一种电力系统的碳排放量预测方法、装置及计算机设备制造方法及图纸

本申请涉及一种电力系统的碳排放量预测方法、装置及计算机设备。电力系统的碳排放量预测方法包括获取预设区域的历史数据；基于企业基本数据、工业产值变化数据、发电量，分别确定企业特征要素、工业特征要素、电力特征要素；根据企业特征要素、工业特性要素和电力特性要素，对初始电碳排放量进行平稳化修正，得到最优决策；其中，最优决策为使自回归阶数以及移动平均阶数达到最小值；建立初始自回归移动平均模型，并基于最优决策对初始自回归移动平均模型进行修正，得到当前自回归移动平均模型；将目标区域的发电量、企业基本数据、工业产值变化数据输入当前自回归移动平均模型，得到电碳排放量预测结果，能够更加准确的进行碳排放预测。预测。预测。

【技术实现步骤摘要】
一种电力系统的碳排放量预测方法、装置及计算机设备


[0001]本申请涉及电力
，特别是涉及一种电力系统的碳排放量预测方法、装置及计算机设备。

技术介绍

[0002]21世纪以来，中国能源电力转型取得显著成就。在此基础上，加快构建能源电力绿色供给体系，持续提升非化石能源消费比重，稳步提高能源利用效率，加快推进科技进步，能源电力有望提前实现“碳达峰”。加快清洁能源替代化石能源，减少化石能源消费总量，开展大规模国土绿化行动，全面提升生态系统碳汇能力，通过碳捕集、利用和封存技术，能源电力有望尽早实现“碳中和”。在传统技术中，对碳排放量的核算方法一般采用能源管理的思路去计算结果，而采用该方式进行计算碳排放量往往存在重复计算的问题，从而导致原始数据的准确进一步的降低了碳排放量的预测结果的准确性。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高预测准确性的电力系统的碳排放量预测方法、装置及计算机设备。
[0004]一种电力系统的碳排放量预测方法，包括：
[0005]获取预设区域的历史数据；其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统的碳排放量预测方法，其特征在于，包括：获取预设区域的历史数据；其中，所述历史数据包括预设区域在预设时间段内的初始电碳排放量、发电量、企业基本数据、工业产值变化数据；基于所述企业基本数据、所述工业产值变化数据、所述发电量，分别确定企业特征要素、工业特征要素、电力特征要素；根据所述企业特征要素、所述工业特性要素和所述电力特性要素，对所述初始电碳排放量进行平稳化修正，得到最优决策；其中，所述最优决策为使自回归阶数以及移动平均阶数达到最小值；建立初始自回归移动平均模型，并基于所述最优决策对所述初始自回归移动平均模型进行修正，得到当前自回归移动平均模型；将目标区域的发电量、企业基本数据、工业产值变化数据输入所述当前自回归移动平均模型，得到电碳排放量预测结果。2.根据权利要求1所述的电力系统的碳排放量预测方法，其特征在于，根据所述企业特征要素、工业特性要素和电力特性要素，对所述初始电碳排放量进行平稳化修正的步骤，包括：对所述企业特征要素、所述工业特性要素和所述电力特性要素处理，得到在所述预设时间段内的预估电碳排放量；基于所述预估电碳排放量，调整所述初始电碳排放量，得到当前电碳排放量；对所述当前电碳排放量进行平稳化修正。3.根据权利要求1所述的电力系统的碳排放量预测方法，其特征在于，基于所述预估电碳排放量，调整所述初始电碳排放量的步骤，包括：对所述预估电碳排放量和所述初始电碳排放量进行拟合处理，得到拟合函数；基于所述拟合函数，生成所述当前电碳排放量。4.根据权利要求1所述的电力系统的碳排放量预测方法，其特征在于，基于所述预估电碳排放量，调整所述初始电碳排放量的步骤，包括：将各时间点对应的预估电碳排放量和所述初始电碳排放量按预设比例划分为测试集；将所述测试集的数据输入神经网络模型中进行训练，直至所述神经网络模型的训练参数达到收敛要求；基于训练后的所述神经网络模型，生成所述当前电碳排放量。5.根据权利要求1所述的电力系统的碳排放量预测方法，其特征在于，所...

【专利技术属性】
技术研发人员：顾延勋，刘尧，李振聪，罗科，杨昆，刘仁亮，王大鹏，黄明磊，高崇，夏子鹏，郭晓燕，陈建钿，幸旭彬，杨凯帆，赖嘉源，廖志戈，
申请(专利权)人：广东电网有限责任公司珠海横琴供电局，
类型：发明
国别省市：