一种碳排放的智能识别与控制方法及系统

摘要

本申请涉及碳排放计算技术领域，提供了一种碳排放的智能识别与控制方法及系统，包括：构建区域基础信息集合；对区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；根据区域任务数据和日期特征数据执行区域历史数据的相似匹配；通过相似匹配结果配置能源服务消耗量预测；根据区域任务数据配置边际排放率，生成间接碳排放预测结果；基于区域任务数据、区域历史数据和直接排放数据集配置直接排放参数，生成直接碳排放预测结果；进行目标监测区域的碳排放管理。能够解决由于采用理想计算指标进行碳排放预测导致碳排放预测准确率较低的技术问题，可以提高碳排放预测的准确率，从而进一步提高碳排放的管理质量。(56)对比文件王易波;祁神军.福建省建筑业直接碳排放核算分析及预测研究.价值工程.2017,(19),全文.何永贵;于江浩.河北省碳排放及其影响因素变化趋势研究.环境科学与技术.2018,(01),全文.

权利要求

1.碳排放的智能识别与控制方法，其特征在于，所述方法包括：对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；

对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；

读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；

根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；

通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；

根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；

基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；

通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理；

所述方法还包括：

设置抽样频率，通过所述抽样频率对所述直接排放数据集的燃烧原材执行品质抽样，生成品质抽样结果；

通过图像采集装置执行所述燃烧原材的原材图像采集，生成原材图像集合；

对所述原材图像集合进行原材颗粒度评价，生成颗粒度评价结果；

基于所述品质抽样结果和所述颗粒度评价结果生成原材状态因子；

根据所述原材状态因子对所述直接碳排放预测结果修正计算。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：配置边界区隔阈值，通过所述边界区隔阈值对所述原材图像集合进行边界识别，生成边界识别结果；

对所述边界识别结果进行封闭边界分析，确定非封闭边界区域；

依据非封闭边界区域的轮廓走向进行封闭拟合，根据拟合结果和封闭边界分析结果生成轮廓拟合结果；

基于所述轮廓拟合结果进行粒度大小识别，获得粒度识别结果；

基于所述轮廓拟合结果进行均匀度评价，生成均匀度识别结果；

通过所述粒度识别结果和所述均匀度识别结果生成颗粒度评价结果。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述燃烧原材进行持续监测，并取样燃烧样品，记录燃烧控制参数；

执行所述燃烧样品的成分分析，并通过所述燃烧控制参数进行成分分析结果补偿，生成结果监督数据；

通过所述结果监督数据对所述原材状态因子进行补偿。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：通过所述区域任务数据、所述区域历史数据进行燃烧控制的控制参数相似匹配，获得控制参数相似匹配结果；

基于所述原材状态因子和所述控制参数相似匹配结果共同确定氧化率；

基于所述氧化率计算后对所述直接碳排放预测结果修正。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：通过所述直接碳排放预测结果和所述间接碳排放预测结果进行碳排放峰值预测，获得峰值预测结果；

调用所述目标监测区域的碳排放约束，并基于所述碳排放约束和所述峰值预测结果进行约束评价；

根据约束评价结果调整所述目标监测区域的任务调整。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述目标监测区域进行碳排放的实时监测；

基于实时监测结果执行所述直接碳排放预测结果和所述间接碳排放预测结果的预测评价，生成预测补偿；

通过所述预测补偿进行后续碳排放的预测管理。

7.碳排放的智能识别与控制系统，其特征在于，用于执行权利要求1‑6中所述的碳排放的智能识别与控制方法中任意一项方法的步骤，所述系统包括：区域基础信息集合构建模块，所述区域基础信息集合构建模块用于对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；

数据分类模块，所述数据分类模块用于对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；

区域任务数据读取模块，所述区域任务数据读取模块用于读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；

相似匹配结果生成模块，所述相似匹配结果生成模块用于根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；

能源服务消耗量预测模块，所述能源服务消耗量预测模块用于通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；

间接碳排放预测结果生成模块，所述间接碳排放预测结果生成模块用于根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；

直接碳排放预测结果生成模块，所述直接碳排放预测结果生成模块用于基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；

碳排放管理模块，所述碳排放管理模块用于通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理。

说明书

一种碳排放的智能识别与控制方法及系统

技术领域

[0001] 本申请涉及碳排放计算技术领域，具体涉及一种碳排放的智能识别与控制方法及系统。

背景技术

[0002] 碳排放量是指在一定的时间和空间范围内，由于人类活动或自然过程而向大气中排放的二氧化碳的总量，碳排放量主要包括直接排放量和间接排放量。现有的碳排放计算方式主要是根据碳排放计算公式进行碳排放计算和预测，但是在计算过程中，通常是根据有关部门发布的计算指标的标准值或平均值进行计算，并没有根据实际的碳排放情况进行计算，导致碳排放计算和预测的精度较低。

[0003] 综上所述，现有技术中存在由于采用理想计算指标进行碳排放预测导致碳排放预测准确率较低的技术问题。

发明内容

[0004] 基于此，有必要针对上述技术问题，提供一种碳排放的智能识别与控制方法及系统。

[0005] 碳排放的智能识别与控制方法，包括：对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理。

[0006] 碳排放的智能识别与控制系统，包括：

[0007] 区域基础信息集合构建模块，所述区域基础信息集合构建模块用于对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；

[0008] 数据分类模块，所述数据分类模块用于对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；

[0009] 区域任务数据读取模块，所述区域任务数据读取模块用于读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；

[0010] 相似匹配结果生成模块，所述相似匹配结果生成模块用于根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；

[0011] 能源服务消耗量预测模块，所述能源服务消耗量预测模块用于通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；

[0012] 间接碳排放预测结果生成模块，所述间接碳排放预测结果生成模块用于根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；

[0013] 直接碳排放预测结果生成模块，所述直接碳排放预测结果生成模块用于基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；

[0014] 碳排放管理模块，所述碳排放管理模块用于通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理。

[0015] 上述一种碳排放的智能识别与控制方法及系统，能够解决现有技术中由于采用理想计算指标进行碳排放预测导致碳排放预测准确率较低的技术问题，首先获取目标监测区域的区域基础信息集合，其中包括碳排放关联活动数据集；然后对所述区域基础信息集合进行数据分类，获得直接排放数据集和间接排放数据集；获取所述目标监测区域的区域任务数据和区域历史数据；根据所述区域任务数据和日期特征数据对所述区域历史数据进行相似匹配，并根据相似匹配结果配置所述间接排放数据集的能源服务消耗量预测；根据所述区域任务数据配置边际排放率，将所述能源服务消耗量预测结果和所述边际排放率进行相乘所得的积即为间接碳排放预测结果；基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，并根据配置结果计算获得直接碳排放预测结果；最后根据所述直接碳排放预测结果和所述间接碳排放预测结果对所述目标监测区域进行碳排放管理。通过上述方法可以提高碳排放预测的准确率，从而进一步提高碳排放的管理质量。

[0016] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

[0017] 图1为本申请提供了一种碳排放的智能识别与控制方法的流程示意图；

[0018] 图2为本申请提供了一种碳排放的智能识别与控制方法中对直接碳排放预测结果修正计算的流程示意图；

[0019] 图3为本申请提供了一种碳排放的智能识别与控制方法中生成颗粒度评价结果的流程示意图；

[0020] 图4为本申请提供了一种碳排放的智能识别与控制系统的结构示意图。

[0021] 附图标记说明：区域基础信息集合构建模块1、数据分类模块2、区域任务数据读取模块3、相似匹配结果生成模块4、能源服务消耗量预测模块5、间接碳排放预测结果生成模块6、直接碳排放预测结果生成模块7、碳排放管理模块8。

具体实施方式

[0022] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0023] 如图1所示，本申请提供了一种碳排放的智能识别与控制方法，包括：

[0024] 步骤S100：对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；

[0025] 具体而言，本申请提供的方法用于对目标监测区域的碳排放进行准确预测，进而根据碳排放预测结果对目标监测区域进行碳排放管理，从而提高目标监测区域碳排放管理的质量。

[0026] 首先，连接目标监测区域的碳排放管理数据库，所述目标监测区域是指待进行碳排放管控的目标区域，通过所述碳排放管理数据库进行目标监测区域的区域数据提取，获得区域基础信息集合，其中所述区域基础信息集合中包括碳排放关联活动数据集，所述碳排放关联活动数据集是指所述目标监测区域内进行碳排放的碳排放方式、碳排放量、碳排放时间等关联活动数据。所述碳排放方式包括燃烧化石燃料、燃烧生物质、工业过程中直接产生的二氧化碳排放使用电力间接产生的二氧化碳排放、使用热力间接产生的二氧化碳排放等方式，所述碳排放量是指通过碳排放方式产生的二氧化碳的总量。通过构建区域基础信息集合，为下一步进行目标监测区域的碳排放预测和管理提供了原始数据支持。

[0027] 步骤S200：对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；

[0028] 具体而言，按照碳排放类型对所述区域基础信息集合内的碳排放关联活动数据集进行数据分类，将所述碳排放关联活动数据集划分为直接排放数据集和间接排放数据集。其中直接排放是指由于燃烧化石燃料、生物质或工业过程等直接产生的二氧化碳排放，包括能源、工业、交通等直接二氧化碳排放方式；间接排放是指由于使用电力、热力、蒸汽等能源服务而间接产生的二氧化碳排放，间接排放主要来源于电力生产部门。通过获得直接排放数据集和间接排放数据集，为下一步进行直接碳排放预测和间接碳排放预测提供了数据支持。

[0029] 步骤S300：读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；

[0030] 具体而言，读取所述目标监测区域的区域任务数据，所述区域任务数据是指所述目标监测区域内多个碳排放点的实时任务，所述碳排放点是指直接或间接产生二氧化碳排放的工厂、企业、交通工具等，例如：火力发电厂、化工厂等，假设碳排放点为火力发电厂时，则碳排放点的实时任务为火力发电厂当天100万千瓦时的发电量。并调用所述目标监测区域的区域历史数据，所述区域历史数据包括指所述目标监测区域内多个碳排放点的历史任务、历史碳排放量、历史碳排放关联活动数据等，其中历史任务和历史碳排放量具有对应关系。

[0031] 步骤S400：根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；

[0032] 具体而言，获取所述区域任务数据的日期特征数据，所述日期特征数据是指区域任务执行的具体日期，例如：假设需要预测下周二全天的碳排放量，则所述日期特征数据为下周二。然后根据所述区域任务数据和所述日期特征数据在所述区域历史数据中进行相似度匹配，首先根据所述日期特征数据在所述区域历史数据中匹配相同时间段的区域历史数据，例如：假设所述日期特征数据为下周二，则在所述区域历史数据中匹配日期为周二的区域历史数据。然后根据所述区域任务数据在多个相同时间段内的区域历史数据进行相似度分析，相似度分析方法可以利用Jaccard相关系数的方法进行相似度分析，其中Jaccard相关系数越大，则表征两个样本之间的相似度越高，Jaccard相关系数分析法是本领域技术人员常用的技术手段，在此不进行展开说明，并将Jaccard相关系数最大的区域历史数据作为相似匹配结果。通过根据所述区域任务数据和所述日期特征数据对所述区域历史数据进行相似匹配，可以提高下一步能源服务消耗量预测获得的准确率。

[0033] 步骤S500：通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；

[0034] 具体而言，根据所述相似匹配结果中的历史能源服务消耗量配置所述间接排放数据集的能源服务消耗量预测，其中能源服务消耗量是指某一部门或活动在一定时间内使用的能源服务，例如电量、热量、蒸汽量等，获得能源服务消耗量预测结果，所述能源服务消耗量预测结果等于所述相似匹配结果中的历史能源服务消耗量。通过获得所述能源服务消耗量预测结果，为下一步进行间接碳排放预测结果计算提供了数据支持。

[0035] 步骤S600：根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；

[0036] 具体而言，根据所述区域任务数据获得能源服务类型，所述能源服务类型包括电量、热量、蒸汽量等，并根据能源服务类型配置边际排放率，所述边际排放率是指单位能源服务所对应的二氧化碳排放量，例如：单位电力所产生的二氧化碳排放量。其中边际排放率可以从有关部门发布的标准值或平均值获取。

[0037] 获得间接碳排放预测结果计算公式：间接碳排放预测结果＝能源服务消耗量预测结果×边际排放率；根据所述间接碳排放预测结果计算公式对所述能源服务消耗量预测结果和所述边际排放率进行计算，生成间接碳排放预测结果。通过进行相似匹配获得能源服务消耗量预测结果，并根据能源服务消耗量预测结果计算获得间接碳排放预测结果，可以提高间接碳排放预测结果获得的准确率。

[0038] 步骤S700：基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；

[0039] 具体而言，根据所述区域任务和所述直接排放数据集获得直接能源服务类型和活动数据，所述活动数据是指某一部门或活动在一定时间内消耗或产生的能源或物质的数量，例如燃料用量、原料用量、产品产量等。然后将所述区域任务数据和所述直接排放数据集与所述区域历史数据进行相似度匹配，并根据相似度匹配结果中相似度最高的区域历史数据获得排放因子和氧化率。所述排放因子是指单位活动数据所对应的二氧化碳排放量，例如单位能源消耗或单位产品产出所产生的二氧化碳排放量。所述氧化率是指燃烧过程中，燃料中的碳元素被完全转化为二氧化碳的比例，其中氧化率一般取决于燃料的类型和燃烧条件，通常可以假设为100％。

[0040] 构建直接碳排放预测结果计算公式：直接碳排放预测结果＝活动数据×排放因子×氧化率；根据所述直接碳排放预测结果计算公式对所述活动数据、所述排放因子、所述氧化率进行计算，获得直接碳排放预测结果。

[0041] 如图2所示，在一个实施例中，本申请步骤S700还包括：

[0042] 步骤S710：设置抽样频率，通过所述抽样频率对所述直接排放数据集的燃烧原材执行品质抽样，生成品质抽样结果；

[0043] 步骤S720：通过图像采集装置执行所述燃烧原材的原材图像采集，生成原材图像集合；

[0044] 具体而言，设置抽样频率，所述抽样频率本领域技术人员可基于实际情况设置，其中抽样频率越高，则抽样结果准确率越高，所消耗的抽样时间越长；抽样频率越低，则抽样结果准确率越低，所消耗的抽样时间越短，例如：设置抽样频率为每小时抽样一次。根据所述抽样频率对所述直接排放数据集中的燃烧原材进行品质分析，所述品质分析是指对所述燃烧原材的燃烧质量进行检验，其中所述燃烧原材能充分燃烧的占比越大，则品质越好，例如：当燃烧原材为煤炭时，其中含碳量越高，则品质越好，获得品质抽样结果，所述品质抽样结果用燃烧原材的品质等级表示，其中燃烧原材的品质越好，则品质等级越高。

[0045] 然后通过图像采集装置对所述燃烧原材进行原材图像采集，所述图像采集装置是指具备高清图像采集功能的设备，例如：工业摄像机，获得原材图像集合。

[0046] 步骤S730：对所述原材图像集合进行原材颗粒度评价，生成颗粒度评价结果；

[0047] 如图3所示，在一个实施例中，本申请步骤S730还包括：

[0048] 步骤S731：配置边界区隔阈值，通过所述边界区隔阈值对所述原材图像集合进行边界识别，生成边界识别结果；

[0049] 步骤S732：对所述边界识别结果进行封闭边界分析，确定非封闭边界区域；

[0050] 步骤S733：依据非封闭边界区域的轮廓走向进行封闭拟合，根据拟合结果和封闭边界分析结果生成轮廓拟合结果；

[0051] 步骤S734：基于所述轮廓拟合结果进行粒度大小识别，获得粒度识别结果；

[0052] 步骤S735：基于所述轮廓拟合结果进行均匀度评价，生成均匀度识别结果；

[0053] 步骤S736：通过所述粒度识别结果和所述均匀度识别结果生成颗粒度评价结果。

[0054] 具体而言，对所述原材图像集合设置边界区隔阈值，所述边界区隔阈值是指原材图像的规格均值，例如：当原材图像为煤炭图像，则边界区隔阈值是指煤炭块的半径的均值，假设煤炭块的均值半径为3厘米，则边界区隔阈值为半径为3厘米的圆。然后根据所述边界区隔阈值对所述原材图像集合进行边界识别，即获得所述原材图像集合中符合所述边界区隔阈值的原材边界，获得边界识别结果。然后对所述边界识别结果进行封闭边界分析，所述封闭边界是指判断所述边界识别结果中的边界是否是封闭的，其中所述边界识别结果在没有遮挡的情况下是封闭的，存在被其他原材遮挡的情况下是非封闭的，确定非封闭边界区域和封闭边界区域。

[0055] 根据所述非封闭边界区域的轮廓走向进行封闭拟合，所述封闭拟合是指根据非封闭边界区域的现有边界结合燃烧原材的形状特征进行剩余边界的绘制，获得非封闭边界区域的拟合结果。然后根据拟合结果和封闭边界分析结果生成轮廓拟合结果，所述轮廓拟合结果是指所述原材图像集合中原材图像的边界轮廓。通过对原材图像进行非封闭区域的封闭拟合，可以提高轮廓拟合结果获得的准确率，从而可以提高粒度识别结果获得的准确率。

[0056] 根据所述轮廓拟合结果对所述燃烧原材进行粒度大小识别，获得粒度识别结果，其中所述燃烧原材的粒度越小，则燃烧原材可充分燃烧的可靠性越大，则粒度识别结果的值越大；根据所述轮廓拟合结果进行均匀度评价，其中可以通过计算所述轮廓拟合结果的方差进行均匀度评价，所述轮廓拟合结果的方差值越小，则所述轮廓拟合结果的均匀度越高，则燃烧原材可充分燃烧的可靠性越大，则均匀度识别结果的值越大；将所述粒度识别结果的值和所述均匀度识别结果的值进行相加求和，并将所得的和作为颗粒度评价结果。其中颗粒度评价结果的值越大，则表征燃烧原材的燃烧效果越好。

[0057] 步骤S740：基于所述品质抽样结果和所述颗粒度评价结果生成原材状态因子；

[0058] 在一个实施例中，本申请步骤S740还包括：

[0059] 步骤S741：对所述燃烧原材进行持续监测，并取样燃烧样品，记录燃烧控制参数；

[0060] 步骤S742：执行所述燃烧样品的成分分析，并通过所述燃烧控制参数进行成分分析结果补偿，生成结果监督数据；

[0061] 步骤S743：通过所述结果监督数据对所述原材状态因子进行补偿。

[0062] 具体而言，将所述品质抽样结果的品质等级和所述颗粒度评价结果的颗粒度评价值进行加权计算，所述品质抽样结果和所述颗粒度评价结果的权重占比可通过变异系数法进行计算得出，其中对燃烧原材进行充分燃烧的影响程度越大，则权重占比越大，变异系数法是现有技术中常用的权重计算方法，在此不进行展开说明，并将加权计算结果作为原材状态因子。

[0063] 对所述燃烧原材进行燃烧，并对燃烧结果进行持续监测，所述燃烧结果是指燃烧完成后的剩余物质，通过对燃烧结果进行分析后可判断燃烧原材燃烧的燃烧率。并对所述燃烧原材进行采样，获取燃烧样品并记录燃烧样品燃烧时的燃烧控制参数，所述燃烧控制参数包括燃烧温度、氧气含量等参数。然后对所述燃烧样品进行成分分析，所述成分分析是指对所述燃烧样品中可燃物的剩余比例进行分析，其中剩余比例越小，则表征所述燃烧样品的充分燃烧效果越好，获得燃烧样品的成分分析结果，并根据燃烧控制参数对所述成分分析结果进行补偿，当燃烧控制参数较差时，比如：燃烧温度较低或燃烧时氧气含量较低时，可适当减少成分分析结果中可燃物的剩余比例，获得结果监督数据。最后根据所述结果监督数据对所述原材状态因子进行校正，比如：当原材控制因子较大时，但是结果监督数据中剩余可燃物的比例却比较高，则说明原材控制因子的结果不准确，需要降低原材控制因子的值。通过获得结果监督数据对原材状态因子进行补偿，可以提高原材状态因子获得的准确率，从而提高直接碳排放预测结果获得的准确率。

[0064] 步骤S750：根据所述原材状态因子对所述直接碳排放预测结果修正计算。

[0065] 在一个实施例中，本申请步骤S750还包括：

[0066] 步骤S751：通过所述区域任务数据、所述区域历史数据进行燃烧控制的控制参数相似匹配，获得控制参数相似匹配结果；

[0067] 步骤S752：基于所述原材状态因子和所述控制参数相似匹配结果共同确定氧化率；

[0068] 步骤S753：基于所述氧化率计算后对所述直接碳排放预测结果修正。

[0069] 具体而言，根据所述区域任务数据对所述区域历史数据进行相似匹配，并将相似度匹配结果中相似系数最高的区域历史数据的燃烧控制参数进行提取，作为控制参数相似匹配结果。然后根据所述原材状态因子和所述控制参数相似匹配结果确定实际氧化率，其中所述原材状态因子的值越大，所述控制参数相似匹配结果的参数质量越高，比如：燃烧温度高、氧气含量高时，则氧化率越高；所述原材状态因子的值越小，所述控制参数相似匹配结果的参数质量越低，比如：燃烧温度低、氧气含量低时，则氧化率越低，所述氧化率的计算方式可基于实际情况设置，获得实际氧化率。然后将实际氧化率替换所述直接碳排放预测结果计算公式中的氧化率值为100％的氧化率。即直接碳排放预测结果计算公式修改为：直接碳排放预测结果＝活动数据×排放因子×实际氧化率；然后根据修改后的直接碳排放预测结果计算公式进行直接碳排放预测结果计算，获得直接碳排放预测结果。

[0070] 通过根据实际计算得出的氧化率对直接碳排放预测结果进行修正，可以提高直接碳排放预测结果获得的准确率，从而进一步提高目标监测区域碳排放预测结果获得的准确率。

[0071] 步骤S800：通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理。

[0072] 在一个实施例中，本申请步骤S800还包括：

[0073] 步骤S810：通过所述直接碳排放预测结果和所述间接碳排放预测结果进行碳排放峰值预测，获得峰值预测结果；

[0074] 步骤S820：调用所述目标监测区域的碳排放约束，并基于所述碳排放约束和所述峰值预测结果进行约束评价；

[0075] 步骤S830：根据约束评价结果调整所述目标监测区域的任务调整。

[0076] 具体而言，将所述直接碳排放预测结果和所述间接碳排放预测结果按照碳排放预测时间段进行相加，所述碳排放预测时间段某一天的具体时间段，可根据实际情况设置，比如：下周二的14时～16时，获得碳排放预测时间段内的峰值预测结果，所述峰值预测结果是指碳排放预测时间段内直接碳排放预测结果与间接碳排放预测结果的和。

[0077] 调用所述目标监测区域的碳排放预测时间段内的碳排放约束，所述碳排放约束是指碳排放预测时间段内的可允许的最大碳排放量。根据所述碳排放约束对所述峰值预测结果进行判断，当所述峰值预测结果大于等于所述碳排放约束时，获得所述峰值预测结果减去所述碳排放约束的差值，并将所述差值作为碳排放预测偏差值，并根据所述预测偏差值对所述目标监测区域的区域任务进行调整，例如：当所述峰值预测结果大于等于所述碳排放约束时，碳排放预测偏差值为5吨二氧化碳，假设经过计算得出5吨二氧化碳大约为5000千瓦时，则对区域任务中的火力发电厂的发电量减少5000千瓦时。通过对所述目标监测区域进行任务调整，可以提高目标监测区域的碳排放管理质量。

[0078] 在一个实施例中，本申请步骤S800还包括：

[0079] 步骤S840：对所述目标监测区域进行碳排放的实时监测；

[0080] 步骤S850：基于实时监测结果执行所述直接碳排放预测结果和所述间接碳排放预测结果的预测评价，生成预测补偿；

[0081] 步骤S860：通过所述预测补偿进行后续碳排放的预测管理。

[0082] 具体而言，对所述目标监测区域进行碳排放的实时监测，获得实时监测结果即实时监测碳排放量，所述实时监测结果包括直接碳排放量和间接碳排放量。将所述直接碳排放量减去直接碳排放预测结果获得直接碳排放预测偏差，并将直接碳排放预测偏差与直接碳排放预测结果的比值作为直接碳排放预测偏差率；将所述间接碳排放量减去间接碳排放预测结果获得间接碳排放预测偏差，并将间接碳排放预测偏差与间接碳排放预测结果的比值作为间接碳排放预测偏差率；将所述直接碳排放预测偏差率和所述间接碳排放预测偏差率作为预测补偿。最后根据所述预测补偿进行后续碳排放的预测管理，即在后续的碳排放预测中，将碳排放预测结果减去预测补偿中的偏差值，获得后续碳排放预测结果。通过根据实时监测碳排放量与碳排放预测结果进行比对，获得预测补偿，可以提高后续碳排放预测结果获得的准确率。通过上述方法解决了现有技术中由于采用理想计算指标进行碳排放预测导致碳排放预测准确率较低的技术问题，可以提高碳排放预测的准确率，从而进一步提高碳排放的管理质量。

[0083] 在一个实施例中，如图4所示提供了一种碳排放的智能识别与控制系统，包括：区域基础信息集合构建模块1、数据分类模块2、区域任务数据读取模块3、相似匹配结果生成模块4、能源服务消耗量预测模块5、间接碳排放预测结果生成模块6、直接碳排放预测结果生成模块7、碳排放管理模块8、其中：

[0084] 区域基础信息集合构建模块1，所述区域基础信息集合构建模块1用于对目标监测区域执行区域数据交互，构建区域基础信息集合，其中，所述区域基础信息集合包括碳排放关联活动数据集；

[0085] 数据分类模块2，所述数据分类模块2用于对所述区域基础信息集合执行数据分类，生成直接排放数据集和间接排放数据集；

[0086] 区域任务数据读取模块3，所述区域任务数据读取模块3用于读取所述目标监测区域的区域任务数据，并调用所述目标监测区域的区域历史数据；

[0087] 相似匹配结果生成模块4，所述相似匹配结果生成模块4用于根据所述区域任务数据和日期特征数据执行所述区域历史数据的相似匹配，生成相似匹配结果；

[0088] 能源服务消耗量预测模块5，所述能源服务消耗量预测模块5用于通过所述相似匹配结果配置所述间接排放数据集的能源服务消耗量预测，获得能源服务消耗量预测结果；

[0089] 间接碳排放预测结果生成模块6，所述间接碳排放预测结果生成模块6用于根据所述区域任务数据配置边际排放率，根据所述能源服务消耗量预测结果和所述边际排放率生成间接碳排放预测结果；

[0090] 直接碳排放预测结果生成模块7，所述直接碳排放预测结果生成模块7用于基于所述区域任务数据、所述区域历史数据和所述直接排放数据集配置直接排放参数，根据配置结果生成直接碳排放预测结果；

[0091] 碳排放管理模块8，所述碳排放管理模块8用于通过所述直接碳排放预测结果和所述间接碳排放预测结果进行所述目标监测区域的碳排放管理。

[0092] 在一个实施例中，所述系统还包括：

[0093] 品质抽样模块，所述品质抽样结果模块用于设置抽样频率，通过所述抽样频率对所述直接排放数据集的燃烧原材执行品质抽样，生成品质抽样结果；

[0094] 原材图像采集模块，所述原材图像采集模块用于通过图像采集装置执行所述燃烧原材的原材图像采集，生成原材图像集合；

[0095] 原材颗粒度评价模块，所述原材颗粒度评价模块用于对所述原材图像集合进行原材颗粒度评价，生成颗粒度评价结果；

[0096] 原材状态因子生成模块，所述原材状态因子生成模块用于基于所述品质抽样结果和所述颗粒度评价结果生成原材状态因子；

[0097] 修正计算模块，所述修正计算模块用于根据所述原材状态因子对所述直接碳排放预测结果修正计算。

[0098] 在一个实施例中，所述系统还包括：

[0099] 边界识别模块，所述边界识别模块用于配置边界区隔阈值，通过所述边界区隔阈值对所述原材图像集合进行边界识别，生成边界识别结果；

[0100] 封闭边界分析模块，所述封闭边界分析模块用于对所述边界识别结果进行封闭边界分析，确定非封闭边界区域；

[0101] 轮廓拟合结果生成模块，所述轮廓拟合结果生成模块用于依据非封闭边界区域的轮廓走向进行封闭拟合，根据拟合结果和封闭边界分析结果生成轮廓拟合结果；

[0102] 粒度大小识别模块，所述粒度大小识别模块用于基于所述轮廓拟合结果进行粒度大小识别，获得粒度识别结果；

[0103] 均匀度评价模块，所述均匀度评价模块用于基于所述轮廓拟合结果进行均匀度评价，生成均匀度识别结果；

[0104] 颗粒度评价结果生成模块，所述颗粒度评价结果生成模块用于通过所述粒度识别结果和所述均匀度识别结果生成颗粒度评价结果。

[0105] 在一个实施例中，所述系统还包括：

[0106] 燃烧控制参数记录模块，所述燃烧控制参数记录模块用于对所述燃烧原材进行持续监测，并取样燃烧样品，记录燃烧控制参数；

[0107] 结果监督数据生成模块，所述结果监督数据生成模块用于执行所述燃烧样品的成分分析，并通过所述燃烧控制参数进行成分分析结果补偿，生成结果监督数据；

[0108] 原材状态因子补偿模块，所述原材状态因子补偿模块用于通过所述结果监督数据对所述原材状态因子进行补偿。

[0109] 在一个实施例中，所述系统还包括：

[0110] 控制参数相似匹配模块，所述控制参数相似匹配模块用于通过所述区域任务数据、所述区域历史数据进行燃烧控制的控制参数相似匹配，获得控制参数相似匹配结果；

[0111] 氧化率确定模块，所述氧化率确定模块用于基于所述原材状态因子和所述控制参数相似匹配结果共同确定氧化率；

[0112] 直接碳排放预测结果修正模块，所述直接碳排放预测结果修正模块用于基于所述氧化率计算后对所述直接碳排放预测结果修正。

[0113] 在一个实施例中，所述系统还包括：

[0114] 碳排放峰值预测模块，所述碳排放峰值预测模块用于通过所述直接碳排放预测结果和所述间接碳排放预测结果进行碳排放峰值预测，获得峰值预测结果；

[0115] 约束评价模块，所述约束评价模块用于调用所述目标监测区域的碳排放约束，并基于所述碳排放约束和所述峰值预测结果进行约束评价；

[0116] 任务调整模块，所述任务调整模块用于根据约束评价结果调整所述目标监测区域的任务调整。

[0117] 在一个实施例中，所述系统还包括：

[0118] 实时监测模块，所述实时监测模块用于对所述目标监测区域进行碳排放的实时监测；

[0119] 预测评价模块，所述预测评价模块用于基于实时监测结果执行所述直接碳排放预测结果和所述间接碳排放预测结果的预测评价，生成预测补偿；

[0120] 预测管理模块，所述预测管理模块用于通过所述预测补偿进行后续碳排放的预测管理。

[0121] 综上所述，本申请提供了一种碳排放的智能识别与控制方法及系统具有以下技术效果：

[0122] 1.解决了现有技术中由于采用理想计算指标进行碳排放预测导致碳排放预测准确率较低的技术问题，可以提高碳排放预测的准确率，从而进一步提高碳排放的管理质量。

[0123] 2.通过进行相似匹配获得能源服务消耗量预测结果，并计算获得间接碳排放预测结果，可以提高间接碳排放预测结果获得的准确率，通过根据实际计算得出的氧化率对直接碳排放预测结果进行修正，可以提高直接碳排放预测结果获得的准确率，从而进一步提高目标监测区域碳排放预测结果获得的准确率。

[0124] 3.通过根据实时监测碳排放量与碳排放预测结果进行比对，获得预测补偿，可以提高后续碳排放预测结果获得的准确率，从而提高目标监测区域后续碳排放管理的质量。

[0125] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0126] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。