[发明专利]区域内碳排放的监测预警系统

说明书

本发明提供了区域内碳排放的监测预警系统，包括：数据采集模块、数据处理模块、趋势预测模块与预防报警模块；所述数据采集模块用于实时采集确定碳排放量的原始数据；所述数据处理模块用于对实时采集的所述原始数据进行处理与碳排放计算；所述趋势预测模块用于根据处理后的所述原始数据与碳排放计算结果进行碳排放未来趋势预测；所述预防报警模块用于根据碳排放趋势预测结果进行预防报警。本发明不仅通过实时采集的各类原始数据进行碳排放量的计算，还通过实时采集的各类原始数据进行每一类数据的未来趋势发展变化，在超出预定的碳排放发展规划后，及时进行预警，实现对区域内碳排放的实时监测以及超前预警。

技术领域

本发明属于智能监测预警技术领域，尤其涉及区域内碳排放的监测预警系统。

背景技术

随着全球气候变暖，二氧化碳等温室气体排放已经引起人们的广泛关注；能源消耗和碳排放问题已经成为企业发展的重要制约因素，减少碳排放是“碳中和”的核心要义以及目标实现的重点发力方向，实现对碳排放的准确计量和全面监测则是减少碳排放的首要任务。能源供给侧虽然是碳排放产生的重点领域，但其生产服务于消费，能源消费侧直接或间接的从能源供给侧的高耗能和高排放中获得经济与环境收益。基于此，为了平衡碳排放的供给侧责任和消费侧责任，避免因碳排放责任转移导致的不公平问题，应该加强能源消费侧碳排放准确计量和全面监测，为“双碳”目标提供可信数据支撑。

然而，能源统计数据的发布往往具有较长的时间滞后性(一年或以上)。例如《中国能源统计年鉴》一般在次年年中发布前一年的能源统计数据，因此碳排放数据的核算起码有一年半的时间滞后。另外，能源活动数据一般仅在年尺度上进行统计，仅有少数国家会发布月度能源统计数据。因此，碳排放数据集一般仅在年尺度上对国家碳排放量进行核算以及进行监测预警。

当前的碳排放数据集已无法满足对碳排放监测的更高要求。在全球各国纷纷采取气候行动、陆续宣布“碳中和”计划的背景下，碳排放数据有一到两年的时间滞后性，意味着无法对碳排放水平开展实时地、高频率地监测，无法认识最新的碳排放变化情况，无法及时评估各类气候政策的作用效果；其次，年度排放数据无法反映更高频的(天级别或小时级别的)碳排放信息，难以对碳排放变化规律开展更细时间粒度的研究，因此也就无法实时的对碳排放量的发展趋势进行预测。

LSTM(Long Short-Term Memory，长短期记忆网络)是一种时间循环神经网络，是为了解决RNN存在的梯度消失和梯度爆炸问题而专门设计出来的。与RNN相比，LSTM具有独特的设计结构，其在隐藏层增加了输入门、输出门和遗忘门，并且使用记忆态单元来存储和处理长时间序列信息，非常适合于处理和预测时间序列中间隔和延迟非常长的重要事件。

因此，亟需一种基于LSTM构建的区域内碳排放的监测预警系统，来解决上述问题。

发明内容

为解决上述技术问题，本发明提出了区域内碳排放的监测预警系统，实时监测区域内确定碳排放量的相关数据，以此来实时计算碳排放量，并对各项数据的发展趋势以及碳排放量的发展趋势进行智能化和实时的未来趋势预测，真正实现了对碳排放发展趋势的实时计算与智能预测预警。

为实现上述目的，本发明提供了区域内碳排放的监测预警系统，包括：数据采集模块、数据处理模块、趋势预测模块与预防报警模块；

所述数据采集模块用于实时采集确定碳排放量的原始数据；

所述数据处理模块用于对实时采集的所述原始数据进行处理与碳排放计算；

所述趋势预测模块用于根据处理后的所述原始数据与碳排放计算结果进行碳排放未来趋势预测；

所述预防报警模块用于根据碳排放趋势预测结果进行预防报警。

可选地，确定碳排放量的原始数据包括：用水量、用电量、燃气用量与汽油用量。

可选地，所述数据处理模块包括：清洗单元与核算单元；