System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于分布式传感器的碳排放监测系统及方法技术方案_技高网

一种基于分布式传感器的碳排放监测系统及方法技术方案

技术编号:40575176 阅读:5 留言:0更新日期:2024-03-06 17:16
本发明专利技术公开了一种基于分布式传感器的碳排放监测系统及方法,属于煤矿碳排放监测领域,包括:数据采集模块,用于通过分布式传感器采集煤矿开发中的变量数据;数据筛选模块,与所述数据采集模块连接,用于从所述变量数据中筛选出碳排放相关数据;碳排放量获取模块,与所述数据筛选模块连接,用于根据所述碳排放相关数据计算得到碳排放量。本发明专利技术通过分布式传感器采集煤炭开发过程中的各种变量,并对各种变量进行筛选找出影响碳排放变量,获得各影响碳排放变量的权重,最后根据各种变量计算得到碳排放量,为后期碳中和提供数据支持。

【技术实现步骤摘要】

本专利技术属于煤矿碳排放监测领域,尤其涉及一种基于分布式传感器的碳排放监测系统及方法


技术介绍

1、煤炭开发过程是指由井工或露天煤矿开采出原煤,并经洗选成为煤炭产品的过程,在煤炭开发利用过程中产生的碳排放是碳排放的主要来源,约占碳排放总量的60%~70%。

2、煤炭开发过程的低碳清洁化是必然要求,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排放量,实现二氧化碳零排放。然而碳中和之前需要明确知道碳排放总量,因此如何计算煤炭开发过程中的碳排放量成为亟需解决的问题。


技术实现思路

1、为解决上述技术问题,本专利技术提出了一种一种基于分布式传感器的碳排放监测系统及方法,以解决现有技术中存在的问题。

2、为实现上述目的,本专利技术提供了一种基于分布式传感器的碳排放监测系统,包括:

3、数据采集模块,用于通过分布式传感器采集煤矿开发中的变量数据;

4、数据筛选模块,与所述数据采集模块连接,用于从所述变量数据中筛选出碳排放相关数据;

5、碳排放量获取模块,与所述数据筛选模块连接,用于根据所述碳排放相关数据计算得到碳排放量。

6、可选的,所述数据采集模块包括传感器单元、组网单元和预处理单元;

7、所述传感器单元用于采集变量数据;

8、所述组网单元用于将所有传感器连接到一起构建传感器网络,进行数据整合;

9、所述预处理单元用于对整合后的数据进行数据预处理,得到预处理数据。

10、可选的,所述预处理单元包括数据清洗子单元和滤波子单元;

11、所述数据清洗子单元用于去除变量数据中的异常值、噪声和错误数据;

12、所述滤波子单元用于对经过数据清洗的变量数据进行滤波处理。

13、可选的,所述数据筛选模块包括标准化单元、第一模型构建单元和变量提取单元;

14、所述标准化单元用于将预处理数据进行中心标准化处理,得到相同衡量度的变量数据;

15、所述第一模型构建单元用于基于相同衡量度的变量数据构建线性回归模型;

16、所述变量提取单元用于基于线性回归模型进行迭代求解,得到碳排放相关数据。

17、可选的,所述碳排放量获取模块包括归一化单元、第二模型构建单元和生成单元;

18、所述归一化单元用于将碳排放相关数据进行归一化处理;

19、所述第二模型构建单元用于构建前馈神经网络模型;

20、所述生成单元用于将归一化处理的碳排放相关数据输入到前馈神经网络模型中,生成碳排放量。

21、本专利技术还提供了一种基于分布式传感器的碳排放监测方法,包括以下步骤:

22、通过分布式传感器采集煤矿开发中的变量数据;

23、从所述变量数据中筛选出碳排放相关数据;

24、根据所述碳排放相关数据计算得到碳排放量。

25、可选的,所述采集煤矿开发中的变量数据的方法包括:

26、通过传感器采集变量数据;

27、将所有传感器连接到一起构建传感器网络,并对所述变量数据进行数据整合;

28、对整合后的数据进行数据预处理,得到预处理数据。

29、可选的,所述数据预处理的方法包括:

30、对变量数据进行数据清洗处理,去除变量数据中的异常值、噪声和错误数据;

31、对经过数据清洗的变量数据进行滤波处理。

32、可选的,将预处理数据进行中心标准化处理,得到相同衡量度的变量数据;

33、基于相同衡量度的变量数据构建线性回归模型;

34、基于所述线性回归模型进行迭代求解,得到碳排放相关数据及碳排放相关数据对应的权重。

35、可选的,所述计算得到碳排放量的方法包括:

36、将碳排放相关数据进行归一化处理;

37、构建前馈神经网络模型,并通过遗传算法选出最优前馈神经网络模型;

38、将归一化处理的碳排放相关数据输入到最优前馈神经网络模型中,生成碳排放量。

39、与现有技术相比,本专利技术具有如下优点和技术效果:

40、本专利技术所述的基于分布式传感器的碳排放监测系统及方法,通过分布式传感器采集煤炭开发过程中的各种变量,并对各种变量进行筛选找出影响碳排放变量,获得各影响碳排放变量的权重,最后根据各种变量计算得到碳排放量,为后期碳中和提供数据支持。

本文档来自技高网...

【技术保护点】

1.一种基于分布式传感器的碳排放监测系统,其特征在于,包括:

2.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

3.根据权利要求2所述的基于分布式传感器的碳排放监测系统,其特征在于,

4.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

5.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

6.一种基于分布式传感器的碳排放监测方法,其特征在于,包括以下步骤:

7.根据权利要求6所述的基于分布式传感器的碳排放监测方法,其特征在于,

8.根据权利要求7所述的基于分布式传感器的碳排放监测方法,其特征在于,

9.根据权利要求6所述的基于分布式传感器的碳排放监测方法,其特征在于,

10.根据权利要求6所述的基于分布式传感器的碳排放监测方法,其特征在于,

【技术特征摘要】

1.一种基于分布式传感器的碳排放监测系统,其特征在于,包括:

2.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

3.根据权利要求2所述的基于分布式传感器的碳排放监测系统,其特征在于,

4.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

5.根据权利要求1所述的基于分布式传感器的碳排放监测系统,其特征在于,

【专利技术属性】
技术研发人员:张帅飞
申请(专利权)人:上海立达学院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1