System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及碳排放领域,更具体地说,涉及一种碳排放监测方法、装置及设备。
技术介绍
1、准确估计碳排放量可以为向低碳经济转型提供关键支持。而工业用户是碳排放的最大贡献者,因此,准确地估计工业用户的碳排放量为低碳经济转型的重要一环。基于此,亟需一种碳排放监测方法对工业用户的碳排放量进行监测,以便促进工业用户进行低碳经济转型。
技术实现思路
1、有鉴于此,本申请提供了一种碳排放监测方法、装置及设备,用于对工业用户的碳排放量进行监测。
2、为了实现上述目的,现提出的方案如下:
3、一种碳排放监测方法,包括:
4、采集预设时段内待监测用户对应的负荷序列;
5、对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征;
6、将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,并确定每个所述目标独热码对应的持续时长,所述目标独热码用于确定所述待监测用户所使用的目标碳排放设备及所述目标碳排放设备的目标运行状态;
7、确定每个所述目标独热码对应的目标碳排放因子,所述目标碳排放因子用于表明单位时间内所述目标独热码对应的目标碳排放设备处于目标运行状态时的碳排放量;
8、依次根据每个所述目标独热码对应的目标碳排放因子以及持续时长,计算得到所述目标独热码对应的目标碳排放;
9、汇总各个所述目标独热码的目标碳排放,形成所述待监测用户在预设时段内的总碳排放。
10、可选的,对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征,包括:
11、使用随机卷积核对所述负荷序列进行特征转换,得到所述负荷序列对应的负荷时序特征。
12、可选的,使用随机卷积核对所述负荷序列进行特征转换,得到所述负荷序列对应的负荷时序特征,包括:
13、将所述负荷序列分割为若干个子序列;
14、依次使用随机卷积核对每个所述子序列进行特征转换,得到所述子序列对应的负荷时序特征,以得到所述负荷序列对应的各个所述负荷时序特征。
15、可选的,将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,包括:
16、利用所述逻辑回归分类器依次对每个所述子序列对应的负荷时序特征进行特征提取,并基于提取的特征预测所述子序列对应的所有目标独热码,各个所述子序列对应的目标独热码组合形成所述负荷序列对应的所有目标独热码。
17、可选的,确定每个所述目标独热码对应的持续时长,包括:
18、将各个所述子序列中相同目标独热码对应的子序列的时长相加,得到各个所述目标独热码对应的持续时长。
19、可选的,所述确定每个所述目标独热码对应的目标碳排放因子,包括:
20、获取存储有各个碳排放因子以及各个独热码一一对应关系的匹配表;
21、依次从所述匹配表中选取与每个所述目标独热码对应的独热码,并将选取的独热码对应的碳排放因子作为所述目标独热码对应的目标碳排放因子。
22、可选的,训练所述逻辑回归分类器的过程,包括:
23、获取多个标注有独热码的训练时序特征作为训练数据,并获取初始分类器;
24、依次利用每个所述训练数据对所述初始分类器进行训练,将训练后得到的初始分类器作为逻辑回归分类器。
25、可选的,所述获取多个标注有独热码的训练时序特征作为训练数据,包括:
26、生成每个训练碳排放设备的每个训练运行状态的独热码;
27、采集多个历史时段内的训练序列,并确定每个所述训练序列对应的运行信息,所述运行信息表明所述训练序列对应的所有训练运行状态;
28、依次对每个所述训练序列进行处理,得到训练时序特征;
29、根据所述训练时序特征对应的运行信息,对所述训练时序特征进行独热码标注,形成训练数据。
30、一种碳排放监测装置,包括:
31、采集模块,用于采集预设时段内待监测用户对应的负荷序列;
32、处理模块,用于对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征;
33、辨识模块,用于将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,并确定每个所述目标独热码对应的持续时长,所述目标独热码用于确定所述待监测用户所使用的目标碳排放设备及所述目标碳排放设备的目标运行状态;
34、确定模块,用于确定每个所述目标独热码对应的目标碳排放因子,所述目标碳排放因子用于表明单位时间内所述目标独热码对应的目标碳排放设备处于目标运行状态时的碳排放量;
35、计算模块,用于依次根据每个所述目标独热码对应的目标碳排放因子以及持续时长,计算得到所述目标独热码对应的目标碳排放;
36、汇总模块,用于汇总各个所述目标独热码的目标碳排放,形成所述待监测用户在预设时段内的总碳排放。
37、一种碳排放监测设备,包括存储器和处理器;
38、所述存储器,用于存储程序;
39、所述处理器,用于执行所述程序,实现上述的碳排放监测方法的各个步骤。
40、一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述的碳排放监测方法的各个步骤。
41、从上述的技术方案可以看出,本申请提供的碳排放监测方法,该方法可以采集预设时段内待监测用户对应的负荷序列;对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征;将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,并确定每个所述目标独热码对应的持续时长,所述目标独热码用于确定所述待监测用户所使用的目标碳排放设备及所述目标碳排放设备的目标运行状态;确定每个所述目标独热码对应的目标碳排放因子,所述目标碳排放因子用于表明单位时间内所述目标独热码对应的目标碳排放设备处于目标运行状态时的碳排放量;如此,本申请可以依据负荷序列,确定预设时段内运行的目标碳排放设备,考虑到同一目标碳排放设备在不同运行状态下的碳排放不同,因而,本申请还可以确定各个目标碳排放设备的运行状态以及各个运行状态的运行时长;通过易于采集的负荷序列实现运行状态以及各个运行状态的运行时长的确定,进一步提高了本申请的实用性。随后,依次根据每个所述目标独热码对应的目标碳排放因子以及持续时长,计算得到所述目标独热码对应的目标碳排放;汇总各个所述目标独热码的目标碳排放,形成所述待监测用户在预设时段内的总碳排放;如此,本申请可以针对性地确定各个运行状态对应的碳排放量,从而,得到总排放量。可见,本申请可以利用负荷序列,辨别不同目标碳排放设备的目标独热码,从而,完成用户的碳排放监测。
42、进一步地,本申请所采用的是独热码技术,独热码技本文档来自技高网...
【技术保护点】
1.一种碳排放监测方法,其特征在于,包括:
2.根据权利要求1所述的碳排放监测方法,其特征在于,对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征,包括:
3.根据权利要求2所述的碳排放监测方法,其特征在于,使用随机卷积核对所述负荷序列进行特征转换,得到所述负荷序列对应的负荷时序特征,包括:
4.根据权利要求3所述的碳排放监测方法,其特征在于,将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,包括:
5.根据权利要求4所述的碳排放监测方法,其特征在于,确定每个所述目标独热码对应的持续时长,包括:
6.根据权利要求1所述的碳排放监测方法,其特征在于,所述确定每个所述目标独热码对应的目标碳排放因子,包括:
7.根据权利要求1所述的碳排放监测方法,其特征在于,训练所述逻辑回归分类器的过程,包括:
8.根据权利要求7所述的碳排放监测方法,其特征在于,所述获取多个标注有独热码的训练时序特征作为训练数据,包括:
9.一种碳排放监测
10.一种碳排放监测设备,其特征在于,包括存储器和处理器;
...【技术特征摘要】
1.一种碳排放监测方法,其特征在于,包括:
2.根据权利要求1所述的碳排放监测方法,其特征在于,对所述负荷序列进行处理,得到所述负荷序列对应的负荷时序特征,包括:
3.根据权利要求2所述的碳排放监测方法,其特征在于,使用随机卷积核对所述负荷序列进行特征转换,得到所述负荷序列对应的负荷时序特征,包括:
4.根据权利要求3所述的碳排放监测方法,其特征在于,将所述负荷时序特征输入至预训练的逻辑回归分类器,得到所述逻辑回归分类器预测的所述负荷序列对应的所有目标独热码,包括:
5.根据权利要求4所述的碳...
【专利技术属性】
技术研发人员:刘文慧,黄信标,彭群葆,梁基广,高嘉颉,李瀚,
申请(专利权)人:广东电网有限责任公司汕尾供电局,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。