一种碳排放预测方法和系统技术方案

本发明专利技术提出一种碳排放预测方法和系统。其中，方法包括：获取目标区域的电力消费数据；根据所述电力消费数据和预先训练的预测模型，得到所述目标区域的非电力能源消费预测数据；根据所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算目标区域的碳排放预测量。本发明专利技术能够从能源结构和能源电气化趋势出发，通过电力消费数据实现区域能源碳排放的预测。测。测。

【技术实现步骤摘要】
一种碳排放预测方法和系统


[0001]本专利技术属于碳排放
，尤其涉及一种碳排放预测方法和系统。

技术介绍

[0002]随着应对气候变化在全球治理体系中的重要性不断提升，碳排放、碳资产管理、碳交易等各项工作也更加受到各方重视，各层面的碳排放体系正在逐步建立。
[0003]双碳目标下，电力与化石能源之间可相互替代，中长期来看，电气化水平的提升是确定性趋势。由于经济系统和能源体系的发展惯性，地区能源消费结构具有较好的短期稳定性与长期趋势延续性。
[0004]现有的碳排放测算方法，根据目标产物碳排放因子，测算产品生产过程中的碳排放量；根据化石能源碳排放因子，测算化石能源消耗产生的碳排放量；根据测算得到的所示产品生产过程中的碳排放量和测算得到的所述化石能源消耗产生的碳排放量，得到基于电力消费数据的碳排放总量。然而，这种碳排放测算方法单纯从狭义的某类细分产品角度，考虑能源及电力消耗，得到只是单一维度的碳排放测算方法，无法支撑广义的区域范畴的能源活动碳排放。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出一种碳排放预测方法的技术方案，能够从能源结构和能源电气化趋势出发，通过电力消费数据实现区域能源碳排放的预测。
[0006]本专利技术第一方面公开了一种碳排放预测方法；所述方法包括：
[0007]步骤S1、获取目标区域的电力消费数据；
[0008]步骤S2、根据所述电力消费数据和预先训练的预测模型，得到所述目标区域的非电力能源消费预测数据；
[0009]步骤S3、根据所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算目标区域的碳排放预测量。
[0010]根据本专利技术第一方面的方法，所述预测模型通过如下方式训练得到：
[0011]获取目标区域的电力历史消费数据、及非电力能源的历史消费数据；
[0012]针对每种非电力能源，根据所述电力历史消费数据和所述非电力能源的历史消费数据，构建非电力能源对应的预测模型。
[0013]根据本专利技术第一方面的方法，所述非电力能源包括：煤炭、油品、天然气和新能源；
[0014]相应地，所述非电力能源对应的预测模型包括：煤炭预测模型、油品预测模型、天然气预测模型和新能源预测模型。
[0015]根据本专利技术第一方面的方法，所述根据所述电力历史消费数据和所述非电力能源的历史消费数据，构建非电力能源对应的预测模型，包括：
[0016]根据所述电力历史消费数据和所述非电力能源的历史消费数据，计算电力与非电力能源的相关系数；
[0017]根据所述相关系数，判断电力与非电力能源的线性关系；
[0018]根据线性关系判断结果构建非电力能源对应的预测模型。
[0019]根据本专利技术第一方面的方法，所述根据线性关系判断结果构建非电力能源对应的预测模型，包括：
[0020]若电力与非电力能源线性相关，则采用一元线性回归方法构建非电力能源对应的预测模型；
[0021]若电力与非电力能源非线性相关，则采用一元指数回归方法或一次移动平均法构建非电力能源对应的预测模型。
[0022]根据本专利技术第一方面的方法，所述根据所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算目标区域的碳排放预测量，包括：
[0023]获取电力及非电力能源的碳排放系数；
[0024]根据所述碳排放系数、所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算所述目标区域的碳排放预测量。
[0025]根据本专利技术第一方面的方法，所述方法还包括：
[0026]根据目标区域的实际的电力消费数据和实际的非电力能源消费数据，对所述预测模型进行训练更新。
[0027]本专利技术第二方面公开了一种碳排放预测系统；所述系统包括：
[0028]第一处理模块，被配置为，获取目标区域的电力消费数据；
[0029]第二处理模块，被配置为，根据所述电力消费数据和预先训练的预测模型，得到所述目标区域的非电力能源消费预测数据；
[0030]第三处理模块，被配置为，根据所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算目标区域的碳排放预测量。
[0031]根据本专利技术第二方面的系统，所述第二处理模块具体被配置为通过如下方式训练得到：获取目标区域的电力历史消费数据、及非电力能源的历史消费数据；针对每种非电力能源，根据所述电力历史消费数据和所述非电力能源的历史消费数据，构建非电力能源对应的预测模型。
[0032]根据本专利技术第二方面的系统，所述非电力能源包括：煤炭、油品、天然气和新能源；
[0033]相应地，所述非电力能源对应的预测模型包括：煤炭预测模型、油品预测模型、天然气预测模型和新能源预测模型。
[0034]根据本专利技术第二方面的系统，所述第二处理模块具体被配置为根据所述电力历史消费数据和所述非电力能源的历史消费数据，计算电力与非电力能源的相关系数；根据所述相关系数，判断电力与非电力能源的线性关系；根据线性关系判断结果构建非电力能源对应的预测模型。
[0035]根据本专利技术第二方面的系统，所述第二处理模块具体被配置为若电力与非电力能源线性相关，则采用一元线性回归方法构建非电力能源对应的预测模型；若电力与非电力能源非线性相关，则采用一元指数回归方法或一次移动平均法构建非电力能源对应的预测模型。
[0036]根据本专利技术第二方面的系统，所述第三处理模块具体被配置为获取电力及非电力能源的碳排放系数；
[0037]根据所述碳排放系数、所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算所述目标区域的碳排放预测量。
[0038]根据本专利技术第二方面的系统，所述第二处理模块还被配置为根据目标区域的实际的电力消费数据和实际的非电力能源消费数据，对所述预测模型进行训练更新。
[0039]本专利技术第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种碳排放预测方法中的步骤。
[0040]本专利技术第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种碳排放预测方法中的步骤。
[0041]本专利技术提出的方案通过预先训练的预测模型，基于电力消费数据得到非电力能源消费预测数据，继而根据电力消费数据及非电力能源消费预测数据计算出目标区域的碳排放预测量，实现在双碳背景下，能源消费与电力消费的正向趋势下，从能源结构和能源电气化趋势出发，通过电力消费数据实现区域能源碳排放的预测。
附图说明
[0042]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述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】
1.一种碳排放预测方法，其特征在于，所述方法包括：步骤S1、获取目标区域的电力消费数据；步骤S2、根据所述电力消费数据和预先训练的预测模型，得到所述目标区域的非电力能源消费预测数据；步骤S3、根据所述目标区域的电力消费数据和所述非电力能源消费预测数据，计算目标区域的碳排放预测量。2.根据权利要求1所述的一种碳排放预测方法，其特征在于，所述预测模型通过如下方式训练得到：获取目标区域的电力历史消费数据、及非电力能源的历史消费数据；针对每种非电力能源，根据所述电力历史消费数据和所述非电力能源的历史消费数据，构建非电力能源对应的预测模型。3.根据权利要求2所述的一种碳排放预测方法，其特征在于，所述非电力能源包括：煤炭、油品、天然气和新能源；相应地，所述非电力能源对应的预测模型包括：煤炭预测模型、油品预测模型、天然气预测模型和新能源预测模型。4.根据权利要求3所述的一种碳排放预测方法，其特征在于，所述根据所述电力历史消费数据和所述非电力能源的历史消费数据，构建非电力能源对应的预测模型，包括：根据所述电力历史消费数据和所述非电力能源的历史消费数据，计算电力与非电力能源的相关系数；根据所述相关系数，判断电力与非电力能源的线性关系；根据线性关系判断结果构建非电力能源对应的预测模型。5.根据权利要求4所述的一种碳排放预测方法，其特征在于，所述根据线性关系判断结果构建非电力能源对应的预测模型，包括：若电力与非电力能源线性相关，则采用一元线性回归方法构建非电力能源对应的预测模型；若电力与非...

【专利技术属性】
技术研发人员：袁野，张兵涛，尉迟军，黄忠斌，赵静微，汪越，吴琦，苏玉鑫，郭晓慧，高洪玲，
申请(专利权)人：中能融合智慧科技有限公司，
类型：发明
国别省市：