CN119443480A 一种基于大数据采集的建筑碳排放监测系统及方法 （西安科技大学）

一种基于大数据采集的建筑碳排放监测系本发明公开了一种基于大数据采集的建筑动态碳负荷压强指数与全域能耗差异指数协同2S2，通过递归特征消除算法对分类提取的电器首先，对稳态信号进行窗口分割；采用快速傅里叶变换，将电3将分布式发电设备的实时出力数据与校正后的负荷特征数据的时间戳进行标准化处在负荷需求数据和分布式能源输出数据上设置滑动时间窗口，通过计算xy根据互相关函数的计算结果，调整分布式发电设备输出数据与负荷基于时间对齐后的数据，建立分布式能源输出功率与电器负荷需求之间的函数关系，使用线性回归或多元回归模型计算两者之间的通过计算每个时间窗口内分布式能源的总输出功率和电器的负荷需求4基于校正后的源_荷同步数据，提取当前时刻t的电器能耗特征，形成能耗特征向量a(t)=B'E(t);求取实际能耗特征向量与重构能耗特征向量之间的差异，得到重构误差向量δ(t)：δ定义碳排放变化的非线性响应函数R(t)，用于放大碳排放5函数S(t)：其中，φ(t-τ)为核函数，选取高斯核函数：将累积碳排放压力函数经过非线性变换，定义动态碳负荷压强指数DCLPI(t)：若能碳同步调控指数大于或等于调控阈值，则表示电器的能耗与8.一种基于大数据采集的建筑碳排放监测系统，用于实现权利要求1-7任一项所述的信号采集单元：使用低频采样设备获取居民建筑中的电气6特征筛选与校正单元：通过递归特征消除算法对分类提取动态调控模块单元：基于碳排放计算结果和趋势预测数7[0004]目前的技术手段在电器负荷的精细识别、能耗与碳排放监测方面存在显著局89[0029]将分布式发电设备的实时出力数据与校正后的负荷特征数据的时间戳进行标准[0044]从历史数据中选取过去M个时间窗口的能耗特征向量，构建历史能耗特征空间矩[0047]将当前能耗特征向量投影到能耗模式基矩阵上，得到投影系数向量a(t):a(t)=B'E(t);[0049]求取实际能耗特征向量与重构能耗特征向量之间的差异，得到重构误差向量δ[0051]将差异度量函数值归一化，得到全域能耗差异指数GEDI(t):GEDI(t)=压力函数其中，φ(t-τ)为核函数，选取高斯核函量：C(t+i=a1c(r)+azc(t-1)+…+a,c(t-n+1)+e(r):其中，为预[0108]通过分析时间窗口内的信号均值和波动，将波动较小的时段标注为稳态特征区[0119]评估模型：选择支持向量机(SVM)作为特征消除过程中用于特征权重评估的分类[0126]根据权重值对特征进行排序，将权重值较低的特征排在后面。按一定比例(如[0134]递归特征消除算法通过循环训练SVM模型、计算特征权重、逐步消除权重低的特[0136]输入数据为通过递归特征消除算法筛选后的关键特征数据，包括稳态和暂态特[0137]卡尔曼滤波模型的初始化：卡尔曼滤波器的校正过程基T+Q；t＝Pt|t-1TT+R)-1；t|t-1；[0157]卡尔曼滤波器的动态校正过程通过预测-更新循环，实现对电器特征数据的动态[0162]S3.2，为确保分布式发电设备的输出数据与电器负荷特征数据在时间上精确匹能耗与碳排放状态进行全面评估。通过分析电器能耗偏差及负荷增长对瞬时碳排放的影[0178]其中，动态获取单位电能的碳排放因子依赖于电网实时i[0186]从历史数据中选取过去M个时间窗口的能耗特征向量，构建历史能耗特征空间矩[0189]将当前能耗特征向量投影到能耗模式基矩阵上，得到投影系数向量a(t):a(t)=B'E(t);[0191]求取实际能耗特征向量与重构能耗特征向量之间的差异，得到重构误差向量δ[0193]将差异度量函数值归一化，得到全域能耗差异指数GEDI(t):GEDI(t)=[0194]全域能耗差异指数用于表示建筑中当前时刻的整体能耗水平与历史基准能耗之LP"(e)=而[0204]动态碳负荷压强指数用于表示当前时刻碳排放的变化速率及其累积压力对整个(t)=量：C(t+i=a1c(r)+az,c(t-1)+…+a,c(t-n+1)+e(r):其中，为预