数字化园区电碳数据映射方法、系统、设备及存储介质与流程

1.本发明属于低碳技术领域，具体是一种数字化园区电碳数据映射方法、系统、设备及存储介质。


背景技术：

2.园区存在各种不同性质的载体，碳排放类型和现状复杂多样，需要梳理不同的碳排放源以及对应的碳排放指标，进而建立个体和全局的园区数字孪生电碳监测系统，科学指导电力公司、政府和用户采取合理的降碳措施。园区也是实现双碳的重要抓手，但目前园区的电碳监测更多体现在信息化智慧管理和能源的监控上，急需建立电碳数据映射体系，对碳排放和碳排强度进行数字化精准映射，打通全价值链碳排放数据，连接碳市场，为实现园区碳中和目标提供可信可靠的数据平台支撑。因此，如何映射数字化园区的电碳数据，获得精准的碳排放量和碳排强度数据，是本发明所要解决的技术问题。


技术实现要素：

3.为了解决上述问题，本发明提供了能够得到精准的园区碳排放量和碳排放强度计算结果的数字化园区电碳数据映射方法、系统、设备及存储介质。
4.为了达到上述目的，本发明是通过以下技术方案来实现的：
5.本发明是数字化园区电碳数据映射方法，包括如下步骤：
6.步骤1，获取园区数据；
7.步骤2，对园区数据进行清洗操作；
8.步骤3，对园区数据的电气量信息进行多时间尺度数据融合处理；
9.步骤4，进行电碳耦合转换操作，计算得到园区的碳排放量和碳排放强度。
10.本发明的进一步改进在于：所述步骤1中的园区数据为电气量信息和其他信息，其中，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息。
11.本发明的进一步改进在于：所述步骤2中的具体操作步骤为：
12.步骤2.1，对园区数据中的电气量信息进行缺失值填补；
13.对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；
14.对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：
[0015][0016][0017]
其中，pn(x)是拟合多项式，n为某一电气量数据进行采点的数量，(xi,yi)为单个点的数据，其中xi表示该电气量第i个点代表的时间信息，yi表示该电气量第i个点的值，ln(x)
为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；
[0018]
步骤2.2，当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：
[0019][0020]
其中，r
t
为t时刻的设备信息，r
t-1
和r
t+1
分别为t-1时刻和t+1时刻的设备状态信息，rn为设备额定信息。
[0021]
本发明的进一步改进在于：所述步骤3具体为：选取固定的数据步长为λ，当待融合数据的时间周期λy大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λy小于固定计算步长λ时，则通过以下算法对数据进行融合：
[0022][0023]
其中，为需要进行数据融合的t+λy时刻的数据值。
[0024]
本发明的进一步改进在于：步骤4具体为：
[0025]
步骤4.1，导入电碳因子库，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
[0026]
步骤4.2，计算园区场景的碳排放量和碳排放强度，表达式为：
[0027]cm
(γ)＝κ1[i
p
(γ)-ir(γ)]-κ2ce(γ)
[0028]ip
(γ)＝ib(γ)+iv(γ)+io(γ)-ie(γ)
[0029][0030]
其中，cm(γ)为时间段γ下园区的碳排放量，i
p
(γ)为时间段γ下园区的总用电量，ir(γ)为时间段γ下园区的分布式新能源的发电量，ce(γ)为时间段γ下园区的固碳总量，ib(γ)为时间段γ下园区的楼宇的总用电量，iv(γ)为时间段γ下园区的电动汽车的总用电量，io(γ)为时间段γ下园区的其他用电量，ie(γ)为时间段γ下园区的楼宇的储能放电量，co(γ)为时间段γ下园区的碳排放强度，jc(γ)为时间段γ下园区的总产值。
[0031]
本发明的数字化园区电碳数据映射系统，包括数据采集模块、数据清洗模块、多时间尺度数据融合模块，电碳因子库存储模块和场景碳排计算模块；
[0032]
数据采集模块用于采集包括电气量信息和其他信息的园区数据，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息；
[0033]
数据清洗模块用于对电气量信息和设备信息进行缺失数据清洗；
[0034]
多时间尺度数据融合模块对园区数据的电气量信息进行融合；
[0035]
电碳因子库存储模块用于存储电碳因子数据，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
[0036]
场景碳排计算模块用于计算园区场景的碳排放量和碳排放强度，计算如下：
[0037]cm
(γ)＝κ1[i
p
(γ)-ir(γ)]-κ2ce(γ)
[0038]ip
(γ)＝ib(γ)+iv(γ)+io(γ)-ie(γ)
[0039][0040]
其中，cm(γ)为时间段γ下园区的碳排放量，i
p
(γ)为时间段γ下园区的总用电量，ir(γ)为时间段γ下园区的分布式新能源的发电量，ce(γ)为时间段γ下园区的固碳总量，ib(γ)为时间段γ下园区的楼宇的总用电量，iv(γ)为时间段γ下园区的电动汽车的总用电量，io(γ)为时间段γ下园区的其他用电量，ie(γ)为时间段γ下园区的楼宇的储能放电量，co(γ)为时间段γ下园区的碳排放强度，jc(γ)为时间段γ下园区的总产值。
[0041]
本发明的进一步改进在于：数据清洗模块具体进行如下操作：
[0042]
对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；
[0043]
对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：
[0044][0045][0046]
其中，pn(x)是拟合多项式，n为某一电气量数据进行采点的数量，(xi,yi)为单个点的数据，其中xi表示该电气量第i个点代表的时间信息，yi表示该电气量第i个点的值，ln(x)为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；
[0047]
当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：
[0048][0049]
其中，r
t
为t时刻的设备信息，r
t-1
和r
t+1
分别为t-1时刻和t+1时刻的设备状态信息，rn为设备额定信息。
[0050]
本发明的进一步改进在于：所述多时间尺度数据融合模块进行如下操作：选取固定的数据步长为λ，当待融合数据的时间周期λy大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λy小于固定计算步长λ时，则通过以下算法对数据进行融合：
[0051][0052]
其中，为需要进行数据融合的t+λy时刻的数据值。
[0053]
本发明的电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述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述所述方法的步
骤。
[0054]
本发明的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述方法的步骤。
[0055]
本发明的有益效果是：本发明通过对园区数据进行数据清洗、多时间尺度数据融合以及电碳耦合转换三个步骤，提高园区数据质量，解决不同时间尺度数据带来的计算误差问题，实现真实物理园区在数字空间中的映射。最终通过数字化园区的电碳映射方法，得到精准的园区碳排放量和碳排放强度计算结果，可实现园区低碳转型及能源结构调整，为构建数字化园区电碳分析、碳达峰碳中和预测提供有效支撑。
附图说明
[0056]
图1是数字化园区电碳数据映射方法流程图；
[0057]
图2是经过数据清洗后的园区总用电量柱状图；
[0058]
图3是经过多时间尺度数据融合后的园区光伏发电量柱状图；
[0059]
图4是园区的一天的碳排放量柱状图。
具体实施方式
[0060]
为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明做出进一步详细阐述。应当注意，此处所描述的实施例仅用以解释本发明，并不用做限定本发明。
[0061]
同样应该理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域技术人员根据本发明上述内容做出的非本质的改进与调整均属于本发明的保护范围。下文中具体实施例中的参数设定仅表示一个可行示例，本领域的技术人员可根据具体的业务场景，进行针对性修改。
[0062]
如图1所示，本发明的一种数字化园区电碳数据映射方法，通过对园区数据进行有效处理，实现真实物理园区在数字空间中的映射。其中，园区数据主要为电气量信息和其他信息。电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息。其他信息包括园区信息、设备信息、经济信息和碳汇信息。
[0063]
对园区数据进行映射处理，包括数据清洗、多时间尺度数据融合以及电碳耦合转换三个步骤。
[0064]
数据清洗为对园区电气量数据的清洗和对园区其他信息数据的清洗，其中对园区电气量数据的清洗方式主要为填补电气数据的缺失值，若某一电气量数据为均匀分布，则通过均值对数据进行填充，若某一电气量数据为随机分布，则通过拉格朗日插值法对数据进行填充。其中拉格朗日插值法公式如下：
[0065][0066][0067]
其中，pn(x)是拟合多项式，n为某一电气量数据进行采点的数量，(xi,yi)为单个点的数据，其中xi表示该电气量第i个点代表的时间信息，yi表示该电气量第i个点的值。ln(x)
为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号。图2为经过数据清洗后的园区总用电量数据，其中15:00的用电量为经过清洗后填充的，数值为1083kwh。
[0068]
对园区其他信息数据的清洗方式主要针对设备信息的数据清洗，当设备信息中存在数据缺失情况，如设备运行状态信息在某一时间段有缺失，则通过连续值判断方式进行清洗，公式如下：
[0069][0070]
其中，r
t
为t时刻的设备信息，r
t-1
和r
t+1
分别为t-1时刻和t+1时刻的设备状态信息，rn为设备额定信息，如额定开启运行、额定模型信息等。
[0071]
多时间尺度数据融合步骤具体为：首先选取固定的数据步长为λ，当某一园区数据的电气量信息的时间周期λy大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ。而当某一园区数据的电气量信息的时间周期λy小于固定计算步长λ时，则通过以下算法对数据进行融合：
[0072][0073]
其中，为需要进行数据融合的t+λy时刻的数据值。图3为经过多时间尺度数据融合后的园区光伏发电数据。
[0074]
电碳耦合转换包括电碳因子库导入和场景碳排计算，电碳因子库包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2。其中电网平均电碳因子数据κ1取0.5810kg/kwh，碳汇的电碳因子数据κ2取4.6t/(km2·
年)。场景碳排计算方法包括计算园区场景的碳排放量和碳排放强度，其计算公式如下：
[0075]cm
(γ)＝κ1[i
p
(γ)-ir(γ)]-κ2ce(γ)
[0076]ip
(γ)＝ib(γ)+iv(γ)+io(γ)-ie(γ)
[0077][0078]
其中，cm(γ)为时间段γ下园区的碳排放量，i
p
(γ)为时间段γ下园区的总用电量，ir(γ)为时间段γ下园区的分布式新能源的发电量，ce(γ)为时间段γ下园区的固碳总量，ib(γ)为时间段γ下园区的楼宇的总用电量，iv(γ)为时间段γ下园区的电动汽车的总用电量，io(γ)为时间段γ下园区的其他用电量，ie(γ)为时间段γ下园区的楼宇的储能放电量，co(γ)为时间段γ下园区的碳排放强度，jc(γ)为时间段γ下园区的总产值。其中图4为园区的一天的碳排曲线。
[0079]
本领域内的技术人员应明白，本技术本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本技术本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术本发明实施例中的方案可以采用各种计算机语言实
现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0080]
本技术本发明是参照根据本技术本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0081]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0082]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0083]
尽管已描述了本技术本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术本发明范围的所有变更和修改。
[0084]
显然，本领域的技术人员可以对本技术本发明进行各种改动和变型而不脱离本技术本发明的精神和范围。这样，倘若本技术本发明的这些修改和变型属于本技术本发明权利要求及其等同技术的范围之内，则本技术本发明也意图包含这些改动和变型在内。

技术特征：
1.数字化园区电碳数据映射方法，其特征在于：包括如下步骤：步骤1，获取园区数据；步骤2，对园区数据进行清洗操作；步骤3，对园区数据的电气量信息进行多时间尺度数据融合处理；步骤4，进行电碳耦合转换操作，计算得到园区的碳排放量和碳排放强度；所述步骤1中的园区数据为电气量信息和其他信息，其中，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息。2.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：所述步骤2中的具体操作步骤为：步骤2.1，对园区数据中的电气量信息进行缺失值填补；对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：值法表达式为：其中，p
n
(x)是拟合多项式，n为某一电气量数据进行采点的数量，(x
i
,y
i
)为单个点的数据，其中x
i
表示该电气量第i个点代表的时间信息，y
i
表示该电气量第i个点的值，l
n
(x)为拉格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；步骤2.2，当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：其中，r
t
为t时刻的设备信息，r
t-1
和r
t+1
分别为t-1时刻和t+1时刻的设备状态信息，r
n
为设备额定信息。3.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：所述步骤3具体为：选取固定的数据步长为λ，当待融合数据的时间周期λ
y
大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λ
y
小于固定计算步长λ时，则通过以下算法对数据进行融合：其中，为需要进行数据融合的t+λ
y
时刻的数据值。4.根据权利要求1所述的数字化园区电碳数据映射方法，其特征在于：步骤4具体为：步骤4.1，导入电碳因子库，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；
步骤4.2，计算园区场景的碳排放量和碳排放强度，表达式为：c
m
(γ)＝κ1[i
p
(γ)-i
r
(γ)]-κ2c
e
(γ)i
p
(γ)＝i
b
(γ)+i
v
(γ)+i
o
(γ)-i
e
(γ)其中，c
m
(γ)为时间段γ下园区的碳排放量，i
p
(γ)为时间段γ下园区的总用电量，i
r
(γ)为时间段γ下园区的分布式新能源的发电量，c
e
(γ)为时间段γ下园区的固碳总量，i
b
(γ)为时间段γ下园区的楼宇的总用电量，i
v
(γ)为时间段γ下园区的电动汽车的总用电量，i
o
(γ)为时间段γ下园区的其他用电量，i
e
(γ)为时间段γ下园区的楼宇的储能放电量，c
o
(γ)为时间段γ下园区的碳排放强度，j
c
(γ)为时间段γ下园区的总产值。5.数字化园区电碳数据映射系统，其特征在于：包括数据采集模块、数据清洗模块、多时间尺度数据融合模块，电碳因子库存储模块和场景碳排计算模块；数据采集模块用于采集包括电气量信息和其他信息的园区数据，电气量信息包括分布式新能源信息、楼宇用能信息、储能信息和充电桩信息；其他信息包括园区信息、设备信息、经济信息和碳汇信息；数据清洗模块用于对电气量信息和设备信息进行缺失数据清洗；多时间尺度数据融合模块对园区数据的电气量信息进行融合；电碳因子库存储模块用于存储电碳因子数据，包括电网平均电碳因子数据κ1和碳汇的电碳因子数据κ2；场景碳排计算模块用于计算园区场景的碳排放量和碳排放强度，计算如下：c
m
(γ)＝κ1[i
p
(γ)-i
r
(γ)]-κ2c
e
(γ)i
p
(γ)＝i
b
(γ)+i
v
(γ)+i
o
(γ)-i
e
(γ)其中，c
m
(γ)为时间段γ下园区的碳排放量，i
p
(γ)为时间段γ下园区的总用电量，i
r
(γ)为时间段γ下园区的分布式新能源的发电量，c
e
(γ)为时间段γ下园区的固碳总量，i
b
(γ)为时间段γ下园区的楼宇的总用电量，i
v
(γ)为时间段γ下园区的电动汽车的总用电量，i
o
(γ)为时间段γ下园区的其他用电量，i
e
(γ)为时间段γ下园区的楼宇的储能放电量，c
o
(γ)为时间段γ下园区的碳排放强度，j
c
(γ)为时间段γ下园区的总产值。6.根据权利要求5所述的数字化园区电碳数据映射系统，其特征在于：数据清洗模块具体进行如下操作：对于均匀分布的电气量信息数据，通过均值对缺失数据进行填充；对于随机分布的电气量信息数据，通过拉格朗日插值法对数据进行填充，拉格朗日插值法表达式为：值法表达式为：其中，p
n
(x)是拟合多项式，n为某一电气量数据进行采点的数量，(x
i
,y
i
)为单个点的数据，其中x
i
表示该电气量第i个点代表的时间信息，y
i
表示该电气量第i个点的值，l
n
(x)为拉
格朗日插值多项式，j其中为需要填补的缺失值对应的时间序号；当园区数据中的设备信息中存在数据缺失情况，通过连续值判断方式进行清洗，表达式为：其中，r
t
为t时刻的设备信息，r
t-1
和r
t+1
分别为t-1时刻和t+1时刻的设备状态信息，r
n
为设备额定信息。7.根据权利要求5所述的数字化园区电碳数据映射系统，其特征在于：所述多时间尺度数据融合模块进行如下操作：选取固定的数据步长为λ，当待融合数据的时间周期λ
y
大于固定计算步长λ时，采用拉格朗日插值法对该数据进行填补，使该数据的时间步长等于λ；当待融合数据的时间周期λ
y
小于固定计算步长λ时，则通过以下算法对数据进行融合：其中，为需要进行数据融合的t+λ
y
时刻的数据值。8.电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述方法的步骤。9.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。

技术总结
本发明提供了一种数字化园区电碳数据映射方法、系统、设备及存储介质，通过对园区数据进行数据清洗、多时间尺度数据融合以及电碳耦合转换三个步骤，实现真实物理园区在数字空间中的映射。其中园区数据包括分布式新能源、楼宇用能、储能、充电桩等电气量信息和园区基本信息、经济信息和碳汇等其他信息。最终通过数字化园区的电碳映射方法，能够得到精准的园区碳排放量和碳排放强度计算结果，为构建数字化园区电碳分析、碳达峰碳中和预测提供有效支撑。撑。撑。


技术研发人员：刘江涛 延巧娜 卫茹 许洪华 程孟晗 高海洋 吴宁 朱英杰 茅嘉毅 曹晨
受保护的技术使用者：南京电力设计研究院有限公司
技术研发日：2023.04.07
技术公布日：2023/8/14