KR102603384B1 - 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 - Google Patents
온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 Download PDFInfo
- Publication number
- KR102603384B1 KR102603384B1 KR1020230074348A KR20230074348A KR102603384B1 KR 102603384 B1 KR102603384 B1 KR 102603384B1 KR 1020230074348 A KR1020230074348 A KR 1020230074348A KR 20230074348 A KR20230074348 A KR 20230074348A KR 102603384 B1 KR102603384 B1 KR 102603384B1
- Authority
- KR
- South Korea
- Prior art keywords
- greenhouse gas
- parameter
- calculating
- gas emissions
- type
- Prior art date
Links
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 78
- 230000000694 effects Effects 0.000 claims abstract description 54
- 239000000446 fuel Substances 0.000 claims abstract description 49
- 239000002994 raw material Substances 0.000 claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims description 11
- 230000003647 oxidation Effects 0.000 claims description 8
- 238000007254 oxidation reaction Methods 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 9
- 229910052799 carbon Inorganic materials 0.000 abstract description 9
- 238000004056 waste incineration Methods 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 22
- 229910002092 carbon dioxide Inorganic materials 0.000 description 11
- 239000001569 carbon dioxide Substances 0.000 description 11
- 230000005611 electricity Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000003502 gasoline Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 229910018503 SF6 Inorganic materials 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- -1 electricity Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 239000001272 nitrous oxide Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 2
- 229960000909 sulfur hexafluoride Drugs 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000242757 Anthozoa Species 0.000 description 1
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 탄소배출시설의 단위 연료 사용량, 단위 제품 생산량, 단위 원료 사용량, 단위 폐기물 소각량 또는 처리량 등 단위 활동자료당 발생하는 온실가스의 배출량을 나타내는 탄소배출 계수를 비교적 정확한 산출근거에 의해 산정 및 추론을 자동화하는 할 수 있는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법에 관한 것이다.
Description
본 발명은 온실가스 배출량 산출을 위한 적정 배출계수 산정하고 이를 이용하여 온실가스 배출량을 산출하는 기술에 관한 것으로, 더욱 상세하게는 탄소배출시설의 단위 연료 사용량, 단위 제품 생산량, 단위 원료 사용량, 단위 폐기물 소각량 또는 처리량 등 단위 활동자료당 발생하는 온실가스의 배출량을 나타내는 탄소배출 계수를 비교적 정확한 산출근거에 의해 산정 및 추론을 자동화하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법에 관한 것이다.
세계적으로 산업화가 진행되며 화석 연료의 사용이 증가하였고 그에 따라 탄소가 이산화탄소로 변해 배출되는 양도 증가하였다. 하지만 이산화탄소를 흡수하는 나무나 산호 등은 오히려 줄어들면서 균형이 깨졌고 공기 중에 있는 이산화탄소의 양이 계속 증가하고 있다
예를 들면, 인간이 소비하는 전력은 지금도 빠른 속도로 늘어나고 있고, 우리가 사용하는 전력의 많은 부분은 아직 화력 발전소에 의지한다. 화력 발전소는 엄청난 양의 이산화탄소를 배출하는데, 미국의 이산화탄소 배출량 중 40%가 전력 생산 때문에 발생한다고 밝혀진 바 있으며, 화력 발전은 그 중 93%를 차지한다.
또한, 자동차를 비롯한 교통 수단의 가솔린 연소로 인한 이산화탄소 배출도 무시할 수 없다. 미국의 이산화탄소 배출량 중 33%는 가솔린을 사용하는 자동차로 인해 발생하였고 요즈음에 이르러서는 전기 자동차를 비롯한 다양한 대체 원료를 활용하는 자동차들이 연구되고 시판되기도 하였지만 여전히 가솔린을 사용하는 자동차의 비율이 압도적으로 많다.
이와 같이 대량 배출되는 이산화탄소(CO2)는, 정화되지 못한 채, 대기중에 잔류하며, 온실효과를 증폭시킴에 따라, 지구온난화 현상을 유발하며 지구온난화로 인해 집중호우나 폭설, 폭염 등의 기상현상 또한 이 자주 발생되고 있다. 참고로, 온실가스란 적외선 복사열을 흡수하거나 재방출하여 온실효과를 유발하는 가스 상태의 물질로서 기본법 제2조제9호에서 정하고 있는 이산화탄소(CO2), 메탄(CH4), 아산화질소(N2O), 수소불화탄소(HFCs), 과불화탄소(PFCs), 육불화황(SF6)을 말한다.
하지만, 이와 같이, 지구온난화의 영향으로 환경파괴가 매우 심각하게 진행되고 있음에도 불구하고, 대다수의 일반인들은 이러한 상황에 대하여, 교육기관 내지 언론매체 등의 보도를 통해 단순히 인지하고 있는 정도에 불과하다.
한편, 온실가스 배출이란 사람의 활동에 수반하여 발생하는 온실가스를 대기 중에 배출, 방출 또는 누출시키는 직접 배출과 외부로부터 공급된 전기 또는 열(연료 또는 전기를 열원으로 하는 것만 해당한다)을 사용함으로써 온실가스가 배출되도록 하는 간접 배출을 말한다. 온실가스 간접배출이란 할당대상업체가 외부로부터 공급된 전기 또는 열(연료 또는 전기를 열원으로 하는 것만 해당한다)을 사용함으로써 발생하는 온실가스 배출을 말한다.
기업의 온실가스 배출량은 제3자 검증 프로세스를 통해 해당 방법론 및 값의 적정성에 대하여 검증을 받아야 한다. 그러므로 배출량 산정에 필요한 적정 매개변수 적용이 온실가스 배출량 산출에 있어서 매우 중요한 역할을 한다.
배출량 산정에 적용할 수 있는 계수가 정의되지 않았다면, 신청자가 제시한 계수에 대하여 합리적인 추론을 통해 유효성을 인정 받아야 하는데, 관련 내용에 대한 낮은 이해도와 복잡성으로 인해 잘못된 매개변수를 적용하는 경우가 많으며, 이로 인해 검증에 대한 시간/비용 손실이 발생하는 문제가 있다.
본 발명이 해결하고자 하는 과제는 탄소배출시설의 단위 연료 사용량, 단위 제품 생산량, 단위 원료 사용량, 단위 폐기물 소각량 또는 처리량 등 단위 활동자료당 발생하는 온실가스의 배출량을 나타내는 탄소배출 계수를 비교적 정확한 산출근거에 의해 산정 및 추론을 자동화하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치를 제공하는 것이다.
본 발명의 일 실시예에 따른 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치는 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(Tier)별로 분류된 제1 DB와, 상기 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 상기 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된 제2 DB와, 대상기업에 대한 배출활동 유형 및 시설규모 유형을 기초로 상기 산정등급을 지정하는 결정기 및 상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수에 대한 특징을 분석하고, 상기 제1 매개변수 및 상기 제2 매개변수에 지정된 유형코드를 탐색하기 위한 탐색코드를 상기 분석된 매개변수의 특징에 지정하는 분석기를 포함할 수 있다.
상기 제1 매개변수 및 제2 매개변수는, 상기 활동자료, 배출계수, 발열량, 산화율을 포함하고, 상기 활동자료는, 연료 사용량, 제품 생산량, 원료 사용량을 포함할 수 있다.
상기 결정기에서 지정된 산정등급과 상기 탐색코드에 기초하여 상기 제1 DB를 우선하여 상기 유형코드를 탐색하고, 상기 탐색된 유형코드에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스 배출량을 산출하는 계산기를 더 포함할 수 있다.
상기 제2 DB에 저장된 상기 제2 매개변수는 서로 다른 적어도 두 개의 유형코드가 지정될 수 있다.
상기 계산기는, 상기 탐색코드를 통해 탐색된 상기 제2 매개변수에 두 개 이상의 유형코드가 지정된 경우, 복수의 유형코드에 대한 배출계수의 평균 값을 상기 알고리즘에 적용하여 온실가스 배출량을 산출할 수 있다.
상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료는, 제품 유형, 규격, 연료, 자재 등의 정보를 포함하되, 표준으로 규정되지 않은 비정형데이터일 수 있다.
본 발명의 다른 실시예에 따른 온실가스 배출량 산출 방법은 구축기가 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(Tier)별로 분류된 제1 DB와, 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 상기 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된 제2 DB를 구축하는 단계와, 결정기가 대상기업에 대한 배출활동 유형 및 시설규모 유형을 기초로 상기 산정등급을 지정하는 단계와, 분석기가 상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수에 대한 특징을 분석하고, 각 특징에 상기 제1 DB 또는 제2 DB에서의 유형코드를 탐색하기 위한 탐색코드를 지정하는 단계 및 계산기가 상기 결정기에서 지정된 산정등급과 상기 탐색코드에 기초하여 상기 제1 DB를 우선하여 상기 유형코드를 탐색하고, 상기 탐색된 유형코드에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스 배출량을 산출하는 단계를 포함할 수 있다.
상기 제1 매개변수 및 제2 매개변수는, 상기 활동자료, 배출계수, 발열량, 산화율을 포함하고, 상기 활동자료는, 연료 사용량, 제품 생산량, 원료 사용량을 포함할 수 있다.
상기 제2 DB에 저장된 어느 하나의 제2 매개변수는 서로 다른 적어도 두 개의 유형코드가 지정될 수 있다.
상기 계산기는, 상기 탐색코드를 통해 탐색된 상기 제2 매개변수에 두 개 이상의 유형코드가 지정된 경우, 복수의 유형코드에 대한 배출계수의 평균 값을 상기 알고리즘에 적용하여 온실가스 배출량을 산출할 수 있다.
상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료는, 제품 유형, 규격, 연료, 자재 등의 정보를 포함하되, 표준으로 규정되지 않은 비정형데이터일 수 있다.
본 발명의 실시예에 의하면 배출량 산정에 적용할 수 있는 계수가 없더라도 합리적인 추론을 통해 유효성을 인정받을 수 있다.
본 발명의 실시예에 의하면 온실가스 배출량 계산에 대한 낮은 이해도와 복잡성으로 인해 잘못된 매개변수를 적용하는 경우를 사전에 해소하여 검증에 대한 시간/비용 손실을 방지할 수 있다.
본 발명의 실시예에 의하면, 탄소배출시설의 단위 연료 사용량, 단위 제품 생산량, 단위 원료 사용량, 단위 폐기물 소각량 또는 처리량 등 단위 활동자료당 발생하는 온실가스의 배출량을 나타내는 탄소배출 계수를 비교적 정확한 산출근거에 의해 산정 및 추론을 자동화할 수 있다.
도 1은 본 발명의 실시예1에 따른 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치를 예시한 개략도이다.
도 2는 도 1에 도시된 장치의 구성을 나타낸 블록도이다.
도 3 및 도 4는 도 1에 예시된 제1 DB 및 제2 DB의 예시를 나타낸 도면이다.
도 5는 실시예2에 따른 온실가스 배출량 산정 방법을 나타낸 흐름도이다.
도 2는 도 1에 도시된 장치의 구성을 나타낸 블록도이다.
도 3 및 도 4는 도 1에 예시된 제1 DB 및 제2 DB의 예시를 나타낸 도면이다.
도 5는 실시예2에 따른 온실가스 배출량 산정 방법을 나타낸 흐름도이다.
이하 본 발명의 몇 가지 실시예들을 도면을 이용하여 상세히 설명한다. 다만 이것은 본 발명을 어느 특정한 실시예에 대해 한정하려는 것이 아니며 본 발명의 기술적 사상을 포함하는 모든 변형(transformations), 균등물(equivalents) 및 대체물(substitutions)은 본 발명의 범위에 포함되는 것으로 이해되어야 한다.
본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서 어느 한 구성이 어떤 서브 구성을 "구비(have)" 또는 "포함(comprise)" 한다고 기재한 경우, 특별히 반대되는 기재가 없는 한 다른(other) 구성을 제외하는 것이 아니라 다른 구성을 더 포함할 수도 있음을 의미한다.
본 명세서에서 "...유닛(Unit)", "...모듈(Module)" 및 "컴포넌트(Component)"의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수도 있다.
본 명세서에서 “연결된다(connect)”라고 기재한 것은 두 개의 구성요소가 직접 연결됨을 의미할 수도 있지만 반드시 이에 한정될 것은 아니고 구성요소 사이에 배치된 하나 이상의 다른 구성요소를 경유하여 연결됨을 의미할 수도 있다.
<실시예1>
실시예1은 대상기업(10)으로부터 입력받은 데이터를 분석하여 온실가스 배출량을 산출하기 위한 대상기업(10)의 데이터를 분석하여 매개변수의 적정 배출계수를 비교적 정확한 산출 근거에 기반하여 자동으로 선정하고, 선정된 매개변수의 배출계수에 기반하여 산출된 검증 보고서를 통한 적합성 평가를 통해 배출량을 인증받게 도와주는 기술에 관한 것이다.
설명의 편의를 위해 이하에서 사용되는 용어의 정의 및 배출량 산정 과정을 간략히 설명하기로 한다.
배출량 인증이란 할당대상기업이 제출한 명세서를 최종 검토하여 온실가스 배출량을 확정하는 것을 의미한다.
적합성 평가란 할당대상업체에서 제출한 명세서와 검증보고서를 활용하여 배출량 산정 결과의 적합성을 평가하는 과정을 의미한다.
매개변수란 두개 이상 변수 사이의 상관관계를 나타내는 변수로써 온실가스 배출량 등을 산정하는 데 필요한 활동자료, 배출계수, 발열량, 산화율, 탄소함량 등을 의미한다. 본 실시예에서 매개변수는 기본적으로 생산 제품(이하 활동자료 참고, 예를 들면 노트북)을 예로 들어 설명하기로 한다.
산화율이란 단위 물질당 산화되는 물질량의 비율을 의미한다.
순발열량이란 일정 단위의 연료가 완전 연소되어 생기는 열량에서 연료 중 수증기의 잠열을 뺀 열량으로써 온실가스 배출량 산출에 활용되는 발열량을 의미한다.
활동자료란 사용된 에너지야, 연료의 양, 원료의 양, 생산 제품, 제공된 제품 및 서비스의 양, 폐기물 처리량 등 온실가스 배출량 등의 산정에 필요한 정량적인 측정결과를 의미한다.
배출계수란 해당 배출시설의 단위 제품 생산량, 단위 원료 사용량, 단위 폐기물 소각량 또는 처리량 등 단위 활동자료당 발생하는 온실가스 배출량을 나타내는 계수(係數)를 의미한다.
예를 들면, 노트북A 제품을 생산하게 되면, 노트북 제조에 사용된 연료, 노트북에 포함된 부품의 원료 등에 대해 검증된 배출계수를 이용하여 온실가스 배출량을 산출하게 된다. 서로 다른 제품인 노트북A, 노트북B는 사용된 연료, 노트북에 포함된 부품의 원료 등이 다를 수 있기 때문에 적용된 배출계수가 다를 수 있다.
참고로, 연료, 원료 등에 대해 검증된 배출계수는 한국환경산업기술원의 LCI(Life Cycle Inventory) 데이터베이스에 미리 규정되어 있을 수 있다. 이와 같은 배출계수는 국가별로 다르게 적용될 수 있으며, 대상기업(10)의 배출활동 유형 또는 시설규모에 따라서 배출계수의 기준이 다르게 적용될 수 있다.
예를 들면, 대상기업(10)A에 대한 산정등급(Tier)에 따라 국가A에서 규정된 배출계수를 사용해야 할 수도 있고, 국가B에서 규정된 배출계수를 사용해야할 수도 있다. 또한, 대상기업(10)A에 대한 산정등급(Tier)에 따라 미리 정해진 다른 수치의 측정불확도 이내의 연료사용량 자료를 활용해야 할 수도 있다.
산정등급(Tier)이란 활동자료, 배출계수, 산화율, 전환율, 배출량 및 온실가스 배출량 등의 산정방법의 복잡성을 나타내는 수준을 의미한다.
산정등급(tier)의 분류체계를 설명하면, 산정등급1(tier1)은 활동자료, IPCC 기본 배출계수(기본 산화계수, 발열량 등 포함)를 활용하여 배출량을 산정하는 기본방법론을 활용한다.
산정등급2(tier2)는 Tier 1보다 더 높은 정확도를 갖는 활동자료, 국가 고유 배출계수 및 발열량 등 일정부분 시험, 분석을 통하여 개발한 매개변수 값을 활용하는 배출량 산정방법론을 활용한다.
산정등급3(tier3)은 Tier 1, 2보다 더 높은 정확도를 갖는 활동자료, 사업자가 사업장, 배출시설 및 감축기술단위의 배출계수 등 상당부분 시험, 분석을 통하여 개발하거나 공급자로부터 제공받은 매개변수 값을 활용하는 배출량 산정방법론을 활용한다.
예컨대, 산정등급1(tier1)의 경우 사업자 또는 연료공급자에 의해 측정된 측정불확도 ±7.5% 이내의 연료 사용량 자료를 활용해야 하고, 산정등급2(tier2)의 경우 사업자 또는 연료공급자에 의해 측정된 측정불확도 ±5.0% 이내의 연료 사용량 자료를 활용해야 하며, 산정등급3(tier3)의 경우 사업자 또는 연료공급자에 의해 측정된 측정불확도 ±2.5% 이내의 연료 사용량 자료를 활용해야 한다.
상기와 같이 대상기업(10)이 활동자료를 통해 적정 매개변수(예를 들면, 노트북A)를 찾고, 그 매개변수에 대해 검증된 배출계수를 통해 온실가스 배출량을 산출해야 하지만, 매개변수의 수가 방대하여 실제 검증된 배출계수가 규정된 매개변수는 일부에 불과하다.
본 실시예는 대상기업(10)에서 검증된 배출계수가 규정되지 않은 매개변수를 사용하고 있을 경우, 적정 배출계수를 비교적 정확한 산출 근거에 기반하여 자동으로 산정해주는 기술에 관한 것이다.
도 1은 본 발명의 실시예1에 따른 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치를 예시한 개략도이고, 도 2는 도 1에 도시된 장치의 구성을 나타낸 블록도이며, 도 3 및 도 4는 도 1에 예시된 제1 DB 및 제2 DB의 예시를 나타낸 도면이다.
도 1, 도 3에서 보듯, 장치(100)는 제1 DB(110), 제2 DB(120), 결정기(130) 및 분석기(140)를 포함한다. 그리고 장치(100)는 계산기(150)를 더 포함할 수도 있다.
제1 DB(110)와 제2 DB(120)는 장치(100)의 구축기(미도시)를 통해 구축될 수 있다. 제1 DB(110)와 제2 DB(120)는 별 개로 구축될 수도 있지만, 하나의 DB 내에서 다른 영역으로 분리되게 구축될 수도 있다.
제1 DB(110)에는 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(예를 들면, Tier1, 2, 3)별로 분류되어 저장된다. 산정등급은 앞서 설명하였기 때문에 중복된 설명을 생략한다.
제1 DB(110)에 저장된 복수의 제1 매개변수 각각의 배출계수는 한국환경산업기술원의 LCI(Life Cycle Inventory) 데이터베이스에서 규정된 정보를 사용할 수도 있다. 또한, 제1 DB(110)에 저장된 복수의 제1 매개변수 각각의 배출계수는 글로벌/국내 공인 기관에서 규정된 정보를 사용할 수도 있다.
제1 DB(110)에 저장된 복수의 제1 매개변수 중 어느 하나의 제1 매개변수를 예를 들어 설명하면, 도 3에서처럼 제1 매개변수(예를 들면, 노트북A)에 대해서 산정등급에 따라 다른 배출계수가 규정될 수 있다.
그리고 동일한 매개 변수에 대해서 산정등급 별 다른 유형코드가 지정될 수 있다. 참고로, 도 3 도시된 제1 매개변수는 복수의 매개변수들 중 어느 하나를 예로 든 것이며, 노트북B, 스테인레스강, 석탄, 전기, 휘발유, 인쇄용지 등이 각 제1 매개변수로 정의될 수 있다.
제2 DB(120)에는 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된다. 참고로, 제2 DB(120)에 저장된 제2 매개변수에는 유형코드가 지정되더라도 제2 매개변수 고유의 코드도 지정돼 있을 수 있다.
예를 들면, 도 3에서처럼, 제2 매개변수(노트북1)는 제1 매개변수(노트북A)와 제품명이 다르지만 동일한 원료(또는 원료의 양), 부품 등을 사용(즉, 동일 속성)하여 제조되었기 때문에 제1 매개변수와 동일한 유형코드를 지정한다. 참고로, 노트북1의 고유코드는 N1이다.
또한, 노트북1(제2 매개변수)가 노트북A(제1 매개변수)와 제품명도 다르고 사용된 원료 및 부품이 다르더라도 노트북1(제2 매개변수)에서 사용된 원료 및 부품이 노트북A(제1 매개변수)의 원료 및 부품과 유사한 속성을 가진다고 판단되면 제1 매개변수와 동일한 유형코드를 지정한다.
노트북1(제2 매개변수)에 노트북A(제1 매개변수)와 동일한 유형코드를 지정한다는 것은 노트북A(제1 매개변수)에 규정된 배출계수를 노트북1(제2 매개변수)의 온실가스 배출량을 산출할 때 사용한다는 것을 의미한다.
노트북1(제2 매개변수)에 노트북A(제1 매개변수)와 동일한 유형코드(즉, 동일한 배출계수)를 지정하기 위해서는 정당한 근거가 있을 경우에만 수행될 수 있다.
참고로, 상기 정당한 근거라 함은, 연료 유형, 원료 유형, 규격, 자재 등의 정보를 가지고 있는 논문과 같은 비정형데이터를 분석한 정보에 의한 것일 수 있다. 비정형데이터를 소정의 딥러닝 알고리즘을 통해 분석하여 비정형데이터에서 매개변수를 추론할 수 있는 단어의 특징 벡터를 추출하고, 노트북1(제2 매개변수)에서 사용된 원료 및 부품이 노트북A(제1 매개변수)의 원료 및 부품과 동일한 속성 또는 유사한 속성을 가진다고 판단되면 제1 매개변수와 동일한 유형코드를 지정한다.
한편, 도 4에서 보듯, 제2 DB(120)에 저장된 제2 매개변수(예를 들면, 노트북1)는 서로 다른 적어도 두 개의 유형코드가 지정될 수도 있다. 예를 들면, 노트북1(제2 매개변수)이 노트북A(제1 매개변수) 및 노트북B(제1 매개변수)와 유사한 속성을 가진다면 노트북1(제2 매개변수)에는 노트북A(제1 매개변수) 및 노트북B(제1 매개변수)와 동일한 유형코드가 모두 지정된다.
제2 DB(120)에 저장된 서로 다른 제2 매개변수(예를 들면, 노트북1과 노트북2)는 동일한 유형코드가 지정될 수도 있다.
이하에서 설명하는 결정기(130), 분석기(140) 및 계산기(150)는 미리 구축된 제1 DB(110) 및 제2 DB(120)를 이용하여 대상기업(10)으로부터 입력된 데이터를 분석하여 온실가스 배출량을 산출하기 위해 매개변수 별로 배출계수를 산정하고, 산정된 배출계수를 통해 온실가스 배출량을 산출한다.
결정기(130)는 대상기업(10)에 대한 배출활동 유형 및 시설규모 유형을 기초로 산정등급을 지정한다.
대상기업(10)으로부터 입력받은 배출 유형은 등록된 사업장 유형코드(산업표준)와 연계하여 자동으로 설정될 수 있다. 대상기업(10)의 배출 유형은 대상기업(10)의 담당자로부터 직접 입력받을 수도 있다.
배출활동은 사용 연료의 종류, 이동 연소의 종류, 산업종류 등을 포함할 수 있다.
시설규모 유형은 사용자의 입력 또는 과거 온실가스 배출량 기준으로 자동으로 설정할 수 있다.
예를 들면, 시설규모를 A, B, C그룹으로 분류할 경우, 연간 5만 톤 미만의 배출시설을 갖는 그룹은 A그룹으로 분류하고, 연간 5만 톤 이상, 연간 50만 톤 미만의 배출시설은 B그룹으로 분류하며, 연간 50만 톤 이상의 배출시설은 C그룹으로 분류할 수 있다.
그리고 각 A그룹, B그룹, C그룹은 매개변수의 항목별 산정등급이 자동 적용될 수 있다.
예를 들면, A그룹에서 노트북A를 만들면 배출계수는 산정등급1(tier1)에 해당하는 배출계수가 적용되고, B그룹에서 동일한 노트북A를 만들면 배출계수는 산정등급2(tier2)에 해당하는 배출계수가 적용되며, C그룹에서 동일한 노트북C를 만들면 배출계수는 산정등급3(tier3)에 해당하는 배출계수가 적용될 수 있다.
결정기(130)에서 대상기업(10)의 산정등급이 tier2로 지정되면 tier2에 해당하는 배출계수를 이용하여 온실가스 배출량을 산정한 경우에만 적합성 평가를 통해 배출량을 인증받을 수 있다.
예를 들면, 대상기업(10)의 산정등급이 tier2로 지정되면 매개변수(예를 들면, 노트북)를 제조하는데 사용된 연료의 양을 측정불확도 ±5.0% 이내의 연료 사용량으로 입력하고, 그에 따라 규정된 배출계수로 온실가스 배출량을 산정해야 한다.
만약, 대상기업(10)의 산정등급이 tier2로 지정되면 대상기업(10)의 매개변수(예를 들면, 노트북)을 제조하는데 사용된 연료의 양에 대한 배출계수 대신, tier2보다 더 높은 정확도를 갖는 tier3에 해당하는 연료의 양에 대한 배출계수로 온실가스 배출량을 산정하더라도 배출량을 인정받을 수 있다. 다만, tier2보다 낮은 정확도를 갖는 tier1에 해당하는 연료의 양에 대한 배출계수로 온실가스 배출량을 산정하면 인정받는 것이 불가능 할 수 있다.
분석기(140)는 대상기업(10)으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수(예를 들면, 노트북)을 정의할 수 있는 특징을 분석한다. 즉, 분석기(140)는 활동자료를 분석하여 대상기업(10)에서 제조된 노트북이 노트북A인지 노트북B인지 노트북1인지 분석한다. 구체적으로 분석기(140)는 제조된 노트북에 사용된 연료의 종류, 연료의 양, 스펙 등을 고려하여 어떠한 노트북이 제조되었는지 분석한다.
대상기업(10)으로부터 입력받은 활동자료는 연료 유형, 원료 유형, 규격, 자재 등의 정보를 가지고 있는 비정형데이터일 수 있다. 예컨대, 대상기업(10)으로부터 입력받은 활동자료는 연료나 원료 등을 구매한 구매 영수증 또는 사용된 부품과 스펙이 기재된 브로셔 같은 것일 수도 있다. 비정형데이터는 텍스트파일, 이미지파일(예를 들면, 증빙자료), 문서파일, PDF파일 등으로 구성될 수도 있다.
분석기(140)는 대상기업(10)으로부터 입력받은 활동자료가 이미지파일(예를 들면, 증빙자료)의 비정형데이터일 경우, 광학식 문자판독기OCR, Optical Character Reader)를 통해 이미지파일에서 텍스트를 검출 및 인식하여 모델에 입력(input)한다.
모델에 입력되는 텍스트 데이터는 단어의 특징 벡터 추출이 가능한 워드 임베딩을 통해 전처리를 수행하고 자연어 처리 딥러닝(예를 들면, RNN, CNN, LTSM) 모델에 입력(input)하여 매개변수(예를 들면, 노트북의 종류)을 추론한다.
분석기(140)는 분석된 매개변수 즉, 노트북의 종류에 따라 코드를 지정한다. 분석기(140)에서 지정되는 코드는 탐색코드로 정의하여 설명하기로 한다.
예를 들면, 분석된 노트북의 종류가 노트북A와 동일하면 분석기(140)는 탐색코드를 ‘aa’로 지정한다(도 3 및 도 4에서 노트북A의 유형코드는 aa). 분석된 노트북의 종류가 노트북1과 동일하면 분석기(140)는 탐색코드를 N1(도 4에서 노트북1의 코드는 N1)로 지정한다.
계산기(150)는 분석기(140)에서 지정된 매개변수의 탐색코드와 동일한 유형코드를 가지는 매개변수(제1 매개변수 또는 제2 매개변수)를 제1 DB(110) 또는 제2 DB(120)에서 탐색하고, 유형코드가 탐색되면 해당 매개변수에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스의 배출량을 산출한다.
일 예로, 계산기(150)는 제1 DB(110)를 우선으로 탐색코드와 동일한 유형코드를 가지는 매개변수(제1 매개변수 또는 제2 매개변수)를 탐색하되 결정기(130)에서 지정된 산정등급(배출활동 및 시설규모에 따라 분류)에 기초하여 탐색한다. 만약 제1 DB(110)에서 유형코드가 탐색되지 않으면 제2 DB(120)에서 유형코드를 탐색한다.
예를 들면, 분석된 노트북의 종류가 노트북1과 동일하면 분석기(140)는 탐색코드를 N1(도 4에서 노트북1의 코드는 N1)로 지정하고, 계산기(150)는 제1 DB(110)에서 유형코드 N1을 탐색한다. 그러나 제1 DB(110)에 유형코드 N1이 탐색되지 않으면 제2 DB(120)에서 유형코드 N1을 탐색한다. 제2 DB(120)에서 N1에 대한 유형코드는 노트북A(제1 DB)와 동일한 것이기 때문에 노트북A와 동일한 배출계수를 이용하여 배출량을 산출한다.
한편, 도 4를 참고하여 탐색코드에 대응하는 유형코드가 2 개 이상일 경우를 설명하기로 한다.
분석기(140)에서 분석된 대상기업(10)의 매개변수 즉, 대상기업(10)의 노트북 종류가 제2 DB(120)의 노트북1과 동일하여 탐색코드가 N1로 지정될 경우, 노트북1(N1)에 지정된 유형코드는 aa, ba인 것을 알 수 있다. 참고로, 유형코드 aa는 제1 DB(110)의 노트북A이고, 유형코드 ba는 제1 DB(110)의 노트북B이다.
이 때, 계산기(150)는 탐색코드 N1에 대응하는 노트북A(유형코드 aa)의 배출계수와 노트북b(유형코드 ba)의 배출계수의 평균 값을 알고리즘에 적용하여 온실가스 배출량을 산출할 수 있다.
<실시예2>
실시예2는 실시예1에서 선정된 적정 배출계수를 통해 온실가스 배출량 산출 방법에 관한 기술이다.
도 5는 본 발명의 실시예2에 따른 온실가스 배출량 산출 방법을 나타낸 흐름도이다.
도 5에서 보듯, 제2 실시예의 방법은 DB를 구축하는 단계(S110), 산정등급을 지정하는 단계(S120), 탐색코드를 지정하는 단계(S130) 및 온실가스 배출량을 산출하는 단계(S140)를 포함한다.
DB를 구축하는 단계(S110)는 구축기가 제1 DB와 제2 DB를 구축한다.
제1 DB에는 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(예를 들면, Tier1, 2, 3)별로 분류되어 저장된다. 산정등급은 앞서 설명하였기 때문에 중복된 설명을 생략한다.
제1 DB에 저장된 복수의 제1 매개변수 각각의 배출계수는 한국환경산업기술원의 LCI(Life Cycle Inventory) 데이터베이스에서 규정된 정보를 사용할 수도 있다. 또한, 제1 DB에 저장된 복수의 제1 매개변수 각각의 배출계수는 글로벌/국내 공인 기관에서 규정된 정보를 사용할 수도 있다.
제1 DB에 저장된 복수의 제1 매개변수 중 어느 하나의 제1 매개변수를 예를 들어 설명하면, 도 3에서처럼 제1 매개변수(예를 들면, 노트북A)에 대해서 산정등급에 따라 다른 배출계수가 규정될 수 있다.
그리고 동일한 매개 변수에 대해서 산정등급 별 다른 유형코드가 지정될 수 있다. 참고로, 도 3 도시된 제1 매개변수는 복수의 매개변수들 중 어느 하나를 예로 든 것이며, 노트북B, 스테인레스강, 석탄, 전기, 휘발유, 인쇄용지 등이 각 제1 매개변수로 정의될 수 있다.
제2 DB에는 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 상기 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된다.
예를 들면, 도 3에서처럼, 제2 매개변수(노트북1)는 제1 매개변수(노트북A)와 제품명이 다르지만 동일한 원료(또는 원료의 양), 부품 등을 사용(즉, 동일 속성)하여 제조되었기 때문에 제1 매개변수와 동일한 유형코드를 지정한다. 참고로, 노트북1의 고유코드는 N1이다.
또한, 노트북1(제2 매개변수)가 노트북A(제1 매개변수)와 제품명도 다르고 사용된 원료 및 부품이 다르더라도 노트북1(제2 매개변수)에서 사용된 원료 및 부품이 노트북A(제1 매개변수)의 원료 및 부품과 유사한 속성을 가진다고 판단되면 제1 매개변수와 동일한 유형코드를 지정한다.
노트북1(제2 매개변수)에 노트북A(제1 매개변수)와 동일한 유형코드를 지정한다는 것은 노트북A(제1 매개변수)에 규정된 배출계수를 노트북1(제2 매개변수)의 온실가스 배출량을 산출할 때 사용한다는 것을 의미한다.
이와 같이, 노트북1(제2 매개변수)에 노트북A(제1 매개변수)와 동일한 유형코드(즉, 동일한 배출계수)를 지정하기 위해서는 정당한 근거가 있을 경우에만 수행될 수 있다.
참고로, 상기 정당한 근거라 함은, 연료 유형, 원료 유형, 규격, 자재 등의 정보를 가지고 있는 논문과 같은 비정형데이터를 분석한 정보에 의한 것일 수 있다. 제2 DB를 구축하기 위한 비정형데이터에는 텍스트파일, 이미지파일(예를 들면, 증빙자료), 문서파일, PDF파일 등을 포함할 수도 있다.
한편, 도 4에서 보듯, 제2 DB에 저장된 제2 매개변수(예를 들면, 노트북1)는 서로 다른 적어도 두 개의 유형코드가 지정될 수도 있다. 예를 들면, 노트북1(제2 매개변수)은 노트북A(제1 매개변수) 및 노트북B(제1 매개변수)와 유사한 속성을 가진다면 노트북1(제2 매개변수)에는 노트북A(제1 매개변수) 및 노트북B(제1 매개변수)와 동일한 유형코드가 모두 지정된다.
제2 DB에 저장된 서로 다른 제2 매개변수(예를 들면, 노트북1과 노트북2)는 동일한 유형코드가 지정될 수도 있다.
산정등급을 지정하는 단계(S120)는 결정기가 대상기업에 대한 배출활동 유형 및 시설규모 유형을 기초로 산정등급을 지정한다.
대상기업으로부터 입력받은 배출 유형은 등록된 사업장 유형코드(산업표준)와 연계하여 자동으로 설정될 수 있다. 대상기업의 배출 유형은 대상기업의 담당자로부터 직접 입력받을 수도 있다.
배출활동은 사용 연료의 종류, 이동 연소의 종류, 산업종류 등을 포함할 수 있다.
시설규모 유형은 사용자의 입력 또는 과거 온실가스 배출량 기준으로 자동으로 설정할 수 있다.
예를 들면, 시설규모를 A, B, C그룹으로 분류할 경우, 연간 5만 톤 미만의 배출시설을 갖는 그룹은 A그룹으로 분류하고, 연간 5만 톤 이상, 연간 50만 톤 미만의 배출시설은 B그룹으로 분류하며, 연간 50만 톤 이상의 배출시설은 C그룹으로 분류할 수 있다.
그리고 각 A그룹, B그룹, C그룹은 매개변수의 항목별 산정등급이 자동 적용될 수 있다.
예를 들면, A그룹에서 노트북A를 만들면 배출계수는 산정등급1(tier1)에 해당하는 배출계수가 적용되고, B그룹에서 동일한 노트북A를 만들면 배출계수는 산정등급2(tier2)에 해당하는 배출계수가 적용되며, C그룹에서 동일한 노트북C를 만들면 배출계수는 산정등급3(tier3)에 해당하는 배출계수가 적용될 수 있다.
결정기에서 대상기업의 산정등급이 tier2로 지정되면 tier2에 해당하는 배출계수를 이용하여 온실가스 배출량을 산정한 경우에만 적합성 평가를 통해 배출량을 인증받을 수 있다.
예를 들면, 대상기업의 산정등급이 tier2로 지정되면 매개변수(예를 들면, 노트북)를 제조하는데 사용된 연료의 양을 측정불확도 ±5.0% 이내의 연료 사용량으로 입력하고, 그에 따라 규정된 배출계수로 온실가스 배출량을 산정해야 한다.
만약, 대상기업의 산정등급이 tier2로 지정되면 대상기업의 매개변수(예를 들면, 노트북)을 제조하는데 사용된 연료의 양에 대한 배출계수 대신, tier2보다 더 높은 정확도를 갖는 tier3에 해당하는 연료의 양에 대한 배출계수로 온실가스 배출량을 산정하더라도 배출량을 인정받을 수 있다. 다만, tier2보다 낮은 정확도를 갖는 tier1에 해당하는 연료의 양에 대한 배출계수로 온실가스 배출량을 산정하면 인정받는 것이 불가능 할 수 있다.
탐색코드를 지정하는 단계(S130)는 분석기가 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수(예를 들면, 노트북)을 정의할 수 있는 특징을 분석한다. 즉, 분석기는 활동자료를 분석하여 대상기업에서 제조된 노트북이 노트북A인지 노트북B인지 노트북1인지 분석한다. 구체적으로 분석기는 제조된 노트북에 사용된 연료의 종류, 연료의 양, 스펙 등을 고려하여 어떠한 노트북이 제조되었는지 분석한다.
대상기업으로부터 입력받은 활동자료는 연료 유형, 원료 유형, 규격, 자재 등의 정보를 가지고 있는 비정형데이터일 수 있다. 예컨대, 대상기업으로부터 입력받은 활동자료는 연료나 원료 등을 구매한 구매 영수증일 수도 있다. 비정형데이터는 텍스트파일, 이미지파일(예를 들면, 증빙자료), 문서파일, PDF파일 등으로 구성될 수도 있다.
분석기는 대상기업으로부터 입력받은 활동자료가 이미지파일(예를 들면, 증빙자료)의 비정형데이터일 경우, 광학식 문자판독기OCR, Optical Character Reader)를 통해 이미지파일에서 텍스트를 검출 및 인식하여 모델에 입력(input)한다.
모델에 입력되는 텍스트 데이터는 단어의 특징 벡터 추출이 가능한 워드 임베딩을 통해 전처리를 수행하고 자연어 처리 딥러닝(예를 들면, RNN, CNN, LTSM) 모델에 입력(input)하여 매개변수(예를 들면, 노트북의 종류)을 추론한다.
분석기는 분석된 매개변수 즉, 노트북의 종류에 따라 코드를 지정한다. 분석기에서 지정되는 코드는 탐색코드로 정의하여 설명하기로 한다.
예를 들면, 분석된 노트북의 종류가 노트북A와 동일하면 분석기는 탐색코드를 ‘aa’로 지정한다(도 3 및 도 4에서 노트북A의 유형코드는 aa). 분석된 노트북의 종류가 노트북1과 동일하면 분석기는 탐색코드를 N1(도 4에서 노트북1의 코드는 N1)로 지정한다.
온실가스 배출량을 산출하는 단계(S140)는 계산기가 분석기에서 지정된 매개변수의 탐색코드와 동일한 유형코드를 가지는 매개변수(제1 매개변수 또는 제2 매개변수)를 제1 DB 또는 제2 DB에서 탐색하고, 유형코드가 탐색되면 해당 매개변수에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스의 배출량을 산출한다.
일 예로, 계산기는 제1 DB를 우선으로 탐색코드와 동일한 유형코드를 가지는 매개변수(제1 매개변수 또는 제2 매개변수)를 탐색하되 결정기에서 지정된 산정등급(배출활동 및 시설규모에 따라 분류)에 기초하여 탐색한다. 만약 제1 DB에서 유형코드가 탐색되지 않으면 제2 DB에서 유형코드를 탐색한다.
한편, 도 4를 참고하여 탐색코드에 대응하는 유형코드가 2 개 이상일 경우를 설명하기로 한다.
분석기에서 분석된 대상기업의 매개변수 즉, 대상기업의 노트북 종류가 제2 DB의 노트북1과 동일하여 탐색코드가 N1로 지정될 경우, 노트북1(N1)에 지정된 유형코드는 aa, ba인 것을 알 수 있다. 참고로, 유형코드 aa는 제1 DB의 노트북A이고, 유형코드 ba는 제1 DB의 노트북B이다.
이 때, 계산기는 탐색코드 N1에 대응하는 노트북A(유형코드 aa)의 배출계수와 노트북b(유형코드 ba)의 배출계수의 평균 값을 알고리즘에 적용하여 온실가스 배출량을 산출할 수 있다.
이상에서는 본 발명에 관한 몇 가지 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한 이상에서 설명한 실시예들 중 방법에 관한 발명은 프로그램으로 구현되거나 그 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체로 구현될 수 있다.
즉, 본 발명은 애플리케이션 형태로 구현될 수 있으며, 구글사의 안드로이드나 애플사의 IOS를 기반으로 실행되는 스마트폰, 태블릿PC 등의 모바일 단말기에서 실행되는 소프트웨어 프로그램으로 구현되거나, 구글 글래스, 애플 워치, 삼성 갤럭시 워치, 스마트 워치 등과 같은 웨어러블 장치에서 실행되는 소프트웨어 프로그램으로 구현되거나, 마이크로소프트사의 윈도우즈나 구글사의 크롬OS를 기반으로 실행되는 노트북PC, 데스크탑PC 등에서 실행되는 소프트웨어 프로그램으로 구현될 수 있다.
또한 상술한 장치 또는 시스템의 부분적 기능들은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있다. 컴퓨터로 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리, USB 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
100: 시스템
110: 제1 DB
120: 제2 DB
130: 결정기
140: 분석기
150: 계산기
110: 제1 DB
120: 제2 DB
130: 결정기
140: 분석기
150: 계산기
Claims (11)
- 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(Tier)별로 분류된 제1 DB;
상기 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 상기 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된 제2 DB;
대상기업에 대한 배출활동 유형 및 시설규모 유형을 기초로 상기 산정등급을 지정하는 결정기; 및
상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수에 대한 특징을 분석하고, 상기 제1 매개변수 및 상기 제2 매개변수에 지정된 유형코드를 탐색하기 위한 탐색코드를 상기 분석된 매개변수의 특징에 지정하는 분석기를 포함하고,
상기 제2 DB에 저장된 상기 제2 매개변수는 서로 다른 적어도 두 개의 유형코드가 지정되는 것을 특징으로 하는
온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치. - 제1항에 있어서,
상기 제1 매개변수 및 제2 매개변수는, 상기 활동자료, 배출계수, 발열량, 산화율을 포함하고,
상기 활동자료는, 연료 사용량, 제품 생산량, 원료 사용량을 포함하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치. - 제1항에 있어서,
상기 결정기에서 지정된 산정등급과 상기 탐색코드에 기초하여 상기 제1 DB를 우선하여 상기 유형코드를 탐색하고, 상기 탐색된 유형코드에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스 배출량을 산출하는 계산기
를 더 포함하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치. - 삭제
- 제3항에 있어서,
상기 계산기는,
상기 탐색코드를 통해 탐색된 상기 제2 매개변수에 두 개 이상의 유형코드가 지정된 경우, 복수의 유형코드에 대한 배출계수의 평균 값을 상기 알고리즘에 적용하여 온실가스 배출량을 산출하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치. - 제1항에 있어서,
상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료는,
제품 유형, 규격, 연료, 자재 등의 정보를 포함하되, 표준으로 규정되지 않은 비정형데이터인 것을 특징으로 하는 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치. - 구축기가 온실가스 배출량 산출을 위한 검증된 배출계수 및 유형코드가 지정된 복수의 제1 매개변수가 온실가스 산정의 복잡도 산정등급(Tier)별로 분류된 제1 DB와, 복수의 제1 매개변수와 동일 속성 또는 유사 속성을 가지고 상기 제1 매개변수와 동일한 유형코드가 지정된 복수의 제2 매개변수가 상기 산정등급(Tier)별로 분류된 제2 DB를 구축하는 단계;
결정기가 대상기업에 대한 배출활동 유형 및 시설규모 유형을 기초로 상기 산정등급을 지정하는 단계;
분석기가 상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료를 분석하여 매개변수에 대한 특징을 분석하고, 각 특징에 상기 제1 DB 또는 제2 DB에서의 유형코드를 탐색하기 위한 탐색코드를 지정하는 단계; 및
계산기가 상기 결정기에서 지정된 산정등급과 상기 탐색코드에 기초하여 상기 제1 DB를 우선하여 상기 유형코드를 탐색하고, 상기 탐색된 유형코드에 대응하는 배출계수를 소정의 알고리즘에 적용하여 온실가스 배출량을 산출하는 단계를 포함하고,
상기 제2 DB에 저장된 어느 하나의 제2 매개변수는 서로 다른 적어도 두 개의 유형코드가 지정되는 것을 특징으로 하는
온실가스 배출량 산출 방법. - 제7항에 있어서,
상기 제1 매개변수 및 제2 매개변수는, 상기 활동자료, 배출계수, 발열량, 산화율을 포함하고,
상기 활동자료는, 연료 사용량, 제품 생산량, 원료 사용량을 포함하는 온실가스 배출량 산출 방법. - 삭제
- 제7항에 있어서,
상기 계산기는,
상기 탐색코드를 통해 탐색된 상기 제2 매개변수에 두 개 이상의 유형코드가 지정된 경우, 복수의 유형코드에 대한 배출계수의 평균 값을 상기 알고리즘에 적용하여 온실가스 배출량을 산출하는 온실가스 배출량 산출 방법. - 제7항에 있어서,
상기 대상기업으로부터 입력받은 배출량 산정을 위한 활동자료는,
제품 유형, 규격, 연료, 자재 등의 정보를 포함하되, 표준으로 규정되지 않은 비정형데이터인 것을 특징으로 하는 온실가스 배출량 산출 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230074348A KR102603384B1 (ko) | 2023-06-09 | 2023-06-09 | 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230074348A KR102603384B1 (ko) | 2023-06-09 | 2023-06-09 | 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102603384B1 true KR102603384B1 (ko) | 2023-11-17 |
Family
ID=88968753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230074348A KR102603384B1 (ko) | 2023-06-09 | 2023-06-09 | 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102603384B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130044079A (ko) | 2011-10-21 | 2013-05-02 | 현대오토에버 주식회사 | 탄소성적표지 산출시스템 |
| KR20140017844A (ko) * | 2012-08-01 | 2014-02-12 | 주식회사 에코시안 | 온실가스 배출량 산정 방법 및 시스템 |
-
2023
- 2023-06-09 KR KR1020230074348A patent/KR102603384B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130044079A (ko) | 2011-10-21 | 2013-05-02 | 현대오토에버 주식회사 | 탄소성적표지 산출시스템 |
| KR20140017844A (ko) * | 2012-08-01 | 2014-02-12 | 주식회사 에코시안 | 온실가스 배출량 산정 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Di Lullo et al. | Extending sensitivity analysis using regression to effectively disseminate life cycle assessment results | |
| Hung et al. | Improving predictive modeling for at-risk student identification: A multistage approach | |
| Zhu et al. | Within‐project and cross‐project just‐in‐time defect prediction based on denoising autoencoder and convolutional neural network | |
| CN110888798B (zh) | 一种基于图卷积神经网络对软件缺陷预测方法 | |
| Hong et al. | Does change of industrial structure affect energy consumption structure: a study based on the perspective of energy grade calculation | |
| KR102603384B1 (ko) | 온실가스 배출량 산출을 위한 적정 배출계수의 산정 장치 및 이를 이용한 온실가스 배출량 산출 방법 | |
| Dekker et al. | Identifying energy model fingerprints in mitigation scenarios | |
| CN111210321A (zh) | 一种基于合同管理的风险预警方法及系统 | |
| Tunlathorntham et al. | Prediction of ambient nitrogen dioxide concentrations in the vicinity of industrial complex area, Thailand | |
| Verma et al. | Predicting carbon residual in biomass wastes using soft computing techniques | |
| Prein et al. | The character and changing frequency of extreme California fire weather | |
| Pan et al. | Characteristics analysis and modeling of emissions for bus with liquefied natural gas fuel system in real world driving | |
| Weng et al. | Large modeling uncertainty in projecting decadal surface ozone changes over city clusters of China | |
| Alcántara et al. | CO2 emissions of the construction sector in Spain during the real estate boom: input–output subsystem analysis and decomposition | |
| Ipmawati et al. | Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine: Sentiment Analysis of Tourist Attractions Based on Reviews on Google Maps Using the Support Vector Machine Algorithm | |
| Rani et al. | Investigating the presence of environmental Kuznets curve hypothesis in India and China: An autoregressive distributive lag approach | |
| CN116301795A (zh) | 一种用于页面可视化配置及代码编写的开发平台 | |
| Edwards et al. | Modeling direct air carbon capture and storage in a 1.5° C climate future using historical analogs | |
| Shou et al. | Predicting Student Performance in Online Learning: A Multidimensional Time-Series Data Analysis Approach | |
| Polyakov et al. | Parametrization of the spectral dependence of the aerosol extinction coefficient in problems of atmospheric occultation sounding from space | |
| Oosthuizen et al. | Analysis of INCOSE Systems Engineering journal and international symposium research topics | |
| Wang et al. | Does renewable energy consumption improve carbon efficiency? Evidence from 116 countries | |
| Popadko et al. | TURNING RUSSIAN GAS REFINERIES TO BEST AVAILABLE TECHNIQUES AND INTEGRATED PERMITS | |
| CN116775910B (zh) | 基于情报收集的自动化漏洞复现知识库构建方法及介质 | |
| Nascimento et al. | Increasing the prediction quality of software defective modules with automatic feature engineering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |