CN120235308A 一种融合多源数据的工业碳足迹动态预测方法 （东北大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120235308A

(43)申请公布日2025.07.01

(21)申请号202510378952.5

(22)申请日2025.03.28

(71)申请人东北大学

地址110819辽宁省沈阳市和平区文化路

三号巷11号

(72)发明人周博文乔剑杨东升李广地罗艳红张娟梁雪杨波

穆云飞

G06QGO6N

50/06(2024.01)

3/126(2023.01)

(74)专利代理机构沈阳优普达知识产权代理事

务所(特殊普通合伙)21234专利代理师陈曦

(51)Int.CI.

G06Q10/04(2023.01)

GO6Q10/0637(2023.01)

GO6Q50/26(2024.01)

权利要求书3页说明书7页附图3页

(54)发明名称

一种融合多源数据的工业碳足迹动态预测方法

(57)摘要

CN120235308A本发明提供一种融合多源数据的工业碳足迹动态预测方法，包括：步骤1:采集多源数据，核心数据包括用电量、折算标准煤耗量、关键工业过程产物产量以及碳排放量，另有新能源消纳数据、工艺升级数据和外部数据三类扩展数据；步骤2:根据步骤1获取的多源数据，进行动态建模，包括动态碳排放因子计算和工艺-环境耦合方程；步骤3:构建动态耦合新能源消纳的工业碳-能-经济多目标优化模型，以最小化碳排放量和运营成本为目标函数，约束条件包括生产需求、能源供应及政策合规性；步骤4:采用NSGA-Ⅱ算

CN120235308A

采集多源数据，包括核心数据、新能源消纳数据、工艺升级数据和外部数据

根据获取的多源数据，进行动态建模，包括动态碳排放因子计算和工艺-环境耦合方程

构建动态耦合新能源消纳的工业碳-能-

经济多目标优化模型，以最小化碳排放量和运

营成本为目标函数，约束条件包括生产需求、

能源供应及政策合规性

采用NSGA-Ⅱ算法对多目标优化模型的目标函数进行优化求解，输出碳排放-成本权衡曲线

CN120235308A权利要求书1/3页

2

1.一种融合多源数据的工业碳足迹动态预测方法，其特征在于，包括：

步骤1:采集多源数据，核心数据包括用电量、折算标准煤耗量、关键工业过程产物产量以及碳排放量，另有新能源消纳数据、工艺升级数据和外部数据三类扩展数据；

步骤2:根据步骤1获取的多源数据，进行动态建模，包括动态碳排放因子计算和工艺-环境耦合方程；

步骤3:构建动态耦合新能源消纳的工业碳-能-经济多目标优化模型，以最小化碳排放量和运营成本为目标函数，约束条件包括生产需求、能源供应及政策合规性；

步骤4:采用NSGA-Ⅱ算法对多目标优化模型的目标函数进行优化求解，输出碳排放-成本权衡曲线。

2.根据权利要求1所述的融合多源数据的工业碳足迹动态预测方法，其特征在于，所述步骤1中，新能源消纳数据包括：绿电使用比例和电网碳排放因子时序数据；工艺升级数据包括：替代燃料量和碳捕集效率；外部数据包括：温度、湿度、风速、碳价和错峰生产指令。

3.根据权利要求1所述的融合多源数据的工业碳足迹动态预测方法，其特征在于，所述步骤2具体为：

步骤2.1:根据下式计算动态碳排放因子：

EFgria(t)=EFcoa?·(1-λ(t))+EFrenewableλ(t)

其中，EFgria(t)为t时刻区域电网碳排放因子，即动态碳排放因子，反映单位用电量对应的碳排放强度动态随绿电占比变化，单位为tCO?/MWh;EFcoa?为燃煤发电碳排放因子，其值取自国家或行业标准值；EFrenewable为可再生能源发电碳排放因子，其值取自国家或行业标准值；λ(t)为t时刻绿电渗透率，即绿电使用比例；

其中，Pgreen(t)是绿电发电量，Ptota1(t)是总发电量，由电网调度或企业用能监测系统获取；

步骤2.2:工艺-环境耦合方程具体如下：

C(t)=α·Ee1ec(t)·EFgria(t)+β·(Efue1(t)-θ·Esb(t))·EFfue1+Y·Qprocess(t)·f

(T)·(1-nccus(t))

其中，C(t)表示t时刻总碳排放量，涵盖电力、化石燃料消耗、工艺过程的全口径碳排放，单位为tCO?;α为电力碳排放系数；Eelec(t)