导航:X技术最新专利计算;推算;计数设备的制造及其应用技术
本专利针对绿色建材碳减量核算精度低的问题,提出通过构建碳减排量化模型并结合多目标优化算法,提升核算准确性。方法包括获取生产清单、生成碳足迹报告、建立量化模型、优化运输路径,实现对生产及运输阶段碳减量的精准计算,显著提高碳足迹计算的完整性与可靠性。
1.本发明涉及环境保护技术领域,尤其涉及一种绿色建材减碳量的核算方法、系统及电子设备。
2.绿色建材指的是采用清洁生产技术,少用天然资源的能源,大量使用工业或者城市固态废弃物生产的无毒害、无污染,并且有利于人体健康的建筑材料,因而绿色建材本身就具备一定的减碳量。
3.目前,国内外针对绿色建材减碳量计算的研究都较少,至今只有由中国建筑材料工业规划研究院、住房和城乡建设部科技与产业化发展中心、北京工业大学和北京毕加索智能科技有限公司共同组织编制的《绿色建材产品减碳计算导则(试行)》,但是,上述方法忽略了绿色建材生产过程中固废利用的碳减量,导致绿色建材碳排放核算与实际的碳排放量有较大偏差,从而降低了绿色建材碳量的核算精度。为此,本发明提出一种根据绿色建材评价标准和建材碳足迹的核算报告相结合的绿色建材生产阶段和原材料运输阶段减碳量的核算方法。
4.针对现有技术的不足,本发明提供了一种绿色建材减碳量的核算方法、系统及电子设备,解决了绿色建材碳减量核算精度低的技术问题,达到了绿色建材碳足迹核算的完整性和准确性的目的。
5.为解决上述技术问题,本发明提供了如下技术方案:一种绿色建材减碳量的核算方法,包括以下过程:
7.根据绿色建材基础数据库对所述生产清单进行分析,得到绿色建材在目标范围的各个阶段的特点,其中,所述目标范围包括生产阶段和原材料运输阶段;
8.根据所述绿色建筑在生产阶段和原材料运输阶段的特点进行碳足迹核查,生成针对所述绿色建材的碳足迹报告;
9.根据所述碳足迹报告分别构建所述绿色建材在生产阶段和原材料运输阶段的碳减排量化模型;
10.从所述碳足迹报告中提取所述绿色建材的相关数据并根据所述碳减排量化模型对所述绿色建材碳减量进行分析,核算出所述绿色建材功能单位碳减量。
11.进一步地,将所述绿色建材的生产阶段划分为原料固废利用单元、生产固废利用单元、生产废水利用单元、可再生能源利用单元和余热利用单元,则所述绿色建材在生产阶段的碳减排量化模型的表达式如下:
进一步地,根据与原材料运输阶段对应的碳减排量化模型对所述绿色建材碳减量进行分析之前,以碳排放最少且运输成本最低为最优目标采用多目标优化算法确定原材料运输阶段的最优运输路径。
表示第i种主要原材料建材的量,di表示功能单位第i种主要原材料原有平均运输距离,d
表示功能单位第i种主要原材料本地产地平均运输距离,ti表示第i种原材料的运输方式下,单位重量运输距离的碳排放因子,n表示原材料的种类。
上式中,表示绿色建材生产阶段功能单位的减碳量,表示原材料运输阶段功能单位的减碳量。
进一步地,所述绿色建材基础数据库包括绿色建材生产企业原燃料数据和能源配置、绿色建材生产工序、原材料本地化、原材料固废利用率、生产固废利用率、废水利用率、可再生能源利用率和碳排放因子。
本发明还提供了一种技术方案:一种用于实现上述绿色建材减碳量的核算方法的系统,包括:
生产清单获取模块,所述生产清单获取模块用于获取绿色建材生产企业提供的生产清单;
特点分析模块,所述特点分析模块用于根据绿色建材基础数据库对所述生产清单进行分析,得到绿色建材在目标范围的各个阶段的特点,其中,所述目标范围包括生产阶段和原材料运输阶段;
碳足迹核查模块,所述碳足迹核查模块用于根据所述绿色建筑在生产阶段和原材料运输阶段的特点进行碳足迹核查,生成针对所述绿色建材的碳足迹报告;
碳减排量化模型构建模块,所述碳减排量化模型构建模块用于根据所述碳足迹报告分别构建所述绿色建材在生产阶段和原材料运输阶段的碳减排量化模型;
碳减量核算模块,所述碳减量核算模块用于从所述碳足迹报告中提取所述绿色建材的相关数据并根据所述碳减排量化模型对所述绿色建材碳减量进行分析,核算出所述绿色建材功能单位的碳减量。
进一步地,还包括:最优运输路径确定模块,所述最优运输路径确定模块用于以碳排放最少且运输成本最低为最优目标采用多目标优化算法确定原材料运输阶段的最优运输路径。
本发明还提供了一种技术方案:一种电子设备,包括存储器、处理器以及存储在所述存储器中并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上述的绿色建材减碳量的核算方法的步骤。
借由上述技术方案,本发明提供了一种绿色建材减碳量的核算方法、系统及电子设备,至少具备以下有益效果:
1、本发明根据绿色建材基础数据库对绿色建材生产企业提供的生产清单进行碳足迹核查,生成针对绿色建材的碳足迹报告,为核算绿色建材在生产阶段和原材料运输阶段的碳减量提供了数据支持,并根据碳足迹报告构建碳减排量化模型,获取绿色建材碳减排核算的相关数据并采用碳减排量化模型可快速精准的核算出绿色建材功能单位碳减量,增强了实用性,提升了绿色建材碳足迹计算的完整性与准确性。
2、本发明通过以碳排放最少且运输成本最低为最优目标,采用多目标优化算法确定原材料运输阶段的最优运输路径,便于绿色建材生产企业根据实际情况第一时间确定原料的最优运输路径,不仅减少了成本,还进一步提升了绿色建材碳足迹计算的准确性,从而具有较高的社会价值和应用前景。
此处所说明的附图用来提供对本技术的进一步理解,构成本技术的一部分,本技术的示意性实施例及其说明用于解释本技术,并不构成对本技术的不当限定。在附图中:
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。借此对本技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,因此,本技术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。
请参照图1和图2,示出了本实施例的一种具体实施方式,本实施例通过根据绿色建材基础数据库对绿色建材生产企业的碳足迹报告进行核查并构建碳减排量化模型,能够快速精准的核算出绿色建材功能单位的碳减量,提升了绿色建材碳足迹计算的完整性与准确性。
s2、根据绿色建材基础数据库对生产清单进行分析,得到绿色建材在目标范围的
具体的,绿色建材基础数据库包括绿色建材生产企业原燃料数据和能源配置、绿色建材生产工序、原材料本地化、原材料固废利用率、生产固废利用率、废水利用率、可再生能源利用率和碳排放因子。在本实施例中绿色建材基础数据库的数据来源如表1所示:
编号数据来源1绿色建材的碳足迹声明报告2绿色建材原材料固废利用率3原材料固废的排放因子和替代材料的排放因子4绿色建材生产固废、废水的利用率5绿色建材生产固废、废水的排放因子6绿色建材原材料就地取材率7绿色建材原材料运输排放因子8绿色建材生产阶段可再生能源的种类和量9绿色建材生产阶段可再生能源的排放因子
进一步的,根据绿色建材认证评价标准可知,绿色建材原材料固废、生产固废、废水的利用率和原材料的本地化要求如表2所示:
s3、根据绿色建筑在生产阶段和原材料运输阶段的特点进行碳足迹核查,生成针对绿色建材的碳足迹报告。
s4、根据碳足迹报告分别构建绿色建材在生产阶段和原材料运输阶段的碳减排量化模型。
具体的,如图2所示,绿色建材在生产阶段的碳足迹包括原料固废利用单元、生产固废利用单元、生产废水利用单元、可再生能源利用单元和余热利用单元,则针对绿色建材在生产阶段的碳减排量化模型的表达式如下:
根据绿色建材生产阶段的碳足迹报告,对绿色建材生产阶段功能单位原材料固废利用的碳排放减碳量进行计算,计算公式如下所示:
表示绿色建材生产阶段功能单位第i种原料固废利用总用量(kg),efi表示绿色建材生产阶段功能单位第i种原料固废替代原材料排放因子(kgco2/kg),ef
为绿色建材生产阶段功能单位第i种原料固废原材料排放因子(kgco2/kg),n表示原材料的种
根据绿色建材生产阶段的碳足迹报告,对绿色建材在生产阶段功能单位生产固废利用的碳排放减碳量进行计算,计算公式如下所示:
上式中,mi表示绿色建材生产阶段功能单位第i种生产固废利用总用量(kg),efi表示绿色建材生产阶段功能单位第i种生产固废替代原材料排放因子(kgco2/kg),ηi表示绿色建材生产阶段功能单位第i种生产固废原材料可利用率。
根据绿色建材生产阶段的碳足迹报告,对绿色建材在生产阶段功能单位生产废水利用的碳排放减碳量进行计算,计算公式如下所示:
表示绿色建材生产阶段功能单位生产废水废利用的减碳量(kgco2e),m
表示绿色建材生产阶段功能单位废水用量(kg),efi表示绿色建材生产水的排放因子(kgco2/t),ηi表示绿色建材生产阶段废水利用率。
根据绿色建材生产阶段的碳足迹报告,对绿色建材在生产阶段功能单位再生能源利用的碳排放减碳量进行计算,计算公式如下所示:
为绿色建材生产阶段功能单位可再生能源量排放因子(kgco2e/kw.h或m3)。
根据绿色建材生产阶段的碳足迹报告,对绿色建材在生产阶段功能单位余热利用的碳排放减碳量进行计算,计算公式如下所示:
上式中,mr表示绿色建材生产阶段功能单位供热能源量,efr表示绿色建材生产阶段功能单位供热能源排放因子,m
表示第i种主要原材料建材的量,di表示功能单位第i种主要原材料原有平均运输距离,d
表示功能单位第i种主要原材料本地产地平均运输距离,ti表示第i种原材料的运输方式下,单位重量运输距离的碳排放因子,n表示原材料的种类。
需要说明的是,本技术所涉及的功能单位指的是单位建筑面积的绿色建材产品的碳减量。
s5、从碳足迹报告中提取绿色建材的相关数据并根据碳减排量化模型对绿色建材
上式中,表示绿色建材生产阶段功能单位的减碳量,表示原材料运输阶段功能单位的减碳量。
下面结合实际统计数据以绿色建材石膏产品为例对本技术提供的绿色建材生产阶段和原材料运输阶段的减碳量核算方法的各个步骤进行充分说明。
根据表2可知工业石膏的原材料固废、生产固废、废水的利用率和原材料本地化的要求依次分别是≥100%,≥100%,≥100%,≥95%;
然后,根据建绿色建材生产阶段和原材料运输阶段的碳减排量化模型采用表3、表4和表5中的数据对石膏产品进行减碳量计算:
虽然绿色建材石膏产品中对石膏的工业石膏利用率是100%,但是由于该行业本就是100%利用工业石膏,因此该环节减碳量为0。
企业a在2021年石膏功能单位用量为:0.7682t,固废产生率为1%,固废利用量为:0.00768t,则:
根据核查资料,企业a所用的脱硫石膏有独山火电厂和云火电厂两个来源,且运输距离依次分别为14km和42km,为此通过以碳排放最少且运输成本最低为最优目标采用多目标优化算法进行求解,得到原材料运输阶段的最优运输路径是独山火电厂,可减少运距28km,则:
=0+0.025+0+9.7715+0.0246=9.8211kgco2/m3[0113]
可以核算出绿色建材石膏产品功能单位碳减量为9.8211kgco2/m3。
通过本实施例,根据绿色建材基础数据库对绿色建材生产企业提供的生产清单进行碳足迹核查,生成针对绿色建材的碳足迹报告,为核算绿色建材在生产阶段和原材料运输阶段的碳减量提供了数据支持,并根据碳足迹报告构建碳减排量化模型,根据绿色建材评价标准采用碳减排量化模型快速精准的核算出绿色建材功能单位碳减量,提升了绿色建材碳足迹计算的完整性与准确性;另外,通过以碳排放最少且运输成本最低为最优目标采用多目标优化算法确定原材料运输阶段的最优运输路径,便于绿色建材生产企业根据实际情况第一时间确定原料的最优运输路径,不仅减少了成本,还进一步提升了绿色建材碳足迹计算的准确性,从而具有较高的社会价值和应用前景。
请参照图3,本实施例还提供一种用于实现上述绿色建材减碳量的核算方法的系统,包括:
特点分析模块20,用于根据绿色建材基础数据库对生产清单进行分析,得到绿色建材在目标范围的各个阶段的特点,其中,目标范围包括生产阶段和原材料运输阶段;
碳足迹核查模块30,用于根据绿色建筑在生产阶段和原材料运输阶段的特点进行碳足迹核查,生成针对绿色建材的碳足迹报告;
碳减排量化模型构建模块40,用于根据碳足迹报告分别构建绿色建材在生产阶段和原材料运输阶段的碳减排量化模型;
最优运输路径确定模块50,用于以碳排放最少且运输成本最低为最优目标采用多目标优化算法确定原材料运输阶段的最优运输路径;
碳减量核算模块60,用于从碳足迹报告中提取绿色建材的相关数据并根据碳减排量化模型对绿色建材碳减量进行分析,核算出绿色建材功能单位的碳减量。
请参照图4,本实施例还提供一种用于执行本技术中的绿色建材减碳量核算方法的电子设备,包括存储器100、处理器200以及存储在存储器100中并可在处理器200上运行的计算机程序;
其中,处理器200执行计算机程序时实现上述的绿色建材减碳量的核算方法的步骤。
具体的,上述存储器100和处理器200可以为通用的存储器和处理器,此处不做具
体限定,当处理器200运行存储器100存储的计算机程序时,能够执行上述的绿色建材减碳量的核算方法。
本实施例的绿色建材减碳量的核算系统用于实现前述实施例中相应的绿色建材减碳量的核算方法,并具有相应的方法实施例的有益效果,在此不再赘述。
本发明通过根据绿色建材的碳足迹报告构建碳减排量化模型,能够快速精准的核算出绿色建材功能单位的碳减量,提升了绿色建材碳足迹计算的完整性与准确性。
以上实施方式对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
针对绿色建筑设计评估中目标冲突识别模糊、权重设定主观敏感、方案稳定性差的问题,提出基于多目标优化算法的评估系统。通过皮尔逊相关系数精准识别强冲突目标,采用权重扰动与一致性分析检验解集合抗干扰性...
本技术针对大宗建材全生命周期碳排放核算不足、评价体系不统一的问题,提出通过目标测算函数分阶段计算生产、运输、运营、回收等环节的碳排放量,并结合多级评价指标体系(含二级指标评分与权重计算)构建综合评分...
针对现有建材碳排放核算缺乏详细数据和系统方法的问题,提出一种基于全生命周期分阶段建模的碳排放预测方法。通过整合生产工艺参数、运输距离等10项关键影响因素,结合BP神经网络和随机森林模型,构建可...
1.计算机网络安全 2.计算机仿线.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用