CN117217418A - 一种碳排放监测的移动边缘计算系统及方法 - Google Patents
一种碳排放监测的移动边缘计算系统及方法 Download PDFInfo
- Publication number
- CN117217418A CN117217418A CN202311465777.0A CN202311465777A CN117217418A CN 117217418 A CN117217418 A CN 117217418A CN 202311465777 A CN202311465777 A CN 202311465777A CN 117217418 A CN117217418 A CN 117217418A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- period
- historical
- influence coefficient
- edge
- 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 266
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 266
- 238000012544 monitoring process Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 109
- 238000003708 edge detection Methods 0.000 claims description 87
- 238000001514 detection method Methods 0.000 claims description 41
- 230000000737 periodic effect Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000013468 resource allocation Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 239000005431 greenhouse gas Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种碳排放监测的移动边缘计算系统及方法，属于无线通信网络领域，本发明提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，按照预估的子区域碳排放量总数对计算资源进行分配，进一步提高了计算资源的分配效率，避免了碳排放量总数高的区域计算资源不足的情况的发生。
Description
技术领域
本发明属于无线通信网络领域，具体的说是一种碳排放监测的移动边缘计算系统及方法。
背景技术
目前，区域碳排放监测是对特定地理区域内的碳排放情况进行监测和评估的过程。这种监测通常旨在了解该地区的碳排放水平，以便采取措施来减少碳排放或制定政策以满足碳减排目标，这包括对工厂、电厂、暖气锅炉等燃烧源的碳排放监测。通过安装监测设备，例如气体分析仪、烟囱排放监测仪等，可以实时监测这些排放源的气体排放，而使用移动边缘计算可以在接近数据源的边缘设备上处理和存储数据，以减少数据传输和延迟，提供更快的响应和更有效的网络资源利用，在现有技术中，大多是将计算资源均匀分配在每个边缘设备上，这样在进行计算时导致计算的效率较低，一些碳排放量总数高的区域易发生计算资源不足的情况，现有技术中均存在上述问题；
例如在申请公开号为CN115166146A的中国专利中公开一种基于智能边缘网关的碳排放监测控制系统，涉及碳排放监测技术领域，包括智能网关、碳数据收集模块、IP地址分配模块、基础数据收集模块、数据存储模块、碳数据处理模块以及机器控制模块；本发明为每台机器配置机器碳数据收集单元以及机器控制模块；其中，机器碳数据收集单元实时探测机器产生的温室气体排放量，并通过智能网关上传至数据处理模块；数据处理模块通过预先配置每台机器与生产环境的温室气体排放量阈值，在温室气体排放量超出阈值时，控制机器的机器控制模块调节机器的功率；解决了机器与生产环境碳排放量的精确控制问题；
同时例如在申请公开号为CN115184552A的中国专利中公开了一种边缘信息融合的碳排放在线监测系统，包括监测装置，所述监测装置的前侧设有显示屏，所述监测装置的顶部设有吸入空气的吸入口，所述监测装置的顶端中部转动安装有立柱，所述立柱的外侧等距环绕开设有滑槽，所述滑槽内滑动安装有滑块，所述滑块的顶部通过第一弹簧与滑槽顶壁固定连接，所述滑块的外侧通过连杆固定连接有环板，所述环板的内部套设有管体。该发明可实现在对管体进行切换的同时能对其进行震动清理，使得能避免空气中的杂质附着在管体内壁上过多，影响其进气效果的情况出现，且可在进行切换的同时能实现对管体外侧的撞击，使得产生震动，进一步提升震动清理的效果，值得推广及使用。
以上专利均存在本背景技术提出的问题：大多是将计算资源均匀分配在每个边缘设备上，这样在进行计算时导致计算的效率较低，一些碳排放量总数高的区域易发生计算资源不足的情况，为了解决这些问题，本申请设计了一种碳排放监测的移动边缘计算系统及方法。
发明内容
针对现有技术的不足，本发明提出了一种碳排放监测的移动边缘计算系统及方法，本发明将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数，提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，按照预估的子区域碳排放量总数对计算资源进行分配，进一步提高了计算资源的分配效率，避免了碳排放量总数高的区域计算资源不足的情况的发生。
为实现上述目的，本发明提供如下技术方案：
一种碳排放监测的移动边缘计算方法，其包括以下具体步骤：
S1、将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据；
S2、将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备；
S3、提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数，这里的周期可以根据需要监测的准确度设定，可以设定为6h、一天或者三天；
S4、提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数；
S5、将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估；
S6、按照预估的子区域碳排放量总数对计算资源进行分配。
具体的，所述S1的具体内容包括以下步骤：
S11、将需要进行碳排放检测的区域划分为若干个等面积的子区域，且每个子区域中安装至少两个边缘检测设备；
S12、提取子区域中边缘检测设备的实时监测数值，获取子区域中边缘检测设备的碳排放量变化曲线；
S13、将子区域中各边缘检测设备的对应的碳排放量数值相加得到子区域中历史碳排放量总数曲线。
具体的，所述S2中的区域代表边缘检测设备获取策略的具体步骤如下：
S21、提取子区域中边缘检测设备的数量、监测的历史碳排放量曲线和监测的子区域中历史碳排放量总数曲线；
S22、计算子区域中第i个边缘检测设备的第j周期历史碳排放量占比，其中，子区域中第i个边缘检测设备的第j周期历史碳排放量为/>，占比计算公式为：/>，其中/>为子区域中边缘检测设备总数，/>为子区域中第k个边缘检测设备的第j周期历史碳排放量，k属于（1，/>）中的任意一项；
S23、计算子区域中第i个边缘检测设备的历史周期碳排放量平均占比，计算公式为：/>，其中/>为历史周期数；
S24、将计算得到的子区域中边缘检测设备的历史周期碳排放量平均占比降序排布，找到其中最大的历史周期碳排放量平均占比对应的边缘检测设备作为区域代表边缘检测设备。
具体的，所述S3中的周期影响系数计算策略的具体步骤包括以下内容：
S31、取子区域中区域代表边缘检测设备的历史同周期监测的碳排放量集合和前周期监测的碳排放量集合；
S32、通过历史同周期监测的碳排放量集合求历史同周期监测的碳排放量平均值，计算公式为：/>，其中/>为历史前i年的同周期的碳排放量；
S33、将历史同周期监测的碳排放量平均值和前周期监测的碳排放量集合代入周期影响系数计算公式中计算周期影响系数，周期影响系数计算公式为：，其中，/>为历史同周期影响因子，/>为前周期影响因子，/>为前周期监测的碳排放量，/>。
具体的，所述S4中的温度影响系数计算策略包括以下具体步骤：
S41、提取下周期的温度变化曲线，取天气预报预报的下周期温度的最低温度和最高温度，取最低温度和最高温度的平均值作为下周期温度；
S42、取与下周期温度相同的周期对应的碳排放量平均值，导入温度影响系数计算公式中进行温度影响系数的计算，温度影响系数计算公式为：/>，其中/>为与下周期温度相同的周期数量，/>为与下周期温度相同的第i个周期。
具体的，所述S5中的子区域碳排放量总数预估策略包括以下具体内容：
S51、提取计算得到的周期影响系数和温度影响系数，代入子区域中代表边缘监测设备下周期预估碳排放量计算公式中计算子区域中代表边缘监测设备下周期预估碳排放量，子区域中代表边缘监测设备下周期预估碳排放量计算公式为：，其中/>为周期影响因子，/>为温度影响因子，；
S52、将计算得到的第i个子区域的代表边缘监测设备下周期预估碳排放量和子区域中最大的历史周期碳排放量平均占比/>代入子区域碳排放量总数预估公式中计算子区域碳排放量总数/>，子区域碳排放量总数预估公式为：/>。
具体的，所述S6的具体内容为：将预估的若干个子区域碳排放量总数相加得到区域碳排放量总和，每个子区域碳排放量总数除以区域碳排放量总和得到的比值即为计算资源的分配比例。
一种碳排放监测的移动边缘计算系统，其基于上述一种碳排放监测的移动边缘计算方法实现，其具体包括：数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块和控制模块，所述数据提取模块将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，所述区域代表边缘监测设备获取模块用于将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，所述周期影响系数计算模块用于提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数。
具体的，所述温度影响系数计算模块用于提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，所述子区域碳排放量总数计算模块用于将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，所述计算资源分配模块用于按照预估的子区域碳排放量总数对计算资源进行分配，所述控制模块用于控制数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块的运行。
具体的，一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种碳排放监测的移动边缘计算方法。
具体的，一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种碳排放监测的移动边缘计算方法。
与现有技术相比，本发明的有益效果是：
将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数，提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，按照预估的子区域碳排放量总数对计算资源进行分配，进一步提高了计算资源的分配效率，避免了碳排放量总数高的区域计算资源不足的情况的发生。
附图说明
图1为本发明一种碳排放监测的移动边缘计算方法流程示意图；
图2为本发明一种碳排放监测的移动边缘计算方法S1步具体流程示意图；
图3为本发明一种碳排放监测的移动边缘计算方法S2步具体流程示意图；
图4为本发明一种碳排放监测的移动边缘计算方法系统的构架示意图。
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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
实施例1
移动边缘计算可以在接近数据源的边缘设备上处理和存储数据，以减少数据传输和延迟，提供更快的响应和更有效的网络资源利用。在碳排放监测中，MEC可以发挥以下作用： MEC可以在边缘设备上对碳排放数据进行实时处理和分析。传感器采集的数据可以直接在边缘设备上进行预处理、筛选和聚合，从而降低传输的数据量和延迟。此外，边缘设备上的分析算法可以实时处理数据，提供更快速的监测结果；采用MEC可以使监测系统能够实时捕捉到碳排放变化，并迅速作出响应。传感器在边缘设备上触发的数据处理和分析，可以实时更新监测结果，为决策者提供及时的信息，以便采取减排措施或调整生产流程；边缘设备可以用作本地数据存储设备，避免大量碳排放数据传输到云服务器中。这样可以减少数据传输的网络带宽消耗，同时降低数据存储和处理的成本。由于边缘设备在数据存储和管理方面的能力，监测数据也可以被有效地存储和保留； MEC在边缘设备上进行数据处理和存储，减少了对云服务器的依赖。这提高了碳排放监测系统的可靠性，即使在网络连接中断或云服务器故障的情况下，仍然能够进行本地边缘计算。此外，使用边缘设备进行数据处理和存储可以提高数据的安全性，减少数据在传输过程中的风险；
请参阅图1-图3，本发明提供的一种实施例：一种碳排放监测的移动边缘计算方法，其包括以下具体步骤：
S1、将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据；
在此需要说明的是，S1的具体内容包括以下步骤：
S11、将需要进行碳排放检测的区域划分为若干个等面积的子区域，且每个子区域中安装至少两个边缘检测设备；
S12、提取子区域中边缘检测设备的实时监测数值，获取子区域中边缘检测设备的碳排放量变化曲线；
S13、将子区域中各边缘检测设备的对应的碳排放量数值相加得到子区域中历史碳排放量总数曲线；
S2、将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备；
在此需要说明的是，S2中的区域代表边缘检测设备获取策略的具体步骤如下：
S21、提取子区域中边缘检测设备的数量、监测的历史碳排放量曲线和监测的子区域中历史碳排放量总数曲线；
提取子区域中边缘检测设备数量、历史碳排放量曲线和历史碳排放总量曲线的C语言代码涉及许多细节，因此我将提供一个简单的示例代码，供您参考。请注意，实际应用中需要根据数据来源和数据格式进行适当的修改和扩展。
#include <stdio.h>
// 结构体用于表示每个时间点的碳排放数据
struct CarbonEmissionData {
int year;
double emission;
};
int main() {
// 假设有5个边缘检测设备
int numDevices = 5;
// 历史碳排放数据，每个时间点都包括年份和碳排放量
struct CarbonEmissionData historicalData[] = {
{2010, 1000.0},
{2011, 1100.0},
{2012, 1050.0},
{2013, 1200.0},
// 添加更多的历史数据
};
// 计算历史碳排放总量
double totalEmission = 0.0;
int numDataPoints = sizeof(historicalData) / sizeof(historicalData[0]);
for (int i = 0; i < numDataPoints; i++) {
totalEmission += historicalData[i].emission;
}
// 打印子区域中边缘检测设备数量
printf("边缘检测设备数量：%d
", numDevices);
// 打印历史碳排放量曲线
printf("历史碳排放量曲线：\n");
for (int i = 0; i < numDataPoints; i++) {
printf("%d年: %.2lf
", historicalData[i].year, historicalData[i].emission);
}
// 打印历史碳排放总量
printf("历史碳排放总量：%.2lf
", totalEmission);
return 0;
}
这个示例代码展示了如何用C语言表示边缘检测设备数量、历史碳排放量曲线和历史碳排放总量曲线，请注意，实际数据通常需要从外部数据源加载；
S22、计算子区域中第i个边缘检测设备的第j周期历史碳排放量占比，其中，子区域中第i个边缘检测设备的第j周期历史碳排放量为/>，占比计算公式为：/>，其中/>为子区域中边缘检测设备总数，/>为子区域中第k个边缘检测设备的第j周期历史碳排放量，k属于（1，/>）中的任意一项；
S23、计算子区域中第i个边缘检测设备的历史周期碳排放量平均占比，计算公式为：/>，其中/>为历史周期数；
S24、将计算得到的子区域中边缘检测设备的历史周期碳排放量平均占比降序排布，找到其中最大的历史周期碳排放量平均占比对应的边缘检测设备作为区域代表边缘检测设备；
S3、提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数，这里的周期可以根据需要监测的准确度设定，可以设定为6h、一天或者三天；
在此需要说明的是，S3中的周期影响系数计算策略的具体步骤包括以下内容：
S31、取子区域中区域代表边缘检测设备的历史同周期监测的碳排放量集合和前周期监测的碳排放量集合；
S32、通过历史同周期监测的碳排放量集合求历史同周期监测的碳排放量平均值，计算公式为：/>，其中/>为历史前i年的同周期的碳排放量；
S33、将历史同周期监测的碳排放量平均值和前周期监测的碳排放量集合代入周期影响系数计算公式中计算周期影响系数，周期影响系数计算公式为：，其中，/>为历史同周期影响因子，/>为前周期影响因子，/>为前周期监测的碳排放量，/>；
S4、提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数；
在此需要说明的是，S4中的温度影响系数计算策略包括以下具体步骤：
S41、提取下周期的温度变化曲线，取天气预报预报的下周期温度的最低温度和最高温度，取最低温度和最高温度的平均值作为下周期温度；
S42、取与下周期温度相同的周期对应的碳排放量平均值，导入温度影响系数计算公式中进行温度影响系数的计算，温度影响系数计算公式为：/>，其中/>为与下周期温度相同的周期数量，/>为与下周期温度相同的第i个周期；
S5、将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估；
在此需要说明的是，S5中的子区域碳排放量总数预估策略包括以下具体内容：
S51、提取计算得到的周期影响系数和温度影响系数，代入子区域中代表边缘监测设备下周期预估碳排放量计算公式中计算子区域中代表边缘监测设备下周期预估碳排放量，子区域中代表边缘监测设备下周期预估碳排放量计算公式为：，其中/>为周期影响因子，/>为温度影响因子，；
在此需要说明的是，这里历史同周期影响因子，前周期影响因子/>，周期影响因子/>和温度影响因子/>，我们通过提取500组计算数据导入拟合软件中，得出满足判断准确率的最优解；
S52、将计算得到的第i个子区域的代表边缘监测设备下周期预估碳排放量和子区域中最大的历史周期碳排放量平均占比/>代入子区域碳排放量总数预估公式中计算子区域碳排放量总数/>，子区域碳排放量总数预估公式为：/>；
S6、按照预估的子区域碳排放量总数对计算资源进行分配；
在此需要说明的是，S6的具体内容为：将预估的若干个子区域碳排放量总数相加得到区域碳排放量总和，每个子区域碳排放量总数除以区域碳排放量总和得到的比值即为计算资源的分配比例。
在此需要说明的是，本发明将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数，提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，按照预估的子区域碳排放量总数对计算资源进行分配，进一步提高了计算资源的分配效率，避免了碳排放量总数高的区域计算资源不足的情况的发生。
实施例2
如图4所示，一种碳排放监测的移动边缘计算系统，其基于上述一种碳排放监测的移动边缘计算方法实现，其具体包括：数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块和控制模块，数据提取模块将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，区域代表边缘监测设备获取模块用于将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，周期影响系数计算模块用于提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数；温度影响系数计算模块用于提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，子区域碳排放量总数计算模块用于将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估，计算资源分配模块用于按照预估的子区域碳排放量总数对计算资源进行分配，控制模块用于控制数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块的运行。
实施例3
本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，执行上述的一种碳排放监测的移动边缘计算方法。
该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种碳排放监测的移动边缘计算方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种碳排放监测的移动边缘计算方法。
例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一 种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (12)
1.一种碳排放监测的移动边缘计算方法，其特征在于，其包括以下具体步骤：
S1、将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据；
S2、将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备；
S3、提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数；
S4、提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数；
S5、将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估；
S6、按照预估的子区域碳排放量总数对计算资源进行分配。
2.如权利要求1所述的一种碳排放监测的移动边缘计算方法，其特征在于，所述S1的具体内容包括以下步骤：
S11、将需要进行碳排放检测的区域划分为若干个等面积的子区域，且每个子区域中安装至少两个边缘检测设备；
S12、提取子区域中边缘检测设备的实时监测数值，获取子区域中边缘检测设备的碳排放量变化曲线；
S13、将子区域中各边缘检测设备的对应的碳排放量数值相加得到子区域中历史碳排放量总数曲线。
3.如权利要求2所述的一种碳排放监测的移动边缘计算方法，其特征在于，所述S2中的区域代表边缘检测设备获取策略的具体步骤如下：
S21、提取子区域中边缘检测设备的数量、监测的历史碳排放量曲线和监测的子区域中历史碳排放量总数曲线；
S22、计算子区域中第i个边缘检测设备的第j周期历史碳排放量占比，其中，子区域中第i个边缘检测设备的第j周期历史碳排放量为/>，占比计算公式为：/>，其中为子区域中边缘检测设备总数，/>为子区域中第k个边缘检测设备的第j周期历史碳排放量，k属于（1，/>）中的任意一项；
S23、计算子区域中第i个边缘检测设备的历史周期碳排放量平均占比，计算公式为：，其中/>为历史周期数；
S24、将计算得到的子区域中边缘检测设备的历史周期碳排放量平均占比降序排布，找到其中最大的历史周期碳排放量平均占比对应的边缘检测设备作为区域代表边缘检测设备。
4.如权利要求3所述的一种碳排放监测的移动边缘计算方法，其特征在于，所述S3中的周期影响系数计算策略的具体步骤包括以下内容：
S31、取子区域中区域代表边缘检测设备的历史同周期监测的碳排放量集合和前周期监测的碳排放量集合；
S32、通过历史同周期监测的碳排放量集合求历史同周期监测的碳排放量平均值，计算公式为：/>，其中/>为历史前i年的同周期的碳排放量；
S33、将历史同周期监测的碳排放量平均值和前周期监测的碳排放量集合代入周期影响系数计算公式中计算周期影响系数，周期影响系数计算公式为：/>，其中，/>为历史同周期影响因子，/>为前周期影响因子，/>为前周期监测的碳排放量，。
5.如权利要求4所述的一种碳排放监测的移动边缘计算方法，其特征在于，所述S4中的温度影响系数计算策略包括以下具体步骤：
S41、提取下周期的温度变化曲线，取天气预报预报的下周期温度的最低温度和最高温度，取最低温度和最高温度的平均值作为下周期温度；
S42、取与下周期温度相同的周期对应的碳排放量平均值，导入温度影响系数计算公式中进行温度影响系数的计算，温度影响系数计算公式为：/>，其中/>为与下周期温度相同的周期数量，/>为与下周期温度相同的第i个周期。
6.如权利要求5所述的一种碳排放监测的移动边缘计算方法，其特征在于，具体的，所述S5中的子区域碳排放量总数预估策略包括以下具体内容：
S51、提取计算得到的周期影响系数和温度影响系数，代入子区域中代表边缘监测设备下周期预估碳排放量计算公式中计算子区域中代表边缘监测设备下周期预估碳排放量，子区域中代表边缘监测设备下周期预估碳排放量计算公式为：，其中/>为周期影响因子，/>为温度影响因子，；
S52、将计算得到的第i个子区域的代表边缘监测设备下周期预估碳排放量和子区域中最大的历史周期碳排放量平均占比/>代入子区域碳排放量总数预估公式中计算子区域碳排放量总数/>，子区域碳排放量总数预估公式为：/>。
7.如权利要求6所述的一种碳排放监测的移动边缘计算方法，其特征在于，所述S6的具体内容为：将预估的若干个子区域碳排放量总数相加得到区域碳排放量总和，每个子区域碳排放量总数除以区域碳排放量总和得到的比值即为计算资源的分配比例。
8.一种碳排放监测的移动边缘计算系统，其基于如权利要求1-7中任一项所述一种碳排放监测的移动边缘计算方法实现，其特征在于，其具体包括：数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块和控制模块，所述数据提取模块将需要进行碳排放检测的区域划分为若干个子区域，提取子区域中历史碳排放量总数，同时提取子区域中边缘检测设备的位置数据，所述区域代表边缘监测设备获取模块用于将子区域边缘检测设备的数量、监测的历史碳排放量和监测的历史碳排放量总数导入区域代表边缘监测设备获取策略中获取区域代表边缘监测设备，所述周期影响系数计算模块用于提取每个子区域的区域代表边缘监测设备的历史同周期碳排放量检测数据代入周期影响系数计算策略中计算周期影响系数。
9.如权利要求8所述的一种碳排放监测的移动边缘计算系统，其特征在于，所述温度影响系数计算模块用于提取每个子区域的区域代表边缘检测设备的历史温度数据和历史碳排放量检测数据代入温度影响系数计算策略中计算温度影响系数，所述子区域碳排放量总数计算模块用于将计算得到的周期影响系数和温度影响系数代入子区域排放量总数预估策略中进行子区域碳排放量总数的预估。
10.如权利要求9所述的一种碳排放监测的移动边缘计算系统，其特征在于，所述计算资源分配模块用于按照预估的子区域碳排放量总数对计算资源进行分配，所述控制模块用于控制数据提取模块、区域代表边缘监测设备获取模块、周期影响系数计算模块、温度影响系数计算模块、子区域碳排放量总数计算模块、计算资源分配模块的运行。
11.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1-7中任一项所述的一种碳排放监测的移动边缘计算方法。
12.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-7中任一项所述的一种碳排放监测的移动边缘计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465777.0A CN117217418B (zh) | 2023-11-07 | 2023-11-07 | 一种碳排放监测的移动边缘计算系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465777.0A CN117217418B (zh) | 2023-11-07 | 2023-11-07 | 一种碳排放监测的移动边缘计算系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117217418A true CN117217418A (zh) | 2023-12-12 |
| CN117217418B CN117217418B (zh) | 2024-02-09 |
Family
ID=89046553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311465777.0A Active CN117217418B (zh) | 2023-11-07 | 2023-11-07 | 一种碳排放监测的移动边缘计算系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117217418B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114781272A (zh) * | 2022-05-11 | 2022-07-22 | 平安国际智慧城市科技股份有限公司 | 碳排放量预测方法、装置、设备及存储介质 |
| CN115936390A (zh) * | 2022-12-26 | 2023-04-07 | 国网内蒙古东部电力有限公司供电服务监管与支持中心 | 基于动态碳排放因子的综合能源系统低碳需求响应方法 |
| CN115994628A (zh) * | 2023-03-23 | 2023-04-21 | 湖北长江电气有限公司 | 基于大数据的能源管理方法和装置 |
| CN116187621A (zh) * | 2023-02-24 | 2023-05-30 | 深圳市伟欣诚科技有限公司 | 一种碳排放监测方法及装置 |
| CN116843187A (zh) * | 2023-02-14 | 2023-10-03 | 江西思极智云数字科技有限公司 | 一种区域能源碳排放管理系统及管理方法 |
-
2023
- 2023-11-07 CN CN202311465777.0A patent/CN117217418B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114781272A (zh) * | 2022-05-11 | 2022-07-22 | 平安国际智慧城市科技股份有限公司 | 碳排放量预测方法、装置、设备及存储介质 |
| CN115936390A (zh) * | 2022-12-26 | 2023-04-07 | 国网内蒙古东部电力有限公司供电服务监管与支持中心 | 基于动态碳排放因子的综合能源系统低碳需求响应方法 |
| CN116843187A (zh) * | 2023-02-14 | 2023-10-03 | 江西思极智云数字科技有限公司 | 一种区域能源碳排放管理系统及管理方法 |
| CN116187621A (zh) * | 2023-02-24 | 2023-05-30 | 深圳市伟欣诚科技有限公司 | 一种碳排放监测方法及装置 |
| CN115994628A (zh) * | 2023-03-23 | 2023-04-21 | 湖北长江电气有限公司 | 基于大数据的能源管理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117217418B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021212756A1 (zh) | 指标异常分析方法、装置、电子设备及存储介质 | |
| WO2021073114A1 (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
| CN102404126B (zh) | 一种云计算在应用过程中的收费方法 | |
| CN104820630A (zh) | 基于业务变化量的系统资源监控装置 | |
| CN112835698B (zh) | 一种基于异构集群的请求分类处理的动态负载均衡方法 | |
| US20170219241A1 (en) | Data Center Infrastructure Management (DCIM) system comprising predictive analytics | |
| CN108399100A (zh) | 一种容器资源的调整方法及装置 | |
| CN110533112A (zh) | 车联网大数据跨域分析融合方法 | |
| CN103970851A (zh) | 海量凭证数据直接出具大型企业集团总部财务报表的方法 | |
| CN105022823B (zh) | 一种基于数据挖掘的云服务性能预警事件生成方法 | |
| US11262089B2 (en) | Data center management systems and methods for compute density efficiency measurements | |
| CN108833376A (zh) | 面向软件定义网络的DoS攻击检测方法 | |
| CN108182263A (zh) | 一种数据中心综合管理系统的数据存储方法 | |
| CN115079589A (zh) | 园区管理方法、装置、系统、电子设备和计算机可读介质 | |
| CN115882455B (zh) | 一种分布式光伏发电预测方法、系统及终端机 | |
| Li et al. | Cost-aware automatic scaling and workload-aware replica management for edge-cloud environment | |
| CN111030850B (zh) | 一种scada系统数据采集周期控制方法及装置 | |
| US20210004675A1 (en) | Predictive apparatus and method for predicting workload group metrics of a workload management system of a database system | |
| CN107733738A (zh) | 一种计算机网络云管理系统 | |
| CN117217418B (zh) | 一种碳排放监测的移动边缘计算系统及方法 | |
| Cao et al. | Research on intelligent traffic control model and simulation based on the internet of things and cloud platform | |
| CN118017502A (zh) | 基于数字孪生的配电算力预测方法、系统及介质 | |
| CN117891681A (zh) | 一种基于能耗预测的存储设备动态配置方法及系统 | |
| WO2020140419A1 (zh) | 网络流量增量统计、分析方法及系统 | |
| Stefanini et al. | A Deep Learning based approach to VM behavior identification in cloud systems |
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 |