CN116862741A - 一种工业园区碳排放的智能监测方法及系统 - Google Patents
一种工业园区碳排放的智能监测方法及系统 Download PDFInfo
- Publication number
- CN116862741A CN116862741A CN202310921212.2A CN202310921212A CN116862741A CN 116862741 A CN116862741 A CN 116862741A CN 202310921212 A CN202310921212 A CN 202310921212A CN 116862741 A CN116862741 A CN 116862741A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- result
- monitoring
- industrial park
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 197
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 197
- 238000012544 monitoring process Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002776 aggregation Effects 0.000 claims abstract description 46
- 238000004220 aggregation Methods 0.000 claims abstract description 46
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 239000002994 raw material Substances 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种工业园区碳排放的智能监测方法及系统，应用于数据处理技术领域，该方法包括：通过对工业园区执行数据采集，并进行区域划分，生成划分结果。对数据采集结果进行碳排放特征提取。调用历史设备状态数据，进行特征稳定标识。依据特征稳定标识、区域标识、碳排放特征提取结果执行区域聚合，生成碳排放聚合信息簇。分别对碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果。调用工业园区内的设备运行数据，依据设备运行数据生成补偿数据。将补偿数据和初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。解决了现有技术中工业园区内碳排放监测方法存在智能化较低，并且碳排放监测准确性较差的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种工业园区碳排放的智能监测方法及系统。
背景技术
碳排放是指在生产过程中所产生的温室气体排放，对于碳排放量的计算通过统计能源消耗的方式进行获取。在现有技术中，由于工业园区内设备情况较为复杂，对于工业园区内碳排放监测方法的智能化较低，并且碳排放监测准确性以及监测稳定性较差。
因此，在现有技术中工业园区内碳排放监测方法存在智能化较低，并且碳排放监测准确性较差的技术问题。
发明内容
本申请通过提供一种工业园区碳排放的智能监测方法及系统，解决了在现有技术中工业园区内碳排放监测方法存在智能化较低，并且碳排放监测准确性较差的技术问题。
本申请提供一种工业园区碳排放的智能监测方法，所述方法包括：对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
本申请还提供了一种工业园区碳排放的智能监测系统，所述系统包括：区域划分模块，用于对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；排放特征提取模块，用于对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；特征稳定标识模块，用于调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；聚合信息簇获取模块，用于依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；监测结果获取模块，用于分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；补偿数据获取模块，用于调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；监测结果输出模块，用于将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种工业园区碳排放的智能监测方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种工业园区碳排放的智能监测方法。
拟通过本申请提出的一种工业园区碳排放的智能监测方法及系统，通过对工业园区执行数据采集，并进行区域划分，生成划分结果。对数据采集结果进行碳排放特征提取。调用历史设备状态数据，进行特征稳定标识。依据特征稳定标识、区域标识、碳排放特征提取结果执行区域聚合，生成碳排放聚合信息簇。分别对碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果。调用工业园区内的设备运行数据，依据设备运行数据生成补偿数据。将补偿数据和初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。实现了对工业园区内碳排放的智能化获取，提高了碳排放监测获取的准确性。解决了现有技术中工业园区内碳排放监测方法存在智能化较低，并且碳排放监测准确性较差的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种工业园区碳排放的智能监测方法的流程示意图；
图2为本申请实施例提供的一种工业园区碳排放的智能监测方法生成补偿数据的流程示意图；
图3为本申请实施例提供的一种工业园区碳排放的智能监测方法生成触发评价结果的流程示意图；
图4为本申请实施例提供的一种工业园区碳排放的智能监测方法的系统的结构示意图；
图5为本发明实施例提供的一种工业园区碳排放的智能监测方法的系统电子设备的结构示意图。
附图标记说明：区域划分模块11，排放特征提取模块12，特征稳定标识模块13，聚合信息簇获取模块14，监测结果获取模块15，补偿数据获取模块16，监测结果输出模块17，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种工业园区碳排放的智能监测方法，所述方法包括：
S10：对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；
S20：对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；
S30：调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；
具体的，碳排放是指在生产过程中所产生的温室气体排放。在现有技术中，由于工业园区内设备情况较为复杂，对于园区内碳排放监测智能化较低，并且碳排放监测准确性以及监测稳定性较差。为了解决上述问题，通过对工业园区执行数据采集，获取工业园区的区域功能数据，以及工业园区内碳排放设备的分布数据。随后，基于数据采集结果进行区域划分，即将工业园区根据区域功能划分为N个区域，并生成带有区域标识的N个区域划分结果，其中，区域标识可以具体的区域编号或区域名称。进一步，对数据采集结果进行碳排放特征提取，获得碳排放特征提取结果。其中，碳排放特征提取结果为工业园区内碳排放设备产生的碳排放的特征数据，如化石燃料消耗、电能消耗、生产产生等。调用所述工业园区的历史设备状态数据，其中，历史设备状态数据为设备运行稳定性数据，以发电设备为例当发电设备运行于稳定工作状态时，其碳排放变化较小，则在进行碳排放测算时难度较低。而运行在非稳定工作状态时，对应的碳排放变化较大，则在进行碳排放测算时难度较高。依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识。
S40：依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；
S50：分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；
S60：调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；
S70：将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
具体的，依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，即，根据特征稳定标识、所述区域标识、所述碳排放特征提取结果，将各区域划分结果中特征稳定标识以及碳排放特征提取结果相同的设备组成作为一个碳排放聚合信息簇，获取多个碳排放聚合信息簇，生成信息簇频率约束系数。随后，分别对所述碳排放聚合信息簇执行能源消耗监测，获取聚合信息簇的能源消耗监测数据，根据能源消耗监测数据生成初始碳排放监测结果。调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据。最后，将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。通过对设备进行深度分析对工业园区内碳排放监测进行补偿，实现了对工业园区内碳排放的智能化获取，提高了碳排放监测获取的准确性。
如图2所示，本申请实施例提供的方法S660还包括：
S61：对所述工业园区执行任务交互，生成标定任务数据；
S62：通过所述碳排放聚合信息簇对所述标定任务数据进行任务解析，基于任务解析结果生成M个分段窗口，其中，所述M个分段窗口中每个窗口均映射有工况标识；
S63：通过所述历史设备状态数据执行设备的特征提取，生成带有工况标识的设备状态特征；
S64：通过所述M个分段窗口对应的设备运行数据和所述设备状态特征执行碳排放的附加排放分析，基于分析结果生成所述补偿数据。
具体的，对工业园区执行任务交互，生成标定任务数据，其中标定任务数据为工业园区中执行的任务数据，如订单任务数据等。随后，通过所述碳排放聚合信息簇对所述标定任务数据进行任务解析，对任务进行解析，获取完成对应任务的执行流程以及执行设备，进而基于任务解析结果生成M个分段窗口，其中每个分段窗口对应执行流程内的执行设备。其中，所述M个分段窗口中每个窗口均映射有工况标识，其中工况标识通过所述历史设备状态数据执行设备的特征提取，生成带有工况标识的设备状态特征，工况标识为设备的工作状态标识，如正常工作状态、高负荷工作状态、检修状态等。最后，通过所述M个分段窗口对应的设备运行数据和所述设备状态特征执行碳排放的附加排放分析，获取带有离散关联值的初始异常分析结果和对应的设备状态特征进而获取对应的补偿数据，进而获取所述补偿数据。
本申请实施例提供的方法S64还包括：
S641：通过所述工况标识和所述设备运行数据执行设备的运行异常分析，包括：
S642：对所述设备运行数据进行设备执行稳态分析，获得稳态值和持续时长；
S643：根据所述稳态值与所述工况标识进行稳态偏离分析，生成稳态标定异常值；
S644：通过所述持续时长与所述工况标识进行稳态时长占比评价，生成稳态时长异常值；
S645：根据所述稳态标定异常值和所述稳态时长异常值生成初始异常分析结果；
S646：通过所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
具体的，在进行附件排放分析时，通过设备的工况标识以及设备运行数据执行设备的运行异常分析，具体包括：对所述设备运行数据进行设备执行稳态分析，获取设备运行数据与设备稳态运行数据区间的平均差值，不同的设备运行数据对应设备的运行状态。进而获取稳态值和持续时长，其中，稳态值为设备实际运行状态偏离稳态运行参数的幅度值。随后，根据所述稳态值与所述工况标识进行稳态偏离分析，生成稳态标定异常值，稳态标定异常值为体现偏离稳态运行状态的偏离比例，如超负荷状态的偏离值，低负荷状态的偏离值等。进一步，通过所述持续时长与所述工况标识进行稳态时长占比评价，获取稳态时长占持续时长的占比，生成稳态时长异常值。最后，根据所述稳态标定异常值和所述稳态时长异常值生成初始异常分析结果，初始异常分析结果为稳态标定异常值和所述稳态时长异常值的乘积，通过所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
本申请实施例提供的方法S64还包括：
S647：将所述稳态值作为基准，对所述设备运行数据进行数据的离散分析，生成离散关联值；
S648：基于所述离散关联值对所述初始异常分析结果进行关联；
S649：通过带有所述离散关联值的所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
具体的，将稳态值作为基准，对所述设备运行数据进行数据的离散分析，获取运行数据偏离稳态值的偏离比例，生成离散关联值。其中稳态值为设备稳定运行状态的运行数据。基于所述离散关联值对所述初始异常分析结果进行关联。通过带有所述离散关联值的所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
本申请实施例提供的方法S40还包括：
S41：基于所述特征稳定标识配置数据采集的频率约束系数；
S42：通过所述碳排放聚合信息簇对应的频率约束系数计算加权均值，生成信息簇频率约束系数；
S43：通过所述信息簇频率约束系数执行所述工业园区内的设备运行数据的调用。
具体的，基于特征稳定标识配置数据采集的频率约束系数，即根据设备的特征稳定标识进行采集设备的数据采集偏离约束系数的配置，特征稳定标识越不稳定对应的数据采集偏离约束系数越高，对采集频率的约束越高。随后，通过所述碳排放聚合信息簇对应的频率约束系数计算加权均值，其中具体的权重值为根据实际情况预先设定的权重，根据加权均值计算结果生成信息簇频率约束系数。即对各碳排放聚合信息簇对应的频率约束系数以及对应的权重进行计算，并对计算结果进行加和，进而获取信息簇频率约束系数。通过所述信息簇频率约束系数执行所述工业园区内的设备运行数据的调用，从而提高设备运行数据的调用的准确性，进一步提高后续数据分析处理的准确性。
如图3所示，本申请实施例提供的方法S70还包括：
S71：设置碳排放的监测预警阈值；
S72：根据所述碳排放监测结果进行所述监测预警阈值的触发评价，其中，触发评价包括触发频次和触发值；
S73：生成触发评价结果，根据所述触发评价结果进行所述工业园区的碳排放管理。
具体的，预先设置碳排放的监测预警阈值，根据所述碳排放监测结果进行所述监测预警阈值的触发评价，其中，触发评价包括触发频次和触发值。生成触发评价结果，根据所述触发评价结果进行所述工业园区的碳排放管理，触发频次越高则碳排放超出监测预警阈值的次数越高，并结合各次触发值，获取具体的减排措施，如关停部分低效运行设备或采用其他碳排放较少的能源。
本申请实施例提供的方法S70还包括：
S74：基于能源消耗监测，执行能源的初态分类；
S75：对转化类能源执行能源的原材数据采集，生成原材数据采集结果；
S76：通过所述原材数据采集结果进行所述初始碳排放监测结果的修正。
具体的，基于能源消耗监测，执行能源的初态分类，即执行各消耗能源的初状态分类。对转化类能源执行能源的原材数据采集，生成原材数据采集结果，其中，转化类能源为非直接利用的能源，如化石燃料等。通过所述原材数据采集结果进行所述初始碳排放监测结果的修正，由于原材数据采集结果中的原料为发电原料，在统计完该原料数据的碳排放后，还需要对其产生电能进行对应原料消耗碳排放的抵扣，对初始碳排放监测结果进行修正，进而保障初始碳排放监测结果获取的准确性。
本发明实施例所提供的技术方案，通过对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果。对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果。调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识。依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇。分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果。调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据。将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。实现了对工业园区内碳排放的智能化获取，提高了碳排放监测获取的准确性。解决了现有技术中工业园区内碳排放监测方法存在智能化较低，并且碳排放监测准确性较差的技术问题。
实施例二
基于与前述实施例中一种工业园区碳排放的智能监测方法同样发明构思，本发明还提供了一种工业园区碳排放的智能监测方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
区域划分模块11，用于对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；
排放特征提取模块12，用于对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；
特征稳定标识模块13，用于调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；
聚合信息簇获取模块14，用于依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；
监测结果获取模块15，用于分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；
补偿数据获取模块16，用于调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；
监测结果输出模块17，用于将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
进一步地，所述补偿数据获取模块16还用于：
对所述工业园区执行任务交互，生成标定任务数据；
通过所述碳排放聚合信息簇对所述标定任务数据进行任务解析，基于任务解析结果生成M个分段窗口，其中，所述M个分段窗口中每个窗口均映射有工况标识；
通过所述历史设备状态数据执行设备的特征提取，生成带有工况标识的设备状态特征；
通过所述M个分段窗口对应的设备运行数据和所述设备状态特征执行碳排放的附加排放分析，基于分析结果生成所述补偿数据进一步地，所述补偿数据获取模块16还用于：
通过所述工况标识和所述设备运行数据执行设备的运行异常分析，包括：
对所述设备运行数据进行设备执行稳态分析，获得稳态值和持续时长；
根据所述稳态值与所述工况标识进行稳态偏离分析，生成稳态标定异常值；
通过所述持续时长与所述工况标识进行稳态时长占比评价，生成稳态时长异常值；
根据所述稳态标定异常值和所述稳态时长异常值生成初始异常分析结果；
通过所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
进一步地，所述补偿数据获取模块16还用于：
将所述稳态值作为基准，对所述设备运行数据进行数据的离散分析，生成离散关联值；
基于所述离散关联值对所述初始异常分析结果进行关联；
通过带有所述离散关联值的所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
进一步地，所述聚合信息簇获取模块14还用于：
基于所述特征稳定标识配置数据采集的频率约束系数；
通过所述碳排放聚合信息簇对应的频率约束系数计算加权均值，生成信息簇频率约束系数；
通过所述信息簇频率约束系数执行所述工业园区内的设备运行数据的调用。
进一步地，所述监测结果输出模块17还用于：
设置碳排放的监测预警阈值；
根据所述碳排放监测结果进行所述监测预警阈值的触发评价，其中，触发评价包括触发频次和触发值；
生成触发评价结果，根据所述触发评价结果进行所述工业园区的碳排放管理。
进一步地，所述监测结果输出模块17还用于：
基于能源消耗监测，执行能源的初态分类；
对转化类能源执行能源的原材数据采集，生成原材数据采集结果；
通过所述原材数据采集结果进行所述初始碳排放监测结果的修正。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种工业园区碳排放的智能监测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种工业园区碳排放的智能监测方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种工业园区碳排放的智能监测方法，其特征在于，所述方法包括：
对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；
对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；
调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；
依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；
分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；
调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；
将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
对所述工业园区执行任务交互，生成标定任务数据；
通过所述碳排放聚合信息簇对所述标定任务数据进行任务解析，基于任务解析结果生成M个分段窗口，其中，所述M个分段窗口中每个窗口均映射有工况标识；
通过所述历史设备状态数据执行设备的特征提取，生成带有工况标识的设备状态特征；
通过所述M个分段窗口对应的设备运行数据和所述设备状态特征执行碳排放的附加排放分析，基于分析结果生成所述补偿数据。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
通过所述工况标识和所述设备运行数据执行设备的运行异常分析，包括：
对所述设备运行数据进行设备执行稳态分析，获得稳态值和持续时长；
根据所述稳态值与所述工况标识进行稳态偏离分析，生成稳态标定异常值；
通过所述持续时长与所述工况标识进行稳态时长占比评价，生成稳态时长异常值；
根据所述稳态标定异常值和所述稳态时长异常值生成初始异常分析结果；
通过所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
4.如权利要求3所述的方法，其特征在于，所述通过所述工况标识和所述设备运行数据执行设备的运行异常分析，还包括：
将所述稳态值作为基准，对所述设备运行数据进行数据的离散分析，生成离散关联值；
基于所述离散关联值对所述初始异常分析结果进行关联；
通过带有所述离散关联值的所述初始异常分析结果和所述设备状态特征执行碳排放的附加排放分析。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述特征稳定标识配置数据采集的频率约束系数；
通过所述碳排放聚合信息簇对应的频率约束系数计算加权均值，生成信息簇频率约束系数；
通过所述信息簇频率约束系数执行所述工业园区内的设备运行数据的调用。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
设置碳排放的监测预警阈值；
根据所述碳排放监测结果进行所述监测预警阈值的触发评价，其中，触发评价包括触发频次和触发值；
生成触发评价结果，根据所述触发评价结果进行所述工业园区的碳排放管理。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于能源消耗监测，执行能源的初态分类；
对转化类能源执行能源的原材数据采集，生成原材数据采集结果；
通过所述原材数据采集结果进行所述初始碳排放监测结果的修正。
8.一种工业园区碳排放的智能监测系统，其特征在于，所述系统包括：
区域划分模块，用于对工业园区执行数据采集，并基于数据采集结果进行区域划分，生成带有区域标识的N个区域划分结果；
排放特征提取模块，用于对所述数据采集结果进行碳排放特征提取，获得碳排放特征提取结果；
特征稳定标识模块，用于调用所述工业园区的历史设备状态数据，依据所述历史设备状态数据对所述碳排放特征提取结果进行特征稳定标识；
聚合信息簇获取模块，用于依据所述特征稳定标识、所述区域标识、所述碳排放特征提取结果执行N个区域划分结果的区域聚合，生成碳排放聚合信息簇；
监测结果获取模块，用于分别对所述碳排放聚合信息簇执行能源消耗监测，生成初始碳排放监测结果；
补偿数据获取模块，用于调用所述工业园区内的设备运行数据，依据所述设备运行数据生成补偿数据；
监测结果输出模块，用于将所述补偿数据和所述初始碳排放监测结果输入碳排放补偿模型，输出碳排放监测结果。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种工业园区碳排放的智能监测方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种工业园区碳排放的智能监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310921212.2A CN116862741B (zh) | 2023-07-25 | 2023-07-25 | 一种工业园区碳排放的智能监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310921212.2A CN116862741B (zh) | 2023-07-25 | 2023-07-25 | 一种工业园区碳排放的智能监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116862741A true CN116862741A (zh) | 2023-10-10 |
| CN116862741B CN116862741B (zh) | 2024-05-28 |
Family
ID=88235865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310921212.2A Active CN116862741B (zh) | 2023-07-25 | 2023-07-25 | 一种工业园区碳排放的智能监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116862741B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422200A (zh) * | 2023-11-01 | 2024-01-19 | 南京优轩新技术有限公司 | 一种电厂智能监测预警方法及系统 |
| CN117852779A (zh) * | 2024-03-08 | 2024-04-09 | 广东立胜综合能源服务有限公司 | 一种工业园区碳排放计算方法及系统 |
| CN118225719A (zh) * | 2024-04-28 | 2024-06-21 | 东北电力大学 | 一种基于工业园区的碳排放检测系统 |
| CN118278954A (zh) * | 2024-05-07 | 2024-07-02 | 深圳中迈信息技术有限公司 | 一种智慧城市碳中和数据采集方法及系统 |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
| US20200372588A1 (en) * | 2019-05-20 | 2020-11-26 | Singularity Energy, Inc. | Methods and systems for machine-learning for prediction of grid carbon emissions |
| CN113709223A (zh) * | 2021-08-18 | 2021-11-26 | 上海明略人工智能(集团)有限公司 | 平台异常的监测方法、装置、电子设备及可读存储介质 |
| CN114595967A (zh) * | 2022-03-08 | 2022-06-07 | 浪潮云信息技术股份公司 | 一种基于边缘云架构的数据中心碳排放监管方法及系统 |
| CN114881831A (zh) * | 2022-05-13 | 2022-08-09 | 万申科技股份有限公司 | 基于工业互联网的园区碳排放监测方法 |
| CN115146834A (zh) * | 2022-06-16 | 2022-10-04 | 国网江苏省电力有限公司经济技术研究院 | 基于改进粒子群算法的阶梯型碳交易机制参数优化方法 |
| CN115170078A (zh) * | 2022-07-12 | 2022-10-11 | 陈银锁 | 一种基于5g网络的工业园区碳排放监控系统及方法 |
| CN115409314A (zh) * | 2022-06-13 | 2022-11-29 | 国网浙江省电力有限公司丽水供电公司 | 一种基于设备识别的企业实时碳排放计量方法 |
| CN115508500A (zh) * | 2022-10-27 | 2022-12-23 | 江苏未来智慧信息科技有限公司 | 一种用于碳排放计量的可视化分层检测方法及系统 |
| CN115575579A (zh) * | 2022-10-18 | 2023-01-06 | 江苏旭龙环境科技有限公司 | 一种基于监测源分析的碳监测方法及系统 |
| CN115760481A (zh) * | 2022-11-29 | 2023-03-07 | 国网天津市电力公司 | 基于数据安全融合共享的重点行业碳排放高频监测方法 |
| CN115796594A (zh) * | 2022-12-12 | 2023-03-14 | 速度时空信息科技股份有限公司 | 一种碳排放的智能管理系统及方法 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN115936955A (zh) * | 2023-02-01 | 2023-04-07 | 河北省建筑科学研究院有限公司 | 一种园区机动车碳排放核算方法及实时监测系统 |
| WO2023085725A2 (ko) * | 2021-11-10 | 2023-05-19 | 인제대학교 산학협력단 | 블록체인을 이용한 탄소 배출 관리 방법 및 그 시스템 |
| CN116165338A (zh) * | 2022-12-13 | 2023-05-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区碳排放监测方法及系统 |
| CN116167551A (zh) * | 2023-04-26 | 2023-05-26 | 广东省建设工程质量安全检测总站有限公司 | 一种建筑物碳排放的智能核算方法及系统 |
| CN116308958A (zh) * | 2023-03-24 | 2023-06-23 | 深圳市慧科达科技有限公司 | 基于移动终端的碳排放在线检测预警系统及方法 |
| CN116307298A (zh) * | 2023-05-23 | 2023-06-23 | 中国石油大学(华东) | 一种基于多源异构张量数据的组合碳排放预测模型 |
| CN116343359A (zh) * | 2023-02-16 | 2023-06-27 | 唐山三友化工股份有限公司 | 一种工业生产异常行为态势检测方法及系统 |
| CN116341988A (zh) * | 2023-05-11 | 2023-06-27 | 国网安徽省电力有限公司合肥供电公司 | 一种基于双碳目标的城市能源碳排放监测系统 |
| CN116340850A (zh) * | 2023-05-29 | 2023-06-27 | 北京智能建筑科技有限公司 | 一种建筑过程中碳排放监测方法及系统 |
| CN116383742A (zh) * | 2023-06-05 | 2023-07-04 | 深圳普菲特信息科技股份有限公司 | 基于特征分类的规则链设置处理方法、系统及介质 |
-
2023
- 2023-07-25 CN CN202310921212.2A patent/CN116862741B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
| US20200372588A1 (en) * | 2019-05-20 | 2020-11-26 | Singularity Energy, Inc. | Methods and systems for machine-learning for prediction of grid carbon emissions |
| CN113709223A (zh) * | 2021-08-18 | 2021-11-26 | 上海明略人工智能(集团)有限公司 | 平台异常的监测方法、装置、电子设备及可读存储介质 |
| WO2023085725A2 (ko) * | 2021-11-10 | 2023-05-19 | 인제대학교 산학협력단 | 블록체인을 이용한 탄소 배출 관리 방법 및 그 시스템 |
| CN114595967A (zh) * | 2022-03-08 | 2022-06-07 | 浪潮云信息技术股份公司 | 一种基于边缘云架构的数据中心碳排放监管方法及系统 |
| CN114881831A (zh) * | 2022-05-13 | 2022-08-09 | 万申科技股份有限公司 | 基于工业互联网的园区碳排放监测方法 |
| CN115409314A (zh) * | 2022-06-13 | 2022-11-29 | 国网浙江省电力有限公司丽水供电公司 | 一种基于设备识别的企业实时碳排放计量方法 |
| CN115146834A (zh) * | 2022-06-16 | 2022-10-04 | 国网江苏省电力有限公司经济技术研究院 | 基于改进粒子群算法的阶梯型碳交易机制参数优化方法 |
| CN115170078A (zh) * | 2022-07-12 | 2022-10-11 | 陈银锁 | 一种基于5g网络的工业园区碳排放监控系统及方法 |
| CN115575579A (zh) * | 2022-10-18 | 2023-01-06 | 江苏旭龙环境科技有限公司 | 一种基于监测源分析的碳监测方法及系统 |
| CN115508500A (zh) * | 2022-10-27 | 2022-12-23 | 江苏未来智慧信息科技有限公司 | 一种用于碳排放计量的可视化分层检测方法及系统 |
| CN115760481A (zh) * | 2022-11-29 | 2023-03-07 | 国网天津市电力公司 | 基于数据安全融合共享的重点行业碳排放高频监测方法 |
| CN115796594A (zh) * | 2022-12-12 | 2023-03-14 | 速度时空信息科技股份有限公司 | 一种碳排放的智能管理系统及方法 |
| CN116165338A (zh) * | 2022-12-13 | 2023-05-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种园区碳排放监测方法及系统 |
| CN115936955A (zh) * | 2023-02-01 | 2023-04-07 | 河北省建筑科学研究院有限公司 | 一种园区机动车碳排放核算方法及实时监测系统 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN116343359A (zh) * | 2023-02-16 | 2023-06-27 | 唐山三友化工股份有限公司 | 一种工业生产异常行为态势检测方法及系统 |
| CN116308958A (zh) * | 2023-03-24 | 2023-06-23 | 深圳市慧科达科技有限公司 | 基于移动终端的碳排放在线检测预警系统及方法 |
| CN116167551A (zh) * | 2023-04-26 | 2023-05-26 | 广东省建设工程质量安全检测总站有限公司 | 一种建筑物碳排放的智能核算方法及系统 |
| CN116341988A (zh) * | 2023-05-11 | 2023-06-27 | 国网安徽省电力有限公司合肥供电公司 | 一种基于双碳目标的城市能源碳排放监测系统 |
| CN116307298A (zh) * | 2023-05-23 | 2023-06-23 | 中国石油大学(华东) | 一种基于多源异构张量数据的组合碳排放预测模型 |
| CN116340850A (zh) * | 2023-05-29 | 2023-06-27 | 北京智能建筑科技有限公司 | 一种建筑过程中碳排放监测方法及系统 |
| CN116383742A (zh) * | 2023-06-05 | 2023-07-04 | 深圳普菲特信息科技股份有限公司 | 基于特征分类的规则链设置处理方法、系统及介质 |
Non-Patent Citations (4)
| Title |
|---|
| KHOI ANH NGUYEN等: ""Smart Technologies in Reducing Carbon Emission: Artificial Intelligence and Smart Water Meter"", 《PROCEEDINGS OF THE 9TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND COMPUTING》, 28 February 2017 (2017-02-28) * |
| 张雁飞;王晓菲;于斐;崔兆杰;: "工业园区碳排放核算方法及实证研究", 生态经济, no. 09 * |
| 王茹等: ""外挂墙板施工阶段碳排放的智能监测与优化"", 《安全与环境学报》 * |
| 禹湘;王苒;武占云;: "工业园区碳排放的影响因素――基于国家低碳工业园区试点的研究", 城市与环境研究, no. 03 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117422200A (zh) * | 2023-11-01 | 2024-01-19 | 南京优轩新技术有限公司 | 一种电厂智能监测预警方法及系统 |
| CN117852779A (zh) * | 2024-03-08 | 2024-04-09 | 广东立胜综合能源服务有限公司 | 一种工业园区碳排放计算方法及系统 |
| CN118225719A (zh) * | 2024-04-28 | 2024-06-21 | 东北电力大学 | 一种基于工业园区的碳排放检测系统 |
| CN118278954A (zh) * | 2024-05-07 | 2024-07-02 | 深圳中迈信息技术有限公司 | 一种智慧城市碳中和数据采集方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116862741B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116862741B (zh) | 一种工业园区碳排放的智能监测方法及系统 | |
| US7877233B2 (en) | Selectively presenting timestamped time-series data values for retrieved supervisory control and manufacturing/production parameters | |
| CN110490760B (zh) | 一种基于隐马尔科夫链的非侵入式电器负荷辨识方法 | |
| CN112598303A (zh) | 基于1d卷积神经网络和lstm结合的非侵入式负荷分解方法 | |
| CN111932051A (zh) | 一种基于非侵入式电力终端时序监测的恶意行为检测方法 | |
| CN115782105A (zh) | 一种注塑生产管理方法、系统、计算机设备及存储介质 | |
| CN117421994A (zh) | 一种边缘应用健康度的监测方法和监测系统 | |
| CN108549595A (zh) | 一种计算系统状态信息动态采集方法及系统 | |
| Poghosyan et al. | Managing cloud infrastructures by a multi-layer data analytics | |
| CN110764471A (zh) | 一种电器能耗分析方法及基于此的用电分配方法 | |
| CN117519006A (zh) | 生产线数据处理方法、装置、计算机设备和存储介质 | |
| CN117331360A (zh) | 基于功能需求的竹材生产工艺参数智能控制方法及系统 | |
| CN116878590A (zh) | 一种数智化服务协同运营管理系统 | |
| CN115598309B (zh) | 一种大气环境铅含量的监测预警方法及系统 | |
| CN114596170A (zh) | 自动化生产线的数据导出方法、系统、设备及存储介质 | |
| CN113901724B (zh) | 一种数字孪生设备校正方法和系统 | |
| CN111612221B (zh) | 一种基于电流指纹技术的工厂工效统计方法 | |
| CN115686450A (zh) | 一种服务大厅系统监控预警的方法及监控预警系统 | |
| CN114580674A (zh) | 设备运行信息的处理方法及电子设备 | |
| CN111427930A (zh) | 一种低压光伏储能微网设备监测管理系统、方法及设备 | |
| CN113742169A (zh) | 一种业务监控告警方法、装置、设备以及存储介质 | |
| CN113886179A (zh) | 服务器运行状态监控方法、装置、设备及可读存储介质 | |
| CN112381185A (zh) | 一种工业设备特性曲线相似度获取方法及装置 | |
| CN118468059B (zh) | 一种电力系统电站特性确定方法、装置、电子设备及介质 | |
| CN115638900B (zh) | 一种排气管温度的确定方法、系统、存储介质及电子设备 |
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 |