一种用能区域长期碳排放的预测方法技术

本发明专利技术一种用能区域长期碳排放的预测方法，采集所述用能区域的宏观数据和微观数据，并执行以下步骤：先建立宏观预测模型，然后建立微观预测模型，进而建立组合预测模型，建立组合预测模型中两权重的最优求解模型，对最优求解模型进行迭代求解得到最优的两权重值，并对组合预测模型进行修正得到最终组合预测模型，将最终组合预测模型代入

【技术实现步骤摘要】
一种用能区域长期碳排放的预测方法


[0001]本专利技术具体涉及一种用能区域长期碳排放的预测方法，属于碳排放预测

。

技术介绍

[0002]科学制定碳减排规划就是通过长期碳排放预测得到未来的碳排放趋势进而制定碳减排规划，因此长期碳排放预测是否准确和及时便成为了科学制定碳减排规划的核心
。
现有技术中关于长期碳排放预测主要通过两种模型来实现，分别是宏观预测模型和微观预测模型
。
其中宏观预测模型收集用能区域的宏观数据
(
区域年度常住人口变化量
、
区域年度常住人口变化量和年度能源强度变化量等
)
，对用能区域的长期碳排放进行预测；微观预测模型收集用能区域的微观数据
(
用能区域内全行业每天的电力和能源消费等
)
，先对该用能区域短期碳排放进行预测，最后通过短期碳排放预测结果进行拟合得到该用能区域的长期碳排放预测结果
。
现有技术中的宏观预测模型虽然能够揭示用能区域碳排放的长期趋势，但需要基于往期官方公布的数据进行拟合，存在滞后性，不能够准时进行用能区域的长期碳排放预测；微观预测模型虽然能够对用能区域进行细致仿真，对用能区域的短期碳排放进行准时和准确预测，但是在长期预测时由于工程量大，拟合难度高等问题，使得微观模型预测在对用能区域的长期碳排放进行预测时的准确率不够
。

技术实现思路

[0003]本专利技术要解决的技术问题是：如何合理地结合长期碳排放预测中的宏观预测模型和微观预测模型，使得用能区域的长期碳排放预测结果更加准确
。
[0004]本专利技术所提出的技术方案是：一种用能区域长期碳排放的预测方法，采集所述用能区域的宏观数据和微观数据，所述宏观数据包括历史年度碳排放数据
、
年度常住人口变化量
、
年度人均
GDP
变化量
、
年度能源强度变化量
、
不同用能区域的年度交互碳排放变化量
、
年度能源强度变化量和年度能源结构变化量，所述微观数据包括所述用能区域内全行业每天的电力和能源消费数据，并执行以下步骤：
[0005]步骤1：建立所述用能区域的宏观预测模型，如下式
(1)
所示，
[0006][0007]式
(1)
中，是所述宏观预测模型预测出的长期碳排放预测值；
h
是修正系数，
σ
、
和
τ
分别是传统预测偏差
、
政策影响和用能区域内居民碳排放控制意志，
k1、k2和
k3分别是所述
σ
、
和
τ
的经验修正系数；
Δ
P
是所述用能区域的年度常住人口变化量；
Δ
A
是所述用能区域的年度人均
GDP
变化量；
Δ
T
是所述用能区域的年度能源强度变化量；
Δ
F
是不同用能区域的年度交互碳排变化量；
Δ
S
是所述用能区域的年度产业结构变化量；
Δ
E
是所述用能区
域的年度能源结构变化量；
a
是所述用能区域的上一年度碳排放数据；
[0008]步骤2：建立所述用能区域的微观预测模型，如下式
(2)
所示，
[0009][0010]式
(2)
中，是所述微观预测模型预测出的长期碳排放预测值；
v
是微观预测模型进行长期碳排放预测的时间；
Z
t
是用能区域内全行业第
t
天的碳排放预测量总量，
ρ
i
是第
i
个行业的能源消耗碳排放因子；
E
it
是第
i
个行业第
t
天的标准煤消耗量；
X
in
是第
i
个行业的电力和能源消费数据折算成的标准煤消耗量；
γ
i
是第
i
个行业输入层与输出层的连接权重；
β
ij
是第
i
个行业隐含层与输出层的连接权重；
η
i
是第
i
个行业的激励函数；
b
ij
是第
i
个行业的阈值向量；
[0011]步骤3：建立所述用能区域的组合预测模型，如下式
(3)
所示，
[0012][0013]式
(3)
中，和分别是所述宏观预测模型和所述微观预测模型的组合权重；
[0014]建立权重和的最优组合求解模型如下式
(4)
所示，
[0015][0016]式
(4)
中，
λ
是惩罚因子，
CE
m
‑
w
、
分别是组合预测模型
、
宏观预测模型和微观预测模型分别进行长期碳排放预测时前推
w
年的历史预测碳排量，
Q
m
‑
w
是进行长期碳排放预测时前推
w
年的真实碳排放量；
UC
是不确定性信息熵；
[0017]步骤4：将所述最优组合求解模型进行迭代求解，求解结束后将求解出的最优的权重和代入所述组合预测模型中得到最终组合预测模型，如下式
(5)
所示，
[0018][0019]步骤5：将所述最终组合预测模型代入
MATLAB
软件进行迭代求解，求解结束后将所述用能区域的长期碳排放预测结果输出
。
[0020]进一步，所述步骤4中的具体迭代求解过程如下：
[0021]步骤
4.1
：设置权重规模
N、
最大迭代次数
T
termax
和组合预测模型数量等参数，产生
N
个2维
[0,1]区间上对应的随机权重对，对每一个权重对中的权重都进行归一化处理，使其权重相加为1；
[0022]步骤
4.2
：把
N
个对应的随机权重对代入所述最优组合求解模型中，计算出
N
个和
UC
，利用公式
(6)
计算
N
个适应度
S
，得到
N
个适应度
S
，将
N
个适应度
S
由大到小排列并将排列后的前三个适应度
S
的数值分别赋值给种群
α
、
β
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用能区域长期碳排放的预测方法，其特征在于：采集所述用能区域的宏观数据和微观数据，所述宏观数据包括历史年度碳排放数据
、
年度常住人口变化量
、
年度人均
GDP
变化量
、
年度能源强度变化量
、
不同用能区域的年度交互碳排放变化量
、
年度能源强度变化量和年度能源结构变化量，所述微观数据包括所述用能区域内全行业每天的电力和能源消费数据，并执行以下步骤：步骤1：建立所述用能区域的宏观预测模型，如下式
(1)
所示，式
(1)
中，是所述宏观预测模型预测出的长期碳排放预测值；
h
是修正系数，
σ
、
和
τ
分别是传统预测偏差
、
政策影响和用能区域内居民碳排放控制意志，
k1、k2和
k3分别是所述
σ
、
和
τ
的经验修正系数；
Δ
P
是所述用能区域的年度常住人口变化量；
Δ
A
是所述用能区域的年度人均
GDP
变化量；
Δ
T
是所述用能区域的年度能源强度变化量；
Δ
F
是不同用能区域的年度交互碳排变化量；
Δ
S
是所述用能区域的年度产业结构变化量；
Δ
E
是所述用能区域的年度能源结构变化量；
a
是所述用能区域的上一年度碳排放数据；步骤2：建立所述用能区域的微观预测模型，如下式
(2)
所示，式
(2)
中，是所述微观预测模型预测出的长期碳排放预测值；
v
是微观预测模型进行长期碳排放预测的时间；
Z
t
是用能区域内全行业第
t
天的碳排放预测量总量，
ρ
i
是第
i
个行业的能源消耗碳排放因子；
E
it
是第
i
个行业第
t
天的标准煤消耗量；
X
in
是第
i
个行业的电力和能源消费数据折算成的标准煤消耗量；
γ
i
是第
i
个行业输入层与输出层的连接权重；
β
ij
是第
i
个行业隐含层与输出层的连接权重；
η
i
是第
i
个行业的激励函数；
b
ij
是第
i
个行业的阈值向量；步骤3：建立所述用能区域的组合预测模型，如下式
(3)
所示，式
(3)
中，和分别是所述宏观预测模型和所述微观预测模型的组合权重；建立权重和的最优组合求解模型如下式
(4)
所示，
式
(4)
中，
λ
是惩罚因子，
CE
m
‑
w
、
分别是组合预测模型
、
宏观预测模型和微观预测模型分别进行长期碳排放预测时前推
w
年的历史预测碳排量，
Q
m
‑
w
是进行长期碳排放预测时前推
w
年的真实碳排放量；
UC
是不确定性信息熵；步骤4：将所述最优组合求解模型进行迭代求解，求解结束后将求解出的最优的权重和代入所述组合预测模型中得到最终组合预...

【专利技术属性】
技术研发人员：邓星，高昇宇，陈文君，周恒俊，齐飞，肖光旭，陈堃，冯磊，徐锋，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：