CN113869660A - 一种基于大数据分析的企业碳数据综合智能管控*** - Google Patents
一种基于大数据分析的企业碳数据综合智能管控*** Download PDFInfo
- Publication number
- CN113869660A CN113869660A CN202111036250.7A CN202111036250A CN113869660A CN 113869660 A CN113869660 A CN 113869660A CN 202111036250 A CN202111036250 A CN 202111036250A CN 113869660 A CN113869660 A CN 113869660A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- energy
- consumption
- carbon emission
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 167
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 166
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 62
- 238000007726 management method Methods 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 65
- 238000000034 method Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 4
- 238000013480 data collection Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000013523 data management Methods 0.000 abstract description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000010792 warming Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的企业碳数据综合智能管控***,涉及企业碳数据管控技术领域,解决了现有技术中无法准确预测企业对应碳排放的趋势的技术问题,通过碳排放的均值和稳定值能够准确预测企业对应碳排放的趋势;根据各个企业的能源数据进行分类,能够清晰采集到各个企业的运行状态,对各个企业采取不同标准,防止出现高效益与低效益的企业标准相同,导致数据采集有误;采集到各个企业对应消耗最多的能源种类,从而明确对各个企业的管控方向,有助于提高各个企业对能源消耗的管控效率,防止管控出现误差导致人力物力成本浪费;将能源消耗与碳排放同时进行数据分析,减少采集次数。
Description
技术领域
本发明涉及企业碳数据管控技术领域,具体为一种基于大数据分析的企业碳数据综合智能管控***。
背景技术
目前,全球气候变暖已经成为全球热点问题,其对人类生活的影响也愈发严重,例如台风等灾难性气候以及地震、海啸等自然灾害的频繁发生,而人类的生产活动中排出的二氧化碳是导致全球气候变暖的主要原因,为了减轻气候变暖对环境造成的影响,实现“低能耗、低污染、低排放”的低碳化发展模式,企业碳数据已成为企业评定的重要标准;
申请号为CN2019107320164的专利中公开了一种基于大数据分析的企业碳数据或碳资产智能管控平台,能够在数据层面对碳数据进行统一管理和存储,及时对碳排放数据进行核算,对数据的潜在价值实现进一步挖掘;在业务层面对企业碳排放情况进行核算,形成了一套完整的企业碳排放管理体系,全面涵盖碳排放、碳资产管理的相关内容,全面地反映企业碳排放情况,对碳资产、碳数据统计分析、碳排放量预测等业务点均涉及,对企业碳资产管理做到心中有数;
但是在专利中,虽然技术层面能够在不同行业进行推广,技术具有通用性、实用性、可复制性;对历史数据进行挖掘分析,基于神经网络算法、回归分析等算法,对企业碳排放量进行预测;但是无法对各个企业准确筛选出企业对应的消耗能源以及企业内碳排放的影响区域,同时,也未对各个企业的消耗能源与碳排放关联进行分析,导致在降低能源消耗的同时不能够准确降低碳排放,进行二次筛选会加大工作强度同时数据存在不唯一性,多次采集数据也会带来误差增大的影响。
发明内容
本发明的目的就在于提出一种基于大数据分析的企业碳数据综合智能管控***,通过碳排放的均值和稳定值能够准确预测企业对应碳排放的趋势;根据各个企业的能源数据进行分类,能够清晰采集到各个企业的运行状态,对各个企业采取不同标准,防止出现高效益与低效益的企业标准相同,导致数据采集有误;采集到各个企业对应消耗最多的能源种类,从而明确对各个企业的管控方向,有助于提高各个企业对能源消耗的管控效率,防止管控出现误差导致人力物力成本浪费;将能源消耗与碳排放同时进行数据分析,减少采集次数。
本发明的目的可以通过以下技术方案实现:
一种基于大数据分析的企业碳数据综合智能管控***,包括感知层、网络层以及应用层;感知层内设置有服务器、企业端、管理端以及数据传输单元;企业端内包括企业分析单元和趋势分析单元;管理端内包括能源分析单元以及区域分析单元;网络层内包括数据接收单元、处理器以及设备检测单元;
感知层用于对企业的碳数据进行检测,通过感知层内服务器进行数据采集,通过传感器采集数据信号并将数据信号分别发送至企业端和管理端;通过企业分析单元对各个企业进行分析并通过分析将各个企业进行分类;通过趋势分析单元对各个企业进行碳排放分析,从而判断企业的碳排放发展趋势;通过能源分析单元对各个企业内消耗能源进行排序,采集到各个企业对应消耗最多的能源种类;通过区域分析单元对各个企业内的主消耗能源和次消耗能源的消耗区域进行分析,判定主消耗能源和次消耗能源对企业碳排放的影响;
网络层用于对感知层检测的数据进行分析;网络层内数据接收单元用于接收感知层发送的数据,并将数据传输至处理器;处理器生成设备检测信号并将设备检测信号发送至设备检测单元;设备检测单元用于对感知层的数据采集设备进行质量检测;
应用层用于对企业内碳排放或者设备进行调控。
进一步地,企业分析单元的分析过程如下:
获取到区域周界并将区域周界内的区域标记为检测区域,采集到检测区域内所有企业,并将企业标记为i,采集到检测区域内各个企业的消耗能源种类数量,以历史三个月为检测时间,采集到历史三个月内各个企业碳排放总量,采集到历史三个月内各个企业的总效益额度,通过分析获取到企业的能源消耗系数;
若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为高消耗高效益企业;若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为高消耗低效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为低消耗高效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为低消耗低效益企业。
进一步地,趋势分析单元的分析过程如下:
以历史一周为分析时间,并在分析时间内设置t个时间节点,采集到各个时间节点的实时碳排放量,并将各个时间节点的实时碳排放量标记为Pt,根据t个时间节点构建碳排放集合{P1,P2,…,Pt},通过公式获取到碳排放集合的均值Gt,将碳排放集合内各个子集与均值Gt进行比较:
以碳排放集合内的中间子集为界限将碳排放集合划分为上集合和下集合,若上集合内百分之八十的子集小于均值Gt,且下集合内百分之八十的子集大于均值Gt,则判定对应企业内的碳排放呈增长趋势;若上集合内百分之八十的子集大于均值Gt,且下集合内百分之八十的子集小于均值Gt,则判定对应企业内的碳排放呈降低趋势;
若上集合与下集合内大于均值的子集均超过对应数量阈值,则将上集合排序第一的子集与下集合排序最末的子集进行比较:
若上集合排序第一的子集对应排放量大于下集合排序最末的子集对应排放量,则判定碳排放呈降低趋势;若上集合排序第一的子集对应排放量小于下集合排序最末的子集对应排放量,则判定碳排放呈上升趋势;
通过公式获取到碳排放集合的稳定系数Wt,将碳排放集合的稳定系数Wt与稳定系数阈值进行比较:若碳排放集合的稳定系数Wt≥稳定系数阈值,则判定对应企业的碳排放数据稳定;若碳排放集合的稳定系数Wt<稳定系数阈值,则判定对应企业的碳排放数据不稳定;
通过数据采集单元将各个类型的企业、企业对应碳排放趋势以及稳定系数发送至网络层和应用层。
进一步地,能源分析单元的分析排序过程如下:
将高消耗高效益企业和高消耗低效益企业标记为能源检测企业,采集到能源检测企业内能源种类o;采集到能源检测企业内各个能源种类对应的能源消耗占比以及能源消耗基数,通过分析获取到对应企业内各个种类能源的消耗系数Ko,将各个种类能源的消耗系数Ko与消耗系数阈值进行比较:若对应种类能源的消耗系数≥消耗系数阈值,则将对应种类能源标记为主消耗能源;若对应种类能源的消耗系数<消耗系数阈值,则将对应种类能源标记为次消耗能源。
进一步地,区域分析单元的分析过程如下:
采集到对应企业内主消耗能源和次消耗能源,设置检测时间阈值,在检测时间阈值内采集对应企业的碳排放总量与碳排放趋势,当碳排放总量大于对应阈值且碳排放趋势呈上升时,对主消耗能源和次消耗能源进行分析,若主消耗能源总量大于主消耗能源阈值且主消耗能源呈上升趋势,则判定主消耗能源为碳排放影响因素;若次消耗能源总量大于次消耗能源阈值且次消耗能源呈上升趋势,则判定次消耗能源为碳排放影响因素;
将对应企业内生产厂房进行区域划分,分析对应区域的消耗能源,若对应区域的消耗能源为碳排放影响因素,则将对应区域标记为碳排放影响区域;若对应区域的消耗能源不为碳排放影响因素,则将对应区域标记为能源消耗影响区域;通过数据传输单元将各个企业的主消耗能源、次消耗能源、碳排放影响区域以及能源消耗影响区域发送至网络层和应用层。
进一步地,设备检测单元的检测过程如下:
采集到数据采集设备的总运行时长以及总运行时长内的错误频率,通过分析获取到数据采集设备检测系数Z,将数据采集设备检测系数与数据采集设备检测系数阈值进行比较:若数据采集设备检测系数≥数据采集设备检测系数阈值,则判定对应数据采集设备运行异常,生成设备异常信号并将设备异常信号发送至处理器,处理器接收到设备异常信号后生成更换信号并将更换信号和对应设备发送至应用层;若数据采集设备检测系数<数据采集设备检测系数阈值,则判定对应数据采集设备运行正常,生成设备正常信号并将设备正常信号发送至应用层。
与现有技术相比,本发明的有益效果是:
本发明中,根据各个企业的能源数据进行分类,能够清晰采集到各个企业的运行状态,对各个企业采取不同标准,防止出现高效益与低效益的企业标准相同,导致数据采集有误;对各种类型企业进行排放趋势分析,提高了企业碳数据的管控效率,在符合排放标准和利润最大化的同时提高企业效益;通过碳排放的均值和稳定值能够准确预测企业对应碳排放的趋势;
采集到各个企业对应消耗最多的能源种类,从而明确对各个企业的管控方向,有助于提高各个企业对能源消耗的管控效率,防止管控出现误差导致人力物力成本浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明整体的原理框图;
图2为本发明中应用层的原理框图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
如图1所示,一种基于大数据分析的企业碳数据综合智能管控***,包括感知层、网络层以及应用层;感知层用于对企业的碳数据进行检测,感知层内设置有服务器、企业端、管理端以及数据传输单元;企业端内包括企业分析单元和趋势分析单元;管理端内包括能源分析单元以及区域分析单元;网络层用于对感知层检测的数据进行分析,网络层内包括数据接收单元、处理器以及设备检测单元;其中,处理器与数据接收单元以及设备检测单元均为双向通讯连接;应用层用于对企业内碳排放或者设备进行调控;
服务器对企业内进行数据采集,通过传感器采集数据信号并将数据信号分别发送至企业端和管理端,本申请中服务器内包括各类能源数据传感器,如:二氧化碳传感器以及电量传感器;
企业分析单元用于对各个企业进行分析并通过分析将各个企业进行分类,根据各个企业的能源数据进行分类,能够清晰采集到各个企业的运行状态,对各个企业采取不同标准,防止出现高效益与低效益的企业标准相同,导致数据采集有误,具体分析过程如下:
获取到区域周界并将区域周界内的区域标记为检测区域,采集到检测区域内所有企业,并将企业标记为i,i为大于1的自然数;采集到检测区域内各个企业的消耗能源种类数量,并将检测区域内各个企业的消耗能源种类数量标记为SLi;以历史三个月为检测时间,采集到历史三个月内各个企业碳排放总量,并将其标记为PFi;采集到历史三个月内各个企业的总效益额度,并将历史三个月内各个企业的总效益额度标记为EDi;
通过公式获取到企业的能源消耗系数Xi,其中,a1和a2均为比例系数,且a1>a2>0,能源消耗系数是将各个企业的特征参数进行归一化处理得到一个用于评定企业能源消耗的数值;通过公式可得,消耗能源种类数量和碳排放总量越大,能源消耗系数越大,表示企业能源消耗越大;
若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为高消耗高效益企业;若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为高消耗低效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为低消耗高效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为低消耗低效益企业;
趋势分析单元用于对各个企业进行碳排放分析,从而判断企业的碳排放发展趋势,对各种类型企业进行排放趋势分析,提高了企业碳数据的管控效率,在符合排放标准和利润最大化的同时提高企业效益,具体分析过程如下:
以历史一周为分析时间,并在分析时间内设置t个时间节点,t=1,2,…,n,n为正整数,采集到各个时间节点的实时碳排放量,并将各个时间节点的实时碳排放量标记为Pt,根据t个时间节点构建碳排放集合{P1,P2,…,Pt},其中,碳排放集合内子集排序根据t个时间节点的对应时间先后顺序进行排序;
通过公式获取到碳排放集合的均值Gt,将碳排放集合内各个子集与均值Gt进行比较,以碳排放集合内的中间子集为界限将碳排放集合划分为上集合和下集合,若上集合内百分之八十的子集小于均值Gt,且下集合内百分之八十的子集大于均值Gt,则判定对应企业内的碳排放呈增长趋势;若上集合内百分之八十的子集大于均值Gt,且下集合内百分之八十的子集小于均值Gt,则判定对应企业内的碳排放呈降低趋势;若上集合与下集合内大于均值的子集均超过对应数量阈值,则将上集合排序第一的子集与下集合排序最末的子集进行比较:若上集合排序第一的子集对应排放量大于下集合排序最末的子集对应排放量,则判定碳排放呈降低趋势;若上集合排序第一的子集对应排放量小于下集合排序最末的子集对应排放量,则判定碳排放呈上升趋势;
通过公式获取到碳排放集合的稳定系数Wt,其中,当t=1时,Pt-1取值为0;将碳排放集合的稳定系数Wt与稳定系数阈值进行比较:若碳排放集合的稳定系数Wt≥稳定系数阈值,则判定对应企业的碳排放数据稳定;若碳排放集合的稳定系数Wt<稳定系数阈值,则判定对应企业的碳排放数据不稳定;
数据采集单元将各个类型的企业、企业对应碳排放趋势以及稳定系数发送至网络层和应用层;
能源分析单元用于对各个企业内消耗能源进行排序,采集到各个企业对应消耗最多的能源种类,从而明确对各个企业的管控方向,有助于提高各个企业对能源消耗的管控效率,防止管控出现误差导致人力物力成本浪费,具体分析排序过程如下:
将高消耗高效益企业和高消耗低效益企业标记为能源检测企业,采集到能源检测企业内能源种类o,o为大于1的自然数;采集到能源检测企业内各个能源种类对应的能源消耗占比以及能源消耗基数,并将能源检测企业内各个能源种类对应的能源消耗费用占比以及能源消耗基数分别标记为XHo和JSo;其中,当能源种类为电时,则能源消耗基数为消耗的瓦数;当能源种类为水时,则能源消耗基数为消耗的吨数;
通过公式获取到对应企业内各个种类能源的消耗系数Ko,其中,b1和b2均为比例系数,且b1>b2>0,β为误差修正因子,取值为1.25;将各个种类能源的消耗系数Ko与消耗系数阈值进行比较:若对应种类能源的消耗系数≥消耗系数阈值,则将对应种类能源标记为主消耗能源;若对应种类能源的消耗系数<消耗系数阈值,则将对应种类能源标记为次消耗能源;
区域分析单元用于对各个企业内的主消耗能源和次消耗能源的消耗区域进行分析,判定主消耗能源和次消耗能源对企业碳排放的影响,从而降低了企业能源消耗的同时能够减少碳排放量,防止出现企业对消耗能源进行限制,降低了企业效益的同时仍未减少碳排放,具体分析过程如下:
采集到对应企业内主消耗能源和次消耗能源,设置检测时间阈值,在检测时间阈值内采集对应企业的碳排放总量与碳排放趋势,当碳排放总量大于对应阈值且碳排放趋势呈上升时,对主消耗能源和次消耗能源进行分析,若主消耗能源总量大于主消耗能源阈值且主消耗能源呈上升趋势,则判定主消耗能源为碳排放影响因素;若次消耗能源总量大于次消耗能源阈值且次消耗能源呈上升趋势,则判定次消耗能源为碳排放影响因素;
将对应企业内生产厂房进行区域划分,分析对应区域的消耗能源,若对应区域的消耗能源为碳排放影响因素,则将对应区域标记为碳排放影响区域;若对应区域的消耗能源不为碳排放影响因素,则将对应区域标记为能源消耗影响区域;
数据传输单元将各个企业的主消耗能源、次消耗能源、碳排放影响区域以及能源消耗影响区域发送至网络层和应用层;
网络层内数据接收单元用于接收感知层发送的数据,并将数据传输至处理器;处理器生成设备检测信号并将设备检测信号发送至设备检测单元;设备检测单元用于对感知层的数据采集设备进行质量检测,确保感知层数据采集的准确性,提高了企业碳排放管控的效率,防止因数据有误导致企业碳排放管控效率降低,浪费了不必要的生产成本,本申请中数据采集设备为服务器内各类能源数据传感器,具体检测过程如下:
采集到数据采集设备的总运行时长以及总运行时长内的错误频率,并将数据采集设备的总运行时长以及总运行时长内的错误频率分别标记为SC和PL;通过公式获取到数据采集设备检测系数Z,其中,v1和v2均为比例系数,且v1>v2>0,e为自然常数;
将数据采集设备检测系数与数据采集设备检测系数阈值进行比较:若数据采集设备检测系数≥数据采集设备检测系数阈值,则判定对应数据采集设备运行异常,生成设备异常信号并将设备异常信号发送至处理器,处理器接收到设备异常信号后生成更换信号并将更换信号和对应设备发送至应用层;若数据采集设备检测系数<数据采集设备检测系数阈值,则判定对应数据采集设备运行正常,生成设备正常信号并将设备正常信号发送至应用层;
实施例2
如图2所示,一种基于大数据分析的企业碳数据综合智能管控***,包括应用层,应用层用于接收网络层发送的设备异常信号和设备正常信号,并将对应信号发送至控制器;
控制器接收到设备异常信号后,生成设备调控信号并将设备调控信号发送至设备调控单元,设备调控单元接收到设备调控信号后,采集到对应异常设备的位置并将对应异常设备进行更换或者维护;
控制器接收到设备正常信号后,生成企业调控信号和管理调控信号并将企业调控信号和管理调控信号分别发送至企业调控单元和管理调控单元;
企业调控单元接收到企业调控信号后,将高消耗高效益企业与高消耗低效益企业进行能源消耗控制,设定消耗能源量;从根本减少能源消耗,提高了能源的利用率;
管理调控单元接收到管理调控信号后,将各个企业的主消耗能源和次消耗能源分别设置对应消耗阈值,且主消耗能源对应消耗阈值大于次消耗能源对应消耗阈值;将碳排放影响区域进行管控,控制碳排放影响区域的碳排放或者增加碳排放影响区域的废气处理工序。
一种基于大数据分析的企业碳数据综合智能管控***,在工作时,通过感知层对企业的碳数据进行检测,通过感知层内服务器进行数据采集,通过传感器采集数据信号并将数据信号分别发送至企业端和管理端;通过企业分析单元对各个企业进行分析并通过分析将各个企业进行分类;通过趋势分析单元对各个企业进行碳排放分析,从而判断企业的碳排放发展趋势;通过能源分析单元对各个企业内消耗能源进行排序,采集到各个企业对应消耗最多的能源种类;通过区域分析单元对各个企业内的主消耗能源和次消耗能源的消耗区域进行分析,判定主消耗能源和次消耗能源对企业碳排放的影响;
通过网络层对感知层检测的数据进行分析;通过网络层内数据接收单元接收感知层发送的数据,并将数据传输至处理器;处理器生成设备检测信号并将设备检测信号发送至设备检测单元;通过设备检测单元对感知层的数据采集设备进行质量检测;通过应用层对企业内碳排放或者设备进行调控。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所做的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,包括感知层、网络层以及应用层;感知层内设置有服务器、企业端、管理端以及数据传输单元;企业端内包括企业分析单元和趋势分析单元;管理端内包括能源分析单元以及区域分析单元;网络层内包括数据接收单元、处理器以及设备检测单元;
感知层用于对企业的碳数据进行检测,通过感知层内服务器进行数据采集,通过传感器采集数据信号并将数据信号分别发送至企业端和管理端;通过企业分析单元对各个企业进行分析并通过分析将各个企业进行分类;通过趋势分析单元对各个企业进行碳排放分析,从而判断企业的碳排放发展趋势;通过能源分析单元对各个企业内消耗能源进行排序,采集到各个企业对应消耗最多的能源种类;通过区域分析单元对各个企业内的主消耗能源和次消耗能源的消耗区域进行分析,判定主消耗能源和次消耗能源对企业碳排放的影响;
网络层用于对感知层检测的数据进行分析;网络层内数据接收单元用于接收感知层发送的数据,并将数据传输至处理器;处理器生成设备检测信号并将设备检测信号发送至设备检测单元;设备检测单元用于对感知层的数据采集设备进行质量检测;
应用层用于对企业内碳排放或者设备进行调控。
2.根据权利要求1所述的一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,企业分析单元的分析过程如下:
获取到区域周界并将区域周界内的区域标记为检测区域,采集到检测区域内所有企业,并将企业标记为i,采集到检测区域内各个企业的消耗能源种类数量,以历史三个月为检测时间,采集到历史三个月内各个企业碳排放总量,采集到历史三个月内各个企业的总效益额度,通过分析获取到企业的能源消耗系数;
若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为高消耗高效益企业;若企业的能源消耗系数≥能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为高消耗低效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度≥效益额度阈值,则将对应企业标记为低消耗高效益企业;若企业的能源消耗系数<能源消耗系数阈值且对应企业的总效益额度<效益额度阈值,则将对应企业标记为低消耗低效益企业。
3.根据权利要求1所述的一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,趋势分析单元的分析过程如下:
以历史一周为分析时间,并在分析时间内设置t个时间节点,采集到各个时间节点的实时碳排放量,并将各个时间节点的实时碳排放量标记为Pt,根据t个时间节点构建碳排放集合{P1,P2,…,Pt},通过公式获取到碳排放集合的均值Gt,将碳排放集合内各个子集与均值Gt进行比较:
以碳排放集合内的中间子集为界限将碳排放集合划分为上集合和下集合,若上集合内百分之八十的子集小于均值Gt,且下集合内百分之八十的子集大于均值Gt,则判定对应企业内的碳排放呈增长趋势;若上集合内百分之八十的子集大于均值Gt,且下集合内百分之八十的子集小于均值Gt,则判定对应企业内的碳排放呈降低趋势;
若上集合与下集合内大于均值的子集均超过对应数量阈值,则将上集合排序第一的子集与下集合排序最末的子集进行比较:
若上集合排序第一的子集对应排放量大于下集合排序最末的子集对应排放量,则判定碳排放呈降低趋势;若上集合排序第一的子集对应排放量小于下集合排序最末的子集对应排放量,则判定碳排放呈上升趋势;
通过公式获取到碳排放集合的稳定系数Wt,将碳排放集合的稳定系数Wt与稳定系数阈值进行比较:若碳排放集合的稳定系数Wt≥稳定系数阈值,则判定对应企业的碳排放数据稳定;若碳排放集合的稳定系数Wt<稳定系数阈值,则判定对应企业的碳排放数据不稳定;
通过数据采集单元将各个类型的企业、企业对应碳排放趋势以及稳定系数发送至网络层和应用层。
4.根据权利要求1所述的一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,能源分析单元的分析排序过程如下:
将高消耗高效益企业和高消耗低效益企业标记为能源检测企业,采集到能源检测企业内能源种类o;采集到能源检测企业内各个能源种类对应的能源消耗占比以及能源消耗基数,通过分析获取到对应企业内各个种类能源的消耗系数Ko,将各个种类能源的消耗系数Ko与消耗系数阈值进行比较:若对应种类能源的消耗系数≥消耗系数阈值,则将对应种类能源标记为主消耗能源;若对应种类能源的消耗系数<消耗系数阈值,则将对应种类能源标记为次消耗能源。
5.根据权利要求1所述的一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,区域分析单元的分析过程如下:
采集到对应企业内主消耗能源和次消耗能源,设置检测时间阈值,在检测时间阈值内采集对应企业的碳排放总量与碳排放趋势,当碳排放总量大于对应阈值且碳排放趋势呈上升时,对主消耗能源和次消耗能源进行分析,若主消耗能源总量大于主消耗能源阈值且主消耗能源呈上升趋势,则判定主消耗能源为碳排放影响因素;若次消耗能源总量大于次消耗能源阈值且次消耗能源呈上升趋势,则判定次消耗能源为碳排放影响因素;
将对应企业内生产厂房进行区域划分,分析对应区域的消耗能源,若对应区域的消耗能源为碳排放影响因素,则将对应区域标记为碳排放影响区域;若对应区域的消耗能源不为碳排放影响因素,则将对应区域标记为能源消耗影响区域;通过数据传输单元将各个企业的主消耗能源、次消耗能源、碳排放影响区域以及能源消耗影响区域发送至网络层和应用层。
6.根据权利要求1所述的一种基于大数据分析的企业碳数据综合智能管控***,其特征在于,设备检测单元的检测过程如下:
采集到数据采集设备的总运行时长以及总运行时长内的错误频率,通过分析获取到数据采集设备检测系数Z,将数据采集设备检测系数与数据采集设备检测系数阈值进行比较:若数据采集设备检测系数≥数据采集设备检测系数阈值,则判定对应数据采集设备运行异常,生成设备异常信号并将设备异常信号发送至处理器,处理器接收到设备异常信号后生成更换信号并将更换信号和对应设备发送至应用层;若数据采集设备检测系数<数据采集设备检测系数阈值,则判定对应数据采集设备运行正常,生成设备正常信号并将设备正常信号发送至应用层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111036250.7A CN113869660A (zh) | 2021-09-06 | 2021-09-06 | 一种基于大数据分析的企业碳数据综合智能管控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111036250.7A CN113869660A (zh) | 2021-09-06 | 2021-09-06 | 一种基于大数据分析的企业碳数据综合智能管控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869660A true CN113869660A (zh) | 2021-12-31 |
Family
ID=78989533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111036250.7A Pending CN113869660A (zh) | 2021-09-06 | 2021-09-06 | 一种基于大数据分析的企业碳数据综合智能管控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869660A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423187A (zh) * | 2022-09-01 | 2022-12-02 | 无锡市低碳研究院有限公司 | 一种基于大数据的碳达峰碳中和数据处理***及方法 |
CN115796594A (zh) * | 2022-12-12 | 2023-03-14 | 速度时空信息科技股份有限公司 | 一种碳排放的智能管理***及方法 |
CN116720667A (zh) * | 2023-08-10 | 2023-09-08 | 碳阻迹(北京)科技有限公司 | 一种基于大数据分析的企业碳数据智能管控方法和*** |
CN117592666A (zh) * | 2024-01-18 | 2024-02-23 | 中电山河数字科技(南通)有限公司 | 基于企业数据的多维度碳排放数据采集核算*** |
-
2021
- 2021-09-06 CN CN202111036250.7A patent/CN113869660A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423187A (zh) * | 2022-09-01 | 2022-12-02 | 无锡市低碳研究院有限公司 | 一种基于大数据的碳达峰碳中和数据处理***及方法 |
CN115423187B (zh) * | 2022-09-01 | 2023-05-23 | 无锡市低碳研究院有限公司 | 一种基于大数据的碳达峰碳中和数据处理***及方法 |
CN115796594A (zh) * | 2022-12-12 | 2023-03-14 | 速度时空信息科技股份有限公司 | 一种碳排放的智能管理***及方法 |
CN116720667A (zh) * | 2023-08-10 | 2023-09-08 | 碳阻迹(北京)科技有限公司 | 一种基于大数据分析的企业碳数据智能管控方法和*** |
CN116720667B (zh) * | 2023-08-10 | 2023-10-31 | 碳阻迹(北京)科技有限公司 | 一种基于大数据分析的企业碳数据智能管控方法和*** |
CN117592666A (zh) * | 2024-01-18 | 2024-02-23 | 中电山河数字科技(南通)有限公司 | 基于企业数据的多维度碳排放数据采集核算*** |
CN117592666B (zh) * | 2024-01-18 | 2024-03-26 | 中电山河数字科技(南通)有限公司 | 基于企业数据的多维度碳排放数据采集核算*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113869660A (zh) | 一种基于大数据分析的企业碳数据综合智能管控*** | |
CN111356148B (zh) | 一种实现网络优化的方法及相关设备 | |
US20230143654A1 (en) | Method for smart gas pipeline network inspection and internet of things system thereof | |
CN110991875A (zh) | 一种平台用户质量评估*** | |
CN111680764B (zh) | 一种行业复工复产程度监控方法 | |
CN111176953B (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
CN117176560B (zh) | 一种基于物联网的监测设备监管***及其方法 | |
CN112906738A (zh) | 一种水质检测及处理方法 | |
CN113408659A (zh) | 一种基于数据挖掘的建筑能耗集成分析方法 | |
CN116882804A (zh) | 一种智能电力监控方法及*** | |
CN109525036B (zh) | 一种通信设备的市电供应状态的监控方法、装置和*** | |
CN112150098A (zh) | 一种电力设施防恐安保监管方法及*** | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
CN105678456B (zh) | 一种电能计量装置运行状态自动评估方法及其*** | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN117349624A (zh) | 一种电力能源监控方法、***、终端设备及存储介质 | |
CN110807014A (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
Žunić et al. | Cluster-based analysis and time-series prediction model for reducing the number of traffic accidents | |
CN114590199A (zh) | 一种led车灯故障诊断反馈*** | |
CN113743444A (zh) | 人群异常检测方法、装置、电子设备及存储介质 | |
CN117436795B (zh) | 一种用于分级管理的仓库物资监测方法及*** | |
CN111523715A (zh) | 一种负荷综合预测方法 | |
CN117833296B (zh) | 基于电力现货交易数据的储能装置性能优化***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |