【技术实现步骤摘要】
本专利技术属于电网能源管理领域，具体涉及一种区域中长期动态碳排放因子的预测方法、系统及设备。
技术介绍
1、碳排放核算是有效开展各项碳减排工作、促进经济绿色转型的基本前提。碳核算可以直接量化碳排放的数据，还可以通过分析各环节碳排放的数据，找出潜在的减排环节和方式，对碳交易市场的运行至关重要。目前，碳排放量的核算主要有三种方式：排放因子法、质量平衡法、实测法。排放因子法是适用范围最广、应用最为普遍的一种碳核算办法，通常根据联合国气候变化委员会（ipcc）提供的基本方程：温室气体（ghg）排放=活动数据（ad）×排放因子（ef）进行碳核算。
2、目前主流的研究大多采用排放因子法计量电力行业碳排放量，如近些年研发的基于碳排放流理论的电力系统全景碳分析平台，通过开展一系列用电碳排放核算和分析领域的研究工作，以ipcc提出的“可测量、可报告、可核实”原则为基本原则，基于电力系统碳排放流分析理论，对电力系统中每一度电的碳排放来源进行追踪，得到实时变化的动态用电碳排放因子，并应用人工智能算法预测了未来48小时的用电碳排放因子。电力消费者可以通过“ecarbon+”发布的实时和预测碳排放因子改变自身用电行为，最大限度地减少二氧化碳排放。又如采用各种能源的发电量及实时监测的火力发电煤耗计算动态发电碳排放因子的方法，结合平均气象数据，对gru模型、长短时记忆（lstm）模型、基于双重注意力机制的lstm-attention模型和gru-attention模型进行训练，以实现小时级别的动态发电碳排放因子预测，从而揭示发电碳排放因子的日度变
3、上述预测方法实现的是动态碳排放因子的短期预测，而对于区域动态碳排放因子的中长期预测有助于区域用电碳排放的精准核算以及更好地规划区域碳减排措施和区域间资源分配，因此有必要提出一种对于区域动态碳排放因子的中长期预测方法。
技术实现思路
1、本专利技术的目的是针对现有技术存在的上述问题，提供一种预测精度较高的区域中长期动态碳排放因子的预测方法、系统及设备。
2、为实现以上目的，本专利技术的技术方案如下：
3、第一方面，本专利技术提出一种区域中长期动态碳排放因子的预测方法，包括：
4、s1、基于区域动态碳排放因子的中长期历史数据，采用多种人工智能算法模型分别进行动态碳排放因子预测；
5、s2、基于以下公式将各模型的预测结果进行融合，得到最终的动态碳排放因子预测结果：
6、；
7、上式中，为最终的动态碳排放因子预测结果，为模型数量，为第i个模型的动态碳排放因子预测结果，为第i个模型的权重，基于均方误差，采用滑动窗口进行动态调整确定，且。
8、所述s2中，的确定方法包括：
9、s21、设定历史时间跨度为w的滑动窗口，并基于下式计算各模型在当前时段的相对性能：
10、；
11、上式中，为第i个模型在t时段的相对性能，为第i个模型在滑动窗口内t时段的均方误差，为第i个模型在滑动窗口内的平均均方误差；
12、s22、基于以下公式确定各模型动态调整后的权重：
13、；
14、上式中，、分别为t时段、t+1时段第i个模型的权重计算值，为调整速度参数。
15、所述基于以下公式计算得到：
16、；
17、上式中，为t时刻第i个模型的动态碳排放因子预测值，为t时刻动态碳排放因子的真实值。
18、所述s1中，多种人工智能算法模型包括自回归移动平均模型、长短期记忆模型、随机森林模型。
19、所述区域动态碳排放因子基于以下公式计算得到：
20、；
21、上式中，为第i个节点在t时段的负荷功率，为t时段的节点碳势，为区域内的节点数量。
22、第二方面，本专利技术提出一种区域中长期动态碳排放因子的预测系统，包括动态碳排放因子预测模块、预测结果融合模块、模型权重动态调整模块；
23、所述动态碳排放因子预测模块用于基于区域动态碳排放因子的中长期历史数据，采用多种人工智能算法模型分别进行动态碳排放因子预测；
24、所述模型权重动态调整模块用于基于均方误差，采用滑动窗口进行动态调整各模型的权重；
25、所述预测结果融合模块用于基于以下公式将各模型的预测结果进行融合，得到最终的动态碳排放因子预测结果：
26、；
27、上式中，为最终的动态碳排放因子预测结果，为模型数量，为第i个模型的动态碳排放因子预测结果，为第i个模型的权重，基于均方误差，采用滑动窗口进行动态调整确定，且。
28、所述模型权重动态调整模块基于以下方法调整各模型的权重：
29、a、设定历史时间跨度为w的滑动窗口，并基于下式计算各模型在当前时段的相对性能：
30、；
31、上式中，为第i个模型在t时段的相对性能，为第i个模型在滑动窗口内t时段的均方误差，为第i个模型在滑动窗口内的平均均方误差；
32、b、基于以下公式确定各模型动态调整后的权重：
33、；
34、上式中，、分别为t时段、t+1时段第i个模型的权重计算值，为调整速度参数。
35、所述区域动态碳排放因子基于以下公式计算得到：
36、；
37、上式中，为第i个节点在t时段的负荷功率，为t时段的节点碳势，为区域内的节点数量。
38、第三方面，本专利技术提出一种区域中长期动态碳排放因子的预测设备，包括处理器以及存储器；
39、所述存储器用于存储计算机程序代码，并将所述计算机程序代码传输给所述处理器；
40、所述处理器用于根据所述计算机程序代码中的指令执行前述的区域中长期动态碳排放因子的预测方法。
41、与现有技术相比，本专利技术的有益效果为：
42、本专利技术提出的一种区域中长期动态碳排放因子的预测方法先基于区域动态碳排放因子的中长期历史数据，采用多种人工智能算法模型分别进行动态碳排放因子预测，再将各模型的预测结果通过加权的方式进行融合，得到最终的动态碳排放因子预测结果，且各模型的权重基于均方误差，采用滑动窗口进行动态调整确定，一方面，该方法通过加权融合多种人工智能算法模型的预测结果，可有效减轻单个模型的过拟合或欠拟合问题，提高整体预测模型的鲁棒性；另一方面，该方法通过引入自适应机制动态调整各模型的权重，不仅能够有效提高区域动态碳排放因子预测结果的精度，为制定更加有效的碳排放控制策略提供科学依据，而且避免了静态权重的固定性，模型的可控性和稳定性更强。
本文档来自技高网...【技术保护点】
1.一种区域中长期动态碳排放因子的预测方法，其特征在于：
2.根据权利要求1所述的一种区域中长期动态碳排放因子的预测方法，其特征在于：
3.根据权利要求1所述的一种区域中长期动态碳排放因子的预测方法，其特征在于：
4.根据权利要求1所述的一种区域中长期动态碳排放因子的预测方法，其特征在于：
5.一种区域中长期动态碳排放因子的预测系统，其特征在于：
6.根据权利要求5所述的一种区域中长期动态碳排放因子的预测系统，其特征在于：
7.一种区域中长期动态碳排放因子的预测设备，其特征在于：
【技术特征摘要】
1.一种区域中长期动态碳排放因子的预测方法，其特征在于：
2.根据权利要求1所述的一种区域中长期动态碳排放因子的预测方法，其特征在于：
3.根据权利要求1所述的一种区域中长期动态碳排放因子的预测方法，其特征在于：
4.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：张浩钦，雷何，夏方舟，王雅文，王平凡，彭君哲，廖爽，董明齐，周志强，李斯吾，王江虹，汪颖翔，迟赫天，陈竹，雷庆生，张焱哲，莫石，舒思睿，张震，
申请(专利权)人：国网湖北省电力有限公司经济技术研究院，
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。