一种基于云计算的高耗能行业碳管理方法、终端及系统与流程

1.本发明涉及云计算管理技术领域，特别涉及一种基于云计算的高耗能行业碳管理方法、终端及系统。


背景技术：

2.随着新能源发电的快速发展，当出力特性与负荷特性差异较大时，较大规模的新能源发电在实际运行中已经出现限电问题，阻碍了双碳目标的实现，现有市场环境倾向于鼓励和支持负荷侧储能发展，探讨储能与新能源发电相结合，实现新能源就地就近消纳利用。
3.同时，在新能源技术完全成熟以及新能源技术部署的过程中，如何针对在网现有的控排企业进行相应的监测和管理，尤其是如何针对在网的控排企业进行管理优化，使得在现有技术和生产规模的基础上，进一步锁定高耗能企业，并完成相应的结构性节能减排，这在当下全球化的碳中和浪潮中是必须要面对的问题。
4.但是在现有技术中，对于高耗能企业的认定，其计算结果并不完全客观，且并无切实有效能够降低企业耗能的技术手段，如何尽可能地缩短碳管理改造周期，降低企业的碳管理改造成本，现有技术并未给出方案。


技术实现要素：

5.本发明所要解决的技术问题是：提供一种基于云计算的高耗能行业碳管理方法、终端及系统，能客观的认定高耗能企业，且给出改造优化方案，以提高对于企业的碳管理有效性。
6.为了解决上述技术问题，本发明采用的技术方案为：
7.一种基于云计算的高耗能行业碳管理方法，包括步骤：
8.s1、获取待分析地区的各个待分析企业的不同维度的数据标签；
9.s2、根据各个待分析企业的数据标签，计算各个待分析企业的能耗综合指标；
10.s3、选择能耗综合指标大于设定高能耗阈值的企业作为待分析地区的高能耗高排放企业；
11.s4、对于高耗能高排放企业，将其数据标签中数值高于待分析地区的平均值的数据标签所处维度作为高耗能高排放企业的改进方向；
12.s5、将高耗能高排放企业的数据标签和存储的优化方案的数据标签进行匹配，将改进方向和匹配的优化方案推送给企业端。
13.为了解决上述技术问题，本发明采用的另一种技术方案为：
14.一种基于云计算的高耗能行业碳管理终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的一种基于云计算的高耗能行业碳管理方法。
15.为了解决上述技术问题，本发明采用的另一种技术方案为：
16.一种基于云计算的高耗能行业碳管理系统，包括云端和多个企业端，所述云端分别与各个企业端通信连接，所述云端包括第一存储器、第一处理器及存储在第一存储器上并可在处理器上运行的第一计算机程序；
17.所述企业端包括第二存储器、第二处理器及存储在第二存储器上并可在处理器上运行的第二计算机程序，
18.其特征在于，所述第一处理器执行所述第一计算机程序时实现如上所述的方法中的步骤s1-s5；
19.所述第二处理器执行所述第二计算机程序时实现步骤：
20.a11、获取待分析地区中各个待分析企业的能耗数据和碳排放数据；
21.a12、针对收集的各个待分析企业的数据，根据数据的不同维度设置相应的数据标签。并将各个待分析企业的数据标签传输至云端。
22.本发明的有益效果在于：一种基于云计算的高耗能行业碳管理方法、终端及系统，针对企业设置多个不同维度的数据标签，便于从多角度综合考量该企业的能耗情况和碳排放情况，而不是单纯从能耗大小、碳排放多少来考量企业，多个不同维度的数据标签有助于全面分析企业真实能耗和碳排放情况，能够提高对高耗能企业判断的客观性，并根据数据标签匹配度较高的优化方案推送至年度能耗未合格的企业，以作为下一年度节能减排优化方案的模板或者改进基础，给出相应的优化方案，整体提高了提高对于企业的碳管理有效性。
附图说明
23.图1为本发明实施例的一种基于云计算的高耗能行业碳管理方法的流程示意图；
24.图2为本发明实施例的一种基于云计算的高耗能行业碳管理终端的结构示意图；
25.图3为本发明实施例的一种基于云计算的高耗能行业碳管理系统的拓扑结构示意图。
26.标号说明：
27.1、一种基于云计算的高耗能行业碳管理终端；2、处理器；3、存储器。
具体实施方式
28.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
29.请参照图1，一种基于云计算的高耗能行业碳管理方法，包括步骤：
30.s1、获取待分析地区的各个待分析企业的不同维度的数据标签；
31.s2、根据各个待分析企业的数据标签，计算各个待分析企业的能耗综合指标；
32.s3、选择能耗综合指标大于设定高能耗阈值的企业作为待分析地区的高能耗高排放企业；
33.s4、对于高耗能高排放企业，将其数据标签中数值高于待分析地区的平均值的数据标签所处维度作为高耗能高排放企业的改进方向；
34.s5、将高耗能高排放企业的数据标签和存储的优化方案的数据标签进行匹配，将改进方向和匹配的优化方案推送给企业端。
35.由上述描述可知，本发明的有益效果在于：一种基于云计算的高耗能行业碳管理方法、终端及系统，针对企业设置多个不同维度的数据标签，便于从多角度综合考量该企业的能耗情况和碳排放情况，而不是单纯从能耗大小、碳排放多少来考量企业，多个不同维度的数据标签有助于全面分析企业真实能耗和碳排放情况，能够提高对高耗能企业判断的客观性，并根据数据标签匹配度较高的优化方案推送至年度能耗未合格的企业，以作为下一年度节能减排优化方案的模板或者改进基础，给出相应的优化方案，整体提高了提高对于企业的碳管理有效性。
36.进一步地，所述不同维度的数据标签包括以下一种或多种：
37.能耗效率标签：
[0038][0039]
式中，a
i1
为待分析企业i本年度目前的碳排放数据，a
i2
为待分析企业i本年度目前的用电量数据；
[0040]
能耗经济性标签：
[0041][0042]
式中，b
i1
是指待分析企业i本年度目前在电网波谷期间的用电量，b
i2
是指待分析企业i本年度目前在电网波峰期间的用电量；
[0043]
区碳排放影响指标：
[0044][0045]
式中，ci是指待分析企业i在其所在地区本年度内的碳排放量，c是所述待分析地区当前碳管理周期内总的碳排放量；
[0046]
能耗行业标签di：
[0047]
针对待分析企业i所属行业，根据待分析企业i属于高耗能企业还是低耗能企业设置能耗行业标签di，高能耗行业能耗行业标签di为3，低能耗行业能耗行业标签为di为2，其他类型的企业能耗行业标签为di为1；
[0048]
碳中和管理历史标签ei：
[0049]
针对待分析企业i所属行业，若待分析企业i有上一年度碳管理数据，则碳中和管理历史标签ei为上一年度实际碳排放数据除以该企业上一年度碳配额数据；否则碳中和管理历史标签ei为1。
[0050]
由上述描述可知，针对企业的能耗、碳排放等数据，设置多个不同维度的数据标签，便于从多角度综合考量该企业的能耗情况和碳排放情况，而不是单纯从能耗大小、碳排放多少来考量企业，多个不同维度的数据标签有助于全面分析企业真实能耗和碳排放情况。
[0051]
进一步地，所述步骤s2，具体包括：
[0052]
将各个待分析企业的数据标签，进行加权计算以得到各个待分析企业的能耗综合指标。
[0053]
由上述描述可知，权重值有效反应各个数据标签的有效性。
[0054]
进一步地，对于不同维度的数据标签的权重值，根据数据标签的维度的重要性设置。
[0055]
由上述描述可知，充分考虑到各地经济发展水平、能耗与碳排放管理水平的差异化管理需求，按照这种差异化管理需求确定待分析地区当前能耗和碳排放水平处于高位的企业，以实现更有针对性的节能减排。
[0056]
进一步地，所述将高耗能高排放企业的数据标签和存储的优化方案的数据标签进行匹配，具体是将改进方向的数据标签与优化方案的数据标签进行匹配，或将所有数据标签与优化方案的数据标签进行加权组合匹配。
[0057]
由上述描述可知，实现了对于高耗能企业和优化方案的匹配。
[0058]
进一步地，所述将改进方向的数据标签与优化方案的数据标签进行匹配具体是根据下式进行匹配：
[0059][0060]
式中，为高耗能高排放企业的改进方向的数据标签的值，为优化方案对应高耗能高排放企业的改进方向的数据标签的值，若t大于设定匹配阈值，则该优化方案通过匹配。
[0061]
由上述描述可知，给出了单标签匹配的具体方案。
[0062]
进一步地，所述将所有数据标签与优化方案的数据标签进行加权组合匹配具体是根据下式进行匹配：
[0063][0064]
式中，为第i个数据标签的权重值，zi为高耗能高排放企业的第i个数据标签的值，yi为优化方案的第i个数据标签的值。
[0065]
由上述描述可知，给出了多标签组合匹配的具体方案。
[0066]
进一步地，所述待分析地区的各个待分析企业的不同维度的数据标签根据以下步骤得到：
[0067]
a11、获取待分析地区中各个待分析企业的能耗数据和碳排放数据；
[0068]
a12、针对收集的各个待分析企业的数据，根据数据的不同维度设置相应的数据标签。
[0069]
由上述描述可知，实现了数据标签的获取。
[0070]
一种基于云计算的高耗能行业碳管理终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0071]
一种基于云计算的高耗能行业碳管理系统，包括云端和多个企业端，所述云端分别与各个企业端通信连接，所述云端包括第一存储器、第一处理器及存储在第一存储器上并可在处理器上运行的第一计算机程序；
[0072]
所述企业端包括第二存储器、第二处理器及存储在第二存储器上并可在处理器上运行的第二计算机程序，
[0073]
其特征在于，所述第一处理器执行所述第一计算机程序时实现如上所述的方法中的步骤s1-s5；
[0074]
所述第二处理器执行所述第二计算机程序时实现如上所述的方法中的步骤：a11-a12，并将各个待分析企业的数据标签传输至云端。
[0075]
本发明用于对于企业的碳管理。
[0076]
请参照图1，本发明的实施例一为：
[0077]
一种基于云计算的高耗能行业碳管理方法，包括以下步骤：
[0078]
s1、获取待分析地区的各个待分析企业的不同维度的数据标签。
[0079]
所述待分析地区的各个待分析企业的不同维度的数据标签根据以下步骤得到：
[0080]
a11、获取待分析地区中各个待分析企业的能耗数据和碳排放数据。
[0081]
具体而言，收集待分析地区a中每个所述待分析企业i()的能耗数据和碳排放数据。
[0082]
a12、针对收集的各个待分析企业的数据，根据数据的不同维度设置相应的数据标签。
[0083]
具体而言，数据标签包括能耗效率标签：
[0084][0085]
式中，a
i1
为待分析企业i本年度目前的碳排放数据，a
i2
为待分析企业i本年度目前的用电量数据；
[0086]
能耗经济性标签：
[0087][0088]
其中，b
i1
是指待分析企业i本年度目前在电网波谷期间的用电量，b
i2
是指待分析企业i本年度目前在电网波峰期间的用电量；
[0089]
区碳排放影响指标：
[0090][0091]
其中，ci是指待分析企业i在其所在地区本年度内的碳排放量，c是所述待分析地区当前碳管理周期内总的碳排放量；
[0092]
能耗行业标签di：
[0093]
针对待分析企业i所属行业，根据待分析企业i属于高耗能企业还是低耗能企业设置能耗行业标签di，比如冶金、化工等行业的企业属于高能耗行业，比如其能耗行业标签di为3，新能源(比如光伏发电)行业的企业属于低能耗行业，其能耗行业标签为di为2，其他类型的企业能耗行业标签为di可设为1；
[0094]
碳中和管理历史标签ei：
[0095]
针对待分析企业i所属行业，根据其上一年碳排放情况，设置碳中和管理历史标签ei，所述碳中和管理历史标签ei初始值为1，如果待分析企业i有上一年度碳管理数据，则碳中和管理历史标签ei为上一年度实际碳排放数据除以该企业上一年度碳配额数据；如果企业i没有上一年度碳管理数据，则设置初始值1。
[0096]
需要指出的是，本实施例中，上述各个维度的数据标签，均以年为计算周期，在其他可选实施例中，也可以按照其他周期时长，比如月度、季度或者半年度进行分析计算。
[0097]
本实施例中，为了简化云端的计算，缩减云端的计算量，步骤a11和a12由位于企业的终端完成后，将数据标签上传云端，在可选实施例中，步骤a11和a12也可以由云端直接完成。
[0098]
s2、根据各个待分析企业的数据标签，计算各个待分析企业的能耗综合指标。
[0099]
具体而言，根据下式计算各企业的能耗综合指标ki：
[0100]ki
＝ω1×
αi+ω2×
βi+ω3×
γi+ω4×di
+ω5×ei
；
[0101]
式中，ω1、ω2、ω3、ω4、ω5分别是待分析地区a的能耗效率标签αi、能耗经济性标签βi、碳排放影响指标γi、能耗行业标签di、碳中和管理历史标签ei在所述待分析地区的权重系数，这些权重系数可以由区域监控中心根据本地区的能耗管理和碳管理需求自行设置。
[0102]
比如在能耗效率要求较高的省份地区，可以将能耗效率标签αi的权重系数ω1设置为较高的值，而在能耗效率要求较近，但在碳配额较为紧张的区域，可以将能耗效率标签αi的权重系数ω1设置为较低的值，而将碳排放影响指标γi的权重系数ω3和碳中和管理历史标签ei的权重系数ω5设置为较高的值。
[0103]
又或者，在某些控排企业较多的省份地区，因为其技术、经济产业结构的布局等因素的影响，导致这些地区大多数都是控排企业，则在该地区想要大规模改造企业控排类型的可行性较差，此时可以将ω4设为较低数值，而将能耗效率标签的权重系数ω1设置为较高的值，从而重点考量该地区各控排企业的能耗转换的经济性以及能源的清洁性。
[0104]
再或者针对电网峰谷期间用电量差异明显的地区(比如工业园区相对较为集中的区域)，除了发电侧进行相应的潮流计算优化和控制外，较为理想的状态是鼓励该地区企业均衡用电量以实现“削峰填谷”的效应，为实现该目标，则可以将能耗经济性标签βi的权重系数ω4调整为较高数值，以实现对不同区域企业能耗管理和碳排放管理的差异化性衡量，充分考虑到各地经济发展水平、能耗与碳排放管理水平的差异化管理需求，按照这种差异化管理需求确定待分析地区当前能耗和碳排放水平处于高位的企业，以实现更有针对性的节能减排。
[0105]
本实施例中，权重系数满足约束条件：
[0106]
1＝ω1+ω2+ω3+ω4+ω5；
[0107]
s3、选择能耗综合指标大于设定高能耗阈值的企业作为待分析地区的高能耗高排放企业。
[0108]
具体而言，云端服务器针对计算各企业的能耗综合指标ki进行冒泡排序，选择能耗综合指标大于阈值k
th
的企业，这些企业构成待分析地区a差异化衡量需求下待优化的高能耗高排放企业，设最终确定的全部高能耗高排放企业数量为g，则其中某个高能耗高排放企业为mj，其中1≤j≤g，所述阈值k
th
是所述待分析地区的能耗和碳排放阈值，由所述分析地区监控能耗排放管理人员自行设定。
[0109]
s4、对于高耗能高排放企业，将其数据标签中数值高于待分析地区的平均值的数据标签所处维度作为高耗能高排放企业的改进方向。
[0110]
在一个优选实施例中，所述高能耗高排放企业mj的碳排放影响指标γi的数值显著高于所述待分析地区a的所有企业的碳排放影响指标γi的平均值，而其余指标均不高于平均值，则说明该企业碳排放占比较大，需要对该企业的碳排放吸收设备进行改进，设置更多
或者更有效率的碳排放二次处理设备或者回收处理设备，以降低该企业的碳排放量；
[0111]
在另一个优选实施例中，所述高能耗高排放企业mj的能耗效率标签αi和能耗经济性标签βi均高于所述待分析地区a的所有企业的能耗效率标签αi和能耗经济性标签βi的平均值，说明该企业在用电过程中，采用的是高能耗高排放的能量转换设备，需要提升对能源(主要是电能)转换效率进行提升，比如购入高转换率的用电设备，以提升用电效率，并适度调整企业用电计划，根据实际生产需求条件尽可能多地增加“谷电”使用，使得企业能够尽可能地参与地区电网的削峰填谷，在提升企业用电经济性的同时，降低地区电网用电量波动；
[0112]
需要指出的是，还可以根据其他维度数据标签的数值高低，针对情况各异的企业能耗和排放情况进行单独或者组合优化，并记录所述高能耗高排放企业mj的能耗及排放优化方案和优化效果。
[0113]
而分析需要进行能耗管理和碳排放管理的生产环节，可以通过多种方式实现，比如在生产车间设置碳排放监测器，用于监测设备的碳排放水平，或者统计生产车间内的耗能设备的能源消耗量，之后按照《2006年ipcc国家温室气体清单指南》计算对应的碳排放量，从而获得生产环节的碳排放量，进而可以考虑通过采购更换节能设备、低碳设备、升级能耗利用技术或者加强碳排放回收等手段改进生产环节的碳排放管理。云端服务器可以采集和收集能耗管理、碳排放改造企业成功的方案，作为低碳改造方案模板存储，在企业需要进行能耗管理或者碳排放改造时，通过网路向企业推送建议的模板方案。
[0114]
相对于现有技术中通常难以快速确定能耗管理和碳排放管理的改进方向，而本发明采用多维度数据对企业的能耗及碳排放数据进行比较确定，能够快速辅助确定企业节能减排的改进方向。
[0115]
s5、将高耗能高排放企业的数据标签和存储的优化方案的数据标签进行匹配，将改进方向和匹配的优化方案推送给企业端。
[0116]
在年度结束时，监测高能耗高排放企业的年度能耗水平和碳排放水平，如果其中某个企业在能耗与碳排放的技术改进后，其能耗综合指标ki降低至所述阈值k
th
以下，且能耗和碳排放水平均未超过地区a给给企业的相应配额，则将该企业标记为能耗合格企业，记录其能耗与碳排放的技术改进方案，上传至云端服务器，并标记为优化备选方案(也可以称为是节能减排备选方案)；
[0117]
如果某个企业在能耗与碳排放的技术改进后，仍然未降低至所述阈值k
th
以下，或者该企业能耗和碳排放水仍然超过地区a给给企业的相应配额，则上传至云端服务器，并标记为待参考方案，将该企业标记为能耗未合格企业。
[0118]
在下一年度开始前，针对前一年度能耗未合格企业，主动从云端服务器推送所述优化备选方案供该企业参考，由企业自行做出选择；
[0119]
可以由云端服务器对所述优化备选方案进行分类，比如将所述各类优化备选方案按照前述不同维度的数据标签ua进行标记，也可以选取前述不同维度的一个或者多个作为组合数据标签ub进行标记，方便所述能耗未合格企业根据不同的数据标签做出选择，进而获得企业更为匹配的技术方案。
[0120]
在另一个可选实施例方案中，云端服务器收集所述能耗未合格企业的不同维度的数据标签，并在云端进行匹配，根据匹配结果推送合适的所述优化备选方案给企业，以能耗
效率标签为例：
[0121][0122]
其中代表某个能耗未合格企业的能耗效率标签值，代表某个优化备选方案对应企业的能耗效率标签值，当t大于某一阈值后，即说明设计出优化备选方案的企业与该能耗未合格企业情况较为类似；
[0123]
当然，也可以选取组合数据标签进行优化备选方案的匹配，匹配方式如下：
[0124][0125]
其中，代表某个能耗未合格企业的能耗经济性标签值，代表某个优化备选方案对应企业的能耗经济性标签值，代表某个能耗未合格企业的碳排放影响指标值，代表某个优化备选方案对应企业的碳排放影响指标值，代表某个能耗未合格企业的能耗行业标签值，代表某个优化备选方案对应企业的能耗行业标签值，、、、分别为各项比值的权重系数，可以由所述能耗未合格企业自行设置，或者由待分析地区a能耗和碳排放管理负责人员统一设置。
[0126]
请参照图2，本发明的实施例二为：
[0127]
一种基于云计算的高耗能行业碳管理终端1，包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序，处理器2执行计算机程序时实现上述实施例一的方法。
[0128]
请参照图3，本发明的实施例三为：
[0129]
一种基于云计算的高耗能行业碳管理系统，包括云端和多个企业端，所述云端包括第一存储器、第一处理器及存储在第一存储器上并可在处理器上运行的第一计算机程序；
[0130]
所述企业端包括第二存储器、第二处理器及存储在第二存储器上并可在处理器上运行的第二计算机程序，
[0131]
其特征在于，所述第一处理器执行所述第一计算机程序时实现上述实施例一的方法中的步骤s1-s5；
[0132]
所述第二处理器执行所述第二计算机程序时实现上述实施例一的方法中的步骤a11-a12，并将各个待分析企业的数据标签传输至云端。
[0133]
综上所述，本发明提供的一种基于云计算的高耗能行业碳管理方法、终端及系统，针对企业设置多个不同维度的数据标签，便于从多角度综合考量该企业的能耗情况和碳排放情况，而不是单纯从能耗大小、碳排放多少来考量企业，多个不同维度的数据标签有助于全面分析企业真实能耗和碳排放情况，能够提高对高耗能企业判断的客观性，并根据数据标签匹配度较高的优化方案推送至年度能耗未合格的企业，以作为下一年度节能减排优化方案的模板或者改进基础，给出相应的优化方案，整体提高了提高对于企业的碳管理有效性。
[0134]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。