CN116522683A - 一种建筑能耗碳排测定方法 - Google Patents
一种建筑能耗碳排测定方法 Download PDFInfo
- Publication number
- CN116522683A CN116522683A CN202310729256.5A CN202310729256A CN116522683A CN 116522683 A CN116522683 A CN 116522683A CN 202310729256 A CN202310729256 A CN 202310729256A CN 116522683 A CN116522683 A CN 116522683A
- Authority
- CN
- China
- Prior art keywords
- carbon
- building
- energy consumption
- emission
- carbon 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.)
- Granted
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 168
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 166
- 238000005265 energy consumption Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000010438 heat treatment Methods 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 description 4
- 238000010792 warming Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Carbon And Carbon Compounds (AREA)
Abstract
本发明提出了一种建筑能耗碳排测定方法，涉及碳排测定技术领域，运用建筑参数，计算监测时间内的建筑物总供热量；构建监测时间内的建筑物总供热量所对应的碳排模型；构建建筑能耗碳排核算模式，根据能耗碳排核算模式得到极大模式和极小模式；将监测时间范围进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值；计算每个时间网格的碳排指标，并根据碳排指标将每个时间网格进行能耗碳排等级分级。有效的提高了建筑能耗碳排测定精确度，以加快“双碳”目标的实现，更好地了解了影响建筑碳排放量的因素，以便更好地把控减排的要点。
Description
技术领域
本发明涉及碳排测定技术领域，具体涉及一种建筑能耗碳排测定方法。
背景技术
能源问题及全球变暖已成为世界各国关注的焦点。全球温室气体增加的主要来源是化石能源消费，其所导致的CO2排放在全球碳排放中占主导地位。长期以来，应对能源危机和气候变暖的政策措施多集中于工业生产领域。很大程度上忽视了作为社会终端消费单元、生产活动原始驱动力的家庭生活消费。而近年来许多国家的研究都表明由家庭消费带来的能耗及温室气体排放比例越来越不容忽视。
纵观现有技术，主要是针对能耗结构和碳排比重的现状分析，对能耗和碳排动态变化特征缺乏深入理解。方法上大多基于生态足迹和碳足迹理论，研究对象多集中在食品消费上，主要是分析消费行为与能源消耗、CO2排放、生态环境之间的关系，而对于建筑能耗和碳排放的影响因素探究不足。能源消耗必然会引起温室气体的排放，由此也可将居民生活消费的碳排放类似划分为直接碳排和间接碳排，即是：直接用能产生的碳排称为直接碳排放，间接能源消费产生的碳排称之为间接碳排放。同时建筑能耗水平还受到居住者用能习惯的影响，目前对于居住建筑运行阶段全年能耗进行监测计算的方法不是很多，大多数的居住建筑能耗测算都是在建筑设计阶段通过计算机软件模拟单体建筑能耗，导致预测结果不具有全面性，预测结果的精度较差，缺乏一种从多角度对既有城市建筑能耗进行全面性测定的方法。
发明内容
为了解决上述技术问题，本发明提出了一种建筑能耗碳排测定方法，包括如下步骤：
S1、运用建筑参数，计算监测时间内的建筑物总供热量；
S2、构建监测时间内的建筑物总供热量所对应的碳排模型；
S3、构建建筑能耗碳排核算模式，根据能耗碳排核算模式得到极大模式和极小模式；
S4、将监测时间范围进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值；
S5、计算每个时间网格的碳排指标，并根据碳排指标将每个时间网格进行能耗碳排等级分级。
进一步地，步骤S1中，监测时间内的建筑物总供热量Q如下:
；
式中，qhm为建筑物单位采暖耗热量，qIH为建筑物单位内部获得的热量，tf为建筑物内平均温度；te为采暖期室外平均温度，A0为采暖面积总和，Hr为监测时间。
进一步地，步骤S2中，所述碳排模型为：
；
其中，Y为碳排量，q1,q2 ,q3分别为碳排第一影响因子、第二影响因子、第三影响因子，B1、B2、B3分别为第一碳排系数、第二碳排系数、第三碳排系数。
进一步地，步骤S3中，
构建能耗碳排核算模式M=(Q,qj,<Bj0、Bj1>),qj代表碳排影响因子，Q代表监测时间内的建筑物总供热量，<Bj0、Bj1>代表碳排系数的取值范围；
能耗碳排核算模式M表示为：
；
其中，<B10、B11>,<B20、B21>,<B30、B31>分别为第一碳排系数、第二碳排系数、第三碳排系数的取值范围；
根据能耗碳排核算模式M得到极小模式D0和极大模式D1：
；
；
其中，Y0为最小碳排量，Y1为最大碳排量。
进一步地，步骤S5中：
设每个时间网格i内的建筑物总供热量为Qi,碳排指标Zi的定义如下：
Zi=Qi×Yi；
根据碳排指标Zi将每个时间网格进行能耗碳排等级分级。
进一步地，碳排第一影响因子q1、碳排第二影响因子q2、碳排第三影响因子q3为建筑过程中的交通碳排量、建筑者直接释放的碳排量、供暖所消耗的碳排量。
相比于现有技术，本发明具有如下有益技术效果：
运用建筑参数，计算监测时间内的建筑物总供热量；构建监测时间内的建筑物总供热量所对应的碳排模型；构建建筑能耗碳排核算模式，根据能耗碳排核算模式得到极大模式和极小模式；将监测时间范围进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值；计算每个时间网格的碳排指标，并根据碳排指标将每个时间网格进行能耗碳排等级分级。有效的提高了建筑能耗碳排测定精确度，以加快“双碳”目标的实现，更好地了解了影响建筑碳排放量的因素，以便更好地把控减排的要点。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明的建筑能耗碳排测定方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述系统中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示，为本发明的建筑能耗碳排测定方法的流程示意图，包括如下步骤：
S1、运用建筑参数，计算监测时间内的建筑物总供热量Q。
监测时间内的建筑物总供热量Q如下:
；
式中，qhm为建筑物单位采暖耗热量，qIH为建筑物单位内部获得的热量，tf为建筑物内平均温度；te为采暖期室外平均温度，A0为采暖面积总和，Hr为监测时间。
S2、构建监测时间内的建筑物总供热量所对应的碳排模型。
碳排模型为：
；
其中，Y为碳排量，q1,q2 ,q3分别为碳排第一影响因子、第二影响因子、第三影响因子，B1、B2、B3分别为第一碳排系数、第二碳排系数、第三碳排系数。例如q1,q2,q3可以为建筑过程中的交通碳排量、建筑者直接释放的碳排量、供暖所消耗的碳排量等。
S3、构建建筑能耗碳排核算模式，根据能耗碳排核算模式得到极大模式和极小模式。
构建能耗碳排核算模式M=(Q,qj,<Bj0、Bj1>),qj代表碳排影响因子，即q1,q2 ,q3，Q代表监测时间内的建筑物总供热量，<Bj0、Bj1>代表碳排系数的取值范围,即<B10、B11>,<B20、B21>,<B30、B31>。
则能耗碳排核算模式M可以表示为：
；
根据能耗碳排核算模式M得到极小模式D0和极大模式D1：
；
；
其中，Y0为最小碳排量，Y1为最大碳排量。
S4、将建筑物监测时间范围进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值。
将建筑物监测时间范围进行网格化分割，分成m个时间网格，构建每个时间网格i内的能耗碳排核算模式Mi，并计算每个时间网格i内的能耗碳排核算模式Mi的最大碳排量与最小碳排量的差值Yi。
S5、计算每个时间网格i的碳排指标Zi，并根据碳排指标Zi将每个时间网格进行能耗碳排等级分级。
设每个时间网格i内的建筑物总供热量为Qi,碳排指标Zi的定义如下：
Zi=Qi×Yi；
根据碳排指标Zi将每个时间网格进行能耗碳排等级分级。
本发明的建筑能耗碳排测定系统包括：总供热量获取单元，碳排模型构建单元，碳排核算模式构建单元，网格分割单元和碳排等级分级单元。
总供热量获取单元，用于运用建筑参数，计算监测时间内的建筑物总供热量。
碳排模型构建单元，用于计算监测时间内的建筑物总供热量所对应的碳排模型。
碳排核算模式构建单元，用于构建建筑能耗碳排核算模式，得到极大模式和极小模式。
网格分割单元，用于将建筑物监测时间范围进行网格化分割。
碳排等级分级单元，用于构建每个时间网格的能耗碳排核算模式，计算每个时间网格的碳排指标，并根据碳排指标将每个时间网格进行能耗碳排等级分级。
本发明运用建筑参数，计算监测时间内的建筑物总供热量；构建监测时间内的建筑物总供热量所对应的碳排模型；构建建筑能耗碳排核算模式，根据能耗碳排核算模式得到极大模式和极小模式；将监测时间范围进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值；计算每个时间网格的碳排指标，并根据碳排指标将每个时间网格进行能耗碳排等级分级。有效的提高了建筑能耗碳排测定精确度，更好地了解了影响建筑碳排放量的因素，以便更好地把控减排的要点。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种建筑能耗碳排测定方法，其特征在于，包括如下步骤：
S1、运用建筑参数，计算监测时间内的建筑物总供热量；
S2、构建监测时间内的所述建筑物总供热量所对应的碳排模型；
S3、根据所述碳排模型构建能耗碳排核算模式，得到极大模式和极小模式；
S4、将所述监测时间进行网格化分割，构建每个时间网格的能耗碳排核算模式，并计算每个时间网格的最大碳排量与最小碳排量的差值；
S5、根据所述差值计算每个时间网格的碳排指标，并根据所述碳排指标将每个时间网格进行能耗碳排等级分级。
2.根据权利要求1所述的建筑能耗碳排测定方法，其特征在于，步骤S1中，监测时间内的建筑物总供热量Q为:
；
式中，qhm为建筑物单位采暖耗热量，qIH为建筑物单位内部获得的热量，tf为建筑物内平均温度；te为采暖期室外平均温度，A0为采暖面积总和，Hr为监测时间。
3.根据权利要求2所述的建筑能耗碳排测定方法，其特征在于，步骤S2中，所述碳排模型为：
；
其中，Y为碳排量，q1,q2 ,q3分别为碳排第一影响因子、碳排第二影响因子、碳排第三影响因子，B1、B2、B3分别为第一碳排系数、第二碳排系数、第三碳排系数。
4.根据权利要求1所述的建筑能耗碳排测定方法，其特征在于，步骤S3中，
构建能耗碳排核算模式M=(Q,qj,<Bj0、Bj1>),qj代表碳排影响因子，Q代表监测时间内的建筑物总供热量，<Bj0、Bj1>代表碳排系数的取值范围；
能耗碳排核算模式M表示为：
；
其中，<B10、B11>,<B20、B21>,<B30、B31>分别为第一碳排系数、第二碳排系数、第三碳排系数的取值范围；
根据能耗碳排核算模式M得到极小模式D0和极大模式D1：
；
；
其中，Y0为最小碳排量，Y1为最大碳排量。
5.根据权利要求1所述的建筑能耗碳排测定方法，其特征在于，步骤S5中：
设每个时间网格i内的建筑物总供热量为Qi,每个时间网格i内的能耗碳排核算模式的最大碳排量Y1与最小碳排量Y0的差值Yi，碳排指标Zi的定义如下：
Zi=Qi×Yi；
根据碳排指标Zi将每个时间网格进行能耗碳排等级分级。
6.根据权利要求3所述的建筑能耗碳排测定方法，其特征在于，碳排第一影响因子q1、碳排第二影响因子q2、碳排第三影响因子q3为建筑过程中的交通碳排量、建筑者直接释放的碳排量、供暖所消耗的碳排量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310729256.5A CN116522683B (zh) | 2023-06-20 | 2023-06-20 | 一种建筑能耗碳排测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310729256.5A CN116522683B (zh) | 2023-06-20 | 2023-06-20 | 一种建筑能耗碳排测定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116522683A true CN116522683A (zh) | 2023-08-01 |
| CN116522683B CN116522683B (zh) | 2023-09-05 |
Family
ID=87401412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310729256.5A Active CN116522683B (zh) | 2023-06-20 | 2023-06-20 | 一种建筑能耗碳排测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116522683B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222133A (zh) * | 2019-05-29 | 2019-09-10 | 广州大学 | 一种考虑景观指数的多类土地利用模拟预测方法及装置 |
| US20210221247A1 (en) * | 2018-06-22 | 2021-07-22 | Moixa Energy Holdings Limited | Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources |
| CN114742294A (zh) * | 2022-04-09 | 2022-07-12 | 广州网文三维数字技术有限公司 | 一种碳排放预测的神经网络算法 |
-
2023
- 2023-06-20 CN CN202310729256.5A patent/CN116522683B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210221247A1 (en) * | 2018-06-22 | 2021-07-22 | Moixa Energy Holdings Limited | Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources |
| CN110222133A (zh) * | 2019-05-29 | 2019-09-10 | 广州大学 | 一种考虑景观指数的多类土地利用模拟预测方法及装置 |
| CN114742294A (zh) * | 2022-04-09 | 2022-07-12 | 广州网文三维数字技术有限公司 | 一种碳排放预测的神经网络算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116522683B (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11436395B2 (en) | Method for prediction of key performance parameter of an aero-engine transition state acceleration process based on space reconstruction | |
| Roberts et al. | Characterisation of Australian apartment electricity demand and its implications for low-carbon cities | |
| Sun et al. | Improved energy performance evaluating and ranking approach for office buildings using Simple-normalization, Entropy-based TOPSIS and K-means method | |
| CN103742901B (zh) | 一种循环流化床机组耗差分析优化目标值体系的确定方法 | |
| CN111337258B (zh) | 一种结合遗传算法和极值搜索算法的发动机控制参数在线标定的装置及方法 | |
| CN112747416B (zh) | 空调系统能耗预测方法及装置 | |
| CN110414114B (zh) | 一种u型地埋管换热器的多目标多参数的优化设计方法 | |
| CN104933307A (zh) | 基于粒子群优化算法的太阳电池隐式方程参数辨识方法 | |
| CN102542126A (zh) | 基于半监督学习的软测量方法 | |
| CN112884012A (zh) | 基于支持向量机原理的建筑能耗预测方法 | |
| CN114757602A (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
| Mu et al. | Correlation and synergy analysis of urban economy–energy–environment system—a case study of Beijing | |
| CN104408317A (zh) | 一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法 | |
| CN116204779A (zh) | 一种判断储能盐穴运行状态的方法、系统及可读存储介质 | |
| CN116522683B (zh) | 一种建筑能耗碳排测定方法 | |
| CN113822359A (zh) | 基于残差数据缩放策略的热泵系统自适应故障诊断方法 | |
| CN112365082A (zh) | 一种基于机器学习的公共能源消耗预测方法 | |
| CN117196918A (zh) | 一种建筑碳排放确定方法、装置、设备及存储介质 | |
| Cheng et al. | Spatiotemporal analysis of national carbon emission and regional carbon simulation in China | |
| CN102243695B (zh) | 零膨胀泊松分布参数的一种稳健估计方法 | |
| CN115932704A (zh) | 一种基于模型和数据双驱动的cvt误差测量方法及系统 | |
| Purnawansyah et al. | K-Means clustering implementation in network traffic activities | |
| CN111860923A (zh) | 基于多模型聚类集成的锅炉烟气NOx排放量预测算法 | |
| CN112800672A (zh) | 锅炉粘污系数的评估方法、系统、介质及电子设备 | |
| Li et al. | Fast Reconstruction and Optimization of 3D Temperature Field Based-on Kriging Interpolation |
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 |