一种工业能碳协同管理平台及碳足迹动态追踪方法与流程

本发明涉及工业领域，特别是涉及一种工业能碳协同管理平台及碳足迹动态追踪方法。

背景技术：

1、随着全球工业数字化与绿色低碳转型进程的加速演进，工业领域的能源管理与碳排管理正面临前所未有的技术挑战与战略机遇。近年来，物联网、大数据及人工智能技术的迅猛发展虽为工业系统注入了新的数据采集与分析能力，但并未从根本上解决能碳管理领域长期存在的系统性痛点。当前工业现场普遍采用的传统管理模式中，能源管理系统与碳排放管理系统往往相互独立运行，形成显著的“数据孤岛”与“管理割裂”现象。能流数据与碳流数据在采集、处理与分析层面缺乏有效贯通与协同机制，导致管理效能低下且决策维度单一。在数据基础层面，工业现场数据采集依赖于高度异构的多源系统，包括底层物联网传感器、分布式控制系统、制造执行系统和企业资源计划系统等，这些系统在数据格式、通信协议、采集频率与时序同步方面存在显著差异，使得多源数据的融合处理异常困难，原始数据中普遍包含大量噪声、异常值与缺失值，数据质量痼疾严重制约了后续高级分析算法的精准性与可靠性。

2、在碳排放核算领域，现行主流方法仍严重依赖于年度或月度尺度的静态排放因子法，该方法存在固有的理论缺陷与应用局限。其核算结果严重滞后于实际生产过程，无法反映设备启停、工况动态切换、可再生能源间歇性掺入等关键因素对碳强度的瞬时影响，造成“宏观数据看似准确，微观追溯严重失真”的行业窘境。这种粗颗粒度的核算方式使企业无法准确掌握产品层级、工序层级乃至设备层级的真实碳足迹，难以支撑生产过程中的实时优化与精细化管理。此外，现有的能源管理优化与碳管理优化在根本目标上存在内在冲突：传统能源管理系统以能效提升和经济成本最小化为核心目标，而碳管理则侧重于碳排放总量的绝对削减，两者缺乏统一的数学优化框架与协同决策机制。这种目标割裂常常导致单一维度的优化策略在另一维度上表现不佳，甚至产生相互掣肘的负面效应。这种能碳目标的非协同性使得企业难以制定科学、经济、环保的多目标协同调度策略，极大限制了低碳转型的实际效果与经济效益。

3、在碳足迹追溯层面，现有技术多局限于生命周期评价的事后静态核算方法，其核算周期漫长、数据颗粒度粗糙、且高度依赖于历史平均数据与假设条件，无法实现生产过程中碳足迹的实时动态可视化与精准归因。企业因而无法有效回答“当前生产的每一个产品的碳足迹是多少”、“哪个具体工艺环节是碳排热点”、“如何动态调整生产以降低即时碳排”等关键问题，这不仅阻碍了企业内部的工艺优化与节能降碳，更使其难以应对日益严格的绿色贸易壁垒，也无法满足下游客户对产品全生命周期绿色足迹的透明化要求。面对上述系统性技术瓶颈，市场亟需一套能够彻底打破系统壁垒、实现数据深度融合、并支撑能碳协同优化与精细化碳管理的全方位解决方案。然而，现有的技术平台大多是对传统能源管理系统或碳核算工具的简单叠加与局部修补，未能从底层数据治理、中层算法模型到上层应用呈现进行颠覆性创新与深度融合。因此，开发一种能够集成实时数据采集、高质量数据智能处理、能碳多目标协同优化决策与产品级碳足迹动态追踪功能的工业能碳协同管理平台，不仅具有重要的理论创新价值，更具备紧迫的现实意义和广阔的商业化前景。本发明正是在这样的行业背景与技术痛点下应运而生，旨在攻克上述长期存在的技术难题，为企业提供一套数据驱动、实时智能、协同优化的能碳管理新范式，从根本上助力工业绿色低碳转型与高质量发展。

技术实现思路

1、本发明的目的在于提供一种工业能碳协同管理平台及碳足迹动态追踪方法，旨在解决上述背景中提到的问题。

2、为了实现上述目的，本发明提出一种工业能碳协同管理平台及碳足迹动态追踪方法，包括数据采集模块、数据加密存储模块、数据处理模块、动态跟踪模块、可视化模块、数据系统接口模块、平台管理配置模块；数据采集模块通过生产现场中的数据采集设备，采集设备生产作业数据；数据加密存储模块将采集的数据加密存储至服务器中；数据处理模块包含数据清洗算法，对采集的数据进行异常值清洗；动态跟踪模块提出动态分析算法，对生产过程中的碳足迹进行动态跟踪；可视化模块通过显示硬件，将产品碳足迹进行可视化展示；数据系统接口模块将工业能碳协同管理平台和外部平台进行接口对接；平台管理配置模块将不同用户分配不同权限，进行用户分级管理。

3、进一步的，数据采集模块，通过部署在工业生产现场的智能传感器、物联网关、系统接口，全面实时地采集设备能耗、生产状态、能源供应数据。

4、进一步的，数据加密存储模块，利用加密算法，将采集的数据加密存储至分布式服务器。

5、进一步的，数据清洗算法，将采集的数据组成特征向量节点，基于生产设备之间的关联性和特征向量节点的采样时间，构建时间衰减函数，计算特征向量节点之间的关联度，通过特征向量节点之间的关联度得到注意力系数，最后计算特征向量节点的异常特征量，定义异常特征量阈值，进行异常特征向量节点的清除，完成采样数据的清洗。

6、进一步的，异常特征向量节点的清除，完成采样数据的清洗，详细过程如下：

7、对于采集的能耗相关数据，针对设备中的能耗硬件，利用传感器采集硬件能耗相关数据组成一个特征向量节点，表示为：

8、

9、其中，表示第个设备的特征向量节点，分别表示第个设备的特征向量节点的第1个数据、第个设备的特征向量节点的第2个数据、第个设备的特征向量节点的第个数据、第个设备的特征向量节点的第个数据，基于设备之间的联系，特征向量节点之间具有联系，特征向量节点根据采样的时间，相关关系会随着波动，基于设备工艺和采样时间，首先，构建时间衰减函数，表示如下：

10、

11、其中，表示第个设备的特征向量节点采样时刻，表示第个设备的特征向量节点采样时刻，表示时间衰减函数，表示衰减系数，然后，定义特征向量节点之间的关联度，计算公式如下：

12、

13、其中，表示第个设备的特征向量节点与第个设备的特征向量节点之间的关联度，表示第个设备的特征向量节点，表示激活函数，表示映射向量，表示第个设备的特征向量节点的权重矩阵，表示第个设备的特征向量节点的权重矩阵，表示向量拼接符号，向量直接进行纵向排列，特征向量节点之间的关联度越大，表示设备特征向量节点之间的关联性越强，基于设备各特征向量节点之间的关联性，分析异常的设备特征向量节点，先将设备特征向量节点之间的关联度进行处理放大设备特征向量节点之间关联度的差距并且计算注意力系数，表示如下：

14、

15、其中，表示第个设备的特征向量节点基于第个设备的特征向量节点的注意力系数，表示第个设备的特征向量节点与第个设备的特征向量节点之间的关联度，然后，基于注意力系数，计算异常设备特征向量节点，表示如下：

16、

17、其中，表示第个设备的特征向量节点的异常特征量，表示2范数，设定特征向量节点异常特征量阈值，小于异常特征量阈值的特征向量节点作为异常特征向量节点进行清除。本发明提出的数据清洗算法，首先将采集的数据组成特征向量节点，考虑生产设备之间的关联性和特征向量节点的采样时间，构建时间衰减函数，计算特征向量节点之间的关联度，再通过特征向量节点之间的关联度计算注意力系数，基于注意力系数，最后计算特征向量节点的异常特征量，定义异常特征量阈值，进行异常特征向量节点的清除，本发明提出的数据清洗算法，相对于传统的数据清洗算法，考虑到生产过程中设备之间的关联性和时间维度，基于数据之间相关性计算数据点的异常程度，提高了复杂工况下数据清洗的质量。

18、进一步的，动态分析算法，考虑设备生产过程中的电网供电与自有供电的占比动态波动，增加碳足迹跟踪路径，构建动态碳足迹因子，计算产品工序所需能耗，基于工序能耗和原材料能耗，计算分析产品生产全过程碳足迹。

19、进一步的，计算分析产品生产全过程碳足迹，详细过程如下：

20、设备的能源消耗考虑本地区电网供电、自有光伏发电、自有风力发电、自有水利发电，考虑设备生产过程中的电网供电与自有供电的占比动态波动，增加碳足迹跟踪路径，定义动态碳足迹因子，计算公式如下：

21、

22、其中，表示时间动态碳足迹因子，表示时间电网供电量，表示时间自有光伏发电量，表示时间自有风力发电量，表示时间自有水利发电量，表示时间电网供电碳足迹因子，表示时间光伏发电碳足迹因子，表示时间风力发电碳足迹因子，表示时间水利发电碳足迹因子，综合自有光伏发电、自有风力发电、自有水利发电供电形式，得到清洁能源稀释后的动态碳足迹因子，接着，对于设备负责工序生产的产品，计算工序所需能耗，

23、

24、其中，表示第种产品在第种设备中能耗量，表示第种产品在第种设备中的实际作业时间，表示第种产品在第种设备中的实际作业时间，表示第种设备总能耗量，最后，计算产品生产过程中的碳足迹，计算公式如下：

25、

26、其中，表示第种产品的碳足迹，表示生产所需原材料的能耗量，表示原材料碳足迹因子，基于产品整个生产环节，将所有环节的碳排放和原材料碳排放进行汇总，得到产品全周期的碳足迹。本发明提出的动态分析算法，基于设备生产过程中的电网供电与自有供电的占比动态波动，增加碳足迹跟踪路径，构建动态碳足迹因子，计算产品工序所需能耗，基于工序能耗和原材料能耗，计算分析产品生产全过程碳足迹，本发明提出的动态分析算法，通过分析能耗的动态组成，实现碳足迹的动态跟踪，提高实际准确度，展示了碳足迹随着时间和生产的动态累积。

27、进一步的，可视化模块，将分析结果转化为可直观理解的图形化信息，利用可视化设备，展示实时能耗、碳足迹、能碳成本分析数据、产品碳足迹追溯查询。

28、进一步的，数据系统接口模块，遵循互联网标准协议，与互联网平台进行接口连接，实现数据对接，完成数据上报，获取市场信息。

29、进一步的，平台管理配置模块，提供用户权限管理体系，对不同用户分配不同权限，进行工业能碳协同管理平台的参数配置和监控工业能碳协同管理平台的安全运行。

30、有益效果

31、1. 本发明提出的数据清洗算法提出了一种数据清洗算法，该算法首先将采集到的多源工业数据构建为特征向量节点，每个节点不仅包含数据本身的特征信息，还包含了其在生产系统中的时空属性。在此基础上，算法充分考虑生产设备之间的工艺关联性，同时引入时间衰减函数来刻画数据关联度随时间变化的特性。通过计算特征向量节点之间的动态关联度，算法进一步生成注意力系数，这些系数准确反映了不同数据点之间的相关性强度。基于这些注意力系数，算法能够精确计算每个特征向量节点的异常特征量，并据此设定自适应的异常判定阈值，最终实现对异常数据点的智能识别与清洗，与传统数据清洗方法相比，本发明充分考虑了工业生产过程中设备间的关联关系和时空维度特征，基于数据间的内在相关性来评估每个数据点的异常程度。这种方法显著提高了复杂工况下的数据清洗质量，有效解决了工业数据质量差、可信度低的行业难题，为上层能碳协同分析和碳足迹追踪等应用提供了更加可靠、准确的数据基础。

32、2. 本发明提出的动态分析算法，通过实时追踪生产过程中电网供电与自有清洁能源供电的比例变化，创新性地建立了动态碳足迹因子计算体系，能够实时反映不同供电来源的碳排放强度变化。在计算产品碳足迹时，系统首先精确核算每个工序的能耗需求，然后结合动态碳足迹因子和原材料碳排数据，实现产品全生命周期碳足迹的精准计算，与传统静态计算方法相比，本算法通过实时分析能耗组成的动态变化，实现了碳足迹的实时跟踪与更新，显著提高了碳足迹计算的准确性和时效性。系统能够展示碳足迹随时间推移和生产进程的动态累积过程，提供每个产品在不同生产环节的详细碳排放数据。这种动态化、精细化的碳足迹追踪方法，为企业提供了准确可靠的碳排数据支撑，助力企业实施精准减排措施和低碳生产优化，有效提升了碳管理的信息化水平和决策科学性。

33、3.本发明提出的工业能碳协同管理平台提供了标准化数据接口，支持与互联网平台、碳交易市场及供应链上下游系统的数据交换与共享。这不仅满足了企业合规性要求，还打通了产业链碳数据流，为构建绿色供应链和应对国际碳壁垒提供了技术支撑。