CN117852779A - 一种工业园区碳排放计算方法及系统 - Google Patents
一种工业园区碳排放计算方法及系统 Download PDFInfo
- Publication number
- CN117852779A CN117852779A CN202410266636.4A CN202410266636A CN117852779A CN 117852779 A CN117852779 A CN 117852779A CN 202410266636 A CN202410266636 A CN 202410266636A CN 117852779 A CN117852779 A CN 117852779A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- data
- comparison result
- carbon
- emission data
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 218
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 207
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 10
- 238000002485 combustion reaction Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 13
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 11
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 239000000446 fuel Substances 0.000 description 7
- 239000001569 carbon dioxide Substances 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000001272 nitrous oxide Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及工业园区碳监测技术领域,且公开了一种工业园区碳排放计算方法及系统,有效的解决了碳排放数据有误差存在而影响到基于碳排放数据制定的低碳发展方案的准确性的问题。本发明所述的计算方法具体包括以下步骤:获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型的预测数据进行比较输出第一比较结果,基于所述碳排放数据与历史数据进行比较,输出第二比较结果,基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心,保证了碳排放数据的真实性和有效性。
Description
技术领域
本发明涉及工业园区碳监测技术领域,具体为一种工业园区碳排放计算方法及系统。
背景技术
工业技术的发展与进步带来的不仅对人类的生产与生活产生影响,对于气候变化以及环境保护进程也产生了较大的影响,那么进行碳排放监测可以对工业园区内的生产过程中的碳排放情况进行实时的分析和评估,不仅有助于形成准确的碳排放清单,还可以为工业园区内的企业提供排放数据参考,帮助其指定减排策略和改进生产进行,实现低碳发展。
那么保证碳排放数据的准确性的重要性不言而喻,如申请号为202310921212.2的中国发明专利提供的一种工业园区碳排放的智能监测方法及系统,通过调用工业园区内的设备运行数据,依据设备运行数据生成补偿数据,将补偿数据和初始碳排放监测结果输入碳排放补偿模型,输出碳排放监测结果,但是这种方式治标不治本,采集到的碳排放数据的误差仍旧存在,并不知道补偿后的碳排放数据是否准确,误差能有多大,且碳排放数据不只是包括设备运行数据,还有其他的,如化石燃料、电力消耗等的数据,单就设备运行数据来保证碳排放数据准确性还比较片面,无法保证计算得到的碳排放量即碳排放数据的有效性,无法得到准确的低碳发展方案。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种工业园区碳排放计算方法及系统,有效的解决了碳排放数据有误差存在而影响到基于碳排放数据制定的低碳发展方案的准确性的问题。
(二)技术方案
为解决上述问题,本发明提供如下技术方案:一种工业园区碳排放计算方法,所述计算方法具体包括以下步骤:
获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放模型预测输出的预测数据进行比较输出第一比较结果;
基于所述碳排放数据与历史数据进行比较,输出第二比较结果;
基于第一比较结果与第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
本发明还提供了一种工业园区碳排放计算系统,所述计算系统具体包括:
初次比较模块,用于获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较输出第一比较结果;
再次比较模块,用于基于所述碳排放数据与历史数据进行比较,输出第二比较结果;
输出结果模块,用于基于第一比较结果与第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
(三)有益效果
与现有技术相比,本发明提供了一种工业园区碳排放计算方法及系统,具备以下有益效果:
该计算方法和系统基于碳排放预测模型的预测数据与碳排放数据进行比较输出第一比较结果,并将所述碳排放数据与历史数据进行比较,输出第二比较结果,基于第一比较结果和第二比较结果计算出碳排放数据的误差度,并输出误差度至监控中心,保证了碳排放数据的真实性和有效性,从而判断出是否能根据碳排放数据制定低碳发展方案,避免了由于采集到的数据碳排放数据有误差存在的问题,进而避免影响到制定的低碳发展方案的准确性的问题。
该计算方法和系统为碳含量检测仪器中包括的光谱分析仪设置了状态监测单元,对光谱分析仪所处的环境的湿度进行检测得到湿度信号,将湿度信号基于运放器U1B进行比较,从而判断出光谱分析仪是否处于湿度较高的环境中,并相应地对光谱分析仪内部的电路板的工作电流进行检测,并基于运放器U2B、运放器U3B进行相应的计算与比较,从而输出提醒信号至监控中心,从而保证光谱分析仪的正常检测工作,保证了光谱分析仪采集到的信号的准确性。
该计算方法和系统基于第一比较结果和第二比较结果与其分别对应的占比进行计算得到误差度,基于误差度判断出碳排放模型基于碳含量检测仪器检测得到的多种信号而计算得到碳排放数据是否可用并输出至监控中心,并在误差度大于第三阈值的时候重新获取碳排放数据,从而保证监控中心制定的低碳发展方案的有效性。
附图说明
图1为本发明工业园区碳排放计算方法的流程示意图。
图2为本发明提供的状态监测单元的电路原理示意图。
图3为本发明工业园区碳排放计算系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供一种新的技术方案:一种工业园区碳排放计算方法,所述计算方法具体包括以下步骤:
S1、获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较输出第一比较结果。
具体地,获取工业园区内涉及到生产及其相关的碳排放数据,所述碳排放数据是碳排放模型根据碳含量检测仪器检测得到多种信号计算得到的,多种信号的采集周期可为每天采集,所述多种信号包括CO2、N2O、CH4等信号,并在采集到后输入至碳排放模型,其中采集周期可根据实际情况具体设置,如可设置为每小时或每天,而碳排放预测模型按照固定频率输出的预测的碳排放数据,则将碳排放数据与碳排放模型的预测数据进行比较从而输出第一比较结果。
进一步地,所述获取工业园区内的碳排放数据,包括:
所述碳排放数据包括化石燃烧碳数据、电力消耗碳数据和热力消耗碳数据,所述碳排放数据基于碳含量检测仪器与碳排放模型得到。
具体地,所述碳排放数据包括但不限于化石燃烧碳数据、电力消耗碳数据,所述化石燃烧碳数据是指核算和报告期内在公共建筑和企业运营过程中的化石燃料燃烧产生的CO2,、CH4、N2O等的排放量,所述电力消耗碳数据是指核算和报告期内在公共建筑运营和企业运营过程中电力消耗产生的CO2排放量和在热力消耗产生的CO2排放量,所述热力消耗碳数据指核算和报告期内在公共建筑运营和企业运营过程中电力消耗产生的CO2排放量和在热力消耗产生的CO2排放量,所述碳排放数据是基于碳含量检测仪器检测得到多种信号,所述多种信号输出至所述碳排放模型计算得到的,所述碳含量检测仪器包括光谱分析仪、传感器、碳排放监测仪、大气样本采集器、雾霾传感器、显微镜、风俗传感器以及气体分析仪等,所述传感器包括但不限于二氧化碳传感器、甲烷传感器、氮氧化物传感器;
所述碳排放模型在计算化石燃烧碳数据、电力消耗碳数据和热力消耗碳数据所分别用到的计算公式为:
式中,CEVi、CEVElec、CEVHeat分别为燃料i燃烧、电力、热力产生的碳排放;ADi为燃料i的活动水平;Coni、、/>分别为燃料、电力、热力消耗量;CVi为燃料i的平均低位发热值;EFi,j、EFElec,j、EFHeat,j分别为燃料i燃烧、电力和热力产生温室气体j的排放因子;GWPj为温室气体j的碳排放二氧化碳当量;/> 、/>分别为燃料i的单位热值含碳量和燃料碳氧化率;MCO2、MC分别为二氧化碳和碳的摩尔质量;EFi,CH4,Heat、EFi,N2O,Heat分别为甲烷、一氧化二氮基于热值的排放因子;HVi为基于重量或体积的热值;j的取值为CO2、CH4和N2O,代表二氧化碳、甲烷和一氧化二氮,当j表示二氧化碳时,EFi,j为EFi,CO2,当j表示甲烷时,EFi,j为EFi,CH4,当j表示一氧化二氮时,EFi,j为EFi,N2O。
所述光谱分析仪可以对部分碳排放数据进行测量,但是在所述光谱分析仪湿度超过阈值的情况下有可能出现分析不准确的问题,还有可能导致光谱分析仪内部的电路板出现短路而无法工作的问题,故进一步地:
所述碳含量检测仪器包括光谱分析仪,在光谱分析仪检测碳排放数据时启动状态监测单元,所述状态监测单元基于光谱分析仪所处的环境湿度与其工作时长而对光谱分析仪的工作电流进行监测并输出提醒信号至监控中心。
具体地,如图2所示,所述光谱分析仪内置状态监测单元和控制单元,所述提醒信号包括第一提醒信号和第二提醒信号,所述控制单元用于检测光谱分析仪的工作时长并输出时长信号,所述状态监测单元利用湿度传感器U1来检测光谱分析仪所处的环境的湿度信号,其中湿度传感器U1可采用型号类似为HX71的湿度传感器进行使用,所述湿度信号经电阻R9传输至运放器U1B上,运放器U1B将湿度信号与正极性电源VCC经电阻R7提供的湿度上限信号进行比较,若是运放器U1B将三极管Q1导通时,表明此时光谱分析仪所处的环境的湿度已经超过了光谱分析仪的湿度上限,此时易引起光谱分析仪的短路,则此时三极管Q1经二极管D2输出比较信号至与门U1A上的2引脚上,所述与门U1A的1引脚还接收经二极管D1传输过来的控制单元输出的时长信号,所述时长信号为低电平时,则表示所述光谱分析仪的连续工作时长较短,而当所述时长信号为高电平时,则表示所述光谱分析仪的连续工作时长较长,当与门U1A将比较信号与时长信号进行与运算后通过非门U2A将二极管D4导通时,表明此时的光谱分析仪要么处于较高的湿度环境下工作要么连续工作时长较长,对于光谱分析仪检测到的碳排放数据有影响的风险,则此时二极管D4输出第一提醒信号经开关S2输出至监控平台上,所述监控平台在接收到第一提醒信号后提醒需对光谱分析仪的所处的环境进行处理,否则影响到碳排放模型计算得到的碳排放数据的准确性和有效性,其中与门U1A可为型号为74LS08中包含的一组与门引脚,也可选用其他实现了与门作用的芯片,而当与门U1A将二极管D3导通时,则表明此时的光谱分析仪在湿度较大的环境中连续工作了较长时间,则此时二极管D3通过电阻R11、电容C3延时将晶闸管Q2导通,晶闸管Q2将电流传感器U2检测到的光谱分析仪内的电路板的工作电流而输出电流信号,其中电流传感器U2可采用型号类似为AHKC-EKB的电流传感器进行使用,则电流信号经电阻R8分为两路进行传输,一路传输至运放器U3B上,运放器U3B将电流信号与正极性电源VCC经电阻R10输出的电流上限信号进行比较,若运放器U3B将二极管D6导通,则表明电路板的工作电流超过了电流上限,则电路板有因为湿度太大引起短路的风险,而另一路电流信号也分为两路,其中一路直接传输至运放器U2B的同相端上,而另一路经电阻R12、电容C1进行延时后传输至运放器U2B的反相端上,运放器U2B输出两路电流信号的差值信号,此差值信号的幅值即为在长时间的湿度较大的环境下工作电流的变化值,若差值信号将二极管D5导通,则表明此时的电流变化太大,则此时不仅有电路板因为湿度太大引起短路的风险,还影响到碳排放模型计算得到的碳排放数据的准确性和有效性,则二极管D6、二极管D5、电阻R3组成的或门电路进行或运算输出第二提醒信号,所述第二提醒信号将继电器K1导通,继电器K1令其引脚开关S1闭合,令引脚开关S2断开,则开关S1将第二提醒信号输出至监控平台。
进一步地,所述基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较后输出第一比较结果,包括:
所述碳排放预测模型为工业园区预置的,并按固定频率基于工业园区数据输出预测数据,若基于碳排放数据与预测数据得的第一差值大于第一阈值,则输出第一比较结果。
具体地,所述工业园区预置碳排放模型和碳排放预测模型,所述碳排放模型可根据所述碳含量检测仪器计算得到的多种信号根据公式(1)-(7)计算得到准确的碳排放数据,所述碳排放预测模型根据工业园区数据按照固定频率去预测未来一段时间内工业园区可产生的碳排放数据,则碳排放预测模型输出的碳排放数据则为预测数据,所述碳排放预测模型为训练好的神经网络模型,碳排放预测模型的训练属于现有技术,所述工业园区数据基于历年的碳排放数据得到,若工业园区内的企业的数量、生产任务、公共建筑较历年有所增加或减少,则将历年的碳排放数据按照增加或减少的比例进行相应地调整,即若工业园区内的企业的数量、生产任务、公共建筑较历年有所增加,则工业园区数据也较历年按照增加的比例有所增加,否则得到的工业园区数据按照减少的比例则有所减少,而若工业园区内的企业的数量、生产任务、公共建筑较历年并未有所增加或减少,则工业园区数据即为历年的碳排放数据,所述固定频率可根据实际情况进行具体设置,如按照每周或每月或者每年的频率进行设置,基于所述碳排放数据与所述预测数据进行减法运算得到两者第一差值,其中第一阈值的具体数值可根据情况具体设置,若是第一差值小于第一阈值,则表明碳排放数据与预测数据之间相差不大,则此时的碳排放数据的准确性可以保证,则此时的碳排放数据输出至监控中心,所述监控中心根据碳排放数据为工业园区提供多种且可实施的低碳发展方案,若是第一差值大于第一阈值,则表明碳排放数据与预测数据之间相差较大,则需要对所述碳含量检测仪器进行判断,观察是否有碳含量检测仪器并未有信号输出至碳排放模型中进行计算,则将此时的第一差值作为第一比较结果。
S2、基于所述碳排放数据与历史数据进行比较,输出第二比较结果。
具体地,将所述碳排放数据与历史数据进行比较,所述历史数据为所述工业园区在本年度的已经采集到的每月的碳排放数据的平均值,而若本月的企业的数量、生产任务、公共建筑较本年度本月之前的月份的平均值有所增加,则在本月的碳排放数据也应按比例地增加,假设本月的企业的数量的数值为2,但企业的数量的数值在本年度本月之前的月份的平均值为1,则相应的本月的碳排放数据应较历史数据增大100%,则所述碳排放数据较历史数据的(1+应增长比例)倍进行比较,而若企业的数量的数值为1,较本年度本月之前的月份的平均值1没有增加,则本月的碳排放数据等同于历史数据,则应增长比例为0,则若碳排放数据大于历史数据,则计算碳排放数据大于历史数据之间的第二差值,若第二差值大于第二阈值,则表明此时的碳排放数据与历史数据之间相差较大,则将第二差值作为第二比较结果。
S3、基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
具体地,基于所述第一比较结果与第二比较结果进行计算,并对第一比较结果与第二比较结果赋予不同的占比,故基于第一比较信号与其对应的占比的乘积与第二比较信号与其对应的占比的乘积计算得到误差度,根据误差度的大小,输出误差度至监控中心,监控中心根据误差度决定是否采用本月的碳排放数据来制定相应的低碳发展方案。
进一步地,所述基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,包括:
所述误差度基于所述第一比较结果与所述第二比较结果计算得到,且所述第一比较结果与所述第二比较结果分别对应的占比不同。
具体地,所述误差度经第一比较结果与其对应占比的乘积加上第二比较结果与其对应占比的乘积得到,用公式表示为:D=mA+nB,其中D为误差度,A为第一比较结果,B为第二比较结果,由于碳排放数据是经碳排放模型进行计算得到的,故历史数据较碳排放预测模型输出的预测数据的有效性的低,故对于两者而赋予不同的占比,即m>n,且m+n=1,此时的误差度更能表示是预测数据或是历史数据的对其的影响,根据误差度的大小输出误差度至监控中心。
进一步地,所述基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,包括:
所述误差度大于第三阈值,则重新获得碳排放数据。
具体地,基于所述误差度是一个具体的数值,针对所述误差度设置第三阈值,若所述误差度小于第三阈值,则所述碳排放数据还可进行使用,只是在预测数据或历史数据附近上下波动使得而若所述误差度大于了第三阈值,则表明此时的碳排放数据会影响到监控中心所制定的低碳发展方案的有效性,则将此时的碳排放模型所输出的碳排放数据舍弃,重新检查所有的所述碳含量检测仪器所检测到的多种信号的有效性与准确性,并对工业园区内的企业数量、公共建筑以及生产任务进行核对,从而保证得到的碳排放数据的真实有效性,避免影响到制定的低碳发展方案的可实施性。
本发明还提供了一种工业园区碳排放计算系统,如图3所示,所述计算系统具体包括:
初次比较模块,用于获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较输出第一比较结果;
再次比较模块,用于基于所述碳排放数据与历史数据进行比较,输出第二比较结果;
输出结果模块,用于基于第一比较结果与第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
所述初次比较模块,具体用于:
所述碳排放数据包括化石燃烧碳数据、电力消耗碳数据,所述碳排放数据基于碳含量检测仪器与碳排放模型得到。
所述初次比较模块,更具体用于:
所述碳含量检测仪器包括光谱分析仪,在光谱分析仪检测碳排放数据时启动状态监测单元,所述状态监测单元基于光谱分析仪所处的环境湿度与其工作时长而对光谱分析仪的工作电流进行监测并输出提醒信号至监控中心,所述状态监测单元的具体结构为:
所述状态监测单元包括电阻R9,电阻R9的一端连接湿度传感器U1的out引脚,电阻R9的另一端与运放器U1B的同相端相连接,运放器U1B的反相端与电阻R7的一端,运放器U1B的输出端与电阻R4的一端相连接,电阻R4的另一端连接三极管Q1的基极,三极管Q1的集电极分别连接电阻R2的一端、二极管D2的正极,电阻R2的另一端分别连接电阻R7的另一端、湿度传感器U1的vcc引脚、电流传感器U2的vcc引脚、电阻R10的一端并连接正极性电源VCC,三极管Q1的发射极与电阻R15的一端相连接,二极管D2的负极连接与门U1A的2引脚,与门U1A的1引脚与二极管D1的正极相连接,二极管D1的负极连接控制单元,与门U1A的输出端分别连接二极管D3的正极、非门U2A的输入端,非门U2A的输出端与二极管D4的正极相连接,二极管D4的负极与开关S2的一端相连接,二极管D3的负极连接电阻R11的一端,电阻R11的另一端连接电容C3的一端、晶闸管Q2的控制极,晶闸管Q2的阳极与电流传感器U2的out引脚相连接,晶闸管Q2的阴极与电阻R8的一端相连接,电阻R8的另一端分别连接电阻R12的一端、电阻R5的一端、运放器U2B的同相端、运放器U3B的同相端,运放器U3B的反相端连接电阻R10的另一端,电阻R12的另一端分别连接电容C1的一端、电阻R1的一端、运放器U2B的反相端,运放器U2B的输出端与二极管D5的正极相连接,二极管D5的负极分别连接电阻R3的一端、二极管D6的负极、电阻R6的一端,二极管D6的正极连接运放器U3B的输出端,电阻R6的另一端分别连接继电器K1的一端、开关S1的一端,开关S1的另一端分别连接开关S2的另一端、监控平台,继电器K1的另一端分别连接电阻R3的另一端、电阻R5的另一端、电阻R15的另一端、电容C3的另一端、电容C1的另一端、湿度传感器U1的gnd引脚、电流传感器U2的gnd引脚并连接地。
所述初次比较模块,还具体用于:
所述碳排放预测模型为工业园区预置的,并按固定频率基于工业园区数据输出预测数据,若基于碳排放数据与预测数据得到的第一差值大于第一阈值,则输出第一比较结果。
所述输出结果模块,具体用于:
所述误差度基于所述第一比较结果与所述第二比较结果计算得到,且所述第一比较结果与所述第二比较结果分别对应的占比不同。
所述输出结果模块,还具体用于:
所述误差度大于第三阈值,则重新获得碳排放数据。
本申请实施例提供的工业园区碳排放计算系统能够实现上述工业园区碳排放计算方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种工业园区碳排放计算方法,其特征在于:所述计算方法具体包括以下步骤:
获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较输出第一比较结果;
基于所述碳排放数据与历史数据进行比较,输出第二比较结果;
基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
2.根据权利要求1所述的工业园区碳排放计算方法,其特征在于:所述获取工业园区内的碳排放数据,包括:
所述碳排放数据包括化石燃烧碳数据、电力消耗碳数据和热力消耗碳数据,所述碳排放数据基于碳含量检测仪器与碳排放模型得到。
3.根据权利要求2所述的工业园区碳排放计算方法,其特征在于:
所述碳含量检测仪器包括光谱分析仪,在光谱分析仪检测碳排放数据时启动状态监测单元,所述状态监测单元基于光谱分析仪所处的环境湿度与其工作时长而对光谱分析仪的工作电流进行监测并输出提醒信号至监控中心。
4.根据权利要求1所述的工业园区碳排放计算方法,其特征在于:所述基于所述碳排放数据与碳排放预测模型输出的预测数据进行比较后输出第一比较结果,包括:
所述碳排放预测模型为工业园区预置的,并按固定频率基于工业园区数据输出预测数据,若基于碳排放数据与预测数据得到的第一差值大于第一阈值,则输出第一比较结果。
5.根据权利要求1所述的工业园区碳排放计算方法,其特征在于:所述基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,包括:
所述误差度基于所述第一比较结果与所述第二比较结果计算得到,且所述第一比较结果与所述第二比较结果分别对应的占比不同。
6.根据权利要求1所述的工业园区碳排放计算方法,其特征在于:所述基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,包括:
所述误差度大于第三阈值,则重新获得碳排放数据。
7.一种工业园区碳排放计算系统,其特征在于:所述计算系统具体包括:
初次比较模块,用于获取工业园区内的碳排放数据,基于所述碳排放数据与碳排放预测模型的预测数据进行比较输出第一比较结果;
再次比较模块,用于基于所述碳排放数据与历史数据进行比较,输出第二比较结果;
输出结果模块,用于基于所述第一比较结果与所述第二比较结果输出碳排放数据的误差度,并输出误差度至监控中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410266636.4A CN117852779B (zh) | 2024-03-08 | 一种工业园区碳排放计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410266636.4A CN117852779B (zh) | 2024-03-08 | 一种工业园区碳排放计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117852779A true CN117852779A (zh) | 2024-04-09 |
CN117852779B CN117852779B (zh) | 2024-07-09 |
Family
ID=
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112964656A (zh) * | 2021-02-05 | 2021-06-15 | 郎溪杰博电器科技有限公司 | 一种自动光谱分析仪控制系统 |
CN113095678A (zh) * | 2021-04-13 | 2021-07-09 | 中山大学 | 一种碳排放配额分配技术的数据质量评价方法 |
CN113312413A (zh) * | 2021-07-29 | 2021-08-27 | 国网浙江省电力有限公司营销服务中心 | 基于电力大数据的企业碳排放异常监测方法 |
CN115186983A (zh) * | 2022-06-06 | 2022-10-14 | 浪潮通信信息系统有限公司 | 一种基于能耗在线监测的碳排放自动核算系统 |
CN115660918A (zh) * | 2022-09-20 | 2023-01-31 | 浙江工业大学 | 一种工业园区碳排放计算及预测方法 |
CN115878938A (zh) * | 2022-12-08 | 2023-03-31 | 合肥工业大学 | 基于云边协同的水泥企业碳排放智能感知计算方法和系统 |
CN116739411A (zh) * | 2023-05-12 | 2023-09-12 | 武汉钢铁有限公司 | 一种数据质量检测方法、装置、设备和介质 |
CN116862741A (zh) * | 2023-07-25 | 2023-10-10 | 杭州超腾能源技术股份有限公司 | 一种工业园区碳排放的智能监测方法及系统 |
CN116933983A (zh) * | 2023-09-19 | 2023-10-24 | 江西财经大学 | 一种低碳排放数据监测系统及方法 |
CN117151329A (zh) * | 2023-08-22 | 2023-12-01 | 广西电网有限责任公司 | 一种考虑碳排放强度预测方法、装置、设备及存储介质 |
CN117237160A (zh) * | 2023-08-24 | 2023-12-15 | 中铁二院工程集团有限责任公司 | 一种企业碳排放核算方法及系统 |
CN117277436A (zh) * | 2023-09-20 | 2023-12-22 | 广东电网有限责任公司广州供电局 | 一种基于碳排放的电网电量供给消耗测算方法 |
CN117634693A (zh) * | 2023-12-06 | 2024-03-01 | 国网天津市电力公司电力科学研究院 | 一种基于能源数据的碳排放预测方法 |
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112964656A (zh) * | 2021-02-05 | 2021-06-15 | 郎溪杰博电器科技有限公司 | 一种自动光谱分析仪控制系统 |
CN113095678A (zh) * | 2021-04-13 | 2021-07-09 | 中山大学 | 一种碳排放配额分配技术的数据质量评价方法 |
CN113312413A (zh) * | 2021-07-29 | 2021-08-27 | 国网浙江省电力有限公司营销服务中心 | 基于电力大数据的企业碳排放异常监测方法 |
CN115186983A (zh) * | 2022-06-06 | 2022-10-14 | 浪潮通信信息系统有限公司 | 一种基于能耗在线监测的碳排放自动核算系统 |
CN115660918A (zh) * | 2022-09-20 | 2023-01-31 | 浙江工业大学 | 一种工业园区碳排放计算及预测方法 |
CN115878938A (zh) * | 2022-12-08 | 2023-03-31 | 合肥工业大学 | 基于云边协同的水泥企业碳排放智能感知计算方法和系统 |
CN116739411A (zh) * | 2023-05-12 | 2023-09-12 | 武汉钢铁有限公司 | 一种数据质量检测方法、装置、设备和介质 |
CN116862741A (zh) * | 2023-07-25 | 2023-10-10 | 杭州超腾能源技术股份有限公司 | 一种工业园区碳排放的智能监测方法及系统 |
CN117151329A (zh) * | 2023-08-22 | 2023-12-01 | 广西电网有限责任公司 | 一种考虑碳排放强度预测方法、装置、设备及存储介质 |
CN117237160A (zh) * | 2023-08-24 | 2023-12-15 | 中铁二院工程集团有限责任公司 | 一种企业碳排放核算方法及系统 |
CN116933983A (zh) * | 2023-09-19 | 2023-10-24 | 江西财经大学 | 一种低碳排放数据监测系统及方法 |
CN117277436A (zh) * | 2023-09-20 | 2023-12-22 | 广东电网有限责任公司广州供电局 | 一种基于碳排放的电网电量供给消耗测算方法 |
CN117634693A (zh) * | 2023-12-06 | 2024-03-01 | 国网天津市电力公司电力科学研究院 | 一种基于能源数据的碳排放预测方法 |
Non-Patent Citations (1)
Title |
---|
黄英等: "《传感器原理及应用》", 30 April 2016, 合肥工业大学出版社, pages: 224 - 226 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112289385B (zh) | 大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法 | |
CN113406505A (zh) | 一种燃料电池的剩余寿命预测方法及装置 | |
CN116187613B (zh) | 一种基于大数据的碳排放流实时监测系统及其方法 | |
CN116432833A (zh) | 一种基于数字孪生的碳排放协同预测方法 | |
CN102445473B (zh) | 一种空气监测与分析方法及系统 | |
CN117852779B (zh) | 一种工业园区碳排放计算方法及系统 | |
CN115271994A (zh) | 基于数字孪生的电力行业碳排放监控方法及装置 | |
CN117852779A (zh) | 一种工业园区碳排放计算方法及系统 | |
CN109376501A (zh) | 一种发电锅炉燃煤碳氧化因子在线软测量方法 | |
CN117630283A (zh) | 燃煤发电企业在线碳排放监测方法与系统 | |
CN117172419A (zh) | 一种火电厂节能减排效果的测定方法 | |
CN115660507B (zh) | 一种地区电力的负荷智能检测方法及系统 | |
CN115564106B (zh) | 一种基于电力数据的碳排放测算方法 | |
CN116485079A (zh) | 数字化精益碳排放核算方法、装置、设备及存储介质 | |
CN116579675A (zh) | 一种基于大数据的智慧碳排放监测平台 | |
CN116371164A (zh) | 低温等离子废气处理系统及方法 | |
CN202330349U (zh) | 一种空气监测与分析系统 | |
CN110322015B (zh) | 车检数据生成方法 | |
CN111625773B (zh) | 基于可信性测度的计量回路电流测量异常评估方法及装置 | |
CN114611827A (zh) | 社区电碳因子计算及预测方法 | |
CN112985581B (zh) | 一种重型施工机械设备碳排放量的实时监测方法及系统 | |
Avanzato et al. | Gas Values Prediction and Forecast Techniques Based on DL Models | |
CN115312809B (zh) | 一种燃料电池一致性预测模型的建立方法 | |
CN116068128A (zh) | 一种生物质气化耦合机组co2在线监测计量系统及方法 | |
CN211293672U (zh) | 一种燃气分布式能源服务站排放检测系统 |
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 |