一种能源数据碳排放预测方法技术

本发明专利技术公开了一种能源数据碳排放预测方法，通过获取碳排放预测所需的历史数据；对所述历史数据进行处理分类；根据所述历史数据计算模型计算碳排放量；根据处理分类后的历史数据和碳排放量构建LSTM模型，通过所述LSTM预测模型预测碳排放量。便于根据预测结果及时调整能源比重和消耗量，提供碳排指标计算及管理能力，解决现有碳排放预测方法存在的工作量大的问题。问题。问题。

【技术实现步骤摘要】
一种能源数据碳排放预测方法


[0001]本专利技术涉及碳排放预测
，特别涉及一种能源数据碳排放预测方法。

技术介绍

[0002]近年来，碳排放研究已被世界广泛重视，其核算方法直接影响到碳排放数据的可靠性。目前，碳排放计算方法与模型按照其设计思路可分为宏观和微观两大类。宏观估算模型在大尺度上对碳排放核算给出概念性解释与方法，而微观估算模型直接面对不同的排放源类型估算出碳排放量。目前，使用范围较广、兼具宏观和微观特点的方法有排放因子法、质量平衡法和实测法3种。排放因子法基本思路是依照碳排放清单列表，针对每一种排放源构造其活动数据与排放因子,以活动数据和排放因子的乘积作为该排放项目的碳排放量估算值。质量平衡法是根据每年用于国家生产生活的新化学物质和设备，计算为满足新设备能力或替换去除气体而消耗的新化学物质份额。实测法基于排放源的现场实测基础数据，进行汇总从而得到相关碳排放量。
[0003]可见，传统碳排放核算方法过于依赖于多种能源消耗数据，通常需要投入大量人力、物力进行记录与填报，或需投资费用较高的测量设备，不太适应“双碳”目标新需求。鉴于此，需要一种能源数据碳排放预测方法。

技术实现思路

[0004]本专利技术提供了一种能源数据碳排放预测方法，以至少解决相关技术中现有碳排放预测方法存在的工作量大的技术问题。
[0005](1)首先提供了一种能源数据碳排放预测方法，包括：
[0006]获取碳排放预测所需的历史数据；
[0007]对所述历史数据进行处理分类；
[0008]根据所述历史数据计算模型计算碳排放量；
[0009]根据处理分类后的历史数据和碳排放量构建LSTM模型，通过所述LSTM预测模型预测碳排放量。
[0010]可选地，所述碳排放预测所需的历史数据包括用户各类能源消耗数据和用户用电数据。
[0011]可选地，还包括选择评价指标，通过所述评价指标对LSTM预测模型的预测结果进行评价，LSTM预测模型根据评价结果进行优化。
[0012]可选地，根据所述历史数据计算模型计算碳排放量包括：根据所述历史数据建立碳排放系数模型，通过所述碳排放系数模型计算固定碳排放系数，根据所述碳排放系数模型建立区域碳排放计算模型，通过所述区域碳排放计算模型计算碳排放量。
[0013]可选地，所述碳排放系数的表达式为：其中，i为年份，C
i
为当年碳排放量，E
i
为当年用电量。
[0014]可选地，构建LSTM模型包括：
[0015]利用LSTM构建基于历史碳排放量的单特征输入模型和基于多因素的多特征输入模型，得到碳排放量初始预测模型；
[0016]利用求和自回归移动平均方法捕捉误差序列的线性关系信息，对初始预测误差进行建模拟合预测，得到误差预测值；
[0017]将两模型结果整合得到校正后的碳排放量预测值，即LSTM预测模型，通过LSTM预测模型来预测下一周期的排放量波动趋势。
[0018](2)其次提供了一种能源数据碳排放预测系统，包括：
[0019]数据获取模型，用于获取碳排放预测所需的历史数据；
[0020]数据处理分类模块，用于对所述历史数据进行处理分类；
[0021]评价指标模块，用于选择评价指标；
[0022]碳排放系数模型模块，用于根据所述历史数据建立碳排放系数模型，通过所述碳排放系数模型计算固定碳排放系数；
[0023]LSTM模型模块，用于根据处理分类后的历史数据、评价指标和固定碳排放系数构建LSTM模型，通过所述LSTM预测模型对碳排放量实施预测。
[0024](3)最后提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的能源数据碳排放预测方法。此外，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的能源数据碳排放预测方法。
[0025]与现有的技术相比，本专利技术具有如下有益效果：
[0026]本专利技术实施例中，本专利技术方法通过获取碳排放预测所需的历史数据；对所述历史数据进行处理分类；根据所述历史数据计算模型计算碳排放量；根据处理分类后的历史数据和碳排放量构建LSTM模型，通过所述LSTM预测模型预测预测碳排放量。便于根据预测结果及时调整能源比重和消耗量，提供碳排指标计算及管理能力，解决现有碳排放预测方法存在的工作量大的问题。
附图说明
[0027]为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1是根据本专利技术实施例的一种能源数据碳排放预测方法的流程图；
[0029]图2是根据本专利技术实施例的LSTM预测模型架构图；
[0030]图3是根据本专利技术实施例的样本数据2012
‑
2017年碳排放总量的示意图；
[0031]图4是根据本专利技术实施例的2013年至2019年用电量与碳排放系数指数函数拟合示意图；
[0032]图5是根据本专利技术实施例的样本数据月均用电量前20重点排污单位各行业排放量及排放总量。
具体实施方式
[0033]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0034]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0035]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0036]实施例1
[0037]根据本专利技术实施例，提供了一种能源数据碳排放预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0038]图1是根据本专利技术实施例的一种能源数据碳排放预测方法的流程图，如图1所示，该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能源数据碳排放预测方法，其特征在于，包括：获取碳排放预测所需的历史数据；对所述历史数据进行处理分类；根据所述历史数据计算模型计算碳排放量；根据处理分类后的历史数据和碳排放量构建LSTM模型，通过所述LSTM预测模型预测碳排放量。2.根据权利要求1所述的能源数据碳排放预测方法，其特征在于，所述碳排放预测所需的历史数据，包括：用户各类能源消耗数据和用户用电数据。3.根据权利要求1所述的能源数据碳排放预测方法，其特征在于，还包括：选择评价指标，通过所述评价指标对LSTM预测模型的预测结果进行评价，LSTM预测模型根据评价结果进行优化。4.根据权利要求1所述的能源数据碳排放预测方法，其特征在于，根据所述历史数据计算模型计算碳排放量，包括：根据所述历史数据建立碳排放系数模型，通过所述碳排放系数模型计算固定碳排放系数，根据所述碳排放系数模型建立区域碳排放计算模型，通过所述区域碳排放计算模型计算碳排放量。5.根据权利要求4所述的能源数据碳排放预测方法，其特征在于，所述碳排放系数的表达式为：其中，i为年份，C
i
为当年碳排放量，E
i
为当年用电量。6.根据权利要求1所述的能源数据碳排放预测方法，其特征在于，构建LSTM...

【专利技术属性】
技术研发人员：韩帅，阮诗雅，卢健斌，郭小璇，陈卫东，吴宁，莫宇鸿，龚文兰，孙乐平，姚知洋，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：