一种二氧化碳排放计量方法技术

本发明专利技术涉及二氧化碳排放计量技术领域，公开了一种二氧化碳排放计量方法，包括：收集工业分析样本；根据工业分析样本生成多元单项式特征，得到多元单项式特征矩阵；定义含碳量估计模型和优化目标函数；求解含碳量估计模型优化目标函数；得到待测含碳量的工业分析样本的含碳量估计值；计算燃煤固定燃烧过程二氧化碳排放量；本发明专利技术通过建立工业分析样本与元素分析参数之间的关系模型，可保证在不增加成本和额外分析过程的基础上实现考虑实际煤种的含碳量估计。碳量估计。碳量估计。

【技术实现步骤摘要】
一种二氧化碳排放计量方法


[0001]本专利技术涉及二氧化碳排放计量
，具体涉及一种二氧化碳排放计量方法。

技术介绍

[0002]全球气候变化是当前人类面临的一个重大挑战，为应对这一挑战，核心是要减少温室气体排放，特别是能源消费过程中产生的二氧化碳排放。在某些国家和地区，煤炭是最重要的能源，一次能源以煤炭为主，电源结构也以煤电为主。因此，本专利技术面向燃煤电厂，提出一种二氧化碳排放计量方法，有助于企业掌握自身碳排放状况，为企业参与碳交易、碳减排提供科学的数据支持。
[0003]现有的大量燃煤电厂二氧化碳排放量计算的方法大多是依据各自国家的煤炭统计数据、电力设备运行状况等设计的。由于不同区域煤炭具有异质性，不同煤种的燃烧排放特征差别较大，因此需要分析煤炭质量情况，及不同煤种对电力设备运行的影响，从而提升碳排放计量的准确性。
[0004]虽然使用优质煤可提高发电效率，但是鉴于某些国家和地区的煤炭质量现状及出于发电成本的考虑，企业通常并非完全按照设计煤种进行燃烧，而是采用掺烧、混烧等方式，因此实际煤种与设计煤种之间可能存在较大质量差异，而煤质变化对二氧化碳排放具有重要影响，为得到准确的二氧化碳排放计量结果，需要融合煤质参数，如发热量、挥发分、灰分、硫分、水分等，进行排放量计算。
[0005]煤的含碳量需通过元素分析得到，而元素分析过程复杂且成本高昂，因此，本专利技术通过建立工业分析参数（全水分、挥发分、固定碳、灰分、高低位发热量、全硫含量、煤粉细度、灰渣可燃物含量等）和元素分析参数之间的关系模型，来估计煤的含碳量，从而实现二氧化碳排放计量。

技术实现思路

[0006]为解决上述技术问题，本专利技术提供一种二氧化碳排放计量方法。
[0007]为解决上述技术问题，本专利技术采用如下技术方案：一种二氧化碳排放计量方法，包括以下步骤：步骤一：收集工业分析样本，形成训练样本集；其中表示工业分析样本的第个输入，为工业分析样本的维度总数，工业分析样本的维度包括多种煤质参数；训练样本集中，具有标签y的部分工业分析样本称为有标注样本，其余工业分析样本为无标注样本；其中标签y为工业分析样本对应的含碳量；表示实数空间；步骤二：根据工业分析样本生成多元单项式特征，将多元单项式特征所在的原始特征空间拓展到高维的多元单项式特征空间；将有标注样本排列在前、无标注样本排列在后，得到多元单项式特征矩阵，其中为训练样本集中的工业分析样本总数，d为多元单项式特征空间的维度，的行向量表示多元单项式特征；
步骤三：含碳量估计模型，其中为输出权重向量；定义含碳量估计模型优化目标函数：；其中，为用于保证稀疏性的模型复杂性度量项，为经验损失项，为平滑性度量项，为用于权衡各项的系数且均为正数；步骤四：通过近端梯度下降法求解含碳量估计模型优化目标函数，得到最优的输出权重向量；步骤五：将待测含碳量的工业分析样本输入到碳量估计模型，得到对应的含碳量估计值；步骤六：基于含碳量估计值计算燃煤固定燃烧过程二氧化碳排放量。
[0008]具体地，工业分析样本的维度包括全水分、挥发分、固定碳、灰分、高低位发热量、全硫含量、煤粉细度、灰渣可燃物含量。
[0009]具体地，步骤三中，模型复杂性度量项。
[0010]具体地，步骤三中，经验损失项，其中为标签向量，分别为有标注样本数量和无标注样本数量，为维全零行向量，表示转置；中间变量，为维全一行向量，为用于构造对角矩阵的函数。
[0011]具体地，步骤三中，平滑性度量项；表示转置，拉普拉斯矩阵，为相似性矩阵，的元素为，描述第i个工业分析样本与第j个工业分析样本之间的相似性，为带宽；为一个对角矩阵，的元素。
[0012]具体地，步骤六中，基于含碳量估计值计算燃煤固定燃烧过程二氧化碳排放量时：；表示燃煤量，表示锅炉排渣总量，表示灰渣中的碳元素含量。
[0013]与现有技术相比，本专利技术的有益技术效果是：本专利技术通过建立工业分析样本与元素分析参数之间的关系模型，可保证在不增加成本和额外分析过程的基础上实现考虑实际煤种的含碳量估计；同时在关系模型建立中除了利用有标注样本信息之外，充分融合无标注样本中蕴含的结构信息，可在标签有限的条件下提升模型估计准确度；另外，本专利技术所求解得到的含碳量估计模型是稀疏的，实现了模型中关键特征的提取，从而一定程度上提升模型的可解释性。
附图说明
[0014]图1为本专利技术二氧化碳排放计量方法的流程示意图。
具体实施方式
[0015]下面结合附图对本专利技术的一种优选实施方式作详细的说明。
[0016]本专利技术中的二氧化碳排放计量方法，包括以下步骤：S1、收集工业分析样本，形成训练样本集：工业分析样本，其中表示的第个输入，表示实数空间，为工业分析样本的维度总数。本实施例中，工业分析样本的维度包括全水分、挥发分、固定碳、灰分、高低位发热量、全硫含量、煤粉细度、灰渣可燃物含量的信息，即本实施例中。对于有对应含碳量的工业分析样本，其含碳量作为标签，与形成样例。训练样本集中有标签的工业分析样本称为有标注样本，其余称为无标注样本。
[0017]S2：根据工业分析样本生成多元单项式特征，其中为非负整数，然后根据背景知识适当确定多元单项式特征的形式与数量，即可将多元单项式特征所在的原始特征空间拓展到高维的多元单项式特征空间。工业分析样本的多元单项式特征，表示多元单项式特征空间的维度；将有标注样本排列在前、无标注样本排列在后，得到多元单项式特征矩阵，其中为训练样本集中工业分析样本的总数，的行向量表示多元单项式特征。
[0018]S3：含碳量估计模型可写作，其中为输出权重向量。
[0019]定义含碳量估计模型优化目标函数：；其中，系数用于权衡各项。
[0020]经验损失项，其中为标签向量，分别为有标注样本数量和无标注样本数量，为第个标签，为维全零行向量，表示转置；，为维全一行向量。
[0021]同时，由于构造特征空间维度较高，所以引入模型复杂性度量项以保证的稀疏性，从而对构造特征进行关键特征的选择保留，可得到形式较为简洁的多元多项式模型。
[0022]采用流形正则化以利用数据内蕴的分布信息提升模型性能，假设特征空间中距离相近的两个工业分析样本可能具有相似的标签，即满足平滑性假设，为度量模型对平滑性假设的符合程度，引入，其中描述两个工业分析样本与之间的相似性，为带宽，表示含碳量估计模型关于工业分析样本的输出。因此，可以得到平滑性度量项：；表示转置，拉普拉斯矩阵；为相似性矩阵，其元素即为；为一个对角矩阵，其元素。
[0023]S4：求解上述含碳量估计模型优化目标函数，得到最优的，求解方法可采用近端梯度下降法。
[0024]S5：对于待测含碳量的工业分析样本，含碳量估计模型的输出即为工业分析样本对应的含碳量估计值。
[0025]S6：基于模型估计的，采集燃煤电厂的相关参数，包括燃煤量、锅炉排渣总量、灰渣中的碳元素含量，并采用下面的公式计算燃煤固定燃烧过程二氧化碳排放量：；其中，表示燃煤固定燃烧过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二氧化碳排放计量方法，包括以下步骤：步骤一：收集工业分析样本，形成训练样本集；其中表示工业分析样本的第个输入，为工业分析样本的维度总数，工业分析样本的维度包括多种煤质参数；训练样本集中，具有标签y的部分工业分析样本称为有标注样本，其余工业分析样本为无标注样本；其中标签y为工业分析样本对应的含碳量；表示实数空间；步骤二：根据工业分析样本生成多元单项式特征，将多元单项式特征所在的原始特征空间拓展到高维的多元单项式特征空间；将有标注样本排列在前、无标注样本排列在后，得到多元单项式特征矩阵，其中为训练样本集中的工业分析样本总数，d为多元单项式特征空间的维度，的行向量表示多元单项式特征；步骤三：含碳量估计模型，其中为输出权重向量；定义含碳量估计模型优化目标函数：；其中，为用于保证稀疏性的模型复杂性度量项，为经验损失项，为平滑性度量项，为用于权衡各项的系数且均为正数；步骤四：通过近端梯度下降法求解含碳量估计模型优化目标函数，得到最优的输出权重向量；步骤五：将待测含碳量的工业分析样本输入到碳量估计模型，得到对应的含碳量估计值；步骤六：基...

【专利技术属性】
技术研发人员：李泽瑞，康宇，吕文君，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：