[发明专利]一种社区碳排放监测和预测系统及方法有效

专利信息
申请号: 202010152433.4 申请日: 2020-03-06
公开(公告)号: CN111445060B 公开(公告)日: 2023-01-31
发明(设计)人: 谢泽琼;袁文辉;高学农;房俊东;江宗彬;汪晓阳 申请(专利权)人: 华南理工大学珠海现代产业创新研究院;华南理工大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/26;G06N3/12;G01D21/02
代理公司: 广州圣理华知识产权代理有限公司 44302 代理人: 董觉非;王平
地址: 519175 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 社区 排放 监测 预测 系统 方法
【说明书】:

发明公开了一种社区碳排放监测和预测系统及方法,系统包括碳排放监测模块和碳排放预测模块。碳排放监测模块对社区电力、燃气、液化石油气、汽油和柴油等能源消耗活动数据、以及垃圾和废水等固废活动数据进行采集,并利用排放因子法计算得到社区的碳排放量,实现对社区碳排放进行监测功能;监测模块对人均居民消费支出、社区居民常住人口数量和当地居民消费价格指数输入参数进行采集,碳排放预测模块首先对输入参数进行无量纲化,继而将转化处理的参数输入至改进支持向量机进行训练建模,实现对社区碳排放进行预测功能。本发明能够有助于全面、准确监控社区边界范围内各碳排放源,并预测得到社区未来的碳排放,为社区制定碳减排措施提供依据。

技术领域

本发明涉及二氧化碳排放量管理领域,具体涉及一种社区碳排放监测和预测系统及方 法。

背景技术

气候变暖是全世界所面临的重大环境问题,大多数科学家认为,人类活动所释放的二 氧化碳是导致全球变暖最重要的温室气体。当前中国正处在快速工业化和城镇化进程中, 但城镇化进程脚步加快的同时,大气中二氧化碳含量不断升高,环境负担也进一步加重。

社区作为居民生活集聚区,居民生活的碳排放有着逐步增加的趋势。随着中国经济水 平的增加,居民生活能源消费、垃圾废水等废弃物产生量也会加速增长。准确核算和预测 其碳排放量是制定针对性节能减碳措施的前提。生活用能能耗的降低和资源的有效利用, 更多是通过科技手段或教育,以及人们行为方式改变的结果,而承担这一责任的单位自然 是社区。

然而,目前国内外对碳排放特征和低碳发展的研究主要集中在城市尺度,且大多利用 各部门社会经济发展数据,国外如泰国曼谷、加拿大多伦多等,国内如北京、上海、广州 等城市,在居住区小尺度进行碳排放特征及碳排放核算的研究较少。由此可知,社区存在 巨大的节能减碳潜力,但是缺少相应评估计算方法以便核算社区的碳排放量。无法掌握社 区的碳排放量,在社区开展相关的节能技术改造将难以开展。本发明将社区碳排放核算方 法系统化,能够识别社区碳排放源,保证社区碳排放活动数据的可获得性,从而量化社区 的碳排放水平,并对社区碳排放进行预测,挖掘其节能减碳潜力,促进社区往绿色低碳、可持续的方向发展。

发明内容

为了解决上述技术问题,本发明目的之一是提供一种社区碳排放监测和预测系统,实 现对社区碳排放的自动监测以及未来碳排放的预测。该系统用于解决社区碳排放核算困难 问题,能够衡量社区低碳建设水平,为制定社区节能减碳措施提供参考借鉴作用。

为实现上述发明目的,本发明采取的技术方案如下:

一种社区碳排放监测和预测系统,包括碳排放监测模块和碳排放预测模块;

所述碳排放监测模块包括数据采集模块和数据分析模块,所述数据采集模块用于对所 述社区碳排放活动数据和碳排放预测所需输入参数进行采集,所述输入参数包括人均居民 消费支出、社区居民常住人口数量和当地居民消费价格指数;

所述数据采集模块包括传感器、数据采集器、存储服务器,所述传感器与社区的碳排 放源连接,所述传感器将从所述碳排放源上测量到的所述社区碳排放活动数据传递至所述 数据采集器,所述数据采集器将社区碳排放活动数据传递至所述存储服务器进行存储形成 存储数据;

所述数据分析模块从所述存储服务器读取所述存储数据,并对所述存储服务器中的分 析信息进行综合分析,所述数据分析模块用于将所述社区碳排放活动数据转化成碳排放量, 并进行汇总生成社区碳排放总量;

所述碳排放预测模块对输入参数进行无量纲化处理,并用改进支持向量机对社区碳排 放进行预测;

所述碳排放预测模块和所述分析模块均安装在终端计算机中。

优选的,所述分析信息包括社区碳排放边界范围、社区建筑面积、碳排放单元识别信 息、社区常住人口数、社区碳排放量、户均碳排放量、人均碳排放量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学珠海现代产业创新研究院;华南理工大学,未经华南理工大学珠海现代产业创新研究院;华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010152433.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top