一种基于电力数据的能源行业碳排放预测方法技术

本发明专利技术属于污染排放技术领域，提出了一种基于电力数据的能源行业碳排放预测方法。通过分析确定能源行业影响碳排放因素Co2_X与主要用于行业生产的电力因素Ele_X；随后利用皮尔逊相关系数法找到Co2_X和Ele_X中元素的相关性；然后对相关因素性进行随机森林回归树算法进行训练；最后模型训练采用多项式回归进行联合训练。一种基于电力数据的能源行业碳排放预测方法，通过建立能源消费数据与电力数据的关系，用电力数据预测能源行业的碳排放，解决重点用能企业碳排放管理不到位的问题。点用能企业碳排放管理不到位的问题。点用能企业碳排放管理不到位的问题。

【技术实现步骤摘要】
一种基于电力数据的能源行业碳排放预测方法


[0001]本专利技术属于污染排放
，提出了一种基于电力数据的能源行业碳排放预测方法。

技术介绍

[0002]温室气体排放，造成温室效应，使全球气温上升，地球在吸收太阳辐射的同时，本身也向外层空间辐射热量，其热辐射以3～30μm的长波红外线为主，当这样的长波辐射进入大气层时，易被某些分子量较大、极性较强的气体分子所吸收，由于红外线的能量较低，不足以导致分子键能的断裂，因此气体分子吸收红外线辐射后没有化学反应发生，而只是阻挡热量自地球向外逃逸，相当于地球和外层空间的一个绝热层，即“温室”的作用，大气中某些微量组分对地球长波辐射吸收作用使近地面热量得以保持，从而导致全球气温升高的现象被称为温室效应。
[0003]“双碳”目标下，国家对发电、水泥、建材、化工等重点用能行业的碳减排工作提出了更高要求。目前，重点用能企业大多建有能耗监测平台，但运行维护不到位，且缺乏碳排放管理功能，无法对企业碳排放进行预测和预警，不能充分挖掘企业碳减排潜力。电网企业主要掌握企业用电数据，对企业其他用能数据难以搜集，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电力数据的能源行业碳排放预测方法,其特征在于：包括以下步骤：S1.分析确定能源行业影响碳排放因素Co2_X与主要用于行业生产的电力因素Ele_X；S2.利用皮尔逊相关系数法找到Co2_X和Ele_X中元素的相关性；S3.对步骤S2所得到的相关因素性进行随机森林回归树算法进行训练；S4.对步骤S3所得到的模型训采用多项式回归进行联合训练。2.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法，其特征在于：所述步骤S1中：其中，为一个样本其构成是能源行业中影响碳排放因素向量，k表示特征维度数，m为样本数量；Co2_Y为对应Co2_X的二氧化碳排放值；所述步骤S1中：其中，为一个样本其构成是能源行业中主要用于行业生产的用电因素向量，q表示特征维度数，m为样本数量，Ele_Y为Ele_X对应的电量值。3.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法，其特征在于：所述步骤S2中，所述相关性的计算公式为：式中，i≤m，j≤n,<>表示内积运算，|| ||表示范数运算。4.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法，其特征在于：所述相关性的计算方法为，如式3所述如果Corr(cx
i
，ex
j
)＞δ，则将ex
j
加入到Corr_Ele，Corr_Ele表示电力因素中与能源行业影响碳排放因素相关性大于δ的电力因素，得到对应的碳排放Corr_Co2_Y＝{cy1，cy2,
…
,cy
m
，}；其中，Corr_Ele∈Ele,k+p≤n且k+p≤m；Corr_Ele表示是由和相关性由相关性大于阈值δ的电力因素组成的样本，Corr_Ele∈Ele，为一个样本其构成是和相关性由相关性大于阈值δ的电力因素向量，p≤k且p≤q。5.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法，其特征在于：所述步骤S3中，随机森林回归树算法包括以下步骤：采用步骤2中得到的Corr_Ele为特征，Corr_Co2_Y为标签值用随机森林算法进行训练，记为Corr_model；以Co2_X为特征，Co2_Y为标签值...

【专利技术属性】
技术研发人员：何清素，靳丹，王婷，张自强，韩庆之，何少军，尉颖，张兆师，
申请(专利权)人：甘肃同兴智能科技发展有限责任公司，
类型：发明
国别省市：