【技术实现步骤摘要】
本专利技术涉及碳排放检测，具体涉及基于大数据的设备碳排放预测方法、装置及电子设备。
技术介绍
1、基于大数据的设备碳排放预测方法是指利用大规模实时收集的设备相关数据，例如设备传感器数据、操作日志等，结合机器学习、数据挖掘等技术，通过建立预测模型对设备的碳排放进行预测的方法。该方法可以利用历史的碳排放数据和其他相关数据，进行特征提取、模型训练和预测，以实现对设备未来碳排放的准确预测。关键在于对大量数据进行有效整合和分析，以挖掘数据中的潜在模式和趋势，从而建立能够对设备碳排放进行预测的模型。这些模型可以基于传统的统计分析方法，如回归分析和时间序列分析，也可以基于机器学习算法，如决策树、支持向量机和神经网络等。通过训练好的模型，可以对未来设备的碳排放进行准确预测，从而为能源管理、环境保护和碳交易等决策提供科学依据。
2、现有的设备碳排放预测技术难以各种设备性能的差别，难以得到设备准确的碳排放数据，影响碳排放预测的准确性。
技术实现思路
1、本专利技术的目的在于提供基于大数据的设备碳排...
【技术保护点】
1.基于大数据的设备碳排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的设备碳排放预测方法，其特征在于，通过各个时间节点的生产型设备组的设备的碳排放量和非生产型设备组的设备的碳排放量数据和对应时间节点的红外热成像仪拍摄的设备红外图像，分别训练针对生产型设备和非生产型设备进碳排放预测的卷积神经网络模型；通过各个时间节点中最近一年时间节点的数据作为验证集，对训练好的模型进行收敛。
3.根据权利要求2所述的基于大数据的设备碳排放预测方法，其特征在于，通过各个时间节点的生产型设备组的设备的碳排放量和非生产型设备组的设备的碳排...
【技术特征摘要】
1.基于大数据的设备碳排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的设备碳排放预测方法，其特征在于，通过各个时间节点的生产型设备组的设备的碳排放量和非生产型设备组的设备的碳排放量数据和对应时间节点的红外热成像仪拍摄的设备红外图像，分别训练针对生产型设备和非生产型设备进碳排放预测的卷积神经网络模型；通过各个时间节点中最近一年时间节点的数据作为验证集，对训练好的模型进行收敛。
3.根据权利要求2所述的基于大数据的设备碳排放预测方法，其特征在于，通过各个时间节点的生产型设备组的设备的碳排放量和非生产型设备组的设备的碳排放量数据和对应时间节点的红外热成像仪拍摄的设备红外图像分别训练针对生产型设备和非生产型设备进碳排放预测的卷积神经网络模型，包括以下步骤：
4.根据权利要求1所述的基于大数据的设备碳排放预测方法，其特征在于，计算生产型设备组的设备的碳排放量，包括以下步骤：
5.根据权利要求4所述的基于大数据的设备碳排放预测方法，其...
【专利技术属性】
技术研发人员：陈炜华，邓茂芝，唐雪梅，周忠海，
申请(专利权)人：数字双碳科技合肥有限公司，
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。