CN117314046A - 基于典型场景的建筑碳排放数据库构建和评估方法及系统 - Google Patents

基于典型场景的建筑碳排放数据库构建和评估方法及系统 Download PDF

Info

Publication number
CN117314046A
CN117314046A CN202311110021.4A CN202311110021A CN117314046A CN 117314046 A CN117314046 A CN 117314046A CN 202311110021 A CN202311110021 A CN 202311110021A CN 117314046 A CN117314046 A CN 117314046A
Authority
CN
China
Prior art keywords
carbon emission
scene
indexes
emission
low
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
Application number
CN202311110021.4A
Other languages
English (en)
Inventor
谈竹奎
王扬
徐玉韬
冯起辉
吴鹏
肖小兵
蔡永翔
付宇
文贤馗
徐长宝
郝树青
刘安茳
王卓月
张广秋
乔镖
梁书奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202311110021.4A priority Critical patent/CN117314046A/zh
Publication of CN117314046A publication Critical patent/CN117314046A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • 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)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于典型场景的建筑碳排放数据库构建和评估方法及系统，涉及碳排放管理技术领域，包括采集场景数据，计算各指标对于特定场景下的权重；根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；将对比结果反馈至系统，系统根据各指标判断当前状况并进行相应的措施。本发明方法的数据库覆盖全国城市，较为详实的揭示了典型建筑碳排放的特点，因此在全国范围内，该方法预测精度较高，泛用性较好，降低了对碳排放预测人员的技术要求，减少了模拟仿真的巨大工作量且形成可复制可推广的数据库模式。

Description

基于典型场景的建筑碳排放数据库构建和评估方法及系统
技术领域
本发明涉及碳排放管理技术领域，特别是基于典型场景的建筑碳排放数据库构建和评估方法及系统。
背景技术
近年来，综合性、智慧化的能源技术由于其用能合理、科学、高效，越来越受到重视，相关能源技术的研究和应用也从北方地区集中供暖、较发达地区综合能源系统利用开始，逐步向中小城市个性化能源利用发展。现阶段关于典型供用能场景预测方法和动态模拟仿真模型建立的研究基本停留在建筑负荷层面，针对建筑碳排放的预测核算研究尚处于空白阶段。
目前国内外关于仿真建模研究工作中，仍存在城市特色用能需求不明确、冷热电气多元负荷数据特征研究开展少、典型用能负荷数据缺失等问题。大多研究均针对特定建筑或特定场景，缺乏统一、标准化的计算方法和评价标准，不具备泛用性，难以推广应用。
应用智能算法预测对技术操作人员要求较高，需要掌握各种方法的机理，具备一定的模型选取经验和调参寻优经验。同时，从模型构建到完整的全年逐时模拟预测的周期较长，且由于模拟预测难度高，需要多次试错，使得时间成本增加。
本发明主要目的为研究基于区域典型场景下的典型建筑冷热电气逐时碳排放特性，提供区域能源使用的用能侧碳排放预测方法和数据，解决特色用能需求不明确、冷热电气多元碳排放数据特征研究开展少、典型用能碳排放仿真建模和预测方法缺失关键问题，为建筑碳排放的预测和建筑领域节能降碳工作的健康发展提供基础理论和技术。
发明内容
鉴于上述存在的问题，提出了本发明。
因此，本发明所要解决的问题在于如何收集整合各场景下的碳排放，并分析低排放和高排放的原因进行相应措施。
为解决上述技术问题，本发明提供如下技术方案：基于典型场景的建筑碳排放数据库构建和评估方法，其包括，采集场景数据，计算各指标对于特定场景下的权重；根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；将对比结果反馈至系统，系统根据各指标判断当前状况并进行相应的措施。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述场景包括酒店场景、医院场景、学校场景、工业场景和商业场景；所述场景数据包括流动人口、常驻人口、建筑规模和出行方式；所述指标包括，向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述特定场景下的权重包括，
Gij＝1-Lij
其中，kij表示为在j场景下有关i指标的数据集，zij表示为在j场景下的i指标，n表示为总指标数，Lij表示为比重，Gij表示为效用值，Aij表示为在j场景下i指标对应的权重。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述构建评估矩阵包括，构建场景指标矩阵C：
构建评估矩阵Pj：
其中，CT表示为场景指标矩阵的转置，En表示为n行全为1的列向量。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述当前碳排放包括，提取Pj中的5个元素，将各个元素对应相应的场景；
计算出每种场景的平均总碳排放：
当Pj＜0.5Mj时判断为当前场景碳排放过低；当0.5Mj≤Pj≤1.5Mj时判断为当前场景碳排放正常；当Pj＞1.5Mj时判断为当前场景碳排放过高。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述判断当前状况并进行相应的措施包括，当酒店场景下判断为碳排放过低时，检测当前是否为旅游旺季，若不为旅游旺季则正常输出，若为旅游旺季则检测相应指标，若为人口指标过低导致的排放低则对酒店进行大量宣传，发放评估单及时听取客户的反馈，若为出行指标过低导致的排放低则正常输出；当酒店场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则将此酒店标为旅游高峰点，在此酒店下设立共享单车设备，并安置去往附近景区的路线牌；当医院场景下判断为碳排放过低时，检测当前是否为疾病高发期，若不为疾病高发期则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则向医院引进专业医师，及时对医护人员进行专业培训，若为建筑指标过低导致的排放低则对医院的设备进行换新和升级，确保医院的基础设施现代化并可靠；当医院场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则增派交通人员对医院出行进行疏导，防止出现大量车辆滞留的现象；当学校场景下判断为碳排放过低时，检测当前是否为节假日，若为节假日则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则定期对教师进行专业培训并设立教学成果奖项，调整课程安排突出核心科目，若为建筑指标过低导致的排放低则对学校的基础设施进行升级，对操场进行扩建优化，增设物理实验室与化学实验室，确保学校设备的现代化；当学校场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则收集全校师生家庭住址进行整合，绘制住址分布图，拟定一条覆盖率最大化的交通路线，对此路线增设校车服务。
作为本发明所述基于典型场景的建筑碳排放数据库构建和评估方法的一种优选方案，其中：所述判断当前状况并进行相应的措施还包括，当工业场景下判断为碳排放过低时，检测当前是否为产品淡季，若为产品淡季则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则对员工进行技能培训并制定团队合作制度，建立有效的客户反馈机制，及时了解客户需求和问题，若为建筑指标过低导致的排放低则对厂内生产设备进行更新换代，使设备趋向智能化现代化，致使改进生产流程；当工业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则规划厂内人员的排班安排，减少人员的大量流动，若为建筑指标过高导致的排放高则检测厂内设备进行状况，合理安排订单量防止设备出现过热现象，增加冷却系统的分布及时应对突发情况；当商业场景下判断为碳排放过低时，检测当前是否为节假日，若不为节假日则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则引进质量高品质好的商品，增加商品的多样性并进行宣传，若为建筑指标过低导致的排放低则增设地下车库与电梯，保证流动方便，改善货架灯光设备使设备趋于智能化；当商业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则增加对人员的疏通，安设商场内部路线图于各个路口，若为出行指标过高导致的排放高则摆放路障隔离分类出不同的通道，实时检测地下车库空位为客户提供准确的停车信息。
本发明的另外一个目的是提供一种基于典型场景的建筑碳排放数据库构建和评估系统，此系统可预测的碳排放涵盖全年，对于多种用能场景均可适用，同时碳排放维度为小时，可以满足短期碳排放预测分析和比较。
为解决上述技术问题，本发明提供如下技术方案：基于典型场景的建筑碳排放数据库构建和评估方法的系统，包括：场景采集模块、评价模块和应用模块；所述场景采集模块用于采集不同场景下的信息及指标，采集酒店场景、医院场景、学校场景、工业场景和商业场景的信息，以及各场景下的流动人口、常驻人口、建筑规模和出行方式，向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放；所述评价模块用于评估碳排放，计算各指标对于特定场景下的权重，根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；所述应用模块用于分析对比结果并进行相应的措施，收集对比结果，分析造成结果的原因，在不同场景下给出应对的措施。
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如上所述基于典型场景的建筑碳排放数据库构建和评估方法的步骤。
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如上所述基于典型场景的建筑碳排放数据库构建和评估方法的步骤。
本发明有益效果为：本发明方法的数据库覆盖全国城市，遍布我国各大气候区及省会城市，较为详实的揭示了典型建筑碳排放的特点，因此在全国范围内，该方法预测精度较高，泛用性较好。基于本文数据库形成的区域碳排放预测方法安全可靠性高、操作性简便、数据容量大、调用性能强，降低了对碳排放预测人员的技术要求，减少了模拟仿真的巨大工作量且形成可复制可推广的数据库模式。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为实施例1中基于典型场景的建筑碳排放数据库构建和评估方法的流程图。
图2为实施例1中基于典型场景的建筑碳排放数据库构建和评估方法的测试日实测和模拟数据库预测制冷量对比图。
图3为实施例2中基于典型场景的建筑碳排放数据库构建和评估方法的测试日实测和模拟数据库预测耗电量对比图。
图4为实施例2中基于典型场景的建筑碳排放数据库构建和评估系统的机构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1和图2，为本发明第一个实施例，该实施例提供了基于典型场景的建筑碳排放数据库构建和评估方法包括，如图1所示：
步骤1：采集场景数据，计算各指标对于特定场景下的权重。
采集酒店场景、医院场景、学校场景、工业场景和商业场景信息，以及各场景的流动人口、常驻人口、建筑规模和出行方式；向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放。
根据数据计算特定场景下的权重公式为：
Gij＝1-Lij
其中，kij表示为在j场景下有关i指标的数据集，zij表示为在j场景下的i指标，n表示为总指标数，Lij表示为比重，Gij表示为效用值，Aij表示为在j场景下i指标对应的权重。
步骤2：根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果。
构建场景指标矩阵C：
构建评估矩阵Pj：
其中，CT表示为场景指标矩阵的转置，En表示为n行全为1的列向量。
提取Pj中的5个元素，将各个元素对应相应的场景；计算出每种场景的平均总碳排放：
当Pj＜0.5Mj时判断为当前场景碳排放过低；当0.5Mj≤Pj≤1.5Mj时判断为当前场景碳排放正常；当Pj＞1.5Mj时判断为当前场景碳排放过高。
说明：虽然平均碳排放是Mj，但是根据实验研究，在不同情况下真实的指标会有波动，测出正常波动范围大约为正负平均碳排放的一半，所以本发明此处阈值设为0.5倍和1.5倍数满足实际真实数据。
步骤3：将对比结果反馈至系统，系统根据各指标判断当前状况并进行相应的措施。
当酒店场景下判断为碳排放过低时，检测当前是否为旅游旺季，若不为旅游旺季则正常输出，若为旅游旺季则检测相应指标，若为人口指标过低导致的排放低则对酒店进行大量宣传，发放评估单及时听取客户的反馈，若为出行指标过低导致的排放低则正常输出；当酒店场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则将此酒店标为旅游高峰点，在此酒店下设立共享单车设备，并安置去往附近景区的路线牌，以此来鼓励游客尽量绿色出行减少碳排放，符合国家倡导趋势。
当医院场景下判断为碳排放过低时，检测当前是否为疾病高发期，若不为疾病高发期则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则向医院引进专业医师，及时对医护人员进行专业培训，若为建筑指标过低导致的排放低则对医院的设备进行换新和升级，确保医院的基础设施现代化并可靠；当医院场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则增派交通人员对医院出行进行疏导，防止出现大量车辆滞留的现象，因为大量车辆的滞留会导致无效的尾气排放，对生态及各个人都有影响。
当学校场景下判断为碳排放过低时，检测当前是否为节假日，若为节假日则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则定期对教师进行专业培训并设立教学成果奖项，调整课程安排突出核心科目，若为建筑指标过低导致的排放低则对学校的基础设施进行升级，对操场进行扩建优化，增设物理实验室与化学实验室，确保学校设备的现代化；当学校场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则收集全校师生家庭住址进行整合，绘制住址分布图，拟定一条覆盖率最大化的交通路线，对此路线增设校车服务，合理的路线可以激励学生更愿意坐校车，且坐校车可以有效地减少碳排放，也减少了家长们的出行负担。
当工业场景下判断为碳排放过低时，检测当前是否为产品淡季，若为产品淡季则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则对员工进行技能培训并制定团队合作制度，建立有效的客户反馈机制，及时了解客户需求和问题，若为建筑指标过低导致的排放低则对厂内生产设备进行更新换代，使设备趋向智能化现代化，致使改进生产流程；当工业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则规划厂内人员的排班安排，减少人员的大量流动，若为建筑指标过高导致的排放高则检测厂内设备进行状况，合理安排订单量防止设备出现过热现象，增加冷却系统的分布及时应对突发情况，产品旺季时订单需求量极大，很容许出现过热状况，若附近有易燃物品还容易发生火灾，所以良好的冷却系统的布局可及时应对此灾难。
当商业场景下判断为碳排放过低时，检测当前是否为节假日，若不为节假日则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则引进质量高品质好的商品，增加商品的多样性并进行宣传，若为建筑指标过低导致的排放低则增设地下车库与电梯，保证流动方便，改善货架灯光设备使设备趋于智能化；当商业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则增加对人员的疏通，安设商场内部路线图于各个路口，这样可以让客户明确目的地的所在位置，减少了流动嘈杂的现象，若为出行指标过高导致的排放高则摆放路障隔离分类出不同的通道，实时检测地下车库空位为客户提供准确的停车信息，替客户提前规划好行车路径，可减少客户在无意义的事情上的时间浪费。
最后将模型载入系统，在收到新的碳排放数据时可快速判断当前碳排放过低还是过高，并且及时给出相应意见措施，属于上端到下端的整合优化。
实施例2
参照图2和图3，为本发明第二个实施例，其不同于第一个实施例的是：还包括。在上一个实施例中，基于典型场景的建筑碳排放数据库构建和评估方法还包括，为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明发放进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
基于实际案例对预测结果与现场实测结果进行数据对比分析验证。实际案例为某综合体医院项目，本项目建筑面积为10.33万㎡，建筑门诊楼每天运行时间为：7:30～18:00，项目采用地埋管地源热泵系统加冷却塔的方式满足该项目全年供暖空调需求。
本实际案例项目于2020年1月5日开展了冬季供暖系统能效测试、2019年7月23日开展了夏季供冷系统能效测试。实际案例采用基于典型数据库的碳排放预测方法，基于项目建筑面积10.33万平方米，乘以数据库中当地医院建筑的碳排放设计指标、建筑碳排放特性系数，得出7月23日和1月5日的逐时碳排放预测结果。
通过将数据库模拟预测数据和现场实测数据进行对比，一方面验证本发明方法的预测准确性，另一方面验证该方法的可复制推广性。
典型测试时段数据对比：
在7月23日，地源热泵系统制冷量和耗电量的变化如图2和图3所示。从图中可以看出，实测制冷量和模拟数据库预测制冷量变化趋势基本一致，且系统耗电量和变化趋势也基本一致。
根据现场实测数据和模拟数据库预测计算结果对比分析，夏季工况下，2019年7月23-24日测试时段内，地源热泵系统制冷能效系数(EER)为4.92。系统模拟计算的同等时段内，地源热泵系统制冷能效系数(EER)为4.88。截取有效测试时间内，系统测试和模拟计算差异较小、且变化趋势一致。
实施例3
参照图4，为本发明第三个实施例，其不同于前两个实施例的是：基于典型场景的建筑碳排放数据库构建和评估方法的系统，包括场景采集模块、评价模块和应用模块；场景采集模块用于采集不同场景下的信息及指标，采集酒店场景、医院场景、学校场景、工业场景和商业场景的信息，以及各场景下的流动人口、常驻人口、建筑规模和出行方式，向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放；评价模块用于评估碳排放，计算各指标对于特定场景下的权重，根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；应用模块用于分析对比结果并进行相应的措施，收集对比结果，分析造成结果的原因，在不同场景下的给出应对的措施。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：包括，
采集场景数据，计算各指标对于特定场景下的权重；
根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；
将对比结果反馈至系统，系统根据各指标判断当前状况并进行相应的措施。
2.如权利要求1所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述场景包括酒店场景、医院场景、学校场景、工业场景和商业场景；所述场景数据包括流动人口、常驻人口、建筑规模和出行方式；所述指标包括，向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放。
3.如权利要求2所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述特定场景下的权重包括，
Gij＝1-Lij
其中，kij表示为在j场景下有关i指标的数据集，zij表示为在j场景下的i指标，n表示为总指标数，Lij表示为比重，Gij表示为效用值，Aij表示为在j场景下i指标对应的权重。
4.如权利要求3所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述构建评估矩阵包括，构建场景指标矩阵C：
构建评估矩阵Pj：
其中，CT表示为场景指标矩阵的转置，En表示为n行全为1的列向量。
5.如权利要求4所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述当前碳排放包括，提取Pj中的5个元素，将各个元素对应相应的场景；
计算出每种场景的平均总碳排放：
当Pj<0.5Mj时判断为当前场景碳排放过低；当0.5Mj≤Pj≤1.5Mj时判断为当前场景碳排放正常；当Pj>1.5Mj时判断为当前场景碳排放过高。
6.如权利要求5所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述判断当前状况并进行相应的措施包括，当酒店场景下判断为碳排放过低时，检测当前是否为旅游旺季，若不为旅游旺季则正常输出，若为旅游旺季则检测相应指标，若为人口指标过低导致的排放低则对酒店进行大量宣传，发放评估单及时听取客户的反馈，若为出行指标过低导致的排放低则正常输出；当酒店场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则将此酒店标为旅游高峰点，在此酒店下设立共享单车设备，并安置去往附近景区的路线牌；
当医院场景下判断为碳排放过低时，检测当前是否为疾病高发期，若不为疾病高发期则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则向医院引进专业医师，及时对医护人员进行专业培训，若为建筑指标过低导致的排放低则对医院的设备进行换新和升级，确保医院的基础设施现代化并可靠；当医院场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则增派交通人员对医院出行进行疏导，防止出现大量车辆滞留的现象；
当学校场景下判断为碳排放过低时，检测当前是否为节假日，若为节假日则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则定期对教师进行专业培训并设立教学成果奖项，调整课程安排突出核心科目，若为建筑指标过低导致的排放低则对学校的基础设施进行升级，对操场进行扩建优化，增设物理实验室与化学实验室，确保学校设备的现代化；当学校场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则正常输出，若为出行指标过高导致的排放高则收集全校师生家庭住址进行整合，绘制住址分布图，拟定一条覆盖率最大化的交通路线，对此路线增设校车服务。
7.如权利要求6所述的基于典型场景的建筑碳排放数据库构建和评估方法，其特征在于：所述判断当前状况并进行相应的措施还包括，当工业场景下判断为碳排放过低时，检测当前是否为产品淡季，若为产品淡季则正常输出，若不为则检测相应指标，若为人口指标过低导致的排放低则对员工进行技能培训并制定团队合作制度，建立有效的客户反馈机制，及时了解客户需求和问题，若为建筑指标过低导致的排放低则对厂内生产设备进行更新换代，使设备趋向智能化现代化，致使改进生产流程；当工业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则规划厂内人员的排班安排，减少人员的大量流动，若为建筑指标过高导致的排放高则检测厂内设备进行状况，合理安排订单量防止设备出现过热现象，增加冷却系统的分布及时应对突发情况；
当商业场景下判断为碳排放过低时，检测当前是否为节假日，若不为节假日则正常输出，若为则检测相应指标，若为人口指标过低导致的排放低则引进质量高品质好的商品，增加商品的多样性并进行宣传，若为建筑指标过低导致的排放低则增设地下车库与电梯，保证流动方便，改善货架灯光设备使设备趋于智能化；当商业场景下判断为碳排放过高时，检测相应指标，若为人口指标过高导致的排放高则增加对人员的疏通，安设商场内部路线图于各个路口，若为出行指标过高导致的排放高则摆放路障隔离分类出不同的通道，实时检测地下车库空位为客户提供准确的停车信息。
8.一种采用如权利要求1～7所述的基于典型场景的建筑碳排放数据库构建和评估方法的系统，其特征在于：包括场景采集模块、评价模块和应用模块；
所述场景采集模块用于采集不同场景下的信息及指标，采集酒店场景、医院场景、学校场景、工业场景和商业场景的信息，以及各场景下的流动人口、常驻人口、建筑规模和出行方式，向专业机构获取不同年龄段的人每小时平均碳排放、不同出行方式下的每小时平均碳排放和不同建筑类型及规模下的每小时平均碳排放；
所述评价模块用于评估碳排放，计算各指标对于特定场景下的权重，根据权重和数据集构建评估矩阵，提取评估矩阵中的每个元素即为当前的碳排放，将碳排放与对应的场景阈值进行对比，得出对比结果；
所述应用模块用于分析对比结果并进行相应的措施，收集对比结果，分析造成结果的原因，在不同场景下给出应对的措施。
9.一种计算机设备，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7中任一项所述的基于典型场景的建筑碳排放数据库构建和评估方法的步骤。
10.一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7中任一项所述的基于典型场景的建筑碳排放数据库构建和评估方法的步骤。
CN202311110021.4A 2023-08-31 2023-08-31 基于典型场景的建筑碳排放数据库构建和评估方法及系统 Pending CN117314046A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311110021.4A CN117314046A (zh) 2023-08-31 2023-08-31 基于典型场景的建筑碳排放数据库构建和评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311110021.4A CN117314046A (zh) 2023-08-31 2023-08-31 基于典型场景的建筑碳排放数据库构建和评估方法及系统

Publications (1)

Publication Number Publication Date
CN117314046A true CN117314046A (zh) 2023-12-29

Family

ID=89248858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311110021.4A Pending CN117314046A (zh) 2023-08-31 2023-08-31 基于典型场景的建筑碳排放数据库构建和评估方法及系统

Country Status (1)

Country Link
CN (1) CN117314046A (zh)

Similar Documents

Publication Publication Date Title
Leng et al. Urban morphology and building heating energy consumption: Evidence from Harbin, a severe cold region city
Chang et al. Data and analytics for heating energy consumption of residential buildings: The case of a severe cold climate region of China
Delmastro et al. A supporting method for selecting cost-optimal energy retrofit policies for residential buildings at the urban scale
Hernandez et al. Development of energy performance benchmarks and building energy ratings for non-domestic buildings: An example for Irish primary schools
Ding et al. A comparative analysis of data-driven methods in building energy benchmarking
Ding et al. Benchmark analysis of electricity consumption for complex campus buildings in China
Yang et al. Analysis of typical meteorological years in different climates of China
CN104933630A (zh) 一种负荷特性分析方法和系统
Zhao et al. Data-driven correlation model between human behavior and energy consumption for college teaching buildings in cold regions of China
Barone et al. Assessing energy demands of building stock in railway infrastructures: a novel approach based on bottom-up modelling and dynamic simulation
Lei et al. Prediction method of energy consumption for high building based on LMBP neural network
Dong et al. Identification of the spatial distribution pattern and driving forces of underground parking space based on multi-source data: A case study of Fuzhou City in China
CN116205425A (zh) 一种基于典型数据库的低碳园区冷热电气负荷预测方法
Lang et al. Engineering estimates versus impact evaluation of energy efficiency projects: Regression discontinuity evidence from a case study
Wong et al. Classification and energy analysis of bank building stock: A case study in Curitiba, Brazil
Vaisi et al. Developing a multi-level energy benchmarking and certification system for office buildings in a cold climate region
CN116050723A (zh) 一种基于众源地理数据的tod站域协同发展评价方法及装置
Xianliang et al. Analysis to energy consumption characteristics and influencing factors of terminal building based on airport operating data
Xie et al. A least cumulative ventilation cost method for urban ventilation environment analysis
Zhang et al. Analysis of energy consumption prediction for office buildings based on GA-BP and BP algorithm
Tian et al. Evaluation and analysis of quantitative architectural space index based on analytic hierarchy process
Su et al. Energy benchmarking analysis of subway station with platform screen door system in China
Sun et al. A prediction-evaluation method for road network energy consumption: Fusion of vehicle energy flow principle and Two-Fluid theory
CN117314046A (zh) 基于典型场景的建筑碳排放数据库构建和评估方法及系统
Yang et al. Electricity consumption characteristics and prediction model of a large airport terminal in Beijing

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