【技术实现步骤摘要】
本专利技术涉及负碳排放领域，尤其涉及一种负碳排放的碳中和方法及系统。
技术介绍
1、随着全球气候变化日益严重，减少温室气体排放并实现碳中和成为全球范围内的紧迫任务。碳中和是一种旨在抵消碳排放并减少大气中温室气体浓度的关键战略，它对抗气候变化、保护生态系统和维护可持续发展至关重要。在这一背景下，研究负碳排放碳中和方法变得至关重要。负碳排放是指某一地区或活动的净碳排放为负值，即它吸收大气中的二氧化碳，而不仅仅是减少排放。负碳排放碳中和是一种创新性的方法，旨在实现负碳排放，有助于全球碳平衡和气候稳定。
2、但是现有方案通常是基于人工经验进行碳中和分析和测算，人工经验容易导致碳中和分析和测算的误差较大，进而导致制定的碳中和策略准确率低。
技术实现思路
1、本专利技术提供了一种负碳排放的碳中和方法及系统，用于提高碳中和策略预测的准确率。
2、本专利技术第一方面提供了一种负碳排放的碳中和方法，所述负碳排放的碳中和方法包括：
3、获取目标区域的原始碳排放数据集以及区域遥感数据集，并对所述原始碳排放数据集进行数据预处理，得到标准碳排放数据集；
4、根据所述区域遥感数据集构建所述目标区域的有限元分析模型，并对所述有限元分析模型进行分割区域提取，得到多个有限元网格区域；
5、根据所述多个有限元网格区域，对所述标准碳排放数据集进行时间序列分类以及空间关系映射，得到每个有限元网格区域的目标碳排放数据集；
6、分别对每个有限元网格区域的
7、将每个有限元网格区域的多个碳排放数据特征输入预置的碳中和分析模型集进行碳中和分析，得到每个有限元网格区域的碳中和分析结果；
8、根据所述碳中和分析结果生成每个有限元网格区域的初始碳中和策略，并根据所述初始碳中和策略创建所述目标区域对应的目标碳中和策略。
9、结合第一方面，在本专利技术第一方面的第一种实现方式中，所述获取目标区域的原始碳排放数据集以及区域遥感数据集，并对所述原始碳排放数据集进行数据预处理，得到标准碳排放数据集，包括：
10、基于预置的碳排放数据库获取目标区域的原始碳排放数据集，其中，所述原始碳排放数据集包括：气象数据、土壤数据、植被数据及能源使用数据；
11、对所述目标区域进行卫星遥感数据采集，得到卫星遥感图像数据、地理信息系统数据及激光雷达数据；
12、对所述卫星遥感图像数据、所述地理信息系统数据及所述激光雷达数据进行识别和分析，得到区域遥感数据集，其中，所述区域遥感数据集包括地形数据、地貌数据、土地覆盖数据及植被类型数据；
13、对所述原始碳排放数据集进行缺失值插值，得到第一碳排放数据集，并对所述第一碳排放数据集进行数据清洗，得到第二碳排放数据集，以及对所述第二碳排放数据集进行归一化处理，得到标准碳排放数据集。
14、结合第一方面，在本专利技术第一方面的第二种实现方式中，所述根据所述区域遥感数据集构建所述目标区域的有限元分析模型，并对所述有限元分析模型进行分割区域提取，得到多个有限元网格区域，包括：
15、对所述区域遥感数据集进行噪声去除和数据偏差校正，得到标准遥感数据集；
16、通过预置的有限元分析算法，对所述目标区域进行有限元网格单元划分，得到多个第一有限元网格单元；
17、根据所述标准遥感数据集，分别确定每个第一有限元网格单元对应的地质特性和植被属性；
18、根据所述地质特性和所述植被属性，对每个第一有限元网格单元进行边界优化，生成多个第二有限元网格单元，并根据所述多个第二有限元网格单元生成所述目标区域的有限元分析模型；
19、根据预设的区域划分规则，对所述有限元分析模型进行区域分割，得到多个有限元网格区域。
20、结合第一方面，在本专利技术第一方面的第三种实现方式中，所述根据所述多个有限元网格区域，对所述标准碳排放数据集进行时间序列分类以及空间关系映射，得到每个有限元网格区域的目标碳排放数据集，包括：
21、通过动态时间弯曲算法，计算所述标准碳排放数据集中每对时间序列数据之间的距离，生成目标距离矩阵；
22、通过序列度量算法，将所述标准碳排放数据集中的多个时间序列数据合并成一个代表性的时间序列，得到代表性序列数据；
23、根据所述目标距离矩阵和所述代表性序列数据，将所述标准碳排放数据集输入预置的聚类模型进行类别划分，得到多个不同类别的目标碳排放数据；
24、根据所述多个有限元网格区域，对所述多个不同类别的目标碳排放数据进行空间关系映射，得到每个有限元网格区域的目标碳排放数据集。
25、结合第一方面，在本专利技术第一方面的第四种实现方式中，所述分别对每个有限元网格区域的目标碳排放数据集进行特征提取，得到每个有限元网格区域的多个碳排放数据特征，包括：
26、分别将每个有限元网格区域的目标碳排放数据集输入预置的特征提取网络，其中，所述特征提取网络包括第一卷积长短时记忆网络以及第二卷积长短时记忆网络；
27、通过所述第一卷积长短时记忆网络，对每个有限元网格区域的目标碳排放数据集进行隐藏特征提取，得到多个第一隐藏数据特征；
28、通过所述第二卷积长短时记忆网络，对每个有限元网格区域的目标碳排放数据集进行隐藏特征提取，得到多个第二隐藏数据特征；
29、对所述多个第一隐藏数据特征和所述多个第二隐藏数据特征进行特征融合，得到每个有限元网格区域的多个碳排放数据特征。
30、结合第一方面，在本专利技术第一方面的第五种实现方式中，所述将每个有限元网格区域的多个碳排放数据特征输入预置的碳中和分析模型集进行碳中和分析，得到每个有限元网格区域的碳中和分析结果，包括：
31、将每个有限元网格区域的多个碳排放数据特征输入预置的碳中和分析模型集，其中，所述碳中和分析模型集包括：多个碳中和分析模型，每个碳中和分析模型包括：双向长短时记忆网络、单向长短时记忆网络以及全连接网络；
32、通过所述多个碳中和分析模型中的双向长短时记忆网络，分别对每个有限元网格区域的多个碳排放数据特征进行特征编码处理，得到每个有限元网格区域的目标编码特征；
33、通过所述多个碳中和分析模型中的单向长短时记忆网络，分别对每个有限元网格区域的目标编码特征进行特征解码，得到每个有限元网格区域的多个解码特征；
34、通过所述多个碳中和分析模型中的全连接网络，分别对每个有限元网格区域的多个解码特征进行碳中和分析，得到每个有限元网格区域的碳中和分析结果。
35、结合第一方面，在本专利技术第一方面的第六种实现方式中，所述根据所述碳中和分析结果生成每个有限元网格区域的初始碳中和策略，并根据所述初始碳中和策略创建所述目标区域对应的目标碳中和策略，包括：
36、根据所述碳中和分析结果生成每个本文档来自技高网...
【技术保护点】
1.一种负碳排放的碳中和方法，其特征在于，所述负碳排放的碳中和方法包括：
2.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述获取目标区域的原始碳排放数据集以及区域遥感数据集，并对所述原始碳排放数据集进行数据预处理，得到标准碳排放数据集，包括：
3.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述根据所述区域遥感数据集构建所述目标区域的有限元分析模型，并对所述有限元分析模型进行分割区域提取，得到多个有限元网格区域，包括：
4.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述根据所述多个有限元网格区域，对所述标准碳排放数据集进行时间序列分类以及空间关系映射，得到每个有限元网格区域的目标碳排放数据集，包括：
5.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述分别对每个有限元网格区域的目标碳排放数据集进行特征提取，得到每个有限元网格区域的多个碳排放数据特征，包括：
6.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述将每个有限元网格区域的多个碳排放数据特征输入预置的碳中和分析
7.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述根据所述碳中和分析结果生成每个有限元网格区域的初始碳中和策略，并根据所述初始碳中和策略创建所述目标区域对应的目标碳中和策略，包括：
8.一种负碳排放的碳中和系统，其特征在于，所述负碳排放的碳中和系统包括：
9.一种负碳排放的碳中和设备，其特征在于，所述负碳排放的碳中和设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的负碳排放的碳中和方法。
...【技术特征摘要】
1.一种负碳排放的碳中和方法，其特征在于，所述负碳排放的碳中和方法包括：
2.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述获取目标区域的原始碳排放数据集以及区域遥感数据集，并对所述原始碳排放数据集进行数据预处理，得到标准碳排放数据集，包括：
3.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述根据所述区域遥感数据集构建所述目标区域的有限元分析模型，并对所述有限元分析模型进行分割区域提取，得到多个有限元网格区域，包括：
4.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述根据所述多个有限元网格区域，对所述标准碳排放数据集进行时间序列分类以及空间关系映射，得到每个有限元网格区域的目标碳排放数据集，包括：
5.根据权利要求1所述的负碳排放的碳中和方法，其特征在于，所述分别对每个有限元网格区域的目标碳排放数据集进行特征提取，得到每个有限元网格区域...
【专利技术属性】
技术研发人员：张文斌，聂原宽，张家平，王建新，张金红，龙泽望，刘言甫，王玉云，王鹏，
申请(专利权)人：深圳碳中和生物燃气股份有限公司，
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。