一种基于时序网络的碳排放因子的日前预测方法、系统、存储介质及设备技术方案

本发明专利技术涉及一种基于时序网络的碳排放因子的日前预测方法、系统、存储介质及设备，其方法包括步骤：S1、利用潮流分析和碳排分析结合，获取潮流和碳流历史数据；S2、设计门控循环单元网络，进行门控状态计算及潮流数据和网络参数训练；S3、进行损失函数计算与参数更新，迭代优化门控循环单元网络的权重参数和偏置参数；若优化完成则进行在线应用；否则，重新进行参数训练。本发明专利技术通过应用门控循环单元网络对碳排放系数进行日前预测，该模型结合了门控循环单元网络和碳排放时间序列数据，通过大量潮流数据和网络参数训练，来逼近实际系统的碳排放数据，并将网络应用于碳排放的快速分析。并将网络应用于碳排放的快速分析。并将网络应用于碳排放的快速分析。

【技术实现步骤摘要】
一种基于时序网络的碳排放因子的日前预测方法、系统、存储介质及设备


[0001]本专利技术涉及电力
，尤其涉及一种基于时序网络的碳排放因子的日前预测方法、系统、存储介质及设备。

技术介绍

[0002]随着化石能源的过度开发和无节制的碳排放，地球的平均温度逐渐升高，全球气候已逐渐变暖。各国迫切需要采取措施，应对全球变暖和空气污污染。对于电网来说，实现低碳发展和减少碳排放是一个共同的目标。由于电力电子行业的进步，新能源发电的稳定性和快速调整功率的能力都有所提高，这为环境友好型能源的利用和碳排放的优化而进行的电力分配提供了机会。
[0003]到目前为止，为实现基于碳排放的电力用户运营，已经进行了许多研究。简而言之，主要的研究集中在根据碳排放的精准计算或是基于低碳的最佳策略上。随着电网规模的扩大，电力系统变得越来越分散。为了获取各个节点的碳排放情况及其排放方向，通常使用传统的基于比例分摊原理的碳流追踪模型，并结合电力系统网络进行分析。但是，这种分析方法需要考虑系统的潮流拓扑数据，并解算潮流方程组和碳流方程组。在多节点的电力系统网络下，由于数据采集难度大且计算时间长，这种方法难以实现在线快速分析需求。此外，传统碳流分析法计算比较繁琐，并且潮流数据具有延迟性质，给碳排放计算带来一定误差。
[0004]同时，对碳排放系数的准确预测将有助于电力生产企业改进其碳工艺技术，并帮助电力消费者发展其用电行为。对电网来说，向消费者和供应商提供相应的电力碳排放系数是非常重要的。这就需要探索新的碳流分析方法。一种可能的解决方案是采用基于机器学习的方法；机器学习是一种强大的技术，可以在足够的数据和网络参数训练的情况下，自动学习数据的规律，从而实现快速准确的分析。因此，可以使用机器学习技术，开发出适用于多节点电力系统网络的碳流分析模型。
[0005]总的来说，能源转型是一个复杂而重要的挑战，需要各行各业的合作和努力。电力行业作为能源转型的主导行业，应积极探索新的能源转型方案，减少对环境的影响，提高可持续性。电力行业应增加可再生能源的比例、提高能源利用效率、减少能源浪费和提供透明的碳排放信息等方面。

技术实现思路

[0006]为解决现有技术所存在的技术问题，本专利技术提供一种基于时序网络的碳排放因子的日前预测方法、系统、存储介质及设备，通过应用门控循环单元网络对碳排放系数进行日前预测，该模型结合了门控循环单元网络和碳排放时间序列数据，通过大量潮流数据和网络参数训练，来逼近实际系统的碳排放数据，并将网络应用于碳排放的快速分析。
[0007]本专利技术方法采用以下技术方案来实现：一种基于时序网络的碳排放因子的日前预
测方法，包括以下步骤：
[0008]S1、通过结合电力系统拓扑和负荷发电数据，进行潮流分析和碳排分析，获取潮流和碳流历史数据；
[0009]S2、设计门控循环单元网络GRU，进行门控状态计算，应用门控循环单元网络GRU对碳排放系数进行日前预测，结合门控循环单元网络GRU和碳排放时间序列数据，进行潮流数据和网络参数训练；
[0010]S3、进行损失函数计算与参数更新，迭代优化门控循环单元网络GRU的权重参数和偏置参数，令损失函数快速降低，并获取最终的权重参数和偏置参数；若优化完成则进行在线应用，将门控循环单元网络GRU应用于碳排放的快速分析；否则，利用反向传播更新，重新进行参数训练。
[0011]本专利技术系统采用以下技术方案来实现：一种基于时序网络的碳排放因子的日前预测系统，包括：
[0012]数据收集模块：通过结合电力系统拓扑和负荷发电数据，进行潮流分析和碳排分析结合，并收集潮流和碳流历史数据；
[0013]网络设计模块：用于设计门控循环单元网络GRU，采用更新门和重置门对输入和输出信息进行选择；
[0014]参数训练模块：用于进行网络的前向传播与输出计算；
[0015]损失函数更新模块：用于门控循环单元网络GRU的损失函数计算与参数的梯度计算，并更新相关的参数数值；
[0016]迭代优化模块：用于迭代优化门控循环单元网络GRU的权重参数和偏置参数；
[0017]在线应用模块：用于将门控循环单元网络GRU应用于碳排放的快速分析，结合实时负荷快速进行计算。
[0018]本专利技术还提出存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现本专利技术日前预测方法的步骤。
[0019]本专利技术还提出计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本专利技术日前预测方法。
[0020]本专利技术与现有技术相比，具有如下优点和有益效果：
[0021]1、本专利技术通过基于门控循环神经网络的日前碳排放预测算法，针对电力行业中碳排放的实时快速评估需求，能够为电力用户提供动态的碳排放因子数值，门控循环单元网络通过网络设计、GRU的门控状态计算、损失函数计算与参数更新的三个阶段，逐步优化网络的权重参数和偏置参数，以使得损失函数能够快速降低，并获取最终的权重和偏置参数。
[0022]3、本专利技术所提出的基于门控循环神经网络的日前碳排放预测算法通过离线网络训练和在线网络应用两个阶段，实现了更快速的碳排放因子计算过程，避免了集中计算过程中的部分节点信息缺失，使得碳排放计算结果更加稳定；同时，该方法不需要考虑实际电力系统的参数，只需要收集相关的历史数据，大大减少了信息收集的成本。
[0023]4、本专利技术基于门控循环神经网络的日前碳排放预测算法是一种针对电力用户碳排放因子计算的高效模型，该模型通过采用了基于机器学习的预测方法，大大减少了计算成本和复杂度，能够快速准确地预测电力系统的碳排放情况；相比传统算法，该模型不仅计算速率更快，而且精度更高，能够有效地提高碳排放控制的效率，所提出的预测模型，通过
挖掘电力系统历史数据的信息，实现了实时碳排放因子的计算，可为用户提供节能减排的依据。
[0024]5、本专利技术的模型在碳排放控制和能源转型方面具有广泛的应用价值和实际意义，可以为推动电力行业的绿色发展作出积极贡献，通过提供动态的碳排放因子数值，该算法有望帮助电力用户在碳排放控制方面更好地制定决策，推动电力行业向可持续和低碳的方向转型。
附图说明
[0025]图1是本专利技术的方法流程图；
[0026]图2是本专利技术的潮流计算与碳排放计算的关系示意图；
[0027]图3是本专利技术的GRU门控循环单元网络的示意图。
具体实施方式
[0028]下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。
[0029]实施例
[0030]如图1所示，本实施例一种基于时序网络的碳排放因子的日前预测方法，包括以下步骤：
[0031]S1、通过结合电力系统拓扑和负荷发电数据，进行潮流分析和碳排分析，获取潮流和碳流历史数据；
[0032]S2、设计门控循环单元网络GRU，进行门控状态计算，应用门控循环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序网络的碳排放因子的日前预测方法，其特征在于，包括以下步骤：S1、通过结合电力系统拓扑和负荷发电数据，进行潮流分析和碳排分析，获取潮流和碳流历史数据；S2、设计门控循环单元网络GRU，进行门控状态计算，应用门控循环单元网络GRU对碳排放系数进行日前预测，结合门控循环单元网络GRU和碳排放时间序列数据，进行潮流数据和网络参数训练；S3、进行损失函数计算与参数更新，迭代优化门控循环单元网络GRU的权重参数和偏置参数，令损失函数快速降低，并获取最终的权重参数和偏置参数；若优化完成则进行在线应用，将门控循环单元网络GRU应用于碳排放的快速分析；否则，利用反向传播更新，重新进行参数训练。2.根据权利要求1所述的一种基于时序网络的碳排放因子的日前预测方法，其特征在于，步骤S1的具体过程如下：S11、进行潮流分析，对于一个包含m个节点的电力系统，其潮流方程如下：S11、进行潮流分析，对于一个包含m个节点的电力系统，其潮流方程如下：其中，P
Gi
、Q
Gi
分别为节点i的发电机对应的有功功率和无功功率输出；P
Li
、Q
Li
分别为接入节点i的有功和无功负荷；G
ij
、B
ij
分别为连接节点i和节点j的i
‑
j电导和电纳的负值；U
i
、U
j
分别为节点i和节点j的电压幅值；θ
ij
为节点i和节点j的电压角度差，即θ
ij
＝θ
i
‑
θ
j
；其中，θ
i
和θ
j
分别为节点i和节点j的电压角度；S12、基于比例分担原则的碳排放系数由区域电网的最优功率流、发电厂的发电碳排放和负荷用户决定；对于区域电网中的节点，碳排放系数表述如下：其中，n
g
和n
p
表示发电机节点和负荷节点；表示区域电网中第i个节点的碳排放系数；表示连接到第i个电网节点的第k个发电站的有功功率输出；为第k个发电站的相应碳排放系数；P
ij
为第j个节点向第i个节点传输的功率；为区域电网中第j个节点的碳排放系数；S13、利用步骤S12的碳排放系数的计算，输入一个负荷序列其中，n
s
是数据样本的数量；然后执行潮流计算程序和碳排计算程序，并输出相应的功率流和碳排放因子。3.根据权利要求2所述的一种基于时序网络的碳排放因子的日前预测方法，其特征在于，负荷序列被选为输入特征，输电线路的功率损失和节点的碳排放系数被选为输出特征；收集到的负荷序列为其中，F
d
是总的输入样本，F
i
表示一个负荷序列，n
k
是节点的一个负荷序列的长度；对于输出特征，收集的数据为预测负荷输电线路功率损失其中，P
o
是功率损失的总输出样本，P
i
表示一个功率损失样本，n1是电网中的实际线路数；输
出碳排放因子δ
o
＝{δ
p
(1)，δ
p
(2)，...，δ
p
(n
s
)}，其中，δ
o
是碳排放因子的总输出样本，δ
p
表示一个碳排放因子样本；选取F
o
，P
o
和δ
o
是总输出的目标数据。4.根据权利要求1所述的一种基于时序网络的碳排放因子的日前预测方法，其特征在于，步骤S2中的具体过程包括：S221、门控循环单元GRU采用更新门和重置门对输入和输出信息进行选择，并采用sigmoid层将输出值限制在[0，1]范围内；S222、门控循环单元GRU通过历史记忆调节单元的状态，更新门和重置门的输出表达式如下：如下：如下：h
t
＝(1
...

【专利技术属性】
技术研发人员：蔡妙妆，陈少梁，李慧，刘常，黎艺炜，彭正阳，温鑫，郑茵，黄力宇，郭斌，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：