本发明专利技术公开了一种园区碳排放预测方法及系统,所述方法包括以下步骤:对监测区域进行分类,并获取各类监测区域的碳排放因子;基于所述碳排放因子,实时获取预设时间段内的碳排放量的原始数据;对所述原始数据进行处理,并构建碳排放计算模型,基于所述碳排放计算模型,获得碳排放计算结果;基于碳排放计算结果,进行碳排放未来趋势预测
【技术实现步骤摘要】
一种园区碳排放预测方法及系统
[0001]本专利技术属于智能监测
,具体涉及一种园区碳排放预测方法及系统
。
技术介绍
[0002]随着全球气候变暖,二氧化碳等温室气体排放已经引起人们的广泛关注;园区消耗和碳排放问题已经成为制约可持续发展的重要因素,减少碳排放是“碳中和”的核心要义以及目标实现的重点发力方向,实现对碳排放的准确计量和全面监测则是减少碳排放的首要任务
。
园区供给侧虽然是碳排放产生的重点领域,但其生产服务于消费,园区消费侧直接或间接的从园区供给侧的高耗能和高排放中获得经济与环境收益
。
基于此,为了平衡碳排放的供给侧责任和消费侧责任,避免因碳排放责任转移导致的不公平问题,应该加强园区消费侧碳排放准确计量和全面监测,为“双碳”目标提供可信数据支撑
。
[0003]当前的园区碳排放数据集已无法满足对碳排放监测的更高要求
。
在全球各国纷纷采取气候行动
、
陆续宣布“碳中和”计划的背景下,碳排放数据有一到两年的时间滞后性,意味着无法对碳排放水平开展实时地
、
高频率地监测,无法认识最新的碳排放变化情况,无法及时评估各类气候政策的作用效果;其次,年度排放数据无法反映更高频的
(
天级别或小时级别的
)
碳排放信息,难以对碳排放变化规律开展更高时间分辨率的研究,因此也就无法实时的对碳排放量的发展趋势进行预测
。
技术实现思路
[0004]针对现有技术的不足,本专利技术提出了一种园区碳排放预测方法及系统,实时监测园区域内确定碳排放量的相关数据,以此来实时计算碳排放量,并对各项数据的发展趋势以及碳排放量的发展趋势进行智能化和实时的未来趋势预测,真正实现了对碳排放发展趋势的实时计算与智能预测预警
。
[0005]为实现上述目的,本专利技术提供了如下方案:
[0006]一种园区碳排放预测方法,包括以下步骤:
[0007]对监测区域进行分类,并获取各类监测区域的碳排放因子;
[0008]基于所述碳排放因子,实时获取预设时间段内的碳排放量的原始数据;
[0009]对所述原始数据进行处理,并构建碳排放计算模型,基于所述碳排放计算模型,获得碳排放计算结果;
[0010]基于所述碳排放计算结果,进行碳排放未来趋势预测
。
[0011]优选的,对监测区域进行分类的方法包括:
[0012]基于园区地图信息,标记园区内的碳排放源;
[0013]基于标记的所述碳排放源的分布,划分所述监测区域
。
[0014]优选的,所述碳排放量的原始数据包括:能源碳排放数据
、
生产碳排放数据
、
交通碳排放数据以及建筑碳排放数据
。
[0015]优选的,对所述原始数据进行处理的方法包括:对所述原始数据进行清洗;
[0016]对所述原始数据进行清洗的方式包括:去除重复项和剔除异常值,使用线性插值的方法补充缺失值,以及将数据的时间分辨率统一处理
。
[0017]优选的,构建碳排放计算模型的方法包括:
[0018]将所述碳排放因子以及与其对应的所述碳排放量数据,进行归一化处理,获得所述各类监测区域的碳排放归一化数据;
[0019]基于所述各类监测区域对应的碳排放核算理论以及所述归一化数据,构建碳排放确定模型;
[0020]基于所述碳排放确定模型,获得碳排放核算数据网络;
[0021]基于所述碳排放核算数据网络,构建所述各类监测区域与其对应的处理过程的碳排放关系恒等式;
[0022]基于所述碳排放关系恒等式以及所述碳排放确定模型,构建碳排放因子修正模型;
[0023]基于所述碳排放确定模型以及所述碳排放因子修正模型,构建所述碳排放计算模型
。
[0024]优选的,基于碳排放计算结果,进行碳排放未来趋势预测的方法包括:
[0025]获取碳排放影响数据变量,进行二氧化碳代谢平衡机理分析和统计数据分析,建立
BP
神经网络和多元线性回归模型,通过神经网络仿真值和回归方程模拟值进行比较,实现对园区碳排放进行预测分析
。
[0026]优选的,所述方法还包括:对园区碳排放进行未来趋势预测后,将预测结果实时传递给预防报警模块中对应的每一类报警单元,若预测结果与预设阈值存在偏差,则对应的报警单元进行报警
。
[0027]本专利技术还公开了一种园区碳排放预测方法及系统,包括:第一获取模块
、
第二获取模块
、
构建模块和预测模块;
[0028]所述第一获取模块用于对监测区域进行分类,并获取各类监测区域的碳排放因子;
[0029]所述第二获取模块用于基于所述碳排放因子,实时获取预设时间段内的碳排放量的原始数据;
[0030]所述构建模块用于对所述原始数据进行处理,并构建碳排放计算模型,基于所述碳排放计算模型,获得碳排放计算结果;
[0031]所述预测模块用于基于所述碳排放计算结果,进行碳排放未来趋势预测
。
[0032]与现有技术相比,本专利技术的有益效果为:
[0033]本专利技术公开了一种园区碳排放预测方法及系统,包括以下步骤:对监测区域进行分类,并获取各类监测区域的碳排放因子;基于碳排放因子,实时获取碳排放量的原始数据;对原始数据进行处理,并构建碳排放计算模型;基于碳排放计算结果,进行碳排放未来趋势预测
。
本专利技术可以实时监测园区域内确定碳排放量的相关数据,以此来实时计算碳排放量,并对各项数据的发展趋势以及碳排放量的发展趋势进行智能化和实时的未来趋势预测,真正实现了对碳排放发展趋势的实时计算与智能预测预警,可以促进园区的整改以及节能减排,优化园区环境
。
附图说明
[0034]为了更清楚地说明本专利技术的技术方案,下面对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图
。
[0035]图1为本专利技术实施例中的一种园区碳排放预测方法流程示意图
。
[0036]图2为本专利技术实施例中的一种园区碳排放预测系统整体框架图
。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚
、
完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例
。
基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围
。
[0038]为使本专利技术的上述目的
、
特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本专利技术作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种园区碳排放预测方法,其特征在于,包括以下步骤:对监测区域进行分类,并获取各类监测区域的碳排放因子;基于所述碳排放因子,实时获取预设时间段内的碳排放量的原始数据;对所述原始数据进行处理,并构建碳排放计算模型,基于所述碳排放计算模型,获得碳排放计算结果;基于所述碳排放计算结果,进行碳排放未来趋势预测
。2.
根据权利要求1所述的园区碳排放预测方法,其特征在于,对监测区域进行分类的方法包括:基于园区地图信息,标记园区内的碳排放源;基于标记的所述碳排放源的分布,划分所述监测区域
。3.
根据权利要求1所述的园区碳排放预测方法,其特征在于,所述碳排放量的原始数据包括:能源碳排放数据
、
生产碳排放数据
、
交通碳排放数据以及建筑碳排放数据
。4.
根据权利要求1所述的园区碳排放预测方法,其特征在于,对所述原始数据进行处理的方法包括:对所述原始数据进行清洗;对所述原始数据进行清洗的方式包括:去除重复项和剔除异常值,使用线性插值的方法补充缺失值,以及将数据的时间分辨率统一处理
。5.
根据权利要求1所述的园区碳排放预测方法,其特征在于,构建碳排放计算模型的方法包括:将所述碳排放因子以及与其对应的所述碳排放量数据,进行归一化处理,获得所述各类监测区域的碳排放归一化数据;基于所述各类监测区域对应的碳排放核算理论以及所述归一化数据,构建碳排放确定模型;基于所述碳排放确定模型,获得碳排放核算数据网络;基...
【专利技术属性】
技术研发人员:杨邦会,李航,刘利,
申请(专利权)人:杨邦会,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。