CN115796594A - 一种碳排放的智能管理***及方法 - Google Patents

一种碳排放的智能管理***及方法 Download PDF

Info

Publication number
CN115796594A
CN115796594A CN202211587684.0A CN202211587684A CN115796594A CN 115796594 A CN115796594 A CN 115796594A CN 202211587684 A CN202211587684 A CN 202211587684A CN 115796594 A CN115796594 A CN 115796594A
Authority
CN
China
Prior art keywords
carbon emission
enterprise
managed
enterprises
risk
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
Application number
CN202211587684.0A
Other languages
English (en)
Inventor
李俊
郝本明
钱志奇
徐忠建
朱必亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Speed Space Time Information Technology Co Ltd
Original Assignee
Speed Space Time Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Speed Space Time Information Technology Co Ltd filed Critical Speed Space Time Information Technology Co Ltd
Priority to CN202211587684.0A priority Critical patent/CN115796594A/zh
Publication of CN115796594A publication Critical patent/CN115796594A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种碳排放的智能管理***及方法，属于碳排放管理领域，该碳排放的智能管理***包括预测模块、对比模块、交易模块、碳排放指标分析模块、风险评估模块以及分级预警模块；其中，所述预测模块用以根据以往的碳排放量预测所管理企业本年度的碳排放量；所述对比模块用以将预测的碳排放量与碳排放指标进行对比，生成判断结果；所述碳排放指标分析模块用以根据判断结果分析所管理企业的碳排放指标；所述交易模块用以根据判断结果交易碳排放指标。本发明，能够准确估算企业自身碳排放情况的趋势，并能根据风险管控地区进行风险评估，使得剩余的碳排放指标可及时交易给有需要的企业。

Description

一种碳排放的智能管理***及方法
技术领域
本发明涉及一种碳排放管理领域，具体是一种碳排放的智能管理***及方法。
背景技术
碳排放是关于温室气体排放的一个总称，是指煤炭、天然气、石油等化石能源燃烧活动和工业生产过程以及土地利用、土地利用变化与林业活动产生的温室气体排放，以及因使用外购的电力和热力等所导致的温室气体排放。为促进全球温室气体减排，将碳排放权作为商品，形成二氧化碳排放权的交易，简称为碳交易。通过赋予各企业碳排放指标，限制温室气体排放，这对工业企业的节能减排工作提出了更高的要求。
但是大多数企业仍处于无法准确估算企业自身碳排放情况的趋势，也无法根据风险管控地区进行风险评估，导致碳排放指标最后剩余无法交易给有需要的企业。因此，本领域技术人员提供了一种碳排放的智能管理***及方法，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种碳排放的智能管理***及方法，能够准确估算企业自身碳排放情况的趋势，并能根据风险管控地区进行风险评估，使得剩余的碳排放指标可及时交易给有需要的企业，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种碳排放的智能管理***，包括预测模块、对比模块、交易模块、碳排放指标分析模块、风险评估模块以及分级预警模块；
其中，所述预测模块用以根据以往的碳排放量预测所管理企业本年度的碳排放量；所述对比模块用以将预测的碳排放量与碳排放指标进行对比，生成判断结果；所述碳排放指标分析模块用以根据判断结果分析所管理企业的碳排放指标；所述交易模块用以根据判断结果交易碳排放指标；所述风险评估模块用以根据交易后的碳排放指标进行风险评估，生成评估结果；所述分级预警模块用以根据评估结果发出分级预警；
所述碳排放量的具体预测过程为：
S101：收集并统计同省份同领域相关企业的以往六个月的碳排放量，标记为A1、A2、A3、A4、A5、A6；
S102：收集并统计不同省份同领域相关企业的以往六个月的碳排放量，标记为B1、B2、B3、B4、B5、B6；
S103：收集并统计所管理企业以往六个月的碳排放量，标记为C1、C2、C3、C4、C5、C6；
S104：计算同省份同领域相关企业的碳排放趋势，具体为，令
Figure 100002_DEST_PATH_IMAGE002
,
Figure 100002_DEST_PATH_IMAGE004
,
Figure 100002_DEST_PATH_IMAGE006
,
Figure 100002_DEST_PATH_IMAGE008
,
Figure 100002_DEST_PATH_IMAGE010
,
Figure 100002_DEST_PATH_IMAGE012
，若是
Figure 100002_DEST_PATH_IMAGE014
为正数，则判断同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure 54235DEST_PATH_IMAGE014
为负数，则判断同省份同领域相关企业的碳排放趋势呈下降状态；
S105：计算不同省份同领域相关企业的碳排放趋势，具体为，令
Figure 100002_DEST_PATH_IMAGE016
,
Figure 100002_DEST_PATH_IMAGE018
,
Figure 100002_DEST_PATH_IMAGE020
,
Figure 100002_DEST_PATH_IMAGE022
,
Figure 100002_DEST_PATH_IMAGE024
,
Figure 100002_DEST_PATH_IMAGE026
，若是
Figure 100002_DEST_PATH_IMAGE028
为正数，则判断不同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure 337580DEST_PATH_IMAGE028
为负数，则判断不同省份同领域相关企业的碳排放趋势呈下降状态；
S106：计算所管理企业的碳排放趋势，具体为，令
Figure 100002_DEST_PATH_IMAGE030
,
Figure 100002_DEST_PATH_IMAGE032
,
Figure 100002_DEST_PATH_IMAGE034
,
Figure 146267DEST_PATH_IMAGE034
,
Figure 487250DEST_PATH_IMAGE034
,
Figure 100002_DEST_PATH_IMAGE036
，若是
Figure 100002_DEST_PATH_IMAGE038
为正数，则判断所管理企业的碳排放趋势呈上升状态，若是
Figure 946526DEST_PATH_IMAGE038
为负数，则判断所管理企业的碳排放趋势呈下降状态；
S107：若所管理企业的上游企业与下游企业均属于外省企业，则预测所管理企业的碳排放趋势为
Figure 100002_DEST_PATH_IMAGE040
，若所管理企业的上游企业与下游企业均属于省内企业，则预测所管理企业的碳排放趋势为
Figure 100002_DEST_PATH_IMAGE042
，若所管理企业的上游企业与下游企业任一一个属于外省企业，则预测所管理企业的碳排放趋势为
Figure 100002_DEST_PATH_IMAGE044
；
S108：根据预测碳排放趋势
Figure 100002_DEST_PATH_IMAGE046
，结合所管理企业以往的碳排放量，预测所管理企业本年度的碳排放量；
所述碳排放指标分析模块对所管理企业的碳排放指标进行分析的具体过程为：
S301：将判断结果与以往三年的碳排放指标交易量进行比对分析；
S302：若判断结果与以往三年的碳排放指标均为缺少，且所管理企业所需的碳排放指标逐年递增，则标记所管理企业的碳排放量超标，向所管理企业的负责人发出节能减排的建议；
S303：若判断结果与以往三年的碳排放指标均为富足，且所管理企业所需的碳排放指标逐年递减，则标记所管理企业的碳排放量达标，向所管理企业的负责人发出出售碳排放指标以提高利润的建议；
S304：若判断结果与以往三年的碳排放指标中富足与缺少并存，则标记所管理企业的碳排放量不稳定，向所管理企业的负责人发出交易碳排放指标的建议。
作为本发明进一步的方案：所述同领域相关企业指的是生产的产品相似度达到80%的企业，其中，相似度从材质、用途、外观方面进行判定。
作为本发明再进一步的方案：所述对比模块在进行比对中，若预测的碳排放量低于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标富足可出售，若预测的碳排放量高于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标缺少需收购。
作为本发明再进一步的方案：所述交易模块在交易碳排放指标过程中，若是出售碳排放指标，则优先向碳排放趋势呈上升状态的省内同领域相关企业出售，若是收购碳排放指标，则优先向省外同领域相关企业收购。
作为本发明再进一步的方案：所述风险评估模块的评估结果具体生成过程为：
S501：若所管理企业的上游企业与下游企业均处于高风险地区，则发出六级风险的评估结果；
S502：若所管理企业的上游企业与下游企业任一一个处于高风险地区，则发出五级风险的评估结果；
S503：若所管理企业的上游企业与下游企业均处于中风险地区，则发出四级风险的评估结果；
S504：若所管理企业的上游企业与下游企业任一一个处于中风险地区，则发出三级风险的评估结果；
S505：若所管理企业的上游企业与下游企业均处于低风险地区，则发出二级风险的评估结果；
S506：若所管理企业的上游企业与下游企业任一一个处于低风险地区，则发出一级风险的评估结果。
作为本发明再进一步的方案：所述分级预警模块发出分级预警具体如下：
若评估结果是六级风险，则向所管理企业发出六级预警，建议所管理企业再出售A%的碳排放指标；
若评估结果是五级风险，则向所管理企业发出五级预警，建议所管理企业再出售B%的碳排放指标；
若评估结果是四级风险，则向所管理企业发出四级预警，建议所管理企业再出售C%的碳排放指标；
若评估结果是三级风险，则向所管理企业发出三级预警，建议所管理企业再出售D%的碳排放指标；
若评估结果是二级风险，则向所管理企业发出二级预警，建议所管理企业再出售E%的碳排放指标；
若评估结果是一级风险，则向所管理企业发出一级预警，建议所管理企业再出售F%的碳排放指标。
本申请还公开了一种碳排放的智能管理方法，包括以下步骤：
根据以往的碳排放量预测所管理企业本年度的碳排放量；
将预测的碳排放量与碳排放指标进行对比，生成判断结果；
根据判断结果分析所管理企业的碳排放指标；
根据判断结果交易碳排放指标；
根据交易后的碳排放指标进行风险评估，生成评估结果；
根据评估结果发出分级预警。
与现有技术相比，本发明的有益效果是：
本发明通过收集所管理企业的上游企业与下游企业相关数据，从源头与去向进行多角度的分析，能够准确估算企业自身碳排放情况的趋势，再根据这个趋势得到所管理企业本年度精准的碳排放量，从而选择收购或出售合适份额的碳排放指标，并能根据风险管控地区进行风险评估，有效帮助企业负责人了解当前情况下碳排放指标剩余是否存在过多的风险，将剩余的碳排放指标及时交易给有需要的企业，从而使得碳交易市场的交易活跃度较高，方便有需要的企业及时购买足够的碳排放指标来完成生产，促进整体经济的繁荣，此外，碳排放指标分析模块可对所管理企业近几年的碳排放指标进行分析，并向所管理企业的负责人发出相应的建议。
附图说明
图1为一种碳排放的智能管理***的结构框图；
图2为一种碳排放的智能管理方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参阅图1～2，本发明实施例中，一种碳排放的智能管理***，包括预测模块、对比模块、交易模块、碳排放指标分析模块、风险评估模块以及分级预警模块；
其中，所述预测模块用以根据以往的碳排放量预测所管理企业本年度的碳排放量；所述对比模块用以将预测的碳排放量与碳排放指标进行对比，生成判断结果；所述碳排放指标分析模块用以根据判断结果分析所管理企业的碳排放指标；所述交易模块用以根据判断结果交易碳排放指标；所述风险评估模块用以根据交易后的碳排放指标进行风险评估，生成评估结果；所述分级预警模块用以根据评估结果发出分级预警；
所述碳排放量的具体预测过程为：
S101：收集并统计同省份同领域相关企业的以往六个月的碳排放量，标记为A1、A2、A3、A4、A5、A6；
S102：收集并统计不同省份同领域相关企业的以往六个月的碳排放量，标记为B1、B2、B3、B4、B5、B6；
S103：收集并统计所管理企业以往六个月的碳排放量，标记为C1、C2、C3、C4、C5、C6；
S104：计算同省份同领域相关企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE048
,
Figure DEST_PATH_IMAGE050
,
Figure DEST_PATH_IMAGE052
,
Figure DEST_PATH_IMAGE054
,
Figure DEST_PATH_IMAGE056
,
Figure DEST_PATH_IMAGE058
，若是
Figure DEST_PATH_IMAGE060
为正数，则判断同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure 592533DEST_PATH_IMAGE060
为负数，则判断同省份同领域相关企业的碳排放趋势呈下降状态；
S105：计算不同省份同领域相关企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE062
,
Figure DEST_PATH_IMAGE064
,
Figure DEST_PATH_IMAGE066
,
Figure DEST_PATH_IMAGE068
,
Figure DEST_PATH_IMAGE070
,
Figure DEST_PATH_IMAGE072
，若是
Figure DEST_PATH_IMAGE074
为正数，则判断不同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure 218293DEST_PATH_IMAGE074
为负数，则判断不同省份同领域相关企业的碳排放趋势呈下降状态；
S106：计算所管理企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE076
,
Figure 679361DEST_PATH_IMAGE076
,
Figure 640364DEST_PATH_IMAGE076
,
Figure 288514DEST_PATH_IMAGE076
,
Figure 360375DEST_PATH_IMAGE076
,
Figure DEST_PATH_IMAGE078
，若是
Figure DEST_PATH_IMAGE080
为正数，则判断所管理企业的碳排放趋势呈上升状态，若是
Figure 348054DEST_PATH_IMAGE080
为负数，则判断所管理企业的碳排放趋势呈下降状态；
S107：若所管理企业的上游企业与下游企业均属于外省企业，则预测所管理企业的碳排放趋势为，若所管理企业的上游企业与下游企业均属于省内企业，则预测所管理企业的碳排放趋势为
Figure DEST_PATH_IMAGE082
，若所管理企业的上游企业与下游企业任一一个属于外省企业，则预测所管理企业的碳排放趋势为
Figure DEST_PATH_IMAGE084
；
S108：根据预测碳排放趋势
Figure DEST_PATH_IMAGE086
，结合所管理企业以往的碳排放量，预测所管理企业本年度的碳排放量；
所述碳排放指标分析模块对所管理企业的碳排放指标进行分析的具体过程为：
S301：将判断结果与以往三年的碳排放指标交易量进行比对分析；
S302：若判断结果与以往三年的碳排放指标均为缺少，且所管理企业所需的碳排放指标逐年递增，则标记所管理企业的碳排放量超标，向所管理企业的负责人发出节能减排的建议；
S303：若判断结果与以往三年的碳排放指标均为富足，且所管理企业所需的碳排放指标逐年递减，则标记所管理企业的碳排放量达标，向所管理企业的负责人发出出售碳排放指标以提高利润的建议；
S304：若判断结果与以往三年的碳排放指标中富足与缺少并存，则标记所管理企业的碳排放量不稳定，向所管理企业的负责人发出交易碳排放指标的建议。
本申请能够准确估算企业自身碳排放情况的趋势，并能根据风险管控地区进行风险评估，使得剩余的碳排放指标可及时交易给有需要的企业。其中，本申请通过收集所管理企业的上游企业与下游企业相关数据，从源头与去向进行多角度的分析，从而准确估算企业自身碳排放情况的趋势，再根据这个趋势得到所管理企业本年度精准的碳排放量，此外，碳排放指标分析模块可对所管理企业近几年的碳排放指标进行分析，并向所管理企业的负责人发出相应的建议。
在本实施例中：所述同领域相关企业指的是生产的产品相似度达到80%的企业，其中，相似度从材质、用途、外观方面进行判定。需要说明的是，产品相似度取材质相似度、用途相似度、外观相似度三者的平均值。
在本实施例中：所述对比模块在进行比对中，若预测的碳排放量低于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标富足可出售，若预测的碳排放量高于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标缺少需收购。通过交易碳排放指标为所管理企业出售多余的碳排放指标给有需要的企业，或为所管理企业收购碳排放指标用于自用，无论是出售还是收购都有利于整个行业的发展，使得碳交易市场的交易活跃度较高，方便有需要的企业及时购买足够的碳排放指标来完成生产。
在本实施例中：所述交易模块在交易碳排放指标过程中，若是出售碳排放指标，则优先向碳排放趋势呈上升状态的省内同领域相关企业出售，若是收购碳排放指标，则优先向省外同领域相关企业收购。
在本实施例中：所述风险评估模块的评估结果具体生成过程为：
S501：若所管理企业的上游企业与下游企业均处于高风险地区，则发出六级风险的评估结果；
S502：若所管理企业的上游企业与下游企业任一一个处于高风险地区，则发出五级风险的评估结果；
S503：若所管理企业的上游企业与下游企业均处于中风险地区，则发出四级风险的评估结果；
S504：若所管理企业的上游企业与下游企业任一一个处于中风险地区，则发出三级风险的评估结果；
S505：若所管理企业的上游企业与下游企业均处于低风险地区，则发出二级风险的评估结果；
S506：若所管理企业的上游企业与下游企业任一一个处于低风险地区，则发出一级风险的评估结果。
在对交易后的碳排放指标进行风险评估的过程中，根据风险管控地区进行风险评估，当风险越大时，说明所管理企业的生产经营所受到的影响也就越大，这种情况下碳排放指标用不完的可能性也就越大，可出售部分碳排放指标，使得所管理企业剩余的碳排放指标可及时交易给有需要的企业。
在本实施例中：所述分级预警模块发出分级预警具体如下：
若评估结果是六级风险，则向所管理企业发出六级预警，建议所管理企业再出售A%的碳排放指标；
若评估结果是五级风险，则向所管理企业发出五级预警，建议所管理企业再出售B%的碳排放指标；
若评估结果是四级风险，则向所管理企业发出四级预警，建议所管理企业再出售C%的碳排放指标；
若评估结果是三级风险，则向所管理企业发出三级预警，建议所管理企业再出售D%的碳排放指标；
若评估结果是二级风险，则向所管理企业发出二级预警，建议所管理企业再出售E%的碳排放指标；
若评估结果是一级风险，则向所管理企业发出一级预警，建议所管理企业再出售F%的碳排放指标。
通过对评估结果发出分级预警，能够有效帮助企业负责人了解当前情况下碳排放指标剩余是否存在过多的风险，从而对碳排放指标进行适应性出售。其中，A取18，B取15，C取12，D取9，E取6，F取3，需要说明的是，A、B、C、D、E、F的数值可根据需要进行调整，并不局限于上述具体数值。
本申请还公开了一种碳排放的智能管理方法，包括以下步骤：
根据以往的碳排放量预测所管理企业本年度的碳排放量；
将预测的碳排放量与碳排放指标进行对比，生成判断结果；
根据判断结果分析所管理企业的碳排放指标；
根据判断结果交易碳排放指标；
根据交易后的碳排放指标进行风险评估，生成评估结果；
根据评估结果发出分级预警。
本发明通过收集所管理企业的上游企业与下游企业相关数据，从源头与去向进行多角度的分析，能够准确估算企业自身碳排放情况的趋势，再根据这个趋势得到所管理企业本年度精准的碳排放量，从而选择收购或出售合适份额的碳排放指标，并能根据风险管控地区进行风险评估，有效帮助企业负责人了解当前情况下碳排放指标剩余是否存在过多的风险，将剩余的碳排放指标及时交易给有需要的企业，从而使得碳交易市场的交易活跃度较高，方便有需要的企业及时购买足够的碳排放指标来完成生产，促进整体经济的繁荣，此外，碳排放指标分析模块可对所管理企业近几年的碳排放指标进行分析，并向所管理企业的负责人发出相应的建议。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种碳排放的智能管理***，其特征在于，包括预测模块、对比模块、交易模块、碳排放指标分析模块、风险评估模块以及分级预警模块；
其中，所述预测模块用以根据以往的碳排放量预测所管理企业本年度的碳排放量；所述对比模块用以将预测的碳排放量与碳排放指标进行对比，生成判断结果；所述碳排放指标分析模块用以根据判断结果分析所管理企业的碳排放指标；所述交易模块用以根据判断结果交易碳排放指标；所述风险评估模块用以根据交易后的碳排放指标进行风险评估，生成评估结果；所述分级预警模块用以根据评估结果发出分级预警；
所述碳排放量的具体预测过程为：
S101：收集并统计同省份同领域相关企业的以往六个月的碳排放量，标记为A1、A2、A3、A4、A5、A6；
S102：收集并统计不同省份同领域相关企业的以往六个月的碳排放量，标记为B1、B2、B3、B4、B5、B6；
S103：收集并统计所管理企业以往六个月的碳排放量，标记为C1、C2、C3、C4、C5、C6；
S104：计算同省份同领域相关企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE002
,
Figure DEST_PATH_IMAGE004
,
Figure DEST_PATH_IMAGE006
,
Figure DEST_PATH_IMAGE008
,
Figure DEST_PATH_IMAGE010
,
Figure DEST_PATH_IMAGE012
，若是
Figure DEST_PATH_IMAGE014
为正数，则判断同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure DEST_PATH_IMAGE016
为负数，则判断同省份同领域相关企业的碳排放趋势呈下降状态；
S105：计算不同省份同领域相关企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE018
,
Figure DEST_PATH_IMAGE020
,
Figure DEST_PATH_IMAGE022
,
Figure DEST_PATH_IMAGE024
,
Figure DEST_PATH_IMAGE026
,
Figure DEST_PATH_IMAGE028
，若是
Figure DEST_PATH_IMAGE030
为正数，则判断不同省份同领域相关企业的碳排放趋势呈上升状态，若是
Figure 781674DEST_PATH_IMAGE030
为负数，则判断不同省份同领域相关企业的碳排放趋势呈下降状态；
S106：计算所管理企业的碳排放趋势，具体为，令
Figure DEST_PATH_IMAGE032
,
Figure DEST_PATH_IMAGE034
,
Figure 571251DEST_PATH_IMAGE034
,
Figure 678884DEST_PATH_IMAGE034
,
Figure 542935DEST_PATH_IMAGE034
,
Figure DEST_PATH_IMAGE036
，若是
Figure DEST_PATH_IMAGE038
为正数，则判断所管理企业的碳排放趋势呈上升状态，若是
Figure 763832DEST_PATH_IMAGE038
为负数，则判断所管理企业的碳排放趋势呈下降状态；
S107：若所管理企业的上游企业与下游企业均属于外省企业，则预测所管理企业的碳排放趋势为
Figure DEST_PATH_IMAGE040
，若所管理企业的上游企业与下游企业均属于省内企业，则预测所管理企业的碳排放趋势为
Figure DEST_PATH_IMAGE042
，若所管理企业的上游企业与下游企业任一一个属于外省企业，则预测所管理企业的碳排放趋势为
Figure DEST_PATH_IMAGE044
；
S108：根据预测碳排放趋势
Figure DEST_PATH_IMAGE046
，结合所管理企业以往的碳排放量，预测所管理企业本年度的碳排放量；
所述碳排放指标分析模块对所管理企业的碳排放指标进行分析的具体过程为：
S301：将判断结果与以往三年的碳排放指标交易量进行比对分析；
S302：若判断结果与以往三年的碳排放指标均为缺少，且所管理企业所需的碳排放指标逐年递增，则标记所管理企业的碳排放量超标，向所管理企业的负责人发出节能减排的建议；
S303：若判断结果与以往三年的碳排放指标均为富足，且所管理企业所需的碳排放指标逐年递减，则标记所管理企业的碳排放量达标，向所管理企业的负责人发出出售碳排放指标以提高利润的建议；
S304：若判断结果与以往三年的碳排放指标中富足与缺少并存，则标记所管理企业的碳排放量不稳定，向所管理企业的负责人发出交易碳排放指标的建议。
2.根据权利要求1所述的一种碳排放的智能管理***，其特征在于，所述同领域相关企业指的是生产的产品相似度达到80%的企业，其中，相似度从材质、用途、外观方面进行判定。
3.根据权利要求1所述的一种碳排放的智能管理***，其特征在于，所述对比模块在进行比对中，若预测的碳排放量低于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标富足可出售，若预测的碳排放量高于所管理企业本年度的碳排放指标，则判断结果为所管理企业的碳排放指标缺少需收购。
4.根据权利要求3所述的一种碳排放的智能管理***，其特征在于，所述交易模块在交易碳排放指标过程中，若是出售碳排放指标，则优先向碳排放趋势呈上升状态的省内同领域相关企业出售，若是收购碳排放指标，则优先向省外同领域相关企业收购。
5.根据权利要求1所述的一种碳排放的智能管理***，其特征在于，所述风险评估模块的评估结果具体生成过程为：
S501：若所管理企业的上游企业与下游企业均处于高风险地区，则发出六级风险的评估结果；
S502：若所管理企业的上游企业与下游企业任一一个处于高风险地区，则发出五级风险的评估结果；
S503：若所管理企业的上游企业与下游企业均处于中风险地区，则发出四级风险的评估结果；
S504：若所管理企业的上游企业与下游企业任一一个处于中风险地区，则发出三级风险的评估结果；
S505：若所管理企业的上游企业与下游企业均处于低风险地区，则发出二级风险的评估结果；
S506：若所管理企业的上游企业与下游企业任一一个处于低风险地区，则发出一级风险的评估结果。
6.根据权利要求5所述的一种碳排放的智能管理***，其特征在于，所述分级预警模块发出分级预警具体如下：
若评估结果是六级风险，则向所管理企业发出六级预警，建议所管理企业再出售A%的碳排放指标；
若评估结果是五级风险，则向所管理企业发出五级预警，建议所管理企业再出售B%的碳排放指标；
若评估结果是四级风险，则向所管理企业发出四级预警，建议所管理企业再出售C%的碳排放指标；
若评估结果是三级风险，则向所管理企业发出三级预警，建议所管理企业再出售D%的碳排放指标；
若评估结果是二级风险，则向所管理企业发出二级预警，建议所管理企业再出售E%的碳排放指标；
若评估结果是一级风险，则向所管理企业发出一级预警，建议所管理企业再出售F%的碳排放指标。
7.一种碳排放的智能管理方法，其特征在于，包括以下步骤：
根据以往的碳排放量预测所管理企业本年度的碳排放量；
将预测的碳排放量与碳排放指标进行对比，生成判断结果；
根据判断结果分析所管理企业的碳排放指标；
根据判断结果交易碳排放指标；
根据交易后的碳排放指标进行风险评估，生成评估结果；
根据评估结果发出分级预警。
CN202211587684.0A 2022-12-12 2022-12-12 一种碳排放的智能管理***及方法 Pending CN115796594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211587684.0A CN115796594A (zh) 2022-12-12 2022-12-12 一种碳排放的智能管理***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211587684.0A CN115796594A (zh) 2022-12-12 2022-12-12 一种碳排放的智能管理***及方法

Publications (1)

Publication Number Publication Date
CN115796594A true CN115796594A (zh) 2023-03-14

Family

ID=85418572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211587684.0A Pending CN115796594A (zh) 2022-12-12 2022-12-12 一种碳排放的智能管理***及方法

Country Status (1)

Country Link
CN (1) CN115796594A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862741A (zh) * 2023-07-25 2023-10-10 杭州超腾能源技术股份有限公司 一种工业园区碳排放的智能监测方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090307037A1 (en) * 2008-06-09 2009-12-10 Oracle International Corporation Resource Planning System With Carbon Emission Input
JP2019175416A (ja) * 2018-03-28 2019-10-10 赫普科技発展（北京）有限公司 ブロックチェーンに基づく炭素取引システム
CN111898873A (zh) * 2020-07-10 2020-11-06 贵州万峰电力股份有限公司 一种集团公司碳排放预警信息***及其预警方法
CN113592187A (zh) * 2021-08-06 2021-11-02 时代云英(重庆)科技有限公司 一种智能碳排放管理***及方法
CN113869660A (zh) * 2021-09-06 2021-12-31 江苏荣辉信息科技有限公司 一种基于大数据分析的企业碳数据综合智能管控***
CN113962468A (zh) * 2021-10-29 2022-01-21 杭州青橄榄网络技术有限公司 基于用能监控统计能源消耗碳排放管理方法及***
CN113987056A (zh) * 2021-10-28 2022-01-28 重庆东煌高新科技有限公司 基于深度学习的碳排放量反演***及方法
CN114139954A (zh) * 2021-12-01 2022-03-04 国网江苏省电力有限公司经济技术研究院 一种基于pdca循环模型的能源企业碳资产管理框架
CN114626628A (zh) * 2022-03-28 2022-06-14 王大成 碳排放核算***及其核算方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090307037A1 (en) * 2008-06-09 2009-12-10 Oracle International Corporation Resource Planning System With Carbon Emission Input
JP2019175416A (ja) * 2018-03-28 2019-10-10 赫普科技発展（北京）有限公司 ブロックチェーンに基づく炭素取引システム
CN111898873A (zh) * 2020-07-10 2020-11-06 贵州万峰电力股份有限公司 一种集团公司碳排放预警信息***及其预警方法
CN113592187A (zh) * 2021-08-06 2021-11-02 时代云英(重庆)科技有限公司 一种智能碳排放管理***及方法
CN113869660A (zh) * 2021-09-06 2021-12-31 江苏荣辉信息科技有限公司 一种基于大数据分析的企业碳数据综合智能管控***
CN113987056A (zh) * 2021-10-28 2022-01-28 重庆东煌高新科技有限公司 基于深度学习的碳排放量反演***及方法
CN113962468A (zh) * 2021-10-29 2022-01-21 杭州青橄榄网络技术有限公司 基于用能监控统计能源消耗碳排放管理方法及***
CN114139954A (zh) * 2021-12-01 2022-03-04 国网江苏省电力有限公司经济技术研究院 一种基于pdca循环模型的能源企业碳资产管理框架
CN114626628A (zh) * 2022-03-28 2022-06-14 王大成 碳排放核算***及其核算方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862741A (zh) * 2023-07-25 2023-10-10 杭州超腾能源技术股份有限公司 一种工业园区碳排放的智能监测方法及***
CN116862741B (zh) * 2023-07-25 2024-05-28 杭州超腾能源技术股份有限公司 一种工业园区碳排放的智能监测方法及***

Similar Documents

Publication Publication Date Title
Chen et al. Using evolutionary game theory to study governments and manufacturers’ behavioral strategies under various carbon taxes and subsidies
Tang et al. Carbon emissions trading scheme exploration in China: A multi-agent-based model
Nakao et al. Relationship between environmental performance and financial performance: an empirical analysis of Japanese corporations
Sun et al. Comparative evaluation for recycling waste power batteries with different collection modes based on Stackelberg game
Suo et al. Multicriteria decision making under uncertainty: An advanced ordered weighted averaging operator for planning electric power systems
Danish et al. Shaping the future of sustainable energy through AI-enabled circular economy policies
CN115796594A (zh) 一种碳排放的智能管理***及方法
Dong et al. Ownership unbundling of natural gas transmission networks in China
Bai et al. Supplier portfolio selection and order allocation under carbon neutrality: Introducing a “Cool” ing model
Nguyen et al. Breaking ground in ESG assessment: integrated DEA and MCDM framework with spherical fuzzy sets for Vietnam's wire and cable sector
Zhang et al. Inventory control model based on multi-attribute material classification: An integrated grey-rough set and probabilistic neural network approach.
Gao et al. Data-driven robust optimization of dual-channel closed-loop supply chain network design considering uncertain demand and carbon cap-and-trade policy
Mehmanpazir et al. Dynamic strategic planning: A hybrid approach based on logarithmic regression, system dynamics, Game Theory and Fuzzy Inference System (Case study Steel Industry)
Yu et al. A closed-loop power battery supply chain differential game model considering echelon utilization under a cost subsidy
Martin et al. Capital Mobilization Plan for a Canadian Low-Carbon Economy
Noori et al. Exploring the emergence of waste recovery and exchange in industrial clusters
Jiang et al. Supplier's Efficiency and Performance Evaluation using DEA-SVM Approach.
Wang et al. Carbon quota allocation modeling framework in the automotive industry based on repeated game theory: A case study of ten Chinese automotive enterprises
Huang et al. A genetic-based stock selection model using investor sentiment indicators
Kurbonov et al. Derivative Financial Instruments in the Energy and Aluminum Markets
Li et al. Optimal production and emission reduction policies for a remanufacturing firm considering deferred payment strategy
Burinskas et al. Application of Gordon’s Growth Model for the transport sector of Lithuania
Mastepanov et al. Post-Kyoto energy strategy of the Russian Federation, outlooks and prerequisites of the Kyoto mechanisms implementation in the country
Poptawski et al. Blockchain-based smart contracts for sustainable power investments
Zarrinpoor A chance-constrained fuzzy programming approach for a sustainable supply chain network design under multiple sources of uncertainty

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