CN116862738A - 一种能源碳排放预测预警系统 - Google Patents
一种能源碳排放预测预警系统 Download PDFInfo
- Publication number
- CN116862738A CN116862738A CN202310851310.3A CN202310851310A CN116862738A CN 116862738 A CN116862738 A CN 116862738A CN 202310851310 A CN202310851310 A CN 202310851310A CN 116862738 A CN116862738 A CN 116862738A
- Authority
- CN
- China
- Prior art keywords
- carbon
- data
- energy
- carbon emission
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 270
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 247
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000002265 prevention Effects 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims description 58
- 238000005265 energy consumption Methods 0.000 claims description 24
- 238000013527 convolutional neural network Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 17
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000003245 coal Substances 0.000 claims description 8
- 239000003345 natural gas Substances 0.000 claims description 8
- 239000002910 solid waste Substances 0.000 claims description 8
- -1 steam Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 6
- 238000004064 recycling Methods 0.000 claims description 4
- 239000010865 sewage Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000010842 industrial wastewater Substances 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 239000012855 volatile organic compound Substances 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 2
- 101150029755 park gene Proteins 0.000 description 40
- 230000008901 benefit Effects 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002912 waste gas Substances 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000010792 warming 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Emergency Management (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种能源碳排放预测预警系统,包括,数据采集模块,用于实时采集获取园区内的初始能碳数据;数据处理模块,与数据采集模块连接,用于对初始能碳数据进行处理与碳排放计算,获得目标能碳数据和碳排放计算结果;趋势预测模块,与数据处理模块连接,用于根据目标能碳数据与碳排放计算结果进行碳排放未来趋势预测,获得碳排放趋势预测结果;预防报警模块,与趋势预测模块连接,用于根据碳排放趋势预测结果进行预防报警。本发明不仅能够实时对采集的各类能碳数据进行碳排放量的计算,还可以对每一类数据的未来趋势发展变化进行预测,在超出预定的碳排放发展规划后,及时进行预警,实现对区域内碳排放的实时监测以及超前预警。
Description
技术领域
本发明属于碳排放预测领域,尤其涉及一种能源碳排放预测预警系统。
背景技术
随着我国经济的迅速发展,资源与环境承受的压力也在逐渐增大。碳排放作为经济增长所伴随的非期望产出,是导致全球变暖等环境问题的关键因素。企业在生产过程中会产生大量废气,废气经过处理后再排出,就是碳排放的过程,碳排放会对全球环境造成影响,因此对碳排放量相关指标进行监测和预警是极为重要的。
现有技术中,主要是通过企业上报(绿色能源的使用量,化石能源的使用量等),或者是根据企业的经营范围和经营类型,判断企业是否为绿色环保型企业,然后对企业进行碳效码赋码,导致碳效码的显示状态受人为因素的影响较大,且不准确,不具备实际的参考价值和指导意义。同时企业为了缩减成本没有及时跟进新设备对废气进行处理,导致碳排放容易出现超标,或者额外大量生产也会造成碳排放超标,而有关部门也无法根据企业需求合理分配碳排放量,同时也无法有效检测出碳排放中的各种不合格的情况,无法及时发现反馈,容易对全球大气造成进一步影响。
针对工业园区内的碳排放监管一直备受关注的情况,而现有的碳排放预测预警系统不够完善,数据统计不完整,无法全方位的了解工业地区各个行业的碳排放量,无法做出很好的地区规划。鉴于上述情况,有必要对现有的碳排放监控预警方式加以改进,使其能够适应现在对碳排放监测的需要。
发明内容
为实现上述目的,本发明提供了如下方案:一种能源碳排放预测预警系统,包括:
数据采集模块,用于实时采集获取园区内的初始能碳数据;
数据处理模块,与所述数据采集模块连接,用于对所述初始能碳数据进行处理与碳排放计算,获得目标能碳数据和碳排放计算结果;
趋势预测模块,与所述数据处理模块连接,用于根据所述目标能碳数据与碳排放计算结果进行碳排放未来趋势预测,获得碳排放趋势预测结果;
预防报警模块,与所述趋势预测模块连接,用于根据所述碳排放趋势预测结果进行预防报警。
优选地,所述数据采集模块包括数据分类单元、数据审核单元、应用配置单元;
所述数据分类单元用于对采集的能碳数据进行分类,获得碳账户基础应用数据、实时高频数据和低频数据;
所述数据审核单元用于管理员对数据采集模块采集的数据真实性与分类合理性进行人工审核;
所述应用配置单元用于对审核后的能碳数据进行应用配置,并对配置数据进行数据统计、展示和特色应用。
优选地,所述碳账户基础应用数据包括能源数据、碳账户评价数据及碳账户应用数据;
所述实时高频数据为园区第三方系统数据或碳账户能碳数据以实时数据的形式接入系统的数据;
所述低频数据为以月度、季度或年度数据填报或导入的数据,包括企业台账数据、环保数据、节能项目数据、低碳创建成果数据、服务申请业务数据。
优选地,所述数据处理模块包括第一处理单元、第二处理单元、第三处理单元;
所述第一处理单元用于根据能碳数据的应用配置实时获取园区内电、天然气、蒸汽、煤炭、汽油、柴油能源的消费趋势,并基于园区内排放的挥发性有机物数据、工业固体废弃物数据和工业废水数据进行数据核算获得碳排放数据;
所述第二处理单元用于根据园区内的能源消费结构,实时获取光伏清洁能源的发电量、发电效率、消纳量、减碳量;
所述第三处理单元用于用于根据园区内的经济指标,结合能耗总量、碳排总量、节能总量和碳减排总量自动进行碳排放计算,获得碳排放计算结果。
优选地,所述趋势预测模块包括模型构建单元、模型训练单元、模型预测单元;
所述模型构建单元用于构建初始卷积神经网络模型;
所述模型训练单元用于根据目标能碳数据对所述初始卷积神经网络模型进行训练,获得目标卷积神经网络模型;
所述模型预测单元用于基于所述目标卷积神经网络模型进行碳排放趋势预测,获得碳排放趋势预测结果。
优选地,所述预防报警模块包括能碳管理预警单元、能碳效率预警单元、减污降碳预警单元;
所述能碳管理预警单元用于根据预测获得的能碳趋势、能碳结构和碳减排监测结果对园区进行排放控制预警;
所述能碳效率预警单元用于根据能碳效率指标对企业进行排名,基于能碳效率排名数据对高碳低效企业进行管理与治理预警;
所述减污降碳预警单元用于根据预测获得的减污降碳趋势及减污降碳数据管理结果生成预警报表。
优选地,所述能碳趋势包括接入企业不同年份的能耗趋势、碳排放趋势、环比趋势、综合能耗和碳排放总量;
所述能碳结构包括区域能碳结构和产业能碳结构分别对应的名称、接入企业数量、接入企业占比、能耗、能耗占比、碳排放、碳排放占比;
所述碳减排监测结果包括碳减排趋势、区域碳减排总量、区域碳减排占比、产业碳减排总量、产业碳减排占比、碳减排总量、光伏自用总量、购买绿电总量。
优选地,所述能碳效率指标包括年份、片区名称、接入企业数量、接入企业占比、优秀企业数量、良好企业数量、中等企业数量、较差企业数量;
所述预警报表包括对应年份的固废利用、污水处理、中水回用、资金投入的减污降碳数据和减污降碳趋势;以及企业名称、统一社会信用代码、区域、产业、能源消费总量、碳排放总量、能源碳排总量、工艺碳排总量、电、天然气、蒸汽、煤炭、油品、光伏自用、绿电购买、节能降碳、单元税收能耗强度、单位税收碳排放强度。
与现有技术相比,本发明具有如下优点和技术效果:
本发明不仅能够实时对采集的各类能碳数据进行碳排放量的计算,还可以对每一类数据的未来趋势发展变化进行预测,在超出预定的碳排放发展规划后,及时进行预警,实现对区域内碳排放的实时监测以及超前预警。
本发明的预测预警系统还能够实现:
能源利用绿色化:能源使用、碳排放监测实时精确,帮助园区实施能碳总量控制,实现100%企业合格履行用能预算化管理目标。
能源结构科学化:帮助园区优化能源结构,降低高碳能源使用占比,提高清洁能源使用占比,加快园区低碳化建设,实现可再生能源使用比例达到15%。
能碳效率可视化:对能碳效率进行多维度实施监测对标,帮助园区对高碳低效企业进行治理,实现园区内企业综合效益评价在C类以上。
减污降碳协同化:统计排污环保数据,帮助园区协同碳排放控制与污染物减排工作,实现园区工业固体废弃物综合利用率大于95%的目标。
基础设施低碳化:通过标准化接口帮助园区对接园区内低碳基础设施系统,实时掌握其低碳贡献。
运营管理高效化:对园区低碳项目进行全生命周期管理,100%响应园区服务诉求,帮助园区建立政企协同的工作模式,加速园区低碳化建设。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的系统结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本发明所提供的一种能源碳排放预测预警系统,包括,
数据采集模块,用于实时采集获取园区内的初始能碳数据;
数据处理模块,与所述数据采集模块连接,用于对所述初始能碳数据进行处理与碳排放计算,获得目标能碳数据和碳排放计算结果;
趋势预测模块,与所述数据处理模块连接,用于根据所述目标能碳数据与碳排放计算结果进行碳排放未来趋势预测,获得碳排放趋势预测结果;
预防报警模块,与所述趋势预测模块连接,用于根据所述碳排放趋势预测结果进行预防报警。
进一步地优化方案,所述数据采集模块包括数据分类单元、数据审核单元、应用配置单元;
所述数据分类单元用于对采集的能碳数据进行分类,获得碳账户基础应用数据、实时高频数据和低频数据;
所述数据审核单元用于管理员对数据采集模块采集的数据真实性与分类合理性进行人工审核;
所述应用配置单元用于对审核后的能碳数据进行应用配置,并对配置数据进行数据统计、展示和特色应用。
进一步地优化方案,所述碳账户基础应用数据包括能源数据、碳账户评价数据及碳账户应用数据;
所述实时高频数据为园区第三方系统数据或碳账户能碳数据以实时数据的形式接入系统的数据;
所述低频数据为以月度、季度或年度数据填报或导入的数据,包括企业台账数据、环保数据、节能项目数据、低碳创建成果数据、服务申请业务数据。
进一步地优化方案,所述数据处理模块包括第一处理单元、第二处理单元、第三处理单元;
所述第一处理单元用于根据能碳数据的应用配置实时获取园区内电、天然气、蒸汽、煤炭、汽油、柴油能源的消费趋势,精准核算出园区及企业的碳排放情况,通过企业用能预算化管理应用,实现园区和企业能碳排放总量、碳排强度的核算,同时对园区用能预算化工作情况进行监测,并基于园区内各企业所排放的挥发性有机物数据、工业固体废弃物数据和工业废水数据进行数据核算获得碳排放数据;
所述第二处理单元用于根据园区内的能源消费结构,实时获取光伏清洁能源的发电量、发电效率、消纳量、减碳量等相关数据,从而提高园区绿电占比,鼓励企业自产绿电,购买绿电。实现园区全域光伏能碳数据可看、可算,推动园区能源结构的低碳转型;
所述第三处理单元用于用于根据园区内的生产效益、亩均效益等经济指标,结合能耗总量、碳排总量、节能总量和碳减排总量自动进行碳排放计算,实现能效、碳效、亩均评价的自动计算,获得碳排放计算结果,实现园区的碳管理科学评价。
进一步地优化方案,所述趋势预测模块包括模型构建单元、模型训练单元、模型预测单元;
所述模型构建单元用于构建初始卷积神经网络模型;
所述模型训练单元用于根据目标能碳数据对所述初始卷积神经网络模型进行训练,获得目标卷积神经网络模型;
所述目标卷积神经网络模型以改进型阈值函数为激活函数tReLU,在卷积神经网络的中间层引入残差神经元,用卷积和池化交替连接,softmax分类,贯穿整个结构生成新型卷积神经网络模型RLCNN;
所述新型卷积神经网络模型为六层卷积神经网络,其中第一、二、五、六层的卷积核大小依次是5×5、3×3、3×3、3×3,个数依次是32,64,128,256,每层都运用最大池化层,其大小是2×2;第三、四层是运用残差神经元建立的残差神经元层,第三、四层的残差神经元中卷积核大小均为1×1、3×3、1×1,对应的个数分别为16、16、64。
所述模型预测单元用于基于所述目标卷积神经网络模型进行碳排放趋势预测,获得碳排放趋势预测结果。
进一步地优化方案,所述预防报警模块包括能碳管理预警单元、能碳效率预警单元、减污降碳预警单元;
所述能碳管理预警单元用于根据预测获得的能碳趋势、能碳结构和碳减排监测结果对园区进行排放控制预警;
通过对能碳数据及时获取,及时分析,并对用能预算化与碳排预算化管理过程监测、结果评价,以及出台针对评价结果的奖惩措施,帮助园区实现排放控制,实时精准的目标。
所述能碳效率预警单元用于根据能碳效率指标对企业进行排名,基于能碳效率排名数据对高碳低效企业进行管理与治理预警;
通过对能碳数据与经济指标的归集,实现对各企业科学标准的能碳效率评价结果,通过评价对标,进行有针对性的高碳低效企业治理工作,帮助园区实现产出效率,低碳高效的工作目标。
所述减污降碳预警单元用于根据预测获得的减污降碳趋势及减污降碳数据管理结果生成预警报表。
通过对污染物排放数据进行统计与分析,对减污工作进行实时可视化统计与分析,实现减污工作与降碳工作同步推进。
进一步地优化方案,所述能碳趋势包括接入企业不同年份的能耗趋势、碳排放趋势、环比趋势、综合能耗和碳排放总量;
针对综合以及电、天然气、蒸汽、煤炭、油品等各种类能源类型能耗与碳排总量趋势的统计与分析;同时对能耗和碳排放增速趋势进行统计与分析。
所述能碳结构包括区域能碳结构和产业能碳结构分别对应的名称、接入企业数量、接入企业占比、能耗、能耗占比、碳排放、碳排放占比;
从区域和产业维度统计与分析电、天然气、蒸汽、煤炭、油品等各种类能源类型能耗与碳排占比以及能源碳排放与工艺碳排放占比,帮助园区优化能源结构。
所述碳减排监测结果包括碳减排趋势、区域碳减排总量、区域碳减排占比、产业碳减排总量、产业碳减排占比、碳减排总量、光伏自用总量、购买绿电总量。通过对园区内的碳减排结构进行分析,可分别在时间、区块、产业的维度上动态展示各类型碳减排数据。对园区减污降碳相关数据进行统计与分析,直观呈现园区减污降碳工作现状(例如固废利用、污水处理、中水回用、资金投入等数据),以使园区推动碳减排建设及其结构优化。
进一步地优化方案,所述能碳效率指标包括年份、片区名称、接入企业数量、接入企业占比、优秀企业数量、良好企业数量、中等企业数量、较差企业数量;
针对税收与产值碳排放强度等能碳效率指标进行分析,并对企业进行排名。基于能碳效率数据计算及分析结果,园区可筛选出高碳低效企业,并对其进行重点管理。基于能碳效率数据计算及分析结果,园区可进一步对高碳低效企业进行管理与治理,帮助此类企业扭转其能碳效率低下的境况,推动与监督此类企业碳管理工作。
所述预警报表包括对应年份的固废利用、污水处理、中水回用、资金投入的减污降碳数据和减污降碳趋势;以及企业名称、统一社会信用代码、区域、产业、能源消费总量、碳排放总量、能源碳排总量、工艺碳排总量、电、天然气、蒸汽、煤炭、油品、光伏自用、绿电购买、节能降碳、单元税收能耗强度、单位税收碳排放强度。展示全部企业能碳数据预警报表,并提供筛选、搜索以及导出功能,便于管理员在本地对数据信息进行分析与处理。
进一步地优化方案,本系统还包括数据管理模块,作为碳账户园区级深化应用,其数据管理功能将统一整合进碳账户后台管理的数据录入界面,避免存在多个数据录入入口造成数据冲突。
账号权限模块,采用碳账户账号体系,其系统权限由碳账户管理员统一管理。
以上,仅为本申请较佳的具体实施方式,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (8)
1.一种能源碳排放预测预警系统,其特征在于,包括:
数据采集模块,用于实时采集获取园区内的初始能碳数据;
数据处理模块,与所述数据采集模块连接,用于对所述初始能碳数据进行处理与碳排放计算,获得目标能碳数据和碳排放计算结果;
趋势预测模块,与所述数据处理模块连接,用于根据所述目标能碳数据与碳排放计算结果进行碳排放未来趋势预测,获得碳排放趋势预测结果;
预防报警模块,与所述趋势预测模块连接,用于根据所述碳排放趋势预测结果进行预防报警。
2.根据权利要求1所述的能源碳排放预测预警系统,其特征在于,
所述数据采集模块包括数据分类单元、数据审核单元、应用配置单元;
所述数据分类单元用于对采集的能碳数据进行分类,获得碳账户基础应用数据、实时高频数据和低频数据;
所述数据审核单元用于管理员对数据采集模块采集的数据真实性与分类合理性进行人工审核;
所述应用配置单元用于对审核后的能碳数据进行应用配置,并对配置数据进行数据统计、展示和特色应用。
3.根据权利要求2所述的能源碳排放预测预警系统,其特征在于,
所述碳账户基础应用数据包括能源数据、碳账户评价数据及碳账户应用数据;
所述实时高频数据为园区第三方系统数据或碳账户能碳数据以实时数据的形式接入系统的数据;
所述低频数据为以月度、季度或年度数据填报或导入的数据,包括企业台账数据、环保数据、节能项目数据、低碳创建成果数据、服务申请业务数据。
4.根据权利要求1所述的能源碳排放预测预警系统,其特征在于,
所述数据处理模块包括第一处理单元、第二处理单元、第三处理单元;
所述第一处理单元用于根据能碳数据的应用配置实时获取园区内电、天然气、蒸汽、煤炭、汽油、柴油能源的消费趋势,并基于园区内排放的挥发性有机物数据、工业固体废弃物数据和工业废水数据进行数据核算获得碳排放数据;
所述第二处理单元用于根据园区内的能源消费结构,实时获取光伏清洁能源的发电量、发电效率、消纳量、减碳量;
所述第三处理单元用于根据园区内的经济指标,结合能耗总量、碳排总量、节能总量和碳减排总量自动进行碳排放计算,获得碳排放计算结果。
5.根据权利要求1所述的能源碳排放预测预警系统,其特征在于,
所述趋势预测模块包括模型构建单元、模型训练单元、模型预测单元;
所述模型构建单元用于构建初始卷积神经网络模型;
所述模型训练单元用于根据目标能碳数据对所述初始卷积神经网络模型进行训练,获得目标卷积神经网络模型;
所述模型预测单元用于基于所述目标卷积神经网络模型进行碳排放趋势预测,获得碳排放趋势预测结果。
6.根据权利要求1所述的能源碳排放预测预警系统,其特征在于,
所述预防报警模块包括能碳管理预警单元、能碳效率预警单元、减污降碳预警单元;
所述能碳管理预警单元用于根据预测获得的能碳趋势、能碳结构和碳减排监测结果对园区进行排放控制预警;
所述能碳效率预警单元用于根据能碳效率指标对企业进行排名,基于能碳效率排名数据对高碳低效企业进行管理与治理预警;
所述减污降碳预警单元用于根据预测获得的减污降碳趋势及减污降碳数据管理结果生成预警报表。
7.根据权利要求6所述的能源碳排放预测预警系统,其特征在于,
所述能碳趋势包括接入企业不同年份的能耗趋势、碳排放趋势、环比趋势、综合能耗和碳排放总量;
所述能碳结构包括区域能碳结构和产业能碳结构分别对应的名称、接入企业数量、接入企业占比、能耗、能耗占比、碳排放、碳排放占比;
所述碳减排监测结果包括碳减排趋势、区域碳减排总量、区域碳减排占比、产业碳减排总量、产业碳减排占比、碳减排总量、光伏自用总量、购买绿电总量。
8.根据权利要求6所述的能源碳排放预测预警系统,其特征在于,
所述能碳效率指标包括年份、片区名称、接入企业数量、接入企业占比、优秀企业数量、良好企业数量、中等企业数量、较差企业数量;
所述预警报表包括对应年份的固废利用、污水处理、中水回用、资金投入的减污降碳数据和减污降碳趋势;以及企业名称、统一社会信用代码、区域、产业、能源消费总量、碳排放总量、能源碳排总量、工艺碳排总量、电、天然气、蒸汽、煤炭、油品、光伏自用、绿电购买、节能降碳、单元税收能耗强度、单位税收碳排放强度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310851310.3A CN116862738A (zh) | 2023-07-12 | 2023-07-12 | 一种能源碳排放预测预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310851310.3A CN116862738A (zh) | 2023-07-12 | 2023-07-12 | 一种能源碳排放预测预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862738A true CN116862738A (zh) | 2023-10-10 |
Family
ID=88223057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310851310.3A Pending CN116862738A (zh) | 2023-07-12 | 2023-07-12 | 一种能源碳排放预测预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862738A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437105A (zh) * | 2023-11-14 | 2024-01-23 | 国网宁夏电力有限公司电力科学研究院 | 一种基于碳排放数据的碳排放发展趋势预测预警系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200064195A (ko) * | 2018-11-23 | 2020-06-08 | 주식회사 씨씨미디어서비스 | 탄소세 예측 시스템 |
CN114626627A (zh) * | 2022-03-28 | 2022-06-14 | 王大成 | 区域内碳排放的监测预警系统 |
-
2023
- 2023-07-12 CN CN202310851310.3A patent/CN116862738A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200064195A (ko) * | 2018-11-23 | 2020-06-08 | 주식회사 씨씨미디어서비스 | 탄소세 예측 시스템 |
CN114626627A (zh) * | 2022-03-28 | 2022-06-14 | 王大成 | 区域内碳排放的监测预警系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437105A (zh) * | 2023-11-14 | 2024-01-23 | 国网宁夏电力有限公司电力科学研究院 | 一种基于碳排放数据的碳排放发展趋势预测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Long et al. | Dynamic evaluation of the green development level of China's coal-resource-based cities using the TOPSIS method | |
CN111898873A (zh) | 一种集团公司碳排放预警信息系统及其预警方法 | |
CN105868301A (zh) | 一种碳排放检测管理系统及管理方法 | |
CN116862738A (zh) | 一种能源碳排放预测预警系统 | |
CN110175782A (zh) | 一种处于运行阶段的公共建筑碳排放量核定方法 | |
CN114091785A (zh) | 一种基于能源大数据的碳排放监测方法 | |
Kong et al. | A life-cycle integrated model for product eco-design in the conceptual design phase | |
Ilbahar et al. | Location selection for waste-to-energy plants by using fuzzy linear programming | |
Song et al. | Estimate the daily consumption of natural gas in district heating system based on a hybrid seasonal decomposition and temporal convolutional network model | |
Yu et al. | Planning regional-scale electric power systems under uncertainty: A case study of Jing-Jin-Ji region, China | |
CN115965223B (zh) | 一种基于云平台的智慧能源管理方法及系统 | |
CN114860704A (zh) | 一种面向数据中心的能耗监测和碳排放核算的方法和装置 | |
CN113191542A (zh) | 一种智慧环保碳排放管理服务平台 | |
CN111476390A (zh) | 一种智慧能源监管服务系统 | |
Zhang et al. | Air quality changes in China 2013–2020: Effectiveness of clean coal technology policies | |
CN114358994A (zh) | 一种依托绿码的碳排放智慧物联网监测方法 | |
Zheng et al. | Ecological efficiency evaluation and spatiotemporal characteristics analysis of the linkage development of the logistics industry and manufacturing industry | |
Wu et al. | Analysis of carbon emission drivers of secondary industries in Energy “Golden Triangle” area based on LMDI and two-dimensional decoupling model | |
Zhang et al. | Visual analysis of greenhouse gas emissions from sewage treatment plants based on CiteSpace: from the perspective of bibliometrics | |
Liu et al. | Further exploring the driving mechanism of ecological carrying capacity changes at the urban agglomeration level | |
CN116542430A (zh) | 多维度水务碳排放量智能分析方法及系统 | |
Wang | Coordinated development of regional resources, environment, and economic growth under the background of low-carbon economy | |
CN114218216A (zh) | 资源管理方法、装置、设备及存储介质 | |
Li | Level assessment of ecological environment of China and sustainable development strategies | |
Cao et al. | Research on the impact path of ecological civilization construction on carbon emission based on fsQCA 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 |