一种自来水厂碳排放计算方法、介质以及设备与流程

本发明涉及碳排放领域，具体涉及一种自来水厂碳排放计算方法、介质以及设备。

背景技术：

1、作为一种控制和减少碳排放的有效方法和依据，对产生的碳排放进行评估分析也成为目前各行业碳减排工作的重点。城市给水处理厂是城市供水系统的核心部分，是关系到城市生存和发展重要的基础设施，因此有必要对其运行时碳排放情况进行核算，对今后探究节能减排提供参考。而现有技术中，针对城镇自来水厂运行碳排放核算方法的研究与应用并不多，其他领域的碳排放核算方法不适用于自来水厂。

技术实现思路

1、鉴于上述问题，本发明提供了一种自来水厂碳排放计算方法、介质以及设备，解决了现有的碳排放核算方法不适用于自来水厂的问题。

2、为实现上述目的，在第一方面，本发明提供一种自来水厂碳排放计算方法，自来水厂生产运行过程中对应多个不同的碳排放模块，碳排放模块包括预处理模块、混凝沉淀模块、过滤模块、深度处理模块、清水模块、二级泵房模块、排泥水模块以及生产辅助模块中的至少一项，方法包括以下步骤：

3、构建神经网络模型并进行训练，得到训练完成的神经网络模型，神经网络的输入参数为当前自来水厂对应的水源数据和用水数据，水源数据包括水源地与当前自来水厂之间的第一距离信息以及水源地的第一水质信息，用水数据为自来水厂输出的第二水质信息以及自来水厂与用水区域的第二距离信息，神经网络的输出参数为权重调节因子组，权重调节因子组包括各个碳排放模块的权重调节因子；

4、根据权重调节因子，对当前各个碳排放模块对应的权重进行调整，得到权重配置信息；

5、获取各个碳排放模块的碳排放量，根据权重配置信息对所有碳排放模块的碳排放量进行加权运算，得到当前自来水厂对应的碳排放量最终值。

6、在一些实施例中，神经网络模型根据以下方式进行训练：

7、获取样本数据库中的多个样本数据，并将多个样本数据依次输入待训练的神经网络模型中，样本数据包括样本水源数据、样本用水数据以及样本自来水厂对应的各个碳排放模块的碳排放量；

8、基于某一样本数据样本水源数据和样本用水数据确定权重调节因子组的初始值，并根据权重调节因子组的值和样本自来水厂对应的各个碳排放模块的碳排放量计算样本自来水厂对应的碳排放量最终值，并将样本自来水厂对应的碳排放量最终值与标准实际碳排放量值进行比较，若两者的差值超过预设误差范围，则重新调整权重调节因子组的值再次计算样本自来水厂对应的碳排放量最终值，直至样本自来水厂对应的碳排放量最终值与标准实际碳排放量值的差值在预设误差范围内，读取下一样本数据，重复上述步骤，直至所有样本数据全部输入完成，得到训练完成的神经网络训练模型。

9、在一些实施例中，训练完成的神经网络模型根据以下方式计算权重调节因子组的值包括：

10、获取当前自来水厂对应的地理位置信息；

11、以当前自来水厂对应的地理位置信息为中心，预设距离为半径生成权重关联区域，获取权重关联区域内其他自来水厂对应的权重调节因子组，根据其他自来水厂对应的权重调节因子组的值生成影响因子，根据影响因子调节当前自来水厂对应的权重调节因子组。

12、在一些实施例中，预设距离包括第一预设距离以及第二预设距离，第一预设距离对应第一权重关联区域，第二预设距离对应第二权重关联区域，第一预设距离大于第二预设距离，第二权重关联区域置于第一权重关联区域内；

13、根据其他自来水厂对应的权重调节因子组的值生成影响因子，根据影响因子调节当前自来水厂对应的权重调节因子组包括：

14、获取位于第一权重关联区域内且不位于第二权重关联区域中的自来水厂的第一权重调节因子组，根据第一权重调节因子组生成第一影响因子；

15、获取位于第二权重关联区域内的自来水厂的第二权重调节因子组，根据第二权重调节因子组生成第二影响因子；

16、对第一影响因子和第二影响因子进行加权计算，得到最终影响因子，根据最终影响因子调节当前自来水厂对应的权重调节因子组。

17、在一些实施例中，方法包括：

18、在计算最终影响因子时，位于第二权重关联区域内的所有自来水厂对应的第二影响因子的权重相同，位于第一权重关联区域内且不位于第二权重关联区域中的自来水厂对应的第一影响因子随与当前自来水厂的距离的增大而按梯度减小。

19、在一些实施例中，方法包括：

20、获取预设时间段内同一权重关联区域内所有自来水厂对应的权重调节因子组的更新频次，若更新频次总和达到预设次数时，根据当前权重关联区域内所有自来水厂对应的权重调节因子组的数值进行加权平均，自动对该权重关联区域内在预设时间段内尚未完成更新的当前自来水厂对应的权重调节因子进行更新。

21、在一些实施例中，每一碳排放模块包括至少一个碳排放步骤，每一碳排放步骤通过一个或多个碳排放设备执行，每一碳排放设备具有能够唯一表征该设备的设备信息，权重配置信息包括第一权重配置信息和第二权重配置信息，第一权重配置信息为当前各个碳排放模块调整后的权重，第二权重配置信息为当前各个碳排放模块中的碳排放设备调整后的权重；

22、方法包括：

23、将第一权重配置信息和第二权重配置信息映射存储。

24、在一些实施例中，方法包括：

25、将各个碳排放模块与用于执行对应的碳排放步骤的碳排放设备的设备信息映射存储；

26、若检测到某一碳排放模块的碳排放量超过设定的该类型碳排放模块的排放上限或下限时，发出异常提示信息，异常提示信息包含该碳排放模块对应的碳排放设备的设备信息，设备信息包括设备标识和设备坐标位置。

27、在第二方面，本发明还提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现在第一方面所述的方法。

28、在第三方面，本发明还提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现在第一方面所述的方法。

29、区别于现有技术，上述技术方案中，将自来水厂的生产运行过程分为多个碳排放模块，并对多个碳排放模块进行权重计算，提出权重调节因子的概念，利用神经网络模型生成权重调节因子组，综合考虑了当前自来水厂对应的水源数据和用水数据，其中水源数据包括水源地与当前自来水厂之间的第一距离信息以及水源地的第一水质信息，用水数据包括自来水厂输出的第二水质信息以及自来水厂与用水区域的第二距离信息，再基于权重调节因子组对各个碳排放模块的权重进行调节。本技术方案所示碳排放计算方法更符合自来水厂的实际运用状态，引入水源地与用水区域两个客观环境影响因素对权重进行调节与整合，实现对城镇自来水厂碳排放强度的准确核算，摸清其碳排放情况，为节能减排提供依据参考。

30、上述
技术实现要素：
相关记载仅是本发明技术方案的概述，为了让本领域普通技术人员能够更清楚地了解本发明的技术方案，进而可以依据说明书的文字及附图记载的内容予以实施，并且为了让本发明的上述目的及其它目的、特征和优点能够更易于理解，以下结合本发明的具体实施方式及附图进行说明。