一种基于大数据分析的企业碳数据智能管控方法和系统与流程

1.本发明提出了一种基于大数据分析的企业碳数据智能管控方法和系统，属于碳排放管控技术领域。


背景技术：

2.随着全球对气候变化问题的关注度不断提高，企业碳排放数据的管理和监测变得越来越重要。大数据分析技术的发展为企业提供了一种全面、深入、实时的碳数据管理手段，可以帮助企业更好地了解自身碳排放情况，制定有效的减排措施，并在监测排放数据的同时，提高企业的运营效率和可持续性。
3.现有技术中的碳排放监控只是针对每个时段的碳排放总量进行监控，没有考虑到碳排放的波动量，导致企业的碳排放出现管控反复，预警反复的问题发生，进而降低碳排放监控效率，增加碳排放监控运行负荷和能耗的问题时有发生，反而因为增加系统能耗而导致碳排放量的增加。


技术实现要素：

4.本发明提供了一种基于大数据分析的企业碳数据智能管控方法和系统，用以解决现有技术中的碳排放监控只是针对每个时段的碳排放总量进行监控，没有考虑到碳排放的波动量，导致企业的碳排放出现管控反复，预警反复的问题发生，进而降低碳排放监控效率，增加碳排放监控运行负荷和能耗的问题：一种基于大数据分析的企业碳数据智能管控方法，所述企业碳数据智能管控方法包括：s1：在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；s2：在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；s3：进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；s4：当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。
5.进一步地，在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，包括：s11：提取前一个碳排放数据监控单位时间段内的企业碳排放参数；s12：利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；s13：按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。
6.其中，所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段通过如下公式获取：
7.其中，t1、t2和t3分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；n表示前一个碳排放数据监控单位时间段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；t0表示预设的标准时长，的取值范围为8-10天；p
ci
表示第i天的碳排放量；ci表示第i天的产品生产量；ei表示第i天的能源消耗总量。
8.进一步地，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
9.进一步地，在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数，包括：s21：分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内的企业碳排放数据；s22：利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
10.其中，所述碳排放扰动因数通过如下公式获取：
11.其中，q
i=1.2.3
分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段对应的第一扰动因子、第二扰动因子和第三扰动因子；m表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；p
cj
表示第j天的碳排放量；cj表示第j天的产品生产量；ej表示第j天的能源消耗总量；q表示碳排放扰动因数；q
p
表示因子平均值。
12.进一步地，进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数，包括：s31：进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；s32：在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；s33：利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。
13.其中，所述碳排放指标参数通过如下公式获取：
14.其中，z表示碳排放指标参数，pc表示当前碳排放数据监控单位时间段的企业的碳排放总量，c表示当前碳排放数据监控单位时间段的企业的产品总产量；p0表示预设的每个产品对应的单位碳排放量阈值。
15.一种基于大数据分析的企业碳数据智能管控系统，所述企业碳数据智能管控系统包括：时段设置模块，用于在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；因数设置模块，用于在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；指标获取模块，用于进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；预警模块，用于当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。
16.进一步地，所述时段设置模块包括：
参数提取模块，用于提取前一个碳排放数据监控单位时间段内的企业碳排放参数；监测时段设置模块，用于利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；组合模块，用于按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。
17.其中，所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段通过如下公式获取：
18.其中，t1、t2和t3分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；n表示前一个碳排放数据监控单位时间段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；t0表示预设的标准时长，的取值范围为8-10天；p
ci
表示第i天的碳排放量；ci表示第i天的产品生产量；ei表示第i天的能源消耗总量。
19.进一步地，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
20.进一步地，所述因数设置模块包括：
数据提取模块，用于分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内的企业碳排放数据；因数获取模块，用于利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
21.其中，所述碳排放扰动因数通过如下公式获取：
22.其中，q
i=1.2.3
分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段对应的第一扰动因子、第二扰动因子和第三扰动因子；m表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；p
cj
表示第j天的碳排放量；cj表示第j天的产品生产量；ej表示第j天的能源消耗总量；q表示碳排放扰动因数；q
p
表示因子平均值。
23.进一步地，所述指标获取模块包括：数据采集模块，用于进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；因数提取模块，用于在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；参数获取模块，用于利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。
24.其中，所述碳排放指标参数通过如下公式获取：
25.其中，z表示碳排放指标参数，pc表示当前碳排放数据监控单位时间段的企业的碳排放总量，c表示当前碳排放数据监控单位时间段的企业的产品总产量；p0表示预设的每个产品对应的单位碳排放量阈值。
26.本发明有益效果：通过大数据分析，能够收集和处理大量的碳排放数据，减少了人为误差和数据不确定性，提高了数据的准确性和可信度；基于大数据分析的管控方法可以实现对企业碳数据的实时监测和预警功能。通过即时采集和分析碳排放数据，可以及时发现异常情况和趋势变化，帮助企业快速采取应对措施，降低碳排放风险；通过大数据分析技术，可以深入挖掘和分析碳排放数据中隐含的关联和规律；有助于企业识别出碳排放的主要影响因素和潜在问题，并为制定碳减排策略提供科学依据和洞察力；基于大数据分析的管控方法可以帮助企业优化碳管理策略。通过综合分析和评估碳数据，企业可以确定碳减
排的重点领域和潜力，制定更具针对性和高效性的碳减排措施，提高碳管理的效果和效率；大数据分析能够识别企业在生产过程中存在的能源浪费和碳排放高峰期，帮助企业进行资源利用优化和节能减排。通过智能预测和调度，能够实现能源的合理调配和利用，减少碳排放量，降低环境影响。
附图说明
27.图1为本发明所述一种基于大数据分析的企业碳数据智能管控方法步骤图。
具体实施方式
28.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
29.本发明的一个实施例，一种基于大数据分析的企业碳数据智能管控方法，所述企业碳数据智能管控方法包括：一种基于大数据分析的企业碳数据智能管控方法，所述企业碳数据智能管控方法包括：s1：在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；s2：在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；s3：进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；s4：当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。
30.上述技术方案的工作原理为：在每个预设的碳排放数据监控单位时间段之前，设置一组碳排放扰动监测时段。这些时段的长度可以不同，用于监测企业在不同时间段内的碳排放情况；在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数。通过监测实际排放与预设值之间的偏差，计算出扰动因数；进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在该时间段的碳排放指标参数。这些参数可用于评估企业的碳排放状况；当所述碳排放指标参数超过预设的指标阈值时，系统会触发碳排放超标预警机制。这可以通过设定阈值，并与实际数据进行比对来实现。
31.上述技术方案的效果为：通过设置多个时间段的碳排放扰动监测时段，可以更加精确地监测企业的碳排放情况，不同时间段的监测可以反映企业的碳排放变化趋势，提供更全面的数据；根据每个监测时段的碳排放量设置扰动因数，能够更准确地反映企业的碳排放情况，这样可以避免单一因素对碳排放评估的偏差，使评估结果更加客观和准确；通过实时监测企业的碳排放量，可以及时获取最新的数据，并在进入碳排放数据监控单位时间段后，利用扰动因数计算得到碳排放指标参数，当指标参数超过预设的指标阈值时，系统会触发碳排放超标预警，及时提醒企业采取相应的措施；通过该方案，企业可以更好地了解自身的碳排放情况，并及时发现超标问题。这有助于企业采取主动措施来降低碳排放量，改善
环境状况，达到环保减排的目标。通过上述技术方案的实施，企业可以更好地监测和管理碳排放量，帮助企业了解自身产生的温室其他的排放情况，从而认识到本企业的排放情况对气候和环境的影响，从而增强环境保护意识，提高环境管理水平，并为环境治理和碳减排目标的实现提供支持。同时，也能够促使企业意识到碳排放的重要性，激励其积极采取减排措施，推动低碳经济发展。
32.本发明的一个实施例，在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，包括：s11：提取前一个碳排放数据监控单位时间段内的企业碳排放参数；s12：利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；s13：按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。
33.其中，所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段通过如下公式获取：
34.其中，t1、t2和t3分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；n表示前一个碳排放数据监控单位时间段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；t0表示预设的标准时长，的取值范围为8-10天；p
ci
表示第i天的碳排放量；ci表示第i天的产品生产量；ei表示第i天的能源消耗总量。
35.上述技术方案的工作原理为：在每个碳排放数据监控单位时间段结束时，从企业的碳排放数据中提取相应的参数，例如总的碳排放量或平均每日碳排放量；利用提取得到的企业碳排放参数，设置第一、第二和第三碳排放扰动监测时段。这些时段可以根据实际需要设定，例如将监测时段分为早上、下午和晚上，或者按周、月或年进行划分；按照一定的排列原则（例如按时间顺序），对第一、第二和第三碳排放扰动监测时段进行排序组合。确保各个监测时段之间没有重叠，以便进行独立的碳排放监测和评估；通过上述排序和组合方式，形成一组碳排放扰动监测时段。在这些时段内，可以根据之前提取的企业碳排放参数进行实时监测和评估，并计算出每个扰动监测时段的碳排放指标参数。
36.上述技术方案的效果为：通过提取前一个碳排放数据监控单位时间段内的企业排放参数，可以准确获取企业的碳排放情况，可以对企业的碳排放状况进行全面了解和评估；通过设置碳排放扰动监测时段，可以捕捉到特定时段内的碳排放波动和异常情况，可以快速识别和发现导致碳排放异常的因素，并及时采取相应的措施进行调整和改进；按照监测时段排列原则对碳排放扰动监测时段进行排序组合，确保各个监测时段之间没有重叠，实现了对碳排放情况的连续监测和评估，可以建立起系统化的碳排放监测体系，为企业提供全面的数据支持和参考；通过实时且有序地监测碳排放扰动时段，企业可以更好地了解碳排放变化的趋势和规律，能够优化碳排放管理策略，制定针对性的减排计划，提高能源利用效率和降低碳排放水平。通过上述技术方案的实施，可以更加准确的预测企业在当前碳排放数据监控单位时间段内的排放情况，可以提高预测的准确信以及可靠性，同时，利用设置的一组碳排放扰动监测时段，可以更加全面，细致的监测企业的碳排放情况，提高监测的准确性以及可靠性，按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，可以更加精细化地分析和预测企业的碳排放情况，帮助企业发现潜在的减排机会。还可以为政府部门和第三方机构提供数据支持和技术支持，推动全社会的减排行动，通过全社会的减排行动，可以帮助缓解气候变化问题，减少温室气体排放，降低全球温度上升的速度，从而减少极端气候事件的发生，保护生态系统的稳定性和生物多样性，改善人类的生活和健康，促进能源转型和能源结构优化，推动可再生能源的发展和利用，降低化石能源的消耗和排放，提高能源利用效率和能源经济性。同时，减排行动还可以推动技术创新和产业升级，促进经济发展和社会进步，提高人类的生活质量和幸福感。通过上述公式可以实现对企业碳排放的精细化监测和扰动监测，帮助企业发现和应对碳排放异常，指导管理策略的优化，从而达到减排目标并推动可持续发展。同时，通过设定标准时长，可以将前一个碳排放数据监控单位时间段内的数据划分为多个时间段，实现连续监测和评估，让企业能更好地了解碳排放的变化趋势和规律，从而指导制定减排计划和管理策略；通过设置单位时间数，可以提取前一个碳排放数据监控单位时间段所包含的单位时间的个数；有助于获取更全面的数据，增加数据的可靠性和准确性；通过计算每天的碳排放量，得到直观的数字表示企业的排放水平；有助于监测企业的碳排放变化和趋势，便于对企业的碳排放进行评估和比较；为企业制定减排措施提供依据；通过计算每天的产品生产量，可以将碳排放与实际生产相联系，评估企业的碳排放强度，有助于了解企业的生产效率和资源利用情况；并根据生产量的变化调整减排策略；通过计算每天的能源消耗总量，可以了解企业的能源利用情况和能效水平；有助于发现能源消耗过高或过低的问题，并采取相应的措施进行调整；从而优化能源消耗，减少碳排放。另一方面，根据前一个碳排放数据监控单位时间段内的企业碳排放参数进行第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段的设置能够有效提高第一碳排放扰动监控时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段的设置与企业实际碳排放规律的匹配性，进而提高第一碳排放扰动监控时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段时间长度设置的合理性和准确性，有效防止第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段的设置过长导致碳排放监控效率降低的问题，以及，防止第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段的设置过短导致数据获取不足降低扰动因数获取准确性的问题发生。
37.本发明的一个实施例，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
38.上述技术方案的工作原理为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
39.上述技术方案的效果为：当第一、第二和第三碳排放扰动监测时段之间的差值都未超过特定阈值时，将这三个时段进行随机排序组合。这种灵活而随机的排序方式可以减少对某个特定时段的依赖性，避免固定的顺序对结果产生过大的影响；当任意一组差值比较中出现超过特定阈值但未超过另一个较高的阈值时，按照时间长度从小到大的顺序对三个时段进行排序组合。这种排序方式可以提供一种递增的视角，帮助观察和分析碳排放情况在不同时间段的变化情况；当任意一组差值比较中出现超过另一个较高的阈值时，按照时间长度从大到小的顺序对三个时段进行排序组合。这种排序方式可以提供一种递减的视角，有助于观察和分析碳排放情况在不同时间段的变化趋势。通过上述技术方案的实施，可以根据监测时段之间的差异性对碳排放情况进行更全面和细致的分析，通过全面以及细致的分析可以更加准确地预测企业在当前碳排放数据监控单位时间段内的碳排放情况，提高预测的准确性和可靠性。同时，通过对这些差异性的监测和分析，可以更加全面、细致地监测企业碳排放情况，提高监测的准确性和可靠性。不同的排序组合方式可以提供不同的视角，帮助研究人员更好地理解和解释碳排放扰动的模式和趋势，为相关政策制定和环境保护提供有益的参考依据。
40.本发明的一个实施例，在每组碳排放监测时段实时监测企业对应的碳排放量，根
据每个碳排放监测时段的碳排放量设置碳排放扰动因数，包括：s21：分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内的企业碳排放数据；s22：利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
41.其中，所述碳排放扰动因数通过如下公式获取：
42.其中，q
i=1.2.3
分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段对应的第一扰动因子、第二扰动因子和第三扰动因子；m表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；p
cj
表示第j天的碳排放量；cj表示第j天的产品生产量；ej表示第j天的能源消耗总量；q表示碳排放扰动因数；q
p
表示因子平均值。
43.上述技术方案的工作原理为：按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中的第一、第二和第三个碳排放扰动监测时段的企业碳排放数据。可以根据具体情况，从相关的监测记录或数据库中获取企业的碳排放数据。对于每个碳排放扰动监测时段，将企业的碳排放数据整理成一个数据集。确保每个数据集包含相同的企业，并按相同的时间周期（例如每天、每周等）进行对齐；利用所提取的碳排放数据，计算企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
44.上述技术方案的效果为：按照排序组合顺序提取碳排放扰动监测时段中的特定时间段的数据，可以确保获取到所需的数据，并避免误差和遗漏；将企业的碳排放数据整理和对齐，确保每个数据集包含相同的企业，并按照相同的时间周期进行对齐，使得不同时间段的数据能够进行可靠的比较和分析；利用提取的碳排放数据，可以计算企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数；有助于判断企业的碳排放是否偏离正常范围并进行预警，帮助企业监控和管理碳排放风险；通过计算碳排放扰动因数，可以及时发现和处理企业的碳排放异常情况，有助于改善环境保护和资源利用效率。同时，对于政府部门和其他监管机构来说，可以更加有效地监测和控制企业的碳排放情况。上述技术方案按照特定时间段提取企业的碳排放数据，使监测结果更加精确和可靠；通过对不同时段的碳排放数据进行对比，可以分析企业在不同时间段的碳排放情况，识别出存在的问题和改进的空间；通过获取企业在下一个时间段的碳排放扰动因数，可以预测未来的碳排放趋势，为企业的减排计划和目标设定提供依据；基于碳排放数据和扰动因数的分析结果，企业可以针对性地制定减排措施和管理策略，推动碳排放的降低和可持续发展。同时，上述公式通过计算碳排放扰动因数，可以深入评估企业的碳排放情况，发现和解决排放异常情况，并促进资
源利用效率的提升；有助于企业实现可持续发展和推动低碳经济的转型。通过计算碳排放扰动因数，可以对碳排放量进行周期性的扰动分析和趋势预测；有助于发现碳排放的周期性变化和非周期性扰动，以及对未来的碳排放量进行预测和规划；通过监测和计算碳排放扰动因数，可以及时发现企业碳排放异常情况，并对其采取相应的管控措施；有助于改善碳排放管理效果，降低企业的环境风险，推动低碳经济的发展；通过关注产品生产量和能源消耗总量等指标，并将其考虑在碳排放扰动因数的计算中，可以帮助企业更加关注和优化资源利用效率；有助于减少能源消耗和碳排放，提高企业的环境绩效和竞争力。另一方面，通过上述公式获取的第一扰动因子、第二扰动因子和第三扰动因子以及其对应的碳排放扰动因数能够有效提高企业碳排放波动反应强度，进而有效提高碳排放扰动因数对于企业碳排放波动反应的表征性。
45.本发明的一个实施例，进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数，包括：s31：进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；s32：在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；s33：利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。
46.其中，所述碳排放指标参数通过如下公式获取：
47.其中，z表示碳排放指标参数，pc表示当前碳排放数据监控单位时间段的企业的碳排放总量，c表示当前碳排放数据监控单位时间段的企业的产品总产量；p0表示预设的每个产品对应的单位碳排放量阈值。
48.上述技术方案的工作原理为：进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集该时间段内企业的碳排放数据；在下一个碳排放数据监控单位时间段结束时刻，提取该时间段对应的碳排放扰动因数。碳排放扰动因数可以是一种衡量企业碳排放波动程度的指标；利用所提取的碳排放扰动因数和下一个碳排放数据监控单位时间段内的企业碳排放数据，计算得出企业在该时间段的碳排放指标参数。该指标参数可以包括企业的平均碳排放量、碳排放强度等。
49.上述技术方案的效果为：通过实时采集下一个碳排放数据监控单位时间段的企业碳排放数据，可以及时获取企业的碳排放情况，实现实时监测。这有助于企业了解自身的碳排放水平，并及时采取相应的调整和措施；利用提取的碳排放扰动因数和企业的碳排放数据，可以准确计算企业在碳排放数据监控单位时间段的碳排放指标参数。这样可以避免传统方法中可能存在的误差和不确定性，提高评估结果的准确性；通过获得企业的碳排放指标参数，可以为企业的环境管理提供参考依据。企业可以根据这些参数评估自身的碳减排措施效果，制定更具针对性和可行性的碳减排策略，推动可持续发展和环境保护；上述技术
方案通过实时采集数据，能够及时了解企业的碳排放情况，帮助企业做出及时的管理决策；通过提取碳排放扰动因数和企业的碳排放数据相结合，可以更准确地计算和评估企业的碳排放指标参数；每个时间段的数据都可以被记录和检索，方便企业进行历史数据的回顾和对比分析；自动化采集和处理数据，减少了人工操作的时间和成本，提高了数据处理的效率。上述公式能够综合考量企业的碳排放与产出情况，提供量化衡量和指导企业碳减排的效果，有助于企业实现环境保护与可持续发展的目标。同时，上述公式将碳排放总量除以产品总产量，实现了对碳排放与产出的综合考量。通过碳排放指标参数的计算，可以更全面地评估企业的碳排放状况，而不仅仅局限于排放总量或产出水平的单一指标，更能够最大强度反应企业碳排放波动程度，通过碳排放总量和碳排放波动程度综合进行指标参数表征，有效提高企业碳排放监控的准确性和全面性；同时，采用单位碳排放量阈值作为参考值，使得碳排放指标参数可以进行数量化衡量；有助于企业对自身碳排放水平的把控和评估，并提供了可比较性，便于与其他企业或行业标准进行对比和分析；通过该公式计算得到的碳排放指标参数可以反映企业在碳排放数据监控单位时间段内的碳排放效果。当碳排放指标参数小于1时，表示企业碳排放水平低于预设的单位碳排放量阈值，表明企业在碳减排方面取得了一定的成效；根据计算结果，企业可以评估自身的碳减排措施的有效性，并据此制定更具针对性和可行性的碳减排策略。通过持续监测碳排放指标参数的变化，企业可以及时调整和改进碳减排措施，实现可持续发展目标。
50.本发明的一个实施例，一种基于大数据分析的企业碳数据智能管控系统，所述企业碳数据智能管控系统包括：时段设置模块，用于在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；因数设置模块，用于在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；指标获取模块，用于进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；预警模块，用于当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。
51.上述技术方案的工作原理为：在每个预设的碳排放数据监控单位时间段之前，设置一组碳排放扰动监测时段。这些时段的长度可以不同，用于监测企业在不同时间段内的碳排放情况；在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数。通过监测实际排放与预设值之间的偏差，计算出扰动因数；进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在该时间段的碳排放指标参数。这些参数可用于评估企业的碳排放状况；当所述碳排放指标参数超过预设的指标阈值时，系统会触发碳排放超标预警机制。这可以通过设定阈值，并与实际数据进行比对来实现。
52.上述技术方案的效果为：通过设置多个时间段的碳排放扰动监测时段，可以更加精确地监测企业的碳排放情况，不同时间段的监测可以反映企业的碳排放变化趋势，提供更全面的数据；根据每个监测时段的碳排放量设置扰动因数，能够更准确地反映企业的碳
排放情况，这样可以避免单一因素对碳排放评估的偏差，使评估结果更加客观和准确；通过实时监测企业的碳排放量，可以及时获取最新的数据，并在进入碳排放数据监控单位时间段后，利用扰动因数计算得到碳排放指标参数，当指标参数超过预设的指标阈值时，系统会触发碳排放超标预警，及时提醒企业采取相应的措施；通过该方案，企业可以更好地了解自身的碳排放情况，并及时发现超标问题。这有助于企业采取主动措施来降低碳排放量，改善环境状况，达到环保减排的目标。通过上述技术方案的实施，企业可以更好地监测和管理碳排放量，帮助企业了解自身产生的温室其他的排放情况，从而认识到本企业的排放情况对气候和环境的影响，从而增强环境保护意识，提高环境管理水平，并为环境治理和碳减排目标的实现提供支持。同时，也能够促使企业意识到碳排放的重要性，激励其积极采取减排措施，推动低碳经济发展。
53.本发明的一个实施例，所述时段设置模块包括：参数提取模块，用于提取前一个碳排放数据监控单位时间段内的企业碳排放参数；监测时段设置模块，用于利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；组合模块，用于按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。
54.其中，所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段通过如下公式获取：
55.其中，t1、t2和t3分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；n表示前一个碳排放数据监控单位时间段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；t0表示预设的标准时长，的取值范围为8-10天；p
ci
表示第i天的碳排放量；ci表示第i天的产品生产量；ei表示第i天的能源消耗总量。
56.上述技术方案的工作原理为：在每个碳排放数据监控单位时间段结束时，从企业的碳排放数据中提取相应的参数，例如总的碳排放量或平均每日碳排放量；利用提取得到
的企业碳排放参数，设置第一、第二和第三碳排放扰动监测时段。这些时段可以根据实际需要设定，例如将监测时段分为早上、下午和晚上，或者按周、月或年进行划分；按照一定的排列原则（例如按时间顺序），对第一、第二和第三碳排放扰动监测时段进行排序组合。确保各个监测时段之间没有重叠，以便进行独立的碳排放监测和评估；通过上述排序和组合方式，形成一组碳排放扰动监测时段。在这些时段内，可以根据之前提取的企业碳排放参数进行实时监测和评估，并计算出每个扰动监测时段的碳排放指标参数。
57.上述技术方案的效果为：通过提取前一个碳排放数据监控单位时间段内的企业排放参数，可以准确获取企业的碳排放情况，可以对企业的碳排放状况进行全面了解和评估；通过设置碳排放扰动监测时段，可以捕捉到特定时段内的碳排放波动和异常情况，可以快速识别和发现导致碳排放异常的因素，并及时采取相应的措施进行调整和改进；按照监测时段排列原则对碳排放扰动监测时段进行排序组合，确保各个监测时段之间没有重叠，实现了对碳排放情况的连续监测和评估，可以建立起系统化的碳排放监测体系，为企业提供全面的数据支持和参考；通过实时且有序地监测碳排放扰动时段，企业可以更好地了解碳排放变化的趋势和规律，能够优化碳排放管理策略，制定针对性的减排计划，提高能源利用效率和降低碳排放水平。通过上述技术方案的实施，可以更加准确的预测企业在当前碳排放数据监控单位时间段内的排放情况，可以提高预测的准确信以及可靠性，同时，利用设置的一组碳排放扰动监测时段，可以更加全面，细致的监测企业的碳排放情况，提高监测的准确性以及可靠性，按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，可以更加精细化地分析和预测企业的碳排放情况，帮助企业发现潜在的减排机会。还可以为政府部门和第三方机构提供数据支持和技术支持，推动全社会的减排行动，通过全社会的减排行动，可以帮助缓解气候变化问题，减少温室气体排放，降低全球温度上升的速度，从而减少极端气候事件的发生，保护生态系统的稳定性和生物多样性，改善人类的生活和健康，促进能源转型和能源结构优化，推动可再生能源的发展和利用，降低化石能源的消耗和排放，提高能源利用效率和能源经济性。同时，减排行动还可以推动技术创新和产业升级，促进经济发展和社会进步，提高人类的生活质量和幸福感。通过上述公式可以实现对企业碳排放的精细化监测和扰动监测，帮助企业发现和应对碳排放异常，指导管理策略的优化，从而达到减排目标并推动可持续发展。同时，通过设定标准时长，可以将前一个碳排放数据监控单位时间段内的数据划分为多个时间段，实现连续监测和评估，让企业能更好地了解碳排放的变化趋势和规律，从而指导制定减排计划和管理策略；通过设置单位时间数，可以提取前一个碳排放数据监控单位时间段所包含的单位时间的个数；有助于获取更全面的数据，增加数据的可靠性和准确性；通过计算每天的碳排放量，得到直观的数字表示企业的排放水平；有助于监测企业的碳排放变化和趋势，便于对企业的碳排放进行评估和比较；为企业制定减排措施提供依据；通过计算每天的产品生产量，可以将碳排放与实际生产相联系，评估企业的碳排放强度，有助于了解企业的生产效率和资源利用情况；并根据生产量的变化调整减排策略；通过计算每天的能源消耗总量，可以了解企业的能源利用情况和能效水平；有助于发现能源消耗过高或过低的问题，并采取相应的措施进行调整；从而优化能源消耗，减少碳排放。
58.本发明的一个实施例，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时
段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
59.上述技术方案的工作原理为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
60.上述技术方案的效果为：当第一、第二和第三碳排放扰动监测时段之间的差值都未超过特定阈值时，将这三个时段进行随机排序组合。这种灵活而随机的排序方式可以减少对某个特定时段的依赖性，避免固定的顺序对结果产生过大的影响；当任意一组差值比较中出现超过特定阈值但未超过另一个较高的阈值时，按照时间长度从小到大的顺序对三个时段进行排序组合。这种排序方式可以提供一种递增的视角，帮助观察和分析碳排放情况在不同时间段的变化情况；当任意一组差值比较中出现超过另一个较高的阈值时，按照时间长度从大到小的顺序对三个时段进行排序组合。这种排序方式可以提供一种递减的视角，有助于观察和分析碳排放情况在不同时间段的变化趋势。通过上述技术方案的实施，可以根据监测时段之间的差异性对碳排放情况进行更全面和细致的分析，通过全面以及细致的分析可以更加准确地预测企业在当前碳排放数据监控单位时间段内的碳排放情况，提高预测的准确性和可靠性。同时，通过对这些差异性的监测和分析，可以更加全面、细致地监测企业碳排放情况，提高监测的准确性和可靠性。不同的排序组合方式可以提供不同的视角，帮助研究人员更好地理解和解释碳排放扰动的模式和趋势，为相关政策制定和环境保护提供有益的参考依据。
61.本发明的一个实施例，所述因数设置模块包括：数据提取模块，用于分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内
的企业碳排放数据；因数获取模块，用于利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
62.其中，所述碳排放扰动因数通过如下公式获取：
63.其中，q
i=1.2.3
分别表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段对应的第一扰动因子、第二扰动因子和第三扰动因子；m表示第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段所包含的单位时间的个数，并且，一个单位时间为24小时（一天）；p
cj
表示第j天的碳排放量；cj表示第j天的产品生产量；ej表示第j天的能源消耗总量；q表示碳排放扰动因数；q
p
表示因子平均值。
64.上述技术方案的工作原理为：按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中的第一、第二和第三个碳排放扰动监测时段的企业碳排放数据。可以根据具体情况，从相关的监测记录或数据库中获取企业的碳排放数据。对于每个碳排放扰动监测时段，将企业的碳排放数据整理成一个数据集。确保每个数据集包含相同的企业，并按相同的时间周期（例如每天、每周等）进行对齐；利用所提取的碳排放数据，计算企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。
65.上述技术方案的效果为：按照排序组合顺序提取碳排放扰动监测时段中的特定时间段的数据，可以确保获取到所需的数据，并避免误差和遗漏；将企业的碳排放数据整理和对齐，确保每个数据集包含相同的企业，并按照相同的时间周期进行对齐，使得不同时间段的数据能够进行可靠的比较和分析；利用提取的碳排放数据，可以计算企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数；有助于判断企业的碳排放是否偏离正常范围并进行预警，帮助企业监控和管理碳排放风险；通过计算碳排放扰动因数，可以及时发现和处理企业的碳排放异常情况，有助于改善环境保护和资源利用效率。同时，对于政府部门和其他监管机构来说，可以更加有效地监测和控制企业的碳排放情况。上述技术方案按照特定时间段提取企业的碳排放数据，使监测结果更加精确和可靠；通过对不同时段的碳排放数据进行对比，可以分析企业在不同时间段的碳排放情况，识别出存在的问题和改进的空间；通过获取企业在下一个时间段的碳排放扰动因数，可以预测未来的碳排放趋势，为企业的减排计划和目标设定提供依据；基于碳排放数据和扰动因数的分析结果，企业可以针对性地制定减排措施和管理策略，推动碳排放的降低和可持续发展。同时，上述公式通过计算碳排放扰动因数，可以深入评估企业的碳排放情况，发现和解决排放异常情况，并促进资源利用效率的提升；有助于企业实现可持续发展和推动低碳经济的转型。通过计算碳排放扰动因数，可以对碳排放量进行周期性的扰动分析和趋势预测；有助于发现碳排放的周期性变化和非周期性扰动，以及对未来的碳排放量进行预测和规划；通过监测和计算碳排放
扰动因数，可以及时发现企业碳排放异常情况，并对其采取相应的管控措施；有助于改善碳排放管理效果，降低企业的环境风险，推动低碳经济的发展；通过关注产品生产量和能源消耗总量等指标，并将其考虑在碳排放扰动因数的计算中，可以帮助企业更加关注和优化资源利用效率；有助于减少能源消耗和碳排放，提高企业的环境绩效和竞争力。
66.本发明的一个实施例，所述指标获取模块包括：数据采集模块，用于进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；因数提取模块，用于在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；参数获取模块，用于利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。
67.其中，所述碳排放指标参数通过如下公式获取：
68.其中，z表示碳排放指标参数，pc表示当前碳排放数据监控单位时间段的企业的碳排放总量，c表示当前碳排放数据监控单位时间段的企业的产品总产量；p0表示预设的每个产品对应的单位碳排放量阈值。
69.上述技术方案的工作原理为：进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集该时间段内企业的碳排放数据；在下一个碳排放数据监控单位时间段结束时刻，提取该时间段对应的碳排放扰动因数。碳排放扰动因数可以是一种衡量企业碳排放波动程度的指标；利用所提取的碳排放扰动因数和下一个碳排放数据监控单位时间段内的企业碳排放数据，计算得出企业在该时间段的碳排放指标参数。该指标参数可以包括企业的平均碳排放量、碳排放强度等。
70.上述技术方案的效果为：通过实时采集下一个碳排放数据监控单位时间段的企业碳排放数据，可以及时获取企业的碳排放情况，实现实时监测。这有助于企业了解自身的碳排放水平，并及时采取相应的调整和措施；利用提取的碳排放扰动因数和企业的碳排放数据，可以准确计算企业在碳排放数据监控单位时间段的碳排放指标参数。这样可以避免传统方法中可能存在的误差和不确定性，提高评估结果的准确性；通过获得企业的碳排放指标参数，可以为企业的环境管理提供参考依据。企业可以根据这些参数评估自身的碳减排措施效果，制定更具针对性和可行性的碳减排策略，推动可持续发展和环境保护；上述技术方案通过实时采集数据，能够及时了解企业的碳排放情况，帮助企业做出及时的管理决策；通过提取碳排放扰动因数和企业的碳排放数据相结合，可以更准确地计算和评估企业的碳排放指标参数；每个时间段的数据都可以被记录和检索，方便企业进行历史数据的回顾和对比分析；自动化采集和处理数据，减少了人工操作的时间和成本，提高了数据处理的效率。上述公式能够综合考量企业的碳排放与产出情况，提供量化衡量和指导企业碳减排的效果，有助于企业实现环境保护与可持续发展的目标。同时，上述公式将碳排放总量除以产品总产量，实现了对碳排放与产出的综合考量。通过碳排放指标参数的计算，可以更全面地评估企业的碳排放状况，而不仅仅局限于排放总量或产出水平的单一指标；采用单位碳排
放量阈值作为参考值，使得碳排放指标参数可以进行数量化衡量；有助于企业对自身碳排放水平的把控和评估，并提供了可比较性，便于与其他企业或行业标准进行对比和分析；通过该公式计算得到的碳排放指标参数可以反映企业在碳排放数据监控单位时间段内的碳排放效果。当碳排放指标参数小于1时，表示企业碳排放水平低于预设的单位碳排放量阈值，表明企业在碳减排方面取得了一定的成效；根据计算结果，企业可以评估自身的碳减排措施的有效性，并据此制定更具针对性和可行性的碳减排策略。通过持续监测碳排放指标参数的变化，企业可以及时调整和改进碳减排措施，实现可持续发展目标。
71.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种基于大数据分析的企业碳数据智能管控方法，其特征在于，所述企业碳数据智能管控方法包括：在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。2.根据权利要求1所述企业碳数据智能管控方法，其特征在于，在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，包括：提取前一个碳排放数据监控单位时间段内的企业碳排放参数；利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。3.根据权利要求2所述企业碳数据智能管控方法，其特征在于，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。4.根据权利要求1所述企业碳数据智能管控方法，其特征在于，在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数，包括：分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内的企业碳排放数据；利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。5.根据权利要求1所述企业碳数据智能管控方法，其特征在于，进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控
单位时间段的碳排放指标参数，包括：进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。6.一种基于大数据分析的企业碳数据智能管控系统，其特征在于，所述企业碳数据智能管控系统包括：时段设置模块，用于在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；因数设置模块，用于在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；指标获取模块，用于进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；预警模块，用于当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。7.根据权利要求6所述企业碳数据智能管控系统，其特征在于，所述时段设置模块包括：参数提取模块，用于提取前一个碳排放数据监控单位时间段内的企业碳排放参数；监测时段设置模块，用于利用所述企业碳排放参数设置第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段；组合模块，用于按照监测时段排列原则对所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段进行排序组合，形成一组碳排放扰动监测时段。8.根据权利要求7所述企业碳数据智能管控系统，其特征在于，所述监测时段排列原则为：当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值均未超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段随机排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长的10.3%，但未超过11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从小到大排序组合；当第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段两两之间的差值的任一一组比较中，出现超过两两之间时间较长一个的碳排放扰动监测时段总时长11.7%，则所述第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段按照时间长度从大到小排序组合。
9.根据权利要求6所述企业碳数据智能管控系统，其特征在于，所述因数设置模块包括：数据提取模块，用于分别按照排序组合顺序，依次提取所述一组碳排放扰动监测时段中第一碳排放扰动监测时段、第二碳排放扰动监测时段和第三碳排放扰动监测时段内的企业碳排放数据；因数获取模块，用于利用所述碳排放数据获取企业在下一个碳排放数据监控单位时间段对应的碳排放扰动因数。10.根据权利要求6所述企业碳数据智能管控系统，其特征在于，所述指标获取模块包括：数据采集模块，用于进入每组碳排放监测时段对应的下一个碳排放数据监控单位时间段后，实时采集下一个碳排放数据监控单位时间段的企业的碳排放数据；因数提取模块，用于在所述下一个碳排放数据监控单位时间段结束时刻，提取所述下一个碳排放数据监控单位时间段对应的碳排放扰动因数；参数获取模块，用于利用所述碳排放扰动因数和所述下一个碳排放数据监控单位时间段的企业的碳排放数据获取企业在碳排放数据监控单位时间段的碳排放指标参数。

技术总结
本发明提出了一种基于大数据分析的企业碳数据智能管控方法和系统。所述企业碳数据智能管控方法包括：在每个预设的碳排放数据监控单位时间段之前设置一组碳排放扰动监测时段，其中，所述一组碳排放扰动监测时段包括三个时间长度各不相同的碳排放扰动监测时段；在每组碳排放监测时段实时监测企业对应的碳排放量，根据每个碳排放监测时段的碳排放量设置碳排放扰动因数；进入每组碳排放监测时段对应的碳排放数据监控单位时间段后，利用碳排放扰动因数获取企业在碳排放数据监控单位时间段的碳排放指标参数；当所述碳排放指标参数超过预设的指标阈值时，则进行碳排放超标预警。所述系统包括与所述方法步骤对应的模块。统包括与所述方法步骤对应的模块。统包括与所述方法步骤对应的模块。


技术研发人员：晏路辉
受保护的技术使用者：碳阻迹（北京）科技有限公司
技术研发日：2023.08.10
技术公布日：2023/9/9