CN117060596B - 一种基于物联网的碳排放电力监测系统及方法 - Google Patents
一种基于物联网的碳排放电力监测系统及方法 Download PDFInfo
- Publication number
- CN117060596B CN117060596B CN202311319351.4A CN202311319351A CN117060596B CN 117060596 B CN117060596 B CN 117060596B CN 202311319351 A CN202311319351 A CN 202311319351A CN 117060596 B CN117060596 B CN 117060596B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- carbon
- area
- low
- region
- 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 610
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 464
- 238000012544 monitoring process Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 description 10
- 239000003245 coal Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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)
- Power Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网的碳排放电力监测系统及方法，涉及电力碳排放计量技术领域，S1：监测电力系统运行区域的碳排放的实时数据，对碳排放数据进行数据处理，得到不同区域的碳排放标签，将碳排放标签及标签所对应的区域发送至服务器；S2：对碳排放标签及标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控以实现高碳排放区域内碳排放值的降低；S3：对电力调控后的区域碳排放量进行监测处理，实现对高碳排放区域碳排放结果及电力调控结果进行识别，并生成相应级别的预警信号，并将预警信号传送至服务器；S4：根据不同级别的预警信号对所对应的区域进行预警处理，从而实现对电力调控进而完成对不同区域的碳排放的控制。
Description
技术领域
本发明涉及电力碳排放计量技术领域，具体涉及一种基于物联网的碳排放电力监测系统及方法。
背景技术
碳排放量是指在生产、运输、使用及回收某产品时所产生的温室气体排放量，当前环境中，碳排放量与电力系统关系紧密，一方面，电力系统的碳排放量占比较高，另一方面电力系统可以通过电能替代方式减少终端用能部门的直接碳排放，推动能源碳排放大幅降低。
现有技术中，如专利申请号202110612390.8公开了一种火力发电行业碳排放数字化分析系统，其包括：煤质监测模块，燃烧状况监测模块，标准数据采集模块，所述标准数据采集模块将煤炭信息数据实时动态采集并集中存储到远程服务器；数据分析处理模块，所述数据分析处理模块对远程服务器收集的数据进行计算和分析，获取最佳碳排放优化数据；碳排放优化模块，所述碳排放优化模块接收最佳碳排放优化数据，将所述碳排放优化数据反馈到所述煤质监测模块和燃烧状况监测模块，完成煤炭流转过程的实时展示和调度，满足大数据分析的需要，实现碳排放的优化管理，现有技术仅用于实现对某一区域碳排放计量，但是缺少对该区域及电力系统覆盖区域宏观层面的一个监测调控。
本发明提供了一种基于物联网的碳排放电力监测系统及方法，以解决上述技术问题中缺少基于电力系统宏观侧面上对碳排放数据的监测处理。
发明内容
本发明的目的在于提供一种基于物联网的碳排放电力监测系统及方法，通过遥感技术对电力系统运行区域内的碳排放数据进行监测，将监测区域按碳排数据分为低碳排放区域和高碳排放区域，对高碳排放区域进行电力管控实现对碳排放量的降低，并对电力管控后的高碳排放区域的碳排放量进行评估核准，对经过电力调控后仍未达到碳排放标准的区域进行预警。
本发明的目的可以通过以下技术方案实现：
一种基于物联网的碳排放电力监测方法，包括以下步骤:
步骤一：监测电力系统运行区域内碳排放的实时数据，对监测得到的碳排放数据进行数据计算，得到不同区域的碳排放标签；
其中，按照碳排放数据监测结果将运行区域分为低碳排放区域和高碳排放区域；
低碳排放区域的碳排放标签为0，高碳排放区域的碳排放标签为1；
步骤二：对碳排放标签及标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控并监测电力数据，以实现高碳排放区域内碳排放量的降低；
步骤三：对电力调控后高碳排放区域的碳排放量进行实时监测，实现对高碳排放区域碳排放结果及电力调控结果的监测识别，并生成相应级别的监测预警信号；
步骤四：根据不同级别的监测预警信号对所对应的监测区域进行预警处理。
作为本发明进一步的方案：步骤一中，将监测得到的碳排放数据标记E，预设碳排放数据的提醒阈值为E1；
若碳排放数据E<提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为低碳排放区域；
若碳排放数据E≥提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为高碳排放区域；
其中，碳排放数据E为遥感卫星对同一区域连续多个周期内测得碳排放量的均值。
作为本发明进一步的方案：步骤三中，对高碳排放区域的碳排放量监测过程包括：
获取低碳排放区域和高碳排放区域的碳排放导向数据；
通过所述低碳排放区域的碳排放导向数据得到低碳基准值，将低碳基准值标记为JL；
通过所述高碳排放区域的碳排放导向数据得到高碳基准值，将高碳基准值标记为JH；
遍历所有低碳排放区域的低碳基准值得到低碳基准值组，删除低碳基准值组中的最大值和最小值，将剩余低碳基准值进行求和取平均，得到所有低碳排放区域的低碳基准参照值Jc。
作为本发明进一步的方案：所述碳排放导向数据包括企业占比率、植被覆盖率和电量比；
对低碳排放区域的碳排放导向数据进行处理；
将低碳区域企业占比率标记为J1、低碳区域植被覆盖率标记为J2、低碳区域电量比标记为J3；
通过公式得到低碳排放区域的低碳基准值JL,其中，d1、d2及d3均为预设比例系数，d1、d2及d3均大于0。
作为本发明进一步的方案：将低碳排放区域的低碳基准参照值Jc与高碳排放区域在电力调控前的高碳基准值JH1作差值得到电力调控前的碳排放偏离值，将碳排放偏离值标记为J0；
获取高碳排放区域在电力调控每个周期内的高碳基准值，将低碳排放区域的低碳基准参照值与每个周期内电力调控后的高碳基准值作差值，得到每个周期内高碳区理论值并标记为JHt。
作为本发明进一步的方案：遍历电力调控周期内所有高碳区理论值得到最大高碳区理论值JHmax和最小高碳区理论值JHmin；
若周期内最大高碳区理论值JHmax≤碳排放偏离值J0，则表示该高碳排放区域的碳排放数据低，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若周期内最小高碳区理论值JHmin＞碳排放偏离值J0，则表示该高碳排放区域的碳排放数据高，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成一级预警信号；
若周期内最大高碳区理论值JHmax＞碳排放偏离值J0≥周期内最小高碳区理论值JHmin，则对高碳排放区域连续周期内的高碳区理论值JHt进行处理，获得连续周期内的高碳区理论值方差，将高碳区理论值方差标记为JHtf。
作为本发明进一步的方案：预设高碳区理论值方差阈值标记为JHty;
将高碳区理论值方差JHtf与高碳区理论值方差阈值JHty进行比较；
若高碳区理论值方差JHtf≥高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成二级预警信号；
若高碳区理论值方差JHtf＜高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动小，对该高碳排放区域连续周期内高碳区理论值JHt进行识别。
作为本发明进一步的方案：若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续减小，则表示该高碳排放区域的碳排放数据逐步减小，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续增大，则表示该高碳排放区域的碳排放数据逐步增大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成三级预警信号；
若高碳排放区域在连续周期内的高碳区理论值JHt无线性关系时，则表示该高碳排放区域的碳排放数据波动变化小，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成四级预警信号。
作为本发明进一步的方案：步骤四中，根据接收的预警信号获取预警区域的预警值；
若预警区域的预警值Ui<预警区域的预警值阈值时，则加大对该预警区域的电力调控力度，生成加大预警区域的电力调控力度的信号；
若预警区域的预警值Ui≥预警区域的预警值阈值时，则对该预警区域生成非电力调控预警信号，通过得到的非电力调控预警信号对预警区域进行非电力调控。
基于上述方法，本发明进一步的方案：提供一种基于物联网的碳排放电力监测系统,包括：
数据监测模块，所述数据监测模块用于获取电力系统运行区域的碳排放数据，对碳排放数据进行数据处理，得到不同区域的碳排放标签，将碳排放标签及标签所对应的区域发送至服务器；
其中，低碳排放区域的碳排放标签为0，高碳排放区域的碳排放标签为1；
监测分析模块，所述监测分析模块接收服务器传送的碳排放标签及标签所对应的区域，对碳排放标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控以实现高碳排放区域内碳排放值的降低；
评估监测模块，所述评估监测模块用于对电力调控后的区域碳排放量进行监测处理，实现对高碳排放区域碳排放结果及电力调控结果进行识别，并生成相应的预警信号，并将预警信号传送至服务器
监测提醒模块，所述监测提醒模块接收服务器传送的预警信号，对预警信号所对应的区域进行预警处理。
本发明的有益效果：
（1）本发明通过对低碳排放区域的碳排放导向数据进行处理，即通过对低碳区域企业占比率、低碳区域植被覆盖率和低碳区域电量比进行计算获取低碳排放区域的低碳基准值，再根据对所有低碳排放区域的低碳基准值进行处理得到低碳基准参照值，以低碳基准参照值为基准，对所有高碳排放区域的高碳基准值进行数据处理，获取多个周期高碳排放区域通过电力电控后的高碳区理论值,从而使得到的高碳区理论值数据可靠性更高，对高碳排放区域电力调控后碳排放量的表征更加真实；
（2）本发明通过对电力调控周期内所有的高碳区理论值进行处理，将调整后的高碳区理论值与高碳排放区域在电力调控前的碳排放偏离值进行数据比较，从而完成对高碳排放区域的碳排放数据的表征，即周期内最大高碳区理论值JHmax≤碳排放偏离值J0，则表示该高碳排放区域的碳排放数据低，若周期内最小高碳区理论值JHmin＞碳排放偏离值J0，则表示该高碳排放区域的碳排放数据高，若周期内最大高碳区理论值JHmax＞碳排放偏离值J0≥周期内最小高碳区理论值JHmin时，则对高碳排放区域连续周期内的高碳区理论值方差进行处理，对高碳排放区域的碳排放数据波动进行识别，从而获得电力调控周期内碳排放量的变化量，使对高碳排放区域电力调控后的调控效果识别更加具体化和可视化；
（3）本发明通过对不同情况下的高碳排放区域内电力调控效果差进行不同级别预警，并根据不同级别预警进行不同程度的管控，其中，一级预警信号管控级别高于二级预警信号，二级预警信号管控级别高于三级预警信号，以此类推，在管控过程中结合预警区域电量比与预警区域电力备用裕度，获取预警区域的预警值，根据预警区域的预警值对管控方式进行指导调整。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程图；
图2是本发明的程序框图。
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作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
请参阅图1所示，本发明为一种基于物联网的碳排放电力监测方法，包括以下步骤：
S1：监测电力系统运行区域的碳排放数据，对监测得到的碳排放数据进行数据处理，得到不同区域的碳排放标签，将碳排放标签及标签所对应的区域发送至服务器；
其中，低碳排放区域的碳排放标签为0，高碳排放区域的碳排放标签为1；
S2：对碳排放标签及标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控并监测电力数据，以实现高碳排放区域内碳排放值的降低；
S3：对电力调控后的区域碳排放量进行实时监测，实现对高碳排放区域碳排放结果及电力调控结果进行识别，并生成相应级别的预警信号，并将预警信号传送至服务器；
S4：根据不同级别的预警信号对所对应的区域进行预警处理。
S1中，通过遥感卫星对电力系统运行区域进行同步监测，从而得到该电力系统运行区域的碳排放数据；
根据获得的碳排放数据对电力系统运行区域进行区域划分，对不同的碳排放区域进行碳排放标签赋值；
将遥感卫星监测得到的碳排放数据标记E，预设碳排放数据的提醒阈值为E1；
若碳排放数据E<提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为低碳排放区域，并将低碳排放区域的碳排放标签记为0；
若碳排放数据E≥提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为高碳排放区域，并将高碳排放区域的碳排放标签记为1；
其中，碳排放数据E为遥感卫星对同一区域连续多个周期内测得碳排放量的均值，且碳排放数据E的获取不低于连续3个周期，且每个周期的时长优选为1个月。
S2中，电力调控方式包括对该区域增加清洁发电量的使用，并对电力调控方式进行监测；
在一个具体的实施例中，还包括增加该地区的植被覆盖率。
S3中，对电力调控后区域碳排放量及电力调控结果的识别过程包括：
将所有碳排放标签为0的低碳排放区域进行整理，分别获取每个低碳排放区域的碳排放导向数据，通过碳排放导向数据获取得到该低碳排放区域的低碳基准值；
低碳排放区域的碳排放导向数据包括低碳区域企业占比率、低碳区域植被覆盖率和低碳区域电量比；
其中，低碳区域企业占比率为区域企业总量与区域占地面积的比值，将低碳区域企业占比率记为J1;
低碳区域植被覆盖率为区域绿化面积与区域占地面积的比值，将低碳区域植被覆盖率记为J2；
低碳区域电量比为区域清洁发电量与区域总发电量的比值，将低碳区域电量比记为J3；
其中，区域清洁发电量包括水力发电、风力发电和太阳能发电；
通过公式得到低碳排放区域的低碳基准值JL,其中，d1、d2及d3均为预设比例系数，d1取2.26，d2取0.37，d3取2.53；
遍历所有低碳排放区域的低碳基准值得到低碳基准值组，删除低碳基准值组中的最大值和最小值，将剩余低碳基准值进行求和取平均，得到所有低碳排放区域的低碳基准参照值Jc；
获取所有碳排放标签为1的高碳排放区域，对每个独立的高碳排放区域的碳排放导向数据进行处理，高碳排放区域的碳排放导向数据的处理与低碳排放区域的碳排放导向数据的处理方法一致；
即对高碳区域企业占比率、高碳区域植被覆盖率和高碳区域电量比进行处理得到高碳排放区域的高碳基准值JH;
获取高碳排放区域在电力调控前的高碳基准值JH1，将低碳排放区域的低碳基准参照值Jc与高碳排放区域在电力调控前的高碳基准值JH1作差值得到电力调控前的碳排放偏离值，将碳排放偏离值标记为J0；
获取高碳排放区域在电力调控每个周期内的高碳基准值，将低碳排放区域的低碳基准参照值与每个周期内电力调控后的高碳基准值作差值，得到每个周期内高碳区理论值并标记为JHt,t=1,……，n；
遍历电力调控周期内所有的高碳区理论值得到最大高碳区理论值JHmax和最小高碳区理论值JHmin；
若周期内最大高碳区理论值JHmax≤碳排放偏离值J0，则表示该高碳排放区域的碳排放数据低，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若周期内最小高碳区理论值JHmin＞碳排放偏离值J0，则表示该高碳排放区域的碳排放数据高，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成一级预警信号；
若周期内最大高碳区理论值JHmax＞碳排放偏离值J0≥周期内最小高碳区理论值JHmin；
则对高碳排放区域连续周期内的高碳区理论值JHt进行处理，获得连续周期内的高碳区理论值方差，将高碳区理论值方差标记为JHtf，预设高碳区理论值方差阈值标记为JHty;
将高碳区理论值方差JHtf与高碳区理论值方差阈值JHty进行比较；
高碳区理论值方差JHtf≥高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成二级预警信号；
高碳区理论值方差JHtf＜高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动小，对该高碳排放区域连续周期内高碳区理论值JHt进行识别；
若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续减小，则表示该高碳排放区域的碳排放数据逐步减小，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续增大，则表示该高碳排放区域的碳排放数据逐步增大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成三级预警信号；
若高碳排放区域在连续周期内的高碳区理论值JHt无线性关系时，则表示该高碳排放区域的碳排放数据波动变化不大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成四级预警信号。
其中，一级预警信号的预警级别最高，四级预警信号的预警级别最低。
S4中，接收到的预警信号级别包括一级预警信号、二级预警信号、三级预警信号和四级预警信号；
其中，一级预警信号、二级预警信号、三级预警信号和四级预警信号是对所有标签为1的高碳排放区域在电力调控后进行区域划分，该区域划分是根据高碳排放区域在电力调控后的结果进行预警级别分类，将所有高碳排放区域在电力调控后分为一级预警信号的高碳排放区域、二级预警信号的高碳排放区域、三级预警信号的高碳排放区域和四级预警信号的高碳排放区域。
本实施例以对一级预警信号监测为例：
获取该预警区域清洁发电量与区域总发电量的比值，得到预警区域的电量比，将预警区域电量比记为Pi；
预警区域电量比通过公式获取得到，其中，Pp为水力发电、PW风力发电、PV太阳能发电、PG总发电量；
获取该预警区域的电力备用裕度Gi，通过公式获取得到；
其中，Rt是周期t内的供电量，PL是周期t内的用电量，PR是周期t内的异常消耗电量；
对预警区域电量比与预警区域电力备用裕度进行加权处理，将预警区域电量比Pi的权重占比分配为；将预警区域电力备用裕度Gi的权重占比分配为/>；其中，n1+n2=1，n2>n1>0；
根据公式获取得到预警区域的预警值；
若预警区域的预警值Ui<预警区域的预警值阈值时，加大对该预警区域的电力调控力度，生成加大预警区域的电力调控力度的信号，电力调控包括但不限于加大清洁发电量和降低发电量；
若预警区域的预警值Ui≥预警区域的预警值阈值时，则对该预警区域生成非电力调控预警信号，通过得到的非电力调控预警信号对预警区域进行调控，调控包括但不限于企业生产管理调控；
其中，本方案中一级预警信号监测是对划分为一级预警信号内的任一高碳排放区域进行监测处理，进而实现对该监测的高碳排放区域进行调控。
实施例二
请参阅图2所示，本发明为一种基于物联网的碳排放电力监测系统，包括：数据监测模块、监测分析模块、评估监测模块、监测提醒模块和服务器；
数据监测模块、监测分析模块、评估监测模块和监测提醒模块与服务器电性连接；
数据监测模块用于获取电力系统运行区域的碳排放数据，对碳排放数据进行数据处理，得到不同区域的碳排放标签，将碳排放标签及标签所对应的区域发送至服务器；
其中，低碳排放区域的碳排放标为0，高碳排放区域的碳排放标为1；
监测分析模块接收服务器传送的碳排放标签及标签所对应的区域，对碳排放标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控以实现高碳排放区域内碳排放值的降低；
其中，对碳排放标签为1的区域进行电力调控包括提高清洁发电量在高碳排放区域的使用比例；
评估监测模块用于对电力调控后的区域碳排放量进行监测处理，实现对高碳排放区域碳排放结果及电力调控结果进行识别，并生成相应的预警信号，并将预警信号传送至服务器；
高碳排放区域碳排放结果包括碳排放数据低和碳排放数据高；
电力调控结果包括电力调控效果好和电力调控效果差；
在电力调控后的高碳排放区域测得的碳排放数据低则对应电力调控效果好，碳排放数据高则对应电力调控效果差；
监测提醒模块接收服务器传送的预警信号，对预警信号所对应的区域进行预警处理；
预警处理包括对预警区域电量比和预警区域的电力备用裕度进行处理获取预警区域的预警值；
若预警区域的预警值Ui<预警区域的预警值阈值时，加大对该预警区域的电力调控力度，生成加大预警区域的电力调控力度的信号，电力调控包括但不限于加大清洁发电量和降低发电量；
若预警区域的预警值Ui≥预警区域的预警值阈值时，则对该预警区域生成非电力调控预警信号，通过得到的非电力调控预警信号对预警区域进行调控，调控包括但不限于企业生产管理调控。
本发明的核心点之一：在于通过遥感技术对电力系统运行区域内的碳排放数据进行监测，将监测区域按碳排数据分为低碳排放区域和高碳排放区域，对高碳排放区域进行电力管控实现对碳排放量的降低，使对碳排放区域管理的针对性更强；
本发明的核心点之二：在于对低碳排放区域的碳排放导向数据进行处理，即通过对低碳区域企业占比率、低碳区域植被覆盖率和低碳区域电量比进行计算获取低碳排放区域的低碳基准值，再根据对所有低碳排放区域的低碳基准值进行处理得到低碳基准参照值，以低碳基准参照值为基准，对所有高碳排放区域的高碳基准值进行数据处理，获取多个周期高碳排放区域通过电力电控后的高碳区理论值,从而使得到的高碳区理论值数据可靠性更高，对高碳排放区域电力调控后碳排放量的表征更加真实；
本发明的核心点之三：在于通过对电力调控周期内所有的高碳区理论值进行处理，将调整后的高碳区理论值与高碳排放区域在电力调控前的碳排放偏离值进行数据比较，从而完成对高碳排放区域的碳排放数据的表征，即周期内最大高碳区理论值JHmax≤碳排放偏离值J0，则表示该高碳排放区域的碳排放数据低，若周期内最小高碳区理论值JHmin＞碳排放偏离值J0，则表示该高碳排放区域的碳排放数据高，若周期内最大高碳区理论值JHmax＞碳排放偏离值J0≥周期内最小高碳区理论值JHmin时，则对高碳排放区域连续周期内的高碳区理论值方差进行处理，对高碳排放区域的碳排放数据波动进行识别，从而获得电力调控周期内碳排放量的变化量，使对高碳排放区域电力调控后的调控效果识别更加具体化和可视化；
本发明的核心点之四：在于通过对不同情况下的高碳排放区域内电力调控效果差进行不同级别预警，并根据不同级别预警进行不同程度的管控，其中，一级预警信号管控级别高于二级预警信号，二级预警信号管控级别高于三级预警信号，以此类推，在管控过程中结合预警区域电量比与预警区域电力备用裕度，获取预警区域的预警值，根据预警区域的预警值对管控方式进行指导调整。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于物联网的碳排放电力监测方法，其特征在于，包括以下步骤:
步骤一：监测电力系统运行区域内碳排放的实时数据，对监测得到的碳排放数据进行数据计算，得到不同区域的碳排放标签；
其中，按照碳排放数据监测结果将运行区域分为低碳排放区域和高碳排放区域；
低碳排放区域的碳排放标签为0，高碳排放区域的碳排放标签为1；
步骤二：对碳排放标签及标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控并监测电力数据，以实现高碳排放区域内碳排放量的降低；
步骤三：对电力调控后高碳排放区域的碳排放量进行实时监测，实现对高碳排放区域碳排放结果及电力调控结果的监测识别，并生成相应级别的监测预警信号；
步骤四：根据不同级别的监测预警信号对所对应的监测区域进行预警处理；
步骤三中，对高碳排放区域的碳排放量监测过程包括：
获取低碳排放区域和高碳排放区域的碳排放导向数据；
通过所述低碳排放区域的碳排放导向数据得到低碳基准值，将低碳基准值标记为JL；
通过所述高碳排放区域的碳排放导向数据得到高碳基准值，将高碳基准值标记为JH；
遍历所有低碳排放区域的低碳基准值得到低碳基准值组，删除低碳基准值组中的最大值和最小值，将剩余低碳基准值进行求和取平均，得到所有低碳排放区域的低碳基准参照值Jc；
所述碳排放导向数据包括企业占比率、植被覆盖率和电量比；
对低碳排放区域的碳排放导向数据进行处理；
将低碳区域企业占比率标记为J1、低碳区域植被覆盖率标记为J2、低碳区域电量比标记为J3；
通过公式JL得到低碳排放区域的低碳基准值JL,其中，d1、d2及d3均为预设比例系数，d1、d2及d3均大于0。
2.根据权利要求1所述的一种基于物联网的碳排放电力监测方法,其特征在于，步骤一中，将监测得到的碳排放数据标记E，预设碳排放数据的提醒阈值为E1；
若碳排放数据E<提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为低碳排放区域；
若碳排放数据E≥提醒阈值E1时，将遥感卫星测得碳排放数据所对应的区域标记为高碳排放区域；
其中，碳排放数据E为遥感卫星对同一区域连续多个周期内监测的碳排放量的均值。
3.根据权利要求1所述的一种基于物联网的碳排放电力监测方法,其特征在于，将低碳排放区域的低碳基准参照值Jc与高碳排放区域在电力调控前的高碳基准值JH1作差值得到电力调控前的碳排放偏离值，将碳排放偏离值标记为J0；
获取高碳排放区域在电力调控每个周期内的高碳基准值，将低碳排放区域的低碳基准参照值与每个周期内电力调控后的高碳基准值作差值，得到每个周期内高碳区理论值并标记为JHt。
4.根据权利要求3所述的一种基于物联网的碳排放电力监测方法,其特征在于，遍历电力调控周期内所有高碳区理论值得到最大高碳区理论值JHmax和最小高碳区理论值JHmin；
若周期内最大高碳区理论值JHmax≤碳排放偏离值J0，则表示该高碳排放区域的碳排放数据低，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若周期内最小高碳区理论值JHmin＞碳排放偏离值J0，则表示该高碳排放区域的碳排放数据高，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成一级预警信号；
若周期内最大高碳区理论值JHmax＞碳排放偏离值J0≥周期内最小高碳区理论值JHmin，则对高碳排放区域连续周期内的高碳区理论值JHt进行处理，获得连续周期内的高碳区理论值方差，将高碳区理论值方差标记为JHtf。
5.根据权利要求4所述的一种基于物联网的碳排放电力监测方法,其特征在于，预设高碳区理论值方差阈值标记为JHty;
将高碳区理论值方差JHtf与高碳区理论值方差阈值JHty进行比较；
若高碳区理论值方差JHtf≥高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成二级预警信号；
若高碳区理论值方差JHtf＜高碳区理论值方差阈值JHty时，则表示该高碳排放区域的碳排放数据波动小，对该高碳排放区域连续周期内高碳区理论值JHt进行识别。
6.根据权利要求5所述的一种基于物联网的碳排放电力监测方法,其特征在于，若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续减小，则表示该高碳排放区域的碳排放数据逐步减小，即高碳排放区域内电力调控效果好，生成电力调控好信号；
若高碳排放区域在连续周期内的高碳区理论值JHt呈线性连续增大，则表示该高碳排放区域的碳排放数据逐步增大，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成三级预警信号；
若高碳排放区域在连续周期内的高碳区理论值JHt无线性关系时，则表示该高碳排放区域的碳排放数据波动变化小，即高碳排放区域内电力调控效果差，生成电力调控差信号，同步生成四级预警信号。
7.根据权利要求1所述的一种基于物联网的碳排放电力监测方法,其特征在于，步骤四中，根据接收的预警信号获取预警区域的预警值；
若预警区域的预警值Ui<预警区域的预警值阈值时，则加大对该预警区域的电力调控力度，生成加大预警区域的电力调控力度的信号；
若预警区域的预警值Ui≥预警区域的预警值阈值时，则对该预警区域生成非电力调控预警信号，通过得到的非电力调控预警信号对预警区域进行非电力调控。
8.一种基于物联网的碳排放电力监测系统,其特征在于，包括：
数据监测模块，所述数据监测模块用于监测电力系统运行区域的碳排放数据，对监测得到的碳排放数据进行数据处理，得到不同区域的碳排放标签，将碳排放标签及标签所对应的区域发送至服务器；
其中，按照碳排放数据监测结果将运行区域分为低碳排放区域和高碳排放区域；
低碳排放区域的碳排放标签为0，高碳排放区域的碳排放标签为1；
监测分析模块，所述监测分析模块接收服务器传送的碳排放标签及标签所对应的区域，对碳排放标签所对应的区域进行整理，对碳排放标签为1的区域进行电力调控并监测，以实现高碳排放区域内碳排放值的降低；
评估监测模块，所述评估监测模块用于对电力调控后高碳排放区域的碳排放量进行实时监测，实现对高碳排放区域碳排放结果及电力调控结果进行识别，并生成相应的预警信号，并将预警信号传送至服务器；
监测提醒模块，所述监测提醒模块接收服务器传送的预警信号，根据不同级别的监测预警信号对所对应的监测区域进行预警处理；
对高碳排放区域的碳排放量监测过程包括：
获取低碳排放区域和高碳排放区域的碳排放导向数据；
通过所述低碳排放区域的碳排放导向数据得到低碳基准值，将低碳基准值标记为JL；
通过所述高碳排放区域的碳排放导向数据得到高碳基准值，将高碳基准值标记为JH；
遍历所有低碳排放区域的低碳基准值得到低碳基准值组，删除低碳基准值组中的最大值和最小值，将剩余低碳基准值进行求和取平均，得到所有低碳排放区域的低碳基准参照值Jc；
所述碳排放导向数据包括企业占比率、植被覆盖率和电量比；
对低碳排放区域的碳排放导向数据进行处理；
将低碳区域企业占比率标记为J1、低碳区域植被覆盖率标记为J2、低碳区域电量比标记为J3；
通过公式JL得到低碳排放区域的低碳基准值JL,其中，d1、d2及d3均为预设比例系数，d1、d2及d3均大于0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311319351.4A CN117060596B (zh) | 2023-10-12 | 2023-10-12 | 一种基于物联网的碳排放电力监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311319351.4A CN117060596B (zh) | 2023-10-12 | 2023-10-12 | 一种基于物联网的碳排放电力监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117060596A CN117060596A (zh) | 2023-11-14 |
| CN117060596B true CN117060596B (zh) | 2024-01-12 |
Family
ID=88664927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311319351.4A Active CN117060596B (zh) | 2023-10-12 | 2023-10-12 | 一种基于物联网的碳排放电力监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117060596B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118473099B (zh) * | 2024-07-10 | 2024-10-01 | 中交建筑集团东南建设有限公司 | 一种碳排放电力监测系统及控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN214426747U (zh) * | 2021-05-10 | 2021-10-19 | 北京中创碳投科技有限公司 | 一种碳排放的计量设备及平台 |
| CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
| CN115099450A (zh) * | 2022-04-22 | 2022-09-23 | 清华大学深圳国际研究生院 | 基于融合模型的家庭碳排放监测核算平台 |
| CN115600840A (zh) * | 2022-12-07 | 2023-01-13 | 南方电网数字电网研究院有限公司（Cn） | 用户群体碳排放动态画像模型构建方法、装置及设备 |
| CN116319175A (zh) * | 2023-03-06 | 2023-06-23 | 深圳安志生态环境有限公司 | 一种碳排放量计算的边缘网关系统 |
| CN116739619A (zh) * | 2023-06-19 | 2023-09-12 | 国网浙江省电力有限公司信息通信分公司 | 一种能源电力碳排放监测分析建模方法及装置 |
-
2023
- 2023-10-12 CN CN202311319351.4A patent/CN117060596B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN214426747U (zh) * | 2021-05-10 | 2021-10-19 | 北京中创碳投科技有限公司 | 一种碳排放的计量设备及平台 |
| CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
| CN115099450A (zh) * | 2022-04-22 | 2022-09-23 | 清华大学深圳国际研究生院 | 基于融合模型的家庭碳排放监测核算平台 |
| CN115600840A (zh) * | 2022-12-07 | 2023-01-13 | 南方电网数字电网研究院有限公司（Cn） | 用户群体碳排放动态画像模型构建方法、装置及设备 |
| CN116319175A (zh) * | 2023-03-06 | 2023-06-23 | 深圳安志生态环境有限公司 | 一种碳排放量计算的边缘网关系统 |
| CN116739619A (zh) * | 2023-06-19 | 2023-09-12 | 国网浙江省电力有限公司信息通信分公司 | 一种能源电力碳排放监测分析建模方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117060596A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117060596B (zh) | 一种基于物联网的碳排放电力监测系统及方法 | |
| CN111080099B (zh) | 基于碳排放管理的综合能源系统调度评估方法及系统 | |
| CN117578534B (zh) | 光伏储能系统的调度方法、装置、设备及存储介质 | |
| CN110021965A (zh) | 一种基于预测误差制定风电投标策略的方法 | |
| CN107609692A (zh) | 一种联合负荷转移和发电成本的发电厂优化方法 | |
| CN118036996A (zh) | 一种基于双碳目标的能源网架规划系统及其方法 | |
| CN109713679A (zh) | 基于需求响应参与度的电网紧急切负荷方法 | |
| CN110535127B (zh) | 基于加权低碳积分的需求响应控制方法 | |
| CN117200352A (zh) | 一种基于云边融合的光伏发电调控方法及系统 | |
| CN117439171A (zh) | 基于虚拟电厂的智能调度方法、系统及介质 | |
| CN114139829A (zh) | 一种基于人工智能的电网负荷预测方法 | |
| CN112730950A (zh) | 一种低压电网电压监测数据分层处理系统及方法 | |
| CN114629234A (zh) | 一种基于多站融合的时段调控系统和方法 | |
| CN113642165A (zh) | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 | |
| CN118195132B (zh) | 一种企业的多参量评估决策方法及系统 | |
| CN116308459B (zh) | 一种基于信息智能匹配的新能源智能结算方法及系统 | |
| CN117610900B (zh) | 基于用户需求响应的电力管理方法 | |
| CN118473099B (zh) | 一种碳排放电力监测系统及控制方法 | |
| CN118232344B (zh) | 基于人工智能和大数据的企业数智运营决策分析平台 | |
| CN118523421B (zh) | 一种基于智能监测的发电厂调度优化方法和系统 | |
| CN115276105B (zh) | 一种光伏准入容量规划与多能互补的分布式能源管理方法 | |
| CN118336835B (zh) | 基于多能耦合的可再生能源智慧控制方法及系统 | |
| Gökea et al. | High Taxes on Cloudy Days: Dynamic State-Induced Price Components in Power Markets | |
| CN117895493A (zh) | 一种正常控制场景下的柔性负荷日前优化调度方法及系统 | |
| CN118826155A (zh) | 一种基于分布式三联供系统的电厂能源供应优化方法 |
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 |