CN117390514A - 一种碳排放数据管理方法及管理系统 - Google Patents
一种碳排放数据管理方法及管理系统 Download PDFInfo
- Publication number
- CN117390514A CN117390514A CN202311438142.1A CN202311438142A CN117390514A CN 117390514 A CN117390514 A CN 117390514A CN 202311438142 A CN202311438142 A CN 202311438142A CN 117390514 A CN117390514 A CN 117390514A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- target
- acquiring
- carbon
- footprint
- 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 506
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 506
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000013523 data management Methods 0.000 title claims abstract description 37
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 230000009467 reduction Effects 0.000 claims abstract description 119
- 238000004458 analytical method Methods 0.000 claims abstract description 118
- 238000012790 confirmation Methods 0.000 claims abstract description 34
- 230000006872 improvement Effects 0.000 claims description 64
- 230000008569 process Effects 0.000 claims description 59
- 230000006870 function Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种碳排放数据管理方法及管理系统，其中，方法包括：步骤1：获取目标监管方的碳排放源数据；步骤2：根据碳排放源数据，绘制碳排放足迹；步骤3：获取碳排放足迹分析模型；步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标并进行相应推送；步骤5：获取目标监管方对碳排放减少目标的确认状态，并管理碳排放数据。本发明的一种碳排放数据管理方法及管理系统，将碳排放源数据上传至区块链中，并根据碳排放源数据，绘制碳排放足迹。引入碳排放足迹分析模型分析碳排放足迹，设置目标监管方的碳排放减少目标并推送，根据推送的确认状态进行管理，自动设定碳排放减少目标并追踪管理，更加智能且便捷。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种碳排放数据管理方法及管理系统。
背景技术
碳排放数据是指记录和测量特定活动或过程产生的碳排放量的数据，通常以单位时间内的碳排放量表示，常见的碳排放数据类型包括：能源消耗、运输、生产过程、废物管理和农业和林业等。
管理碳排放数据可以帮助组织或个人了解其碳足迹，以及他们的活动对气候变化的影响程度。通过测量和跟踪碳排放，可以确定主要的排放源和高碳排放活动，从而有针对性地采取减排措施，帮助组织或个人适应不断变化的环境法规和碳市场。
申请号为CN202211388358.7的发明专利公开了一种碳排放数据管理系统，其中，系统包括：碳排放数据录入模块、碳排放数据校验模块、碳排放因子存储模块、碳排放数据核算模块、碳排放数据核算监督模块、碳排放数据报告生成模块和企业信息接收模块。上述发明通过对碳排放数据的校验，保证碳排放数据的准确性和完整性，方便后续进行碳排放数据的核算。
但是，上述现有技术在获得碳排放数据后，仅仅是进行监管与核算工作，而管理碳排放数据的最终目的是为了针对性地采取减排措施，传统的减排目标设定依赖于人工，较为繁琐，也不够智能。
有鉴于此，亟需一种碳排放数据管理方法及管理系统，以至少解决上述不足。
发明内容
本发明目的之一在于提供了一种碳排放数据管理方法，将碳排放源数据上传至区块链中，并根据区块链中的碳排放源数据，绘制碳排放足迹。引入碳排放足迹分析模型分析碳排放足迹，设置目标监管方的碳排放减少目标并进行相应推送，根据推送的确认状态，进行碳排放数据管理，自动设定碳排放减少目标并追踪管理，更加智能且便捷。
本发明实施例提供的一种碳排放数据管理方法，包括：
步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；
步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹；
步骤3：获取碳排放足迹分析模型；
步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；
步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。
优选的，步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中，包括：
获取目标监管方的碳排放过程，碳排放过程包括：能源消耗、交通运输、生产过程和废物管理；
解析碳排放过程，获取碳排放源数据；
根据碳排放源数据对应的碳排放过程的过程类型，对碳排放源数据进行分类归纳；
获取分类归纳的目标标签，同时，获取区块链的链上标签；
根据目标标签和链上标签，将分类归纳的碳排放源数据存入区块链中。
优选的，步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹，包括：
根据碳排放源数据，确定碳排放因子；
根据碳排放因子和相应的碳排放源数据，确定每个碳排放源的第一碳排放量；
基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹；
其中，基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹，包括：
基于第一碳排放量，确定碳排放热力图；
根据第一碳排放量，获取碳排放源的贡献比例；
根据贡献比例，确定碳排放饼图。
优选的，步骤3：获取碳排放足迹分析模型，包括：
获取多个第一碳排放记录，第一碳排放记录为：历史上各个碳排放活动的碳排放记录；
根据第一碳排放记录，进行碳排放的生命周期评估，确定单位生命周期的第二碳排放记录，第二碳排放记录为：第一碳排放记录中单位生命周期的碳排放活动的碳排放记录；单位生命周期是指一个碳排放活动过程的时间跨度；
获取能源分析模型；
基于能源分析模型，根据第二碳排放记录，确定第二碳排放记录对应的第二碳排放量；
解析第二碳排放记录，获取第一碳排放项目和第一碳排放项目的项目属性；
基于机器学习技术，根据项目属性和第二碳排放量，确定碳排放足迹分析模型。
优选的，基于机器学习技术，根据项目属性和第二碳排放量，确定碳排放足迹分析模型，包括：
获取碳排放项目人工分析记录，并根据碳排放项目人工分析记录，确定碳排放项目分析模板；
根据项目属性和碳排放项目分析模板，确定项目分析特征；
确定项目分析特征和第二碳排放量的关联关系；
获取实际关联关系；
确定关联关系和实际关联关系的关系差异；
获取关系差异分析规则；
根据关系差异和关系差异分析规则进行机器学习，获得碳排放足迹分析模型。
优选的，步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方，包括：
基于碳排放足迹分析模型，根据碳排放足迹，确定差异足迹；
根据差异足迹，设定碳排放减少目标；
获取目标监管方的通讯链路，并通过通讯链路对应推送碳排放减少目标。
优选的，步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理，包括：
解析确认状态，若确认状态为确认接收，将对应目标监管方作为目标管理方；
获取目标管理方的碳排放源数据，并作为监管数据；
根据监管数据和对应的碳排放减少目标，获取进程量函数；
获取当前时间；
根据当前时间和进程量函数，确定进程量数据；
若进程量数据持续预设的第一时长小于监管数据或监管数据的第一变化速率持续预设的第二时长小于进程量函数的第二变化速率，则对相应目标管理方进行提醒；
获取目标管理方经过提醒后的反应信息；
根据反应信息，判断是否需要调整碳排放减少目标；
若是，则将对应的目标管理方的第一变化速率作为第三变化速率；
根据第三变化速率，确定调整后的碳排放减少目标。
优选的，根据监管数据和对应的碳排放减少目标，获取进程量函数，包括：
根据监管数据和对应的碳排放减少目标，确定每一第二碳排放项目的目标差值；
获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值；
根据改进难度值和预设的改进难度值-推荐改进时长库，确定推荐改进时长；
根据推荐改进时长和目标差值，确定进程量函数。
优选的，获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值，包括：
获取多个减排记录；
根据减排记录，确定减排主体的主体信息和减排结果；
根据主体信息的信息特征，构建第一特征子；
根据减排结果中的减排项目、减排时间和减排量，构建第二特征子；
建立第一特征子和第二特征子之间的相关矩阵；
将相关矩阵输入预设的神经网络模型进行模型训练，获得改进困难程度分析模型；
获取目标监管方的第三特征子；
将第三特征子输入改进困难程度分析模型，获得改进难度值。
本发明实施例提供的一种碳排放数据管理系统，包括：
碳排放源数据获取子系统，用于获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；
碳排放足迹绘制子系统，用于根据碳排放源数据，绘制目标监管方的碳排放足迹；
分析模型获取子系统，用于获取碳排放足迹分析模型；
目标设定子系统，用于基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；
数据管理子系统，用于获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。
本发明的有益效果为：
本发明将碳排放源数据上传至区块链中，并根据区块链中的碳排放源数据，绘制碳排放足迹。引入碳排放足迹分析模型分析碳排放足迹，设置目标监管方的碳排放减少目标并进行相应推送，根据推送的确认状态，进行碳排放数据管理，自动设定碳排放减少目标并追踪管理，更加智能且便捷。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过本申请文件中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种碳排放数据管理方法的示意图；
图2为本发明实施例中一种碳排放数据管理系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种碳排放数据管理方法，如图1所示，包括：
步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；其中，目标监管方为：需要进行碳排放数据管理的对象，比如：某工厂，又比如：某个人；碳排放源数据是用于计算和分析碳排放量的各种活动和过程的相关数据，可以手动输入，也可以通过与其他系统(比如：能源管理系统或企业资源规划系统)的集成自动获取；预设的区块链为：记录和验证上传的碳排放源数据的数据库；
步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹；其中，碳排放足迹为：个人或者组织在活动和生产过程中释放的温室气体的量的可视化图像；
步骤3：获取碳排放足迹分析模型；其中，碳排放足迹分析模型为评估和计算个人、组织或活动的碳排放量的智能模型；
步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；其中，碳排放减少目标为：目标监管方需要减少的碳排放量；
步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。其中，确认状态为：确认接受和确认不接受，确认接受表示目标监管方接受碳排放减少目标，确认接受之后，目标监管方的碳排放行为需要遵照碳排放减少目标减少碳排放数据，确认不接受为：目标监管方不对碳排放行为进行控制。
上述技术方案的工作原理及有益效果为：
本申请将碳排放源数据上传至区块链中，并根据区块链中的碳排放源数据，绘制碳排放足迹。引入碳排放足迹分析模型分析碳排放足迹，设置目标监管方的碳排放减少目标并进行相应推送，根据推送的确认状态，进行碳排放数据管理，自动设定碳排放减少目标并追踪管理，更加智能且便捷。
在一个实施例中，步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中，包括：
获取目标监管方的碳排放过程，碳排放过程包括：能源消耗、交通运输、生产过程和废物管理；
解析碳排放过程，获取碳排放源数据；
根据碳排放源数据对应的碳排放过程的过程类型，对碳排放源数据进行分类归纳；
获取分类归纳的目标标签，同时，获取区块链的链上标签；其中，目标标签为：过程类型对应预设的标识；
根据目标标签和链上标签，将分类归纳的碳排放源数据存入区块链中。其中，链上标签为：区块链中不同存储分区预设的存储数据的数据类型的标识。
上述技术方案的工作原理及有益效果为：
本申请获取目标监管方的碳排放过程，根据碳排放过程的过程类型对碳排放过程进行分类归纳，获取分类归纳的目标标签，再根据区块链的链上标签，将分类归纳的碳排放源数据存入区块链中，数据存储更适宜且安全。
在一个实施例中，步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹，包括：
根据碳排放源数据，确定碳排放因子；其中，碳排放因子为：将活动或过程的能源消耗转化为相应的碳排放量的比例或系数；
根据碳排放因子和相应的碳排放源数据，确定每个碳排放源的第一碳排放量；其中，碳排放源为：产生碳排放的活动；第一碳排放量为：每一碳排放源对应的碳排放量；
基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹；预设的绘制规则由人工预先设置；
其中，基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹，包括：
基于第一碳排放量，确定碳排放热力图；其中，碳排放热力图为：将碳排放量的大小以不同的颜色或渐变来表示从而形成一个直观的热力图；
根据第一碳排放量，获取碳排放源的贡献比例；其中，贡献比例为：碳排放源的第一碳排放量占目标监管方总的碳排放量的比例；
根据贡献比例，确定碳排放饼图。
上述技术方案的工作原理及有益效果为：
本申请根据碳排放源数据确定碳排放因子，根据碳排放因子和碳排放源数据，确定第一碳排放量。引入绘制规则，根据每个碳排放源的第一碳排放量确定碳排放足迹，确定时，根据第一碳排放量，确定呈现碳排放量的大小的热力图，根据碳排放源的贡献比例，确定呈现碳排放量在总的碳排放量的比例，更直观了展示了排放足迹。
在一个实施例中，步骤3：获取碳排放足迹分析模型，包括：
获取多个第一碳排放记录；其中，第一碳排放记录为：历史上各个碳排放活动的碳排放记录；
根据第一碳排放记录，进行碳排放的生命周期评估，确定单位生命周期的第二碳排放记录；其中，生命周期评估为：系统评估和量化环境影响的方法，第二碳排放记录为：第一碳排放记录中单位生命周期的碳排放活动的碳排放记录；单位生命周期是指一个碳排放活动过程的时间跨度；而上述第一碳排放记录对应多个单位生命周期的碳排放活动，因此进行生命周期评估，确定完整的一个生命周期的碳排放活动；
获取能源分析模型；其中，能源分析模型为：评估和分析能源系统的运行、效益和决策的智能模型；
基于能源分析模型，根据第二碳排放记录，确定第二碳排放记录对应的第二碳排放量；其中，第二碳排放量为：第二碳排放记录中记录的碳排放项目一个生命周期中的碳排放量；
解析第二碳排放记录，获取第一碳排放项目和第一碳排放项目的项目属性；其中，第一碳排放项目为：产生碳排放的活动；项目属性为：第一碳排放项目的特征，比如：第一碳排放项目的触发条件和进行过程中的情况等；
基于机器学习技术，根据项目属性和第二碳排放量，确定碳排放足迹分析模型。
上述技术方案的工作原理及有益效果为：
本申请根据获取的第一碳排放记录进行碳排放的生命周期评估，获得第二碳排放记录。引入能源分析模型，确定第二碳排放记录对应的第二碳排放量。确定第二碳排放记录中的第一碳排放项目和第一碳排放项目的项目属性，再根据机器学习技术确定碳排放足迹分析模型，提升了模型学习的合理性。
在一个实施例中，根据项目属性和第二碳排放量，确定碳排放足迹分析模型，包括：
获取碳排放项目人工分析记录，并根据碳排放项目人工分析记录，确定碳排放项目分析模板；其中，碳排放项目人工分析记录为：人工进行碳排放项目的碳排放过程分析的记录；碳排放项目分析模板约束只进行碳排放项目的分析，不分析其他内容；
根据项目属性和碳排放项目分析模板，确定项目分析特征；其中，项目分析特征为：项目规模、项目需求、项目消耗以及项目损耗等；
确定项目分析特征和第二碳排放量的关联关系；其中，关联关系为：项目分析特征和第二碳排放量之间的相关性；
获取实际关联关系；其中，实际关联关系为：目标监管方的项目特征和目标监管方的碳排放量之间的相关性；
确定关联关系和实际关联关系的关系差异；其中，关系差异为：当目标监管方的项目特征和关联关系中的项目特征匹配时，对应的碳排放量关联关系的差异；
获取关系差异分析规则；其中，关系差异分析规则为：人工预先设置的进行关系差异分析的规则；
根据关系差异和关系差异分析规则进行机器学习，获得碳排放足迹分析模型。其中，根据关系差异和关系差异分析规则进行机器学习获得碳排放足迹分析模型时，利用机器学习分析关系差异，分析出正在分析的碳排放足迹对应的碳排放数据的可改进项目。
上述技术方案的工作原理及有益效果为：
本申请引入碳排放项目人工分析记录，确定碳排放项目分析模板，根据项目属性和碳排放项目分析模板，确定项目分析特征。确定项目分析特征和第二碳排放量的关联关系，同时，获取实际关联关系，根据关联关系和实际关联关系的关系差异和关系差异分析规则进行机器学习，获得碳排放足迹分析模型，代替人工进行碳排放足迹的分析，更加智能。
在一个实施例中，步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方，包括：
基于碳排放足迹分析模型，根据碳排放足迹，确定差异足迹；其中，差异足迹为：碳排放足迹分析模型分析出的碳排放足迹中对应的项目特征和对应的碳排放量的相关性存在异常的足迹；
根据差异足迹，设定碳排放减少目标；其中，碳排放减少目标为：何种碳排放项目减少多少的碳排放量；
获取目标监管方的通讯链路，并通过通讯链路对应推送碳排放减少目标。
上述技术方案的工作原理及有益效果为：
本申请根据碳排放足迹分析模型，分析碳排放足迹确定差异足迹。根据差异足迹，设定碳排放减少目标，并通过目标监管方的通讯链路将碳排放减少目标推送至相应的目标监管方，提升了碳排放减少目标设定的精准性。
在一个实施例中，步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理，包括：
解析确认状态，若确认状态为确认接收，将对应目标监管方作为目标管理方；
获取目标管理方的碳排放源数据，并作为监管数据；
根据监管数据和对应的碳排放减少目标，获取进程量函数；其中，进程量函数为描述开始执行碳排放减少目标的时间和对应的碳排放减少量的数学关系模型；
获取当前时间；
根据当前时间和进程量函数，确定进程量数据；其中，进程量数据为：目标管理方当前的碳排放数据；
若进程量数据持续预设的第一时长小于监管数据或监管数据的第一变化速率持续预设的第二时长小于进程量函数的第二变化速率，则对相应目标管理方进行提醒；其中，预设的第一时长和预设的第二时长均由人工预先设置；变化速率为：碳排放项目的排放数据的改变速率；对相应目标管理方进行提醒时，基于物联网终端发送提醒消息即可；
获取目标管理方经过提醒后的反应信息；其中，反应信息为：目标管理方反馈的文本信息；
根据反应信息，判断是否需要调整碳排放减少目标；其中，判断是否需要调整碳排放减少目标时，解析反应信息对应的文本信息，判断是否存在调整碳排放减少目标的语义；
若是，则将对应的目标管理方的第一变化速率作为第三变化速率；
根据第三变化速率，确定调整后的碳排放减少目标。
上述技术方案的工作原理及有益效果为：
本申请确定确认状态为确认接收的目标管理方，并获取目标管理方的监管数据，根据监管数据和对应的碳排放减少目标，确定进程量函数。根据进程函数，确定当前的进程量数据。当进程量数据持续的小于监管数据，即碳排放数据持续第一时长的大于计划减小到的排放数据，或者，监管数据的第一变化速率持续预设的第二时长小于进程量函数的第二变化速率，即监管数据的减小速度持续第二时长小于计划的减小速度，则说明目标管理方“跟不上”当前的碳排放减少目标，需要提醒目标管理方，提醒的触发机制更全面。
提醒目标管理方后，考虑到目标管理方存在不能按照计划减少碳排放量的情形，引入反应信息，当判断需要调整碳排放减少目标时，获取第三变化速率，并根据第三变化速率，动态调整碳排放减少目标，更加适宜。
在一个实施例中，根据监管数据和对应的碳排放减少目标，获取进程量函数，包括：
根据监管数据和对应的碳排放减少目标，确定每一第二碳排放项目的目标差值；其中，第二碳排放项目为：监管数据中的碳排放项目；目标差值为：监管数据中的碳排放项目和对应碳排放减少目标中相应的碳排放项目的计划值之间的差值；
获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值；其中，改进困难程度分析模型为：代替人工分析第二碳排放项目改进困难程度的智能模型；改进难度值为一数值，改进难度值越大，对应第二碳排放项目的改进时需要花费的时间就越长，改进指的是减少第二碳排放项目碳排放；
根据改进难度值和预设的改进难度值-推荐改进时长库，确定推荐改进时长；其中，改进难度值-推荐改进时长库为存储多个改进难度值和推荐改进时长的对照关系的数据库；
根据推荐改进时长和目标差值，确定进程量函数。其中，确定进程量函数时，根据推荐改进时长和目标差值，确定进程量函数的终值，根据当前时间和当前碳排放量，确定进程量函数的初始值，平缓连接初始值和终值获得的连接线对应的函数即为进程量函数。
上述技术方案的工作原理及有益效果为：
本申请根据监管数据和对应的碳排放减少目标，确定每一第二碳排放项目的目标差值，同时，根据引入的改进困难程度分析模型确定第二碳排放项目的改进难度值，根据改进难度值和改进难度值-推荐改进时长库确定推荐改进时长，再根据推荐改进时长和目标差值，确定进程量函数的终值，根据当前时间和当前碳排放量，确定进程量函数的初始值，平缓连接初始值和终值获得进程量函数，进程量函数的构建更合理。
在一个实施例中，获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值，包括：
获取多个减排记录；其中，减排记录为：历史上组织或者个人进行碳排放减排的记录；
根据减排记录，确定减排主体的主体信息和减排结果；其中，主体信息为：减排方的信息，比如：某工厂的生产设备信息；减排结果为：哪个项目多长时间减排多少；
根据主体信息的信息特征，构建第一特征子；其中，信息特征为：主体信息的特征化表示，比如：某设备的二氧化碳排放量为多少；第一特征子为：主体信息的描述向量；
根据减排结果中的减排项目、减排时间和减排量，构建第二特征子；其中，第二特征子：减排结果的描述向量；
建立第一特征子和第二特征子之间的相关矩阵；其中，相关矩阵构建时，可以将第一特征子和第二特征子以预设的方式组合获得；
将相关矩阵输入预设的神经网络模型进行模型训练，获得改进困难程度分析模型；其中，改进困难程度分析模型为：考虑到减排方信息的差异，神经网络模型学习相关矩阵，确定连续化的第一特征子和第二特征子；
获取目标监管方的第三特征子；其中，第三特征子为目标监管方的信息描述向量；
将第三特征子输入改进困难程度分析模型，获得改进难度值。其中，改进难度值通过改进困难程度分析模型输出的第三特征子的补偿特征子和预设的特征子-改进难度值对照表获得，补偿特征子为：改进困难程度分析模型输出的对应于第三特征子的输出矩阵剔除第三特征子后获得的向量，预设的特征子-改进难度值对照表存储一一对应的补偿特征子和改进难度值的对照关系。
上述技术方案的工作原理及有益效果为：
本申请引入减排记录确定减排主体的主体信息和减排结果，基于主体信息的信息特征构建第一特征子，根据减排结果中的减排项目、减排时间和减排量，构建第二特征子，建立第一特征子和第二特征子之间的相关矩阵并输入神经网络模型训练获得改进困难程度分析模型。最后，将第三特征子输入改进困难程度分析模型获取改进难度值，考虑到减排方信息的差异，神经网络模型学习相关矩阵，适应性的确定改进难度值，改进难度值的确定更加合理且精确。
本发明实施例提供了一种碳排放数据管理系统，如图2所示，包括：
碳排放源数据获取子系统1，用于获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；
碳排放足迹绘制子系统2，用于根据碳排放源数据，绘制目标监管方的碳排放足迹；
分析模型获取子系统3，用于获取碳排放足迹分析模型；
目标设定子系统4，用于基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；
数据管理子系统5，用于获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种碳排放数据管理方法，其特征在于，包括：
步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；
步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹；
步骤3：获取碳排放足迹分析模型；
步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；
步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。
2.如权利要求1所述的一种碳排放数据管理方法，其特征在于，步骤1：获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中，包括：
获取目标监管方的碳排放过程，碳排放过程包括：能源消耗、交通运输、生产过程和废物管理；
解析碳排放过程，获取碳排放源数据；
根据碳排放源数据对应的碳排放过程的过程类型，对碳排放源数据进行分类归纳；
获取分类归纳的目标标签，同时，获取区块链的链上标签；
根据目标标签和链上标签，将分类归纳的碳排放源数据存入区块链中。
3.如权利要求1所述的一种碳排放数据管理方法，其特征在于，步骤2：根据碳排放源数据，绘制目标监管方的碳排放足迹，包括：
根据碳排放源数据，确定碳排放因子；
根据碳排放因子和相应的碳排放源数据，确定每个碳排放源的第一碳排放量；
基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹；
其中，基于预设的绘制规则，根据每个碳排放源的第一碳排放量，确定碳排放足迹，包括：
基于第一碳排放量，确定碳排放热力图；
根据第一碳排放量，获取碳排放源的贡献比例；
根据贡献比例，确定碳排放饼图。
4.如权利要求1所述的一种碳排放数据管理方法，其特征在于，步骤3：获取碳排放足迹分析模型，包括：
获取多个第一碳排放记录，第一碳排放记录为：历史上各个碳排放活动的碳排放记录；
根据第一碳排放记录，进行碳排放的生命周期评估，确定单位生命周期的第二碳排放记录，第二碳排放记录为：第一碳排放记录中单位生命周期的碳排放活动的碳排放记录；单位生命周期是指一个碳排放活动过程的时间跨度；
获取能源分析模型；
基于能源分析模型，根据第二碳排放记录，确定第二碳排放记录对应的第二碳排放量；
解析第二碳排放记录，获取第一碳排放项目和第一碳排放项目的项目属性；
基于机器学习技术，根据项目属性和第二碳排放量，确定碳排放足迹分析模型。
5.如权利要求4所述的一种碳排放数据管理方法，其特征在于，基于机器学习技术，根据项目属性和第二碳排放量，确定碳排放足迹分析模型，包括：
获取碳排放项目人工分析记录，并根据碳排放项目人工分析记录，确定碳排放项目分析模板；
根据项目属性和碳排放项目分析模板，确定项目分析特征；
确定项目分析特征和第二碳排放量的关联关系；
获取实际关联关系；
确定关联关系和实际关联关系的关系差异；
获取关系差异分析规则；
根据关系差异和关系差异分析规则进行机器学习，获得碳排放足迹分析模型。
6.如权利要求1所述的一种碳排放数据管理方法，其特征在于，步骤4：基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方，包括：
基于碳排放足迹分析模型，根据碳排放足迹，确定差异足迹；
根据差异足迹，设定碳排放减少目标；
获取目标监管方的通讯链路，并通过通讯链路对应推送碳排放减少目标。
7.如权利要求1所述的一种碳排放数据管理方法，其特征在于，步骤5：获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理，包括：
解析确认状态，若确认状态为确认接收，将对应目标监管方作为目标管理方；
获取目标管理方的碳排放源数据，并作为监管数据；
根据监管数据和对应的碳排放减少目标，获取进程量函数；
获取当前时间；
根据当前时间和进程量函数，确定进程量数据；
若进程量数据持续预设的第一时长小于监管数据或监管数据的第一变化速率持续预设的第二时长小于进程量函数的第二变化速率，则对相应目标管理方进行提醒；
获取目标管理方经过提醒后的反应信息；
根据反应信息，判断是否需要调整碳排放减少目标；
若是，则将对应的目标管理方的第一变化速率作为第三变化速率；
根据第三变化速率，确定调整后的碳排放减少目标。
8.如权利要求7所述的一种碳排放数据管理方法，其特征在于，根据监管数据和对应的碳排放减少目标，获取进程量函数，包括：
根据监管数据和对应的碳排放减少目标，确定每一第二碳排放项目的目标差值；
获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值；
根据改进难度值和预设的改进难度值-推荐改进时长库，确定推荐改进时长；
根据推荐改进时长和目标差值，确定进程量函数。
9.如权利要求8所述的一种碳排放数据管理方法，其特征在于，获取改进困难程度分析模型，并根据改进困难程度分析模型，确定第二碳排放项目的改进难度值，包括：
获取多个减排记录；
根据减排记录，确定减排主体的主体信息和减排结果；
根据主体信息的信息特征，构建第一特征子；
根据减排结果中的减排项目、减排时间和减排量，构建第二特征子；
建立第一特征子和第二特征子之间的相关矩阵；
将相关矩阵输入预设的神经网络模型进行模型训练，获得改进困难程度分析模型；
获取目标监管方的第三特征子；
将第三特征子输入改进困难程度分析模型，获得改进难度值。
10.一种碳排放数据管理系统，其特征在于，包括：
碳排放源数据获取子系统，用于获取目标监管方的碳排放源数据，并将碳排放源数据存入预设的区块链中；
碳排放足迹绘制子系统，用于根据碳排放源数据，绘制目标监管方的碳排放足迹；
分析模型获取子系统，用于获取碳排放足迹分析模型；
目标设定子系统，用于基于碳排放足迹分析模型，根据碳排放足迹，设定目标监管方的碳排放减少目标，并将碳排放减少目标推送至相应目标监管方；
数据管理子系统，用于获取目标监管方对碳排放减少目标的确认状态，并根据确认状态，进行相应碳排放数据管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438142.1A CN117390514B (zh) | 2023-10-31 | 2023-10-31 | 一种碳排放数据管理方法及管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438142.1A CN117390514B (zh) | 2023-10-31 | 2023-10-31 | 一种碳排放数据管理方法及管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390514A true CN117390514A (zh) | 2024-01-12 |
| CN117390514B CN117390514B (zh) | 2024-05-28 |
Family
ID=89471725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311438142.1A Active CN117390514B (zh) | 2023-10-31 | 2023-10-31 | 一种碳排放数据管理方法及管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390514B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
| CN114037585A (zh) * | 2022-01-07 | 2022-02-11 | 阿里云计算有限公司 | 碳数据处理、交互与展示方法、电子设备以及存储介质 |
| US20220207552A1 (en) * | 2020-12-29 | 2022-06-30 | Offspend SAS | System and method to determine environmental emissions and footprints based on financial data |
| CN115577883A (zh) * | 2022-10-26 | 2023-01-06 | 上海电气集团股份有限公司 | 碳资产管理方法及系统、电子设备及存储介质 |
| CN115952884A (zh) * | 2022-11-11 | 2023-04-11 | 南通大学 | 一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统 |
| CN115953279A (zh) * | 2022-12-05 | 2023-04-11 | 上海祺鲲信息科技有限公司 | 基于区块链技术的碳排放管理系统及方法 |
| US20230193791A1 (en) * | 2021-12-16 | 2023-06-22 | Saudi Arabian Oil Company | Method and system for managing carbon dioxide supplies and supercritical turbines using machine learning |
-
2023
- 2023-10-31 CN CN202311438142.1A patent/CN117390514B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140101469A (ko) * | 2013-02-08 | 2014-08-20 | 주식회사 휴디콤 | 소비요소별 탄소배출 목표관리 및 감축모니터링 시스템 |
| US20220207552A1 (en) * | 2020-12-29 | 2022-06-30 | Offspend SAS | System and method to determine environmental emissions and footprints based on financial data |
| US20230193791A1 (en) * | 2021-12-16 | 2023-06-22 | Saudi Arabian Oil Company | Method and system for managing carbon dioxide supplies and supercritical turbines using machine learning |
| CN114037585A (zh) * | 2022-01-07 | 2022-02-11 | 阿里云计算有限公司 | 碳数据处理、交互与展示方法、电子设备以及存储介质 |
| CN115577883A (zh) * | 2022-10-26 | 2023-01-06 | 上海电气集团股份有限公司 | 碳资产管理方法及系统、电子设备及存储介质 |
| CN115952884A (zh) * | 2022-11-11 | 2023-04-11 | 南通大学 | 一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统 |
| CN115953279A (zh) * | 2022-12-05 | 2023-04-11 | 上海祺鲲信息科技有限公司 | 基于区块链技术的碳排放管理系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 卢卓建;: "浅析碳足迹分析方法", 大众投资指南, no. 06, 30 June 2017 (2017-06-30) * |
| 张若楠;杨瑾;: "陕西省土地利用碳排放与碳足迹研究", 农业与技术, no. 05, 15 March 2020 (2020-03-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390514B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114037311B (zh) | 一种信息系统工程监理项目风险评估方法 | |
| CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管系统 | |
| CN114021971A (zh) | 一种高速公路运维管理综合评价系统、方法及存储介质 | |
| CN111222790B (zh) | 风险事件发生概率的预测方法、装置、设备及存储介质 | |
| EP4080429A1 (en) | Technology readiness level determination method and system based on science and technology big data | |
| CN108960527A (zh) | 员工离职的预警方法及相关装置 | |
| CN111178680A (zh) | 风电场工程质量全过程管理系统、方法及设备 | |
| CN113849542A (zh) | 基于人工智能的区域温室气体排放清单核算系统与方法 | |
| CN108960528A (zh) | 员工离职原因的预测方法及相关装置 | |
| CN117390514B (zh) | 一种碳排放数据管理方法及管理系统 | |
| CN117951192A (zh) | 一种基于数据挖掘的碳排放监测数据管理方法及系统 | |
| CN117474353A (zh) | 一种基于在线教育的决策自动生成方法和装置 | |
| CN110659747B (zh) | 一种基于工艺落实与成本管控的车辆检修方法及系统 | |
| CN108038635B (zh) | 基础设施资产投资回报的建模和分析方法及系统 | |
| CN115953279A (zh) | 基于区块链技术的碳排放管理系统及方法 | |
| CN114612127A (zh) | 一种基于大数据的erp信息化系统建设方法 | |
| Mach-Król | On assessing an organization’s preparedness to adopt and make use of Big Data | |
| US20040249738A1 (en) | Systems, methods and computer program products for modeling a monetary measure for a good based upon technology maturity levels | |
| JP3208680B2 (ja) | 情報システム監査装置 | |
| CN116011758B (zh) | 一种多数据分析智能整合排程系统及方法 | |
| CN116228037B (zh) | 一种基于知识库的后勤管理方法及系统 | |
| CN118586584A (zh) | 变电站项目进度可视化监督方法及相关装置 | |
| Nurrifqhi et al. | Risk Assessment Model Development in GX PMBOK Using Checklist Scenario Analysis and Simple Additive Weighting | |
| CN118608342A (zh) | 基于ai人工智能的中医规培数据管理分析平台 | |
| Leangarun et al. | Supply Forecast Service in Cyber Physical Production Systems: A Case Study of Food Business |
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 |