基于大数据的企业能耗碳排放监测核算方法及系统技术方案

本发明专利技术提供一种基于大数据的企业能耗碳排放监测核算方法及系统。本发明专利技术应用于数据处理技术领域，该方法包括：采集企业实时的煤炭使用量数据和碳排放量数据；根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列，所述异常突变点序列包括存在异常的、并与煤炭使用量数据未匹配成的碳排放量数据；将所述异常突变点序列中的异常突变点进行均值滤波降噪处理，获得去噪后的碳排放量数据。通过根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列，并将异常数据点去噪，达到消除无效异常信息的目的，从而提高监测的碳排放数量的准确性。监测的碳排放数量的准确性。监测的碳排放数量的准确性。

【技术实现步骤摘要】
基于大数据的企业能耗碳排放监测核算方法及系统


[0001]本专利技术涉及数据处理
，具体为一种基于大数据的企业能耗碳排放监测核算方法及系统。

技术介绍

[0002]随着社会经济和技术的不断发展，企业对能源的需求量也在不断增加，同时也对环境保护的责任有了更高的要求。企业通过实时监测能源使用量和碳排放量，为企业的能源关系和环境保护提供重要的支持。
[0003]现有技术的碳排放量计算方法为排放因子碳核算法，即，根据监测的排放碳含量确定相关排放因子，再采用该因子计算企业排放的二氧化碳等温室气体，也就是说，通过采集企业能源使用数据和排放因子，计算企业生产的碳排放总量。
[0004]由于企业排放数据往往受到多方面因素的影响，如采集误差、缺失或不连续，影响数据分析的准确性和可靠性，因此对采集的数据进行清洗、去噪和校正是必要的。然而，现有的去噪方法为平均滤波法、中置滤波法、小波去噪法等现有技术，在使用过程中会根据数据特点选择合适的方法，但对于碳排放量数据的多样性具有去噪局限性，造成监测异常数据的信息损失，从而导致监测的碳排放数量不准确。<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企业能耗碳排放监测核算方法，其特征在于，包括：采集企业实时的煤炭使用量数据和碳排放量数据；根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列，所述异常突变点序列包括存在异常的、并与煤炭使用量数据未匹配成的碳排放量数据；将所述异常突变点序列中的异常突变点进行均值滤波降噪处理，获得去噪后的碳排放量数据；所述根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列之前，还包括：根据公式，确定煤炭使用量数据的突变程度，其中，为第时刻的煤炭使用量数据的斜率，为第时刻的煤炭使用量数据的斜率，为大于0的数；在所述突变程度大于突变阈值时，确定煤炭使用量数据为煤炭使用量突变点；通过动态时间归整DTW算法将碳排放量突变点序列和煤炭使用量突变点序列进行处理，确定延迟序列D，所述延迟序列D中每一个煤炭使用量突变点对应一个碳排放量突变点，所述煤炭使用量突变点序列包括由所述煤炭使用量突变点组成的序列，所述碳排放量突变点序列包括根据所述碳排放量数据和所述煤炭使用量数据的变化一致性，确定的由所述煤炭使用量突变点对应的碳排放量突变点组成的序列。2.根据权利要求1所述的基于大数据的企业能耗碳排放监测核算方法，其特征在于，所述根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列之前，还包括：根据公式，确定在区间内煤炭使用量突变点的排量系数，其中，和分别为煤炭使用量突变点的相邻突变点，为通过最有匹配算法确定的与匹配的碳排放量突变点，为通过最有匹配算法确定的与匹配的碳排放量突变点，为与匹配的突变点个数，为误差参数。3.根据权利要求2所述的基于大数据的企业能耗碳排放监测核算方法，其特征在于，所述根据所述碳排放量数据和所述煤炭使用量数据的变化一致性和反应滞后性，确定异常突变点序列，包括：根据公式，确定煤炭使用量突变点的最优碳排放量突变点，其中，为的排量系数，，函数为提取当时，取值最小的碳排放量突变点作为的最优匹配点；
根据区间中与煤炭使用量突变点匹配的所述最优碳排放量突变点，确定最优延迟序列，所述最优延迟序列中每一个煤炭使用量突变点对应一个碳排放量突变点；将所述最优延迟序列与所述延迟序列D进行比较，确定所述异常突变点序列。4.根据权利要求3所述的基于大数据的企业能耗碳排放监测核算方法，其特征在于，所述将所述异常突变点序列中的...

【专利技术属性】
技术研发人员：徐凌寒，张佳祺，姚煜，王嘉延，何嘉兴，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：