交通载体的碳排放分析装置及方法与流程

本技术涉及碳排放，尤其涉及交通载体的碳排放分析装置及方法。

背景技术：

1、温室气体浓度逐年增加，所引起的气候变暖是全世界面临的重大环境问题，交通领域作为第三大碳排放来源，引起了全国重大关注。ipcc（intergovernmental panel onclimate change，联合国政府间气候变化专门委员会）提出的“自上而下”的交通碳排放核算方法，即能源消耗数据乘以燃料碳排放系数以计算交通碳排放量，该技术方案已经无法满足“双碳”目标所要达成的精细化统计要求。基于“实测法”的交通碳核算方法，该方案在实际应用中存在如下问题：碳排放的主要气体是co2、ch4和n2o，在实测法中至少需要两个气体分析单元对气体进行测量，气体流量的监测单元也是独立的单元，由于气体分析单元和气体流量监测单元都是独立的单元，因此会导致所测量的数据会有响应时间的偏差，使数据统计会有明显的偏差，导致碳排放的核算精度差异大。同时在交通载体全生命周期的碳排放核算中，其时间维度跨域很长，因此在整个生命周期中，气候的差异也会对碳排放的计算带来影响，导致碳排放的核算精度低。

技术实现思路

1、本技术的目的在于提供一种交通载体的碳排放分析装置及方法，提高交通载体的碳排放核算的精度。

2、基于上述目的，本技术提供一种交通载体的碳排放分析装置，装置包括：

3、监测装置，用于采集并获取交通载体的工况数据和废气排放监测数据，其中，工况数据为以下至少之一：油耗信息、功率信息，废气排放监测数据为以下至少之一：废气碳排放气体浓度数据、废气流量数据、废气湿度数据、废气温度数据；

4、云平台，能够与监测装置通信，云平台包括特征关联模块、增温趋势模块和碳排放核算模块，其中，

5、特征关联模块，用于以交通载体的工况数据为基准，计算废气排放监测数据与交通载体的工况数据的相关度，当计算得到的相关度最大时，将废气排放监测数据与交通载体的工况数据进行时间对齐；

6、增温趋势模块，用于计算废气气体的增温趋势值；

7、碳排放核算模块，用于基于时间对齐后的废气排放监测数据，以及废气气体的增温趋势值，计算交通载体的碳排放量。

8、进一步的，监测装置包括：

9、流量采集模块，用于获取交通载体的基于流量采集模块采样时间的废气流量数据；

10、预处理模块，用于控制交通载体的温度和湿度；

11、温湿度监测模块，与预处理模块连接，用于获取基于温湿度监测模块采样时间的废气湿度数据和废气温度数据；

12、至少一个气体分析模块，用于获取交通载体的基于气体分析模块采样时间的废气碳排放气体浓度数据，废气碳排放气体为以下至少之一：co2、ch4、n2o；

13、传输模块，能够与云平台通信，将废气流量数据、废气碳排放气体浓度数据、废气湿度数据以及废气温度数据传输至云平台。

14、进一步的，若交通载体为机动车，装置还包括：

15、车载远程终端，能够与传输模块通信，用于获取机动车的基于车载远程终端采样时间的油耗数据；

16、传输模块，将机动车的油耗数据传输至云平台。

17、进一步的，

18、特征关联模块以油耗数据为基准，将获取的油耗数据的采样时间序列做正反向平移，并计算每一次平移后的油耗数据与废气碳排放气体浓度数据的相关度，当计算得到的相关度最大时，获取油耗数据的时间序列偏移量，基于油耗数据的时间序列偏移量将废气碳排放气体浓度数据与油耗数据进行时间对齐，得到第一废气碳排放气体浓度数据；

19、特征关联模块以油耗数据为基准，将获取的油耗数据的采样时间序列做正反向平移，并计算每一次平移后的油耗数据与废气流量数据的相关度，当计算得到的相关度最大时，获取油耗数据的时间序列偏移量，基于油耗数据的时间序列偏移量将废气流量数据与油耗数据进行时间对齐，得到第一废气流量数据；

20、特征关联模块以油耗数据为基准，将获取的油耗数据的采样时间序列做正反向平移，并计算每一次平移后的油耗数据与废气湿度数据的相关度，当计算得到的相关度最大时，获取油耗数据的时间序列偏移量，基于油耗数据的时间序列偏移量将废气湿度数据与油耗数据进行时间对齐，得到第一废气湿度数据；

21、特征关联模块以油耗数据为基准，将获取的油耗数据的采样时间序列做正反向平移，并计算每一次平移后的油耗数据与废气温度数据的相关度，当计算得到的相关度最大时，获取油耗数据的时间序列偏移量，基于油耗数据的时间序列偏移量将废气温度数据与油耗数据进行时间对齐，得到第一废气温度数据；

22、碳排放核算模块，用于根据第一废气碳排放气体浓度数据、第一废气流量数据、第一废气湿度数据、第一废气温度数据以及废气气体的增温趋势值，计算机动车的碳排放量。

23、进一步的，若交通载体为船舶，装置还包括：

24、船舶远程终端，能够与传输模块通信，用于获取船舶的基于船舶远程终端采样时间的功率数据；

25、传输模块，将船舶的功率数据传输至云平台。

26、进一步的，特征关联模块以船舶的功率数据为基准，将获取的功率数据的采样时间序列做正反向平移，并计算每一次平移后的功率数据与废气碳排放气体浓度数据的相关度，当计算得到的相关度最大时，获取功率数据的时间序列偏移量，基于功率数据的时间序列偏移量将废气碳排放气体浓度数据与功率数据进行时间对齐，得到第二废气碳排放气体浓度数据；

27、特征关联模块以功率数据为基准，将获取的功率数据的采样时间序列做正反向平移，并计算每一次平移后的功率数据与废气流量数据的相关度，当计算得到的相关度最大时，获取功率数据的时间序列偏移量，基于功率数据的时间序列偏移量将废气流量数据与功率数据进行时间对齐，得到第二废气流量数据；

28、特征关联模块以功率数据为基准，将获取的功率数据的采样时间序列做正反向平移，并计算每一次平移后的功率数据与废气湿度数据的相关度，当计算得到的相关度最大时，获取功率数据的时间序列偏移量，基于功率数据的时间序列偏移量将废气湿度数据与功率数据进行时间对齐，得到第二废气湿度数据；

29、特征关联模块以功率数据为基准，将获取的功率数据的采样时间序列做正反向平移，并计算每一次平移后的功率数据与废气温度数据的相关度，当计算得到的相关度最大时，获取功率数据的时间序列偏移量，基于功率数据的时间序列偏移量将废气温度数据与功率数据进行时间对齐，得到第二废气温度数据；

30、碳排放核算模块，根据第二废气碳排放气体浓度数据、第二废气流量数据、第二废气湿度数据、第二废气温度数据以及废气气体的增温趋势值，计算船舶的碳排放量。

31、进一步的，增温趋势模块确定co2的增温趋势值恒定为1，以及根据下面公式确定ch4的增温趋势值为：

32、；

33、其中，n为采样次数，为采样频率。

34、进一步的，增温趋势模块根据下面公式确定n2o的增温趋势值为：

35、；

36、其中，n为采样次数，为采样频率。

37、进一步的，碳排放核算模块根据下面公式计算交通载体的碳排放量mgas为：

38、；

39、其中，n为采样次数，m为废气气体的类型总数，为不同燃料类型所对应的第p种废气气体密度，为第i次采样时第p种废气气体的浓度，为第i次采样时废气气体的流量，为第i次采样时废气气体的温度，为第i次采样时废气气体的湿度，为第p种废气气体的采样频率，为第p种气体的增温趋势值。

40、基于上述目的，本技术提供一种交通载体的碳排放分析方法，方法包括：

41、采集并获取交通载体的工况数据和废气排放监测数据，其中，工况数据为以下至少之一：油耗信息、功率信息，废气排放监测数据为以下至少之一：废气碳排放气体浓度数据、废气流量数据、废气湿度数据、废气温度数据；

42、以交通载体的工况数据为基准，废气排放监测数据与交通载体的工况数据的相关度，当计算得到的相关度最大时，将废气排放监测数据与交通载体的工况数据进行时间对齐；

43、计算废气气体的增温趋势值；

44、基于时间对齐后的废气排放监测数据，以及废气气体的增温趋势值计算交通载体的碳排放量。

45、本技术提供更精细化的基于实测法的交通载体碳排放监测装置，规避了多参数监测数据因采样时间差异和不同交通载体燃料差异等导致交通碳排放核算与“自上而下”的燃料法核算差异，同时，考虑不同时间维度不同碳排放气体碳核算的增温趋势差异，进一步从交通载体全生命周期考虑碳排放计算的准确性，满足“双碳”目标下对交通载体碳核算方法精细化的要求。