【技术实现步骤摘要】
本专利技术涉及碳资产管理，具体涉及基于机器学习的碳资产管理系统。
技术介绍
1、碳资产管理是指企业在面对气候变化挑战时，对其碳排放和碳资产进行识别、衡量、管理、优化和报告的一系列活动。
2、现有企业的碳资产管理仍然缺乏系统的规划和管理框架，导致碳资产管理不够规范，难以形成有效的管理体系，比如现有的碳资产管理方案在实施时，不能结合历史不同时期碳资产使用数据来对当下不同已用时期碳资产的阶段使用状态进行局部监管评估，将当下不同已用时期碳资产对应的所有阶段使用状态进行整体评估，并自适应的对后续未用时期的碳资产进行动态管理，导致企业碳资产前期已用的监管处理效果不佳以及后期未用的监管处理效果不佳。
技术实现思路
1、本专利技术的目的在于提供基于机器学习的碳资产管理系统，用于解决现有方案中企业碳资产前期已用的监管处理效果不佳以及后期未用的监管处理效果不佳的技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于机器学习的碳资产管理系统，包括阶段碳资产使用监管分析模块，用于根据历史不同时期碳资产使用数据来对当下不同已用时期碳资产的阶段使用状态进行监管分析以及处理组合，得到当下已用时期对应的阶段使用监管分析数据并上传至管理平台；
4、其中，对历史不同时期对应的阶段碳资产使用总量进行统计并处理，得到所属历史所有时期对应的历史阶段碳资产使用处理序列；
5、对企业今年对应的碳配额进行划分并处理，得到企业今年不同时期对应的当下阶段碳资产
6、利用当下阶段碳资产配额处理序列来对企业当下不同已用时期碳资产的阶段使用状态进行监管以及数字化处理，得到企业当下不同已用时期对应的阶段使用标识；
7、对阶段使用标识进行数据分析确定所属已用时期对应的阶段碳配额使用状态，并对不同阶段碳配额使用状态进行数字化处理并组合，得到对应已用时期的阶段使用监管子序列；
8、将企业当下不同已用时期对应的所有阶段使用监管子序列进行排列组合，得到当下已用时期对应的阶段使用监管分析数据；
9、阶段碳资产剩余评估管理模块，用于根据企业当下已用时期对应的阶段使用监管分析数据来对企业碳资产实施剩余时期的多维监管和评估，对不同维度的评估结果进行整合分析并自适应的对企业碳资产进行动态管理；
10、动态管理包含维持现有的阶段碳配额使用方案、实施对应的碳资产第一管理方案或第二管理方案。
11、优选地，获取历史不同时期对应的阶段碳资产使用总量jsi，i为历史不同的时期，i={1，2，3，……，12}，并通过公式计算获取历史不同时期对应的阶段碳资产使用比例bji；式中，[*]为取值函数；
12、将历史不同时期对应计算获取的阶段碳资产使用比例按时期时间顺序进行排列组合，得到所属历史所有时期对应的历史阶段碳资产使用处理序列；
13、获取企业今年对应的碳配额pz，并通过公式计算企业今年不同时期对应的阶段碳配额pji；
14、将企业今年不同时期对应计算获取的所有阶段碳配额按北京时间顺序进行排列组合，得到企业今年不同时期对应的当下阶段碳资产配额处理序列。
15、优选地，利用当下阶段碳资产配额处理序列来对企业当下不同已用时期碳资产的阶段使用状态进行监管评估时，统计企业当下不同已用时期对应的阶段已用配额yji；并将不同已用时期的阶段已用配额通过阶段碳配额使用识别函数进行数据分析，并输出所属已用时期对应的阶段使用标识bsi；
16、其中，阶段碳配额使用识别函数的表达式为；
17、阶段使用标识包含0或1的数值，表示对应已用时期的阶段碳配额使用状态正常或异常；
18、对阶段使用标识进行数据分析确定所属已用时期对应的阶段碳配额使用状态。
19、优选地，若阶段使用标识为0，则生成阶段碳配额使用状态正常信号并提示，同时通过公式sti=pji-yji计算获取所属已用时期对应的阶段碳剩余配额sti；
20、若阶段使用标识为1，则生成阶段碳配额使用状态异常信号并提示，同时通过公式cti=yji-pji计算获取所属已用时期对应的阶段碳超标配额cti；
21、将计算获取的阶段碳剩余配额或阶段碳超标配额分别与所属的阶段使用标识进行关联组合，得到对应已用时期的阶段使用监管子序列。
22、优选地，对企业的阶段使用监管分析数据中排序的不同阶段使用监管子序列进行遍历统计，并将数值为0或1的阶段使用标识所属的阶段使用监管子序列分别标记为剩余子序列和超标子序列；
23、统计不同剩余子序列对应的不同阶段碳配额剩余率，以及不同超标子序列对应的不同阶段碳配额超标率；
24、获取所有阶段碳配额剩余率对应的中值并标记为标准碳配额剩余率l1；以及，获取所有阶段碳配额超标率对应的中值并标记为标准碳配额超标率l2。
25、优选地，统计企业当下所有已用时期对应的所有碳配额使用总量sz，并通过公式计算获取企业当下所有已用时期对应的整体使用标识bz；式中，sz0为当下所有已用时期对应的标准碳配额总量。
26、优选地，对整体使用标识进行数据分析确定企业当下对应的整体碳配额使用状态，若整体使用标识为0，则生成整体碳配额使用状态正常信号并提示，同时实施剩余时期对应的剩余碳配额可利用状态分析；
27、若整体使用标识为1，则生成整体碳配额使用状态异常信号并提示，同时实施剩余时期对应的剩余碳配额可处理状态分析。
28、优选地，对企业碳资产进行所有剩余时期对应剩余碳配额监管状态的分析时，根据整体使用标识通过公式计算获取企业所有剩余时期对应的剩余碳配额监管值zj；式中，k为1或2；lk为l1或l2；n1为已使用碳配额的不同已用时期总数；yyi´为不同剩余时期对应的阶段预估配额，i´为不同的剩余时期，i´={1，2，3，……，n}；n为正整数；n为未使用碳配额的不同剩余时期总数。
29、优选地，对剩余碳配额监管值进行数据分析；
30、若剩余碳配额监管值为0，则生成剩余超标正常指令并维持现有的阶段碳配额使用方案；
31、若剩余碳配额监管值大于0，则生成剩余超标异常指令并实施对应的碳资产第一管理方案或第二管理方案。
32、优选地，碳资产对应的第一管理方案或第二管理方案，分别为碳资产剩余利用的优化管理，或碳资产超标处理的优化管理。
33、相比于现有方案，本专利技术实现的有益效果：
34、本专利技术根据历史不同时期碳资产使用数据来对当下不同已用时期碳资产的阶段使用状态进行监管分析以及处理组合，得到当下已用时期对应的阶段使用监管分析数据，实现了利用历史不同时期使用数据来对当下不同已用时期的阶段使用状态进行监管以及数字化处理，既可以获取到当下不同已用时期对应的不同阶段使用状态，又可以为后续剩余日期对应的多维监管分析提供可靠的已使用监管数据支持，提高了碳资产已使用方面的数据监管处理效果本文档来自技高网...
【技术保护点】
1.基于机器学习的碳资产管理系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的碳资产管理系统，其特征在于，获取历史不同时期对应的阶段碳资产使用总量JSi，i为历史不同的时期，i={1，2，3，……，12}，并通过公式计算获取历史不同时期对应的阶段碳资产使用比例BJi；式中，[*]为取值函数；
3.根据权利要求2所述的基于机器学习的碳资产管理系统，其特征在于，利用当下阶段碳资产配额处理序列来对企业当下不同已用时期碳资产的阶段使用状态进行监管评估时，统计企业当下不同已用时期对应的阶段已用配额YJi；并将不同已用时期的阶段已用配额通过阶段碳配额使用识别函数进行数据分析，并输出所属已用时期对应的阶段使用标识BSi；
4.根据权利要求3所述的基于机器学习的碳资产管理系统，其特征在于，若阶段使用标识为0，则生成阶段碳配额使用状态正常信号并提示，同时通过公式STi=PJi-YJi计算获取所属已用时期对应的阶段碳剩余配额STi；
5.根据权利要求4所述的基于机器学习的碳资产管理系统，其特征在于，对企业的阶段使用监管分析数据中排序的不同
6.根据权利要求5所述的基于机器学习的碳资产管理系统，其特征在于，统计企业当下所有已用时期对应的所有碳配额使用总量SZ，并通过公式计算获取企业当下所有已用时期对应的整体使用标识BZ；式中，SZ0为当下所有已用时期对应的标准碳配额总量。
7.根据权利要求6所述的基于机器学习的碳资产管理系统，其特征在于，对整体使用标识进行数据分析确定企业当下对应的整体碳配额使用状态，若整体使用标识为0，则生成整体碳配额使用状态正常信号并提示，同时实施剩余时期对应的剩余碳配额可利用状态分析；
8.根据权利要求7所述的基于机器学习的碳资产管理系统，其特征在于，对企业碳资产进行所有剩余时期对应剩余碳配额监管状态的分析时，根据整体使用标识通过公式计算获取企业所有剩余时期对应的剩余碳配额监管值ZJ；式中，k为1或2；Lk为L1或L2；N1为已使用碳配额的不同已用时期总数；YYi´为不同剩余时期对应的阶段预估配额，i´为不同的剩余时期，i´={1，2，3，……，N}；N为正整数；N为未使用碳配额的不同剩余时期总数。
9.根据权利要求8所述的基于机器学习的碳资产管理系统，其特征在于，对剩余碳配额监管值进行数据分析；
10.根据权利要求9所述的基于机器学习的碳资产管理系统，其特征在于，碳资产对应的第一管理方案或第二管理方案，分别为碳资产剩余利用的优化管理，或碳资产超标处理的优化管理。
...【技术特征摘要】
1.基于机器学习的碳资产管理系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的碳资产管理系统，其特征在于，获取历史不同时期对应的阶段碳资产使用总量jsi，i为历史不同的时期，i={1，2，3，……，12}，并通过公式计算获取历史不同时期对应的阶段碳资产使用比例bji；式中，[*]为取值函数；
3.根据权利要求2所述的基于机器学习的碳资产管理系统，其特征在于，利用当下阶段碳资产配额处理序列来对企业当下不同已用时期碳资产的阶段使用状态进行监管评估时，统计企业当下不同已用时期对应的阶段已用配额yji；并将不同已用时期的阶段已用配额通过阶段碳配额使用识别函数进行数据分析，并输出所属已用时期对应的阶段使用标识bsi；
4.根据权利要求3所述的基于机器学习的碳资产管理系统，其特征在于，若阶段使用标识为0，则生成阶段碳配额使用状态正常信号并提示，同时通过公式sti=pji-yji计算获取所属已用时期对应的阶段碳剩余配额sti；
5.根据权利要求4所述的基于机器学习的碳资产管理系统，其特征在于，对企业的阶段使用监管分析数据中排序的不同阶段使用监管子序列进行遍历统计，并将数值为0或1的阶段使用标识所属的阶段使用监管子序列分别标记为剩余子序列和超标子序列；
6.根据权利要求5所述的基于机器学习的碳资产...
【专利技术属性】
技术研发人员：刘敦楠，庞博，许小峰，夏绪卫，
申请(专利权)人：华北电力大学，
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。