数字化园区电碳数据映射方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种数字化园区电碳数据映射方法、系统、设备及存储介质，通过对园区数据进行数据清洗、多时间尺度数据融合以及电碳耦合转换三个步骤，实现真实物理园区在数字空间中的映射。其中园区数据包括分布式新能源、楼宇用能、储能、充电桩等电气量信息和园区基本信息、经济信息和碳汇等其他信息。最终通过数字化园区的电碳映射方法，能够得到精准的园区碳排放量和碳排放强度计算结果，为构建数字化园区电碳分析、碳达峰碳中和预测提供有效支撑。撑。撑。

【技术实现步骤摘要】
数字化园区电碳数据映射方法、系统、设备及存储介质


[0001]本专利技术属于低碳
，具体是一种数字化园区电碳数据映射方法、系统、设备及存储介质。

技术介绍

[0002]园区存在各种不同性质的载体，碳排放类型和现状复杂多样，需要梳理不同的碳排放源以及对应的碳排放指标，进而建立个体和全局的园区数字孪生电碳监测系统，科学指导电力公司、政府和用户采取合理的降碳措施。园区也是实现双碳的重要抓手，但目前园区的电碳监测更多体现在信息化智慧管理和能源的监控上，急需建立电碳数据映射体系，对碳排放和碳排强度进行数字化精准映射，打通全价值链碳排放数据，连接碳市场，为实现园区碳中和目标提供可信可靠的数据平台支撑。因此，如何映射数字化园区的电碳数据，获得精准的碳排放量和碳排强度数据，是本专利技术所要解决的技术问题。

技术实现思路

[0003]为了解决上述问题，本专利技术提供了能够得到精准的园区碳排放量和碳排放强度计算结果的数字化园区电碳数据映射方法、系统、设备及存储介质。
[0004]为了达到上述目的，本专利技术是通过以下技术方案来实现的：
[0005]本专利技术是数字化园区电碳数据映射方法，包括如下步骤：
[0006]步骤1，获取园区数据；
[0007]步骤2，对园区数据进行清洗操作；
[0008]步骤3，对园区数据的电气量信息进行多时间尺度数据融合处理；
[0009]步骤4，进行电碳耦合转换操作，计算得到园区的碳排放量和碳排放强度。
[0010]本专利技术的进一步改进在于：所述步骤1中的园区数据为电气量信息和其他信息，其中，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息。
[0011]本专利技术的进一步改进在于：所述步骤2中的具体操作步骤为：
[0012]步骤2.1，对园区数据中的电气量信息进行缺失值填补；
[0013]对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；
[0014]对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：
[0015][0016][0017]其中，p
n
(x)是拟合多项式，n为某一电气量数据进行采点的数量，(x
i
,y
i
)为单个点的数据，其中x
i
表示该电气量第i个点代表的时间信息，y
i
表示该电气量第i个点的值，L
n
(x)
为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；
[0018]步骤2.2，当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：
[0019][0020]其中，R
t
为t时刻的设备信息，R
t
‑1和R
t+1
分别为t
‑
1时刻和t+1时刻的设备状态信息，R
N
为设备额定信息。
[0021]本专利技术的进一步改进在于：所述步骤3具体为：选取固定的数据步长为λ，当待融合数据的时间周期λ
Y
大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λ
Y
小于固定计算步长λ时，则通过以下算法对数据进行融合：
[0022][0023]其中，为需要进行数据融合的t+λ
Y
时刻的数据值。
[0024]本专利技术的进一步改进在于：步骤4具体为：
[0025]步骤4.1，导入电碳因子库，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
[0026]步骤4.2，计算园区场景的碳排放量和碳排放强度，表达式为：
[0027]C
m
(Γ)＝κ1[I
p
(Γ)
‑
I
r
(Γ)]‑
κ2C
e
(Γ)
[0028]I
p
(Γ)＝I
b
(Γ)+I
v
(Γ)+I
o
(Γ)
‑
I
e
(Γ)
[0029][0030]其中，C
m
(Γ)为时间段Γ下园区的碳排放量，I
p
(Γ)为时间段Γ下园区的总用电量，I
r
(Γ)为时间段Γ下园区的分布式新能源的发电量，C
e
(Γ)为时间段Γ下园区的固碳总量，I
b
(Γ)为时间段Γ下园区的楼宇的总用电量，I
v
(Γ)为时间段Γ下园区的电动汽车的总用电量，I
o
(Γ)为时间段Γ下园区的其他用电量，I
e
(Γ)为时间段Γ下园区的楼宇的储能放电量，C
o
(Γ)为时间段Γ下园区的碳排放强度，J
c
(Γ)为时间段Γ下园区的总产值。
[0031]本专利技术的数字化园区电碳数据映射系统，包括数据采集模块、数据清洗模块、多时间尺度数据融合模块，电碳因子库存储模块和场景碳排计算模块；
[0032]数据采集模块用于采集包括电气量信息和其他信息的园区数据，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息；
[0033]数据清洗模块用于对电气量信息和设备信息进行缺失数据清洗；
[0034]多时间尺度数据融合模块对园区数据的电气量信息进行融合；
[0035]电碳因子库存储模块用于存储电碳因子数据，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
[0036]场景碳排计算模块用于计算园区场景的碳排放量和碳排放强度，计算如下：
[0037]C
m
(Γ)＝κ1[I
p
(Γ)
‑
I
r
(Γ)]‑
κ2C
e
(Γ)
[0038]I
p
(Γ)＝I
b
(Γ)+I
v
(Γ)+I
o
(Γ)
‑
I
e
(Γ)
[0039][0040]其中，C
m
(Γ)为时间段Γ下园区的碳排放量，I
p
(Γ)为时间段Γ下园区的总用电量，I
r
(Γ)为时间段Γ下园区的分布式新能源的发电量，C
e
(Γ)为时间段Γ下园区的固碳总量，I
b
(Γ)为时间段Γ下园区的楼宇的总用电量，I
v
(Γ)为时间段Γ下园区的电动汽车的总用电量，I
o
(Γ)为时间段Γ下园区的其他用电量，I
e
(Γ)为时间段Γ下园区的楼宇的储能放电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.数字化园区电碳数据映射方法，其特征在于：包括如下步骤：步骤1，获取园区数据；步骤2，对园区数据进行清洗操作；步骤3，对园区数据的电气量信息进行多时间尺度数据融合处理；步骤4，进行电碳耦合转换操作，计算得到园区的碳排放量和碳排放强度；所述步骤1中的园区数据为电气量信息和其他信息，其中，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息。2.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：所述步骤2中的具体操作步骤为：步骤2.1，对园区数据中的电气量信息进行缺失值填补；对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：值法表达式为：其中，p
n
(x)是拟合多项式，n为某一电气量数据进行采点的数量，(x
i
,y
i
)为单个点的数据，其中x
i
表示该电气量第i个点代表的时间信息，y
i
表示该电气量第i个点的值，L
n
(x)为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；步骤2.2，当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：其中，R
t
为t时刻的设备信息，R
t
‑1和R
t+1
分别为t
‑
1时刻和t+1时刻的设备状态信息，R
N
为设备额定信息。3.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：所述步骤3具体为：选取固定的数据步长为λ，当待融合数据的时间周期λ
Y
大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λ
Y
小于固定计算步长λ时，则通过以下算法对数据进行融合：其中，为需要进行数据融合的t+λ
Y
时刻的数据值。4.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：步骤4具体为：步骤4.1，导入电碳因子库，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
步骤4.2，计算园区场景的碳排放量和碳排放强度，表达式为：C
m
(Γ)＝κ1[I
p
(Γ)
‑
I
r
(Γ)]
‑
κ2C
e
(Γ)I
p
(Γ)＝I
b
(Γ)+I
v
(Γ)+I
o
(Γ)
‑
I
e
(Γ)其中，C
m
(Γ)为时间段Γ下园区的碳排放量，I
p
(Γ)为时间段Γ下园区的总用电量，I
r
(Γ)为时间段Γ下园区的分布式新能源的发电量，C
e
(Γ)为时间段Γ下园区的固碳总量，I
b
(Γ)为时间段Γ下园区的楼宇的总用电量，I
v
(Γ)为时间段Γ下园区的电动汽车的总用电量，I
o
(Γ)为时间段Γ下园区的其他用电量，I
e
(Γ)为时间段Γ下园区的楼宇的储能放电量，C
o
(Γ)为时间段Γ下园区的碳排放强度，J
c
(Γ)为时间段Γ下园区的总产值。5.数字化园区电碳数据映射系统，其特征在于：包括数据采集模块、数据清洗模块、多时间尺度数据融合模块，电碳因子库存储模块和场景碳排...

【专利技术属性】
技术研发人员：刘江涛，延巧娜，卫茹，许洪华，程孟晗，高海洋，吴宁，朱英杰，茅嘉毅，曹晨，
申请(专利权)人：南京电力设计研究院有限公司，
类型：发明
国别省市：