一种基于电力大数据的碳排放综合预测系统

技术领域

本发明涉及污染排放技术领域，具体为一种基于电力大数据的碳排放综合预测系统。

背景技术

随着社会经济的发展，全球气温逐渐上升，全球变暖导致一系列问题产生，例如，土地沙漠化、气候反常、物种濒临灭绝等。造成这些现象主要是由于化石燃料的过渡使用，使得二氧化碳排放量逐渐增加，全球气候变化日益成为人类生存和发展面临的最为突出的非传统安全威胁。其中，电网是连接发电侧与用电侧的枢纽，在推动新型电力系统建设和电力行业低碳转型中将发挥越来越重要的作用。电力行业的减排成效直接关系我国“双碳”目标能否实现。因此，电力大数据的碳排放综合预测具有重要意义。

由于电力行业是其它行业的基础，属于复杂的经济环境问题，经济、人口、政策等都会影响电力碳排放量，目前存在以下不足，电力行业碳排放是一个实时多变的系统，构件模型时历史数据时间选择较短，部分影响因素的变化趋势无法完全展现出来，从而不能较准确的预测电力行业碳排放的发展趋势。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于电力大数据的碳排放综合预测系统，解决了上述背景技术中提出的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于电力大数据的碳排放综合预测系统，该综合预测系统包括以下模块：

数据监测模块，利用数字孪生技术实时监测大气环境中二氧化碳浓度、经济社会活动、自然环境变化；

数据分析模块，用于对监测到的碳排放数据全方面核算，了解碳排放进程情况；

碳排放计算模块，基于大数据应用技术对一天中碳排放频度、一个月中碳排放频度的动态监测核算，通过对不同区域、不同电力类型的碳排放数据进行分析，动态跟踪碳排放变动趋势；对碳排放与碳捕捉、碳封存联系结果进行处理；

能源分类模块，通过利于该模块将电力类型划分为核电、风电、太阳能、水电和火电，能够直观了解到碳排放综合来源；

系统动力学模块，利用系统动力学方法构建电力行业碳排放模型，强调系统结构与系统动态行为的关系；

大数据预测模块，通过现有监测的数据预测未来一年碳排放量情况，利于及时指定措施治理环境。

优选的，所述数据分析模块具体包括；

对大气二氧化碳浓度变化趋势和二氧化碳净排放量变化趋势进行分析，确定排放因子设定造成的趋势差异影响；

通过聚类分析和关联规则分析，确定因子之间内部关联性；

将具有相似特征的区域聚合成一类，构建能够消减差异的最优排放因子组合，实现能源碳排放因子的调整。

优选的，所述经济社会活动是通过模拟不同技术条件和政策情景下各地区各行业经济活动能耗变化情况，用于追溯生产过程中能源消耗，通过分析经济活动发展变化规律，能够预测多种情景下社会活动和碳排放的逐年变化，实现对碳达峰、碳中和时间的精准预测。

优选的，所述系统动力学模型的建模步骤包括：

分析具体问题，界定系统边界；

根据历史资料和经验，绘制因果关系图；

确定研究变量，制作存量流量图；

建立各变量之间的数学方程关系；

在初始条件下运行建模，并进行模型检验；

调整变量参数，模拟政策冲击。

优选的，所述系统动力学的建模利用电力行业的统计数据。

优选的，所述数据分析模块基于LMDI因素分解模型。

(三)有益效果

本发明提供了一种基于电力大数据的碳排放综合预测系统，具备以下有益效果：

本发明，将LMDI模型和系统动力学模型相结合使用，运用LMDI法分析影响二氧化碳排放的因素，能够理清各变量之间相互制约、相互促进，互为因果的关系，能够使碳排放预测数据更准确，另外，通过对各个电力类型的监测，能够通过数据分析、大数据预测未来碳排放情况。

附图说明

图1为本发明的流程图；

图2为本发明的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-2所示，本发明提供一种技术方案：一种基于电力大数据的碳排放综合预测系统，该综合预测系统包括以下模块：

数据监测模块，利用数字孪生技术实时监测大气环境中二氧化碳浓度、经济社会活动、自然环境变化；数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

数据分析模块，用于对监测到的碳排放数据全方面核算，了解碳排放进程情况；

碳排放计算模块，基于大数据应用技术对一天中碳排放频度、一个月中碳排放频度的动态监测核算，通过对不同区域、不同电力类型的碳排放数据进行分析，动态跟踪碳排放变动趋势；对碳排放与碳捕捉、碳封存联系结果进行处理；

能源分类模块，通过利于该模块将电力类型划分为核电、风电、太阳能、水电和火电，能够直观了解到碳排放综合来源；

系统动力学模块，利用系统动力学方法构建电力行业碳排放模型，强调系统结构与系统动态行为的关系；

大数据预测模块，通过现有监测的数据预测未来一年碳排放量情况，利于及时指定措施治理环境。

进一步的，数据分析模块具体包括；

对大气二氧化碳浓度变化趋势和二氧化碳净排放量变化趋势进行分析，确定排放因子设定造成的趋势差异影响；

通过聚类分析和关联规则分析，确定因子之间内部关联性；

将具有相似特征的区域聚合成一类，构建能够消减差异的最优排放因子组合，实现能源碳排放因子的调整。

进一步的，经济社会活动是通过模拟不同技术条件和政策情景下各地区各行业经济活动能耗变化情况，用于追溯生产过程中能源消耗，通过分析经济活动发展变化规律，能够预测多种情景下社会活动和碳排放的逐年变化，实现对碳达峰、碳中和时间的精准预测。

进一步的，系统动力学模型的建模步骤包括：

分析具体问题，界定系统边界；

根据历史资料和经验，绘制因果关系图；

确定研究变量，制作存量流量图；

建立各变量之间的数学方程关系；

在初始条件下运行建模，并进行模型检验；

调整变量参数，模拟政策冲击。

进一步的，系统动力学的建模利用电力行业的统计数据。

进一步的，数据分析模块基于LMDI因素分解模型。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。