CN117893376A - 一种基于时空碳足迹的社区碳排放监测与调控方法 - Google Patents
一种基于时空碳足迹的社区碳排放监测与调控方法 Download PDFInfo
- Publication number
- CN117893376A CN117893376A CN202311518613.XA CN202311518613A CN117893376A CN 117893376 A CN117893376 A CN 117893376A CN 202311518613 A CN202311518613 A CN 202311518613A CN 117893376 A CN117893376 A CN 117893376A
- Authority
- CN
- China
- Prior art keywords
- carbon
- community
- data
- space
- carbon emission
- 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 486
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 477
- 238000012544 monitoring process Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 99
- 239000004576 sand Substances 0.000 claims abstract description 31
- 238000005265 energy consumption Methods 0.000 claims description 74
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 38
- 239000007789 gas Substances 0.000 claims description 28
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 19
- 239000001569 carbon dioxide Substances 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 19
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 16
- 230000001276 controlling effect Effects 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 239000003345 natural gas Substances 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000001745 non-dispersive infrared spectroscopy Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 238000011002 quantification Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 8
- 230000003542 behavioural effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于时空碳足迹的社区碳排放监测与调控方法，包括建立社区尺度基础沙盘、识别碳源与人群时空活动、生成社区人群的时空碳足迹、社区碳排放动态监测与社区碳排放调控；该方法通过将人群时空活动数据转化为人群时空碳排数据，能够根据人群碳足迹精准监测社区碳排放的动态变化。本发明能够应对城市规划设计领域碳排放的优化，实现基于人群碳排放特征来调整社区的空间形态布局，用精准量化的方式降低城市碳排放，营造宜居社区环境。
Description
技术领域
本发明涉及能源与城市规划领域，特别是涉及一种基于时空碳足迹的社区碳排放监测与调控方法。
背景技术
社区是城市碳排放的主要场所，研究监测社区碳排放是提高宜居水平、实现可持续发展的重要内容。
目前常见的社区碳排放监测方法，大都是基于碳排放核算清单的静态监测，重点在于明确城市社区碳足迹研究的边界、构成要素和内容，并制定相应的监测框架及其指标。既有监测方法的空间颗粒度及时间颗粒度较粗，在监测精度上局限于社区整体的月度或年度碳排放，而无法落实到具体的人群活动及其所使用空间，这导致研究难以全面、精准地对社区碳排放进行测算并进行空间特征分析。进而，既有方法无法及时反馈社区碳排放情况，并在社区碳排放出现异常时形成规划应对方案。
发明内容
发明目的：本发明的目的是提供一种基于时空碳足迹的社区碳排放监测与调控方法，以对社区碳排放进行高精度地实时动态监测并形成调控解决方案。
技术方案：为实现上述目的，本发明所述的一种基于时空碳足迹的社区碳排放监测与调控方法，包括以下步骤：
步骤1：构建社区尺度基础空间沙盘；
步骤2：以小时为单位收集社区内不同碳源点的24小时内碳源能耗数据及社区人群24小时的碳排活动数据；
步骤3：基于社区内不同碳源点的碳源能耗数据及社区人群24小时的碳排活动数据，获取社区人群的时空碳足迹数据；
步骤4：将时空碳足迹数据导入社区尺度基础空间沙盘中，以将碳源点与碳源点所在的建筑单元进行空间链接，实时监测社区建筑能耗单元碳排放情况；同时利用二氧化碳检测仪器实时监测社区空间碳浓度分布情况；将社区建筑能耗单元碳排放情况与社区空间碳浓度分布情况进行叠加，构建社区碳排放动态监测模块；
步骤5：基于社区碳排放动态监测模块以及设定的建筑单元碳排放强度阈值和碳浓度阈值，构建社区碳排放动态调控平台；社区碳排放动态调控平台将社区各建筑单元碳排放量数据、实时碳浓度数据与设定的建筑单元碳排放强度阈值和碳浓度阈值进行对比，识别出高能耗空间单元或高碳浓度空间单元；
步骤6：社区碳排放动态调控平台对识别出的高能耗空间单元和高碳浓度空间单元进行优化调控。
步骤1所述构建社区尺度基础空间沙盘的方法为：获取目标社区的空间大数据，包括矢量建筑形态数据与道路数据，并采集社区三维倾斜摄影数据；将空间大数据进行坐标、高程匹配、数据格式统一后，输入地理信息***平台GIS中，生成社区现状三维模型，将社区现状三维模型与社区三维倾斜摄影数据进行空间叠合，生成社区尺度基础空间沙盘；其中矢量建筑形态数据包括闭合的建筑轮廓线、建筑层数信息和建筑功能信息，矢量道路数据包括道路类型、道路宽度和道路中心线信息，矢量空间沙盘坐标系为2000国家大地坐标系。
步骤2所述碳源点碳源能耗数据包括碳源点经纬度、碳源点用地类型、每小时用电能耗值、每小时用气能耗值；
所述社区人群24小时的碳排活动数据包括居住点经纬度、活动点经纬度、活动点用地类型、活动时间段、活动时长、活动类型。
步骤2所述收集社区内不同碳源点的碳源能耗数据的方法为：获取社区现状用地类型数据，区分居住建筑与公共建筑，获取社区内电力和燃气碳源点的经纬度，并对所有碳源点编制序号；以小时为单位收集社区内不同碳源点的碳源能耗数据；其中居住建筑以户为单位获取电表数据和燃气表数据作为碳源点能耗数据，公共建筑以建筑为单位获取电表数据和燃气表数据作为碳源点能耗数据；
所述收集社区人群24小时的碳排活动数据的方法为：获得空间精度为5M的社区人群LBS数据；将社区人群LBS数据与所在位置对应的社区用地类型数据进行耦合，即根据两者的数据坐标信息，在空间上进行对位；对不同时间段内社区人群活动类型进行识别，得到社区人群24小时的碳排活动数据，所述活动类型包括居家活动、商业活动、交通活动、公共服务活动、娱乐活动、餐饮活动；其中，社区人群LBS数据包括社区空间范围内所有用户的ID编号、时间以及位置点地理坐标。
步骤3所述的获取社区人群的时空碳足迹数据的方法为：将不同碳源点的24小时碳源能耗数据及社区人群24小时的碳排活动数据按照其所处时间和所属空间进行映射，即将社区人群活动的碳排放类型分类为直接用气碳排和间接用电碳排，判断各碳源点的碳排放类型；
以每小时调取碳源点能耗数据，计算该碳源点的碳排放值；再将计算得到的碳排放值按照时间顺序进行排列，得到社区人群的时空碳足迹，包括居住点经纬度、碳源点序号、碳源点经纬度、碳源点用地类型、活动时间段、活动时长、活动类型、活动碳排放类型及碳排放值；
所述碳排放值的计算方法为：
若碳源点的碳排放类型判断为直接用气碳排，则使用以下公式进行计算碳排放值：
其中，G为直接用气排放量，Gi为第i个碳源点的天然气能源消费活动水平，Gf为天然气能源消费碳排放系数，i为碳源点编号，n为社区碳源点总数，N是该小时碳源点活动的人数；
若碳源点的碳排放类型判断为间接用电碳排，则使用以下公式进行计算碳排放值：
其中，E为直接用电排放量，Ei为第i个碳源点的电力能源消费活动水平，Ff为电力能源消费碳排放系数，N是该小时碳源点活动的人数。
步骤4所述的实时监测社区建筑能耗单元碳排放情况的方法为：将时空碳足迹数据导入社区尺度基础空间沙盘中，以将碳源点与碳源点所在的建筑单元进行空间链接，以每小时为间隔，实时监测同一建筑单元内所有碳源点每小时的碳排放值，并将其累加得到各建筑单元的单位小时碳排放值；
利用二氧化碳检测仪器实时监测社区空间碳浓度分布情况的方法为：在社区范围内以10m为间隔定点布置搭载有非色散红外(NDIR)传感器的便携式二氧化碳检测仪，获取实测点24小时的二氧化碳浓度、流向、流速数据，形成分布云图和矢量图，以实时监测社区空间碳浓度分布情况。
步骤5所述识别出高能耗空间单元或高碳浓度空间单元的方法为：
若每小时社区各建筑单元碳排放量数据高出建筑单元碳排放强度阈值，则识别为高能耗空间单元；若每小时社区各建筑单元实时碳浓度数据高出社区各建筑单元碳浓度阈值，则识别为高碳浓度空间单元。
步骤6所述的优化调控方法为：
对于高能耗空间单元，社区碳排放动态调控平台根据该单元用电能耗的时空波动特征，即该空间单元各时段各碳源点的碳排放量数据高于对应单元类型的碳排放强度阈值的数值，利用社区储能设备调控高能耗时段的配电数值，直到调配后每小时社区各建筑单元碳排放量数据不高于建筑单元碳排放强度阈值，此时输出调控前碳排放强度监测报告、储能设备调控方案、调控后碳排放强度监测报告；
对于高碳排空间单元，基于社区尺度基础空间沙盘对该建筑单元的围合度、错落度参数以及建筑开口进行调整，置入不同碳汇系数的植物配置方案，预测不同建筑组合方式和景观配置方式的碳浓度，选择满足碳浓度不高于碳浓度阈值的方案进行输出，同时输出社区的时空碳排评估报告。
所述时空碳排评估报告包括社区内不同碳源点的24小时碳源能耗数据、社区人群24小时的碳排活动数据、社区人群的时空碳足迹数据、社区二氧化碳实测浓度、社区能耗碳排评估、社区实测碳排评估、社区碳排整体评价、用电动态调配记录、环境模拟记录；所述环境模拟记录指该建筑单元的围合度、错落度参数以及建筑开口进行调整，置入不同碳汇系数的植物配置。
有益效果：本发明具有如下优点：1、本发明实现了从社区人群活动足迹到社区碳足迹的转化，突破了传统碳排放监测方法的监测颗粒度问题，最大程度提升了社区碳排放监测的准确性和精细度；同时将人群活动和社区碳排放相联系，突破了传统碳排放监测只能计算结果而难以解释碳排放形成原因的问题，整个过程更具有科学性和可解释性；
2、本发明通过实时监测社区建筑能耗单元碳排放情况和社区空间碳浓度分布情况，按照规范要求划定碳排放阈值和碳浓度阈值，实现了高能耗空间识别和空间碳浓度识别相结合，避免了人为判断的局限性，和以往社区高碳排单元识别有效程度的不可控性。
附图说明
图1是本发明方法流程图；
图2是社区现状三维沙盘示意图；
图3是社区碳源点的识别示意图；
图4是碳排行为的碳排放量时间分布图；
具体实施方式
下面结合实施例和附图对本发明的技术方案作详细说明。
如图1所示，本发明所述的一种基于时空碳足迹的社区碳排放监测与调控方法，包括以下步骤：
步骤1：搭建社区尺度基础空间沙盘。
基于GIS地理信息平台，获取目标社区的空间大数据，包括矢量建筑形态数据与道路数据，并通过搭载北斗卫星导航***的测绘无人机来采集并存储社区三维倾斜摄影数据。将空间大数据进行坐标、高程匹配，数据格式调整为地理信息平台可识别与处理的矢量格式，如SHP格式，统一后输入到地理信息***平台中，生成社区现状三维模型，如图2所示。将社区现状三维模型与社区三维与倾斜摄影数据进行空间叠合，生成社区尺度基础空间沙盘。
其中，所述矢量建筑形态数据包括闭合的建筑轮廓线、建筑层数信息和建筑功能信息，矢量道路数据包括道路类型、道路宽度和道路中心线信息，矢量空间沙盘坐标系为2000国家大地坐标系。
所述搭载北斗卫星导航***的测绘无人机，测绘相机像素为1.2亿及以上、CMOS为5、焦距为35mm、存储容量在320GB以上。
所述社区尺度基础空间沙盘，其数据格式为地理信息平台可识别与处理的矢量格式，如SHP格式，并将调整格式后的数据导入地理信息平台。
所述生成社区尺度基础空间沙盘，指建立数据文件夹，利用地理信息平台“添加数据”功能与文件夹建立联系，确保矢量建筑、矢量地块数据格式为DWG格式或SHP格式，利用”投影和变换”操作对数据坐标进行转换，包括投影坐标、地理坐标间的切换以及不同坐标系之间的转换，调整城市三维矢量数据统一为2000国家大地坐标系；利用“Layer3DToFeatureClass”操作，结合建筑高度信息，对建筑物进行拉伸形成三维模型，最终生成城市三维空间数字模型。
步骤2：以小时为单位收集社区内不同碳源点的24小时内碳源能耗数据及社区人群24小时的碳排活动数据。
基于GIS地理信息平台获取社区内电力和燃气两类碳源点的经纬度，并对所有碳源点编制序号。通过相关规划部门获取社区现状用地数据，区分居住建筑与公共建筑，以小时为单位，收集社区内不同碳源点的碳源能耗数据。所述碳源点能耗数据，居住建筑以户为单位获取电表数据和燃气表数据，公共建筑以建筑为单位获取电表数据和燃气表数据，如图3所示。
使用移动终端实时定位，收集用户使用移动互联网的即时位置信息，获得社区人群LBS数据。将社区人群LBS数据与所在位置对应的社区用地类型数据进行耦合，对不同时间段内社区人群活动类型进行识别，得到社区人群24小时的碳排活动数据。所述社区人群LBS数据，空间精度为5M，包括社区空间范围内所有用户的ID、时间以及位置点地理坐标。
所述碳源点碳源能耗数据包括碳源点经纬度、碳源点用地类型、每小时用电能耗值、每小时用气能耗值；
所述社区人群24小时的碳排活动数据包括居住点经纬度、活动点经纬度、活动点用地类型、活动时间段、活动时长、活动类型，如图4所示为具体的碳排行为的碳排放量。
步骤3：生成社区人群的时空碳足迹。
将步骤2识别到的碳源点24小时数据和社区人群24小时行为活动数据按照其所处时间和所属空间进行映射，即将社区人群活动的碳排放类型分类为直接用气碳排和间接用电碳排，判断各碳源点的碳排放类型。以每小时调取步骤1获取的碳源点能耗数据，并调用对应公式计算碳排放值，按照时间顺序进行排列得到社区人群的时空碳足迹，包括居住点经纬度、碳源点序号、碳源点经纬度、碳源点用地类型、活动时间段、活动时长、活动类型、活动碳排放类型及碳排放值。其中，所述对应公式是指，碳排放类型若判断为直接用气碳排则采用公式：
其中，G为直接用气排放量，Gi为第i个家庭的天然气能源消费活动水平，Gf为天然气能源消费碳排放系数，i为碳源点编号，n为社区碳源点总数，N是该小时碳源点活动的人数。
若判断为间接用电碳排则采用公式：
其中，E为直接用电排放量，Ei为第i个碳源点的电力能源消费活动水平，Ff为电力能源消费碳排放系数，N是该小时碳源点活动的人数。
所述碳源点24小时数据和社区人群24小时行为活动数据，碳源点24小时数据包括碳源点经纬度，碳源点用地类型，每小时用电能耗值，每小时用气能耗值。社区人群24小时行为活动数据包括居住点经纬度，活动点经纬度，活动点用地类型，活动时间段，活动时长，活动类型。
步骤4：将时空碳足迹数据导入社区尺度基础空间沙盘中，以将碳源点与碳源点所在的建筑单元进行空间链接，实时监测社区建筑能耗单元碳排放情况；同时利用二氧化碳检测仪器实时监测社区空间碳浓度分布情况；将社区建筑能耗单元碳排放情况与社区空间碳浓度分布情况进行叠加，构建社区碳排放动态监测模块。
动态监测大尺度空间单元的能耗信息，将步骤3得到的时空碳足迹数据导入社区尺度基础空间沙盘，将碳源点与碳源点所在的建筑单元进行空间链接，以每小时为间隔，实时监测同一建筑单元内所有碳源点每小时的碳排放值，并将其累加得到各建筑单元的单位小时碳排放值，实时监测社区建筑能耗单元碳排放情况。在社区范围内以10m为间隔定点布置便携式二氧化碳检测仪获取实测点24小时的二氧化碳浓度、流向、流速数据，形成分布云图和矢量图，实时监测社区空间碳浓度分布情况。将社区建筑能耗单元碳排放情况与社区空间碳浓度分布情况进行叠加，构建社区碳排放动态监测模块，并以当日零时为基准，以1小时为最小监测时间间隔，将监测数据传送至以阿里云为载体的社区碳排放动态监测平台。所述便携式二氧化碳检测仪，搭载有非色散红外(NDIR)传感器。
步骤5：调控社区碳排放。根据《建筑节能与可再生能源利用通用规范》GB 55015-2021的要求，结合建筑功能、建筑面积设定社区建筑单元的小时碳排放量阈值，根据《室内空气质量标准》GB/T 18883-2022中二氧化碳浓度指标，确定建筑单元的碳浓度阈值。将建筑单元碳排放强度阈值和碳浓度阈值导入社区碳排放动态监测模块，构建社区碳排放动态调控平台。调控平台自动将社区各建筑单元的小时碳排放量数据、实时碳浓度数据与同类功能、同等级面积建筑单元的小时碳排放量阈值和碳浓度阈值进行对比。若小时碳排放量数据高出碳排放量阈值，则识别为高能耗空间单元；若实时碳浓度数据高出碳浓度阈值，则识别为高碳浓度空间单元。
基于社区碳排放动态调控平台，分别对高能耗空间单元和高碳浓度空间单元进行优化调控。对高能耗空间单元，平台根据该单元用电能耗的时空波动特征，利用社区储能设备调控高能耗时段的配电数值，调配后再次判断是否满足小时碳排放量阈值，若满足则输出报告，若不满足则继续调控配电数值，直至满足阈值区间；对于高碳排空间单元，基于空间沙盘对该建筑单元的围合度、错落度参数以及建筑开口进行调整，置入不同碳汇系数的植物配置方案，预测不同建筑组合方式和景观配置方式的碳浓度，选择满足正常碳浓度阈值的方案进行输出。最后通过无线传输的PCVR设备和一级能效彩色激光打印机输出社区的时空碳排评估报告。
所述PCVR设备的最小分辨率不低于4K、延迟率小于等于20ms、存储空间大于等于256G；
所述社区人群24小时的行为活动数据社区的时空碳排评估报告，包括碳源点24小时数据、社区人群24小时的行为活动数据、社区人群的时空碳足迹计算、社区二氧化碳实测浓度、社区能耗碳排评估、社区实测碳排评估、社区碳排整体评价、用电动态调配记录、环境模拟记录。
本发明通过测绘无人机、GIS地理信息平台、智能电(气)表、手机移动终端、二氧化碳检测仪、社区碳排放监控大屏攻克了传统社区碳排放静态监测的方法局限，实现了从数据收集、动态监测到实时反馈的全流程智能化作业。在节约人力的基础上大幅提升了工作效率与工作精度。以往需要十几名工作人员协作若干工作日完成的碳排放数据收集与分析工作可通过此方法在几小时内完成，并可做到实时更新，有效减少了时间成本和人力成本、提升社区碳排放监测精准度。
实施例
以下将以南京市江南主城区阅江楼社区为例对本发明的技术方案进行详细说明。
(1)以南京市江南主城区阅江楼社区为目标社区，获取社区的矢量建筑形态数据、矢量道路数据、三维倾斜摄影数据，生成阅江楼社区现状三维模型，具体包括：
(1.1)基于GIS地理信息平台，获取南京市江南主城区阅江楼社区的空间大数据，包括矢量建筑形态数据与道路数据，包含阅江楼社区的现状用地街区CAD/SHP文件、现状闭合建筑及层数(高度)CAD/SHP文件、道路路网CAD/SHP文件。
(1.2)通过搭载北斗卫星导航***、测绘相机像素为1.2亿及以上、CMOS为5、焦距为35mm、存储容量在320GB以上的测绘无人机来采集并存储阅江楼社区三维倾斜摄影数据。
(1.3)将现状阅江楼社区三维矢量数据中的现状闭合用地地块CAD文件并导出闭合多段线(Polyline)的SHP格式；将现状闭合建筑及层数(高度)CAD文件导入地理信息***软件，并导出建筑闭合面(Polyline)的SHP格式及层数点(Point)的SHP格式；建立数据文件夹，利用地理信息平台“添加数据”功能将建筑闭合面与建筑层数点进行空间关联，将每个建筑附上其层数(高度)信息。
(1.4)利用“投影和变换”操作对数据坐标进行转换，包括投影坐标、地理坐标间的切换以及不同坐标系之间的转换，调整城市三维矢量数据统一为2000国家大地坐标系；利用“Layer3DToFeatureClass”操作，结合建筑高度信息，对建筑物进行拉伸，形成三维模型；最终生成阅江楼社区现状三维模型，与倾斜摄影数据进行空间叠合，生成阅江楼社区尺度基础空间沙盘。
(2)识别阅江楼社区碳源，获取社区现状用地数据，收集用户位置信息并识别阅江楼社区人群碳排活动，具体包括：
(2.1)基于GIS地理信息平台获取社区内电力和燃气两类碳源点的经纬度，并对所有碳源点编制序号，共获取24400个碳源点。
(2.2)通过相关规划部门获取社区现状用地数据，区分居住建筑与公共建筑，以小时为单位，收集社区内居住建筑以户为单位获取电表数据和燃气表数据和公共建筑以建筑为单位获取电表数据和燃气表数据。
(2.3)使用移动终端实时定位，收集用户使用移动互联网的即时位置信息，获得空间精度为5M的阅江楼社区人群LBS数据，包括社区空间范围内所有用户的ID、时间以及位置点地理坐标。
(2.4)将阅江楼社区人群LBS数据与所在位置对应的阅江楼社区用地类型数据进行耦合，对不同时间段内阅江楼社区人群活动类型进行识别，得到阅江楼社区人群24小时的碳排活动数据。
(3)将碳源点24小时数据和社区人群24小时行为活动数据进行映射，调用对应公式计算碳排放值，生成阅江楼社区人群的时空碳足迹，具体包括：
(3.1)将识别到的碳源点24小时数据和社区人群24小时行为活动数据按照其所处时间和所属空间进行映射，对步骤一搭建的阅江楼社区尺度基础空间沙盘进行数据赋值。其中碳源点24小时数据包括碳源点经纬度，碳源点用地类型，每小时用电能耗值，每小时用气能耗值；社区人群24小时行为活动数据包括居住点经纬度，活动点经纬度，活动点用地类型，活动时间段，活动时长，活动类型。
(3.2)将阅江楼社区人群活动的碳排放类型分类为直接用气碳排和间接用电碳排，判断碳排放类型。
(3.2)以每小时为间隔实时调取碳源点能耗数据。
(3.3)调用对应公式计算碳排放值，按照时间顺序进行排列得到阅江楼社区人群的时空碳足迹，包括居住点经纬度、碳源点序号、碳源点经纬度、碳源点用地类型、活动时间段、活动时长、活动类型、活动碳排放类型及碳排放值。
其中，所述对应公式是指，碳排放类型若判断为直接用气碳排则采用公式
其中，G为直接用气排放量，Gi为第i个家庭的天然气能源消费活动水平，Gf为天然气能源消费碳排放系数，i为碳源点编号，n为社区碳源点总数，N是该小时碳源点活动的人数。
若判断为间接用电碳排则采用公式：
其中，E为直接用电排放量，Ei为第i个碳源点的电力能源消费活动水平，Ff为电力能源消费碳排放系数，N是该小时碳源点活动的人数。
(4)实时监测阅江楼社区建筑能耗单元碳排放情况和社区空间碳浓度分布情况，具体包括：
(4.1)动态监测大尺度空间单元的能耗信息，将阅江楼社区人群的时空碳足迹数据导入阅江楼社区尺度基础空间沙盘，将碳源点与碳源点所在的建筑单元进行空间链接。
(4.2)以每小时为间隔，实时监测同一建筑单元内所有碳源点每小时的碳排放值，并将其累加得到各建筑单元的单位小时碳排放值，实时监测阅江楼社区建筑能耗单元碳排放情况。
(4.3)在社区范围内以10m为间隔定点布置便携式二氧化碳检测仪搭载有非色散红外(NDIR)传感器获取实测点24小时的二氧化碳浓度、流向、流速数据，形成分布云图和矢量图，实时监测阅江楼社区空间碳浓度分布情况。
(4.4)将阅江楼社区建筑能耗单元碳排放情况与阅江楼社区空间碳浓度分布情况进行叠加，构建阅江楼社区碳排放动态监测模块，并以当日零时为基准，以1小时为最小监测时间间隔，将监测数据传送至以阿里云为载体的阅江楼社区碳排放动态监测平台。
人工智能判定高能耗空间单元和高碳浓度空间单元，进行自动优化调配，具体包括：
(5.1)根据《建筑节能与可再生能源利用通用规范》GB 55015-2021的要求，结合建筑功能、建筑面积分别设定阅江楼社区居住建筑单元和公共建筑单元的小时碳排放量阈值。
(5.2)根据《室内空气质量标准》GB/T 18883-2022中二氧化碳浓度指标，分别确定建筑单元和公共建筑单元的碳浓度阈值。
(5.3)分别将建筑单元和公共建筑单元的碳排放强度阈值和碳浓度阈值导入阅江楼社区尺度基础空间沙盘,；连接碳排放动态监测模块，构建社区碳排放动态调控平台。
(5.4)调控平台自动将社区各建筑单元的小时碳排放量数据、实时碳浓度数据与同类功能、同等级面积建筑单元的小时碳排放量阈值和碳浓度阈值进行对比。
(5.5)若小时碳排放量数据高出碳排放量阈值，则识别为高能耗空间单元；若实时碳浓度数据高出碳浓度阈值，则识别为高碳浓度空间单元。地理信息***识别其坐标，并在三维沙盘中进行标注，将识别数据传送至以阿里云为载体的阅江楼社区碳排放动态调控平台。
(5.6)针对被标记为高能耗或高碳浓度的空间单元，基于社区碳排放动态调控平台，分别对高能耗空间单元和高碳浓度空间单元进行优化调控。
(5.7)对高能耗空间单元，平台根据该单元用电能耗的时空波动特征，利用社区储能设备调控高能耗时段的配电数值。调配后再次判断是否满足小时碳排放量阈值，若满足则输出报告，若不满足则继续调控配电数值，直至满足阈值区间。
(5.8)对于高碳排空间单元，基于空间沙盘对该建筑单元的围合度、错落度参数以及建筑开口进行调整，置入不同碳汇系数的植物配置方案，预测不同建筑组合方式和景观配置方式的碳浓度，选择满足正常碳浓度阈值的方案进行输出。
(5.9)使用配置最小分辨率不低于4K、延迟率小于等于20ms、存储空间大于等于256G并具备无线传输功能的PCVR设备与阅江楼社区空间基础沙盘进行人机虚拟交互。
(5.10)使用一级能效彩色激光打印机输出阅江楼社区时空碳排评估报告，包括碳源点24小时数据、社区人群24小时的行为活动数据、社区人群的时空碳足迹计算、社区二氧化碳实测浓度、社区能耗碳排评估、社区实测碳排评估、社区碳排整体评价、用电动态调配记录、环境模拟记录。
Claims (10)
1.一种基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，包括以下步骤：
步骤1：构建社区尺度基础空间沙盘；
步骤2：以小时为单位收集社区内不同碳源点的24小时内碳源能耗数据及社区人群24小时的碳排活动数据；
步骤3：基于社区内不同碳源点的碳源能耗数据及社区人群24小时的碳排活动数据，获取社区人群的时空碳足迹数据；
步骤4：将时空碳足迹数据导入社区尺度基础空间沙盘中，以将碳源点与碳源点所在的建筑单元进行空间链接，实时监测社区建筑能耗单元碳排放情况；同时实时监测社区空间碳浓度分布情况；将社区建筑能耗单元碳排放情况与社区空间碳浓度分布情况进行叠加，构建社区碳排放动态监测模块；
步骤5：基于社区碳排放动态监测模块以及设定的建筑单元碳排放强度阈值和碳浓度阈值，构建社区碳排放动态调控平台；社区碳排放动态调控平台将社区各建筑单元碳排放量数据、实时碳浓度数据与设定的建筑单元碳排放强度阈值和碳浓度阈值进行对比，识别出高能耗空间单元或高碳浓度空间单元；
步骤6：社区碳排放动态调控平台对识别出的高能耗空间单元和高碳浓度空间单元进行优化调控。
2.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤1所述构建社区尺度基础空间沙盘的方法为：获取目标社区的空间大数据，包括矢量建筑形态数据与道路数据，并采集社区三维倾斜摄影数据；将空间大数据进行坐标、高程匹配、数据格式统一后，输入地理信息***平台GIS中，生成社区现状三维模型，将社区现状三维模型与社区三维倾斜摄影数据进行空间叠合，生成社区尺度基础空间沙盘；其中矢量建筑形态数据包括闭合的建筑轮廓线、建筑层数信息和建筑功能信息，矢量道路数据包括道路类型、道路宽度和道路中心线信息，矢量空间沙盘坐标系为2000国家大地坐标系。
3.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤2所述碳源点碳源能耗数据包括碳源点经纬度、碳源点用地类型、每小时用电能耗值、每小时用气能耗值；
所述社区人群24小时的碳排活动数据包括居住点经纬度、活动点经纬度、活动点用地类型、活动时间段、活动时长、活动类型。
4.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤2所述收集社区内不同碳源点的碳源能耗数据的方法为：获取社区现状用地类型数据，区分居住建筑与公共建筑，获取社区内电力和燃气碳源点的经纬度，并对所有碳源点编制序号；以小时为单位收集社区内不同碳源点的碳源能耗数据；其中居住建筑以户为单位获取电表数据和燃气表数据作为碳源点能耗数据，公共建筑以建筑为单位获取电表数据和燃气表数据作为碳源点能耗数据；
所述收集社区人群24小时的碳排活动数据的方法为：获得空间精度为5M的社区人群LBS数据；将社区人群LBS数据与所在位置对应的社区用地类型数据进行耦合，即根据两者的数据坐标信息，在空间上进行对位；对不同时间段内社区人群活动类型进行识别，得到社区人群24小时的碳排活动数据，所述活动类型包括居家活动、商业活动、交通活动、公共服务活动、娱乐活动、餐饮活动；其中，社区人群LBS数据包括社区空间范围内所有用户的ID编号、时间以及位置点地理坐标。
5.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤3所述的获取社区人群的时空碳足迹数据的方法为：将不同碳源点的24小时碳源能耗数据及社区人群24小时的碳排活动数据按照其所处时间和所属空间进行映射，即将社区人群活动的碳排放类型分类为直接用气碳排和间接用电碳排，判断各碳源点的碳排放类型；
以每小时调取碳源点能耗数据，计算该碳源点的碳排放值；再将计算得到的碳排放值按照时间顺序进行排列，得到社区人群的时空碳足迹，包括居住点经纬度、碳源点序号、碳源点经纬度、碳源点用地类型、活动时间段、活动时长、活动类型、活动碳排放类型及碳排放值。
6.根据权利要求5所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，所述碳排放值的计算方法为：
若碳源点的碳排放类型判断为直接用气碳排，则使用以下公式进行计算碳排放值：
其中，G为直接用气排放量，Gi为第i个碳源点的天然气能源消费活动水平，Gf为天然气能源消费碳排放系数，i为碳源点编号，n为社区碳源点总数，N是该小时碳源点活动的人数；
若碳源点的碳排放类型判断为间接用电碳排，则使用以下公式进行计算碳排放值：
其中，E为直接用电排放量，Ei为第i个碳源点的电力能源消费活动水平，Ff为电力能源消费碳排放系数，N是该小时碳源点活动的人数。
7.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤4所述的实时监测社区建筑能耗单元碳排放情况的方法为：将时空碳足迹数据导入社区尺度基础空间沙盘中，以将碳源点与碳源点所在的建筑单元进行空间链接，以每小时为间隔，实时监测同一建筑单元内所有碳源点每小时的碳排放值，并将其累加得到各建筑单元的单位小时碳排放值；
实时监测社区空间碳浓度分布情况的方法为：在社区范围内以10m为间隔定点布置搭载有非色散红外NDIR传感器的便携式二氧化碳检测仪，获取实测点24小时的二氧化碳浓度、流向、流速数据，形成分布云图和矢量图，以实时监测社区空间碳浓度分布情况。
8.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤5所述识别出高能耗空间单元或高碳浓度空间单元的方法为：
若每小时社区各建筑单元碳排放量数据高出建筑单元碳排放强度阈值，则识别为高能耗空间单元；若每小时社区各建筑单元实时碳浓度数据高出社区各建筑单元碳浓度阈值，则识别为高碳浓度空间单元。
9.根据权利要求1所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，步骤6所述的优化调控方法为：
对于高能耗空间单元，社区碳排放动态调控平台根据该单元用电能耗的时空波动特征，即该空间单元各时段各碳源点的碳排放量数据高于对应单元类型的碳排放强度阈值的数值，利用社区储能设备调控高能耗时段的配电数值，直到调配后每小时社区各建筑单元碳排放量数据不高于建筑单元碳排放强度阈值，此时输出调控前碳排放强度监测报告、储能设备调控方案、调控后碳排放强度监测报告；
对于高碳排空间单元，基于社区尺度基础空间沙盘对该建筑单元的围合度、错落度参数以及建筑开口进行调整，置入不同碳汇系数的植物配置方案，预测不同建筑组合方式和景观配置方式的碳浓度，选择满足碳浓度不高于碳浓度阈值的方案进行输出，同时输出社区的时空碳排评估报告。
10.根据权利要求9所述的基于时空碳足迹的社区碳排放监测与调控方法，其特征在于，所述时空碳排评估报告包括社区内不同碳源点的24小时碳源能耗数据、社区人群24小时的碳排活动数据、社区人群的时空碳足迹数据、社区二氧化碳实测浓度、社区能耗碳排评估、社区实测碳排评估、社区碳排整体评价、用电动态调配记录、环境模拟记录。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311518613.XA CN117893376A (zh) | 2023-11-15 | 2023-11-15 | 一种基于时空碳足迹的社区碳排放监测与调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311518613.XA CN117893376A (zh) | 2023-11-15 | 2023-11-15 | 一种基于时空碳足迹的社区碳排放监测与调控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117893376A true CN117893376A (zh) | 2024-04-16 |
Family
ID=90647600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311518613.XA Pending CN117893376A (zh) | 2023-11-15 | 2023-11-15 | 一种基于时空碳足迹的社区碳排放监测与调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117893376A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118171786A (zh) * | 2024-05-15 | 2024-06-11 | 华中科技大学 | 一种适用于城市和建筑的碳排放预测方法 |
| CN118278777A (zh) * | 2024-05-29 | 2024-07-02 | 河北省建筑科学研究院有限公司 | 一种既有社区环境提升改造方法 |
-
2023
- 2023-11-15 CN CN202311518613.XA patent/CN117893376A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118171786A (zh) * | 2024-05-15 | 2024-06-11 | 华中科技大学 | 一种适用于城市和建筑的碳排放预测方法 |
| CN118171786B (zh) * | 2024-05-15 | 2024-07-23 | 华中科技大学 | 一种适用于城市和建筑的碳排放预测方法 |
| CN118278777A (zh) * | 2024-05-29 | 2024-07-02 | 河北省建筑科学研究院有限公司 | 一种既有社区环境提升改造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021103323A1 (zh) | 一种历史城市保护发展协同控制方案辅助设计*** | |
| CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源***及方法 | |
| US11402362B2 (en) | Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom | |
| CN117893376A (zh) | 一种基于时空碳足迹的社区碳排放监测与调控方法 | |
| CN109102193A (zh) | 地理设计生态红线划定与管理***及数据库、评价模型 | |
| CN111854847A (zh) | 基于景感生态学的生态环境物联网监测方法及*** | |
| CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
| Bačić et al. | Integrated sensor systems for smart cities | |
| CN102117383A (zh) | 一种河流污染实时诊断的方法 | |
| Zhao et al. | Design of low-energy buildings in densely populated urban areas based on IoT | |
| CN109003128A (zh) | 基于改进的随机森林公共自行车站点需求量预测方法 | |
| CN111667183A (zh) | 一种耕地质量监测方法及*** | |
| Li et al. | Using sensor network for tracing and locating air pollution sources | |
| CN109636312A (zh) | 土地整治工程在线监管*** | |
| CN110909951A (zh) | 一种历史名城新城区规划辅助设计*** | |
| CN114638507B (zh) | 一种智能海洋平台检测***及方法 | |
| Zhang | Environment pollution analysis on smart cities using wireless sensor networks | |
| Savić et al. | Urban heat island research of Novi Sad (Serbia): A review | |
| CN110416996A (zh) | 一种基于云平台的分布式光伏集群功率预测*** | |
| Cheng et al. | A study on site selection of pumped storage power plants based on C-OWA-AHP and VIKOR-GRA: a case study in China | |
| CN117333032A (zh) | 用于运河城市气象安全监测预报服务的管理方法和*** | |
| CN116245246A (zh) | 基于物联网的智慧城市供电管理方法、***及存储介质 | |
| CN115730731A (zh) | 一种城市高碳排空间单元自动识别方法及展示平台 | |
| CN115392137A (zh) | 一种基于岩溶塌陷水土耦合作用的三维模拟*** | |
| Erdem Okumuş et al. | Reconsidering urban densification for microclimatic improvement: planning and design strategies for Istanbul |
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 |