CN116934524A - 一种能源消耗量计算方法、装置及碳排放水平计算方法 - Google Patents
一种能源消耗量计算方法、装置及碳排放水平计算方法 Download PDFInfo
- Publication number
- CN116934524A CN116934524A CN202310852895.0A CN202310852895A CN116934524A CN 116934524 A CN116934524 A CN 116934524A CN 202310852895 A CN202310852895 A CN 202310852895A CN 116934524 A CN116934524 A CN 116934524A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- queue
- calculating
- accumulated
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 99
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 99
- 238000005265 energy consumption Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 229910000831 Steel Inorganic materials 0.000 claims description 100
- 239000010959 steel Substances 0.000 claims description 100
- 238000004519 manufacturing process Methods 0.000 claims description 67
- 239000000446 fuel Substances 0.000 claims description 38
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 230000001174 ascending effect Effects 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 24
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005097 cold rolling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000003647 oxidation Effects 0.000 description 4
- 238000007254 oxidation reaction Methods 0.000 description 4
- 102100036790 Tubulin beta-3 chain Human genes 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种能源消耗量计算方法、装置及碳排放水平计算方法,能源消耗量计算方法包括如下步骤:获取设定时间范围内能源介质的原始累计消耗数据,按照时间顺序进行排列,形成队列L1,队列L1中最小时刻为t1,最大时刻为tn,当时刻t1与开始时刻ts的时间差大于设定的时间dq时,计算开始时刻ts的累计值vs,将开始时刻数据加入到队列L1的头部,更新队列L1;当结束时刻te与时刻tn的时间差大于设定的时间dh时,计算结束时刻te的累计值ve,将结束时刻数据加入到队列L1的尾部,更新队列L1;根据队列L1计算设定时间范围内该能源介质的总消耗数据。本发明通过插值确定了头尾关键点的值,并过滤了异常的能源累计数据增量,保证了计算结果的准确性。
Description
技术领域
本发明涉及一种能源消耗量计算方法、装置及碳排放水平计算方法。
背景技术
对于特定工厂或单元进行碳排放水平的计算之前,提前了解相关能源数据的统计值是必不可少的。
2023年3月21日公开的专利《一种钢铁生产工序碳排放水平确定方法》(申请号为:202211621020.1),提出了一种钢铁生产工序碳排放水平确定的方法。该过程中,计算碳排放通过如下的公式进行:E=∑(K*Q),其中E表示碳排放的数量,K表示排放源排放因子,Q表示排放源活动水平。排放源排放因子采用政府主管部门发布的官方数据。排放源活动水平则是通过采集工厂的各项能源消耗数据计算得出的,其中采集各项能源累计数据来计算排放源活动水平相对比较简单。
然而,在采集工厂能源累计数据过程中,可能会出现以下问题:
1.由于网络不稳定或相关仪表故障,数据可能在某个时间段内发生缺失。
2.为避免增加现场系统的负担,采集频率可能会较低。
3.部分数据由人工填写,可能会导致数据丢失或采集时间间隔太长的问题。
4.为防止数据溢出,能源累计数据会不定期进行清零,但这些清零事件可能无法同步传输到服务端。
这些问题的存在,使得工厂内的能源消耗数据统计不尽准确全面,从而影响基于这些数据计算得到的碳排放结果的准确性。
发明内容
本发明的目的在于克服现有技术中的至少一种缺陷,提供了一种能源消耗量计算方法、装置及碳排放水平计算方法。
本发明的技术方案是这样实现的:本发明公开了一种能源消耗量计算方法,包括如下步骤:
S1)获取设定时间范围内待计算的能源介质的累计消耗数据,将所述累计数据按照时间顺序进行排列,形成包含n组数据的队列L1;
S2)判断是否需要更新队列L1的头部数据和尾部数据;
S21)当需要更新队列L1的头部数据时,计算设定时间范围的开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部;
S22)当需要更新队列L1的尾部数据时,计算设定时间范围的结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部;
S3)根据队列L1计算设定时间范围内该能源介质的总消耗数据。
进一步地,计算开始时刻ts的累计值vs,具体包括:获取小于ts且最接近ts的一组数据(tq,vq),vq表示时刻tq的累计值,当ts与tq的时间差小于或等于设定的时间dq时,vs=vq,否则vs=vq+(v1-vq)*(ts-tq)/(t1-tq)。
进一步地,计算结束时刻te的累计值ve,具体包括:获取大于te且最接近te的一组数据(th,vh),vh表示时刻th的累计值,当th与te的时间差小于或等于设定的时间dh时,ve=vh,否则ve=vn+(vh-vn)*(te-tn)/(th-tn)。
进一步地,根据队列L1计算设定时间范围内该能源介质的总消耗数据,具体包括:计算分阶段消耗数据,计算总消耗数据。
进一步地,计算分阶段消耗数据,具体包括:依次计算队列L1中相邻两组数据的累计值的差,形成一个新的一维数组L2;相邻两组数据的累计值的差为时刻较大的一组数据的累计值减去时刻较小的一组数据的累计值;
计算总消耗数据,具体包括:对L2数组中大于0的数据累计求和,得到总消耗数据。
进一步地,步骤S1)中将所述累计数据按照时间升序进行排列,形成包含n组数据的队列L1,队列L1中第一组数据包含时刻t1以及时刻t1的累计值v1,第n组数据包含时刻tn以及时刻tn的累计值vn。
进一步地,每组数据包含时刻和累计值,队列L1中最小时刻为t1,时刻t1对应的累计值为v1,队列L1中最大时刻为tn,时刻tn对应的累计值为vn;设定时间范围的开始时刻为ts,结束时刻为te,t1≥ts,tn≤te。
进一步地,判断是否需要更新队列L1的头部数据和尾部数据,包括:将时刻t1与开始时刻ts进行比较以及将时刻tn与结束时刻te进行比较;当时刻t1与开始时刻ts的时间差大于设定的时间dq时,则需要更新队列L1的头部数据,当结束时刻te与时刻tn的时间差大于设定的时间dh时,则需要更新队列L1的尾部数据;
当时刻t1与开始时刻ts的时间差小于或等于设定的时间dq时,则认为无需更新队列L1头部数据,跳过步骤S21);
当结束时刻te与时刻tn的时间差小于或等于设定的时间dh时,则认为无需更新队列L1尾部数据,跳过步骤S22)。
本发明还公开了一种能源消耗量计算装置,包括数据采集模块、数据处理模块、数据更新模块和数据计算模块;
所述数据采集模块用于获取设定时间范围内所需计算的能源介质的累计消耗数据;
所述数据处理模块用于将所述累计数据按照时间顺序进行排列,形成包含n组数据的队列L1;
所述数据更新模块用于判断是否需要更新队列L1的头部数据和尾部数据;当需要更新队列L1的头部数据时,计算设定时间范围的开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部;当需要更新队列L1的尾部数据时,计算设定时间范围的结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部;
所述数据计算模块用于根据队列L1计算设定时间范围内该能源介质的总消耗数据。
进一步地,本发明的能源消耗量计算装置还包括数据存储模块,所述数据存储模块用于存储数据采集模块获取的设定时间范围内所需计算的能源介质的累计消耗数据。
本发明还公开了一种碳排放水平计算方法,包括如下步骤:
采用如上所述的能源消耗量计算方法计算能源介质在设定时间范围内的总消耗数据;
根据能源介质在设定时间范围内的总消耗数据,计算能源介质的碳排放量。
本发明还公开了一种碳排放水平计算方法,包括如下步骤:
修正各钢卷的实际开始生产时间和实际结束生产时间;
采用如上所述的能源消耗量计算方法计算各个钢卷各燃料项耗量,计算各个钢卷各燃料项碳排放量。
进一步地,本发明的碳排放水平计算方法还包括:计算待统计的时间范围的碳排放量,具体包括:以某一个或几个钢卷修正后的结束生产时间作为划分边界,将待统计的时间范围分为至少两个区间,计算各区间的碳排放量,将各区间的碳排放量相加得到待统计的时间范围的碳排放量。
当将待统计的时间范围分为三个区间时,中间区间的碳排放量为多个钢卷的碳排放量之和。其中首尾区间的碳排放量(即第一区间的碳排放量和第三区间的碳排放量)和第三区间的碳排放量采用上述能源消耗量计算方法计算。
本发明可以预先将计算的各个钢卷各燃料项碳排放量保存在数据库中,需要计算待统计的时间范围的碳排放量时,则可以从保存各个钢卷各燃料项碳排放量的数据库中查询对应钢卷的碳排放量。
待统计的时间范围内连续生产的钢卷有N个,按照时间升序,N个钢卷分别依次为第1钢卷、第2钢卷、...、第N钢卷,第一区间的碳排放量为统计开始时间ta到第1钢卷修正后的结束生产时间的碳排放量;第二区间的碳排放量为第2钢卷到第N-1钢卷的碳排放量之和;第三区间的碳排放量为第N-1钢卷修正后结束生产时间到统计结束时间tb的碳排放量。
本发明至少具有如下有益效果:
为了解决碳排放水平计算中能源累计数据缺失、频率低、清零等异常,本发明提供了一种用于碳排放水平计算的能源累计数据处理方法,其通过插值确定了头尾关键点的值,并过滤了异常的能源累计数据增量,保证了计算结果的准确性,解决了能源累计数据缺失、频率低、清零等对计算结果的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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它的附图。
图1为本发明实施例提供的能源消耗量计算方法的流程图;
图2为本发明实施例提供的能源消耗量计算装置的模块功能图;
图3为一种实施例的某机组电力累计消耗数据的统计图;
图4为另一种实施例的某机组煤气流量累计数据的统计图;
图5为冷轧带钢并行生产时序示意图;
图6为冷轧带钢间隔生产时序示意图;
图7为待统计的时间范围切分示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
实施例一
参见图1,本发明实施例提供一种能源消耗量计算方法,针对每个能源介质,实际消耗量计算包括以下步骤:
S1)确定开始时间ts和结束时间te。其中ts和te可以是用户给定的起止时间,亦或是通过按班组、天等自动确定的起止时间;从数据库中获取该时间段内(包括起止时间)此介质的全部累计数据(即原始累计数据),按照时间升序排列,形成队列L1;L1=(t1,v1),(t2,v2),……,(tn,vn),显然:t1到tn是升序的,其中t1≥ts,tn≤te,其中,t表示时刻,v表示累计值;t和v后面的数字表示序号,即队列L1包括n(n为正整数)组数据,每组数据包含时刻和累计值。队列L1中最小时刻为t1,时刻t1对应的累计值为v1,队列L1中最大时刻为tn,时刻tn对应的累计值为vn;
S2)将时刻t1与开始时刻ts进行比较以及将时刻tn与结束时刻te进行比较;
S21)当时刻t1减去开始时刻ts的时间差大于设定的时间dq时,计算开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部,更新队列L1头部数据;
S22)当结束时刻te减去时刻tn的时间差大于设定的时间dh时,计算结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部,更新队列L1尾部数据;
S3)根据队列L1(此时队列L1中可能有n组数据,也可能有n+1组数据,也可能有n+2组数据)计算设定时间范围内该能源介质的总消耗数据。
当将开始时刻数据(ts,vs)加入到队列L1的头部或将结束时刻数据(te,ve)加入到队列L1的尾部时,则队列L1有n+1组数据,当将开始时刻数据(ts,vs)加入到队列L1的头部且将结束时刻数据(te,ve)加入到队列L1的尾部时则队列L1有n+2组数据。
进一步地,计算开始时刻ts的累计值vs,具体包括:从数据库中获取比ts小(不包含ts)的最接近ts的一组数据(tq,vq),其中tq表示时刻,vq表示tq时刻的累计值;当ts减去tq的时间差小于或等于设定的时间dq时,vs=vq,否则vs=vq+(v1-vq)*(ts-tq)/(t1-tq)。
进一步地,计算结束时刻te的累计值ve,具体包括:从数据库中获取比te大(不包含te)的最接近te的一组数据(th,vh),其中th表示时刻,vh表示th时刻的累计值;当th减去te的时间差小于或等于设定的时间dh时,ve=vh,否则ve=vn+(vh-vn)*(te-tn)/(th-tn)。
进一步地,当时刻t1与开始时刻ts的时间差小于或等于设定的时间dq时,则跳过步骤S21),即默认vs=v1,所以无需更新队列L1头部数据。
当结束时刻te与时刻tn的时间差小于或等于设定的时间dh时,则跳过步骤S22),即默认ve=vn,所以无需更新队列L1尾部数据。
时间差小于或等于设定的时间dq时,认为其累计数据的变化量为0或认为其累计数据的变化量可以忽略不计。时间差小于或等于设定的时间dh时,认为其累计数据的变化量为0或认为可以忽略不计。因此,dq与dh是根据实际需要设置的。dq与dh可以相等。dq取一个较小的时间,比如2秒。dh取一个较小的时间,比如2秒。
进一步地,根据队列L1计算设定时间范围内该能源介质(即燃料项)的总消耗数据,具体包括:计算分阶段消耗数据,计算总消耗数据。
进一步地,计算分阶段消耗数据,具体包括:依次计算队列L1(此时队列L1包含多组数据,假设为m+1组,并且每组数据包含的时刻是依次递增的)中相邻两组数据的累计值的差,形成一个新的一维数组L2,其包括m个数据,
L2=J1,J2,……,Jm。
相邻两组数据的累计值的差为时刻较大的一组数据的累计值减去时刻较小的一组数据的累计值。
计算总消耗数据,具体包括:对L2数组中大于0的数据累计求和,得到总消耗数据。注意计算总消耗数据时,若L2数组中的数据小于或等于0,则舍弃。
本发明采用上述方法,可以解决能源累计数据缺失、累计计算程序出错和清零等数据异常问题。
基于同样的发明构思,参见图2,本发明实施例还公开了一种能源消耗量计算装置,包括数据采集模块、数据处理模块、数据更新模块和数据计算模块;
所述数据采集模块用于获取设定时间范围内所需计算的能源介质的累计消耗数据;其中,数据采集模块用于采集工厂的各能源介质的累计消耗数据,包括与碳排放相关的水、电、气等数据项的累计值,并将其结果存储到数据库中。
所述数据处理模块用于将所述累计数据按照时间顺序进行排列,形成包含n组数据的队列L1,每组数据包含时刻和累计值,队列L1中最小时刻为t1,时刻t1对应的累计值为v1,队列L1中最大时刻为tn,时刻tn对应的累计值为vn;
所述数据更新模块用于将时刻t1与设定时间范围的开始时刻ts进行比较以及将时刻tn与设定时间范围的结束时刻te进行比较,当时刻t1与开始时刻ts的时间差大于设定的时间dq时,所述数据更新模块用于计算开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部,更新队列L1;当结束时刻te与时刻tn的时间差大于设定的时间dh时,所述数据更新模块用于计算结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部,更新队列L1;
所述数据计算模块用于根据队列L1计算设定时间范围内该能源介质的总消耗数据。
进一步地,本发明的能源消耗量计算装置还包括数据存储模块,所述数据存储模块用于存储数据采集模块获取的设定时间范围内所需计算的能源介质的累计消耗数据。数据存储模块用于存储能源累计数据,其中包括采集时间、数据项名称和数据值。数据存储模块优选InfluxDB。选用InfluxDB数据库的原因在于,它具有无模式的数据存储、便于使用的查询语言、内置的可视化和仪表盘功能,以及其他实用功能如数据备份和导出工具等。
本发明可以计算一段周期内(包括班组、天、或者用户指定周期)的实际能源消耗使用量。本发明需要解决能源累计数据缺失和清零等数据异常问题。
图3为某机组2023年4月2日电力累计消耗数据(间隔时间长),其中,开始点:(2023-04-01T16:14:49Z,14460320)
结束点:(2023-04-02T15:51:59Z,14511360)
传统方案计算结果:51040
本发明计算结果:52100
虽然两者计算结果差距并不明显,不过根据按日消耗量累加形成月消耗量时,发现传统方案比人工计算值偏小。这是由于电力数据采集间隔为15分钟,每天的头尾数据都省略掉了一小段时间。积累多天后,差距就增大了。
图4为某机组2023年2月22日煤气流量累计数据(中间跃变清零)其中,第一段升序序列开始点:(2023-02-21T16:00:00Z,1655694)
第一段升序序列结束点:(2023-02-22T02:00:46Z,1681389)
第二段升序序列开始点:(2023-02-22T02:00:47Z,0)
第二段升序序列结束点:(2023-02-22T15:59:59Z,31939)
传统方案计算结果:-1623755或者1681389,均不符合实际。
本发明计算结果:57641,与人工观察的相符。
实施例二
本发明实施例提供了一种碳排放水平计算方法,包括如下步骤:
采用实施例一所述的能源消耗量计算方法计算待计算的能源介质在设定时间范围内的总消耗数据;
根据待计算的能源介质在设定时间范围内的总消耗数据,计算该能源介质的碳排放量。
根据待计算的能源介质在设定时间范围内的总消耗数据,计算该能源介质的碳排放量的公式有很多,针对不同的场景,可以采用不同的计算公式。
如一种实施例为:计算碳排放通过如下的公式进行:E=∑(K*Q),其中E表示碳排放的数量,K表示排放源排放因子,Q表示排放源活动水平。
如另一种实施例为:计算该能源介质的碳排放量,公式如下:燃料项碳排放量=燃料项耗量*排放因子*低位发热量*单位热值含碳量*燃料碳氧化率*C_CO2_FACTOR*投入产出系数*单位转换系数。
实施例三
冷轧处理线是一个不断连续生产的过程,处理线可能同时存在两个钢卷在生产。另外当生产故障或者例行检修时,将采用过渡卷生产,而过渡卷并非成品,不计入生产实绩。总之相邻钢卷的生产时间有交叉或者间隔,但是碳排放是一直都存在的,所以无法精确计算碳排放水平(如碳排放量以及碳排放量强度)。
针对冷轧机组,本发明实施例提供一种碳排放水平的计算方法,包括如下步骤:
SS1)获取冷轧机组钢卷的生产实绩数据,生产实绩数据包括钢卷号、牌号、钢卷的实际开始生产时间、钢卷的实际结束生产时间、钢卷重量等;
将各钢卷的实际开始生产时间和实际结束生产时间进行修正,得到各钢卷修正后的开始生产时间和结束生产时间;
SS2)获取各燃料项数据,采用实施例一所述的能源消耗量计算方法计算各个钢卷各燃料项耗量,计算各个钢卷各燃料项碳排放量。
进一步地,将钢卷生产实绩数据、各钢卷修正后的开始生产时间、各钢卷修正后的结束生产时间保存到数据库。
进一步地,将计算的各个钢卷各燃料项碳排放量保存到数据库。
进一步地,将各钢卷的实际开始生产时间和实际结束生产时间进行修正,具体包括:针对连续生产的相邻两个钢卷,先生产的钢卷命名为钢卷C1,后生产的钢卷命名为钢卷C2,将先生产的钢卷C1修正后的结束生产时间与后生产的钢卷C2修正后的开始生产时间均修正为tm(即确定一个时间tm,它既是钢卷C1修正后结束生产时间,又是钢卷C2修正后开始生产时间,先生产的钢卷C1修正后的结束生产时间与后生产的钢卷C2修正后的开始生产时间相同);
如图5所示,如果钢卷C2实际开始生产时间早于钢卷C1实际结束生产时间(即相邻钢卷并行生产),则tm=钢卷C1实际结束生产时间-diff;
如图6所示,如果钢卷C2实际开始生产时间晚于钢卷C1实际结束生产时间(即相邻钢卷间隔生产,表示这两个钢卷之间有不计入生产结果的过渡卷,也称之为调整材),则tm=钢卷C1实际结束生产时间+diff;
diff=钢卷C1实际结束生产时间与钢卷C2实际开始生产时间之间间隔时间(本实施例单位为秒数)*钢卷C1重量/(钢卷C1重量+钢卷C2重量)。
如果钢卷C1实际结束生产时间等于钢卷C2实绩开始生产时间,那么tm也等于这个时间。当然这种情况属于巧合,生产并不常见,即使出现,也是人为干涉设置的。
SS2)步骤具体包括:
SS21)根据冷轧产线的实际情况,确定各组燃料的燃料项,燃料分组包括化石燃料燃烧、净购入电力、净购入热力。每个燃料分组包括若干燃料项。例如煤气流量属于化石燃料燃烧分组,压缩空气流量属于净购入电力分组,蒸汽属于净购入热力分组,其它燃料项就不一一举例了。每个燃料项除了包括名称、单位、分组类别等基础信息外,还应包括排放因子、低位发热量、单位热值含碳量、燃料碳氧化率、C_CO2_FACTOR系数(C_CO2_FACTOR系数为二氧化碳与碳的相对分子质量之比44/12约等于3.667)、投入产出系数(1表示投入,-1表示产出)、单位转换系数等计算参数,这些计算参数可以通过做实验确定。
SS22)采集各燃料项数据;
SS23)采用实施例一所述的能源消耗量计算方法计算每卷各燃料项耗量(此时,设定时间范围的开始时刻ts为该钢卷修正后的开始生产时间,设定时间范围的结束时刻te为该钢卷修正后的结束生产时间)。
SS24)计算每卷各燃料项碳排放量,公式如下:燃料项碳排放量=燃料项耗量*排放因子*低位发热量*单位热值含碳量*燃料碳氧化率*C_CO2_FACTOR*投入产出系数*单位转换系数。
需要注意的是,针对一些燃料项,上式的部分系数为1(即如果某个燃料项与排放因子、低位发热量、单位热值含碳量、燃料碳氧化率、C_CO2_FACTOR、投入产出系数、单位转换系数中的某个或某几个无关,则将这几个无关的系数取1,如有些燃料项与CO2无关,则C_CO2_FACTOR取1),通过这个公式统一了所有燃料项的计算方法,有利于编程实现。
SS25)将上述计算结果存储到数据库,即存储每卷钢的各个燃料项的碳排放值。
进一步地,本发明的碳排放水平的计算方法还包括如下步骤SS3):获得待统计的时间范围,计算待统计的时间范围的碳排放量。
优选地,计算待统计的时间范围(统计开始时间ta~统计结束时间tb)的碳排放量,具体包括:以某一个或几个钢卷修正后的结束生产时间作为划分边界,将待统计的时间范围分为至少两个区间,待统计的时间范围的开始时间为ta,结束时间为tb;
计算各区间的碳排放量,将各区间的碳排放量相加得到待统计的时间范围的碳排放量。
进一步地,将待统计的时间范围(统计开始时间ta~统计结束时间tb)分为三个区域。如图7所示,待统计的时间范围内连续生产的钢卷有N个,按照时间升序,N个钢卷分别依次为第1钢卷、第2钢卷、...、第N钢卷(待统计的时间范围内的第1钢卷、第N钢卷通常是半卷,当然也可能是整卷),以第1钢卷修正后的结束生产时间和第N-1钢卷修正后的结束生产时间作为划分边界对待统计的时间范围进行切分,将待统计的时间范围分为三个区间,其中,第一区间为ta到第1钢卷修正后的结束生产时间,第二区间为第1钢卷修正后的结束生产时间到第N-1钢卷修正后结束生产时间,第三区间为第N-1钢卷修正后结束生产时间到tb。
需要注意的时,本发明分区间计算碳排放数据的目的是为了解决长时间范围碳排强度的计算效率的问题。一般来说时间范围较短分区间计算的物理意义不大,而且时间范围较短计算消耗资源和时间也并不明显。
计算待统计的时间范围的碳排放量,具体包括:待统计的时间范围的碳排放量=第一区间的碳排放量+第二区间的碳排放量+第三区间的碳排放量;
其中第一区间的碳排放量为ta到第1钢卷修正后的结束生产时间的碳排放量;
第二区间的碳排放量为第2钢卷到第N-1钢卷的碳排放量之和;
第三区间的碳排放量为第N-1钢卷修正后结束生产时间到tb的碳排放量。
其中第一区间的碳排放量和第三区间的碳排放量直接参照步骤S23和步骤S24计算即可,如可以采用实施例一所述的能源消耗量计算方法来计算ta到第1钢卷修正后的结束生产时间的碳排放量以及第N-1钢卷修正后结束生产时间到tb的碳排放量。区间2碳排放量直接从数据库中查询卷2到卷N-1的碳排放量,然后累计即可。
显然,由于提前缓存了卷2到卷N-1的计算结果,此时计算无论统计的时间范围多大,此处的计算量并不大,因此提高了计算的效率。
步骤SS3)后还包括步骤SS4),步骤SS4)包括:计算待统计的时间范围内生产的钢卷重量,然后计算待统计的时间范围的碳排强度,公式为:碳排强度=碳排放量/钢卷重量。
计算待统计的时间范围内生产的钢卷重量,具体包括:计算各区间生产的钢卷重量,将各区间生产的钢卷重量相加得到待统计的时间范围内生产的钢卷重量,即待统计的时间范围内生产的钢卷重量=第一区间的钢卷重量+第二区间的钢卷重量+第三区间的钢卷重量。
其中,第一区间的钢卷重量=第1钢卷重量*(第1钢卷修正后结束生产时间-ta)/(第1钢卷修正后结束生产时间-第1钢卷修正后开始生产时间);
第二区间的钢卷重量=第2钢卷到第N-1钢卷的重量之和(第2钢卷到第N-1钢卷的重量直接从数据库中查询即可得到);
第三区间的钢卷重量=第N钢卷重量*(tb-第N钢卷修正后开始生产时间)/(第N钢卷修正后结束生产时间-第N钢卷修正后开始生产时间)。
上述计算重量的方法,一方面考虑对原有生产开始结束时间进行修正,另一方面对钢卷按实际进行了重量分配,因此计算精度非常高。
另外,步骤SS3)中可以计算指定燃料分组或燃料项的碳排放,则步骤SS4)可以得到指定燃料分组或燃料项的碳排强度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种能源消耗量计算方法,其特征在于,包括如下步骤:
S1)获取设定时间范围内所需计算的能源介质的累计消耗数据,将所述累计数据按照时间顺序进行排列,形成包含n组数据的队列L1;
S2)判断是否需要更新队列L1的头部数据和尾部数据;
S21)当需要更新队列L1的头部数据时,计算设定时间范围的开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部;
S22)当需要更新队列L1的尾部数据时,计算设定时间范围的结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部;
S3)根据队列L1计算设定时间范围内该能源介质的总消耗数据。
2.如权利要求1所述的能源消耗量计算方法,其特征在于:计算开始时刻ts的累计值vs,具体包括:获取小于ts且最接近ts的一组数据(tq,vq),vq表示时刻tq的累计值,当ts与tq的时间差小于或等于设定的时间dq时,vs=vq,否则vs=vq+(v1-vq)*(ts-tq)/(t1-tq)。
3.如权利要求1所述的能源消耗量计算方法,其特征在于:计算结束时刻te的累计值ve,具体包括:获取大于te且最接近te的一组数据(th,vh),vh表示时刻th的累计值,当th与te的时间差小于或等于设定的时间dh时,ve=vh,否则ve=vn+(vh-vn)*(te-tn)/(th-tn)。
4.如权利要求1所述的能源消耗量计算方法,其特征在于:根据队列L1计算设定时间范围内该能源介质的总消耗数据,具体包括:依次计算队列L1中相邻两组数据的累计值的差,形成一个新的一维数组L2;相邻两组数据的累计值的差为时刻较大的一组数据的累计值减去时刻较小的一组数据的累计值;
对L2数组中大于0的数据累计求和,得到总消耗数据。
5.如权利要求1所述的能源消耗量计算方法,其特征在于:步骤S1)中将所述累计数据按照时间升序进行排列,形成包含n组数据的队列L1,队列L1中第一组数据包含时刻t1以及时刻t1的累计值v1,第n组数据包含时刻tn以及时刻tn的累计值vn。
6.如权利要求1所述的能源消耗量计算方法,其特征在于:每组数据包含时刻和累计值,队列L1中最小时刻为t1,时刻t1对应的累计值为v1,队列L1中最大时刻为tn,时刻tn对应的累计值为vn;设定时间范围的开始时刻为ts,结束时刻为te,t1≥ts,tn≤te;
判断是否需要更新队列L1的头部数据和尾部数据,包括:将时刻t1与开始时刻ts进行比较以及将时刻tn与结束时刻te进行比较;当时刻t1与开始时刻ts的时间差大于设定的时间dq时,则需要更新队列L1的头部数据,当结束时刻te与时刻tn的时间差大于设定的时间dh时,则需要更新队列L1的尾部数据;
当时刻t1与开始时刻ts的时间差小于或等于设定的时间dq时,则跳过步骤S21);
当结束时刻te与时刻tn的时间差小于或等于设定的时间dh时,则跳过步骤S22)。
7.一种能源消耗量计算装置,其特征在于:包括数据采集模块、数据处理模块、数据更新模块和数据计算模块;
所述数据采集模块用于获取设定时间范围内所需计算的能源介质的累计消耗数据;
所述数据处理模块用于将所述累计数据按照时间顺序进行排列,形成包含n组数据的队列L1;
所述数据更新模块用于判断是否需要更新队列L1的头部数据和尾部数据;当需要更新队列L1的头部数据时,计算设定时间范围的开始时刻ts的累计值vs,将开始时刻数据(ts,vs)加入到队列L1的头部;当需要更新队列L1的尾部数据时,计算设定时间范围的结束时刻te的累计值ve,将结束时刻数据(te,ve)加入到队列L1的尾部;
所述数据计算模块用于根据队列L1计算设定时间范围内该能源介质的总消耗数据。
8.如权利要求7所述的能源消耗量计算装置,其特征在于:还包括数据存储模块,所述数据存储模块用于存储数据采集模块获取的设定时间范围内所需计算的能源介质的累计消耗数据。
9.一种碳排放水平计算方法,其特征在于,包括如下步骤:
采用权利要求1至6任一所述的能源消耗量计算方法计算能源介质在设定时间范围内的总消耗数据;
根据能源介质在设定时间范围内的总消耗数据,计算能源介质的碳排放量。
10.一种碳排放水平计算方法,其特征在于,包括如下步骤:
修正各钢卷的实际开始生产时间和实际结束生产时间;
采用权利要求1至6任一所述的能源消耗量计算方法计算各个钢卷各燃料项耗量,计算各个钢卷各燃料项碳排放量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852895.0A CN116934524A (zh) | 2023-07-12 | 2023-07-12 | 一种能源消耗量计算方法、装置及碳排放水平计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310852895.0A CN116934524A (zh) | 2023-07-12 | 2023-07-12 | 一种能源消耗量计算方法、装置及碳排放水平计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116934524A true CN116934524A (zh) | 2023-10-24 |
Family
ID=88387223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310852895.0A Pending CN116934524A (zh) | 2023-07-12 | 2023-07-12 | 一种能源消耗量计算方法、装置及碳排放水平计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934524A (zh) |
-
2023
- 2023-07-12 CN CN202310852895.0A patent/CN116934524A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scuderi | A 2000-year tree ring record of annual temperatures in the Sierra Nevada mountains | |
Papaefthymiou et al. | MCMC for wind power simulation | |
US7356383B2 (en) | Methods and apparatus for optimizing combined cycle/combined process facilities | |
CN107481034A (zh) | 一种数据采集点可灵活设置的收益管理方法和系统 | |
CN111210093A (zh) | 基于大数据的日用水量预测方法 | |
CN116683452B (zh) | 一种日清缺失电量的修复方法及系统 | |
CN116934524A (zh) | 一种能源消耗量计算方法、装置及碳排放水平计算方法 | |
CN115719180A (zh) | 一种工业园区降碳关键影响因素分析方法 | |
CN112632127A (zh) | 设备运行实时数据采集及时序的数据处理方法 | |
CN114021783A (zh) | 一种考虑社会类碳排放因素和短期效益的两阶段月度机组组合和检修计划优化方法 | |
Cleveland | Seasonal and calendar adjustment | |
Wang | The short-term passenger flow forecasting of urban rail transit based on holt-winters' seasonal method | |
CN105389637A (zh) | 用于月度用电预测模型的有效工作日构建方法 | |
CN106845705A (zh) | 地铁供电负荷预测系统的回声状态神经网络负荷预测模型 | |
CN106355264B (zh) | 一种参考作物腾发量组合预测方法 | |
CN117251672A (zh) | 基于电力数据的区域行业多维能源碳排放计算方法和装置 | |
CN116934525A (zh) | 一种冷轧机组碳排放数据的计算方法及装置 | |
CN112036767A (zh) | 一种基于互联网的石化生产管理系统 | |
CN109975841B (zh) | 一种gps设备上报数据异常率的计算方法 | |
CN113887839A (zh) | 一种基于聚类的风电场超短期风功率预测方法及系统 | |
Deng et al. | Medium-term rolling load forecasting based on seasonal decomposition and long short-term memory neural network | |
MacCormack et al. | Stochastic modeling of future wind generation scenarios | |
Kosarev | Neural network approach to the electricity market forecasting with different-frequency data among the explanatory variables | |
Ofuji et al. | Price forecasting of japan electric power exchange using time-varying AR model | |
CN117013525A (zh) | 日前电力负荷预测方法、装置、电子设备及存储介质 |
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 |