CN116228171B - 一种企业碳排放监测***及方法 - Google Patents
一种企业碳排放监测***及方法 Download PDFInfo
- Publication number
- CN116228171B CN116228171B CN202310504807.8A CN202310504807A CN116228171B CN 116228171 B CN116228171 B CN 116228171B CN 202310504807 A CN202310504807 A CN 202310504807A CN 116228171 B CN116228171 B CN 116228171B
- Authority
- CN
- China
- Prior art keywords
- data
- carbon emission
- carbon
- processing
- enterprise
- 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.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 274
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 266
- 238000012544 monitoring process Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 85
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 238000013523 data management Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 107
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 54
- 238000007781 pre-processing Methods 0.000 claims description 42
- 239000007789 gas Substances 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 239000005431 greenhouse gas Substances 0.000 claims description 28
- 238000007619 statistical method Methods 0.000 claims description 28
- 238000007726 management method Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 21
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 19
- 238000004090 dissolution Methods 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 230000008520 organization Effects 0.000 claims description 14
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 229930195733 hydrocarbon Natural products 0.000 claims description 10
- 150000002430 hydrocarbons Chemical class 0.000 claims description 10
- 239000003921 oil Substances 0.000 claims description 10
- 239000004215 Carbon black (E152) Substances 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000006386 neutralization reaction Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000013068 supply chain management Methods 0.000 claims description 5
- 238000009776 industrial production Methods 0.000 claims description 4
- 239000012855 volatile organic compound Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 2
- 238000013461 design Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 229910018503 SF6 Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- -1 hydrofluorocarbon Chemical compound 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- QKCGXXHCELUCKW-UHFFFAOYSA-N n-[4-[4-(dinaphthalen-2-ylamino)phenyl]phenyl]-n-naphthalen-2-ylnaphthalen-2-amine Chemical compound C1=CC=CC2=CC(N(C=3C=CC(=CC=3)C=3C=CC(=CC=3)N(C=3C=C4C=CC=CC4=CC=3)C=3C=C4C=CC=CC4=CC=3)C3=CC4=CC=CC=C4C=C3)=CC=C21 QKCGXXHCELUCKW-UHFFFAOYSA-N 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- TXEYQDLBPFQVAA-UHFFFAOYSA-N tetrafluoromethane Chemical compound FC(F)(F)F TXEYQDLBPFQVAA-UHFFFAOYSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Food Science & Technology (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Combustion & Propulsion (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种企业碳排放监测***及方法,涉及碳排放技术领域。通过本发明创造,提供了一种可实时自动获取、分析及展示制造型企业碳排放信息的新方案,即包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备,通过所述数据采集设备的自动采集方式,可以大大提高计算的精准度,避免了手工填写的错误及误差,也可以避免人工估算数据的不准确,同时直接利用这些采集设备上报的数据和从多异构***智能联合得来的异构数据做碳核查,可以很好的保证数据实时且准确,也提高了企业运营盘查的效率,降低了成本。
Description
技术领域
本发明属于碳排放技术领域,具体涉及一种企业碳排放监测***及方法。
背景技术
随着全球气候变暖,极端气候频现,温室效应越来越严重,找到低碳且高效的可持续经济已经不可避免地成为了当今世界紧急发展的热点,为了积极响应国家双碳(即碳达峰和碳中和的简称)政策及目标,部分制造型企业也开始把碳核查作为自身发展的一部分,同时因为大数据、云计算和互联网技术的迅猛发展,企业碳排放的信息管理也变得越来越普及。
目前,针对制造型企业的碳排放监测及管理工作,主要有如下四个难点问题:
(1)现有碳排放收集方式还比较传统落后,对于企业产生的碳排放数据,仍然采用人工记录及人工汇总的方式,无法保证源头数据的正确性,即众所周知,人工记录不但速度慢,而且非常依赖工作人员的耐心和细心,一不小心就会出现记录错误的问题,有时候仅仅是一个小数点问题出现错误,就会带来很多麻烦。虽然也有一些制造型企业使用了互联网技术,但也只是提供了在线上输入各类碳排放数据,并没有自动的数据采集,并不能很好地实现数据的自动化计算以及自动实时测量各类别的碳排放数据,因此由于涉及到用户手工输入,所以这种方式也容易出现数据不准确和不智能,仍旧有概率出现因一个小数点而导致数据出大错。
(2)现有碳排放收集方式是直接用文档的形式在公司内部流转,工作效率不高,数据利用率很低;同时当用户发现自己某个数据计算出错时,需要从数据中找出问题,且在修改后,需要用户重新做一次计算,非常费时费力,即在纸上或者EXCEL文件中,如果需要修改数据,会非常艰难,需要费力去找到错误数据,并且在修正后,重新进行一次手工计算,这会导致重复工作,大大浪费了人力资源。以及用EXCEL文件的形式让碳排放数据在公司内部流转,是否流转的是当前最新版本都需要一步步核查确认,工作效率不高,而且准确度没有保障,对于各类的数据利用率很低。
(3)现有的方法和***没有深入场景的方法和应用,例如针对工厂的生产环境或建筑的运营环境并没有针对性的方案和功能,也就没有深入到行业特性的解决方案。
(4)现有的方法和***主要功能局限于简单的数据汇总计算,并不能准确根据行业的特性去准确识别碳中和转型瓶颈,无法给出针对性的降碳方案。
发明内容
本发明的目的是提供一种新型的企业碳排放监测***及方法,用以解决现有技术所存在不能保证碳排放数据的准确性及实时性的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种企业碳排放监测***,包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备;
所述数据采集设备包括有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备,其中,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据,所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据,所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据;
所述数据传输层,用于将来自所述数据采集设备的上报数据传输至所述边缘计算层;
所述边缘计算层,用于分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理,得到预处理结果数据;
所述数据治理融合层,用于接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括有所述制造型企业的供应商关系管理***、制造执行***、能源管理***、企业资源规划***、物流管理***、办公自动化***、数据采集与监视控制***和/或供应链管理***,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据;
所述数据分析建模层,用于根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳数据统计分析模块和/或数字孪生功能模块中,形成所述制造型企业的碳排放监测数据;
所述数据交互应用层,用于可视化展示所述碳排放监测数据。
基于上述发明内容,提供了一种可实时自动获取、分析及展示制造型企业碳排放信息的新方案,即包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备,通过所述数据采集设备的自动采集方式,可以大大提高计算的精准度,避免了手工填写的错误及误差,也可以避免人工估算数据的不准确,同时直接利用这些采集设备上报的数据和从多异构***智能联合得来的异构数据做碳核查,可以很好的保证数据实时且准确,也提高了企业运营盘查的效率,降低了成本,便于实际应用和推广。
在一个可能的设计中,当所述数据采集设备包括有直接排放气体采集设备时,所述直接排放气体采集设备包括有固定式温室气体检测传感器和/或无人机载式温室气体检测传感器,其中,所述固定式温室气体检测传感器用于在固定位置检测、采集和上报所处气体环境中的温室气体含量数据,所述无人机载式温室气体检测传感器用于借助无人机在固定空域巡查检测、采集和上报所处气体环境中的温室气体含量数据;
和/或,当所述数据采集设备包括有直接排放水溶解采集设备时,所述直接排放水溶解采集设备包括有水中油及碳氢化合物在线分析仪和/或二氧化碳水质传感器,其中,所述水中油及碳氢化合物在线分析仪用于检测、采集和上报所处水体环境中碳氢化合物、油和挥发性有机物的含量数据,所述二氧化碳水质传感器用于检测、采集和上报所处水体环境中溶解二氧化碳的含量数据;
和/或,当所述数据采集设备包括有间接排放采集设备时,所述间接排放采集设备包括有电表、水表和/或气表,其中,所述电表用于检测、采集和上报所述制造型企业的电力资源使用数据,所述水表用于检测、采集和上报所述制造型企业的水资源使用数据,所述气表用于检测、采集和上报所述制造型企业的天然气资源使用数据。
在一个可能的设计中,所述数据传输层包括有物联网关设备和/或远程接入设备;
所述物联网关设备,用于通过本地接入方式接入由所述数据采集设备上报的数据,并将上报数据转换为上层***可识别的数据格式,最后将经格式转换后的上报数据传送至所述边缘计算层,其中,所述本地接入方式包括有WiFi无线网络接入方式、远距离无线电网络接入方式、以太网口接入方式、串口接入方式和/或USB口扩展接入方式;
所述远程接入设备,用于在某个数据采集设备无法通过本地接入方式接入所述物联网关设备时,为所述某个数据采集设备提供广域网方式的接入,以便将由所述某个数据采集设备上报的数据传送至所述边缘计算层,其中,所述广域网方式包括有窄带物联网方式、4G/5G网络方式、北斗卫星通信网络方式和/或因特网络方式。
在一个可能的设计中,所述边缘计算层是基于消息队列遥测传输协议、超文本传输协议、受限应用协议、传输控制协议、用户数据报协议和/或先进消息队列协议来接收由所述数据采集设备通过所述数据传输层就近上传的数据。
在一个可能的设计中,接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,包括:基于Kafka分布式消息队列接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,并将所述预处理结果数据转发至用于对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理的计算模块。
在一个可能的设计中,对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,包括:基于Spark集群运算框架分布式地对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据。
在一个可能的设计中,所述碳排放监测数据包含有组织碳排放监测数据、产品生命周期评估碳排放监测数据、产品生命周期清单碳排放监测数据、员工碳排放监测数据和/或数字孪生数据,其中,所述组织碳排放监测数据是指按照国家划分阶段范围和排放类型进行组织碳排放的监测数据,所述产品生命周期评估碳排放监测数据是指在产品全生命周期中各个阶段进行碳排放的监测数据,所述产品生命周期清单碳排放监测数据是指在产品全生命周期中每个生产活动的场景、输入及输出的碳排放数据盘查清单数据,所述员工碳排放监测数据是指因员工行为所产生的相关碳排放监测数据,所述数字孪生数据是指将一个工厂的厂房及产线与相应的碳排放数据进行数字化建模而得的数据。
在一个可能的设计中,所述数据交互应用层还用于通过随机森林算法和支持向量机算法对所述碳排放监测数据进行数据分析及分类,并根据数据分类结果和在先的数据沉淀结果,自动匹配历史状况及在历史状况下给出的专家建议,最终得到符合企业数据和当前状态的碳中和优化建议。
在一个可能的设计中,所述数据交互应用层还用于对影响碳达峰的关键指标及数据进行预测和未来动态模拟,并全程持续给出优化调整建议,以便为所述制造型企业的战略目标及管理给予参考和指导。
第二方面,还提供了一种企业碳排放监测方法,包括:
通过若干布设于制造型企业内的数据采集设备采集数据,其中,所述数据采集设备包括有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据,所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据,所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据;
通过边缘计算设备分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理,得到预处理结果数据;
接收来自各个所述边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括有所述制造型企业的供应商关系管理***、制造执行***、能源管理***、企业资源规划***、物流管理***、办公自动化***、数据采集与监视控制***和/或供应链管理***,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据;
根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳数据统计分析模块和/或数字孪生功能模块中,形成所述制造型企业的碳排放监测数据;
可视化展示所述碳排放监测数据。
有益效果:
(1)本发明创造提供了一种可实时自动获取、分析及展示制造型企业碳排放信息的新方案,即包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备,通过所述数据采集设备的自动采集方式,可以大大提高计算的精准度,避免了手工填写的错误及误差,也可以避免人工估算数据的不准确,同时直接利用这些采集设备上报的数据和从多异构***智能联合得来的异构数据做碳核查,可以很好的保证数据实时且准确,也提高了企业运营盘查的效率,降低了成本,便于实际应用和推广;
(2)对于后期的数据维护,无论是编辑、查询还是删除,都更加便捷,而且不容易出现人工方面的错误;
(3)还可以帮助用户做减碳预测,很好地帮助企业尽早实现碳中和。
附图说明
为了更清楚地说明本申请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地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本发明提供的企业碳排放监测***的结构示意图。
图2为本发明提供的企业碳排放监测方法的流程示意图。
具体实施方式
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本申请实施例作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本申请的一些实施例,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,还可以根据这些实施例描述获得其他的实施例描述。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本申请的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、单独存在B或者同时存在A和B等三种情况;又例如,A、B和/或C,可以表示存在A、B和C中的任意一种或他们的任意组合;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例一
如图1所示,本实施例提供的所述企业碳排放监测***,包括但不限于有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层等,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备,所述数据采集设备包括但不限于有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备等,其中,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据(其直接反映在工业生产过程中产生的且直接排放到空气中的温室气体多寡程度),所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据(其直接反映在工业生产过程中产生的且直接排放溶解于水中的油及碳氢化合物多寡程度,包括水溶性温室气体部分),所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据(其间接反映碳排放多寡程度)。前述的温室气体包括但不限于有二氧化碳、氧化亚氮、甲烷、六氟化硫、三氟化氮、氢氟碳化物和全氟碳化物(根据《工业企业温室气体排放核算和报告通则》GB/T 32150-2015以及***通过的《京都议定书》中的内容)等七种温室气体。
所述数据采集设备可在了解企业生产的产品及其工艺特征后做布设,同时还可与公共辅助***(比如用水***、用气***、排水***、热力***和通风除尘***等)结合或者与相关楼宇/生产车间的地理位置及大小形状等特征结合,做具体采集点的识别和布设。在识别好采集点后,可通过物联网IoT(Internet of Things)设备、可编程逻辑控制器(Programmable Logic Controller,PLC)、分散控制***(Distributed Control System,DCS)或数据采集与监视控制***(Supervisory Control And Data Acquisition,SCADA)等多种采集方式,并根据制造业企业的行业特性,因地制宜地选择其中一种采集方法,完善好线下的数据采集设备安装后,就可以自动存储与碳排放源相关的用能数据。具体的,当所述数据采集设备包括有直接排放气体采集设备时,所述直接排放气体采集设备包括但不限于有固定式温室气体检测传感器和/或无人机载式温室气体检测传感器等,其中,所述固定式温室气体检测传感器用于在固定位置检测、采集和上报所处气体环境中的温室气体含量数据,所述无人机载式温室气体检测传感器用于借助无人机在固定空域巡查检测、采集和上报所处气体环境中的温室气体含量数据。而当所述数据采集设备包括有直接排放水溶解采集设备时,所述直接排放水溶解采集设备包括但不限于有水中油及碳氢化合物在线分析仪和/或二氧化碳水质传感器等,其中,所述水中油及碳氢化合物在线分析仪用于检测、采集和上报所处水体环境中碳氢化合物、油和挥发性有机物(VOCs)的含量数据,所述二氧化碳水质传感器用于检测、采集和上报所处水体环境中溶解二氧化碳的含量数据。而当所述数据采集设备包括有间接排放采集设备时,所述间接排放采集设备包括但不限于有电表、水表和/或气表等,其中,所述电表用于检测、采集和上报所述制造型企业的电力资源使用数据,所述水表用于检测、采集和上报所述制造型企业的水资源使用数据,所述气表用于检测、采集和上报所述制造型企业的天然气资源使用数据。
所述数据传输层,用于将来自所述数据采集设备的上报数据传输至所述边缘计算层。具体的,所述数据传输层包括但不限于有物联网关设备和/或远程接入设备等;所述物联网关设备,用于通过本地接入方式接入由所述数据采集设备上报的数据,并将上报数据转换为上层***(即边缘计算层及以上)可识别的数据格式,最后将经格式转换后的上报数据传送至所述边缘计算层,其中,所述本地接入方式包括但不限于有WiFi无线网络接入方式(例如基于传输控制协议、TCP协议/用户数据报协议或UDP协议等)、远距离无线电(LongRange Radio,LORA)网络接入方式(例如通过对接LoRA基站以接入支持LoRA技术的数据采集设备)、以太网口接入方式(例如基于传输控制协议、TCP协议/用户数据报协议或UDP协议等)、串口接入方式(例如基于串行通信协议或MODBUS 485协议)和/或USB(UniversalSerial Bus,通用串行总线的缩写)口扩展接入方式等;所述远程接入设备,用于在某个数据采集设备无法通过本地接入方式接入所述物联网关设备时,为所述某个数据采集设备提供广域网方式的接入,以便将由所述某个数据采集设备上报的数据传送至所述边缘计算层,其中,所述广域网方式包括但不限于有窄带物联网(NB-IoT)方式、4G/5G网络方式、北斗卫星通信网络方式和/或因特网络方式(例如通过WIFI/以太网方式接入Internet)。此外,所述数据传输层可以但不限于以JSON(JavaScript 对象表示法,JavaScript ObjectNotation)、DL/T(电力行业标准)、ASCII或IEEE754(二进位浮点数算术标准)方式传输数据。
所述边缘计算层,用于分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括但不限于有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理等,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度等,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比等的处理,得到预处理结果数据。如图1所示,所述边缘计算层包括有多个边缘计算设备,以便分布式进行所述预处理,解决海量数据采集设备的接入压力,其可部署于所述物联网关设备及所述数据采集设备的附近,以便对由所述数据采集设备就近上传的数据进行所述预处理。前述数据清洗的目的是进行数据降噪,实现消歧操作目的;前述进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理方式,具体是将同一业务数据的多采集点数据进行合并整理,举例的,在实际生产工作中,可针对同一车间内不同设备的多种采集数据,进行相同数据的累加计算,以及归拢统计车间级的某一采集数据用量,并支持针对不同采集数据的整合对比,完成对采集数据的合并整理。具体的,所述边缘计算层是基于消息队列遥测传输协议(Message Queuing Telemetry Transport,MQTT)、超文本传输协议(Hyper Text Transfer Protocol,HTTP,具体数据格式一般为Json,也支持XML与自定义数据格式)、受限应用协议(Constrained ApplicationProtocol,CoAP,应用于无线传感网中协议)、传输控制协议(Transmission ControlProtocol,TCP)、用户数据报协议(User Datagram Protocol,UDP)和/或先进消息队列协议(Advanced Message Queuing Protocol,AMQP)来接收由所述数据采集设备通过所述数据传输层就近上传的数据。
所述数据治理融合层,用于接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括但不限于有所述制造型企业的供应商关系管理***(即SRM***,以便获取包含有供应商信息及原材料信息等的异构数据)、制造执行***(即MES***,以便获取包含有产品生产排期信息、工序信息及工艺相关执行信息等的异构数据)、能源管理***(即EMS***,以便获取包含有能耗信息等的异构数据)、企业资源规划***(即ERP***,以便获取包含有企业产品信息、销售信息和运输信息等的异构数据)、物流管理***(即LMS***,以便获取包含有原材料信息、产品货物信息和运输相关信息等的异构数据)、办公自动化***(即OA***,以便获取包含有低碳办公信息、低碳消费信息及员工碳账户信息等的异构数据)、数据采集与监视控制***(即SCADA***,以便获取包含有用电信息等的异构数据)和/或供应链管理***(即SCM***,以便获取包含有产品相关零部件和原材料的完整供应链信息的异构数据)等,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA(Life Cycle Assessment)记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据。
具体的,接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,包括但不限于:基于Kafka分布式消息队列(由Apache软件基金会开发的一个分布式消息队列,其具备持久化消息的能力)接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,并将所述预处理结果数据转发至用于对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理的计算模块。以及对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,包括但不限于:基于Spark集群运算框架(由Apache软件基金会开发的一个集群运算框架)分布式地对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据。
前述进行模式匹配处理的主要目的是对各个异构***的数据进行治理整合以提取有效数据,其中,根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类,通过机器学习技术构建得到所述组织碳排放及产品LCA碳排放模型的具体方式,可采用现有常规的建模率定方式实现,因此可在模型基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到所述有效接收数据。
前述进行数据装配处理的具体例子,可举例为:在针对能耗数据(即一个具体的有效接收数据)进行碳排放计算的所有碳排放模型中,可根据不同的能耗类型将该能耗数据排列装配至与该能耗类型所对应的碳排放模型中,形成针对该能耗类型的碳排放数据的计算基础。
在前述进行数据融合处理过程中,可在具体计算时,使用装配数据与其对应的碳排放因子(其选择方式可根据实际核算标准和/或核算地进行匹配选定)相乘的形式计算得出使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据;前述两碳排放数据一致是指这两碳排放数据的相差范围属于预设范围(例如相差绝对值小于等于预设阈值),并可以具体但不限于取这两碳排放数据的平均值作为所述碳排放融合结果数据;另外,若前述两碳排放数据不一致,则需要重新选定合适的碳排放因子用于重新计算,直到两碳排放数据一致,以及当仅接收到所述预处理结果数据或所述异构数据时,可直接判定数据一致并将基于所述预处理结果数据所得的碳排放数据或基于所述异构数据所得的碳排放数据作为所述碳排放融合结果数据。
详细的,还可根据内置的海量碳排放因子库中的因子,选取碳排放因子(具体选取方法可基于因子质量,优先选择数据质量较高的,***的因子按照数据质量依次递减的顺序分为下列 6 类:应排放因子——即基于测量/物料平衡法获得的碳排放因子、基于相同工艺/设备的经验系数获得的碳排放因子、由设备制造商提供的碳排放因子、区域规定的碳排放因子、 国家规定的碳排放因子和国际规定的碳排放因子等,以及考虑碳排放因子的不确定性,还可基于实际的设备、工艺和***情况来推荐因子,让用户更快速地完成因子匹配)来参与碳排放数据的计算;以及还可采用产品LCA的建模,使企业可根据生产工艺等进行建模,定制出完全吻合企业实际情况的碳排放因子,让数据的准确度及实用度更佳,同时提升相关操作人员的工作效率,以及通过以上数据提供组织碳计算,按照不同国家、不同行业,参照国家或国际标准,依据组织需要的核算边界,做符合国家和企业标准的组织碳核算。
此外,考虑由所述数据采集设备采集到的数据(此为计量数据),以及各个异构***中获取的异构数据(此为计算数据),均存在不确定性,因此优选的,所述数据治理融合层,还用于按照合并不确定性的方法(即在碳排放数据计算过程中会带有不确定性参数参与计算)对所述碳排放融合结果数据进行不确定性计算,得到不确定性计算结果。
所述数据分析建模层,用于根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳排放数据统计分析模块和/或数字孪生功能模块等中,形成所述制造型企业的碳排放监测数据。
具体的,所述碳排放监测数据包含但不限于有组织碳排放监测数据、产品生命周期评估(Life Cycle Assessment,LCA)碳排放监测数据、产品生命周期清单(Life CycleInventory,LCI)碳排放监测数据、员工碳排放监测数据和/或数字孪生数据等,其中,所述组织碳排放监测数据是指按照国家划分阶段范围和排放类型进行组织碳排放的监测数据,所述产品生命周期评估碳排放监测数据是指在产品全生命周期中各个阶段进行碳排放的监测数据,所述产品生命周期清单碳排放监测数据是指在产品全生命周期中每个生产活动的场景、输入及输出的碳排放数据盘查清单数据(其是所述产品生命周期评估碳排放监测数据的进一步细化),所述员工碳排放监测数据是指因员工行为所产生的相关碳排放监测数据,所述数字孪生数据是指将一个工厂的厂房及产线与相应的碳排放数据进行数字化建模而得的数据。此外,所述组织碳排放数据统计分析模块、所述产品LCA碳排放数据统计分析模块、所述员工碳排放数据统计分析模块和/或所述数字孪生功能模块等均可基于对应的现有统计分析方法或现有数字化建模方式提前常规改动得到。
所述数据交互应用层,用于可视化展示所述碳排放监测数据。具体展示方式是但不限于结合所述数字孪生数据进行可视化展现,并且和仿真***结合3D展现工厂和建筑的碳排情况,让企业能快速获取重点信息。
优选的,为了进行数据的应用,如碳排放预测、优化建议或智能控制等,所述数据交互应用层还用于通过随机森林算法和支持向量机算法对所述碳排放监测数据进行数据分析及分类,并根据数据分类结果和在先的数据沉淀结果,自动匹配历史状况及在历史状况下给出的专家建议,最终得到符合企业数据和当前状态的碳中和优化建议。当然还可以通过数据分析,预测未来的碳排放量;以及只需用户输入参数即可进行减碳预测,可以很好地帮助企业完成碳减排阶段性目标;以及还可以对相关设备做智能远程控制,即用户不在企业时,也可以保证设备运转正常,碳排放可控。所述数据交互应用层还用于对影响碳达峰的关键指标及数据进行预测和未来动态模拟,并全程持续给出优化调整建议,以便为所述制造型企业的战略目标及管理给予参考和指导,确保企业能够达成双碳目标。此外,所述碳排放监测数据等还可反馈到公司数据库和第三方库,以便作为历史的基准数据,同时也作为相关行业的基准数据,为后续给其他阶段、其他同行业企业的智能建议做好数据的铺垫,同时也会依据实际数据自动建立与因子库数据的吻合程度系数,让企业后续从海量因子库中选择某个物质的碳排放因子时更加高效、准确和符合实际生产情况。
综上,采用本实施例所提供的企业碳排放监测***,具有如下技术效果:
(1)本实施例提供了一种可实时自动获取、分析及展示制造型企业碳排放信息的新方案,即包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备,通过所述数据采集设备的自动采集方式,可以大大提高计算的精准度,避免了手工填写的错误及误差,也可以避免人工估算数据的不准确,同时直接利用这些采集设备上报的数据和从多异构***智能联合得来的异构数据做碳核查,可以很好的保证数据实时且准确,也提高了企业运营盘查的效率,降低了成本,便于实际应用和推广;
(2)对于后期的数据维护,无论是编辑、查询还是删除,都更加便捷,而且不容易出现人工方面的错误;
(3)还可以帮助用户做减碳预测,很好地帮助企业尽早实现碳中和。
实施例二
如图2所示,本实施例在实施例一所提供的企业碳排放监测***的技术方案基础上,还提供了一种企业碳排放监测方法,包括但不限于有如下步骤S1~S5。
S1.通过若干布设于制造型企业内的数据采集设备采集数据,其中,所述数据采集设备包括有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据,所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据,所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据。
S2.通过边缘计算设备分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理,得到预处理结果数据。
S3.接收来自各个所述边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括有所述制造型企业的供应商关系管理***、制造执行***、能源管理***、企业资源规划***、物流管理***、办公自动化***、数据采集与监视控制***和/或供应链管理***,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据。
S4.根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳数据统计分析模块和/或数字孪生功能模块中,形成所述制造型企业的碳排放监测数据。
S5.可视化展示所述碳排放监测数据。
本实施例提供的前述监测方法的具体技术细节及技术效果,可以参见实施例一所述的企业碳排放监测***推导得到,于此不再赘述。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种企业碳排放监测***,其特征在于,包括有自下而上设置的数据采集层、数据传输层、边缘计算层、数据治理融合层、数据分析建模层和数据交互应用层,其中,所述数据采集层包括有若干布设于制造型企业内的数据采集设备;
所述数据采集设备包括有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备,其中,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据,所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据,所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据;
所述数据传输层,用于将来自所述数据采集设备的上报数据传输至所述边缘计算层;
所述边缘计算层,用于分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理,得到预处理结果数据;
所述数据治理融合层,用于接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括有所述制造型企业的供应商关系管理***、制造执行***、能源管理***、企业资源规划***、物流管理***、办公自动化***、数据采集与监视控制***和/或供应链管理***,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据;
所述数据分析建模层,用于根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳数据统计分析模块和/或数字孪生功能模块中,形成所述制造型企业的碳排放监测数据;
所述数据交互应用层,用于可视化展示所述碳排放监测数据。
2.根据权利要求1所述的企业碳排放监测***,其特征在于,当所述数据采集设备包括有直接排放气体采集设备时,所述直接排放气体采集设备包括有固定式温室气体检测传感器和/或无人机载式温室气体检测传感器,其中,所述固定式温室气体检测传感器用于在固定位置检测、采集和上报所处气体环境中的温室气体含量数据,所述无人机载式温室气体检测传感器用于借助无人机在固定空域巡查检测、采集和上报所处气体环境中的温室气体含量数据;
和/或,当所述数据采集设备包括有直接排放水溶解采集设备时,所述直接排放水溶解采集设备包括有水中油及碳氢化合物在线分析仪和/或二氧化碳水质传感器,其中,所述水中油及碳氢化合物在线分析仪用于检测、采集和上报所处水体环境中碳氢化合物、油和挥发性有机物的含量数据,所述二氧化碳水质传感器用于检测、采集和上报所处水体环境中溶解二氧化碳的含量数据;
和/或,当所述数据采集设备包括有间接排放采集设备时,所述间接排放采集设备包括有电表、水表和/或气表,其中,所述电表用于检测、采集和上报所述制造型企业的电力资源使用数据,所述水表用于检测、采集和上报所述制造型企业的水资源使用数据,所述气表用于检测、采集和上报所述制造型企业的天然气资源使用数据。
3.根据权利要求1所述的企业碳排放监测***,其特征在于,所述数据传输层包括有物联网关设备和/或远程接入设备;
所述物联网关设备,用于通过本地接入方式接入由所述数据采集设备上报的数据,并将上报数据转换为上层***可识别的数据格式,最后将经格式转换后的上报数据传送至所述边缘计算层,其中,所述本地接入方式包括有WiFi无线网络接入方式、远距离无线电网络接入方式、以太网口接入方式、串口接入方式和/或USB口扩展接入方式;
所述远程接入设备,用于在某个数据采集设备无法通过本地接入方式接入所述物联网关设备时,为所述某个数据采集设备提供广域网方式的接入,以便将由所述某个数据采集设备上报的数据传送至所述边缘计算层,其中,所述广域网方式包括有窄带物联网方式、4G/5G网络方式、北斗卫星通信网络方式和/或因特网络方式。
4.根据权利要求1所述的企业碳排放监测***,其特征在于,所述边缘计算层是基于消息队列遥测传输协议、超文本传输协议、受限应用协议、传输控制协议、用户数据报协议和/或先进消息队列协议来接收由所述数据采集设备通过所述数据传输层就近上传的数据。
5.根据权利要求1所述的企业碳排放监测***,其特征在于,接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,包括:基于Kafka分布式消息队列接收来自所述边缘计算层中各个边缘计算设备的所述预处理结果数据,并将所述预处理结果数据转发至用于对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理的计算模块。
6.根据权利要求1所述的企业碳排放监测***,其特征在于,对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,包括:基于Spark集群运算框架分布式地对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据。
7.根据权利要求1所述的企业碳排放监测***,其特征在于,所述碳排放监测数据包含有组织碳排放监测数据、产品生命周期评估碳排放监测数据、产品生命周期清单碳排放监测数据、员工碳排放监测数据和/或数字孪生数据,其中,所述组织碳排放监测数据是指按照国家划分阶段范围和排放类型进行组织碳排放的监测数据,所述产品生命周期评估碳排放监测数据是指在产品全生命周期中各个阶段进行碳排放的监测数据,所述产品生命周期清单碳排放监测数据是指在产品全生命周期中每个生产活动的场景、输入及输出的碳排放数据盘查清单数据,所述员工碳排放监测数据是指因员工行为所产生的相关碳排放监测数据,所述数字孪生数据是指将一个工厂的厂房及产线与相应的碳排放数据进行数字化建模而得的数据。
8.根据权利要求1所述的企业碳排放监测***,其特征在于,所述数据交互应用层还用于通过随机森林算法和支持向量机算法对所述碳排放监测数据进行数据分析及分类,并根据数据分类结果和在先的数据沉淀结果,自动匹配历史状况及在历史状况下给出的专家建议,最终得到符合企业数据和当前状态的碳中和优化建议。
9.根据权利要求1所述的企业碳排放监测***,其特征在于,所述数据交互应用层还用于对影响碳达峰的关键指标及数据进行预测和未来动态模拟,并全程持续给出优化调整建议,以便为所述制造型企业的战略目标及管理给予参考和指导。
10.一种企业碳排放监测方法,其特征在于,包括:
通过若干布设于制造型企业内的数据采集设备采集数据,其中,所述数据采集设备包括有直接排放气体采集设备、直接排放水溶解采集设备和/或间接排放采集设备,所述直接排放气体采集设备用于检测、采集和上报所处气体环境中的温室气体含量数据,所述直接排放水溶解采集设备用于检测、采集和上报所处水体环境中的含碳化合物含量数据,所述间接排放采集设备用于检测、采集和上报所述制造型企业的生产资源使用数据;
通过边缘计算设备分布式地接入由所述数据采集设备就近上传的数据,并对接入数据进行预处理,得到预处理结果数据,其中,所述预处理包括有依次进行的数据转换处理、异常分析处理、数据清洗处理和数据集成处理,所述数据转换处理是指将接收到的且具有不同格式的数据转化为后续可处理的数据,所述异常分析处理是指识别在经过数据转换处理后的数据中是否存在不匹配预设数据规范的、因显著传输错误而导致数据异常的、因显著设备功能问题而导致数据异常的和/或因显著网络通信问题而导致数据异常的异常数据,所述数据清洗处理是指对识别出的异常数据进行删除处理,所述数据集成处理是指基于实际生产工作设备维度、工序维度、工艺维度、产线维度和/或车间维度,对来自多个不同数据采集设备的且经过数据清洗处理的数据进行数据归拢、相同数据累加计算和/或不同数据整合对比的处理,得到预处理结果数据;
接收来自各个所述边缘计算设备的所述预处理结果数据和/或来自异构***的且与能耗和碳相关的异构数据,并对接收数据依次进行模式匹配处理、数据装配处理和数据融合处理,得到碳排放融合结果数据,其中,所述异构***包括有所述制造型企业的供应商关系管理***、制造执行***、能源管理***、企业资源规划***、物流管理***、办公自动化***、数据采集与监视控制***和/或供应链管理***,所述模式匹配处理是指在根据与各种工业生产工艺相关的产品生命周期评估LCA记录数据,按照各个细分行业和/或各个细分工艺种类通过机器学习技术构建的组织碳排放及产品LCA碳排放模型的基础上,结合所述接收数据对实际生产的产品类型进行数据识别匹配处理,得到有效接收数据,所述数据装配处理是指将各个所述有效接收数据排列装配到对应的所述组织碳排放及产品LCA碳排放模型中,以便形成企业组织碳排放数据及产品LCA碳排放数据的计算基础,所述数据融合处理是指对装配完的数据进行计算,得到使基于所述预处理结果数据所得的碳排放数据与基于所述异构数据所得的碳排放数据一致的碳排放融合结果数据;
根据不同统计分析需求,将所述碳排放融合结果数据应用于组织碳排放数据统计分析模块、产品LCA碳排放数据统计分析模块、员工碳数据统计分析模块和/或数字孪生功能模块中,形成所述制造型企业的碳排放监测数据;
可视化展示所述碳排放监测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310504807.8A CN116228171B (zh) | 2023-05-08 | 2023-05-08 | 一种企业碳排放监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310504807.8A CN116228171B (zh) | 2023-05-08 | 2023-05-08 | 一种企业碳排放监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116228171A CN116228171A (zh) | 2023-06-06 |
CN116228171B true CN116228171B (zh) | 2023-07-21 |
Family
ID=86569853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310504807.8A Active CN116228171B (zh) | 2023-05-08 | 2023-05-08 | 一种企业碳排放监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228171B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589706A (zh) * | 2023-11-21 | 2024-02-23 | 深圳市森辉智能自控技术有限公司 | 一种基于碳中和的二氧化碳监测设备及其监测方法 |
CN117973901A (zh) * | 2024-03-28 | 2024-05-03 | 天津市普迅电力信息技术有限公司 | 基于知识图谱的面向多协议碳计量核算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
CN115545450A (zh) * | 2022-09-27 | 2022-12-30 | 广东师大维智信息科技有限公司 | 一种基于数字孪生的碳排放协同预测方法 |
CN115759488A (zh) * | 2023-01-10 | 2023-03-07 | 广东埃文低碳科技股份有限公司 | 一种基于边缘计算的碳排放监测预警分析***及其方法 |
CN115983517A (zh) * | 2022-12-09 | 2023-04-18 | 国网英大国际控股集团有限公司 | 一种基于区块链的碳排放监测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108615192B (zh) * | 2017-08-18 | 2019-11-15 | 赫普科技发展(北京)有限公司 | 一种基于区块链的碳交易*** |
-
2023
- 2023-05-08 CN CN202310504807.8A patent/CN116228171B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493213A (zh) * | 2022-01-18 | 2022-05-13 | 上海祺鲲信息科技有限公司 | 一种基于物联网的碳排放数据采集处理方法 |
CN115545450A (zh) * | 2022-09-27 | 2022-12-30 | 广东师大维智信息科技有限公司 | 一种基于数字孪生的碳排放协同预测方法 |
CN115983517A (zh) * | 2022-12-09 | 2023-04-18 | 国网英大国际控股集团有限公司 | 一种基于区块链的碳排放监测*** |
CN115759488A (zh) * | 2023-01-10 | 2023-03-07 | 广东埃文低碳科技股份有限公司 | 一种基于边缘计算的碳排放监测预警分析***及其方法 |
Non-Patent Citations (1)
Title |
---|
智慧能源及碳排放监测管理云平台***方案研究与应用;马虹;;计算机测量与控制(第04期);第28-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116228171A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116228171B (zh) | 一种企业碳排放监测***及方法 | |
GhaffarianHoseini et al. | Application of nD BIM Integrated Knowledge-based Building Management System (BIM-IKBMS) for inspecting post-construction energy efficiency | |
Nguyen et al. | Application of the Internet of Things in 3E (efficiency, economy, and environment) factor-based energy management as smart and sustainable strategy | |
CN105868373B (zh) | 电力业务信息***关键数据处理方法及装置 | |
Neumüller et al. | Integrating three-dimensional sustainability in distribution centre selection: the process analysis method-based analytic network process | |
CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
CN105574675B (zh) | 基于计算规则库的建筑工程规划监督方法和*** | |
Wiik et al. | A Norwegian zero emission neighbourhood (ZEN) definition and a ZEN key performance indicator (KPI) tool | |
Hu et al. | Energy consumption monitoring for the order fulfilment in a ubiquitous manufacturing environment | |
CN113379196A (zh) | 一种基于数字孪生技术的变电设备管理评价*** | |
Chinnathai et al. | A digital life-cycle management framework for sustainable smart manufacturing in energy intensive industries | |
Selicati et al. | The Benefits in Coupling Exergy Analysis and Life Cycle Assessment in the Context of Sustainable Manufacturing for Industry 4.0: A Real Industrial Case. | |
CN111709597B (zh) | 一种电网生产域运营监测*** | |
Schachinger et al. | An advanced data analytics framework for energy efficiency in buildings | |
Ma | Energy metaverse: the conceptual framework with a review of the state-of-the-art methods and technologies | |
CN115439015B (zh) | 基于数据中台的局域电网数据管理方法、装置及设备 | |
CN108491530B (zh) | 一种空间地理信息*** | |
CN114723408A (zh) | 一种房地产工程项目的对标方法、***、终端以及介质 | |
Buchwald et al. | Industrial internet of things systems for tracking and traceability of production business processes | |
Lin et al. | Design and implementation of a CPS‐based predictive maintenance and automated management platform | |
Wang et al. | Quantitative Analysis and Optimal Control of Energy Efficiency in Discrete Manufacturing System | |
Koç | How Can Industrial Internet of Things (IIoT) Improve Enterprise Productivity? | |
da Costa et al. | A systematic review of real-time data monitoring and its potential application to support dynamic life cycle inventories | |
Wang | Application Research of Computer Artificial Intelligence Technology in Digital Environment Integrated Design System | |
Short et al. | Energy Consumption Modeling and Forecasting for Commercial Industrial Manufacturing Applications |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. A884, 14th floor, 101, 2nd to 15th floors, Building 1, No. 19 East Third Ring South Road, Chaoyang District, Beijing, 100000 Applicant after: Beijing Shizu Technology Co.,Ltd. Address before: No. A884, 14th floor, 101, 2nd to 15th floors, Building 1, Yard 19, East Third Ring Road, Chaoyang District, Beijing, 100000 Applicant before: Beijing Shizu Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |