CN116974234A - 一种火电厂碳资产的监测控制方法及*** - Google Patents
一种火电厂碳资产的监测控制方法及*** Download PDFInfo
- Publication number
- CN116974234A CN116974234A CN202311226894.1A CN202311226894A CN116974234A CN 116974234 A CN116974234 A CN 116974234A CN 202311226894 A CN202311226894 A CN 202311226894A CN 116974234 A CN116974234 A CN 116974234A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power plant
- thermal power
- equipment
- real
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 433
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 433
- 238000012544 monitoring process Methods 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000003245 coal Substances 0.000 claims abstract description 56
- 238000013213 extrapolation Methods 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000007605 air drying Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000002309 gasification Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种火电厂碳资产的监测控制方法及***。属于数据监测技术领域,包括:获取目标火电厂的所有碳排放类型及实时碳排放参数,确定实时碳排放量;基于实时煤炭参数及实时设备参数构建碳排放预测模型,得到预测碳排放量,基于实时设备参数获取匹配的标准碳排放量;分别将预测碳排放量、实时碳排放量与标准碳排放量进行比较,得到初始监测结果,并进行调整,得到综合监测结果;基于综合监测结果对碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的设备,实现设备控制。通过将火电厂的实时碳排放量进行预测、比较,并结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加准确。
Description
技术领域
本发明涉及数据监测控制领域,特别涉及一种火电厂碳资产的监测控制方法及***。
背景技术
目前,随着物联网技术的高速发展,物联网技术也越多越多的被应用在工业领域,尤其是对于火电厂工业设备的监测控制,能够解放大量的人力资源,同时使得设备监测更加及时。
然而,现有的监测技术因为监测数据少、监测方法比较单一,使得监测结果出现不够准确的问题,从而对设备使用寿命造成影响。
因此,本发明提供了一种火电厂碳资产的监测控制方法及***。
发明内容
本发明提供了一种火电厂碳资产的监测控制方法及***,用以通过对火电厂的实时碳排放量进行预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
本发明提供了一种火电厂碳资产的监测控制方法,包括:
步骤1:获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时碳排放参数,确定目标火电厂的实时碳排放量;
步骤2:基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
步骤3:将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
步骤4:基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
步骤5:基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制。
在一种可能实现的方式中,获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时炭排放参数,确定目标火电厂的实时碳排放量,包括:
获取目标火电厂的电厂设备参数,并基于参数类型确定目标电厂包含的所有碳排放类型;
基于碳排放类型匹配对应类型的设备传感器,并基于对应设备传感器获取实时碳排放参数;
将实时碳排放参数进行参数处理,并基于参数处理结果得到目标火电厂的所有出口的实时碳排放量。
在一种可能实现的方式中,基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量,包括:
对实时煤炭参数及目标火电厂的实时设备参数进行核心数据的提取,得到第一煤炭参数及第一设备参数;
基于第一煤炭参数得到对应的第一数据拟合曲线,并按照第一数据拟合曲线的曲线趋势进行曲线趋势外推,得到第二曲线;
基于第一设备参数得到对应的第一设备拟合曲线;
基于第二曲线与第一数据拟合曲线不重叠部分的数据结合目标火电厂的实时设备参数,锁定待分析设备;
基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线;
基于第三曲线的曲线趋势对第二曲线进行调整,得到第二调整曲线,并基于第二调整曲线的曲线参数对目标火电厂进行碳排放的第一预测;
获取第一预设权数作为初始碳排放预测模型的固定参数,并将第一煤炭参数输入到初始碳排放预测模型中进行碳排放预测;
将目标火电厂的历史碳排放量与碳排放预测结果进行比较,计算预测误差,并根据预测误差对第一预设权数进行调整以减小误差;
经过多次预测调整确定最佳预设权数作为碳排放预测模型的标准固定参数;
基于标准固定参数及第一煤炭参数对碳排放进行预测,得到第二初始预测结果;
结合目标火电厂的实时设备参数对第二初始预测结果进行调整,得到第二预测结果;
基于第一预测结果及第二预测结果进行仿真模拟,判断第一预测结果及第二预测结果在进行实际应用中的可行性;
若第一预测结果及第二预测结果处于应用可行性范围内,则将第一预测结果及第二预测结果进行整合,得到预测碳排放量;
同时,基于实时设备参数从标准数据库中获取与目标火电厂设备匹配的标准碳排放量。
在一种可能实现的方式中,将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较,包括:
将预测碳排放量与实时碳排放量与目标火电厂的碳排放最高阈值与碳排放最低阈值进行比较;
若预测碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则重新进行碳排放量的预测;
若实时碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则判断当前目标火电厂的设备出现故障,需要进行预警;
若预测碳排放量与实时碳排放量处于碳排放最高阈值与碳排放最低阈值之间,则将预测碳排放量与标准碳排放量进行第一比较,并将实时碳排放量与标准碳排放量进行第二比较。
在一种可能实现的方式中,基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果,包括:
将实时碳排放量与标准碳排放量的第二比较结果输入到比较监测数据表中,并根据实时碳排放量与标准碳排放量的比较结果进行分类;
若实时碳排放量大于标准碳排放量,则提取对应比较结果,得到第一监测数据表;
反之,则提取对应比较结果,得到第二监测数据表;
基于第一监测数据表与第二监测数据表的比较结果值及对应数据的影响权重进行综合,得到目标火电厂的初始监测结果;
基于第一比较结果得到第三监测数据表及第四监测数据表;
分别对第一监测数据表与第三监测数据表、第二监测数据表与第四监测数据表的数据特征及数据值进行第三比较和第四比较;
基于第三比较和第四比较的结果对初始监测结果进行调整,得到目标火电厂的综合监测结果。
在一种可能实现的方式中,对第一监测数据表与第三监测数据表的数据特征及数据值进行第三比较,包括:
获取第一监测数据表与第三监测表中监测数据的数据特征,并基于所述数据特征将第一监测数据表与第三监测数据表中的监测数据进行逐一对应;
基于逐一对应结果比较对应监测数据的数据误差,得到第三比较结果。
在一种可能实现的方式中,基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制,包括:
基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于判断结果确定目标火电厂的碳排放等级;
基于碳排放等级及对应部分的碳资产综合确定目标火电厂的煤炭资源利用情况;
基于原始碳资产分布结合煤炭资源利用情况确定目标火电厂需要进行碳资产控制的设备编号及位置,并确定对应设备的设备控制条件;
基于所述设备控制条件确定对应设备的设备控制参数,并基于设备控制参数对对应设备进行控制,从而实现目标火电厂的碳资产监测控制。
本发明提供了一种火电厂碳资产的监测控制***,包括:
排放确定模块:用于获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时煤炭参数,确定目标火电厂的实时碳排放量;
排放预测模块:用于基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
排放比较模块:用于将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
综合监测模块:用于基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
监测控制模块:用于基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制。
与现有技术相比,本申请的有益效果如下:
通过对火电厂的实时碳排放量进行预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种火电厂碳资产的监测控制方法的流程图;
图2为本发明实施例中综合监测结果的获取流程图;
图3为本发明实施例中一种火电厂碳资产的监测控制***的结构图;
图4为本发明实施例中线段延伸的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明实施例提供了一种火电厂碳资产的监测控制方法,如图1所示,包括:
步骤1:获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时碳排放参数,确定目标火电厂的实时碳排放量;
步骤2:基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
步骤3:将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
步骤4:基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
步骤5:基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制。
该实施例中,碳排放类型是指火电厂进行碳排放的类型,比如,碳排放类型包括直接碳排放、间接碳排放,其中,间接碳排放包括设备的电能消耗、生产能源消耗以及线路电量损耗等。
该实施例中,实时碳排放参数是指目标火电厂进行碳排放的排放参数,其中,实时碳排放参数包括二氧化碳排放量、温室气体排放比例、碳排放强度、设备平均排放量。
该实施例中,实时碳排放量是指根据获取的实时碳排放参数按照对应的碳排放类型进行分类后得到的碳排放量。
该实施例中,实时煤炭参数是指目标火电厂的设备的实时煤炭消耗参数,比如,实时煤炭参数包括煤炭热值、灰分、空气干燥基气化量等。
该实施例中,实时设备参数是指目标火电厂的设备进行正常发电工作时的设备参数,比如,设备的实时电压、功耗、转速、频率等。
该实施例中,碳排放预测模型是指根据目标火电厂中每一设备输入的实时煤炭参数及对应设备的实时设备参数构建初始碳排放模型,并进行调整后得到的碳排放预测模型。
该实施例中,预测碳排放量是指根据碳排放模型得到每一设备的碳排放量,从而预测得到目标火电厂的碳排放量。
该实施例中,标准碳排放量是指目标火电厂的设备对应的碳排放最高阈值及碳排放最低阈值。
该实施例中,第一比较是指将预测碳排放量与标准碳排放量进行比较,第二比较是指将实时碳排放量与标准碳排放量进行比较。
该实施例中,初始监测结果是指根据第二比较的比较结果得到的对目标火电厂的碳排放监测结果。
该实施例中,综合监测结果是指根据第一比较的比较结果对初始监测结果进行调整后得到的监测结果。
该实施例中,原始碳资产分布是指目标火电厂中所有碳资产在每一设备的分布情况。
该实施例中,设备控制参数是指对设备进行控制调整的参数,其中,设备控制参数包括温度控制类参数、压力控制类参数、流量控制类参数、液位控制类参数、速度控制类参数等。
上述技术方案的有益效果是:通过对火电厂的实时碳排放量进行预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
实施例2:
基于实施例1的基础上,获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时炭排放参数,确定目标火电厂的实时碳排放量,包括:
获取目标火电厂的电厂设备参数,并基于参数类型确定目标电厂包含的所有碳排放类型;
基于碳排放类型匹配对应类型的设备传感器,并基于对应设备传感器获取实时碳排放参数;
将实时碳排放参数进行参数处理,并基于参数处理结果得到目标火电厂的所有出口的实时碳排放量。
该实施例中,设备参数是指目标火电厂的设备进行正常发电工作时的设备参数,比如,设备的实时电压、功耗、转速、频率等。
该实施例中,碳排放类型是指火电厂进行碳排放的类型,比如,碳排放类型包括直接碳排放、间接碳排放,其中,间接碳排放包括设备的电能消耗、生产能源消耗以及线路电量损耗等。
该实施例中,设备传感器是指能够对设备的温度、气体排放量、固体排放量等参数进行监测的传感器。
该实施例中,实时碳排放参数是指目标火电厂进行碳排放的排放参数,其中,实时碳排放参数包括二氧化碳排放量、温室气体排放比例、碳排放强度、设备平均排放量。
该实施例中,实时碳排放量是指根据获取的实时碳排放参数按照对应的碳排放类型进行分类后得到的碳排放量。
上述技术方案的有益效果是:通过对火电厂的实时碳排放量进行确定,从而预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
实施例3:
基于实施例2的基础上,基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量,包括:
对实时煤炭参数及目标火电厂的实时设备参数进行核心数据的提取,得到第一煤炭参数及第一设备参数;
基于第一煤炭参数得到对应的第一数据拟合曲线,并按照第一数据拟合曲线的曲线趋势进行曲线趋势外推,得到第二曲线;
基于第一设备参数得到对应的第一设备拟合曲线;
基于第二曲线与第一数据拟合曲线不重叠部分的数据结合目标火电厂的实时设备参数,锁定待分析设备;
基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线;
基于第三曲线的曲线趋势对第二曲线进行调整,得到第二调整曲线,并基于第二调整曲线的曲线参数对目标火电厂进行碳排放的第一预测;
获取第一预设权数作为初始碳排放预测模型的固定参数,并将第一煤炭参数输入到初始碳排放预测模型中进行碳排放预测;
将目标火电厂的历史碳排放量与碳排放预测结果进行比较,计算预测误差,并根据预测误差对第一预设权数进行调整以减小误差;
经过多次预测调整确定最佳预设权数作为碳排放预测模型的标准固定参数;
基于标准固定参数及第一煤炭参数对碳排放进行预测,得到第二初始预测结果;
结合目标火电厂的实时设备参数对第二初始预测结果进行调整,得到第二预测结果;
基于第一预测结果及第二预测结果进行仿真模拟,判断第一预测结果及第二预测结果在进行实际应用中的可行性;
若第一预测结果及第二预测结果处于应用可行性范围内,则将第一预测结果及第二预测结果进行整合,得到预测碳排放量;
同时,基于实时设备参数从标准数据库中获取与目标火电厂设备匹配的标准碳排放量。
该实施例中,实时煤炭参数是指目标火电厂的设备的实时煤炭消耗参数,比如,实时煤炭参数包括煤炭热值、灰分、空气干燥基气化量等。
该实施例中,实时设备参数是指目标火电厂的设备进行正常发电工作时的设备参数,比如,设备的实时电压、功耗、转速、频率等。
该实施例中,核心数据是指会对设备碳排放量监测产生影响的数据。
该实施例中,第一煤炭参数是指对实时煤炭参数进行核心数据的提取后得到的参数。
该实施例中,第一设备参数是指对实时设备参数进行核心数据的提取后得到的参数。
该实施例中,第一数据拟合曲线是指根据第一煤炭参数进行数据拟合得到的曲线,其中,第一数据拟合曲线的横轴表示目标火电厂的不同设备对应设备编号,纵轴表示同种设备工作类型的不同设备中同一煤炭参数的数值。
该实施例中,第二曲线是指根据第一数据拟合曲线进行曲线两侧的趋势外推后得到的曲线,其中,第二曲线的横轴表示目标火电厂的不同设备对应设备编号,纵轴表示同种设备工作类型的不同设备中同一煤炭参数的数值,其中,第二曲线与第一数据拟合曲线不重叠的部分即为第一数据拟合曲线按照曲线趋势外推后得到的部分曲线。
该实施例中,第一设备拟合曲线是指根据第一设备参数进行拟合后得到的曲线。
该实施例中,待分析设备是指按照第一数据拟合曲线与第二曲线不重叠的部分的数据结合火电厂的实时设备参数确定的设备。
该实施例中,趋势外推是指按照曲线的趋势向原有曲线的两侧进行延伸,进行延伸时需要确定已有曲线的曲线固定参数,并根据曲线固定参数进行曲线延伸,其中,基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线,具体如下:
提取第一设备拟合曲线的谷点拟合值以及峰点拟合值求取平均,构建中间水平线,同时,根据第一设备拟合曲线的谷点拟合值求取平均,构建底部水平线,同时,根据第一设备拟合曲线的峰点拟合值求取平均,构建顶部水平线;
获取第一设备拟合曲线中的最小拟合值,构建第一参考水平线,以及获取第一设备拟合曲线中的最大拟合值,构建第二参考水平线;
根据所述谷点拟合值的个数以及峰点拟合值的个数,计算对第一设备拟合曲线的首尾截取长度;
;其中,J1表示首尾截取长度;/>表示相邻两点之间的曲线段长度;/>表示峰点与谷点的总个数;/>表示相邻两点所形成的第一设备拟合曲线的总曲线段数;/>表示所有/>中的最长曲线段长度;
根据首位截取长度,对第一设备拟合线的首尾线段进行截取,并根据截取线段与顶部水平线、中间水平线、底部水平线、第一参考水平线以及第二参考水平线的位置衔接序列;
当存在衔接关系时,将对应水平线与截取线段的序列值设置为1,否则,设置为0;
根据位置衔接序列,锁定序列值为1的水平线,来获取对应截取线段的锁定点,并基于每个锁定点的切线围绕成的封闭区域的中心点与相应最外侧锁定点的距离,视为位置延伸长度,且根据对应截取线段的线段规律,对位置延伸长度进行曲线变化,实现对第一设备拟合曲线的首尾曲线延伸。
如图4所示,比如,a01、a02、a03、a04以及a05分别表示顶部水平线、中间水平线、底部水平线、第一参考水平线以及第二参考水平线,以首线段作为截取线段为例,r01为首线段,此时,存在三个锁定点,分别为01、02以及03,当下围绕成的区域即为r02,如果存在其余情况,比如三个点所对应的切线都不在一条水平线上,此时,将三个点所对应的水平线进行垂直方向的闭环封口,即可得到封闭区域,且闭环封口即为基于最外侧两个锁定点作垂直线进行封口得到。
该实施例中,位置衔接序列中存在5个元素,比如:{0 1 1 1 0}。
该实施例中,相应最外侧锁定点指的是:当截取线段为首线段时,则最外侧锁定点为最左侧锁定点;当截取线段为尾线段时,则最外侧锁定点为最右侧锁定点。
该实施例中,曲线变化是将线段规律输入到曲线分析模型中进行分析,最后获取得到变化的曲线,该模型是预先训练好的,可以直接分析得到。
该实施例中,第三曲线是指基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到的曲线。
该实施例中,第二调整曲线是指根据第三曲线的曲线趋势对第二曲线进行调整后得到的曲线。
该实施例中,第一预测是指基于第二调整曲线上每一曲线参数对目标火电厂的碳排放进行预测。
该实施例中,曲线参数是指第二调整曲线上每一第一煤炭参数对应参数种类对应的参数值。
该实施例中,第一预设权数是根据构建初始碳排放模型所需的不同设备碳排放量及不同碳排放类型的碳排放量的对目标火电厂的碳排放量的影响权重确定的。
该实施例中,初始碳排放预测模型是指根据第一预设权数作为碳排放医学模型的固定参数得到的碳排放预测模型。
该实施例中,历史碳排放量是指目标火电厂在历史工作过程中产生的碳排放量。
该实施例中,预测误差是指每一历史碳排放量与对应碳排放预测结果之间的误差。
该实施例中,最佳预设权数是指将第一预设权数不断进行调整后得到的与碳排放预测模型匹配程度最高的权数。
该实施例中,标准固定参数是指将最佳预设权数作为碳排放预测模型的固定参数。
该实施例中,第二初始预测结果是指将标准固定参数作为碳排放预测模型的固定参数,并将第一煤炭参数输入到碳排放预测模型中从而对碳排放量进行预测。
该实施例中,第二预测结果是指根据目标火电厂的历史碳排放量对第二初始预测结果进行调整得到的预测结果。
该实施例中,应用可行性是指第一预测结果及第二预测结果分别进行仿真模拟,判断第一预测结果及第二预测结果在实际工作中出现的可行性。
该实施例中,预测碳排放量是指是指根据碳排放模型得到每一设备的碳排放量,从而预测得到目标火电厂的碳排放量。
该实施例中,标准碳排放量是指是指目标火电厂的设备对应的碳排放最高阈值及碳排放最低阈值。
上述技术方案的有益效果是:通过多种方式对火电厂的碳排放量进行预测,并根据预测结果进行比较,可以使得对火电厂碳资产的监测更加及时、准确。
实施例4:
基于实施例3的基础上,将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较,包括:
将预测碳排放量与实时碳排放量与目标火电厂的碳排放最高阈值与碳排放最低阈值进行比较;
若预测碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则重新进行碳排放量的预测;
若实时碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则判断当前目标火电厂的设备出现故障,需要进行预警;
若预测碳排放量与实时碳排放量处于碳排放最高阈值与碳排放最低阈值之间,则将预测碳排放量与标准碳排放量进行第一比较,并将实时碳排放量与标准碳排放量进行第二比较。
该实施例中,预测碳排放量是指根据碳排放模型得到每一设备的碳排放量,从而预测得到目标火电厂的碳排放量。
该实施例中,实时碳排放量是指根据获取的实时碳排放参数按照对应的碳排放类型进行分类后得到的碳排放量。
该实施例中,碳排放最高阈值是指当前设备进行碳排放的最高值,碳排放最低阈值是指当前设备进行碳排放的最低值,其中,碳排放的最高阈值及最低阈值包括直接设备的碳排放量和间接碳排放量。
该实施例中,第一比较是指将预测碳排放量与标准碳排放量进行比较,第二比较是指将实时碳排放量与标准碳排放量进行比较。
上述技术方案的有益效果是:通过对火电厂的实时碳排放量进行比较,从而将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确。
实施例5:
基于实施例4的基础上,基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果,如图2所示,包括:
将实时碳排放量与标准碳排放量的第二比较结果输入到比较监测数据表中,并根据实时碳排放量与标准碳排放量的比较结果进行分类;
若实时碳排放量大于标准碳排放量,则提取对应比较结果,得到第一监测数据表;
反之,则提取对应比较结果,得到第二监测数据表;
基于第一监测数据表与第二监测数据表的比较结果值及对应数据的影响权重进行综合,得到目标火电厂的初始监测结果;
基于第一比较结果得到第三监测数据表及第四监测数据表;
分别对第一监测数据表与第三监测数据表、第二监测数据表与第四监测数据表的数据特征及数据值进行第三比较和第四比较;
基于第三比较和第四比较的结果对初始监测结果进行调整,得到目标火电厂的综合监测结果。
该实施例中,比较监测数据表是指包含实时碳排放量、标准碳排放量及实时碳排放量与标准碳排放量的比较结果的数据表,其中,标准碳排量及实时碳排放量的比较结果可以为负数也可以为正数,其中,比较结果应该统一,比如,均为标准碳排放量减去实时碳排放量。
该实施例中,第一监测数据表是指将比较监测数据表的比较结果中实时碳排放量大于标准碳排放量对应的比较结果进行提取,得到的数据表。第二监测数据表是指将比较监测数据表的比较结果中实时碳排放量不大于标准碳排放量对应的比较结果进行提取,得到的数据表。
该实施例中,初始监测结果是指基于第一监测数据表与第二监测数据表的比较结果的结果值及对应数据对设备监测的影响权重进行综合后得到的监测结果。
该实施例中,第三监测数据表是指将预测碳排放量与标准碳排放量进行比较,并将比较结果中预测碳排放量大于标准碳排放量的比较结果进行提取,得到的数据表。第四监测数据表是指将预测碳排放量与标准碳排放量进行比较,并将比较结果中预测碳排放量不大于标准碳排放量的比较结果进行提取,得到的数据表。
该实施例中,第三比较是指将第一监测数据表与第三监测数据表中对应数据值进行比较,第四比较是指将第二监测数据表与第四监测数据表中对应数据值进行比较。
该实施例中,综合监测结果是指根据第三比较与第四比较的比较结果中误差超过预设误差的数据值替换或调整对应初始监测结果中的数据值,从而得到的监测结果。
上述技术方案的有益效果是:通过对监测比较结果进行调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
实施例6:
基于实施例5的基础上,对第一监测数据表与第三监测数据表的数据特征及数据值进行第三比较,包括:
获取第一监测数据表与第三监测表中监测数据的数据特征,并基于所述数据特征将第一监测数据表与第三监测数据表中的监测数据进行逐一对应;
基于逐一对应结果比较对应监测数据的数据误差,得到第三比较结果。
该实施例中,监测数据的数据特征是指第一监测数据表与第三监测数据表中每一监测数据的数据种类及数据容量。
该实施例中,第三比较结果是指将第一监测数据表与第三监测数据表中对应数据值进行比较后得到的比较结果。
上述技术方案的有益效果是:通过对火电厂的实时碳排放量、预测碳排放量、标准碳排放量进行比较,从而将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确。
实施例7:
基于实施例5的基础上,基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制,包括:
基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于判断结果确定目标火电厂的碳排放等级;
基于碳排放等级及对应部分的碳资产综合确定目标火电厂的煤炭资源利用情况;
基于原始碳资产分布结合煤炭资源利用情况确定目标火电厂需要进行碳资产控制的设备编号及位置,并确定对应设备的设备控制条件;
基于所述设备控制条件确定对应设备的设备控制参数,并基于设备控制参数对对应设备进行控制,从而实现目标火电厂的碳资产监测控制。
该实施例中,碳排放等级是指设备进行直接碳排放及间接碳排放的等级,等级越高,对应的直接及间接碳排放等级就越高,碳排放等级越高说明设备可能出现故障或存在过度消耗能源的问题。
该实施例中,碳资产是指设备的输入碳量。
该实施例中,煤炭资源利用情况是基于目标设备输入碳量及碳排放量的比例确定的。
该实施例中,设备控制条件是指设备进行控制调整的临界条件。
该实施例中,设备控制参数是指对设备进行控制调整的参数,其中,设备控制参数包括温度控制类参数、压力控制类参数、流量控制类参数、液位控制类参数、速度控制类参数等。
上述技术方案的有益效果是:通过对火电厂的碳排放量进行预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确。
实施例8:
本发明实施例提供了一种火电厂碳资产的监测控制***,如图3所示,包括:
排放确定模块:用于获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时煤炭参数,确定目标火电厂的实时碳排放量;
排放预测模块:用于基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
排放比较模块:用于将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
综合监测模块:用于基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
监测控制模块:用于基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制。
上述技术方案的有益效果是:通过对火电厂的实时碳排放量进行预测、比较,并将比较结果结合原始碳资产对火电厂进行监测调整,可以使得对火电厂碳资产的监测更加及时、准确,也能够更加及时的发现设备排放问题并进行及时调整。
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。
Claims (10)
1.一种火电厂碳资产的监测控制方法,其特征在于,包括:
步骤1:获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时碳排放参数,确定目标火电厂的实时碳排放量;
步骤2:基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
步骤3:将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
步骤4:基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
步骤5:基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制;
其中,步骤2,包括:
对实时煤炭参数及目标火电厂的实时设备参数进行核心数据的提取,得到第一煤炭参数及第一设备参数;
基于第一煤炭参数得到对应的第一数据拟合曲线,并按照第一数据拟合曲线的曲线趋势进行曲线趋势外推,得到第二曲线;
基于第一设备参数得到对应的第一设备拟合曲线;
基于第二曲线与第一数据拟合曲线不重叠部分的数据结合目标火电厂的实时设备参数,锁定待分析设备;
基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线;
基于第三曲线的曲线趋势对第二曲线进行调整,得到第二调整曲线,并基于第二调整曲线的曲线参数对目标火电厂进行碳排放的第一预测;
根据碳排放预测模型的标准固定参数以及第一煤炭参数对碳排放进行预测,且结合目标火电厂的实时设备参数进行调整,得到第二预测结果;
将第一预测结果及第二预测结果进行整合,得到预测碳排放量;
同时,基于实时设备参数从标准数据库中获取与目标火电厂设备匹配的标准碳排放量。
2.根据权利要求1所述的一种火电厂碳资产的监测控制方法,其特征在于,获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时炭排放参数,确定目标火电厂的实时碳排放量,包括:
获取目标火电厂的电厂设备参数,并基于参数类型确定目标电厂包含的所有碳排放类型;
基于碳排放类型匹配对应类型的设备传感器,并基于对应设备传感器获取实时碳排放参数;
将实时碳排放参数进行参数处理,并基于参数处理结果得到目标火电厂的所有出口的实时碳排放量。
3.根据权利要求2所述的一种火电厂碳资产的监测控制方法,其特征在于,将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较,包括:
将预测碳排放量与实时碳排放量与目标火电厂的碳排放最高阈值与碳排放最低阈值进行比较;
若预测碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则重新进行碳排放量的预测;
若实时碳排放量处于碳排放最高阈值与碳排放最低阈值范围外,则判断当前目标火电厂的设备出现故障,需要进行预警;
若预测碳排放量与实时碳排放量处于碳排放最高阈值与碳排放最低阈值之间,则将预测碳排放量与标准碳排放量进行第一比较,并将实时碳排放量与标准碳排放量进行第二比较。
4.根据权利要求3所述的一种火电厂碳资产的监测控制方法,其特征在于,基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果,包括:
将实时碳排放量与标准碳排放量的第二比较结果输入到比较监测数据表中,并根据实时碳排放量与标准碳排放量的比较结果进行分类;
若实时碳排放量大于标准碳排放量,则提取对应比较结果,得到第一监测数据表;
反之,则提取对应比较结果,得到第二监测数据表;
基于第一监测数据表与第二监测数据表的比较结果值及对应数据的影响权重进行综合,得到目标火电厂的初始监测结果;
基于第一比较结果得到第三监测数据表及第四监测数据表;
分别对第一监测数据表与第三监测数据表、第二监测数据表与第四监测数据表的数据特征及数据值进行第三比较和第四比较;
基于第三比较和第四比较的结果对初始监测结果进行调整,得到目标火电厂的综合监测结果。
5.根据权利要求4所述的一种火电厂碳资产的监测控制方法,其特征在于,对第一监测数据表与第三监测数据表的数据特征及数据值进行第三比较,包括:
获取第一监测数据表与第三监测表中监测数据的数据特征,并基于所述数据特征将第一监测数据表与第三监测数据表中的监测数据进行逐一对应;
基于逐一对应结果比较对应监测数据的数据误差,得到第三比较结果。
6.根据权利要求4所述的一种火电厂碳资产的监测控制方法,其特征在于,基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制,包括:
基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于判断结果确定目标火电厂的碳排放等级;
基于碳排放等级及对应部分的碳资产综合确定目标火电厂的煤炭资源利用情况;
基于原始碳资产分布结合煤炭资源利用情况确定目标火电厂需要进行碳资产控制的设备编号及位置,并确定对应设备的设备控制条件;
基于所述设备控制条件确定对应设备的设备控制参数,并基于设备控制参数对对应设备进行控制,从而实现目标火电厂的碳资产监测控制。
7.根据权利要求1所述的一种火电厂碳资产的监测控制方法,其特征在于,根据碳排放预测模型的标准固定参数以及第一煤炭参数对碳排放进行预测,且结合目标火电厂的实时设备参数进行调整,得到第二预测结果,包括:
获取第一预设权数作为初始碳排放预测模型的固定参数,并将第一煤炭参数输入到初始碳排放预测模型中进行碳排放预测;
将目标火电厂的历史碳排放量与碳排放预测结果进行比较,计算预测误差,并根据预测误差对第一预设权数进行调整以减小误差;
经过多次预测调整确定最佳预设权数作为碳排放预测模型的标准固定参数;
基于标准固定参数及第一煤炭参数对碳排放进行预测,得到第二初始预测结果;
结合目标火电厂的实时设备参数对第二初始预测结果进行调整,得到第二预测结果。
8.根据权利要求7所述的一种火电厂碳资产的监测控制方法,其特征在于,将第一预测结果及第二预测结果进行整合之前,包括:
基于第一预测结果及第二预测结果进行仿真模拟,判断第一预测结果及第二预测结果在进行实际应用中的可行性;
若第一预测结果及第二预测结果处于应用可行性范围内,则将第一预测结果及第二预测结果进行整合。
9.根据权利要求1所述的一种火电厂碳资产的监测控制方法,其特征在于,基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线,包括:
提取第一设备拟合曲线的谷点拟合值以及峰点拟合值求取平均,构建中间水平线,同时,根据第一设备拟合曲线的谷点拟合值求取平均,构建底部水平线,同时,根据第一设备拟合曲线的峰点拟合值求取平均,构建顶部水平线;
获取第一设备拟合曲线中的最小拟合值,构建第一参考水平线,以及获取第一设备拟合曲线中的最大拟合值,构建第二参考水平线;
根据所述谷点拟合值的个数以及峰点拟合值的个数,计算对第一设备拟合曲线的首尾截取长度;
;其中,J1表示首尾截取长度;/>表示相邻两点之间的曲线段长度;/>表示峰点与谷点的总个数;/>表示相邻两点所形成的第一设备拟合曲线的总曲线段数;/>表示所有/>中的最长曲线段长度;
根据首位截取长度,对第一设备拟合线的首尾线段进行截取,并根据截取线段与顶部水平线、中间水平线、底部水平线、第一参考水平线以及第二参考水平线的位置衔接序列;
当存在衔接关系时,将对应水平线与截取线段的序列值设置为1,否则,设置为0;
根据位置衔接序列,锁定序列值为1的水平线,来获取对应截取线段的锁定点,并基于每个锁定点的切线围绕成的封闭区域的中心点与相应最外侧锁定点的距离,视为位置延伸长度,且根据对应截取线段的线段规律,对位置延伸长度进行曲线变化,实现对第一设备拟合曲线的首尾曲线延伸。
10.一种火电厂碳资产的监测控制***,其特征在于,包括:
排放确定模块:用于获取目标火电厂的所有碳排放类型,并基于碳排放类型获取对应的实时煤炭参数,确定目标火电厂的实时碳排放量;
排放预测模块:用于基于实时煤炭参数及目标火电厂的实时设备参数构建碳排放预测模型,得到预测碳排放量,并基于实时设备参数获取与目标火电厂设备匹配的标准碳排放量;
排放比较模块:用于将预测碳排放量与标准碳排放量进行第一比较,将实时碳排放量与标准碳排放量进行第二比较;
综合监测模块:用于基于第二比较结果得到目标火电厂的初始监测结果,并基于第一比较结果对初始监测结果进行调整,得到综合监测结果;
监测控制模块:用于基于综合监测结果对目标火电厂的碳排放结果进行判断,并基于原始碳资产分布确定需要进行控制的火电厂设备及设备控制参数,实现设备控制;
其中,排放预测模块,用于:
对实时煤炭参数及目标火电厂的实时设备参数进行核心数据的提取,得到第一煤炭参数及第一设备参数;
基于第一煤炭参数得到对应的第一数据拟合曲线,并按照第一数据拟合曲线的曲线趋势进行曲线趋势外推,得到第二曲线;
基于第一设备参数得到对应的第一设备拟合曲线;
基于第二曲线与第一数据拟合曲线不重叠部分的数据结合目标火电厂的实时设备参数,锁定待分析设备;
基于所述待分析设备的实时设备参数对第一设备拟合曲线进行趋势外推,得到第三曲线;
基于第三曲线的曲线趋势对第二曲线进行调整,得到第二调整曲线,并基于第二调整曲线的曲线参数对目标火电厂进行碳排放的第一预测;
根据碳排放预测模型的标准固定参数以及第一煤炭参数对碳排放进行预测,且结合目标火电厂的实时设备参数进行调整,得到第二预测结果;
将第一预测结果及第二预测结果进行整合,得到预测碳排放量;
同时,基于实时设备参数从标准数据库中获取与目标火电厂设备匹配的标准碳排放量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226894.1A CN116974234B (zh) | 2023-09-22 | 2023-09-22 | 一种火电厂碳资产的监测控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226894.1A CN116974234B (zh) | 2023-09-22 | 2023-09-22 | 一种火电厂碳资产的监测控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116974234A true CN116974234A (zh) | 2023-10-31 |
CN116974234B CN116974234B (zh) | 2024-02-20 |
Family
ID=88477035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311226894.1A Active CN116974234B (zh) | 2023-09-22 | 2023-09-22 | 一种火电厂碳资产的监测控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116974234B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117591887A (zh) * | 2024-01-17 | 2024-02-23 | 罗克佳华科技集团股份有限公司 | 预测模型训练方法以及危险废物监测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272243A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产管理方法及*** |
EP3444771A1 (en) * | 2017-08-18 | 2019-02-20 | Hepu Technology Development (Beijing) Co. Ltd. | Blockchain-based carbon trading system |
CN112669061A (zh) * | 2020-12-23 | 2021-04-16 | 华电电力科学研究院有限公司 | 火电厂碳配额盈缺分析方法、***、装置及可读存储介质 |
CN114417571A (zh) * | 2021-12-24 | 2022-04-29 | 国网湖北省电力有限公司电力科学研究院 | 一种实现燃煤发电机组碳排放在线监测方法、***及存储介质 |
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 |
CN116256017A (zh) * | 2022-12-08 | 2023-06-13 | 国电环境保护研究院有限公司 | 碳资产监测装置及碳资产监测*** |
CN116611652A (zh) * | 2023-05-22 | 2023-08-18 | 合肥中能电力科技有限公司 | 一种基于电力大数据的碳排放监控与测算方法 |
CN116720985A (zh) * | 2023-08-11 | 2023-09-08 | 北京泰豪智能工程有限公司 | 一种建筑碳排放监测方法及*** |
-
2023
- 2023-09-22 CN CN202311226894.1A patent/CN116974234B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3444771A1 (en) * | 2017-08-18 | 2019-02-20 | Hepu Technology Development (Beijing) Co. Ltd. | Blockchain-based carbon trading system |
CN109272243A (zh) * | 2018-09-30 | 2019-01-25 | 大唐碳资产有限公司 | 碳资产管理方法及*** |
CN112669061A (zh) * | 2020-12-23 | 2021-04-16 | 华电电力科学研究院有限公司 | 火电厂碳配额盈缺分析方法、***、装置及可读存储介质 |
CN114417571A (zh) * | 2021-12-24 | 2022-04-29 | 国网湖北省电力有限公司电力科学研究院 | 一种实现燃煤发电机组碳排放在线监测方法、***及存储介质 |
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 |
CN116256017A (zh) * | 2022-12-08 | 2023-06-13 | 国电环境保护研究院有限公司 | 碳资产监测装置及碳资产监测*** |
CN116611652A (zh) * | 2023-05-22 | 2023-08-18 | 合肥中能电力科技有限公司 | 一种基于电力大数据的碳排放监控与测算方法 |
CN116720985A (zh) * | 2023-08-11 | 2023-09-08 | 北京泰豪智能工程有限公司 | 一种建筑碳排放监测方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117591887A (zh) * | 2024-01-17 | 2024-02-23 | 罗克佳华科技集团股份有限公司 | 预测模型训练方法以及危险废物监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116974234B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375476B (zh) | 一种水电机组健康评估方法 | |
CN116974234B (zh) | 一种火电厂碳资产的监测控制方法及*** | |
US10458416B2 (en) | Apparatus and method for monitoring a pump | |
CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
CN116484751B (zh) | 一种风电机组部件的疲劳寿命评估方法及装置 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及*** | |
CN117113729A (zh) | 一种基于数字孪生的电力设备在线状态监测*** | |
CN117171590B (zh) | 一种电机智能驱动优化方法及*** | |
CN117134007B (zh) | 一种锂离子电池温度控制方法及*** | |
CN115936676A (zh) | 一种基于数字孪生的设备健康管理方法及*** | |
CN117008479A (zh) | 基于生物质气化炉的负碳排放优化控制方法及*** | |
CN117028147A (zh) | 一种风电变桨控制***与风电变桨*** | |
CN117664218A (zh) | 一种真空冷冻干燥机的校准方法 | |
CN112734141B (zh) | 一种多元化负荷区间预测方法及装置 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN116384048A (zh) | 一种风力发电机组轴承寿命预测的方法 | |
CN115481815A (zh) | 基于神经网络的火电厂负荷分配***及方法 | |
Gu et al. | Online monitoring of wind turbine operation efficiency and optimization based on benchmark values | |
CN117252032B (zh) | 碱性电解水制氢***的数字孪生体构建方法、装置及设备 | |
CN117871771B (zh) | 一种基于大数据的燃气能源监测方法 | |
CN117369603B (zh) | 一种机箱散热控制*** | |
CN117519054B (zh) | 一种高效冷站控制*** | |
CN116662466B (zh) | 通过大数据进行土地全生命周期维护*** | |
CN117128162B (zh) | 智慧能源空压站节能控制***及控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |