一种电力行业碳达峰情景预测方法技术

本发明专利技术提供了一种电力行业碳达峰情景预测方法，所述预测方法具体为：选取碳达峰情景预测区域，基于碳达峰情景预测区域电力行业的历史运行数据测算对应的历史碳排放量；通过LMDI分解电力行业碳排放的驱动因素，并根据驱动因素分解结果以及历史碳排放量的测算结果构建SSA‑LSTM预测模型；设置碳排放情景，并分别对每个碳排放情景通过SSA‑LSTM预测模型进行碳排放量预测，获取每种碳排放情景下的碳排放量预测结果，并根据碳排放量预测结果确定对应的碳达峰时间和峰值。本方案通过构建SSA‑LSTM预测模型并设置具体的碳排放情景，来获取在不同碳排放情景下的碳排放量预测结果，实现对于碳达峰情景的预测。

【技术实现步骤摘要】

本专利技术涉及电力行业低碳发展，尤其是指一种电力行业碳达峰情景预测方法。

技术介绍

1、我国能源行业消费所生产的二氧化碳在总排放量中占比超过80％,其中电力行业占比约为42.5％。作为我国碳排放比重最大的部门，电力行业将是未来能源需求增长的主体，成为提高我国居民生活水平和支撑能源结构转型升级的重要支柱产业。电力与其他碳排放部门相比，在碳减排方面存在较大的脱碳潜力及成本优势，其减排进程和达峰速度将直接关系到国家实现“双碳”目标的进度。而无论是对于减排进度和还是对于达峰速度的分析，都需要结合当前碳排放情况进行碳达峰情况的预测，从而对减排进度和达峰速度进行准确评判。现有的碳达峰情况预测方法大多通过对碳排放的影响因素进行分析，再结合预测模型来实现对于碳排放量的预测，从而获取具体的碳达峰情况。现有的预测模型中，如lstm模型，需要通过提取序列数据的特征来实现预测，但lstm模型在设定模型参数时，其模型参数的选取范围对于预测结果的影响很大，而现有的lstm模型的初始值参数选择和设定大多需要人工根据具体的数据集情况来进行指定，无法保障模型参数的选取准确性，同样会造成预测本文档来自技高网...

【技术保护点】

1.一种电力行业碳达峰情景预测方法，其特征在于，包括，

2.根据权利要求1所述的一种电力行业碳达峰情景预测方法，其特征在于，所述根据驱动因素分解结果以及历史碳排放量的测算结果构建SSA-LSTM预测模型，包括，初始化SSA参数和LSTM模型结构，以未经训练的LSTM模型的预测值和实际值之间的均方根误差建立SSA的目标函数；根据SSA的目标函数对LSTM模型的初始值进行寻优，获取LSTM模型的最优初始值，并将寻优后求得的最优初始值代入LSTM模型，根据驱动因素分解结果以及历史碳排放量测算结果对LSTM模型重新进行训练和预测，得到SSA-LSTM预测模型。p>

3.根据权...

【技术特征摘要】

1.一种电力行业碳达峰情景预测方法，其特征在于，包括，

2.根据权利要求1所述的一种电力行业碳达峰情景预测方法，其特征在于，所述根据驱动因素分解结果以及历史碳排放量的测算结果构建ssa-lstm预测模型，包括，初始化ssa参数和lstm模型结构，以未经训练的lstm模型的预测值和实际值之间的均方根误差建立ssa的目标函数；根据ssa的目标函数对lstm模型的初始值进行寻优，获取lstm模型的最优初始值，并将寻优后求得的最优初始值代入lstm模型，根据驱动因素分解结果以及历史碳排放量测算结果对lstm模型重新进行训练和预测，得到ssa-lstm预测模型。

3.根据权利要求1所述的一种电力行业碳达峰情景预测方法，其特征在于，所述设置碳排放情景，并分别对每个碳排放情景通过ssa-lstm预测模型进行碳排放量预测，包括，确定每种碳排放情景下的碳排放目标，并确定每个碳排放目标与每个驱动因素之间的关联程度，并根据关联程度分别设定每个碳排放情景下每个驱动因素的参数，将设定的每个碳排放情景下每个驱动因素的参数分别输入ssa-lstm预测模型，预测每个碳排放情景下的碳排放量。

4.根据权利要求3所述的一种电力行业碳达峰情景预测方法，其特征在于，所述碳排放情景包括绿色发展情景、基准情景、粗放情景和低碳情景。

5.根据权利要求3所述的一种电力行业碳达峰情景预测方法，其特征在于，在获取每种碳排放情景下的碳排放量预测结果后，还根据每种碳排放情景下的碳排放量预测结果确定电力行业碳排放优化策略。

6.根据权利要求5所述的一种电力行业碳达峰情景预测方法，其特征在于，所述根据每种碳排放情景下的碳排放量预测结...

【专利技术属性】
技术研发人员：邵忠，陆玮，王世奇，
申请(专利权)人：电管家能源管理上海有限公司，
类型：发明
国别省市：