一种基于大数据的碳排放效率的评价系统及方法与流程

本发明涉及碳排放管理，具体为一种基于大数据的碳排放效率的评价系统及方法。

背景技术：

1、

2、除国家碳市场政策管控外，企业也面临着供应链低碳管理挑战。越来越多的企业为实现低碳可持续发展，需要制定企业自身减排目标，打造绿色低碳供应链，传递企业社会责任。

3、然而很多企业不清楚自身碳排放现状，无法识别高碳排放环节及工艺，不能为后续减排奠定基础。

4、所以，众多企业急需一种基于大数据的碳排放效率的评价系统及方法来解决上述问题。

技术实现思路

1、本发明的目的在于提供一种基于大数据的碳排放效率的评价系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：该碳排放效率的评价系统包括数据采集模块、数据处理模块和数据评测模块；

3、所述数据采集模块用于收集参与评价企业各个生产环节和整体的投入指标数据、期望产出指标数据和非期望产出指标数据；

4、所述数据处理模块用于计算企业各个生产环节的碳排放效率，企业整体碳排放效率和企业碳排放效率体系评价分值；

5、所述数据评测模块用于将各个企业通过评价体系进行整合，比较各参与评价企业的企业碳排放效率体系评价分值，生成碳减排目标表单。

6、根据上述方案，所述数据处理模块包括企业碳排放效率计算单元和企业碳排放效率评价计算单元；

7、所述企业碳排放效率计算单元用于计算企业各个生产环节中和总体的碳排放效率指标；

8、所述企业碳排放效率评价计算单元用于计算企业碳排放效率体系评价分值。

9、根据上述方案，所述碳排放效率运用基于方向距离函数的数据包络分析模型进行计算。

10、根据上述方案，所述评价体系指标包括各个生产环节中的碳排放效率指标、企业整体碳排放效率指标和企业碳排放效率体系评价分值。

11、根据上述方案，所述评价体系用客观赋权法critic法来综合衡量各项指标的客观权重，根据公式再进行企业碳排放效率体系评价分值计算，此方法完全利用数据自身的客观属性进行科学评价。

12、根据本技术的另一个方面，提供了一种基于大数据的碳排放效率的评价方法，所述方法应用上述一种基于大数据的碳排放效率的评价系统，所述方法包括以下步骤：

13、s1：收集参与评价企业各个生产环节中投入指标数据，期望产出指标数据和非期望产出指标数据；收集各个企业整体的投入指标数据，期望产出指标数据和非期望产出指标数据；

14、s2：构建数据包络分析模型，计算企业在各个产业环节中的碳排放效率指标和企业整体碳排放效率指标；

15、s3：根据各个生产环节中的碳排放效率指标和企业整体碳排放效率指标构建企业碳排放效率评价体系；

16、s4:根据企业碳排放效率评价体系，采用客观赋权方式critic法对企业碳排放效率进行评价，得到企业碳排放效率评价结果；

17、s5：根据企业碳排放效率评价结果，识别出企业碳排放效率体系评价分值最低的w个企业，所述w为数据库中预置的常数，生成碳减排目标表单，并发送给管理员进行预警管理员，所述碳减排目标表单包括碳排放效率较低企业的相应生产环节。

18、根据上述方法，所述模型设置前提：有n个决策单元，决策单元即参与评价的企业，每个决策单元有m种投入变量x，r种期望产出变量y，p种非期望产出变量b，分别用矩阵表示为x＝(xij)，y＝(yrj)和b＝(bpj)，在vrs假设下产生生产可能性集t，定义如下：其中λj表示第j个决策单元的权重变量；xik表示第k个决策单元中第i种投入变量；xij表示第j个决策单元中第i种投入变量；yrk表示第k个决策单元中第r种期望产出变量；yrj表示第j个决策单元中第r种期望产出变量；bpk表示第k个决策单元中第p种非期望产出变量；bpj表示第j个决策单元中第p种非期望产出变量；

19、定义方向变量g＝(gx,gy,gb)，gx≥0，gy≥0，gb≤0；gx，gy和gb均为数据库预设的常数，表示无效决策单元的改进方向是减少投入、增加期望产出和减少非期望产出，这个方向距离函数可以表示成：dt(x,y,b；g)＝sup{β:(x+gx,y+gy,b+gb)∈t}，在vrs假设下，决策单元的方向距离函数线性规划公式展示如下：

20、maxβ

21、

22、

23、

24、

25、λj≥0,β≥0

26、其中表示对投入指标的约束；表示对期望产出的约束；表示对非期望产出的约束；λj≥0表示权重非负基础假设。表示规模报酬可变，规模报酬是指在其他条件不变的情况下，企业内部各种生产变量按相同比例变化时所带来的产量变化，产量增加的比例和各种生产变量增加的比例无等比关系，称之为规模报酬可变，规模报酬可变更加贴近现实生活。

27、s.t.为subject to的缩写，在公式中表示“约束条件为”；当β＝0时，决策单元是有效的，当β＞0时，决策单元是无效的，但是β会受到方向向量长度的影响，由于β与目标函数之间是单调变化关系，直接采用如下碳排放效率值的计算公式作为方向距离函数模型的目标函数，即：

28、

29、

30、

31、

32、

33、λj≥0,β≥0

34、其中θ表示碳排放效率，βgx表示各项投入的改进数量；表示各项单位投入的改进数量；βgy表示各项期望产出的改进数量；表示各项单位期望产出的改进数量；βgb表示各项非期望产出的改进数量；表示各项单位非期望产出的改进数量。

35、当θ≥1时，代表决策单元相对有效；当θ＜1时，代表决策单元相对无效，即有一定的碳减排空间。

36、根据上述技术方案，所述分析模型中的归一化处理为此时无论方向向量取值多少，都不会改变模型输出值。

37、根据上述技术方案，所述critic法，有n个评价样本，n代表参与评价的企业数量，q项评价指标，q代表企业各个生产环节碳排放效率指标和企业整体碳排放效率指标数量之和，形成原始指标数据矩阵其中zuv表示第u个样本第v项评价指标的数值；所述矩阵的指标变异性以标准差的形式来表现：σv表示第v个指标的对比值；定义矩阵指标矛盾值fv，公式为：fv1v表示指标v1与指标v之间的相关系数，在此使用的是皮尔逊相关系数，为线性相关系数；定义指标v的信息承载量为cv，公式为：cv＝σv*fv；定义指标v的客观权重为wv，计算公式为：计算企业碳排放效率体系评价分值du，公式为企业碳排放效率体系评价分值du越低，说明企业碳排放效率越低，各生产环节碳减排空间较大，企业碳排放效率体系评价分值du越高，说明企业碳排放效率越高，各生产环节碳减排空间较小。

38、与现有技术相比，本发明所达到的有益效果是：本发明利用基于ddf函数的数据包络分析模型，计算企业各个生产环节和总体的碳排放效率，通过critic法对碳排放效率评价体系计算企业碳排放效率得分，有助于企业摸清自身碳排放现状，识别高碳排放环节及工艺，为后续减排奠定基础，有助于企业发掘减排潜力，有针对性采用节能减排技术或设备，实现节能降碳工作，有助于企业对外展示双碳应对成果，提升供应链影响力和实现低碳供应链，传递企业社会责任。