碳排放量的预测方法、装置、终端及可读存储介质制造方法及图纸

本发明专利技术公开了一种碳排放量的预测方法、装置、终端及可读存储介质，该预测方法包括以下步骤：生成所述工业园区在预测年份Y的预测用电总量E

【技术实现步骤摘要】
碳排放量的预测方法、装置、终端及可读存储介质


[0001]本专利技术涉及碳排放预测
，尤其涉及一种碳排放量的预测方法、装置、终端及可读存储介质。

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，碳排放测算、碳资产管理、碳交易等各项工作也更加受到各方重视，各层面的碳排放测算体系正在逐步建立。
[0003]目前已有的大多数有关碳排放的研究都是从行业角度考虑行业的碳排放，比如交通、港口运输、建筑各自专业领域的碳排现状。并没有从工业园区角度考虑冷、热、电、气、光伏发电等综合能源的碳排放，随着综合能源服务等理念的不断推进实施，工业园区逐渐成为新的交易主体，集中参与综合能源交易、碳排放交易，这使得工业园区碳排测算工作变得更加重要。

技术实现思路

[0004]有鉴于此，本专利技术的主要目的在于提供一种碳排放量的预测方法、装置、终端及可读存储介质。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：一种工业园区的碳排放量的预测方法，包括以下步骤：生成所述工业园区在预测年份Y的预测用电总量E
Y
，生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y
，生成所述工业园区在预测年份Y的能源消耗所产生的碳排放量E
CO2,Y
；所述工业园区在预测年份Y的碳排放量预测值C
Y
＝E
CO2,Y
+E
Y
*C
elec
‑
PV
Y
*C
pv
，其中，C
elec
和C
pv
均为常数，且C
elec
>0，C
ov
>0。
[0006]作为本专利技术实施例的一种改进，所述“生成所述工业园区在预测年份Y的预测用电总量E
Y”具体包括：获取所述工业园区在N个历史日期的用电量，其中，N为自然数；对预测年份Y中的每个日期Day均进行以下处理：获取N个历史日期与日期Day之间的N个相似度因子，选择M个目标历史日期，日期Day的用电预测量＝M个目标历史日期的用电量的均值，其中，M为自然数，M≤N，目标历史日期对应的相似度因子≥预设阈值＞0；所述工业园区在预测年份Y的预测用电总量E
Y
＝预测年份Y中的每个日期Day的用电预测量的和。
[0007]作为本专利技术实施例的一种改进，预设阈值＝0.75。
[0008]作为本专利技术实施例的一种改进，所述“获取N个历史日期与日期Day之间的N个相似度因子”具体包括：对每个历史日期均进行以下操作：历史日期与日期Day之间的日期差距相似度其中，mod()是取余函数，int()是取整函数，β1、β2和β3均为衰减系数，0<β1，β2，β3<1，N1、N2和N3均是正常数，Δ
Day
为所述历史日期与日期Day之间的间隔天数，当所述历史日期与日期Day均为法定节假日时，S
Day
＝1，否则，S
Day
＝0；对每个历史日期均进行以下操作：历史日期与日期Day之间的星期差距相似度γ
Day
＝1
‑
|w1‑
w0|，其中w1为历史日期的星期类型映射值，w0为日期Day
的星期类型映射值，周一的星期类型映射值0.1，周二到周四的星期类型映射值0.2，周五的星期类型映射值为0.3，周六的星期类型映射值为0.7，周日的星期类型映射值1；历史日期与日期Day之间的N个相似度因子＝W
δ,Day
δ
Day
+W
γ,Day
γ
Day
，其中，W
δ,Day
和W
γ，Day
均为权重值。
[0009]作为本专利技术实施例的一种改进，W
δ
是通过CRITIC法所得到的所述历史日期的δ
Day
对应的客观权重，W
γ
是通过CRITIC法所得到的所述历史日期的γ
Day
对应的客观权重。
[0010]作为本专利技术实施例的一种改进，所述“生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y”具体包括：基于PVlib模型，生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y
。
[0011]作为本专利技术实施例的一种改进，所述“生成所述工业园区在预测年份Y的能源消耗所产生的碳排放量E
Co2，Y”具体包括：获取所述工业园区在预测年份Y的前一年所消耗的Num1种燃料F1，F2，...，F
Num1
，则Num1中燃料所产生的碳排放，则Num1中燃料所产生的碳排放AD
i
＝Con
i
*CV
i
，EF
i,CH4
＝EF
i,CH4,Heart
*HV
i
，EF
i，N2O
＝EF
i,N2O,Heart
*HV
i
，CEV
Elec
＝Con
Elec
*∑
j∈Gas EF
Elec，j
*GWP
j
，CEV
Heat
＝Con
Heat
*∑
j∈Gas
EF
Heat，j
*GWP
j
；其中，Num1为自然数，Num1＞1；集合Gas＝{CO2，CH4，N2O}，AD
i
为燃料F
i
的活动水平；Con
i
、Con
Elec
、Con
Heat
分别为燃料F
i
、电力、热力消耗量；CV
i
为燃料F
i
的平均低位发热值；EF
i,j
、EF
Elec，j
、EF
Heat，j
分别为燃料Fi燃烧、电力和热力产生温室气体j的排放因子；GWP
j
为温室气体j的碳排放二氧化碳当量；分别为燃料F
i
的单位热值含碳量和燃料碳氧化率，M
CO2
、M
C
分别为二氧化碳和碳的摩尔量；EF
i，CH4，Heart
、EF
i，N2o，Heart
分别为CH4、N2O基于热值的排放因子；HV
i
为燃料F
i
基于重量或体积的热值；CO2表示二氧化碳，CH4表示甲烷，N2O表示一氧化二氮；生成所述工业园区在预测年份Y的前一年的工业过程的碳排放量CEV
IP
＝∑
k∈S
(AD
k
*EF
k...

【技术保护点】

【技术特征摘要】
1.一种工业园区的碳排放量的预测方法，其特征在于，包括以下步骤：生成所述工业园区在预测年份Y的预测用电总量E
Y
，生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y
，生成所述工业园区在预测年份Y的能源消耗所产生的碳排放量E
CO2,
；所述工业园区在预测年份Y的碳排放量预测值C
Y
＝E
CO2,
+E
Y
*C
elec
‑
PV
Y
*C
pv
，其中，C
elec
和C
pv
均为常数，且C
elec
>0，C
pv
>0。2.根据权利要求1所述的预测方法，其特征在于，所述“生成所述工业园区在预测年份Y的预测用电总量E
Y”具体包括：获取所述工业园区在N个历史日期的用电量，其中，N为自然数；对预测年份Y中的每个日期Day均进行以下处理：获取N个历史日期与日期Day之间的N个相似度因子，选择M个目标历史日期，日期Day的用电预测量＝M个目标历史日期的用电量的均值，其中，M为自然数，M≤N，目标历史日期对应的相似度因子≥预设阈值>0；所述工业园区在预测年份Y的预测用电总量E
Y
＝预测年份Y中的每个日期Day的用电预测量的和。3.根据权利要求2所述的预测方法，其特征在于：预设阈值＝0.75。4.根据权利要求1所述的预测方法，其特征在于，所述“获取N个历史日期与日期Day之间的N个相似度因子”具体包括：对每个历史日期均进行以下操作：历史日期与日期Day之间的日期差距相似度其中，mod()是取余函数，int()是取整函数，β1、β2和β3均为衰减系数，0<β1，β2，β3<1，N1、N2和N3均是常数且均为正数，Δ
Day
为所述历史日期与日期Day之间的间隔天数，当所述历史日期与日期Day均为法定节假日时，S
Day
＝1，否则，S
Day
＝0；对每个历史日期均进行以下操作：历史日期与日期Day之间的星期差距相似度γ
Day
＝1
‑
|w1‑
w0|，其中w1为历史日期的星期类型映射值，w0为日期Day的星期类型映射值，周一的星期类型映射值0.1，周二到周四的星期类型映射值0.2，周五的星期类型映射值为0.3，周六的星期类型映射值为0.7，周日的星期类型映射值1；历史日期与日期Day之间的N个相似度因子＝W
δ,
δ
Day
+W
γ,ay
γ
Day
，其中，W
δ,Day
和W
γ,Day
均为权重值。5.根据权利要求4所述的预测方法，其特征在于：W
δ
是通过CRITIC法所得到的所述历史日期的δ
Day
对应的客观权重，W
γ
是通过CRITIC法所得到的所述历史日期的γ
Day
对应的客观权重。6.根据权利要求1所述的预测方法，其特征在于，所述“生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y”具体包括：基于PVlib模型，生成所述工业园区在预测年份Y的光伏系统的预测光伏发电量PV
Y
。7.根据权利要求1所述的预测方法，其特征在于，所述“生成所述工业园区在预测年份Y的能源消耗所产生的碳排放量E
CO2,Y”具体包括：获取所述工业园区在预测年份Y的前一年所消耗的Num1种燃料F1,F2,...,F
Num1
，则Num1
中燃料所产生的碳排放AD
i
＝Con
i
*CV
i
，EF
i,CH4
＝EF
i,CH4,Heart
*HV
i
，EF
i,N2O
＝EF
i,N2O,Heart
*HV
i
，CEV
Elec
＝Con
Elec
*∑
j∈Gas
EF
Elec,j
*GWP
j
，CEV
Heat
＝Con
Heat
*∑
j∈Gas
EF
Heat,j
*GWP
j
；其中，Num1为自然数，Num1>1；集合Gas＝{CO2，CH4，N2O}，AD
i
为燃料F
i
的活动水平；Con

【专利技术属性】
技术研发人员：洪星，杨帆，吴明，洪佳音，何辉，
申请(专利权)人：启东沃太新能源有限公司，
类型：发明
国别省市：