一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统

摘要

本发明涉及工业互联网技术领域，尤其涉及一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统，包括：步骤S0：采用数据采集模块对企业的碳排放相关的需求数据进行采集，将采集得到的源数据发送至主控模块；步骤S1：采用主控模块从源数据中提取目标数据；步骤S2：由主控模块通过通信模块将目标数据上传至边缘计算平台；步骤S3：采用边缘计算平台基于目标数据计算碳足迹、并模拟碳中和进程；步骤S4：边缘计算平台将目标数据、预测数据上传至数据云平台；步骤S5：由企业、第三方机构通过接入数据云平台获取碳排放预测结果和碳足迹监测记录。本发明将工业互联网技术和智能数据采集以及数据云平台相结合，提供纺织行业碳排放监测与监管方法。

说明书

技术领域

本发明涉及工业互联网技术领域，尤其涉及一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统。

背景技术

近年来，随着新一轮的科技革命和信息化产业的快速发展，工业互联网技术开始向各种工业生产领域快速延伸，其中标识解析体系是实现工业互联网的重中之重，也促进着工业从数字化向网络化、智能化发展。其中，主动标识载体承载着工业互联网标识编码及其必要的安全证书和地址，带有联网通信功能，能够主动向标识解析服务节点或标识数据应用平台等发起连接请求并建立连接，是工业互联网的重要组成部分。

与此同时，我国出台了许多碳排放相关政策，许多有关碳排放的行业也发明了许多的监测方法。其中，纺织行业对于碳排放的监测方法尤为多样，传统的监测方法一般有核算法和在线监测法，而我国普遍使用核算法，而其最主要的弊端就是企业自行估算，不仅消耗企业自身成本的同时，也容易产生数据造假等问题。

为了减少纺织企业自身碳排放监测成本，提高监测数据准确性，本申请将采用工业互联网与深度学习结合的手段，在实现软件平台自行核算监测数据的同时，即本申请旨在提供一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统，用于监测与监管纺织行业碳排放。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于工业互联网的纺织行业碳排放与碳足迹监测方法及系统，将工业互联网技术和智能数据采集以及数据云平台相结合，提供一种具有创新性的纺织行业碳排放监测与监管方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于工业互联网的纺织行业碳排放与碳足迹监测方法，具体步骤如下：

步骤S0：采用数据采集模块对企业的碳排放相关的需求数据进行采集，并将采集得到的源数据发送至主控模块；

步骤S1：采用主控模块从源数据中提取目标数据；

步骤S2：由主控模块通过通信模块将目标数据上传至边缘计算平台；

步骤S3：采用边缘计算平台基于目标数据计算碳足迹、并模拟碳中和进程；

步骤S4：采用边缘计算平台将目标数据、预测数据上传至数据云平台；

步骤S5：由企业、第三方机构通过接入数据云平台获取碳排放预测结果和碳足迹监测记录。

优选地，所述步骤S0包括：

步骤S0.1：在一个任务周期内，主控模块唤醒数据采集模块进行企业的碳排放相关的数据的采集；

所述步骤S0.1中，任务周期由企业制定，并封存入主控模块，主控模块使用晶振时钟计时，当计时时间等于任务周期的时间时触发中断，唤醒数据采集模块；

所述步骤S0.1中，数据采集模块采集的数据类型包括电表图像数据、排风口气体浓度数据和废水流量数据；

步骤S0.2：数据采集模块采集获得源数据，并将源数据发送给主控模块；

所述步骤S0.2中，源数据包括电表的图像数据，排风口气体浓度数据以及废水流量数据；

所述步骤S0.2中，数据采集模块与主控模块的通信方式包括工厂内网和NB-IoT(NarrowBandInternetofThings)。

优选地，在步骤S1中：

提取方式包括图像处理、出风口气密度数据处理以及各环节废水排放量处理；

目标数据为时间序列数据。

优选地，在步骤S2中：

若主控模块为首次接入边缘计算平台，则需要注册身份，然后与边缘计算平台进行安全认证；若主控模块已经注册了身份，则主控模块与边缘计算平台进行安全身份认证；

安全身份认证的技术包括射频识别技术、固定口令、动态口令和主动标识技术等；

边缘计算平台通过数据云平台验证主控模块的身份。

优选地，所述步骤S3包括：

步骤S3.1：企业根据生产工序流程图，统计所生产产品在工业生产阶段的原料、煤炭使用量，上传至边缘计算平台，边缘计算平台通过排放因子计算法估算碳排放量并保留该数据；

步骤S3.2：边缘计算平台基于目标数据依据下式对碳排放量进行计算：

排放量＝∑(活动水平因子×排放因子)

所述步骤S3.2中，活动水平因子为电表读数即消耗电能量；

所述步骤S3.2中，排放因子由IPCC发布的EmissionFactorsDataBase获得；

步骤S3.3：边缘计算平台将采集终端采集并计算出的碳排放数据，与通过使用原料、煤炭使用量估算出的结果对比，计算两者误差，当两者误差小于阈值10％时，标记该数据为有效数据并存储；

步骤S3.4：边缘计算平台基于产品工序流程对于碳中和进程进行情景分析，计算出纺织企业在各工业生产环节产品生产周期的碳排放量，即产品碳足迹；

步骤S3.5：边缘计算平台基于深度学习方法模拟该纺织企业的碳中和进程；

所述步骤S3.5中，深度学习方法包括CNN(ConvolutionalNeuralNetwork)、DNN(DeepNeuralNetworks)、RNN(RecursiveNeuralNetwork)等神经网络方法。

优选地，在步骤S4中，边缘计算平台通过有线或无线的通信方式将目标数据、预测数据发送至数据云平台。

优选地，在步骤S5中，所述第三方机构为政府监管机构。

本发明还提供了一种基于工业互联网的纺织行业碳排放与碳足迹监测系统，包括主控模块、数据采集模块、通信模块、边缘计算平台和数据云平台；

所述数据采集模块安插在电表、废弃排放口、排水口废水数据采集口；

所述通信模块位于主控模块与边缘计算平台之间，负责主控模块的数据上传；

所述主控模块连接数据采集模块，获取采集模块上传的源数据并进行数据处理；

所述边缘计算平台通过通信模块接收主控模块上传的经处理后的数据，依照碳排放因子法进行数据计算处理并基于神经网络进行碳足迹预测和碳中和进程的模拟；

所述数据云平台负责接受边缘计算平台的目标数据、预测数据并完成显示；

所述数据云平台依次与企业节点、二级节点和顶级节点连接。

与现有技术相比，本发明具有以下有益效果：

1、本发明使用工业互联网解析技术，主动标识载体可嵌入在工业设备内部，且具有联网功能，能够主动向标识解析服务节点或标识数据应用平台发起连接。

2、本发明通过排放因子法进行估算，估算结果实时在数据云平台更新，既可做到通过核算法节约成本，又能实现碳排放量的在线监测与监管。

3、本发明通过平台监测和数据分析，有效计量出企业各生产环节的碳排放量；基于企业碳排放量现状和需求，利用深度学习预测企业未来的碳排放量，对企业碳达峰碳中和进程模拟预测，有效促使企业压减碳排放量、及时调整能源结构。

附图说明

图1为本发明方法的流程图；

图2为本发明中步骤S0的流程图；

图3为本发明中步骤S3的流程图；

图4为本发明系统的方框图；

图5为本发明中碳排放数据捕捉、处理和碳足迹计算的示意图；

图6为本发明中采集终端通过安全管控平台认证申请标识的示意图。

图中：10数据采集模块、20主控模块、30通信模块、40边缘计算平台、50数据云平台、60企业节点、70二级节点、80顶级节点。

具体实施方式

下面结合附图将对本发明实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本发明的优点和特征，从而对本发明的保护范围做出更为清楚的界定。本发明所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1-6，一种基于工业互联网的纺织行业碳排放与碳足迹监测方法，具体步骤如下：

步骤S0：采用数据采集模块对企业的碳排放相关的需求数据进行采集，并将采集得到的源数据发送至主控模块；

步骤S1：采用主控模块从源数据中提取目标数据；

步骤S2：由主控模块通过通信模块将目标数据上传至边缘计算平台；

步骤S3：采用边缘计算平台基于目标数据计算碳足迹、并模拟碳中和进程；

步骤S4：采用边缘计算平台将目标数据、预测数据上传至数据云平台；

步骤S5：由企业、第三方机构通过接入数据云平台获取碳排放预测结果和碳足迹监测记录。

具体的，所述步骤S0包括：

步骤S0.1：在一个任务周期内，主控模块唤醒数据采集模块进行企业的碳排放相关的数据的采集；

所述步骤S0.1中，任务周期由企业制定，并封存入主控模块，主控模块使用晶振时钟计时，当计时时间等于任务周期的时间时触发中断，唤醒数据采集模块；

所述步骤S0.1中，数据采集模块采集的数据类型包括电表图像数据、排风口气体浓度数据和废水流量数据；

步骤S0.2：数据采集模块采集获得源数据，并将源数据发送给主控模块；

所述步骤S0.2中，源数据包括电表的图像数据，排风口气体浓度数据以及废水流量数据；

所述步骤S0.2中，数据采集模块与主控模块的通信方式包括工厂内网和NB-IoT(NarrowBandInternetofThings)。

具体的，在步骤S1中：

提取方式包括图像处理、出风口气密度数据处理以及各环节废水排放量处理；

目标数据为时间序列数据。

具体的，在步骤S2中：

若主控模块为首次接入边缘计算平台，则需要注册身份，然后与边缘计算平台进行安全认证；若主控模块已经注册了身份，则主控模块与边缘计算平台进行安全身份认证；

安全身份认证的技术采用主动标识技术；

其中，步骤S2具体包括：

步骤S2.1：工业互联网企业节点向行业二级节点发送标识注册请求，二级节点向国家顶级节点申请颁发(CertificateAuthority，CA)证书；

步骤S2.2：国家顶级节点给行业二级节点颁发CA证书，再由行业二级节点颁发至企业节点；

步骤S2.3：安全认证服务平台利用联网模块将工业(Identitydocument，ID)和CA证书写入企业节点；

步骤S2.4：采集终端通过联网模块向企业节点发起申请标识请求，安全管控平台匹配CA身份，若身份认证通过，由企业节点下发标识给采集终端，采集终端完成注册，若不通过，则不做处理；

步骤S2.5：客户端向企业节点发起查询标识申请，企业节点向二级节点发送寻址请求，二级节点应答请求并反址给企业节点；

步骤S2.6：企业节点返回表示解析信息给客户查询端，完成标识注册与主动标识解析。

在步骤S2中，边缘计算平台通过数据云平台验证主控模块的身份。

具体的，所述步骤S3包括：

步骤S3.1：企业根据生产工序流程图，统计所生产产品在工业生产阶段的原料、煤炭使用量，上传至边缘计算平台，边缘计算平台通过排放因子计算法估算碳排放量并保留该数据；

步骤S3.2：边缘计算平台基于目标数据依据下式对碳排放量进行计算：

排放量＝∑(活动水平因子×排放因子)

所述步骤S3.2中，活动水平因子为电表读数即消耗电能量；

所述步骤S3.2中，排放因子由IPCC发布的EmissionFactorsDataBase获得；

步骤S3.3：边缘计算平台将采集终端采集并计算出的碳排放数据，与通过使用原料、煤炭使用量估算出的结果对比，计算两者误差，当两者误差小于阈值10％时，标记该数据为有效数据并存储；

步骤S3.4：边缘计算平台基于产品工序流程对于碳中和进程进行情景分析，计算出纺织企业在各工业生产环节产品生产周期的碳排放量，即产品碳足迹；

步骤S3.5：边缘计算平台基于深度学习方法模拟该纺织企业的碳中和进程；

所述步骤S3.5中，深度学习方法包括CNN(ConvolutionalNeuralNetwork)、DNN(DeepNeuralNetworks)、RNN(RecursiveNeuralNetwork)等神经网络方法。

具体的，在步骤S4中，边缘计算平台通过有线或无线的通信方式将目标数据、预测数据发送至数据云平台。

具体的，在步骤S5中，所述第三方机构为政府监管机构。

一种基于工业互联网的纺织行业碳排放与碳足迹监测系统，包括主控模块20、数据采集模块10、通信模块30、边缘计算平台40和数据云平台50；

所述数据采集模块10安插在电表、废弃排放口、排水口废水数据采集口；

所述通信模块30位于主控模块20与边缘计算平台40之间，负责主控模块20的数据上传；

所述主控模块20连接数据采集模块10，获取采集模块上传的源数据并进行数据处理；

所述边缘计算平台40通过通信模块30接收主控模块20上传的经处理后的数据，依照碳排放因子法进行数据计算处理并基于神经网络进行碳足迹预测和碳中和进程的模拟；

所述数据云平台50负责接受边缘计算平台40的目标数据、预测数据并完成显示；

所述数据云平台50依次与企业节点60、二级节点70和顶级节点80连接。

综上所述，本发明创造性地将工业互联网解析技术与纺织行业碳排放监测相结合，提出一种具有创新性的碳排放在线监测方法；基于数据采集模块、边缘计算平台和数据云平台的结合，从而产生一种既能节省成本实现核算，又能实现碳排放量在线监测的新方法。

本发明中披露的说明和实践，对于本技术领域的普通技术人员来说，都是易于思考和理解的，且在不脱离本发明原理的前提下，还可以做出若干改进和润饰。因此，在不偏离本发明精神的基础上所做的修改或改进，也应视为本发明的保护范围。