CN117273276A - 基于电力数据的碳排放监测方法和装置 - Google Patents
基于电力数据的碳排放监测方法和装置 Download PDFInfo
- Publication number
- CN117273276A CN117273276A CN202311312000.0A CN202311312000A CN117273276A CN 117273276 A CN117273276 A CN 117273276A CN 202311312000 A CN202311312000 A CN 202311312000A CN 117273276 A CN117273276 A CN 117273276A
- Authority
- CN
- China
- Prior art keywords
- carbon
- carbon emission
- model
- emission
- electricity
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 257
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 143
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 86
- 238000010219 correlation analysis Methods 0.000 claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 61
- 238000002485 combustion reaction Methods 0.000 claims abstract description 41
- 239000000446 fuel Substances 0.000 claims abstract description 38
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 26
- 239000010959 steel Substances 0.000 claims abstract description 26
- 239000003245 coal Substances 0.000 claims description 43
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 21
- 239000002994 raw material Substances 0.000 claims description 13
- 229910052742 iron Inorganic materials 0.000 claims description 12
- 238000005096 rolling process Methods 0.000 claims description 12
- 238000009749 continuous casting Methods 0.000 claims description 11
- 238000009628 steelmaking Methods 0.000 claims description 11
- 238000009776 industrial production Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 239000001569 carbon dioxide Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007430 reference method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management 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
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect 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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于电力数据的碳排放监测方法和装置。所述方法包括：获取钢铁生产各工序对应用电量；获取电‑碳关联分析模型；电‑碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；识别工序的排放源，根据排放源选用电‑碳关联分析模型，根据选用的电‑碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。采用本方法能够提高碳排放核算时效性。
Description
技术领域
本申请涉及碳排放核算的技术领域，特别是涉及一种基于电力数据的碳排放监测方法和装置。
背景技术
碳排放核算是指控排企业按照监测计划对碳排放相关参数实施数据收集、统计、记录，并将所有排放相关数据进行计算、累加的一系列活动。碳排放核查工作当前存在时效上的一个自然年度的滞后性。
目前，碳排放核查的主流方法包括部门法和参考法两种。部门法主要是以各个经济部门活动为核算对象，以一定时间段(如1年)内的分品种燃料消耗，与燃料的低位热值、单位热值的碳含量及氧化率三个参数相乘(这三个参数相乘，即可看作是能源碳排放因子)，得到各部门碳排放量，然后再加总得到经济活动中能源利用产生的碳排放总量。相比部门法，参考法以化石能源(煤、油、气)的表观消费量为基础数据，再分别乘上平均碳排放因子得到总的碳排放量。参考法相对粗略，在当前编制国家碳排放清单过程中主要用于从宏观趋势上校验部门法的计算结果。不过基于参考法的核算工作比较方便快捷，在掌握各品种能源碳排放因子变化规律的前提下，可根据能源统计的宏观结果方便地开展碳排放年度核算工作。
然而，上述碳排放核算方法仍然存在滞后的问题，导致监测时效性较低。
发明内容
基于此，有必要针对上述技术问题，提供一种提高监测时效性的基于电力数据的碳排放监测方法和装置。
第一方面，本申请提供了一种基于电力数据的碳排放监测方法，包括：
获取钢铁生产各工序对应用电量；
获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
在其中一个实施例中，获取钢铁生产各工序对应用电量包括：
获取工业设备投切前后的傅里叶变换结果的差值，获取工业设备的电流量；
根据电流量获取工业设备在各工序的用电量。
在其中一个实施例中，燃料燃烧产生的碳排放模型包括：
利用ARDL模型对用电量数据和煤炭消费数据进行训练，获取历史煤炭消费期数和第一历史用电量期数；
根据历史煤炭消费期数和第一历史用电量期数，获取煤炭消耗量；
根据煤炭消耗量，获取燃料燃烧产生的碳排放量。
在其中一个实施例中，工业生产过程的碳排放模型包括：
利用ARDL模型对用电量数据和产品产量数据进行训练，获取历史产品产量期数和第二历史用电量期数；
根据历史产品产量期数和第二历史用电量期数，获取产品产量；
根据产品产量，获取工业生产过程的碳排放量。
在其中一个实施例中，购入使用电力产生的间接碳排放模型包括：
获取生产用电量和生产用电力的排放因子，获取生产用电力产生的碳排放量。
在其中一个实施例中，工序包括原材料生产工序、炼铁工序、炼钢工序，以及连铸与轧钢工序；
原材料生产工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
炼铁工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；
炼钢工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；
连铸与轧钢工序对应的电-碳关联分析模型包括购入使用电力产生的间接碳排放模型。
第二方面，本申请还提供了一种基于电力数据的碳排放监测装置，包括：
第一获取模块，用于获取钢铁生产各工序对应用电量；
第二获取模块，用于获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
结果输出模块，用于识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取钢铁生产各工序对应用电量；
获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取钢铁生产各工序对应用电量；
获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取钢铁生产各工序对应用电量；
获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
上述基于电力数据的碳排放监测方法和装置，获取钢铁生产各工序对应用电量；获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。本发明采用电力数据进行碳排放核算，由于电力数据可以高频采集，因此大大缩短了钢铁企业碳排放核算的时间周期，可以在较短的时间内较为准确地核算出碳排放数据，达到了监测的效果，解决了现有碳排放核算技术核算效率低，时间周期过长、相对滞后的问题。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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为一个实施例中基于电力数据的碳排放监测方法的应用环境图；
图2为一个实施例中基于电力数据的碳排放监测方法的流程示意图；
图3为一个实施例中获取钢铁生产各工序对应用电量的电路示意图；
图4为一个实施例中基于电力数据的碳排放监测装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的基于电力数据的碳排放监测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种基于电力数据的碳排放监测方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤202至步骤206。其中：
步骤202，获取钢铁生产各工序对应用电量。
如图3所示，本实施例采用非侵入式监测设备对钢铁生产过程中各工序的电力数据进行采集，进而获取各工序对应的用电量。其中，非侵入式监测设备是一种简易计量设备，目前主要应用于智慧电力能效监测系统采集领域，可实现数据传输，监控或智能管理等功能，具有安装方便、超长距离传输、抗干扰能力强、使用方便等突出特点。
具体的，每道工序中都需要由包含电机元件的工业设备来完成，非侵入式监测设备通过增量的方式提取出轧机、鼓风机、传送带等每个工序中各个工业设备的电流，可以进一步求算得出一段时间内该工业设备的用电量，进而确定每道工序的用电量。
步骤204，获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型。
其中，燃料燃烧产生的碳排放是指化石燃料与氧气进行充分燃烧产生的二氧化碳排放。工业生产过程的碳排放是指原材料在工业生产过程中除燃料燃烧之外的物理或化学变化造成的二氧化碳排放。购入使用电力产生的间接碳排放是指企业消费的购入电力所对应的电力生产环节产生的二氧化碳排放。
电-碳关联分析模型即将上述三种情况分别用电力数据进行转换，以获取对应产生的二氧化碳排放量。
步骤206，识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
由于各工序所用的技术不同。例如有些工序涉及到化石燃料燃烧，在此过程中会产生燃料燃烧产生的碳排放；有些工序要对原材料进行改造以符合钢铁制作要求，在此过程中会产生工业生产过程的碳排放；有些工序会利用机器锻造材料，机器工作的过程中会产生购入使用电力产生的间接碳排放。
因此，根据不同工序的性质和任务，识别工序的排放源，选择对应的电-碳关联分析模型，再将步骤202获取的用电量导入对应电-碳关联分析模型中，获得各工序对应的碳排放量。将所有工序的碳排放量相加，即可获得总碳排放量。
本实施例采用电力数据进行碳排放核算，由于电力数据可以高频采集，因此大大缩短了钢铁企业碳排放核算的时间周期，可以在较短的时间内较为准确地核算出碳排放数据，达到了监测的效果，解决了现有碳排放核算技术核算效率低，时间周期过长、相对滞后的问题。
此外，基于电力数据的碳排放核算方法，其核算颗粒度可以精细到每台工业设备以及每道工序，可以为钢铁企业制定并执行具体的节能减排策略提供翔实的数据支撑，解决了现有碳排放核算技术核算颗粒度不够精细的问题。
在一个实施例中，还可以将本实施例的碳排放核算方法与传统的碳排放核算方法互为校验，以提高碳排放核算准确性。
在一个实施例中，步骤202包括：获取工业设备投切前后的傅里叶变换结果的差值，获取工业设备的电流量；根据电流量获取工业设备在各工序的用电量。
具体的，在t0时刻将工业设备i接入系统电路，根据并联规律，工业设备i的电流可以约等为t0之后总线电流减去t0时刻该工业设备还没接入时的总线电流，公式表示如下：
Ii(t)＝I(t+t0)-I(t0) (1)
其中，I(t+t0)为t0之后的总线电流，I(t0)为t0时刻的总线电流，Ii(t)工业设备i的电流。
公式(1)中的电流不是具体的数值，而是为流过某个工业设备的电流时域波形，因此需要将式(1)的电流分解成一个个单独的不同频率的信号量。某频率的电流可表达为：
其中，Im为振幅，ω为转速，为电流在t＝0时的初始相位，/>为取实部。
在振幅、转速以及初始相位已知的情况下，电流的交流信号可表达为：
针对电流分量，k次谐波电流可记为0次谐波电流即为直流分量，各个工业设备的电流可表达为：
公式(4)中，In为第n个设备的电流有效值，为第n个设备的电流k次谐波。将公式(3)代入到公式(4)，可得：
公式(5)中，为总线电流k次谐波。因此，由公式(1)，工业设备i的k次谐波电流可得：
由此，根据谐波电流即可求得一段时间内该工业设备的用电量，在利用相同方法求得每道工序中所有涉及到的工业设备的用电量，即可确定每道工序的用电量。
在一个实施例中，燃料燃烧产生的碳排放模型包括：利用ARDL模型对用电量数据和煤炭消费数据进行训练，获取历史煤炭消费期数和第一历史用电量期数；根据历史煤炭消费期数和第一历史用电量期数，获取煤炭消耗量；根据煤炭消耗量，获取燃料燃烧产生的碳排放量。
其中，ARDL(Auto-regressive Distributed Lag，回归分布滞后)模型是一种被用来刻画单一时间序列方程中的变量关系的模型。
ARDL模型的特点在于可以同时处理内生变量与外生变量之间的长期和短期关系。该模型包含自回归项(AR)和滞后项(DL)，通过引入滞后项来捕捉长期关系，以及通过自回归项来捕捉短期关系。
钢铁企业的主要燃料为煤炭，首先进行以用电数据折算为用煤的数据。具体的，运用ARDL模型通过对钢铁企业采集识别的用电量数据、煤炭消费数据对模型进行训练，选取历史煤炭消费期数(自回归滞后阶数p)和第一历史用电量期数(滞后影响阶数q)。ARDL模型表达如下：
yt＝a0+a1t+φ1yt-1+φ2yt-2…φpyt-p+β0xt+β1xt-1…βqxt-q+ut (7)
公式(7)中，yt为t天煤炭消耗量，a0为基础煤炭消耗量，a1t为时间对煤炭消耗的影响，φ1yt-1+φ2yt-2…φpyt-p为历史煤炭消耗量对当期煤炭消耗量的综合影响(自回归项)，β0xt+β1xt-1…βqxt-q为当期和历史用电量对当期煤炭消耗量的综合影响(滞后项)，ut为随机误差部分。
通过电力数据测算出煤炭消耗量后，燃料燃烧产生的碳排放量可表达为：
E燃烧＝yt×EFcoal×Ccoal (8)
公式(8)中，E燃烧为煤炭燃烧产生的二氧化碳排放量，EFcoal为煤炭的二氧化碳排放因子(单位为千克二氧化碳/千克标准煤)，Ccoal为煤炭的折标煤系数(单位为千克标准煤/千克煤)。
在一个实施例中，工业生产过程的碳排放模型包括：利用ARDL模型对用电量数据和产品产量数据进行训练，获取历史产品产量期数和第二历史用电量期数；根据历史产品产量期数和第二历史用电量期数，获取产品产量；根据产品产量，获取工业生产过程的碳排放量。
首先以用电数据折算为产品产量。同样运用ARDL模型通过对钢铁企业采集识别的用电量数据、产品产量数据对模型进行训练，选取最合适的历史产品产量期数(自回归滞后阶数p)和第二历史用电量期数(滞后影响阶数q)，该模型表达式如下：
Ot＝O0+O1t+φ1Ot-1+φ2Ot-2…φpOt-p+β0+β1xt-1…βqxt-q+ut (9)
公式(9)中，Ot为t天产品产量，O0为基础产品产量，O1t为时间对产品产量的影响，φ1Ot-1+φ2Ot-2…φpOt-p为历史产品产量对当期产品产量的综合影响(自回归项)，β0xt+β1xt-1…βqxt-q为当期和历史用电量对当期产品产量的综合影响(滞后项)，ut为随机误差部分。
通过电力数据测算出产品产量数据后，工业生产过程的碳排放量可表达为：
E过程＝Ot×EFO (10)
公式(10)中，E过程为钢铁行业工业生产过程的碳排放量，EFO为产品的排放因子(单位为吨二氧化碳/吨)。钢铁生产过程排放因子采用标准推荐的排放因子或基本参数。
在一个实施例中，购入使用电力产生的间接碳排放模型包括：获取生产用电量和生产用电力的排放因子，获取生产用电力产生的碳排放量。
生产用电力产生的碳排放量E电力的计算公式如下：
E电力＝AD电力×EF电力 (11)
公式(11)中，AD电力为生产用电量，EF电力为生产用电力的排放因子。生产用电力的排放因子根据区域电网的排放因子确定。
在一个实施例中，工序包括原材料生产工序、炼铁工序、炼钢工序，以及连铸与轧钢工序；原材料生产工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；炼铁工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；炼钢工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；连铸与轧钢工序对应的电-碳关联分析模型包括购入使用电力产生的间接碳排放模型。
对于原材料生产工序，其碳排放计算为：
E原材料生产＝E燃烧+E过程+E电力 (12)
对于炼铁工序，其碳排放计算为：
E炼铁＝E燃烧+E电力 (13)
对于炼钢工序，其碳排放计算为：
E炼铁＝E燃烧+E电力 (14)
对于连铸与轧钢工序，其碳排放计算为：
E连铸与轧钢＝E电力 (15)
最终总碳排放量表示为：
E总＝E原材料生产+E炼铁+E炼钢+E连铸与轧钢 (16)
本发明引入了具有采集范围广、准确性高、实时性强、价值密度大等特点的电力数据，通过分析电力数据与能源消费、产品生产的关系，对钢铁企业的能源活动和碳排放情况进行反演、推算，使得钢铁企业碳排放监测具有时效性、精细性和可校验性。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于电力数据的碳排放监测方法的基于电力数据的碳排放监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于电力数据的碳排放监测装置实施例中的具体限定可以参见上文中对于基于电力数据的碳排放监测方法的限定，在此不再赘述。
在一个示例性的实施例中，如图4所示，提供了一种基于电力数据的碳排放监测装置，包括：第一获取模块402、第二获取模块404和结果输出模块406，其中：
第二方面，本申请还提供了一种基于电力数据的碳排放监测装置，包括：
第一获取模块402，用于获取钢铁生产各工序对应用电量。
第二获取模块404，用于获取电-碳关联分析模型；电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型。
结果输出模块406，用于识别工序的排放源，根据排放源选用电-碳关联分析模型，根据选用的电-碳关联分析模型和工序对应用电量，获取各工序对应的碳排放量；根据各工序对应的碳排放量获取总碳排放量。
第一获取模块402还用于获取工业设备投切前后的傅里叶变换结果的差值，获取工业设备的电流量；根据电流量获取工业设备在各工序的用电量。
第二获取模块404中，燃料燃烧产生的碳排放模型包括：利用ARDL模型对用电量数据和煤炭消费数据进行训练，获取历史煤炭消费期数和第一历史用电量期数；根据历史煤炭消费期数和第一历史用电量期数，获取煤炭消耗量；根据煤炭消耗量，获取燃料燃烧产生的碳排放量。
第二获取模块404中，工业生产过程的碳排放模型包括：利用ARDL模型对用电量数据和产品产量数据进行训练，获取历史产品产量期数和第二历史用电量期数；根据历史产品产量期数和第二历史用电量期数，获取产品产量；根据产品产量，获取工业生产过程的碳排放量。
第二获取模块404中，购入使用电力产生的间接碳排放模型包括：获取生产用电量和生产用电力的排放因子，获取生产用电力产生的碳排放量。
工序包括原材料生产工序、炼铁工序、炼钢工序，以及连铸与轧钢工序。原材料生产工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；炼铁工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；炼钢工序对应的电-碳关联分析模型包括燃料燃烧产生的碳排放模型和购入使用电力产生的间接碳排放模型；连铸与轧钢工序对应的电-碳关联分析模型包括购入使用电力产生的间接碳排放模型。
上述基于电力数据的碳排放监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于电力数据的碳排放监测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述所有方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其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所有方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述所有方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于电力数据的碳排放监测方法，其特征在于，所述方法包括：
获取钢铁生产各工序对应用电量；
获取电-碳关联分析模型；所述电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
识别所述工序的排放源，根据所述排放源选用所述电-碳关联分析模型，根据选用的所述电-碳关联分析模型和所述工序对应用电量，获取各所述工序对应的碳排放量；根据各所述工序对应的所述碳排放量获取总碳排放量。
2.根据权利要求1所述的方法，其特征在于，所述获取钢铁生产各工序对应用电量包括：
获取工业设备投切前后的傅里叶变换结果的差值，获取所述工业设备的电流量；
根据所述电流量获取所述工业设备在各所述工序的用电量。
3.根据权利要求1所述的方法，其特征在于，所述燃料燃烧产生的碳排放模型包括：
利用ARDL模型对用电量数据和煤炭消费数据进行训练，获取历史煤炭消费期数和第一历史用电量期数；
根据所述历史煤炭消费期数和所述第一历史用电量期数，获取煤炭消耗量；
根据所述煤炭消耗量，获取燃料燃烧产生的碳排放量。
4.根据权利要求1所述的方法，其特征在于，所述工业生产过程的碳排放模型包括：
利用ARDL模型对所述用电量数据和产品产量数据进行训练，获取历史产品产量期数和第二历史用电量期数；
根据所述历史产品产量期数和所述第二历史用电量期数，获取产品产量；
根据所述产品产量，获取工业生产过程的碳排放量。
5.根据权利要求1所述的方法，其特征在于，所述购入使用电力产生的间接碳排放模型包括：
获取生产用电量和生产用电力的排放因子，获取生产用电力产生的碳排放量。
6.根据权利要求1所述的方法，其特征在于，所述工序包括原材料生产工序、炼铁工序、炼钢工序，以及连铸与轧钢工序；
所述原材料生产工序对应的所述电-碳关联分析模型包括所述燃料燃烧产生的碳排放模型、所述工业生产过程的碳排放模型和所述购入使用电力产生的间接碳排放模型；
所述炼铁工序对应的所述电-碳关联分析模型包括所述燃料燃烧产生的碳排放模型和所述购入使用电力产生的间接碳排放模型；
所述炼钢工序对应的所述电-碳关联分析模型包括所述燃料燃烧产生的碳排放模型和所述购入使用电力产生的间接碳排放模型；
所述连铸与轧钢工序对应的所述电-碳关联分析模型包括所述购入使用电力产生的间接碳排放模型。
7.一种基于电力数据的碳排放监测装置，其特征在于，所述装置包括：
第一获取模块，用于获取钢铁生产各工序对应用电量；
第二获取模块，用于获取电-碳关联分析模型；所述电-碳关联分析模型包括燃料燃烧产生的碳排放模型、工业生产过程的碳排放模型和购入使用电力产生的间接碳排放模型；
结果输出模块，用于识别所述工序的排放源，根据所述排放源选用所述电-碳关联分析模型，根据选用的所述电-碳关联分析模型和所述工序对应用电量，获取各所述工序对应的碳排放量；根据各所述工序对应的所述碳排放量获取总碳排放量。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311312000.0A CN117273276A (zh) | 2023-10-10 | 2023-10-10 | 基于电力数据的碳排放监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311312000.0A CN117273276A (zh) | 2023-10-10 | 2023-10-10 | 基于电力数据的碳排放监测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117273276A true CN117273276A (zh) | 2023-12-22 |
Family
ID=89217594
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311312000.0A Pending CN117273276A (zh) | 2023-10-10 | 2023-10-10 | 基于电力数据的碳排放监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117273276A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764798A (zh) * | 2024-02-22 | 2024-03-26 | 福建省计量科学研究院（福建省眼镜质量检验站） | 一种用户碳表计量数据的校核方法及系统 |
| CN118037319A (zh) * | 2024-04-12 | 2024-05-14 | 西安高压电器研究院股份有限公司 | 一种开关设备运行阶段损耗的碳排放量计算方法及装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113108826A (zh) * | 2021-05-10 | 2021-07-13 | 北京中创碳投科技有限公司 | 一种碳排放的计量系统、平台及方法 |
| CN114091781A (zh) * | 2021-11-30 | 2022-02-25 | 国网重庆市电力公司电力科学研究院 | 一种基于电力数据的碳排放测算方法 |
| CN114239928A (zh) * | 2021-11-29 | 2022-03-25 | 国网北京市电力公司 | 碳排放的预测方法、装置、存储介质及处理器 |
| CN114384203A (zh) * | 2021-12-03 | 2022-04-22 | 国网青海省电力公司 | 一种钢铁企业碳排放量在线监测方法及装置 |
| CN114971086A (zh) * | 2022-07-19 | 2022-08-30 | 国网浙江省电力有限公司杭州供电公司 | 基于实时流处理的碳排放优化管控方法及系统 |
| CN115471098A (zh) * | 2022-09-23 | 2022-12-13 | 南方电网能源发展研究院有限责任公司 | 碳排放量获取方法、装置、计算机设备和存储介质 |
| CN115640951A (zh) * | 2022-07-28 | 2023-01-24 | 清华大学 | 基于电力产业链的电力碳排放监测方法及系统 |
| CN115994613A (zh) * | 2022-11-10 | 2023-04-21 | 国网安徽省电力有限公司 | 一种基于电碳模型的碳排放监测方法，终端机及存储介质 |
| CN116187823A (zh) * | 2022-12-31 | 2023-05-30 | 国家电网有限公司大数据中心 | 一种基于电力数据的区域碳排放计算方法及装置 |
| CN116433440A (zh) * | 2023-04-11 | 2023-07-14 | 北京西清能源科技有限公司 | 一种数据自回归增强的碳排放测算方法、系统及电子设备 |
| CN116468151A (zh) * | 2023-03-22 | 2023-07-21 | 中国电建集团江西省电力建设有限公司 | 碳排放计算方法、装置、计算机设备及存储介质 |
| CN116522018A (zh) * | 2023-04-22 | 2023-08-01 | 广东电网有限责任公司珠海供电局 | 一种电力碳排放监测方法、装置及设备 |
| CN116596196A (zh) * | 2023-07-18 | 2023-08-15 | 中国电力科学研究院有限公司 | 一种碳排放核查方法及系统 |
| CN116664360A (zh) * | 2023-05-04 | 2023-08-29 | 国网甘肃省电力公司陇南供电公司 | 一种重点工业企业碳排放核算与碳流追踪方法 |
-
2023
- 2023-10-10 CN CN202311312000.0A patent/CN117273276A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113108826A (zh) * | 2021-05-10 | 2021-07-13 | 北京中创碳投科技有限公司 | 一种碳排放的计量系统、平台及方法 |
| CN114239928A (zh) * | 2021-11-29 | 2022-03-25 | 国网北京市电力公司 | 碳排放的预测方法、装置、存储介质及处理器 |
| CN114091781A (zh) * | 2021-11-30 | 2022-02-25 | 国网重庆市电力公司电力科学研究院 | 一种基于电力数据的碳排放测算方法 |
| CN114384203A (zh) * | 2021-12-03 | 2022-04-22 | 国网青海省电力公司 | 一种钢铁企业碳排放量在线监测方法及装置 |
| CN114971086A (zh) * | 2022-07-19 | 2022-08-30 | 国网浙江省电力有限公司杭州供电公司 | 基于实时流处理的碳排放优化管控方法及系统 |
| CN115640951A (zh) * | 2022-07-28 | 2023-01-24 | 清华大学 | 基于电力产业链的电力碳排放监测方法及系统 |
| CN115471098A (zh) * | 2022-09-23 | 2022-12-13 | 南方电网能源发展研究院有限责任公司 | 碳排放量获取方法、装置、计算机设备和存储介质 |
| CN115994613A (zh) * | 2022-11-10 | 2023-04-21 | 国网安徽省电力有限公司 | 一种基于电碳模型的碳排放监测方法，终端机及存储介质 |
| CN116187823A (zh) * | 2022-12-31 | 2023-05-30 | 国家电网有限公司大数据中心 | 一种基于电力数据的区域碳排放计算方法及装置 |
| CN116468151A (zh) * | 2023-03-22 | 2023-07-21 | 中国电建集团江西省电力建设有限公司 | 碳排放计算方法、装置、计算机设备及存储介质 |
| CN116433440A (zh) * | 2023-04-11 | 2023-07-14 | 北京西清能源科技有限公司 | 一种数据自回归增强的碳排放测算方法、系统及电子设备 |
| CN116522018A (zh) * | 2023-04-22 | 2023-08-01 | 广东电网有限责任公司珠海供电局 | 一种电力碳排放监测方法、装置及设备 |
| CN116664360A (zh) * | 2023-05-04 | 2023-08-29 | 国网甘肃省电力公司陇南供电公司 | 一种重点工业企业碳排放核算与碳流追踪方法 |
| CN116596196A (zh) * | 2023-07-18 | 2023-08-15 | 中国电力科学研究院有限公司 | 一种碳排放核查方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 孙祥超等: "钢铁联合企业分工序核算碳排放量方法研究", 资源节约与环保, vol. 2018, no. 3, 25 March 2018 (2018-03-25), pages 75 - 78 * |
| 徐其春: "重工业城市建设新型电力系统的思考与探索", 企业管理, vol. 2022, no. 1, 15 December 2022 (2022-12-15), pages 86 - 87 * |
| 罗平等: "基于电器运行状态和深度学习的非侵入式负荷分解", 电力系统自动化, vol. 45, no. 12, 26 March 2021 (2021-03-26), pages 49 - 56 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764798A (zh) * | 2024-02-22 | 2024-03-26 | 福建省计量科学研究院（福建省眼镜质量检验站） | 一种用户碳表计量数据的校核方法及系统 |
| CN117764798B (zh) * | 2024-02-22 | 2024-05-24 | 福建省计量科学研究院（福建省眼镜质量检验站） | 一种用户碳表计量数据的校核方法及系统 |
| CN118037319A (zh) * | 2024-04-12 | 2024-05-14 | 西安高压电器研究院股份有限公司 | 一种开关设备运行阶段损耗的碳排放量计算方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117273276A (zh) | 基于电力数据的碳排放监测方法和装置 | |
| Abbott | The productivity and efficiency of the Australian electricity supply industry | |
| Wang et al. | Low-carbon technology innovation responding to climate change from the perspective of spatial spillover effects | |
| Zhang et al. | Impact of structure on unified efficiency for Chinese service sector—A two-stage analysis | |
| CN115392792B (zh) | 一种基于碳排放强度的新能源潜在减碳当量计算方法 | |
| Wu et al. | Does there exist energy congestion? Empirical evidence from Chinese industrial sectors | |
| Zhang et al. | Impact of environmental regulations on carbon emissions of transportation infrastructure: China’s evidence | |
| Chen et al. | Scenario analysis and path selection of low-carbon transformation in China based on a modified IPAT model | |
| Wu et al. | Measuring energy congestion in Chinese industrial sectors: a slacks-based DEA approach | |
| CN115471098A (zh) | 碳排放量获取方法、装置、计算机设备和存储介质 | |
| Meng et al. | Meta-frontier-based assessment on carbon emission performance considering different mitigation strategies: Evidence from China’s manufacturing sectors | |
| Yang et al. | Performance evaluation of China’s industry: a generalized equilibrium data envelopment analysis approach with fixed-sum undesirable output | |
| Song et al. | Spatiotemporal evolution and driving factors of carbon emission efficiency of resource-based cities in the Yellow River Basin of China | |
| Hu et al. | Total factor productivity and energy intensity: an empirical study of China’s cement industry | |
| Barrutiabengoa et al. | How do digitalization and decarbonization efforts interact | |
| Ying et al. | The effects of medical insurance on durables consumption in rural China | |
| CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
| CN116029610A (zh) | 台区问题数据处理方法、装置、计算机设备和存储介质 | |
| Lin et al. | Efficiency evaluation and productivity analysis of complex electric power systems in China: A directional slacks-based network data envelopment analysis approach | |
| CN118627736A (zh) | 企业电力碳排放影响因素识别方法、装置、设备、介质和产品 | |
| Ding et al. | Evaluation on power marketing decision evaluation based on Bayesian network | |
| CN115330089B (zh) | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 | |
| CN117540932A (zh) | 工业负荷需求响应潜力动态评估方法和装置 | |
| CN118798596A (zh) | 企业低碳电力调度方法、装置、计算机设备、存储介质和计算机程序产品 | |
| CN116090629A (zh) | 用电数据处理方法、装置、计算机设备和存储介质 |
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 |