CN116894568B - 一种充电桩的碳排放综合管理预测方法及存储介质 - Google Patents
一种充电桩的碳排放综合管理预测方法及存储介质 Download PDFInfo
- Publication number
- CN116894568B CN116894568B CN202311160091.0A CN202311160091A CN116894568B CN 116894568 B CN116894568 B CN 116894568B CN 202311160091 A CN202311160091 A CN 202311160091A CN 116894568 B CN116894568 B CN 116894568B
- Authority
- CN
- China
- Prior art keywords
- charging equipment
- carbon emission
- carbon
- related data
- charging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 118
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims description 33
- 238000003860 storage Methods 0.000 title claims description 23
- 230000036541 health Effects 0.000 claims abstract description 26
- 230000001276 controlling effect Effects 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000001105 regulatory effect Effects 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 239000002803 fossil fuel Substances 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 238000010248 power generation Methods 0.000 claims 1
- 238000006386 neutralization reaction Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003034 coal gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007723 transport mechanism Effects 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明通过建立充电设备的大数据云管理平台，采集所述充电设备的碳排放相关数据，所述大数据云管理平台基于所述碳排放相关数据对所述充电设备进行碳排放监测，基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数，依据所述运行健康指数对所述充电设备进行调控，所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于所述统计的结果对所述充电设备的碳达峰情况进行预测，以此结合对充电设备的全面管理和监控，能够更全面有效地确定碳中和路线，可实现经济社会发展和充电设备布设的均衡发展，以最终实现安全、高效的碳中和路线。
Description
技术领域
本发明涉及碳排放技术领域，具体涉及一种充电桩的碳排放综合管理预测方法及存储介质。
背景技术
为应对气候变化，控制全球碳排放量已成为世界共识。这一举措主要是针对化石能源使用过程中产生的气候灾性碳，实现碳达峰和碳中和，主要是降低此类碳排放。对于身处低碳转型中的火电企业而言，它们不仅是电力供应的主体，更是低碳转型的先锋。
而随着新能源汽车的普及，新能源充电桩也成为了人们关注的焦点。截至2022年11月底，我国各类充电桩保有量达到495万个，相较2020年增加327万个；换电站保有量达到1902座。大规模充电桩的建设所带来的碳排放问题也引起了相关人士的关注。
现有技术中，已有对充电桩的碳排放进行控制的尝试，一方面，从源头进行控制，即充电桩生产的过程中就进行碳排放量的测定和优化；另一方面，是在建设充电桩时，尽可能的提升充电桩的覆盖范围。但上述两种方式都由于所能覆盖的充电桩的数量有限导致控制效果不明显，因此如何对充电桩的碳排放进行有效的监控和管理成为亟待解决的问题。
发明内容
针对现有技术中存在的缺陷，本发明提供一种充电桩的碳排放综合预测管理系统、方法及存储介质，以实现对充电桩进行统一的管理，并对充电桩的碳排放情况进行有效的预测，最终实现安全、高效的碳中和路线。
为达到以上目的，本发明提供的：
一种充电桩的碳排放综合管理预测方法，其特征在于，包括如下步骤：
S1、建立充电设备的大数据云管理平台；
S2、采集所述充电设备的碳排放相关数据，所述大数据云管理平台基于所述碳排放相关数据对所述充电设备进行碳排放监测；
S3、基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数；
S4、依据所述运行健康指数对所述充电设备进行调控；
S5、所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于所述统计的结果对所述充电设备的碳达峰情况进行预测。
优选地，所述大数据云管理平台包括核心节点、边缘计算节点和端节点，通过所述端节点采集所述充电设备的碳排放相关数据，所述碳排放相关数据包括所述充电设备的运行数据以及所述充电设备的电力来源数据；在所述边缘计算节点本地基于所述运行数据和所述电力来源数据对所述充电设备的碳排放进行打分，并基于打分的结果得到所述充电设备的运行健康指数，并将所述运行健康指数上传至核心节点；所述核心节点在接收到所述运行健康指数后用对充电设备的运行状态进行可视化展示。
优选地，所述充电设备的运行数据包括：充电功率、输入电压、输出电压、充电模式、充电计费以及充电时长。
优选地，所述电力来源数据包括：可再生能源电力和不可再生能源电力。
优选地，所述基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数具体包括：确定不同碳排放相关数据的权重，基于双曲函数和所述权重对碳排放相关数据进行打分得到不同碳排放相关数据的打分结果，将上述打分结果的平均值作为充电设备的运行健康指数。
优选地，所述基于双曲函数和所述权重对碳排放相关数据进行打分的计算过程为：（1）将碳排放相关数据输入到双曲正切模型：，得到基于双曲正切模型的归一化结果；（2）将上述的归一化结果结合所述权重进行复合运算，得到不同碳排放相关数据的打分结果；（3）求得打分结果的平均值，将上述平均值作为充电设备的运行健康指数。
优选地，所述权重基于LMDI因素分解模型来确定。
优选地，所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于所述统计的结果对所述充电设备的碳达峰情况进行预测包括：使用对数曲线对所述统计的结果进行拟合，得到充电设备碳排放数据的拟合值，计算拟合值与对应实际值之间的标准差，并根据所述标准差确定与所述拟合值对应的拟合权重，根据所述拟合值和所述拟合权重得到碳排放数据的预测值。
优选地，所述方法进一步包括：通过折线图对充电设备碳排放数据的预测值进行显示。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种充电桩的碳排放综合管理预测方法。
与现有技术相比，本发明的优点在于：
（1）本发明通过大数据云管理平台对充电设备进行统一的监控和管理，对充电设备的碳排放相关情况进行了收集和处理，有效提升了充电设备碳排放相关情况的管理效率。
（2）对充电设备的碳排放情况进行监控和预测，以此对充电设备的碳排放情况进行仿真分析，能够更全面有效地确定碳中和路线，可实现经济社会发展和充电设备布设的均衡发展，从而实现有效、可靠的碳中和路线。
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为本发明实施例中方法流程示意图。
图2为本发明实施例中存储介质的结构示意图。
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的一部分实施例，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的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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
参见图1所示，本发明实施例中，包括以下步骤：
S1、建立充电设备的大数据云管理平台；
充电设备大数据云管理平台是一种基于云计算和大数据技术的管理平台，通过大数据云管理平台，运营商可以实时监控充电设备的运行情况，包括设备的在线状态、故障报警等。同时，平台还可以对充电设备的使用情况进行统计和分析，帮助运营商了解用户的充电习惯、需求趋势等，从而优化充电设备的布局和运营策略。
此外，大数据云管理平台还可以提供数据可视化的功能，将充电设备的数据以图表、报表等形式展示，帮助运营商更直观地了解充电设备的运行情况和用户的使用情况，是一种更高效、智能化的解决方案。
S2、采集所述充电设备的碳排放相关数据，所述大数据云管理平台基于所述碳排放相关数据对所述充电设备进行碳排放监测；
充电设备本身不会产生碳排放，因为它们只是用来提供电力给电动车充电的设备。然而，充电设备的碳排放与电力的来源有关。如果电力来自于使用化石燃料（如煤炭、天然气）发电的发电厂，那么在电力生产过程中会产生大量的二氧化碳排放。
因此，要评估充电桩的碳排放，需要考虑电力的来源。如果电力来自可再生能源（如太阳能、风能、水能等），那么充电桩的碳排放将非常低或几乎为零。但如果电力来自传统的化石燃料发电厂，那么充电桩的碳排放将与该电力的碳排放相对应。
因此，在本实施例中，大数据云管理平台对充电设备所使用的电力来源类型进行统计，以便准确获得充电设备在使用过程中所消耗的电力的类型，如果电力来自于使用化石燃料（如煤炭、天然气）发电的发电厂，那么在电力生产过程中会产生大量的二氧化碳排放；反之，如果电力来自可再生能源（如太阳能、风能、水能等），那么充电桩的碳排放将非常低或几乎为零。
S3、基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数；
S4、依据所述运行健康指数对所述充电设备进行调控；
上述调控可以具体为，优化使用不可再生能源电力的充电桩的使用时长以及优化可再生能源电力的供给范围和输电效率，扩大可再生能源电力在充电设备中的使用。
S5、所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于所述统计的结果对所述充电设备的碳达峰情况进行预测。
优选地，所述大数据云管理平台包括核心节点、边缘计算节点和端节点，通过所述端节点采集所述充电设备的碳排放相关数据，所述碳排放相关数据包括所述充电设备的运行数据以及所述充电设备的电力来源数据；在所述边缘计算节点本地基于所述运行数据和所述电力来源数据对所述充电设备的碳排放进行打分，并基于打分的结果得到所述充电设备的运行健康指数，并将所述运行健康指数上传至核心节点；所述核心节点在接收到所述运行健康指数后用对充电设备的运行状态进行可视化展示。
本实施例中了边缘计算的网络架构来布局网络节点，是一种将计算和数据处理能力推向网络边缘的计算模式，相比传统的云计算模式，它具有以下几个优势：
低延迟：边缘计算将计算资源放置在离终端设备更近的位置，可以在本地进行数据处理和决策，减少了数据传输的延迟。这对于需要实时响应和低延迟的应用场景非常重要，如智能交通、工业自动化和虚拟现实等。
数据隐私和安全：边缘计算可以在本地对数据进行处理和存储，减少了数据在传输过程中的风险。敏感数据可以在边缘设备上进行处理，只传输处理结果，从而提高了数据的隐私和安全性。
带宽利用率：边缘计算可以在本地进行数据处理和分析，只将需要传输的结果或摘要传送到云端，减少了大量的数据传输，节约了带宽资源。离线支持：边缘计算可以在断网或网络不稳定的情况下继续进行本地计算和决策，不依赖于云端的连接。这对于一些关键应用场景，如智能家居、智能工厂等，具有重要意义。
弹性和可扩展性：边缘计算可以根据需求动态分配计算资源，根据应用场景的变化进行灵活调整。这使得边缘计算具有更好的弹性和可扩展性，能够适应不同规模和复杂度的应用需求。
总体来说，本实施例中，在充电设备上设置端节点采集所述充电设备的碳排放相关数据。端节点可以内置在充电设备里面，也可以挂载在充电设备外部，本实施例不做具体限定。而边缘计算节点根据实际的地理位置和环境调整其覆盖的充电设备数量和范围，在保证可靠负载的前提下，提升管理效率。
优选地，所述充电设备的运行数据包括：充电功率、输入电压、输出电压、充电模式、充电计费以及充电时长。
充电功率、输入电压、输出电压、充电模式、充电计费以及充电时长是常见充电设备的属性信息，基于上述的属性信息，可以准确统计出充电设备的耗电情况，以便大数据云管理平台进行统计和分析。
优选地，所述电力来源数据包括：可再生能源电力和不可再生能源电力。
上述电力来源数据可以对充电设备所使用的电力来源进行区分，可再生能源包括太阳能、风能、水能以及核能等，而不可再生能源主要是化石能源，例如煤炭，天然气等。这些数据可以由电力企业预先对不同的发电厂的输送范围进行统计，以确定充电设备所使用电力的来源。
优选地，所述基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数具体包括：确定不同碳排放相关数据的权重，基于双曲函数和所述权重对碳排放相关数据进行打分得到不同碳排放相关数据的打分结果，将上述打分结果的平均值作为充电设备的运行健康指数。
对于双曲函数的归一化，可以采用以下步骤：确定归一化的范围：首先确定要将双曲函数归一化到的特定范围，例如[-1, 1]或[0, 1]。计算函数的最大值和最小值：对于给定的双曲函数，计算在所选范围内的最大值和最小值。这可以通过计算函数在该范围内的导数或通过数值计算来实现。进行线性变换：使用线性变换将函数的值映射到所选范围内。线性变换的一般形式为：归一化值 = (函数值 - 最小值) / (最大值 - 最小值) * (归一化范围的长度) + 归一化范围的起始值。其中，函数值是原始双曲函数的值，最小值和最大值是在所选范围内计算得到的函数的最小值和最大值，归一化范围的长度是所选范围的宽度，归一化范围的起始值是所选范围的起始点。
优选地，所述基于双曲函数和所述权重对碳排放相关数据进行打分的计算过程为：（1）将碳排放相关数据输入到双曲正切模型：，得到基于双曲正切模型的归一化结果；（2）将上述的归一化结果结合所述权重进行复合运算，得到不同碳排放相关数据的打分结果；（3）求得打分结果的平均值，将上述平均值作为充电设备的运行健康指数。
本实施例中，可根据实际需要或者工作经验来调整权重，例如，充电时长，充电功率的权重要相对较高，而充电计费和充电模式的权重相对较低，这里本实施例不做具体的限定，任何可选的形式都在本实施例的覆盖范围内。
优选地，所述权重基于LMDI因素分解模型来确定。
LMDI（Logarithmic Mean Divisia Index）是一种常用的因素分解方法，用于分解总体指标的变化为各个因素的贡献。LMDI方法适用于能够通过对数变换来描述的指标，例如能源消费、碳排放等。
LMDI方法的因素分解步骤如下：
确定基准期和比较期：选择一个基准期和一个比较期，用于计算指标的变化。
对数变换：对基准期和比较期的指标进行对数变换，得到对数指标。
分解指标变化：将对数指标变化分解为各个因素的贡献。LMDI方法将指标变化分解为结构效应和强度效应两个部分。
结构效应：反映了各个因素在不同时间段的结构变化对指标变化的影响。它通过计算基准期和比较期的各个因素在总体指标中的权重差异来衡量。
强度效应：反映了各个因素在相同结构条件下的强度变化对指标变化的影响。它通过计算基准期和比较期的各个因素的强度差异来衡量。
计算各个因素的贡献：根据结构效应和强度效应的计算结果，可以得到各个因素对指标变化的贡献。
LMDI方法的优点是能够将指标变化分解为结构效应和强度效应，从而更好地理解各个因素对指标变化的影响。它在能源、环境等领域的研究中得到广泛应用。
具体到本实施例中，可以基于LMDI模型来确认不同的碳排放相关数据对充电设备碳排放相关的贡献进而得到不同碳排放相关数据的权重。
优选地，所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于所述统计的结果对所述充电设备的碳达峰情况进行预测包括：使用对数曲线对所述统计的结果进行拟合，得到充电设备碳排放数据的拟合值，计算拟合值与对应实际值之间的标准差，并根据所述标准差确定与所述拟合值对应的拟合权重，根据所述拟合值和所述拟合权重得到碳排放数据的预测值。
拟合值（Fitted values）是指根据已有数据拟合出的模型在训练数据上的预测值。当我们使用某个模型对已有数据进行训练时，模型会根据训练数据的特征和目标值进行参数估计，从而得到一个拟合的模型。拟合值就是这个模型在训练数据上的预测值，它表示模型对训练数据的拟合程度。
预测（Prediction）是指根据已有数据拟合出的模型在新的未知数据上的预测值。当我们有一个拟合好的模型后，我们可以使用这个模型来对新的数据进行预测。预测值是模型在新数据上的输出，它表示模型对未知数据的预测能力。
拟合值和预测值的目的都是为了评估模型的性能和应用模型进行数据分析。拟合值主要用于评估模型在训练数据上的拟合程度，而预测值则用于对新数据进行预测和推断。
具体到本实施例，对数曲线拟合是一种常用的数据拟合方法，适用于数据呈现出指数增长或指数衰减的趋势。对数曲线拟合的目的是找到一个对数函数，使其能够最好地拟合给定的数据。通过对数曲线对碳排放相关数据进行拟合，然后计算拟合值与对应实际值之间的标准差，并根据所述标准差确定与所述拟合值对应的拟合权重，根据所述拟合值和所述拟合权重得到碳排放数据的预测值。
优选地，所述方法进一步包括：通过折线图对充电设备碳排放数据的预测值进行显示。
通过上述的方法即可实现对碳排放数据的有效预测并显示，以对碳中和路线给出有效的参考。
如图2所示，本发明实施例还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述一种充电桩的碳排放综合管理预测方法。需要说明的是，所述存储介质包括U盘、移动硬盘、ROM（Read-Only Memory，只读存储器）、RAM（RandomAccess Memory，随机存取存储器）、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读存储介质上，计算机可读存储介质可以包括计算机可读存储介质（或非暂时性介质）和通信介质（或暂时性介质）。
如本领域普通技术人员公知的，术语计算机可读存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
示例性的，计算机可读存储介质可以是前述实施例的电子设备的内部存储单元，例如电子设备的硬盘或内存。计算机可读存储介质也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。
以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (2)
1.一种充电桩的碳排放综合管理预测方法，其特征在于，包括如下步骤：
S1、建立充电设备的大数据云管理平台；
S2、采集所述充电设备的碳排放相关数据，所述大数据云管理平台基于所述碳排放相关数据对所述充电设备进行碳排放监测；
S3、基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数；
S4、依据所述运行健康指数对所述充电设备进行调控；
S5、所述大数据云管理平台还对所述充电设备的碳排放情况进行统计，并基于统计的结果对所述充电设备的碳达峰情况进行预测；
所述大数据云管理平台包括核心节点、边缘计算节点和端节点，通过所述端节点采集所述充电设备的碳排放相关数据，所述碳排放相关数据包括所述充电设备的运行数据以及所述充电设备的电力来源数据；在所述边缘计算节点本地基于所述运行数据和所述电力来源数据对所述充电设备的碳排放进行打分，并基于打分的结果得到所述充电设备的运行健康指数，并将所述运行健康指数上传至核心节点；所述核心节点在接收到所述运行健康指数后用对充电设备的运行状态进行可视化展示；
大数据云管理平台对充电设备所使用的电力来源类型进行统计，以便准确获得充电设备在使用过程中所消耗的电力的类型，如果电力来自于使用化石燃料发电的发电厂，那么在电力生产过程中会产生大量的二氧化碳排放；反之，如果电力来自可再生能源，那么充电桩的碳排放将非常低或几乎为零；
上述调控为优化使用不可再生能源电力的充电桩的使用时长以及优化可再生能源电力的供给范围和输电效率，扩大可再生能源电力在充电设备中的使用；
所述基于碳排放相关数据对所述充电设备的碳排放进行打分，基于打分的结果得到所述充电设备的运行健康指数具体包括：确定不同碳排放相关数据的权重，基于双曲函数和所述权重对碳排放相关数据进行打分得到不同碳排放相关数据的打分结果，将上述打分结果的平均值作为充电设备的运行健康指数；
双曲函数的归一化，采用以下步骤：确定归一化的范围：首先确定要将双曲函数归一化到的特定范围；计算函数的最大值和最小值：对于给定的双曲函数，计算在所选范围内的最大值和最小值；这可以通过计算函数在该范围内的导数或通过数值计算来实现；进行线性变换：使用线性变换将函数的值映射到所选范围内；线性变换的一般形式为：归一化值＝(函数值-最小值)/(最大值-最小值)*(归一化范围的长度)+归一化范围的起始值；其中，函数值是原始双曲函数的值，最小值和最大值是在所选范围内计算得到的函数的最小值和最大值，归一化范围的长度是所选范围的宽度，归一化范围的起始值是所选范围的起始点；
所述基于双曲函数和所述权重对碳排放相关数据进行打分的计算过程为：(1)将碳排放相关数据输入到双曲正切模型：，得到基于双曲正切模型的归一化结果；(2)将上述的归一化结果结合所述权重进行复合运算，得到不同碳排放相关数据的打分结果；(3)求得打分结果的平均值，将上述平均值作为充电设备的运行健康指数；根据实际需要或者工作经验来调整权重，
权重基于LMDI因素分解模型来确定；LMDI方法的因素分解步骤如下：
确定基准期和比较期：选择一个基准期和一个比较期，用于计算指标的变化；对数变换：对基准期和比较期的指标进行对数变换，得到对数指标；分解指标变化：将对数指标变化分解为各个因素的贡献；LMDI方法将指标变化分解为结构效应和强度效应两个部分；结构效应：反映了各个因素在不同时间段的结构变化对指标变化的影响；它通过计算基准期和比较期的各个因素在总体指标中的权重差异来衡量；强度效应：反映了各个因素在相同结构条件下的强度变化对指标变化的影响；它通过计算基准期和比较期的各个因素的强度差异来衡量；计算各个因素的贡献：根据结构效应和强度效应的计算结果，可以得到各个因素对指标变化的贡献。
2.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1所述的一种充电桩的碳排放综合管理预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160091.0A CN116894568B (zh) | 2023-09-11 | 2023-09-11 | 一种充电桩的碳排放综合管理预测方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160091.0A CN116894568B (zh) | 2023-09-11 | 2023-09-11 | 一种充电桩的碳排放综合管理预测方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116894568A CN116894568A (zh) | 2023-10-17 |
| CN116894568B true CN116894568B (zh) | 2024-03-29 |
Family
ID=88315209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311160091.0A Active CN116894568B (zh) | 2023-09-11 | 2023-09-11 | 一种充电桩的碳排放综合管理预测方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116894568B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115330144A (zh) * | 2022-05-17 | 2022-11-11 | 国网江苏省电力有限公司淮安供电分公司 | 一种计及实时碳减排的需求响应机制模型建立方法 |
| CN115689801A (zh) * | 2022-10-24 | 2023-02-03 | 国家电网有限公司 | 一种基于碳计量的用电信息采集系统 |
-
2023
- 2023-09-11 CN CN202311160091.0A patent/CN116894568B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115330144A (zh) * | 2022-05-17 | 2022-11-11 | 国网江苏省电力有限公司淮安供电分公司 | 一种计及实时碳减排的需求响应机制模型建立方法 |
| CN115689801A (zh) * | 2022-10-24 | 2023-02-03 | 国家电网有限公司 | 一种基于碳计量的用电信息采集系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116894568A (zh) | 2023-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | The comprehensive evaluation of smart distribution grid based on cloud model | |
| Zhou et al. | The Multiobjective Based Large‐Scale Electric Vehicle Charging Behaviours Analysis | |
| Raman et al. | Energy monitoring in solar-powered buildings using internet of things | |
| CN111191851B (zh) | 一种基于知识图谱的数据中心能效优化方法 | |
| CN117973708B (zh) | 一种基于绿色能源的分布式算网智能管控系统 | |
| CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
| CN118232343B (zh) | 基于风能预测的充放电动态控制方法及系统 | |
| CN114757467A (zh) | 一种省级区域双碳综合分析评估系统 | |
| CN116384548A (zh) | 一种基于环境反馈的电网短期电力负荷预测方法 | |
| CN105139157A (zh) | 一种基于能源数据的企业管理方法和系统 | |
| CN118333311A (zh) | 一种水资源的配置调度方法及系统 | |
| CN117312293B (zh) | 一种面向电力多源异构的数据治理与智能分析方法及系统 | |
| CN118232345A (zh) | 一种基于分布式神经网络的储能电站故障诊断系统 | |
| CN103199616A (zh) | 大区电网风电群运行数据监测分析系统 | |
| Shendryk et al. | Decision Support System for Efficient Energy Management of MicroGrid with Renewable Energy Sources | |
| CN116894568B (zh) | 一种充电桩的碳排放综合管理预测方法及存储介质 | |
| CN116930652A (zh) | 一种公共建筑能耗监测系统及节能效果监测方法 | |
| CN103838194A (zh) | 一种基于无线网络的智能能耗数据采集系统 | |
| CN116341716A (zh) | 一种基于数字孪生的智能降损方法 | |
| CN115513945A (zh) | 一种基于物联网的分布式电源管理方法 | |
| CN115579935A (zh) | 发电系统控制方法、装置、系统、电子设备及存储介质 | |
| Zhang et al. | Optimization of wind power configuration in distribution network based on scenario clustering and power flow entropy | |
| Li et al. | The multi-dimensional power big data mining based on improved grey clustering algorithm | |
| CN117235193A (zh) | 一种虚拟电厂多能互补的源荷储优化配置方法 | |
| CN118300105B (zh) | 一种基于电厂管理的发电户用电户数据全方位监测方法 |
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 |