【技术实现步骤摘要】
本专利技术属于碳排放预测，具体涉及一种具有多排放源的碳排放预测方法及装置。
技术介绍
1、随着全球气候变化问题的日益严重，不同地区纷纷制定并实施了一系列碳排放控制政策，以减少温室气体排放，缓解环境压力。工业园区作为能源消耗和碳排放的重要来源之一，其碳排放预测和管理对于实现碳减排目标具有重要意义。然而，传统的碳排放预测方法往往存在模型单一、预测精度低、无法实时适应多变的能源消费情况等问题。例如，专利申请文件cn117973587a公开一种园区碳排放的预测系统。包括，统计处理单元、环境监控单元、分析核算单元、抵消校正单元以及预测输出单元；本专利技术通过统计处理单元收集了园区工业生产过程消耗的能源、交通工具能源消费量等各类能源消费相关数据，分别建立公式计算碳产出量，以简易精准地统计园区的碳产出总量预测值，通过环境监控单元监控的园区实际环境，以适应条件变化对园区碳贮存与碳汇数据进行校正，保障计算过程的精确性，通过分析核算单元根据园区特定的碳容量对碳产出总量预测值进行分量处理，便于抵消校正单元根据园区实际碳汇对可抵消数据进行处理，预测输出单元汇集结果简易快速地得到园区碳排放预测值。
2、因此，如何提供一种能够准确计算和预测园区不同时间节点的多排放源的碳排放是本领域技术人员亟待解决的问题。
技术实现思路
1、针对上述现有技术中存在的缺陷，本专利技术提供了一种具有多排放源的碳排放预测方法及装置。可以解决除电力排放源外其他排放源消费量统计滞后的问题，最终实现对目标区域碳排放的准确预测。
2、第一方面，本专利技术提供一种具有多排放源的碳排放预测方法，具体包括如下步骤：
3、获取目标区域内电力排放源在当前时间节点和所有排放源在当前时间节点之前一定时间段的消费量；
4、基于预先构建的能源消费预测模型，对电力排放源在当前时间节点和所有排放源在当前时间节点之前一定时间段的消费量进行分析处理，预测除电力排放源外其他排放源在当前时间节点的消费量；
5、对电力排放源在当前时间节点和除电力排放源外其他排放源在当前时间节点预测的消费量进行碳排放分析处理，得到所有排放源在当前时间节点的总碳排放量。
6、进一步的，除电力排放源外的其他排放源包括原煤、原油、天然气中的至少一种排放源，其中，电力排放源包括从电网中购买的电力及目标区域内分布式光伏发出的电力。
7、进一步的，能源消费预测模型的预先构建，包括：
8、获取目标区域内所有排放源在不同时间节点的历史消费量；
9、对所有排放源在相邻时间节点的历史消费量，以及电力排放源与除电力排放源外其他排放源在连续时间节点的历史消费量进行分析处理，分别得到第一预测模型和第二预测模型；
10、结合第一预测模型和第二预测模型，得到能源消费预测模型。
11、进一步的，对所有排放源在相邻时间节点的历史消费量进行分析处理，得到第一预测模型，包括：
12、基于所有排放源在相邻时间节点的历史消费量，并结合不同排放源相对于碳排放的权重，对长短期记忆网络模型进行迭代训练，给出第一预测模型，满足以下关系：
13、yt＝flstm(xt-1)
14、xt-1＝[wm*m(t-1),wo*o(t-1),wq*q(t-1),wd*d(t-1)]
15、式中，yt为目标区域内各排放源在t时间节点的第一预测消费量，flstm(xt)为目标区域在输入样本xt-1下的长短期记忆网络模型，xt-1为输入样本，即为各排放源在t-1时间节点的历史消费量，wm、wo、wq、wd分别为各排放源的权重，m(t-1)、o(t-1)、q(t-1)、d(t-1)分别为各排放源在t-1时间节点的历史消费量。
16、进一步的，不同排放源相对于碳排放的权重，包括：
17、对目标区域内不同排放源在不同时间节点的历史消费量进行归一化处理；
18、归一化处理后的历史消费量进行标准化处理；
19、对标准化处理后的历史消费量进行协方差矩阵计算并进行特征值分解；
20、基于特征值分解结果，进行主成分分析，并给出各排放源相对于碳排放的权重。
21、进一步的，对电力排放源与除电力排放源外其他排放源在连续时间节点的历史消费量进行分析处理，得到第二预测模型，包括：
22、将电力排放源与其他每一排放源进行配对，得到多组排放源组；将每组排放源组在不同时间节点的历史消费量，分别对自回归分布时滞模型进行训练，并通过最小二乘法更新自回归分布时滞模型参数，得到与每组排放源组对应的多个第二预测模型，满足以下关系：
23、
24、式中，y'i,t为第i个排放源在t时间节点的第二预测消费量，yi,t-p为第i个排放源在t-p时间节点的历史消费量，xt-q为电力排放源在t-q时间节点的历史消费量；δ0为常数项，p为第i个排放源的时间节点数量，q为电力排放源的时间节点数量，φi,t-p为第i个排放源在t-p时间节点的拟合参数，βt-q为电力排放源在t-q时间节点的拟合参数，εt为噪声项。
25、进一步的，结合第一预测模型和第二预测模型，得到能源消费预测模型，包括：
26、根据目标区域内不同排放源在不同时间节点的历史消费量，确定第一预测模型和第二预测模型的预测误差；
27、基于第一预测模型和第二预测模型的预测误差，确定第一预测模型和第二预测模型的权重；
28、根据第一预测模型和第二预测模型的权重，将第一预测模型和第二预测模型进行结合，得到能源消费预测模型，满足以下关系：
29、
30、式中，σ1和σ2分别为第一预测模型预测和第二预测模型的预测误差，yt为第一预测模型预测的所有排放源在t时间节点的消费量，yt为第二预测模型预测的所有排放源在t时间节点的消费量，为能源消费预测模型输出的所有排放源在t时间节点的消费量预测结果。
31、进一步的，第一预测模型和第二预测模型的预测误差，包括：
32、通过第一预测模型和第二预测模型，对目标区域内不同排放源在不同时间节点的历史消费量进行处理，分别给出多个时间节点的第一预测消费量和第二预测消费量；
33、基于多个时间节点的第一预测消费量和第二预测消费量，以及目标区域内不同排放源在不同时间节点的历史消费量，分别给出第一预测模型预测和第二预测模型的预测误差。
34、进一步的，预测误差可以为模型准确率、f1分数、置信度、以及真实值与预测值的差值中的一种。
35、进一步的，对电力排放源在当前时间节点和除电力排放源外其他排放源在当前时间节点预测的消费量进行碳排放分析处理，得到所有排放源在当前时间节点的总碳排放量，包括：
36、获取所有排放源在当前时间节点的碳排放因子；
37、将电力排放源在当前时间节点和除电力排放源外其他排放源在当前时间节点预测的消费量，分别与对应的碳排放本文档来自技高网...
【技术保护点】
1.一种具有多排放源的碳排放预测方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述的碳排放预测方法，其特征在于，除电力排放源外的其他排放源包括原煤、原油、天然气中的至少一种排放源。
3.如权利要求1所述的碳排放预测方法，其特征在于，得到所有排放源在当前时间节点的总碳排放量之后，还包括：
4.如权利要求1所述的碳排放预测方法，其特征在于，能源消费预测模型的预先构建，包括：
5.如权利要求4所述的碳排放预测方法，其特征在于，结合第一预测模型和第二预测模型，得到能源消费预测模型，包括：
6.如权利要求4所述的碳排放预测方法，其特征在于，对所有排放源在相邻时间节点的历史消费量进行分析处理，得到第一预测模型，包括：
7.如权利要求6所述的碳排放预测方法，其特征在于，不同排放源相对于碳排放的权重，包括：
8.如权利要求4-7任一所述的碳排放预测方法，其特征在于，对电力排放源与除电力排放源外其他排放源在连续时间节点的历史消费量进行分析处理，得到第二预测模型，包括：
9.如权利要求8所述的碳排
10.一种具有多排放源的碳排放预测装置，其特征在于，采用如权利要求1-9任一所述具有多排放源的碳排放预测方法，碳排放预测装置包括：
...【技术特征摘要】
1.一种具有多排放源的碳排放预测方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述的碳排放预测方法，其特征在于，除电力排放源外的其他排放源包括原煤、原油、天然气中的至少一种排放源。
3.如权利要求1所述的碳排放预测方法，其特征在于，得到所有排放源在当前时间节点的总碳排放量之后，还包括：
4.如权利要求1所述的碳排放预测方法，其特征在于，能源消费预测模型的预先构建，包括：
5.如权利要求4所述的碳排放预测方法，其特征在于，结合第一预测模型和第二预测模型，得到能源消费预测模型，包括：
6.如权利要求4所述的碳排放预测方法，其特征在于，对所有排放源在相邻时间节点的历史消费量进行分析处理...
【专利技术属性】
技术研发人员：李振宇，徐正宏，朱莹，杨乐，丁文树，张明生，鞠玲，祁晖，周宪，常颢，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
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。