碳排放量识别方法、装置、终端设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种碳排放量识别方法、装置、终端设备及可读存储介质，该方法包括：利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果；根据所述判断结果确定所述被测电网系统的碳排放等级。本发明专利技术提供的碳排放量识别方法，通过特征提取算法，提取了更细粒度的电力市场的交易数据，以更精确地识别出每个时间碳排放的情况。本发明专利技术基于真实系统，不仅能够及时检测系统的当前碳排放量情况，有助于人工干预，同时也降低了碳排放量的识别成本。同时也降低了碳排放量的识别成本。同时也降低了碳排放量的识别成本。

【技术实现步骤摘要】
碳排放量识别方法、装置、终端设备及可读存储介质


[0001]本专利技术涉及电力能源
，尤其涉及一种碳排放量识别方法、装置、终端设备及可读存储介质。

技术介绍

[0002]目前，针对碳排放量的识别工作，主要是通过识别边际碳排放来实现。边际碳排放指的是在电网当前状态下，每增加一千瓦功率负载，电网为满足这部分需求所发电产生的碳排放量。由于电能是通过多种能源产生的，在电网的每个不同状态下，用于发电的能源配比也是不同的，因此会造成碳排放量的不同。
[0003]为了识别边际碳排放的大小，现有技术通常有两类做法：一类是通过模拟电网的调度系统来识别出边际发电厂，再从边际发电厂中识别边际碳排放。但是由于电网系统过于复杂，若模拟系统过于简单，就会与真实系统差距较大进而严重影响边际碳排放的识别精度。若模拟系统过于复杂，不仅成本高，也难以实时得到结果，因此可实施性较低。另一类主要基于真实的电网系统，通过从以往数据中找到规律来进行边际碳排放的预测，但是这种方式往往需要获取大量的数据，且在挖掘数据时存在较大难度，进而导致最后识别结果的精确度往往并不理想。

技术实现思路

[0004]本专利技术的目的在于提供一种碳排放量识别方法、装置、终端设备及可读存储介质，以解决现有技术中碳排放量识别方法识别存在的操作复杂、识别结果精确度低的问题。
[0005]为实现上述目的，本专利技术提供一种碳排放量识别方法，包括：
[0006]利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；
[0007]根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果；
[0008]根据所述判断结果确定所述被测电网系统的碳排放等级。
[0009]进一步地，所述特征提取算法，包括Relief算法、随机森林算法或LASSO算法。
[0010]进一步地，当所述特征提取算法为Relief算法时，所述从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点，包括：
[0011]基于二分类监督学习框架，以所述交易节点为样本构建样本数据集；其中，样本的数据特征为交易节点的拥堵价格；
[0012]利用Relief算法计算每个数据特征的贡献度；
[0013]对贡献度从高到低依次排序，按照预设规则从排序结果中提取多个节点，作为目标节点。
[0014]进一步地，所述根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果，包括：
[0015]当目标节点的边际拥堵价格大于0时，判断所述边际拥堵价格是否在预设区间范围内；若是，则目标节点内的风力发电厂为边际电厂；若否，则目标节点内的风力发电厂不是边际电厂；
[0016]当目标节点的边际拥堵价格小于0时，则目标节点内的风力发电厂为边际电厂。
[0017]本专利技术还提供一种碳排放量识别装置，包括：
[0018]特征提取单元，用于利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；
[0019]判断单元，用于根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果；
[0020]碳排放量识别单元，用于根据所述判断结果确定所述被测电网系统的碳排放等级。
[0021]进一步地，所述特征提取单元，还用于：
[0022]利用Relief算法、随机森林算法或LASSO算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点。
[0023]进一步地，所述特征提取单元，还用于：
[0024]当所述特征提取算法为Relief算法时，基于二分类监督学习框架，以所述交易节点为样本构建样本数据集；其中，样本的数据特征为交易节点的拥堵价格；
[0025]利用Relief算法计算每个数据特征的贡献度；
[0026]对贡献度从高到低依次排序，按照预设规则从排序结果中提取多个节点，作为目标节点。
[0027]进一步地，所述判断单元，还用于：
[0028]当目标节点的边际拥堵价格大于0时，判断所述边际拥堵价格是否在预设区间范围内；若是，则目标节点内的风力发电厂为边际电厂；若否，则目标节点内的风力发电厂不是边际电厂；
[0029]当目标节点的边际拥堵价格小于0时，则目标节点内的风力发电厂为边际电厂。
[0030]本专利技术还提供一种终端设备，包括：
[0031]一个或多个处理器；
[0032]存储器，与所述处理器耦接，用于存储一个或多个程序；
[0033]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的碳排放量识别方法。
[0034]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的碳排放量识别方法。
[0035]相对于现有技术，本专利技术的有益效果在于：
[0036]本专利技术公开了一种碳排放量识别方法、装置、终端设备及可读存储介质，该方法包括：利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果；根据所述判断结果确定所述被测电网系统的碳排放等级。本专利技术提供的碳排放量识别方法，通过特征提取算法，提取了更细粒度的电力市场的交易数据，以更精确地识别出每个时间碳排放的情况。本专利技术基于真实系统，不仅能够及时检测
系统的当前碳排放量情况，有助于人工干预，同时也降低了碳排放量的识别成本。
附图说明
[0037]为了更清楚地说明本专利技术的技术方案，下面将对实施方式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些实施方式，对于本领域普通技术人员来讲，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。
[0038]图1是本专利技术某一实施例提供的碳排放量识别方法的流程示意图；
[0039]图2是本专利技术某一实施例提供的二分类的监督学习的框架的结构示意图；
[0040]图3是本专利技术某一实施例提供的碳排放量识别装置的结构示意图；
[0041]图4是本专利技术某一实施例提供的终端设备的结构示意图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
[0044]应当理解，在本专利技术说明书中所使用的术语仅仅是出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳排放量识别方法，其特征在于，包括：利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果；根据所述判断结果确定所述被测电网系统的碳排放等级。2.根据权利要求1所述的碳排放量识别方法，其特征在于，所述特征提取算法，包括Relief算法、随机森林算法或LASSO算法。3.根据权利要求2所述的碳排放量识别方法，其特征在于，当所述特征提取算法为Relief算法时，所述从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点，包括：基于二分类监督学习框架，以所述交易节点为样本构建样本数据集；其中，样本的数据特征为交易节点的拥堵价格；利用Relief算法计算每个数据特征的贡献度；对贡献度从高到低依次排序，按照预设规则从排序结果中提取多个节点，作为目标节点。4.根据权利要求1所述的碳排放量识别方法，其特征在于，所述根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电厂是否为边际电厂，并生成判断结果，包括：当目标节点的边际拥堵价格大于0时，判断所述边际拥堵价格是否在预设区间范围内；若是，则目标节点内的风力发电厂为边际电厂；若否，则目标节点内的风力发电厂不是边际电厂；当目标节点的边际拥堵价格小于0时，则目标节点内的风力发电厂为边际电厂。5.一种碳排放量识别装置，其特征在于，包括：特征提取单元，用于利用特征提取算法，从电力市场的交易节点中提取被测电网系统的风力发电厂所在的节点，作为目标节点；判断单元，用于根据所述目标节点的边际拥堵价格，判断目标节点内的风力发电...

【专利技术属性】
技术研发人员：刘之亮，陈东，曹松鹏，吴辰晔，张海，沈灯鸿，赵晨，张然，刘超，邸鹏宇，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：