收新风系统或辐射系统进行过滤室内空气或交换室内外空气,PM2.5设定范围可以是<35ug/m³/24H,甲醛设定范围可以是<0.03mg/m³;恒压传感器24H监测室内的正压和厕所及吸烟区的负压,进行压力调节;上述通过限定阈值对系统按照环境信息进行调节,从而达到节能减排的效果。
所述碳预测单元1002,用于根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测。
需说明的是,预设数字孪生模型可以是预先设置的用于对建筑实际物理场景下的碳排放区域映射至虚拟空间中的模型,所述模型可以基于物理模型构建的虚拟空间模型。
应理解的是,碳排放热力图是根据目标建筑中各个区域的碳排放量以特殊高亮的形式进行显示的图示。例如:根据不同的碳排放量对应不同的色彩的热力图,其中,通过设置热力图颜色取值范围,并根据取值范围从预设色彩空间中确定相应目标色彩,以达到标注各个碳排放区域。预设周期可以是预先设置的时间范围,例如:一年、十年、五十年等,所述时间范围可以是根据实际预测需求进行设定,本实施例对具体数值不加以限定。
具体实现中,根据预设数字孪生模型和碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测。
所述碳优化单元1003,用于对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化。
需说明的是,预设排放量可以是根据各设备对应的正常运行条件下预先设置的碳排放量范围,所述预设排放量可以是通过实验数据设定的。
可理解的是,本方案中可以根据各设备对应的碳排放量和预设排放量进行对比,根据对比结果判定设备是否存在排放量异常的情况,从而对异常设备进行定位,以便于后期对异常设备进行优化维护,减少由于设备老化或鼓掌引起的能源浪费。
所述碳减排单元1004,用于对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
需说明的是,碳减排单元1003可以通过供应端和需求端对应的碳排放进行优化,以达到节能减排,其中所述供应端包括预设可再生能源系统以及建筑对应的预先设置的能源结构,所述需求端包括建筑、交通、工业、废弃物以及绿地等,通过对能源的选用、技术筛选以及能源方案的确定来优化供应端碳减排量,通过对需求端的需求分析、减碳策略以及综合方案的优化实现需求端的碳减排,通过上述方式来实现综合能源的优化规划进行碳减排,以达到预设碳中和条件。
可理解的是,预设再生能源系统可以是预先设置的用于对能源进行循环利用的系统,所述系统可以包括建筑的光能回收利用系统或雨水回收利用系统,其中光能回收利用系统可以包括光伏屋顶、光伏玻璃、光伏墙体等,光能回收利用系统可以通过BIPV即光伏建筑一体化,是与建筑物同时设计、同时施工和安装并与建筑物形成完美结合的太阳能光伏发电系统,它作为建筑物外部结构的一部分,既具有发电功能,又具有建筑构件和建筑材料的功能。BIPV可以达到结合电力节能、储能一体化的效果。可以通过上述再生能源装置的每天发电量和输送给电网的电量;所述雨水回收利用系统可以将雨水收集后,将收集的雨水通过处理达到使用标准,以进行相应的使用,例如:植物灌溉、补充景观水、绿化等方面的使用。
应理解的是,将优化后的设备和预设再生能源系统进行相应的碳减排处理以满足预设碳中和条件,预设碳中和条件可以是针对商业、居民住宅等建筑预先设置的抵消自身产生的温室气体排放量的条件。
具体实现中,通过碳减排单元1003对供应端和需求端进行相应的综合能源的优化规划,通过优化后的设备提高能源利用率并结合预设能源系统对应运行方式提高能源使用效率,从而达到节能减排的效果,以满足预设碳中和条件。
本实施例通过所述设备智能控制监测单元1001,用于目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;所述碳预测单元1002,用于根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;所述碳优化单元1003,用于对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;所述碳减排单元1004,用于对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。由于本实施例通过系统中预设孪生模型和碳排放热力图对碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件,相较于现有技术中不存在针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善,本实施例实现了针对双碳建筑场景下的完整碳排放管理流程,对碳排放进行有效管理。
基于上述图1所示的第一实施例,提出本发明智控能源碳排管理集成系统的第二实施例。
在本实施例中,所述碳预测单元1002,还用于根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息。
需说明的是,通过预设数字孪生模型构建一个建筑实际物理场景对应的虚拟空间的模型,并根据各个区域碳排放信息确定虚拟空间模型中各个碳排放区域的三维坐标信息。
所述碳预测单元1002,还用于基于预设热力图模型和所述三维坐标信息生成碳排放热力图。
需说明的是,预设热力图模型可以是基于预设色彩空间模型和预设聚类算法构建的模型,所述聚类算法可以是K-means算法,通过对离散的数据进行聚类处理,确定目标热力点,并根据预设热力图宽度以及高度对热力点影像范围进行框定,从而便于后期对热力图影响范围进行显示。
应理解的是,碳预测单元1002基于预设热力图模型和所述三维坐标信息生成碳排放热力图。
进一步地,所述碳预测单元1002,还用于根据所述三维坐标信息和所述碳排放信息对各碳排放区域的排放量信息进行标注,获得标注结果;所述碳预测单元1002,还用于基于预设热力图模型和所述标注结果构建初始热力纹理图;所述碳预测单元1002,还用于基于预设渲染模型将所述初始热力纹理图映射置预设BIM建筑模型中,生成碳排放热力图。
需说明的是,为了便于后期对各个区域的碳排放量的统计以及显示,可以按照空间维度对排放量信息进行标注,并基于标注结果构建热力图。
应理解的是,在热力图渲染中,通常使用离散的点数据,通过数据的属性信息,对其进行赋权,再通过透明度、扩散半径等参数实现热力图的渲染,但由于离散的点数据较少,会影响渲染效果,若太多会影响网络传输的速度和渲染的性能。因此可以通过预设热力图模型中的聚类算法以及坐标转换的方式生成碳排放热力图。
可理解的是,初始热力纹理图可以是指二维坐标下的热力纹理图,但是在实际显示中,热力图是三维空间的图示,因此先基于预设热力图模型和=标注结果中碳排放量构建二维空间下的初始热力纹理图,并基于预设渲染模型将所述初始热力纹理图的二维坐标进行加权聚映射置预设BIM建筑模型中,生成三维空间下的碳排放热力图。
具体实现中,根据不同的碳排放量确定对应不同的色彩的热力图,其中,通过设置热力图颜色取值范围,并根据取值范围从预设色彩空间中确定相应目标色彩,以达到标注各个碳排放区域。
所述碳预测单元1002,还用于基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
需说明的是,预设深度学习模型可以是预先设置的用于对碳排量进行预测的模型,所述模型可以是基于深度学习算法构建的模型。
具体实现中,基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
在本实施例中,所述碳优化单元1003,还用于根据预设BIM建筑模型对预测结果中碳排放量超过预设排放量的碳排放区域进行定位,获得定位信息。
需说明的是,预设BIM建筑模型可以是基于目标建筑对应的物理特征构建的虚拟空间建筑模型,所述物理特征包括目标建筑对应的线、切面及柱状等特征。
应理解的是,定位信息可以是指产生碳排放区域的位置信息,其中,根据预设BIM模型对预测结果中排放量超过预设排放量的碳排放区域进行定位,获得定位信息。
所述碳优化单元1003,还用于根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息。
需说明的是,设备参数信息包括设备名称、设备类型以及设备序列号等参数信息,通过上述参数信息可以对异常设备进行诊断,以便于后期对设备进行维护。
应理解的是,根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息。
所述碳优化单元1003,还用于根据所述设备参数信息对所述异常设备进行设备优化。
具体实现中,通过设备参数信息确定异常设备对应的设备类型以及故障类型,以便于后期对异常设备进行设备优化。
在本实施例中,所述碳减排单元1004,还用于获取当前环境信息以及碳排放路径。
需说明的是,当前环境信息可以是目标建筑所处环境的温度、湿度以及噪音、PM2.5等信息。碳排放路径是指温室气体产生的路径以及碳减排路径。其中产生路径可以是根据产生温室气体的设备之间联系确定的路径。碳减排路径可以是通过调整设备进行节能或通过利用可再生能源达到减排效果的路径。
所述碳减排单元1004,还用于根据所述当前环境信息和所述预设再生能源系统对所述碳排放路径进行调整,获得第一目标碳排放路径。
需说明的是,第一目标排放路径可以是通过利用预设再生能源系统对应的减排路径,例如:通过光能发电减少碳排放的路径。
应理解的是,可以通过调节能耗建筑智能控制和能源碳排的管理集成系统中环境信息以及空气质量的设定来达到节能减排的效果,例如:所述系统中包括恒温,温度传感器24H监测并控制高效热回收新风系统或辐射系统进行蓄冷或蓄热,利用建筑本体的高性能围护结构和气密性保温,达到用电能耗的最低。冬季温度设定范围可以是18℃-22℃、夏季温度设定范围可以是24℃-28℃;恒湿,湿度传感器24H监测并控制高效热回收新风系统或辐射系统进行等温除湿,冬季设定范围可以是≥35%RH,夏季设定范围可以是≤65%RH;恒氧传感器24H监测并控制高效热回收新风系统或辐射系统进行全天24小时提供新鲜氧气;恒静,利用高性能围护结构和高气密性使建筑分贝控制在白天设定范围可以是<40dba、晚上设定范围可以是<35dba,室内外的分贝显示于面板;恒洁传感器24H监测并控制高效热回收新风系统或辐射系统进行过滤室内空气或交换室内外空气,PM2.5设定范围可以是<35ug/m³/24H,甲醛设定范围可以是<0.03mg/m³;恒压传感器24H监测室内的正压和厕所及吸烟区的负压,进行压力调节;上述通过限定阈值对系统按照环境信息进行调节,从而达到节能减排的效果。
所述碳减排单元1004,还用于根据所述预测结果中的碳达峰对所述第一目标碳排放路径进行二次调整,获得第二目标碳排放路径。
需说明的是,再通过上述方式进行节能减排后,根据预测结果中碳达峰再次对碳排放路径进行调整,以均衡建筑的资源能,从而达到预设碳中和条件。
所述碳减排单元1004,还用于根据所述第二目标碳排放路径进行碳减排处理以满足预设碳中和条件。
具体实现中,通过上述第一目标碳排放路径和第二目标碳排放路径对碳排放量进行碳减排处理以满足预设碳中和条件。
在本实施例中,所述智控能源碳排管理集成系统还包括:物联网云平台;
所述物联网云平台,还用于实时监测目标建筑对应的生产运营信息以及碳排放信息;所述物联网云平台,还用于将所述生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以实时展示目标建筑的运行状态;所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型确定所述目标建筑的能效态势感知。
需说明的是,预设马尔科夫模型可以是预先设置的用于预测目标建筑能耗方面的能效态势感知模型,其中能效态势感知的预测可以是指针对能效态势变动概率的预测,例如:概率大于预设概率值时,判定能效态势感知良好,若概率低于预设概率值时,判定能效态势感知较差,通过对能效态势感知的确定可以是对建筑进行相应调整以达到更加有效地节能。
应理解的是,生产运营信息可以是针对建筑在运行过程中各传感器采集的数据信息,以及各个智能系统运行产生的数据信息。通过生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以便于确定目标建筑的运行状态,从而通过预设马尔科夫模型确定所述目标建筑的能效态势感知。
可理解的是,预设马尔科夫模型可以通过划分运行状态,从预测目的出发,考虑决策需要划分目标建筑所处的状态。计算初始概率,并根据实际问题分析历史数据中的状态概率作为初始概率;通过计算状态转移概率,并根据状态转移概率对目标建筑的能效态势感知进行预测。
进一步地,所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
需说明的是,预设时间段可以是预先设置的用于预测某一时间段内的能耗数据的时间段,所述预测能耗参数可以是目标建筑在预设时间段内各个设备对应的总能耗参数,通过对各个设备总能耗参数进行聚类分析,获得目标建筑对应的能耗参数,并根据预设马尔科夫模型和目标建筑对应的能耗参数确定目标建筑的能效态势感知。
具体实现中,根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
本实施例通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息;基于预设热力图模型和所述三维坐标信息生成碳排放热力图;基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测;根据预设BIM建筑模型对预测结果中碳排放量超过预设排放量的碳排放区域进行定位,获得定位信息;根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息;根据所述设备参数信息对所述异常设备进行设备优化;获取当前环境信息以及碳排放路径;根据所述当前环境信息和所述预设再生能源系统对所述碳排放路径进行调整,获得第一目标碳排放路径;根据所述预测结果中的碳达峰对所述第一目标碳排放路径进行二次调整,获得第二目标碳排放路径;根据所述第二目标碳排放路径进行碳减排处理以满足预设碳中和条件。由于本实施例通过预设孪生模型和碳排放热力图对碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件,相较于现有技术中不存在针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善,本实施例实现了针对双碳建筑场景下的完整碳排放管理流程,对碳排放进行有效管理。
基于上述智控能源碳排管理集成系统,本发明还提供一种碳排管理方法。
参照图2,图2本发明碳排管理方法第一实施例的流程示意图。
在本实施例中,所述碳排管理方法包括以下步骤:
步骤S10:所述设备智能控制监测单元通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息。
需说明的是,本实施例目标建筑可以是指商用以及居民住宅的双碳建筑,所述双碳建筑可以适应气候特征和自然条件,通过保温隔热性能和气密性更高的围护结构及无热桥的设计,采用高效新风热回收技术,最大程度的降低建筑供暖制冷需求,并充分利用可再生能源,以更少的能源消耗提供健康、舒适的室内环境,并同时满足绿色建筑的要求,其中双碳建筑主要分为低碳建筑,应用超低能耗和近零能耗技术和.零碳建筑,应用零能耗产能技术两个部分可以实现各场景的水、电、气、热等多种能源介质数据的计量,从而达到对碳排放精确监测;其中所述目标建筑可以对光照、风量、雨量以及窗户朝向进行调整,例如:目标建筑可以做如下控制:光照感知: 光感控制:通过多朝向,多点位布置的光传感器,自动分区调节叶片角度保证舒适光照;眩光控制:实时计算阳光入射角度,自动调整叶片角度防止直射炫光干扰;自然采光:在防止眩光的同时,调整叶片角度将阳光投射到天花板上为室内采光;风量感知:大风警报:风量超过设定值,报警并收起,避免造成损坏;雨量感知:大雨报警:雨量超过设定值,报警并收起,避免造成损坏。太阳方位:在一天的不同时间,根据太阳方位,自动调节叶片角度,保证适量的入射光强度;季节感知:根据房屋经纬度,自动计算每天日出、日落时间,用柔和的阳光自然唤醒舒睡的身体;冬夏模式:冬天时白天控制柔和光线采暖,晚上关闭叶片保暖;夏天白天关小叶片减少阳光直射;窗户朝向:结合不同季节的太阳高度角,实现不同朝向窗帘叶片的独立自适应调节,保证全方位柔和光照。
其中,目标建筑基于保温隔热性能、气密性更高的围护结构、无热桥设计、新风高效热回收技术等,融入了可再生能源、水质管理、智能光环境、日光管理、健康管理等,让建筑更智能、更高效、更便捷、更健康、更舒适、更安全。其中,高效新风热回收系统 : 热回收装置采用全热回收装置,交换效率不低于75%, 新风系统新风具有可调节功能,且可根据室内二氧化碳浓度进行调节和控制 ;通过控制系统可以使热泵空调 能根据室内外温度 、湿度变化精细调节,对建筑物分层、 分区进行温度调控。根据公用建筑室内监测空气质量的传感器返回的实时数据,新风控制系统能实现自动开启、 关闭以及调节新风量大小的功能。
进一步地,目标建筑配置了超低、近零、零能耗建筑智能控制和能源碳排的管理集成系统,智控能源碳排管理集成系统是一种针对双碳建筑配置的碳排能源管理系统,所述碳排能源管理系统可以通过能源碳排管理大数据平台以综合能源规划为顶层设计,以综合碳排能源中心为核心节点,运用分布式可再生能源、 储能和智慧能源网络技术,实现区域能源的平衡、自治和碳排放的极大降低,所述系统集成了智慧光环境管理(如:智能遮阳系统、智能感光系统)、水质管理、设备管理、能源计量与分析、考勤管理、门禁管理、区块管理、消防管理以及物业、会议等系统,其中上述系统可以通过物联网设备采集的信息进行相应的设备管理,可以通过物联网连接目标建筑中目标物联网设备对碳排放进行监测,从而根据监测结果对目标建筑进行碳排放管理。例如:所述智能遮阳系统可以通过利用传感器和气候、经纬度算法,冬天加强采光和得热,夏天根据太阳轨迹和日照光线对建筑物进行遮阳隔热,实现自动遮阳,自动调节采光度;所述智能感光系统可以通过传感器24H监测并控制所有灯光,根据算法分为工作模式、无人模式等。
需说明的是,智慧光环境管理中可以追踪自然光色变化,智能调节光源色温,自动感知环境光照,柔和调节工作面水平照度, 智慧照明与自然采光集合,提供稳定舒适的光环境。感应使用者占空状态,无需起身手动开关灯具,为企业大幅节约照明成本。下发光直接照亮工作区域,上发光间接补充空间亮度,营造完美工作照明同时保证环境光照舒适,保护使用者视力以及工作状态。
可理解的是,目标物联网设备可以是指通过物联网技术进行信息传递的设备,所述设备可以是智能系统对应的智能管理设备、传感器以及具有传输数据功能的设备,如:水表、电表、燃气表等。
应理解的是,碳排放信息可以是通过碳排能源管理系统确定温室气体排放的信息,所述信息包括碳排放量、排放时间以及碳排放类型等信息,所述温室气体可以是煤炭、天然气、石油、天然气等化石能源燃烧活动和工业生产过程以及土地利用变化与林业等活动产生的温室气体。针对商业、住宅等建筑的碳排放可以是家具用电、天然气或自来水对应的碳排放,本实施例中不限于上述举例;
具体实现中,通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息,例如:通过目标建筑中的水表、电表或燃气表对应的用量对碳排放进行监测,获取碳排放信息。
进一步地,所述目标物联网设备包括恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备;所述设备智能控制监测单元通过恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备对碳排放进行监测,获取碳排放信息。
需说明的是,恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备可以是用于对目标建筑的环境温度、环境湿度以及空气质量进行监测的设备,通过上述传感器采集环境信息以及空气质量信息,从而确定目标建筑当前环境温度、湿度、噪音范围、压强以及空气质量是否需要进行调节,从而能够根据环境信息以及空气质量信息对目标建筑内的环境以及空气进行调节,以达到恒温、恒湿、恒洁、恒氧、恒压以及恒静的效果。
可理解的是,越来越多的建筑会配置新风以及暖气系统或其他会产生碳排放的设备及系统,因此因此为保证用户使用效果达到最佳且节能,通过预先设置恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器实时采集目标建筑内的环境信息以及空气质量信息从而能够根据环境实时调节目标建筑所需的温度、湿度、噪音范围、压强以及空气质量,进而提升用户体验感,也能达到节能减排的效果。
具体实现中,可以通过调节能耗建筑智能控制和能源碳排的管理集成系统中环境信息以及空气质量的设定来达到节能减排的效果,例如:所述系统中包括恒温,温度传感器24H监测并控制高效热回收新风系统或辐射系统进行蓄冷或蓄热,利用建筑本体的高性能围护结构和气密性保温,达到用电能耗的最低。冬季温度设定范围可以是18℃-22℃、夏季温度设定范围可以是24℃-28℃;恒湿,湿度传感器24H监测并控制高效热回收新风系统或辐射系统进行等温除湿,冬季设定范围可以是≥35%RH,夏季设定范围可以是≤65%RH;恒氧传感器24H监测并控制高效热回收新风系统或辐射系统进行全天24小时提供新鲜氧气;恒静,利用高性能围护结构和高气密性使建筑分贝控制在白天设定范围可以是<40dba、晚上设定范围可以是<35dba,室内外的分贝显示于面板;恒洁传感器24H监测并控制高效热回收新风系统或辐射系统进行过滤室内空气或交换室内外空气,PM2.5设定范围可以是<35ug/m³/24H,甲醛设定范围可以是<0.03mg/m³;恒压传感器24H监测室内的正压和厕所及吸烟区的负压,进行压力调节;上述通过限定阈值对系统按照环境信息进行调节,从而达到节能减排的效果。
步骤S20:所述碳预测单元根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测。
需说明的是,预设数字孪生模型可以是预先设置的用于对建筑实际物理场景下的碳排放区域映射至虚拟空间中的模型,所述模型可以基于物理模型构建的虚拟空间模型。
应理解的是,碳排放热力图是根据目标建筑中各个区域的碳排放量以特殊高亮的形式进行显示的图示。例如:根据不同的碳排放量对应不同的色彩的热力图,其中,通过设置热力图颜色取值范围,并根据取值范围从预设色彩空间中确定相应目标色彩,以达到标注各个碳排放区域。预设周期可以是预先设置的时间范围,例如:一年、十年、五十年等,所述时间范围可以是根据实际预测需求进行设定,本实施例对具体数值不加以限定。
具体实现中,根据预设数字孪生模型和碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测。
步骤S30:所述碳优化单元对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化。
需说明的是,预设排放量可以是根据各设备对应的正常运行条件下预先设置的碳排放量范围,所述预设排放量可以是通过实验数据设定的。
可理解的是,本方案中可以根据各设备对应的碳排放量和预设排放量进行对比,根据对比结果判定设备是否存在排放量异常的情况,从而对异常设备进行定位,以便于后期对异常设备进行优化维护,减少由于设备老化或鼓掌引起的能源浪费。
步骤S40:所述碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
需说明的是,碳减排单元1003可以通过供应端和需求端对应的碳排放进行优化,以达到节能减排,其中所述供应端包括预设可再生能源系统以及建筑对应的预先设置的能源结构,所述需求端包括建筑、交通、工业、废弃物以及绿地等,通过对能源的选用、技术筛选以及能源方案的确定来优化供应端碳减排量,通过对需求端的需求分析、减碳策略以及综合方案的优化实现需求端的碳减排,通过上述方式来实现综合能源的优化规划进行碳减排,以达到预设碳中和条件。
可理解的是,预设再生能源系统可以是预先设置的用于对能源进行循环利用的系统,所述系统可以包括建筑的光能回收利用系统或雨水回收利用系统,其中光能回收利用系统可以包括光伏屋顶、光伏玻璃、光伏墙体等,光能回收利用系统可以通过BIPV即光伏建筑一体化,是与建筑物同时设计、同时施工和安装并与建筑物形成完美结合的太阳能光伏发电系统,它作为建筑物外部结构的一部分,既具有发电功能,又具有建筑构件和建筑材料的功能。BIPV可以达到结合电力节能、储能一体化的效果。可以通过上述再生能源装置的每天发电量和输送给电网的电量;所述雨水回收利用系统可以将雨水收集后,将收集的雨水通过处理达到使用标准,以进行相应的使用,例如:植物灌溉、补充景观水、绿化等方面的使用。
应理解的是,将优化后的设备和预设再生能源系统进行相应的碳减排处理以满足预设碳中和条件,预设碳中和条件可以是针对商业、居民住宅等建筑预先设置的抵消自身产生的温室气体排放量的条件。
具体实现中,通过碳减排单元对供应端和需求端进行相应的综合能源的优化规划,通过优化后的设备提高能源利用率并结合预设能源系统对应运行方式提高能源使用效率,从而达到节能减排的效果,以满足预设碳中和条件。
进一步地,所述碳预测单元根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息。所述碳预测单元基于预设热力图模型和所述三维坐标信息生成碳排放热力图。
需说明的是,通过预设数字孪生模型构建一个建筑实际物理场景对应的虚拟空间的模型,并根据各个区域碳排放信息确定虚拟空间模型中各个碳排放区域的三维坐标信息。
可理解的是,预设热力图模型可以是基于预设色彩空间模型和预设聚类算法构建的模型,所述聚类算法可以是K-means算法,通过对离散的数据进行聚类处理,确定目标热力点,并根据预设热力图宽度以及高度对热力点影像范围进行框定,从而便于后期对热力图影响范围进行显示。
应理解的是,碳预测单元基于预设热力图模型和所述三维坐标信息生成碳排放热力图。
进一步地,所述碳预测单元根据所述三维坐标信息和所述碳排放信息对各碳排放区域的排放量信息进行标注,获得标注结果;所述碳预测单元基于预设热力图模型和所述标注结果构建初始热力纹理图;所述碳预测单元基于预设渲染模型将所述初始热力纹理图映射置预设BIM建筑模型中,生成碳排放热力图。
需说明的是,为了便于后期对各个区域的碳排放量的统计以及显示,可以按照空间维度对排放量信息进行标注,并基于标注结果构建热力图。
应理解的是,在热力图渲染中,通常使用离散的点数据,通过数据的属性信息,对其进行赋权,再通过透明度、扩散半径等参数实现热力图的渲染,但由于离散的点数据较少,会影响渲染效果,若太多会影响网络传输的速度和渲染的性能。因此可以通过预设热力图模型中的聚类算法以及坐标转换的方式生成碳排放热力图。
可理解的是,初始热力纹理图可以是指二维坐标下的热力纹理图,但是在实际显示中,热力图是三维空间的图示,因此先基于预设热力图模型和=标注结果中碳排放量构建二维空间下的初始热力纹理图,并基于预设渲染模型将所述初始热力纹理图的二维坐标进行加权聚映射置预设BIM建筑模型中,生成三维空间下的碳排放热力图。
具体实现中,根据不同的碳排放量确定对应不同的色彩的热力图,其中,通过设置热力图颜色取值范围,并根据取值范围从预设色彩空间中确定相应目标色彩,以达到标注各个碳排放区域。
进一步地,所述碳预测单元基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
需说明的是,预设深度学习模型可以是预先设置的用于对碳排量进行预测的模型,所述模型可以是基于深度学习算法构建的模型。
具体实现中,基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
在本实施例中,所述碳优化单元根据预设BIM建筑模型对预测结果中碳排放量超过预设排放量的碳排放区域进行定位,获得定位信息。所述碳优化单元根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息。所述碳优化单元根据所述设备参数信息对所述异常设备进行设备优化。
需说明的是,预设BIM建筑模型可以是基于目标建筑对应的物理特征构建的虚拟空间建筑模型,所述物理特征包括目标建筑对应的线、切面及柱状等特征。
可理解的是,定位信息可以是指产生碳排放区域的位置信息,其中,根据预设BIM模型对预测结果中排放量超过预设排放量的碳排放区域进行定位,获得定位信息。设备参数信息包括设备名称、设备类型以及设备序列号等参数信息,通过上述参数信息可以对异常设备进行诊断,以便于后期对设备进行维护。
应理解的是,根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息。
具体实现中,通过设备参数信息确定异常设备对应的设备类型以及故障类型,以便于后期对异常设备进行设备优化。
在本实施例中,所述碳减排单元获取当前环境信息以及碳排放路径。所述碳减排单元根据所述当前环境信息和所述预设再生能源系统对所述碳排放路径进行调整,获得第一目标碳排放路径。所述碳减排单元根据所述预测结果中的碳达峰对所述第一目标碳排放路径进行二次调整,获得第二目标碳排放路径。所述碳减排单元根据所述第二目标碳排放路径进行碳减排处理以满足预设碳中和条件。
需说明的是,当前环境信息可以是目标建筑所处环境的温度、湿度以及噪音、PM2.5等信息。碳排放路径是指温室气体产生的路径以及碳减排路径。其中产生路径可以是根据产生温室气体的设备之间联系确定的路径。碳减排路径可以是通过调整设备进行节能或通过利用可再生能源达到减排效果的路径。第一目标排放路径可以是通过利用预设再生能源系统对应的减排路径,例如:通过光能发电减少碳排放的路径。
应理解的是,可以通过调节能耗建筑智能控制和能源碳排的管理集成系统中环境信息以及空气质量的设定来达到节能减排的效果,例如:所述系统中包括恒温,温度传感器24H监测并控制高效热回收新风系统或辐射系统进行蓄冷或蓄热,利用建筑本体的高性能围护结构和气密性保温,达到用电能耗的最低。冬季温度设定范围可以是18℃-22℃、夏季温度设定范围可以是24℃-28℃;恒湿,湿度传感器24H监测并控制高效热回收新风系统或辐射系统进行等温除湿,冬季设定范围可以是≥35%RH,夏季设定范围可以是≤65%RH;恒氧传感器24H监测并控制高效热回收新风系统或辐射系统进行全天24小时提供新鲜氧气;恒静,利用高性能围护结构和高气密性使建筑分贝控制在白天设定范围可以是<40dba、晚上设定范围可以是<35dba,室内外的分贝显示于面板;恒洁传感器24H监测并控制高效热回收新风系统或辐射系统进行过滤室内空气或交换室内外空气,PM2.5设定范围可以是<35ug/m³/24H,甲醛设定范围可以是<0.03mg/m³;恒压传感器24H监测室内的正压和厕所及吸烟区的负压,进行压力调节;上述通过限定阈值对系统按照环境信息进行调节,从而达到节能减排的效果。
需说明的是,再通过上述方式进行节能减排后,根据预测结果中碳达峰再次对碳排放路径进行调整,以均衡建筑的资源能,从而达到预设碳中和条件。
具体实现中,通过上述第一目标碳排放路径和第二目标碳排放路径对碳排放量进行碳减排处理以满足预设碳中和条件。
在本实施例中,所述智控能源碳排管理集成系统还包括:物联网云平台;
所述物联网云平台实时监测目标建筑对应的生产运营信息以及碳排放信息;所述物联网云平台,还用于将所述生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以实时展示目标建筑的运行状态;所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型确定所述目标建筑的能效态势感知。
需说明的是,预设马尔科夫模型可以是预先设置的用于预测目标建筑能耗方面的能效态势感知模型,其中能效态势感知的预测可以是指针对能效态势变动概率的预测,例如:概率大于预设概率值时,判定能效态势感知良好,若概率低于预设概率值时,判定能效态势感知较差,通过对能效态势感知的确定可以是对建筑进行相应调整以达到更加有效地节能。
应理解的是,生产运营信息可以是针对建筑在运行过程中各传感器采集的数据信息,以及各个智能系统运行产生的数据信息。通过生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以便于确定目标建筑的运行状态,从而通过预设马尔科夫模型确定所述目标建筑的能效态势感知。
可理解的是,预设马尔科夫模型可以通过划分运行状态,从预测目的出发,考虑决策需要划分目标建筑所处的状态。计算初始概率,并根据实际问题分析历史数据中的状态概率作为初始概率;通过计算状态转移概率,并根据状态转移概率对目标建筑的能效态势感知进行预测。
进一步地,所述物联网云平台根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
需说明的是,预设时间段可以是预先设置的用于预测某一时间段内的能耗数据的时间段,所述预测能耗参数可以是目标建筑在预设时间段内各个设备对应的总能耗参数,通过对各个设备总能耗参数进行聚类分析,获得目标建筑对应的能耗参数,并根据预设马尔科夫模型和目标建筑对应的能耗参数确定目标建筑的能效态势感知。
具体实现中,根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
本实施例通过所述设备智能控制监测单元目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;所述碳预测单元根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;所述碳优化单元对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;所述碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。由于本实施例通过系统中预设孪生模型和碳排放热力图对碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件,相较于现有技术中不存在针对双碳建筑场景下的智能碳排放管理,导致碳排放管理不完善,本实施例实现了针对双碳建筑场景下的完整碳排放管理流程,对碳排放进行有效管理。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通 过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的 技术方案本质上或者说对现有技术做出贡献的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(如只读存储器/随机存取存储器、磁碟、光 盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
Claims (10)
1.一种智控能源碳排管理集成系统,其特征在于,所述智控能源碳排管理集成系统包括设备智能控制监测单元、碳预测单元、碳优化单元以及碳减排单元;
所述设备智能控制监测单元,用于通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;
所述碳预测单元,用于根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;
所述碳优化单元,用于对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;
所述碳减排单元,用于对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
2.如权利要求1所述的智控能源碳排管理集成系统,其特征在于,所述目标物联网设备包括恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备;
所述设备智能控制监测单元,还用于通过恒温、恒湿、恒洁、恒氧、恒压以及恒静对应的传感器设备对碳排放进行监测,获取碳排放信息。
3.如权利要求1所述的智控能源碳排管理集成系统,其特征在于,所述碳预测单元,还用于根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息;
所述碳预测单元,还用于基于预设热力图模型和所述三维坐标信息生成碳排放热力图;
所述碳预测单元,还用于基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
4.如权利要求3所述的智控能源碳排管理集成系统,其特征在于,所述碳预测单元,还用于根据所述三维坐标信息和所述碳排放信息对各碳排放区域的排放量信息进行标注,获得标注结果;
所述碳预测单元,还用于基于预设热力图模型和所述标注结果构建初始热力纹理图;
所述碳预测单元,还用于基于预设渲染模型将所述初始热力纹理图映射置预设BIM建筑模型中,生成碳排放热力图。
5.如权利要求4所述的智控能源碳排管理集成系统,其特征在于,所述碳优化单元,还用于根据预设BIM建筑模型对预测结果中碳排放量超过预设排放量的碳排放区域进行定位,获得定位信息;
所述碳优化单元,还用于根据所述定位信息和预设物联网设备对异常设备进行定位,获取所述异常设备对应的设备参数信息;
所述碳优化单元,还用于根据所述设备参数信息对所述异常设备进行设备优化。
6.如权利要求5所述的智控能源碳排管理集成系统,其特征在于,所述碳减排单元,还用于获取当前环境信息以及碳排放路径;
所述碳减排单元,还用于根据所述当前环境信息、所述预设再生能源系统以及智能环境调节系统对所述碳排放路径进行调整,获得第一目标碳排放路径;
所述碳减排单元,还用于根据所述预测结果中的碳达峰对所述第一目标碳排放路径进行二次调整,获得第二目标碳排放路径;
所述碳减排单元,还用于根据所述第二目标碳排放路径进行碳减排处理以满足预设碳中和条件。
7.如权利要求1所述的智控能源碳排管理集成系统,其特征在于,所述智控能源碳排管理集成系统还包括:物联网云平台;
所述物联网云平台,还用于实时监测目标建筑对应的生产运营信息以及碳排放信息;
所述物联网云平台,还用于将所述生产运营信息以及碳排放信息按照时间维度和空间维度进行可视化处理,以实时展示目标建筑的运行状态;
所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型确定所述目标建筑的能效态势感知。
8.如权利要求7所述的智控能源碳排管理集成系统,其特征在于,所述物联网云平台,还用于根据所述运行状态和预设马尔科夫模型对预设时间段内的能耗数据进行预测,获得预测能耗参数;
所述物联网云平台,还用于根据所述预测能耗参数和预设聚类算法确定所述目标建筑的能效态势感知。
9.基于权利要求1所述的智控能源碳排管理集成系统提出一种碳排管理方法,其特征在于,所述碳排管理方法包括以下步骤:
所述设备智能控制监测单元通过目标建筑中目标物联网设备对碳排放进行监测,获取碳排放信息;
所述碳预测单元根据预设数字孪生模型和所述碳排放信息生成碳排放热力图,并基于所述碳排放热力图对预设周期内的碳排放量进行预测;
所述碳优化单元对预测结果中碳排放量超过预设排放量的异常设备进行定位,并对所述异常设备进行设备优化;
所述碳减排单元对优化后的设备和预设再生能源系统进行碳减排处理以满足预设碳中和条件。
10.如权利要求9所述的智控能源碳排管理集成系统,其特征在于,所述碳预测单元根据预设数字孪生模型和所述碳排放信息确定目标建筑中的碳排放区域的三维坐标信息;
所述碳预测单元基于预设热力图模型和所述三维坐标信息生成碳排放热力图;
所述碳预测单元基于所述碳排放热力图和预设深度学习模型对预设周期内的碳排放量进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573390.2A CN116258239B (zh) | 2022-12-08 | 2022-12-08 | 智控能源碳排管理集成系统及碳排管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573390.2A CN116258239B (zh) | 2022-12-08 | 2022-12-08 | 智控能源碳排管理集成系统及碳排管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258239A true CN116258239A (zh) | 2023-06-13 |
CN116258239B CN116258239B (zh) | 2024-01-26 |
Family
ID=86678274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211573390.2A Active CN116258239B (zh) | 2022-12-08 | 2022-12-08 | 智控能源碳排管理集成系统及碳排管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258239B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117008479A (zh) * | 2023-09-27 | 2023-11-07 | 深圳碳中和生物燃气股份有限公司 | 基于生物质气化炉的负碳排放优化控制方法及系统 |
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN113285974A (zh) * | 2021-04-02 | 2021-08-20 | 国网浙江慈溪市供电有限公司 | 一种基于数字孪生技术的企业碳排放监控系统 |
CN113987056A (zh) * | 2021-10-28 | 2022-01-28 | 重庆东煌高新科技有限公司 | 基于深度学习的碳排放量反演系统及方法 |
CN114003621A (zh) * | 2021-11-05 | 2022-02-01 | 天津大学 | 用于区域碳排放的动态可视化方法及系统 |
CN114324747A (zh) * | 2021-12-01 | 2022-04-12 | 安捷中科(北京)数据科技有限公司 | 广域碳排放实时监测方法及系统 |
-
2022
- 2022-12-08 CN CN202211573390.2A patent/CN116258239B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
CN113285974A (zh) * | 2021-04-02 | 2021-08-20 | 国网浙江慈溪市供电有限公司 | 一种基于数字孪生技术的企业碳排放监控系统 |
CN113987056A (zh) * | 2021-10-28 | 2022-01-28 | 重庆东煌高新科技有限公司 | 基于深度学习的碳排放量反演系统及方法 |
CN114003621A (zh) * | 2021-11-05 | 2022-02-01 | 天津大学 | 用于区域碳排放的动态可视化方法及系统 |
CN114324747A (zh) * | 2021-12-01 | 2022-04-12 | 安捷中科(北京)数据科技有限公司 | 广域碳排放实时监测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117008479A (zh) * | 2023-09-27 | 2023-11-07 | 深圳碳中和生物燃气股份有限公司 | 基于生物质气化炉的负碳排放优化控制方法及系统 |
CN117008479B (zh) * | 2023-09-27 | 2023-12-01 | 深圳碳中和生物燃气股份有限公司 | 基于生物质气化炉的负碳排放优化控制方法及系统 |
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
CN117407967B (zh) * | 2023-12-15 | 2024-03-22 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116258239B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116258239B (zh) | 智控能源碳排管理集成系统及碳排管理方法 | |
Santamouris | Environmental design of urban buildings: an integrated approach | |
Lu et al. | Using simple light sensors to achieve smart daylight harvesting | |
CA2795424C (en) | Energy saving unit and system for buildings by mutual learning | |
CN103628637A (zh) | 一种智能化建筑遮阳系统及方法 | |
CN103593530A (zh) | 一种采用数字模拟进行节能建筑设计的综合方法 | |
Ebrahimi-Moghadam et al. | Performance analysis of light shelves in providing visual and thermal comfort and energy savings in residential buildings | |
CN104751376A (zh) | 绿色建筑测评系统及方法 | |
CN110298104A (zh) | 一种采用数字模拟进行节能建筑设计信息处理系统及方法 | |
KR20130114965A (ko) | 시뮬레이션을 통한 고 에너지 효율을 갖는 건물 설계 시스템 및 이를 사용한 건물 설계 방법 | |
KR20100075574A (ko) | 활성 빌딩 스킨을 갖는 빌딩 관리 시스템, 이러한 시스템에서 사용을 위한 환경 리소스 컬렉터 및 빌딩에서 사용된 리소스들을 관리하는 방법 | |
Eley | Design professional's guide to zero net energy buildings | |
CN115438908A (zh) | 一种碳排放预测方法、系统、存储介质和电子设备 | |
Hachem | Investigation of Design Parameters for Increased Solar Potential of Dwellings and Neighborhoods | |
Zeng | Integration of renewable energy with urban design: based on the examples of the solar photovoltaics and micro wind turbines | |
CN208567008U (zh) | 基于辐射时间序列方法的空调负荷预测系统 | |
Zaferanchi et al. | Effectiveness of interventions to convert the energy consumption of an educational building to zero energy | |
Bhiwapurkar et al. | Street geometry and energy conservation of urban buildings in Chicago | |
Chen | Natural Ventilation Control Strategies and Their Effectiveness in Different Climates | |
Zhang et al. | Evaluation of energy performance in positive energy building: X HOUSE at Solar Decathlon Middle East 2021 | |
Mei et al. | Study on Operational Feasibility of Park Based on Zero Carbon Model | |
Ni et al. | Research on theoretical energy saving rate of cooling and heating with intelligent temperature control of office buildings in Xinjiang typical climate zone | |
Saye et al. | The solar greenhouse: a survey of energy saving methods | |
He et al. | Direct radiation model of louver shading in office building shade based on network optimization method | |
Rashid et al. | Impact Assessment of Window Orientation and Aspect Ratio on Building Energy Performance Using Comfen In The Climate of Lahore |
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 |