一种基于样条回归的碳排放影响因素识别方法及系统技术方案

本申请公开了一种基于样条回归的碳排放影响因素识别方法及系统，用于识别二氧化碳排放量与影响因素之间的关系，其技术方法是获取目标地区人均GDP、人均用电量、终端电器化率等作为碳排放量影响因素，将其分别作为自变量输入样条回归模型，得到碳排放岁影响因素演变轨迹。迹。迹。

【技术实现步骤摘要】
一种基于样条回归的碳排放影响因素识别方法及系统


[0001]本申请涉及新型电力系统构建
，尤其涉及一种服务于新型电力系统全压全域设计的基于样条回归的碳排放影响因素识别方法及系统。

技术介绍

[0002]自我国提出碳中和目标之后，各地区各行业对碳排放的研究需求迅速增加，碳排放量增长与经济、能源、人口等多种因素相关，为了更好的研究碳排放量与其影响因素之间的关联性，寻找减少碳排放的抓手，通常采用数学模型来研究碳排放量与影响因素之间的关系。
[0003]加快构建以新能源为主体的新型电力系统，为“双碳”目标下我国电力系统形态演化与技术变革指明了方向，碳排放影响因素识别是其中重要的技术基础。
[0004]现有技术文件1(CN114119290B)公开了一种适用于碳排放数据的监控识别方法根据每个碳排放监测区域的清洁能源占比、碳中和占比得到每个碳排放监测区域的用碳画像。不足之处在于，在探究碳排放随影响因素变化的历史轨迹时，没有考虑需要回避事前限制的问题，选取一种更加灵活且自适应性强的模型。现有的影响因素分析方法还有IPAT模型、可拓展的随机性的环境影响评估模型 STIRPAT和对数平均迪式分解模型LMDI等。
[0005]相较于以上模型，样条回归模型可以很好的回避事前限制的问题，更加灵活，同时可以避免在回归时出现高次多项式插值可能出现的振荡现象，具有较好的数值稳定性和收敛性。使用本方法可以更好的模拟碳排放随影响因素变化的历史轨迹，更准确地找到碳排放随影响因素变化的“转折点”。

技术实现思路
/>[0006]为解决现有技术中存在的不足，本专利技术的目的在于，提供一种基于样条回归的碳排放影响因素识别方法及系统，为了更好的模拟碳排放随影响因素变化轨迹，避免在回归时出现高次多项式插值可能出现的振荡现象。
[0007]本专利技术采用如下的技术方案。一种基于样条回归的碳排放影响因素识别方法，包括以下步骤：
[0008]步骤1，采集目标地区碳排放量设定影响因素历史数据和人均二氧化碳排放量历史数据；
[0009]步骤2，利用目标地区人均二氧化碳排放量和每个碳排放量影响因素历史数据绘制成散点图，判断二者是否存在转折点，若存在转折点，则执行步骤3；
[0010]步骤3，根据目标地区人均二氧化碳排放量和碳排放量影响因素历史数据构建样条回归模型，利用插值得出构成样条基函数的线性组合的回归系数；
[0011]步骤4，根据样条回归结果得到目标地区人均二氧化碳排放量随碳排放量影响因素的演变轨迹，找到碳排放随步骤1所述影响因素变化的“转折点”。
[0012]优选地，步骤1中，碳排放量影响因素包括：人均GDP、人均用电量、能源强度、碳排
放强度、可再生电力比例和终端电气化率。
[0013]优选地，步骤1中，采集10年以上的碳排放量影响因素的历史数据作为样本。
[0014]优选地，步骤2中，判断人均二氧化碳排放量和每个碳排放量影响因素是否存在转折点的步骤为：
[0015]首先判断二者是否存在相关性，若散点图呈现从左下方到右上方的趋势，则符合正相关性；
[0016]若散点图呈现从左上方到右下方的趋势，则呈现负相关性；
[0017]若散点图没有一定的趋势则不存在相关性，若二者存在相关性，则进一步判断相关趋势是否发生变化，如存在趋势变化，则表明存在转折点。
[0018]优选地，步骤3具体包括：
[0019]步骤3.1，分别将目标地区人均二氧化碳排放量CO
2pc
和碳排放量影响因素 A
pcit
取对数预处理，得到和ln(A
pcit
)，其中，ln(
·
)指的是取自然对数， i指的是达峰国家，t指的是年份，CO
2pc
指的是人均二氧化碳排放量；
[0020]步骤3.2，利用预处理过的数据，构建基于分段线性函数的样条回归模型；
[0021]步骤3.3，通过插值方法得出构成样条基函数的线性组合的回归系数。
[0022]优选地，步骤3.2中，所述样条回归模型公式如下：
[0023][0024]式中，
[0025]表示某个国家某年的人均二氧化碳排放量，
[0026]A
pcit
表示某个国家某年的某个碳排放量影响因素，
[0027]α
i
表示国家固定效应，
[0028]γ
t
表示时间固定效应，
[0029]ε
it
表示随机误差。
[0030]优选地，所述分段线性函数如下所示，
[0031]f(x)＝∑N
j，k
(x)β
j
[0032]式中，
[0033]k表示阶次，
[0034]j表示影响因素序号，
[0035]β
j
表示样条函数的拟合系数，
[0036]N
j，k
(x)表示各碳排放量影响因素分段之后的样条混合函数，
[0037]x表示任一碳排放量影响因素。
[0038]优选地，步骤3.3中，N
j，k
(x)是由点矢量的非递减的碳排放量影响因素的序列决定的分段多项式。在各碳排放量影响因素的数据取值范围内，给定n+1个插值节点，在每个区间[xi，xi+1]，N
j，k
(x)满足：
[0039][0040]式中，
[0041]m表示差值点数量，
[0042]x
m
表示第m个差值点处的影响因素数值，
[0043]x
m
‑1表示第m
‑
1个差值点处的影响因素数值，
[0044]x
m+1
表示第m+1个差值点处的处的影响因素数值，
[0045]y
m
表示第m个差值点处的影响因素数值对应的函数值，
[0046]y
m+1
表示第m+1个差值点处的影响因素数值对应的函数值。
[0047]优选地，所述碳排放影响因素识别方法还包括；选取多种不同的分段方法来检验模型的稳健性，依照不同的分段方法对样本数据进行百分比平均划分，带入样条回归模型得到四种结果，对比多条回归轨迹的演变趋势和转折点，四条轨迹的趋势越一致，说明模型的稳健性越好。
[0048]本专利技术的第二方面提供了一种碳排放影响因素识别系统，运行所述基于样条回归的碳排放影响因素识别方法，包括数据采集模块、回归模型模块和演变轨迹输出模块：其特征在于：
[0049]数据采集模块，用于采集目标地区碳排放量设定影响因素历史数据和人均二氧化碳排放量历史数据，
[0050]回归模型模块，用于根据目标地区碳排放量和影响因素历史数据得出样条回归模型，
[0051]演变轨迹输出模块，用于根据回归结果得到目标地区人均二氧化碳排放量随设定影响因素的演变轨迹，显示碳排放随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样条回归的碳排放影响因素识别方法，其特征在于：包括以下步骤：步骤1，采集目标地区碳排放量设定影响因素历史数据和人均二氧化碳排放量历史数据；步骤2，利用目标地区人均二氧化碳排放量和每个碳排放量影响因素历史数据绘制成散点图，判断二者是否存在转折点，若存在转折点，则执行步骤3；步骤3，根据目标地区人均二氧化碳排放量和碳排放量影响因素历史数据构建样条回归模型，利用插值得出构成样条基函数的线性组合的回归系数；步骤4，根据样条回归结果得到目标地区人均二氧化碳排放量随碳排放量影响因素的演变轨迹，找到碳排放随步骤1所述影响因素变化的“转折点”。2.根据权利要求1所述的一种基于样条回归的碳排放影响因素识别方法，其特征在于：步骤1中，碳排放量影响因素包括：人均GDP、人均用电量、能源强度、碳排放强度、可再生电力比例和终端电气化率。3.根据权利要求1所述的一种基于样条回归的碳排放影响因素识别方法，其特征在于：步骤1中，采集10年以上的碳排放量影响因素的历史数据作为样本。4.根据权利要求1所述的一种基于样条回归的碳排放影响因素识别方法，其特征在于：步骤2中，判断人均二氧化碳排放量和每个碳排放量影响因素是否存在转折点的步骤为：首先判断二者是否存在相关性，若散点图呈现从左下方到右上方的趋势，则符合正相关性；若散点图呈现从左上方到右下方的趋势，则呈现负相关性；若散点图没有一定的趋势则不存在相关性，若二者存在相关性，则进一步判断相关趋势是否发生变化，如存在趋势变化，则表明存在转折点。5.根据权利要求1所述的一种基于样条回归的碳排放影响因素识别方法，其特征在于：步骤3具体包括：步骤3.1，分别将目标地区人均二氧化碳排放量CO
2pc
和碳排放量影响因素A
pcit
取对数预处理，得到和ln(A
pcit
)，其中，ln(
·
)指的是取自然对数，i指的是达峰国家，t指的是年份，CO
2pc
指的是人均二氧化碳排放量；步骤3.2，利用预处理过的数据，构建基于分段线性函数的样条回归模型；步骤3.3，通过插值方法得出构成样条基函数的线性组合的回归系数。6.根据权利要求5所述的一种基于样条回归的碳排放影响因素识别方法，其特征在于：步骤3.2中，所述样条回归模型公式如下：式中，表示某个国家某年的人均二氧化碳排放量，A
pcit
表示某个国家某年的某个碳排放量影响因素...

【专利技术属性】
技术研发人员：郁丹，王健夫，王科，陈卫东，龙妍，杨鹏，蒋习梅，陈鸣，焦明扬，石晨，韩若昊，
申请(专利权)人：国瑞沃德北京低碳经济技术中心北京理工大学天津大学华中科技大学，
类型：发明
国别省市：