本发明专利技术涉及碳排放控制处理领域，更具体地，本发明专利技术涉及基于人工智能的碳排放优化控制方法及系统，所述方法包括：计算碳排放数据的噪声程度，利用预设数据段对应时段的碳排放数据与风速数据之间的相关性，对噪声程度进行修正，以确定噪声数据，将噪声数据之前的碳排放数据作为参考数据，然后利用每个参考数据的修正后的噪声程度以及对应的参考数据与噪声数据之间的时间间隔的乘积，对通过所有参考数据确定的噪声数据的预测值进行加权求和，得到噪声数据的目标预测值，从而对噪声数据进行去噪，以基于去噪后的碳排放数据对碳排放进行智能控制。本发明专利技术降低了噪声数据的影响，从而在一定程度上提高对碳排放智能控制的准确性。
【技术实现步骤摘要】
本专利技术碳排放控制处理领域。更具体地，本专利技术涉及基于人工智能的碳排放优化控制方法及系统。
技术介绍
1、随着全球经济的快速发展和人口的增长，能源资源供需矛盾日益突出，碳排放控制是实现能源可持续利用的重要措施，设计碳排放优化控制策略，能够实现对排放过程的智能监控、调节和优化，达到减少碳排放的目标，进而可以达到减缓气候变化，减少资源浪费，改善空气质量，保护生态环境的目的。
2、相关技术中，如公开号cn117742160a的专利申请文件公开了基于人工智能的碳排放优化控制方法及系统，该方法包括：通过采用第一融合神经网络和利用样例碳排放监测数据序列，确定优化控制策略；利用神经网络间的依赖信息，确定更精确的网络参数；通过精简调优，优化神经网络的配置量，最终生成目标融合神经网络以进行高效、准确的碳排放优化控制决策。
3、然而，上述方案在通过模型确定碳排放优化控制决策时，并未考虑采集的样例碳排放检测数据序列中的噪声数据，对控制决策结果的影响，从而导致确定的碳排放控制决策可能存在偏差，在一定程度上降低了对工业生产过程中碳排放控制的准确性。
技术实现思路
1、为了解决由于噪声数据的影响，导致对工业生产过程中碳排放控制的准确性较低的问题，本专利技术提供了基于人工智能的碳排放优化控制方法及系统。
2、根据本专利技术实施例的第一方面，提供了基于人工智能的碳排放优化控制方法，包括：
3、采集工业生产过程中的若干碳排放数据以及对应时段的若干风速数据；
4、计算碳排放数据的噪声程度，利用预设数据段对应时段的碳排放数据和风速数据之间的相关性对噪声程度进行修正，修正后的噪声程度与相关性的强度正相关；
5、将修正后的噪声程度大于或等于预设值的碳排放数据作为噪声数据，将噪声数据之前的碳排放数据作为参考数据，利用多个参考数据对应的平滑参数，获取噪声数据的预测值，将各参考数据的修正后的噪声程度和对应的参考数据与噪声数据的时间间隔的乘积作为权重，对预测值进行加权求和，得到噪声数据的目标预测值；
6、将目标预测值作为噪声数据，完成对噪声数据的去噪，以基于去噪后的碳排放数据实现对工业生产过程中碳排放的控制。
7、本专利技术可以保证确定的噪声数据的准确性，且利用各参考数据的修正后的噪声程度和对应的参考数据与噪声数据的时间间隔，对噪声数据对应的预测值进行加权，以对噪声数据进行去噪，保证了对噪声数据进行去噪的效果，进而保证对工业生产过程中的碳排放控制的准确性。
8、在本专利技术的一种示例实施例中，噪声数据的目标预测值，满足如下关系式：
9、；
10、式中，表示当第个碳排放数据为噪声数据时，该噪声数据的目标预测值；表示该噪声数据对应的参考数据的数量；表示该噪声数据的预测值；表示该噪声数据对应的第个参考数据的修正后的噪声程度；表示该噪声数据对应的第个参考数据与该噪声数据的时间间隔；表示以自然常数为底的指数函数。
11、在本专利技术的一种示例实施例中，基于去噪后的碳排放数据实现对工业生产过程中碳排放的控制，包括：
12、对去噪后的碳排放数据使用pid控制算法，以根据去噪后的碳排放数据确定的pid控制参数，控制工业生产过程中的碳排放。
13、在本专利技术的一种示例实施例中，对噪声程度进行修正，包括：
14、将预设数据段对应时段的风速数据作为预设数据段的参考数据段，将碳排放数据对应的风速数据作为参考风速数据；
15、计算预设数据段内大于碳排放数据的碳排放数据的数量与参考数据段内大于参考数据的风速数据的数量之间的差值，得到第一差值，计算预设数据段的信息熵与对应的参考数据段的信息熵之间的差值，得到第二差值；
16、对碳排放数据的噪声程度进行修正，修正后的噪声程度与第一差值正相关，且与第二差值负相关。
17、本专利技术利用同时段下的碳排放数据与风速数据之间的相关性，对碳排放数据的噪声程度进行修正，能够更准确的确定碳排放数据为噪声数据的可能性。
18、在本专利技术的一种示例实施例中，对碳排放数据的噪声程度进行修正，满足如下关系式：
19、；
20、式中，表示第个碳排放数据的修正后的噪声程度；表示第个碳排放数据的噪声程度；表示预设数据段内大于第个碳排放数据的碳排放数据的数量；表示参考数据段内大于第个碳排放数据对应的参考数据的风速数据的数量；表示预设数据段的信息熵；表示参考数据段的信息熵；表示超参数；表示归一化函数。
21、本专利技术可以综合多方面确定同时段下的碳排放数据与风速数据之间的负相关性，能够更准确地对碳排放数据的噪声程度进行修正。
22、在本专利技术的一种示例实施例中，碳排放数据的噪声程度，包括：
23、确定碳排放数据的预设数据段内相邻碳排放数据的差值，计算碳排放数据的噪声程度，噪声程度与相邻碳排放数据的差值以及预设数据段的信息熵均正相关，且与碳排放数据与预设数据段内最小的碳排放数据之间的差值负相关。
24、本专利技术利用对应数据段的信息熵，评估对应数据段内碳排放数据变化情况的准确性，能够更准确地确定对应数据段内的碳排放数据的变化情况。
25、在本专利技术的一种示例实施例中，噪声程度，满足如下关系式：
26、；
27、式中，表示第个碳排放数据的噪声程度；表示第个碳排放数据；表示第个碳排放数据的预设数据段内最小的碳排放数据；表示超参数；表示第个碳排放数据的预设数据段内碳排放数据的数量；表示第个碳排放数据的预设数据段内的第个碳排放数据；表示第个碳排放数据的预设数据段内的第个碳排放数据；表示第个碳排放数据的预设数据段的信息熵。
28、根据本专利技术实施例的第二方面，提供了基于人工智能的碳排放优化控制系统，基于人工智能的碳排放优化控制系统包括存储器和处理器，存储器上存储有计算机程序，处理器执行计算机程序以实现本专利技术实施例的第一方面的步骤。
29、本专利技术具有以下效果：
30、本专利技术综合多方面确定碳排放数据的噪声程度，可以保证确定的噪声程度的准确性，并利用同时段下的碳排放数据与风速数据之间的相关性，对噪声程度进行修正，保证了确定的噪声数据的准确性，且利用各参考数据的修正后的噪声程度和对应的参考数据与噪声数据的时间间隔，对噪声数据对应的预测值进行加权，以对噪声数据进行去噪，保证了对噪声数据进行去噪的效果，进而保证对工业生产过程中的碳排放控制的准确性。
本文档来自技高网...
【技术保护点】
1.基于人工智能的碳排放优化控制方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述噪声数据的目标预测值，满足如下关系式：
3.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述基于去噪后的碳排放数据实现对工业生产过程中碳排放的控制，包括：
4.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述对所述噪声程度进行修正，包括：
5.根据权利要求4所述的基于人工智能的碳排放优化控制方法，其特征在于，所述对所述碳排放数据的噪声程度进行修正，满足如下关系式：
6.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述碳排放数据的噪声程度，包括：
7.根据权利要求6所述的基于人工智能的碳排放优化控制方法，其特征在于，所述噪声程度，满足如下关系式：
8.基于人工智能的碳排放优化控制系统，其特征在于，所述基于人工智能的碳排放优化控制系统包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现如权利要求1-7任一项所述方法的步骤。
...
【技术特征摘要】
1.基于人工智能的碳排放优化控制方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述噪声数据的目标预测值，满足如下关系式：
3.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述基于去噪后的碳排放数据实现对工业生产过程中碳排放的控制，包括：
4.根据权利要求1所述的基于人工智能的碳排放优化控制方法，其特征在于，所述对所述噪声程度进行修正，包括：
5.根据权利要求4所述的基于人工智能的碳排放优化控制方法，...
【专利技术属性】
技术研发人员：赵学明，李强，杨凯丽，常艳伟，
申请(专利权)人：山西绿源碳索科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。