一种基于边缘计算的碳排放监测预警分析系统及其方法技术方案

本发明专利技术涉及一种基于边缘计算的碳排放监测预警分析系统及其方法，属于碳排放分析技术领域，包括边缘监测站和云计算中心，所述边缘监测站设置有数据采集模块、边缘计算模块和数据传输模块，用于采集数据并进行初步站点分析，同时将数据打包上传至云计算中心；所述边缘计算模块，用于构建站点碳排量分析模型；所述云计算中心，用于城市碳排量估算以及预测，生成预警报告；所述站点碳排量分析模型包括回归模型和BP神经网络；所述数据采集模块包括二氧化碳浓度传感器和气象观测传感器。本发明专利技术针对城市碳排放集中点设置基于边缘计算的监测站点，从实时采集的数据出发完成监测站点碳排放的预测分析，然后通过云计算中心生成预警报告。告。告。

【技术实现步骤摘要】
一种基于边缘计算的碳排放监测预警分析系统及其方法


[0001]本专利技术属于碳排放分析
，具体涉及一种基于边缘计算的碳排放监测预警分析系统及其方法。

技术介绍

[0002]随着城市化进程的不断推进、劳动人口的不断迁移，造成城市能源消耗的增加、环境污染加剧以及碳排放增加，作为温室气体组成之一的二氧化碳，其排放量带来的气候变化不容小觑。
[0003]目前针对城市的碳排放问题，在节能减排方面采取了一系列措施，使得原有的能源结构、排放因子和污染控制措施发生了巨大的变化。通过在大型工业企业内安装在线连续排放监测系统来追踪碳排放，但却忽略了大部分的中小型企业碳排放，这些小型企业并没有安装监测系统，很难及时准确地捕捉到它们的排放特征，对于城市居民的日常生活及行为活动未曾估算。因此基于数据来源不足，同时预测角度的不同，对于城市碳排放的实时监测及预警不够及时且预测效果较差。
[0004]鉴于上述情况，亟需提出一种基于边缘计算的碳排放监测预警分析系统及其方法，从碳排放源头进行实时数据采集，分析影响因素与碳排放之间的映射关系，更加准确的对城市碳排放做出监测和预警。

技术实现思路

[0005]为解决现有技术中存在的上述问题，本专利技术提供了一种基于边缘计算的碳排放监测预警分析系统及其方法，针对城市碳排放集中点设置基于边缘计算的监测站点，从实时采集的数据出发完成监测站点碳排放的预测分析，然后通过云计算中心生成预警报告。
[0006]本专利技术的目的可以通过以下技术方案实现：一种基于边缘计算的碳排放监测预警分析系统，包括边缘监测站和云计算中心，所述边缘监测站通过有线或无线的方式与云计算中心连接；所述边缘监测站设置有数据采集模块、边缘计算模块和数据传输模块，用于采集数据并进行初步站点分析，同时将数据打包上传至云计算中心；所述边缘计算模块，用于构建站点碳排量分析模型；所述云计算中心，用于城市碳排量估算以及预测，生成预警报告。
[0007]作为本专利技术的一种优选技术方案，所述站点碳排量分析模型包括回归模型和BP神经网络；所述回归模型，用于筛选碳排量影响因素变量；所述BP神经网络，用于输出站点碳排量预测值。
[0008]作为本专利技术的一种优选技术方案，所述数据采集模块包括二氧化碳浓度传感器和气象观测传感器；所述预警报告包括站点类别碳排放排序和区域碳排放排序。
[0009]作为本专利技术的一种优选技术方案，还包括一种基于边缘计算的碳排放监测预警分
析方法，应用于以上所述的碳排量预警分析系统，包括以下步骤：S1、进行城市碳源分析，筛选出最具代表性的边缘监测站点位置；S2、建立边缘监测站点并调试通网；S3、边缘监测站通过收集的数据进行站点分析；S4、将站点分析结果上传至云计算中心；S5、云计算中心根据站点分析结果进行城市碳排量估算并生成预警报告。
[0010]进一步地，步骤S1中，所述最具代表性的边缘监测站点位置具体为：交通拥堵站点、小区站点、办公园区站点和工业厂区站点。
[0011]进一步地，步骤S3中，所述站点分析具体包括：S31、筛选碳排放量影响因素；S32、BP神经网络构建；S33、预测站点碳排放量。
[0012]进一步地，步骤S31中，所述碳排放量影响因素具体包括：消费因素、生产因素和综合因素。
[0013]进一步地，筛选碳排放量影响因素具体包括以下步骤：S311、数据标准化；S312、构建碳排放影响因素线性回归模型；S313、确定最终选取变量。
[0014]进一步地，BP神经网络构建具体包括以下步骤：S321、对样本数据归一化处理；S322、建立BP神经网络结构；S323、BP神经网络训练。
[0015]进一步地，步骤S5具体包括以下步骤：云计算中心分别根据排放特征和区域划分设置两类，第一类按照相同特征监测站点的数据进行估算全市其他未设置监测站点的排放量；第二类按照地理区域划分的结果估算每个地区的碳排放量；然后根据站点类别碳排放排序和区域碳排放排序来生成预警报告。
[0016]本专利技术的有益效果为：本专利技术针对城市碳排放集中点设置基于边缘计算的监测站点，从实际采集的数据出发，结合影响碳排放的可能因素，获得了各个影响因素与碳排放之间的映射关系，完成监测站点碳排放的预测分析，然后通过云计算中心生成预警报告，本专利技术构建的碳排放预测模型预测效果更好，可以实现通过历史数据对未来碳排放做出预测，为碳减排措施提供预警和指导。
附图说明
[0017]为了便于本领域技术人员理解，下面结合附图对本专利技术作进一步的说明。
[0018]图1为本专利技术预警分析模型结构示意图；图2为本专利技术预警分析方法步骤示意图。
具体实施方式
[0019]为更进一步阐述本专利技术为实现预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的具体实施方式、结构、特征及其功效，详细说明如下。
[0020]根据本申请的第一方面，本申请实施例提供一种基于边缘计算的碳排放监测预警分析系统，如图1所示，包括边缘监测站和云计算中心，所述边缘监测站通过有线或无线的方式与云计算中心连接。
[0021]所述边缘监测站设置有数据采集模块、边缘计算模块和数据传输模块，用于采集数据并进行初步站点分析，同时将分析结果上传至云计算中心；所述数据采集模块包括二氧化碳浓度传感器和气象观测传感器。
[0022]本实施例中，二氧化碳浓度传感器用于采集实时二氧化碳浓度值，气象观测传感器用于采集时间段对应的环境温度、相对湿度、风速、风向、大气压力和光学雨量。
[0023]所述边缘计算模块，用于构建站点碳排量分析模型；所述云计算中心，用于城市碳排量估算以及预测，生成预警报告，所述预警报告包括站点类别碳排放排序和区域碳排放排序。
[0024]所述站点碳排量分析模型包括回归模型和BP神经网络；所述回归模型，用于筛选碳排量影响因素变量；所述BP神经网络，用于输出站点碳排量预测值。
[0025]本实施例中，回归模型采用Lasso（最小绝对和收缩算子：Least absolute shrinkage and selection operator）模型完成碳排放量影响因素的筛选，然后将筛选之后的影响因素作为BP神经网络的输入，将碳排放预测值作为输出。
[0026]本专利技术基于边缘云计算，在网络边缘处理传感器采集的实时数据，只将分析结果传送至云计算中心，极大地减轻了网络带宽和数据中心功耗的压力，同时在靠近数据采集处做数据处理，不需要通过网络请求云计算中心的响应，大大减少了系统延迟，增强了服务响应能力。
[0027]根据本申请的第二方面，本申请实施例提供一种基于边缘计算的碳排放监测预警分析方法，如图2所示，包括以下步骤：S1、进行城市碳源分析，依据碳排放的重点区域筛选出最具代表性的边缘监测站点位置，所述碳排放的重点区域具体包括交通碳排放区、人为活动碳排放区以及工业废气碳排放区，其中人为活动碳排放区包括活动广场、居民小区和办公园区，工业废气碳排放区包括市内工业厂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的碳排放监测预警分析系统，其特征在于：包括边缘监测站和云计算中心，所述边缘监测站通过有线或无线的方式与云计算中心连接；所述边缘监测站设置有数据采集模块、边缘计算模块和数据传输模块，用于采集数据并进行初步站点分析，同时将数据打包上传至云计算中心；所述边缘计算模块，用于构建站点碳排量分析模型；所述云计算中心，用于城市碳排量估算以及预测，生成预警报告。2.根据权利要求1所述的一种基于边缘计算的碳排放监测预警分析系统，其特征在于：所述站点碳排量分析模型包括回归模型和BP神经网络；所述回归模型，用于筛选碳排量影响因素变量；所述BP神经网络，用于输出站点碳排量预测值。3.根据权利要求1所述的一种基于边缘计算的碳排放监测预警分析系统，其特征在于：所述数据采集模块包括二氧化碳浓度传感器和气象观测传感器；所述预警报告包括站点类别碳排放排序和区域碳排放排序。4.一种基于边缘计算的碳排放监测预警分析方法，应用于如权利要求1至3任一项所述的碳排量预警分析系统，其特征在于：包括以下步骤：S1、进行城市碳源分析，筛选出最具代表性的边缘监测站点位置；S2、建立边缘监测站点并调试通网；S3、边缘监测站通过收集的数据进行站点分析；S4、将站点分析结果上传至云计算中心；S5、云计算中心根据站点分析结果进行城市碳排量估算并生成预警报告。5.根据权利要求4所述的一种基于边缘计算的碳排放监测预警分析方法，其特征在于：步骤...

【专利技术属性】
技术研发人员：高国辉，何仪，周世武，李春涛，庄圣炜，韩业钜，
申请(专利权)人：广东埃文低碳科技股份有限公司，
类型：发明
国别省市：