CN117709555B - 一种基于变压器碳核算模型的碳排预测与评价方法和系统 - Google Patents
一种基于变压器碳核算模型的碳排预测与评价方法和系统 Download PDFInfo
- Publication number
- CN117709555B CN117709555B CN202410159923.5A CN202410159923A CN117709555B CN 117709555 B CN117709555 B CN 117709555B CN 202410159923 A CN202410159923 A CN 202410159923A CN 117709555 B CN117709555 B CN 117709555B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- carbon
- transformer
- representing
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 450
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 444
- 238000011156 evaluation Methods 0.000 title claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 230000003749 cleanliness Effects 0.000 claims abstract description 6
- 239000002994 raw material Substances 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000012821 model calculation Methods 0.000 claims description 26
- 239000002699 waste material Substances 0.000 claims description 25
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000010819 recyclable waste Substances 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012958 reprocessing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012550 audit Methods 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000002948 stochastic simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种基于变压器碳核算模型的碳排预测与评价方法和系统，属于环境预测技术领域，方法包括：确定变压器制造过程中碳足迹核算项目；通过检索数据库确定各碳足迹核算项目的碳排放因子；计算基础碳排放数据；根据碳排放观测值和基础碳排放数据的偏差，评估冗余碳排放数据；通过层次分析算法评估基础碳排放数据和冗余碳排放数据的重要性权重值，构建变压器碳核算模型；对变压器碳核算模型进行随机性模拟，根据模拟结果计算模型修正因子对变压器碳核算模型输出的碳排放总量进行修正；将碳排放均值作为所属型号变压器的碳排放预测标准；对比碳排放总量和碳排放预测标准，获取变压器制造过程的清洁程度。提升碳排放预测可靠性和准确性。
Description
技术领域
本发明属于环境预测技术领域，具体涉及一种基于变压器碳核算模型的碳排预测与评价方法和系统。
背景技术
随着环境的不断恶化，目前不断提出多种低碳经济的发展模式，作为经济发展的基础，电力能源的供应涉及各行各业，其中变压器的使用和分布随处可见，但是变压器的制造过程涉及大量的能量交换和原材料处理，制造变压器所需的原材料，如铁、铜、绝缘材料等，其生产和运输过程也可能涉及能源消耗和碳排放，例如，铁和铜的冶炼过程通常需要高温，这可能使用大量能源，在这一过程中会产生大量的碳排放量，由于我国变压器每年的更换量和使用量巨大，如果不对变压器的生产过程加以控制将影响我国低碳经济的实现。
现有技术中，对于变压器制造过程的碳排放量评估还未形成标准，在以往的评估过程中往往只考虑制造环节的碳排放量，对于不可控变量众多的其他变压器制造过程欠缺考虑导致碳排放量的评估结果偏差较大，不能准确反映变压器制造过程的碳排放行为。
发明内容
为了解决现有技术存在的对于变压器制造过程的碳排放量评估还未形成标准，在以往的评估过程中往往只考虑制造环节的碳排放量，对于不可控变量众多的其他变压器制造过程欠缺考虑导致碳排放量的评估结果偏差较大，不能准确反映变压器制造过程的碳排放行为的技术问题，本发明提供一种基于变压器碳核算模型的碳排预测与评价方法和系统。
本发明提供了一种基于变压器碳核算模型的碳排预测与评价方法，包括：
S101：根据变压器的整个生命周期，确定变压器制造过程中碳足迹核算项目，其中，所述碳足迹核算项目包括原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃；
S102：通过检索数据库确定各碳足迹核算项目的碳排放因子；所述碳排放因子包括原材料的碳排放因子、运输方式的碳排放因子、生产设备的碳排放因子、 电力碳排放因子 、零件的碳排放因子、拆除机器的碳排放因子、废弃部件的运输碳排放因子、可回收废弃部件的再加工碳排放因子以及可回收废弃部件的生产碳排放因子；
S103：根据所述碳排放因子计算包括各碳足迹核算项目的变压器制造过程的基础碳排放数据；
S104：根据碳排放观测值和所述基础碳排放数据的偏差，评估所述碳足迹核算项目的冗余碳排放数据；
S105：通过层次分析算法评估所述基础碳排放数据和所述冗余碳排放数据的重要性权重值，并结合所述基础碳排放数据和所述冗余碳排放数据，构建变压器碳核算模型，以计算碳排放核算总量；
S106：对所述变压器碳核算模型进行随机性模拟，根据模拟结果计算模型修正因子，通过所述修正因子对所述变压器碳核算模型输出的碳排放总量进行修正；
S107：通过修正后的变压器碳核算模型计算变压器制造过程的碳排放总量和不同变压器的碳排放均值；
S108：将所述碳排放均值作为所属型号变压器的碳排放预测标准，对当前碳排放标准进行修正；
S109：对比所述碳排放总量和相对应变压器的所述碳排放预测标准，获取变压器制造过程的清洁程度。
更进一步地，所述数据库包括Ecoinvent数据库、ILCD数据库、GaBi数据库、PEInternational数据库和US LCI Database数据库。
更进一步地，所述S103具体包括：
S1031：关于所述原材料获取的第一基础碳排放数据的计算方式为：
其中，表示第i类原材料的使用量，/>表示第i类原材料的碳排放因子，n表示变压器制造过程中使用的原材料种类数目。
S1032：关于所述原材料运输的第二基础碳排放数据的计算方式为：
其中，表示采用p类运输方式的碳排放因子，/>表示第i类原材料总质量，/>表示第i类原材料运输至生产车间的距离；
S1033：关于所述变压器生产的第三基础碳排放数据的计算方式为：
其中，表示第j类生产设备的碳排放因子，/>表示第j类生产设备的工作量，表示第j类生产设备的数量；
S1034：关于所述变压器使用的第四基础碳排放数据的计算方式为：
其中，表示变压器标定使用年限，Q表示运行变压器年均净耗电量，/>表示电力碳排放因子，/>表示变压器中第t类零件的年更换数量，/>表示第t类零件的耗材质量，表示更换第t类零件的碳排放因子，m表示变压器中不同种类零件的数目；
S1035：关于所述变压器废弃的第五基础碳排放数据的计算方式为：
其中，表示第q类拆除机器的碳排放因子，/>表示第q类拆除机器的工作量，表示第q类拆除机器的数量，/>表示第k类废弃部件的运输碳排放因子，/>表示第k类废弃部件的总质量，/>表示第k类废弃部件运输至废弃材料加工厂的距离，/>表示第s类可回收废弃部件的总质量，/>表示第s类可回收废弃部件的可回收系数，/>表示第s类可回收废弃部件的再加工碳排放因子，/>表示第s类可回收废弃部件的生产碳排放因子；
S1036：对所述第一基础碳排放数据、所述第二基础碳排放数据、所述第三基础碳排放数据、所述第四基础碳排放数据和所述第五基础碳排放数据进行求和，得到基础碳排放数据E 基础：
。
更进一步地，所述冗余碳排放数据的计算方式为：
其中，表示所述碳排放观测值，/>表示观测误差修正系数。
更进一步地，所述S105具体包括：
S1051：对所述基础碳排放数据和所述冗余碳排放数据进行比较，结合九级标度法，建立判别矩阵A：
其中，a ij表示第i个评估指标相对于第j个评估指标的重要程度，通过九极标度法确定a ij的取值；
S1052：计算所述判别矩阵A的特征向量和特征值：
其中，λ表示所述判别矩阵A的特征值，w表示所述判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λ max，与最大的特征值对应的特征向量记为w max，，其中，/>分别表示表示所述基础碳排放数据和所述冗余碳排放数据在最大的特征值对应的特征向量中的分量，即所述基础碳排放数据和所述冗余碳排放数据的相对权重；
S1053：对所述最大的特征值对应的特征向量w max进行归一化处理：
其中，归一化后的向量可用于表征第一权重集合C 1，归一化后的向量/>的各个分量/>分别代表所述基础碳排放数据和所述冗余碳排放数据的权重，分别记为基础碳排放数据权重/>和冗余碳排放数据权重/>；
S1054：通过所述基础碳排放数据权重和冗余碳排放数据权重将所述基础碳排放数据和所述冗余碳排放数据进行融合，得到所述变压器碳核算模型：
其中，E表示碳排放核算总量，表示必须通过人工或者畜力得到的碳排放量。
更进一步地，所述S106具体包括：
S1061：通过随机抽样生成各所述碳足迹核算项目的输入数据集，其中，所述输入数据集包括变压器制造过程中的每一个碳足迹核算项目；
S1062：利用随机生成的输入数据集，生成多个关于碳排放总量的蒙特卡洛模拟结果和所述变压器碳核算模型的模型计算结果；
S1063：计算蒙特卡洛模拟结果均值和模型计算结果均值；
S1064：根据所述蒙特卡洛模拟结果均值和所述模型计算结果均值计算所述修正因子：
其中，表示蒙特卡洛模拟结果均值，/>表示模型计算结果均值；
S1065：通过所述修正因子对所述变压器碳核算模型输出的碳排放总量进行修正，得到修正后的变压器碳核算模型：
。
更进一步地，所述清洁程度包括优秀、中等和欠佳；
基于变压器碳核算模型的碳排预测与评价方法还包括：
S110：对所述清洁程度为欠佳的变压器制造过程进行预警。
本发明还提供了一种基于变压器碳核算模型的碳排预测与评价系统，包括处理器和用于存储处理器可执行指令的存储器；所述处理器被配置为调用所述存储器存储的指令，以执行上述的基于变压器碳核算模型的碳排预测与评价方法。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，对变压器制造过程中的原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃进行全周期的综合考虑，通过获取的碳排放因子对各个碳足迹核算项目进行修正，准确计算各个项目的基础碳排放数据。通过考虑实际情况的碳排放观测值，评估冗余碳排放数据，进一步修正基础碳排放数据，进一步完善和提升最终碳排放量的准确性。为了避免冗余碳排放数据引入导致的最终碳排放量偏差过大，引入层次分析算法评估基础碳排放数据和冗余碳排放数据的重要性权重值，并结合重要性权重值构建变压器碳核算模型，提升变压器碳核算模型的核算准确性，通过随机性模拟变压器碳核算模型的核算结果验证模型的核算准确性，并根据模拟结果计算修正因子，使得变压器碳核算模型在实际应用过程中能够在不降低核算准确性的同时，有效应对数据随机性。并利用不同型号变压器的碳排放均值对当前的碳排放标准进行修正，生成准确有效的变压器制造过程碳排放标准，提升变压器制造过程碳排放量的可评价性和可量化性，有助于低碳制造的实现。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种基于变压器碳核算模型的碳排预测与评价方法的流程示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。
实施例1
在一个实施例中，参考说明书附图1，示出了本发明提供的基于变压器碳核算模型的碳排预测与评价方法的流程示意图。
本发明提供的一种基于变压器碳核算模型的碳排预测与评价方法，包括：
S101：根据变压器的整个生命周期，确定变压器制造过程中碳足迹核算项目。
其中，碳足迹核算项目包括原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃。
需要说明的是，在这个步骤中，首先对变压器的整个生命周期进行综合考虑。生命周期是指从原材料获取、制造、使用到废弃的整个过程，对于变压器制造过程，考虑的生命周期阶段包括：原材料获取：这一阶段涉及从自然环境中获取所需原材料，如铜、铁等。原材料运输：包括将从原材料获取阶段得到的原材料运输至变压器生产厂的过程，这涉及能源的使用和相关碳排放。变压器生产：这是实际制造变压器的阶段，包括各种工艺步骤，例如剪切、冲压、焊接、涂漆等，在这个阶段，使用能源、原材料和生产设备，产生相应的碳排放。变压器使用：指的是变压器被投入使用，其能源效率和工作性能对碳排放产生影响，这阶段涉及变压器的电能转换和传递过程。变压器废弃：当变压器达到寿命末期或者需要报废时，废弃的过程，包括拆解、处理废弃部件等。这个阶段同样会伴随碳排放。这些阶段涵盖了整个变压器的生命周期，每个阶段都可能对碳排放产生影响，因此，在评估碳足迹时，需要考虑并综合这些不同的生命周期阶段，这个步骤奠定了后续碳排放评估和建模的基础。
S102：通过检索数据库确定各碳足迹核算项目的碳排放因子；所述碳排放因子包括原材料的碳排放因子、运输方式的碳排放因子、生产设备的碳排放因子、 电力碳排放因子 、零件的碳排放因子、拆除机器的碳排放因子、废弃部件的运输碳排放因子、可回收废弃部件的再加工碳排放因子以及可回收废弃部件的生产碳排放因子。
在一种可能的实施方式中，数据库包括Ecoinvent数据库、ILCD（InternationalReference Life Cycle Data System，生命周期评估）数据库、GaBi数据库、PEInternational数据库和US LCI Database数据库。
具体地，对于每个生命周期阶段，从数据库中检索相应的碳排放因子，碳排放因子是一个用于表示每个单位功能单元的碳排放量的数值，这些因子通常以单位质量或单位能量的碳排放量表示。根据变压器制造过程的具体特征，从数据库中检索到的碳排放因子需要进行匹配和适应，以确保其与实际情况相符合。通过执行 S102 步骤，可以获得各碳足迹核算项目的碳排放因子，为后续 S103 步骤的基础碳排放数据计算提供必要的信息，这些因子反映了不同生命周期阶段的碳排放水平。
S103：根据碳排放因子计算包括各碳足迹核算项目的变压器制造过程的基础碳排放数据。
在一种可能的实施方式中，S103具体包括：
S1031：关于原材料获取的第一基础碳排放数据的计算方式为：
其中，表示第i类原材料的使用量，/>表示第i类原材料的碳排放因子，n表示变压器制造过程中使用的原材料种类数目。
S1032：关于原材料运输的第二基础碳排放数据的计算方式为：
其中，表示采用p类运输方式的碳排放因子，/>表示第i类原材料总质量，/>表示第i类原材料运输至生产车间的距离；
S1033：关于变压器生产的第三基础碳排放数据的计算方式为：
其中，表示第j类生产设备的碳排放因子，/>表示第j类生产设备的工作量，表示第j类生产设备的数量；
S1034：关于变压器使用的第四基础碳排放数据的计算方式为：
其中，表示变压器标定使用年限，Q表示运行变压器年均净耗电量，/>表示电力碳排放因子，/>表示变压器中第t类零件的年更换数量，/>表示第t类零件的耗材质量，表示更换第t类零件的碳排放因子，m表示变压器中不同种类零件的数目；
S1035：关于变压器废弃的第五基础碳排放数据的计算方式为：
其中，表示第q类拆除机器的碳排放因子，/>表示第q类拆除机器的工作量，表示第q类拆除机器的数量，/>表示第k类废弃部件的运输碳排放因子，/>表示第k类废弃部件的总质量，/>表示第k类废弃部件运输至废弃材料加工厂的距离，/>表示第s类可回收废弃部件的总质量，/>表示第s类可回收废弃部件的可回收系数，/>表示第s类可回收废弃部件的再加工碳排放因子，/>表示第s类可回收废弃部件的生产碳排放因子；
S1036：对第一基础碳排放数据、第二基础碳排放数据、第三基础碳排放数据、第四基础碳排放数据和第五基础碳排放数据进行求和，得到基础碳排放数据E 基础：
。
需要说明的是，通过明确不同生命周期阶段（原材料获取、原材料运输、变压器生产、变压器使用、变压器废弃）中的各个碳足迹核算项目，将碳排放计算细化到具体的环节，这样的细致性有助于更全面地了解碳排放的来源，从而制定更有针对性的减排策略。通过将计算方式明确规定为公式形式，使得整个计算过程更加透明，透明度是碳排放计算中的重要因素，特别是在需要对计算过程进行审计、验证或者与利益相关者沟通时，相对于现有技术中只考虑变压器制造过程，全流程的考虑提升变压器制造过程中的碳排放量预测准确性，使得变压器的制造过程可控，有利于低碳经济的发展。另外，采用这种计算方式，计算结果可以追溯到各个具体的碳排放因子和输入参数，这有助于计算结果的可信度和准确性进行验证，也为后续的模型修正和优化提供了基础。通过明确计算公式，可以将碳排放计算问题转化为具体的数学运算，这种定量分析有助于量化碳排放水平，为制定碳减排策略、设置碳排放目标提供了实际的数据支持。通过这种系统性和结构化的计算方式，使得碳排放计算更具科学性和可操作性，为后续的碳排放评估和模型构建提供了基础。
S104：根据碳排放观测值和基础碳排放数据的偏差，评估碳足迹核算项目的冗余碳排放数据。
在一种可能的实施方式中，冗余碳排放数据的计算方式为：
其中，表示碳排放观测值，/>表示观测误差修正系数。
其中，碳排放观测值是实际测量或观测到的变压器制造过程中的碳排放值，这是通过实地监测、传感器、监测设备等手段获得的真实数据。基础碳排放数据是在 S103 步骤中计算得到的基于模型的碳排放数据，是基于碳排放因子和生命周期阶段的计算。观测误差修正系数用于修正可能存在的观测误差，观测误差可能源自测量设备的精度、数据采集的不确定性等因素，通过引入这个修正系数，可以调整模型计算结果，使其更符合实际观测。修正系数的计算可以利用回归分析算法，具体地，收集变压器制造过程中的实际观测数据和模型计算数据，确保数据包括对应的观测值和模型计算值，将数据整理成合适的格式，建立观测值和模型计算值的数据集，该线性回归模型的一般形式为：，其中，/>表示观测值，/>表示模型计算值，/>表示截距，/>表示斜率，/>表示随机误差，利用回归分析工具拟合简单线性回归模型，得到最佳拟合的截距和斜率，使用统计指标（如R平方、均方根误差等）来评估回归模型的拟合程度，这有助于确认模型是否能够较好地描述观测值和模型计算值之间的关系。观测误差修正系数可以从回归方程的斜率获得，假设斜率接近于1，那么观测误差修正系数可以近似为/>。修正系数越接近1，表示模型计算结果越符合实际观测。如果修正系数为1，说明模型计算值和实际观测值之间没有系统性的偏差；如果修正系数大于1，说明模型计算值相对于观测值被高估；如果修正系数小于1，说明模型计算值相对于观测值被低估。使用回归分析计算修正系数的优点在于，它提供了一种定量化观测值和模型计算值之间关系的方法，并通过回归方程的参数，特别是斜率，量化了观测误差的程度。此过程不仅使我们能够准确地评估模型与实际观测的拟合程度，而且通过计算修正系数，可以调整模型计算结果，更贴近实际情况，提高模型的预测精度。这种方法具有直观解释、统计验证和广泛适用性等优势。
其中，冗余碳排放数据是通过对比观测值和模型计算值得到的偏差数据，如果观测值和模型计算值基本一致，冗余碳排放数据将接近零，如果存在较大的差异，冗余碳排放数据将被用来表示可能的模型偏差，通过评估冗余碳排放数据，可以识别模型计算中的潜在问题，并为进一步优化模型提供信息。
S105：通过层次分析算法评估基础碳排放数据和冗余碳排放数据的重要性权重值，并结合基础碳排放数据和冗余碳排放数据，构建变压器碳核算模型，以计算碳排放核算总量。
其中，层次分析法是一种多因素决策分析方法，旨在处理复杂的多层次结构和多变量之间的相对重要性，该方法通过将问题分解成多个层次，建立判别矩阵，计算特征向量和特征值，并最终得到一致性的权重向量，以帮助决策者进行全面的、系统性的评估和决策。层次分析法首先能够有效处理碳排放核算中的多因素问题，将复杂的系统分解成易于理解的层次结构，使问题更加清晰。其次，能够结合主观和客观信息，通过九级标度法引入专家经验，再通过数学计算提供客观的权重，综合利用了定性和定量的数据，增强了决策的可信度。此外，层次分析法具有全局一致性检验的特性，通过检查判别矩阵的一致性，提高了权重计算的合理性和准确性，在碳排放核算中的应用优势在于其系统性、综合性、可信度高以及易于解释的特点。
在一种可能的实施方式中，S105具体包括：
S1051：对基础碳排放数据和冗余碳排放数据进行比较，结合九级标度法，建立判别矩阵A：
其中，a ij表示第i个评估指标相对于第j个评估指标的重要程度，通过九极标度法确定a ij的取值。
其中，九级标度法能够通过主观评价获取各项指标之间的相对重要性，为后续分析提供了一种直观且易于理解的权重评估方法，这种主观评价方法在缺乏精确数据或专业知识的情况下提供了一种合理的权重设定手段。
S1052：计算判别矩阵A的特征向量和特征值：
其中，λ表示判别矩阵A的特征值，w表示判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λ max，与最大的特征值对应的特征向量记为w max，，其中，分别表示表示所述基础碳排放数据和所述冗余碳排放数据在最大的特征值对应的特征向量中的分量，即所述基础碳排放数据和所述冗余碳排放数据的相对权重。
特征值分解提供了一种客观、数学化的方法，通过计算特征向量和特征值，可以量化每个因素的相对重要性，最大特征值和对应的特征向量提供了对全局一致性的度量，确保了权重的合理性。
S1053：对最大的特征值对应的特征向量w max进行归一化处理：
其中，归一化后的向量可用于表征第一权重集合C 1，归一化后的向量/>的各个分量/>分别代表基础碳排放数据和冗余碳排放数据的权重，分别记为基础碳排放数据权重/>和冗余碳排放数据权重/>。
S1054：通过基础碳排放数据权重和冗余碳排放数据权重将基础碳排放数据和冗余碳排放数据进行融合，得到变压器碳核算模型：
其中，E表示碳排放核算总量，表示必须通过人工或者畜力得到的碳排放量。
需要说明的是，通过使用归一化的权重将基础碳排放数据和冗余碳排放数据融合，构建了一个更全面、更综合考虑各项因素权重的碳核算模型，这使得模型更为准确地反映了不同因素对碳排放的影响，提高了碳排放核算的可靠性和精度。层次分析算法的应用结合了主观评价和客观分析，充分考虑了不同因素的相对重要性，并通过数学化的方法提供了权重的定量计算，这种综合的方法有助于构建更为全面、合理且可解释性强的碳核算模型。
S106：对变压器碳核算模型进行随机性模拟，根据模拟结果计算模型修正因子，通过修正因子对变压器碳核算模型输出的碳排放总量进行修正。
具体地，可以使用蒙特卡洛模拟算法进行随机性模拟，确定模拟目标即针对变压器碳排放的模拟，确定影响模拟结果的各项参数，这些参数可能是具有不确定性的变量，在碳排放模型中，这可能包括原材料成本、能源使用量、生产效率等。为每个输入参数选择合适的概率分布，以反映其不确定性，常用的概率分布包括正态分布、均匀分布、三角形分布等，这些分布可以基于先前的数据或专家判断确定。根据选择的概率分布，对每个输入参数进行随机抽样，生成多组可能的输入值组合，这一步骤模拟了不同情况下参数的变化。对于每组随机生成的输入值，运行模型，得到相应的输出结果，在这个例子中，运行变压器碳排放模型，计算碳排放总量。重复随机抽样到模拟的过程，生成大量的模拟结果，蒙特卡洛模拟的精度通常随着模拟次数的增加而提高。对模拟结果进行统计分析，包括计算均值、方差、百分位数等，这些统计数据提供了对模拟结果的整体认识，并帮助了解不确定性的范围。对模型的输入参数进行敏感性分析，了解哪些参数对输出结果的影响最大，这有助于确定在哪些方面进行改进或优化，根据模拟结果和敏感性分析的反馈，可以对模型进行调整，提高其准确性和适应性。蒙特卡洛模拟能够在考虑不确定性的情况下生成多个可能的模拟结果，为决策者提供更全面的信息，提高决策的可靠性和鲁棒性。
在一种可能的实施方式中，S106具体包括：
S1061：通过随机抽样生成各碳足迹核算项目的输入数据集，其中，输入数据集包括变压器制造过程中的每一个碳足迹核算项目；
S1062：利用随机生成的输入数据集，生成多个关于碳排放总量的蒙特卡洛模拟结果和变压器碳核算模型的模型计算结果；
S1063：计算蒙特卡洛模拟结果均值和模型计算结果均值；
S1064：根据蒙特卡洛模拟结果均值和模型计算结果均值计算修正因子：
其中，表示蒙特卡洛模拟结果均值，/>表示模型计算结果均值；
S1065：通过修正因子对变压器碳核算模型输出的碳排放总量进行修正，得到修正后的变压器碳核算模型：
。
需要说明的是，通过使用随机抽样生成各碳足迹核算项目的输入数据集，包括变压器制造过程中的每个碳足迹核算项目，通过随机性模拟产生的输入数据集用于模拟不同的情境和条件，以更全面地考虑碳排放的变化。利用随机生成的输入数据集，执行多次蒙特卡洛模拟，同时进行模型计算，得到多个关于碳排放总量的模拟结果，这些模拟结果考虑了输入数据的不确定性和随机性，反映了碳排放的潜在范围。对蒙特卡洛模拟结果和模型计算结果进行均值计算，有助于得到一个对于碳排放总量的平均估计，同时考虑了不同情境和随机性的影响。通过计算蒙特卡洛模拟结果均值与模型计算结果均值之间的偏差，得到修正因子，这个修正因子用于调整变压器碳核算模型的输出，以更准确地反映真实情况。利用得到的修正因子，对变压器碳核算模型输出的碳排放总量进行修正，通过考虑随机性和不确定性，提高了模型的准确性和鲁棒性，使得模型能更好地适应实际变化和波动。通过S106，模型可以在更复杂、不确定的环境中进行评估和修正，使得碳排放核算更为真实和可靠，这有助于提高模型的适应性，使其能够更好地应对不同情境和数据的波动。
S107：通过修正后的变压器碳核算模型计算变压器制造过程的碳排放总量和不同变压器的碳排放均值。
需要说明的是，利用经过蒙特卡洛模拟和修正的变压器碳核算模型，计算整个变压器制造过程的碳排放总量。此外，对不同型号的变压器，计算其碳排放均值。这提供了对整个制造过程和各个型号的碳排放水平的详细了解。
S108：将碳排放均值作为所属型号变压器的碳排放预测标准，对当前碳排放标准进行修正。
使用计算得到的碳排放均值作为每个型号变压器的碳排放预测标准，这意味着修正了以往的碳排放标准，使其更贴近实际的制造过程，提高了预测的准确性。
S109：对比碳排放总量和相对应变压器的碳排放预测标准，获取变压器制造过程的清洁程度。
将计算得到的碳排放总量与各个型号变压器的碳排放预测标准进行对比。通过比较实际碳排放和标准预测之间的差异，可以评估变压器制造过程的清洁程度，如果实际排放低于预测标准，表明该型号的变压器制造过程更为清洁。
在一种可能的实施方式中，清洁程度包括优秀、中等和欠佳。
需要说明的是，如果碳排放总量与碳排放预测标准的差值小于第一预设值，则定义清洁程度为优秀，如果碳排放总量与碳排放预测标准的差值大于第二预设值，则定义清洁程度为欠佳，如果二者差值浮动于碳排放预测标准的第一预设值和第二预设值之间定义为中等。本领域技术人员可以根据实际需要设置第一预设值和第二预设值的大小，本发明在此不做限定。
基于变压器碳核算模型的碳排预测与评价方法还包括：
S110：对清洁程度为欠佳的变压器制造过程进行预警。
可以理解的是，通过预警信息通知相关技术人员或者监管人员对变压器制造流程进行排查改进，降低碳排放总量，自动完成变压器制造过程的预警流程，提升预警客观性，避免人为预警导致的结果偏差，提升碳排放量预测的准确性。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，对变压器制造过程中的原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃进行全周期的综合考虑，通过获取的碳排放因子对各个碳足迹核算项目进行修正，准确计算各个项目的基础碳排放数据。通过考虑实际情况的碳排放观测值，评估冗余碳排放数据，进一步修正基础碳排放数据，进一步完善和提升最终碳排放量的准确性。为了避免冗余碳排放数据引入导致的最终碳排放量偏差过大，引入层次分析算法评估基础碳排放数据和冗余碳排放数据的重要性权重值，并结合重要性权重值构建变压器碳核算模型，提升变压器碳核算模型的核算准确性，通过随机性模拟变压器碳核算模型的核算结果验证模型的核算准确性，并根据模拟结果计算修正因子，使得变压器碳核算模型在实际应用过程中能够在不降低核算准确性的同时，有效应对数据随机性。并利用不同型号变压器的碳排放均值对当前的碳排放标准进行修正，生成准确有效的变压器制造过程碳排放标准，提升变压器制造过程碳排放量的可评价性和可量化性，有助于低碳制造的实现。
实施例2
在一个实施例中，本发明提供的一种基于变压器碳核算模型的碳排预测与评价系统，用于执行实施例1中的基于变压器碳核算模型的碳排预测与评价方法。
本发明提供的一种基于变压器碳核算模型的碳排预测与评价系统可以实现上述实施例1中的基于变压器碳核算模型的碳排预测与评价方法的步骤和效果，为避免重复，本发明不再赘述。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，对变压器制造过程中的原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃进行全周期的综合考虑，通过获取的碳排放因子对各个碳足迹核算项目进行修正，准确计算各个项目的基础碳排放数据。通过考虑实际情况的碳排放观测值，评估冗余碳排放数据，进一步修正基础碳排放数据，进一步完善和提升最终碳排放量的准确性。为了避免冗余碳排放数据引入导致的最终碳排放量偏差过大，引入层次分析算法评估基础碳排放数据和冗余碳排放数据的重要性权重值，并结合重要性权重值构建变压器碳核算模型，提升变压器碳核算模型的核算准确性，通过随机性模拟变压器碳核算模型的核算结果验证模型的核算准确性，并根据模拟结果计算修正因子，使得变压器碳核算模型在实际应用过程中能够在不降低核算准确性的同时，有效应对数据随机性。并利用不同型号变压器的碳排放均值对当前的碳排放标准进行修正，生成准确有效的变压器制造过程碳排放标准，提升变压器制造过程碳排放量的可评价性和可量化性，有助于低碳制造的实现。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (4)
1.一种基于变压器碳核算模型的碳排预测与评价方法，其特征在于，包括：
S101：根据变压器的整个生命周期，确定变压器制造过程中碳足迹核算项目，其中，所述碳足迹核算项目包括原材料获取、原材料运输、变压器生产、变压器使用和变压器废弃；
S102：通过检索数据库确定各碳足迹核算项目的碳排放因子；所述碳排放因子包括原材料的碳排放因子、运输方式的碳排放因子、生产设备的碳排放因子、电力碳排放因子、零件的碳排放因子、拆除机器的碳排放因子、废弃部件的运输碳排放因子、可回收废弃部件的再加工碳排放因子以及可回收废弃部件的生产碳排放因子；
S103：根据所述碳排放因子计算包括各碳足迹核算项目的变压器制造过程的基础碳排放数据；
S104：根据碳排放观测值和所述基础碳排放数据的偏差，评估所述碳足迹核算项目的冗余碳排放数据；
S105：通过层次分析算法评估所述基础碳排放数据和所述冗余碳排放数据的重要性权重值，并结合所述基础碳排放数据和所述冗余碳排放数据，构建变压器碳核算模型，以计算碳排放核算总量；
S106：对所述变压器碳核算模型进行随机性模拟，根据模拟结果计算模型修正因子，通过所述修正因子对所述变压器碳核算模型输出的碳排放总量进行修正；
S107：通过修正后的变压器碳核算模型计算变压器制造过程的碳排放总量和不同变压器的碳排放均值；
S108：将所述碳排放均值作为所属型号变压器的碳排放预测标准，对当前碳排放标准进行修正；
S109：对比所述碳排放总量和相对应变压器的所述碳排放预测标准，获取变压器制造过程的清洁程度;
所述S103具体包括：
S1031：关于所述原材料获取的第一基础碳排放数据的计算方式为：
其中，表示第i类原材料的使用量，/>表示第i类原材料的碳排放因子，n表示变压器制造过程中使用的原材料种类数目；
S1032：关于所述原材料运输的第二基础碳排放数据的计算方式为：
其中，表示采用p类运输方式的碳排放因子，/>表示第i类原材料总质量，/>表示第i类原材料运输至生产车间的距离；
S1033：关于所述变压器生产的第三基础碳排放数据的计算方式为：
其中，表示第j类生产设备的碳排放因子，/>表示第j类生产设备的工作量，/>表示第j类生产设备的数量；
S1034：关于所述变压器使用的第四基础碳排放数据的计算方式为：
其中，表示变压器标定使用年限，Q表示运行变压器年均净耗电量，/>表示电力碳排放因子，/>表示变压器中第t类零件的年更换数量，/>表示第t类零件的耗材质量，/>表示更换第t类零件的碳排放因子，m表示变压器中不同种类零件的数目；
S1035：关于所述变压器废弃的第五基础碳排放数据的计算方式为：
其中，表示第q类拆除机器的碳排放因子，/>表示第q类拆除机器的工作量，/>表示第q类拆除机器的数量，/>表示第k类废弃部件的运输碳排放因子，/>表示第k类废弃部件的总质量，/>表示第k类废弃部件运输至废弃材料加工厂的距离，/>表示第s类可回收废弃部件的总质量，/>表示第s类可回收废弃部件的可回收系数，/>表示第s类可回收废弃部件的再加工碳排放因子，/>表示第s类可回收废弃部件的生产碳排放因子；
S1036：对所述第一基础碳排放数据、所述第二基础碳排放数据、所述第三基础碳排放数据、所述第四基础碳排放数据和所述第五基础碳排放数据进行求和，得到基础碳排放数据E 基础：
;
所述冗余碳排放数据的计算方式为：
其中，表示所述碳排放观测值，/>表示观测误差修正系数;
所述S105具体包括：
S1051：对所述基础碳排放数据和所述冗余碳排放数据进行比较，结合九级标度法，建立判别矩阵A：
其中，a ij表示第i个评估指标相对于第j个评估指标的重要程度，通过九极标度法确定a ij的取值；
S1052：计算所述判别矩阵A的特征向量和特征值：
其中，λ表示所述判别矩阵A的特征值，w表示所述判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λ max，与最大的特征值对应的特征向量记为w max，，其中，/>分别表示表示所述基础碳排放数据和所述冗余碳排放数据在最大的特征值对应的特征向量中的分量，即所述基础碳排放数据和所述冗余碳排放数据的相对权重；
S1053：对所述最大的特征值对应的特征向量w max进行归一化处理：
其中，归一化后的向量可用于表征第一权重集合C 1，归一化后的向量/>的各个分量/>分别代表所述基础碳排放数据和所述冗余碳排放数据的权重，分别记为基础碳排放数据权重/>和冗余碳排放数据权重/>；
S1054：通过所述基础碳排放数据权重和冗余碳排放数据权重将所述基础碳排放数据和所述冗余碳排放数据进行融合，得到所述变压器碳核算模型：
其中，E表示碳排放核算总量，表示必须通过人工或者畜力得到的碳排放量;
所述S106具体包括：
S1061：通过随机抽样生成各所述碳足迹核算项目的输入数据集，其中，所述输入数据集包括变压器制造过程中的每一个碳足迹核算项目；
S1062：利用随机生成的输入数据集，生成多个关于碳排放总量的蒙特卡洛模拟结果和所述变压器碳核算模型的模型计算结果；
S1063：计算蒙特卡洛模拟结果均值和模型计算结果均值；
S1064：根据所述蒙特卡洛模拟结果均值和所述模型计算结果均值计算所述修正因子：
其中，表示蒙特卡洛模拟结果均值，/>表示模型计算结果均值；
S1065：通过所述修正因子对所述变压器碳核算模型输出的碳排放总量进行修正，得到修正后的变压器碳核算模型：
。
2.根据权利要求1所述的基于变压器碳核算模型的碳排预测与评价方法，其特征在于，所述数据库包括Ecoinvent数据库、ILCD数据库、GaBi数据库、PE International数据库和US LCI Database数据库。
3.根据权利要求1所述的基于变压器碳核算模型的碳排预测与评价方法，其特征在于，所述清洁程度包括优秀、中等和欠佳；
基于变压器碳核算模型的碳排预测与评价方法还包括：
S110：对所述清洁程度为欠佳的变压器制造过程进行预警。
4.一种基于变压器碳核算模型的碳排预测与评价系统，其特征在于，包括处理器和用于存储处理器可执行指令的存储器；所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至3中任一项所述的基于变压器碳核算模型的碳排预测与评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410159923.5A CN117709555B (zh) | 2024-02-05 | 2024-02-05 | 一种基于变压器碳核算模型的碳排预测与评价方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410159923.5A CN117709555B (zh) | 2024-02-05 | 2024-02-05 | 一种基于变压器碳核算模型的碳排预测与评价方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117709555A CN117709555A (zh) | 2024-03-15 |
| CN117709555B true CN117709555B (zh) | 2024-05-17 |
Family
ID=90148192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410159923.5A Active CN117709555B (zh) | 2024-02-05 | 2024-02-05 | 一种基于变压器碳核算模型的碳排预测与评价方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709555B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114943431A (zh) * | 2022-05-13 | 2022-08-26 | 北京同信碳和科技有限责任公司 | 电力设备物流空间碳足迹核算方法 |
| CN115270144A (zh) * | 2022-06-22 | 2022-11-01 | 国网山东省电力公司经济技术研究院 | 一种变压器碳足迹追踪方法、系统、设备及存储介质 |
| CN115719114A (zh) * | 2022-11-21 | 2023-02-28 | 国网湖北省电力有限公司电力科学研究院 | 一种电力变压器生产制造过程碳足迹测算方法 |
| CN116128159A (zh) * | 2023-04-04 | 2023-05-16 | 苏州电器科学研究院股份有限公司 | 一种变压器产品碳足迹核算方法及系统 |
| CN116167657A (zh) * | 2023-02-10 | 2023-05-26 | 国网电力科学研究院武汉能效测评有限公司 | 一种企业全生命周期碳足迹评价方法和系统、存储介质 |
| CN116227712A (zh) * | 2023-03-13 | 2023-06-06 | 生态环境部南京环境科学研究所 | 一种工业园区碳达峰预测方法 |
| CN116703022A (zh) * | 2023-01-09 | 2023-09-05 | 国网辽宁省电力有限公司辽阳供电公司 | 电力设备最优碳排放评估方法及系统 |
| CN116976561A (zh) * | 2023-08-09 | 2023-10-31 | 国网湖北省电力有限公司电为科学研究院 | 高压电缆类设备全生命周期碳足迹核算方法 |
| EP4307189A1 (en) * | 2022-07-15 | 2024-01-17 | Mother Nature Resources Limited | System and method for simulating and predicting forecasts for carbon emissions |
| CN117494996A (zh) * | 2023-11-03 | 2024-02-02 | 国网山东省电力公司东营供电公司 | 一种电网建设输变电工程碳排放量核算方法 |
-
2024
- 2024-02-05 CN CN202410159923.5A patent/CN117709555B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114943431A (zh) * | 2022-05-13 | 2022-08-26 | 北京同信碳和科技有限责任公司 | 电力设备物流空间碳足迹核算方法 |
| CN115270144A (zh) * | 2022-06-22 | 2022-11-01 | 国网山东省电力公司经济技术研究院 | 一种变压器碳足迹追踪方法、系统、设备及存储介质 |
| EP4307189A1 (en) * | 2022-07-15 | 2024-01-17 | Mother Nature Resources Limited | System and method for simulating and predicting forecasts for carbon emissions |
| CN115719114A (zh) * | 2022-11-21 | 2023-02-28 | 国网湖北省电力有限公司电力科学研究院 | 一种电力变压器生产制造过程碳足迹测算方法 |
| CN116703022A (zh) * | 2023-01-09 | 2023-09-05 | 国网辽宁省电力有限公司辽阳供电公司 | 电力设备最优碳排放评估方法及系统 |
| CN116167657A (zh) * | 2023-02-10 | 2023-05-26 | 国网电力科学研究院武汉能效测评有限公司 | 一种企业全生命周期碳足迹评价方法和系统、存储介质 |
| CN116227712A (zh) * | 2023-03-13 | 2023-06-06 | 生态环境部南京环境科学研究所 | 一种工业园区碳达峰预测方法 |
| CN116128159A (zh) * | 2023-04-04 | 2023-05-16 | 苏州电器科学研究院股份有限公司 | 一种变压器产品碳足迹核算方法及系统 |
| CN116976561A (zh) * | 2023-08-09 | 2023-10-31 | 国网湖北省电力有限公司电为科学研究院 | 高压电缆类设备全生命周期碳足迹核算方法 |
| CN117494996A (zh) * | 2023-11-03 | 2024-02-02 | 国网山东省电力公司东营供电公司 | 一种电网建设输变电工程碳排放量核算方法 |
Non-Patent Citations (3)
| Title |
|---|
| Carbon Footprint of Power Transformer by Life Cycle Assessment;Meng Gao et al;IEEE international Conference on high voltage engineering and applications;20221202;1-4 * |
| 基于生命周期的机电产品碳足迹评价与实现方法;王欣;李文强;李彦;;机械设计与制造;20160531(05);1-4 * |
| 电力系统碳排放水平综合评价方法;顾静 等;现代工业经济和信息化;20231231(第234期);23-26, 33 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117709555A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marconi et al. | Applying data mining technique to disassembly sequence planning: a method to assess effective disassembly time of industrial products | |
| JP2020500420A (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN103971023B (zh) | 研发过程质量自动评估系统和方法 | |
| CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
| CN112950067B (zh) | 基于模糊综合评价的电力用户用电能效评估方法 | |
| He et al. | Big data-oriented product infant failure intelligent root cause identification using associated tree and fuzzy DEA | |
| CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
| TW202100900A (zh) | 液態氣體充填之智能化學習機制與自適應調節系統 | |
| CN115098829A (zh) | 一种基于多源计量数据的碳排放量在线分析方法 | |
| CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
| CN107025514A (zh) | 一种动态评估变压器设备状态的评价方法及输变电设备 | |
| CN112330030B (zh) | 业扩物资需求预测系统及方法 | |
| CN113742248A (zh) | 一种基于项目测量数据进行组织过程预测的方法及系统 | |
| CN117709555B (zh) | 一种基于变压器碳核算模型的碳排预测与评价方法和系统 | |
| CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
| CN116227896A (zh) | 一种碳化硅生产工单管理方法及系统 | |
| Zhou et al. | Quantification of value of information associated with optimal observation actions within partially observable Markov decision processes | |
| CN113919609A (zh) | 一种配电网模型质量综合评估方法和系统 | |
| Wang | Sensitivity analysis and evolutionary optimization for building design | |
| CN117077983B (zh) | 一种基于物联网的塑料制品再制造处理方法及系统 | |
| CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
| Zavíralová et al. | Computational system for simulation and forecasting in waste management incomplete data problems | |
| CN114819371B (zh) | 基于税务数据的产排污量预测模型构建方法和系统 | |
| CN115936166B (zh) | 一种电能表检定误差分析预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |