基于灰色BP神经网络的电力碳排放峰值预测方法及系统技术方案

本发明专利技术提供一种基于灰色BP神经网络的电力碳排放峰值预测方法及系统，该方法包括步骤：S101、将电力碳排放量作为随机变量视为一定区间内变动的灰色变量，获得相应的原始数据序列，对原始数据序列进行处理后获得呈现指数增长趋势的累加序列；S102、将原始数据序列和累加序列作为输入值，构建基于灰色BP神经网络的碳排放峰值预测模型；S103、对碳排放峰值预测模型进行训练；S104、在灰色BP神经网络中引入递推算法，对碳排放峰值预测模型进行求解，获得碳排放峰值预测值，相较于传统预测方法，本发明专利技术预测的碳排放峰值结果更加准确。本发明专利技术预测的碳排放峰值结果更加准确。本发明专利技术预测的碳排放峰值结果更加准确。

【技术实现步骤摘要】
基于灰色BP神经网络的电力碳排放峰值预测方法及系统


[0001]本专利技术涉及碳排放计算
，尤其涉及一种基于灰色BP神经网络的电力碳排放峰值预测方法及系统。

技术介绍

[0002]目前，我国的经济发展过程中面临着许多环境问题，最为紧要的问题是发电公司的二氧化碳排放问题。因此，如何正确地预测碳排放峰值，为其制定碳减排途径，并在短时间内控制碳排放峰值，是一个迫切需要解决的问题。目前，学者们从不同的角度和理论依据出发，运用了不同的模式来研究碳排放峰值预测方法。关敏捷等人在《基于STIRPAT模型的山西省能源碳排放影响因素及峰值预测》中提出了基于STIRPAT模型的峰值预测方法(以下简称为方法A)，在能源结构优化模式下构建了STIRPAT模型。模型结合VSTE算法计算电力碳排放平均值，进而预测碳排放峰值。然而，该方法过分依赖人工操作，使得构建的模型在求解过程中受到不同因素影响，出现了较大预测偏差。王思琪等人在《基于双回归预测模型的公共建筑运行阶段碳排放现状研究》中构建了电力碳排放双回归预测模型(以下简称为方法B)，根据电力耗能情况，将各种不同电力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰色BP神经网络的电力碳排放峰值预测方法，其特征在于，所述方法包括：S101、将电力碳排放量作为随机变量视为一定区间内变动的灰色变量，获得相应的原始数据序列，对原始数据序列进行处理后获得呈现指数增长趋势的累加序列；S102、将原始数据序列和累加序列作为输入值，构建基于灰色BP神经网络的碳排放峰值预测模型；S103、对碳排放峰值预测模型进行训练；S104、在灰色BP神经网络中引入递推算法，对碳排放峰值预测模型进行求解，获得碳排放峰值预测值。2.根据权利要求1所述的一种基于灰色BP神经网络的电力碳排放峰值预测方法，其特征在于，步骤S103中，对碳排放峰值预测模型进行训练，具体包括以下步骤：S201、通过灰色BP神经网络的各个节点进行初始化，随机分配各个节点权重和门限；S202、在给定的输入和输出模式下，分别对输入层和输出层连接权重和阈值进行计算；S203、选择下一种输入模式，反复迭代，直至网络输出结果符合预设条件为止完成训练。3.根据权利要求1所述的一种基于灰色BP神经网络的电力碳排放峰值预测方法，其特征在于，所述步骤S104具体包括以下步骤：S301、随机获取各路径碳排放量，通过引入微分方程参数，对其进行加权处理，得到新的灰色BP神经网络模型；S302、剔除输入数据之间的非线性关系，将其引入到新的灰色BP神经网络模型中，通过Lasso回归分析方法，分析各因素对碳排放峰值预测的影响；S303、利用有限递推方法，求出网络中全部节点的碳势；S304、在偏差允许的条件下，使用递推算法计算电力碳排放量，对碳排放峰值预测模型求解，获得电力碳排放量峰值预测结果。4.根据权利要求3所述的一种基于灰色BP神经网络的电力碳排放峰值预测方法，其特征在于，步骤S301中，随机选取的碳排放路径为：其中，L
i
表示电力第i中碳排放路径...

【专利技术属性】
技术研发人员：陈泽维，林才佳，方兵，王善立，张佳艺，冯开健，
申请(专利权)人：海南电网有限责任公司，
类型：发明
国别省市：