一种基于大数据的碳耗指数算法制造技术

本发明专利技术公开了一种基于大数据的碳耗指数算法，其特征在于，科学方法反映区域内企业碳耗，通过对企业碳排量中剔除通过光伏等清洁能源发电产生的能源消耗碳排放量与总产值进行比值计算，形成能源碳耗指数，动态反映各区县产值碳排放变化，准确展现产业结构和新能源利用等因素对碳耗的影响。以碳能耗指数精准反映个乡镇单位产值碳排放水平。科学设置评价算法，将区域内的光伏等新能源发电量从能耗总量中准确核减相应排放量。从规上企业到乡镇区域分层反映碳排放量，简单直观，充分体现客观性。充分体现客观性。充分体现客观性。

【技术实现步骤摘要】
一种基于大数据的碳耗指数算法


[0001]本专利技术涉及一种数字数据技术处理领域，尤其涉及一种基于大数据的碳耗指数计算。

技术介绍

[0002]气候变化是人类面临的全球性问题，随着各国二氧化碳排放，室温气体猛增，对生命系统形成威胁。在这一背景下，世界各国以全球协约的方式减排温室气体，2020年9月，中国在联合国大会上向世界宣布了2030前实现碳达峰、2060年前实现碳中和的目标。碳达峰是指在某一时间点，二氧化碳的排放不再增长达到峰值，之后逐步回落。碳中和，是指企业、团体或个人测算在一定时间内直接或间接产生的温室气体排放总量，通过植树造林、节能减排等形式，以抵消自身产生的二氧化碳，实现二氧化碳“零排放”。为了客观的对各区域、企业生产经营的主要能耗产生的碳排放、产值等指标进行客观的定量分析，数字化反应各区域单位产值碳排放水平，亟需一种科学设置的评价指标来反应碳排放水平。例如，一种在中国专利文献上公开的“基于出行链大数据的低碳出行碳减排量核验方法及系统”，其公告号CN112434116A，包括包括：步骤1)获取出行数据的样本数据；步骤2)当样本数据为步行数据，转入步骤3)；当样本数据为自行车数据，转入步骤4)；当样本数据为电动自行车数据，转入步骤5)；步骤3)采用步行出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；根据最终有效出行距离计算步行的碳排放量；步骤4)采用自行车出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；根据最终有效出行距离计算自行车的碳排放量；步骤5)采用电动自行车出行距离的核验方法对样本数据进行核验及去重得到最终有效出行距离；计算电动自行车的碳排放量。上述方案可以核验城市出行链碳排，城市出行碳排只是区域内碳排总量的一小部分，无法科学客观反映全省各区域碳排放强度及各行业、企业碳效水平。

技术实现思路

[0003]本专利技术是为了克服现有技术的碳耗算法无法科学客观反映全省各区域碳排放强度及各行业、企业碳效水平的问题，提供一种基于大数据的能够科学客观反映全省各区域碳排放强度及各行业、企业碳效水平区域碳耗指数算法。
[0004]为实现上述目的，本专利技术采用以下技术方案：一种基于大数据的区域碳耗指数算法，其特征在于，所述计算方法包括如下步骤：S1、建立区域内某一周期内规上企业总能耗产生的碳排放量
‑
企业产值二元模式的系统大数据采集、分析、整合系统，分层次搭建大数据框架结构；S2、对区域内利用智能数据采集处理器集成的数据采集芯片进行大数据采集；S3、对大量的规上企业总碳排放量和规上企业总产值数据，通过计算机对获取的数据进行大数据预处理，建立多元计算器大数据库；S4、通过对计算机大数据的数据统计分析、预置分布式挖掘技术和智能化深度学
习方法，建立复杂的碳排放渠道之间的内部关联关系，通过构建区域内某企业一定时期的碳耗指数e智能评价算法：其中，ai为企业总碳排放量；bi为企业碳中和量；Zn为企业总产值。
[0005]S5、综合计算区域内所有规内企业的一定时期内碳耗指数。科学方法反映企业碳耗，通过对能源消耗碳排放量与总产值进行比值计算，形成能源碳耗指数，动态反映各区县单位产值碳排放变化，准确展现产业结构和新能源利用等因素对碳耗的影响。
[0006]作为优选，所述数据采集芯片采集的企业总产值包括通过“统一社会信用代码”自动匹配企业产值数据。同时积极打通与政府部门的数据通道，依托能源大数据中心，汇集电、气、油、煤等主要能源数据，根据生态环境部门公布的碳排放因子，将能源数据换算成碳排放量后，结合企业产值数据深入开展碳效分析。
[0007]作为优选，所述大数据采集还包括人工采集、爬虫采集、API接口采集中的一种或者多种组合。系统依据数据采集频率和时间设定，对未更新的数据进行提醒，实现数据的及时、便捷存取。
[0008]作为优选，所述步骤S3中所述的大数据预处理包括对人工采集的数据通过比较算法排查差值过大的数据，对非人工采集的数据设置验证规则进行数据入库限制算法。对于没有联网的的数据，数据来源无法准确识别、以及需要人工通过实地调研、电话咨询采集等其他人工采集的方法获得数据，通过手动输入或者借助Excel辅助等方式在数据采集系统后手动更新数据，实现数据更新。对于非人工采集的方式通过联网系统自动获取，不经大大提高了数据更新的速度和及时性，同时通过附加比较算法对数据进行排查，大大提高了数据获取的准确性。
[0009]作为优选，所述数据采集芯片采集的各企业总碳排放量a
i
包括电能消耗、天然气消耗等。根据各种能源碳排放量因子折算出碳排放量。数据采集芯片采集的企业总产值包括通过“统一社会信用代码”自动匹配企业产值数据。大数据采集还包括人工采集、爬虫采集、API接口采集中的一种或者多种组合。同时积极打通与政府部门的数据通道，依托能源大数据中心，汇集电、气、油、煤等主要能源数据，根据生态环境部门公布的碳排放因子，将能源数据换算成碳排放量后，结合企业产值数据深入开展碳效分析。系统依据数据采集频率和时间设定，对未更新的数据进行提醒，实现数据的及时、便捷存取。
[0010]作为优选，所述数据采集芯片采集的企业碳中和量包括光伏能源、水电等新能源发电量。在企业碳排量中剔除通过光伏等清洁能源发电产生的碳排放量。
[0011]作为优选，步骤S5中提到的所述区域内所有规内企业一定时期碳耗指数E的智能评价算法：科学方法反映区域内企业碳耗，通过对能源消耗碳排放量与总产值进行比值计算，形成能源碳耗指数，动态反映各区县产值碳排放变化，准确展现产业结构和新能源利用等因素对碳耗的影响。
[0012]因此，本专利技术具有如下有益效果：(1)以碳能耗指数精准反映个乡镇单位产值碳排放水平。(2)科学设置评价算法，将区域内的光伏等新能源发电量从能耗总量中准确核减相应排放量。(3)从规上企业到乡镇区域分层反映碳排放量，简单直观，充分体现客观性。
附图说明
[0013]图1是本专利技术一实施例碳耗水平算法流程图。
具体实施方式
[0014]下面结合附图与具体实施方式对本专利技术做进一步的描述。
[0015]实施例：如图1所示的一种基于大数据的区域碳耗指数算法：所述计算方法包括如下步骤：S1、建立区域内某一周期内规上企业总能耗产生的碳排放量
‑
企业产值二元模式的系统大数据采集、分析、整合系统，分层次搭建大数据框架结构；S2、对区域内利用智能数据采集处理器集成的数据采集芯片进行大数据采集；大数据采集还包括人工采集、爬虫采集、API接口采集中的一种或者多种组合。同时积极打通与政府部门的数据通道，依托能源大数据中心，汇集电、气、油、煤等主要能源数据，根据生态环境部门公布的碳排放因子，将能源数据换算成碳排放量后，结合企业产值数据深入开展碳效分析。系统依据数据采集频率和时间设定，对未更新的数据进行提醒，实现数据的及时、便捷存取。
[0016]S3、对大量的规上企业总碳排放量和规上企业总产值数据，通过计算机对获取的数据进行大数据预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的碳耗指数算法，其特征在于，所述计算方法包括如下步骤：S1、建立区域内某一周期内规上企业总能耗产生的碳排放量
‑
企业产值二元模式的系统大数据采集、分析、整合系统，分层次搭建大数据框架结构；S2、对区域内利用智能数据采集处理器集成的数据采集芯片进行大数据采集；S3、对大量的规上企业总碳排放量和规上企业总产值数据，通过计算机对获取的数据进行大数据预处理，建立多元计算器大数据库；S4、通过对计算机大数据的数据统计分析、预置分布式挖掘技术和智能化深度学习方法，建立复杂的碳排放渠道之间的内部关联关系，通过构建区域内某企业一定时期的碳耗指数e智能评价算法：其中，a
i
为企业总碳排放量；b
j
为企业碳中和量；Z
n
为企业总产值；2.S5、综合计算区域内所有规内企业的一定时期内碳耗指数。2.根据权利要求1所述的一种基于大数据的碳耗指数算法，其特征在于，所述数据采...

【专利技术属性】
技术研发人员：陈剑锋，卢峰，沈伟奇，邢建旭，刘海峰，王函韵，尹小明，周敬嵩，季国良，王涛，岑梁，沈贺铭，徐俊，费旭玮，薛钦，盛琦慧，
申请(专利权)人：国网浙江长兴县供电有限公司，
类型：发明
国别省市：