【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种水泥行业的碳排放核验方法、设备及介质。
技术介绍
1、随着气候治理问题的重要性日益凸显，水泥行业的企业碳排放量的监测显得尤为重要。
2、目前，碳排放预测主要采用时间序列模型和数学核算的方法，这些方法需要精确地数据和明确的内在关系，但碳排放系统是个复杂的系统，存在太多的不确定性和系统内部复杂非线性关系，水泥行业的生产流程较为复杂，各个环节相互关联，一个环节的变化可能会影响其他环节的数据，存在数据关系非线性等问题。进一步地，企业碳排放量核算过程所需的活动水平、排放因子等关键核心数据，无法进行追溯验证，数据质量难以评定，从而水泥行业碳排放量数据存在数据来源分散、监测数据不准确等问题，某些环节的数据可能缺失或不完整。
3、基于此，在对企业填报的碳排放量需要进行核验，或者企业需要对自身的碳排放量需要核验，从而有效保证获取企业的碳排放量准确性，因此，亟需一种高效准确地针对水泥行业的碳排放核验技术方案。
技术实现思路
1、本申请实施例提供一种水泥行业的碳排放核验方法、设备及介质，用于解决亟需一种高效准确地针对水泥行业的碳排放核验技术方案的问题。
2、本申请实施例采用下述技术方案：
3、一方面，本申请实施例提供了一种水泥行业的碳排放核验方法，该方法包括：接收针对企业的碳排放核验请求，获取企业在水泥生产过程中的生产数据；所述生产数据包括化石燃料用量、供电量、水泥生料消耗量以及水泥熟料产量；将所述生产数据输入预先构建的碳排放
4、一个示例中，所述将所述生产数据输入预先构建的碳排放预测神经网络模型，得到所述企业的碳排放预测量之前，所述方法还包括：获取样本企业的样本生产数据，以及所述样本企业针对所述样本生产数据的样本碳排放量；将所述样本生产数据输入参数检验规则，识别所述样本生产数据中存在的错误数据以及缺失数据；对所述错误数据进行修正，对所述缺失数据进行填充，得到所述样本企业的有效样本生产数据；以所述有效样本生产数据作为输入样本，以样本碳排放量作为样本标签，对碳排放预测神经网络模型结构进行监督训练；通过神经网络反向传播误差迭代计算误差函数的网络权值和阈值，直至达到所述误差函数的极小值，生成所述碳排放预测神经网络模型。
5、一个示例中，所述将所述样本生产数据输入参数检验规则，识别所述样本生产数据中存在的错误数据以及缺失数据，具体包括：判断所述样本生产数据是否处于错误数据区间；若是，则确定所述样本生产数据为错误数据；将同一生产类型的样本生产数据生成样本生产数据队列；对所述样本生产数据队列进行遍历，确定相邻样本生产数据之间的生产时间间隔；若所述生产时间间隔大于预设时长阈值，则确定所述样本企业在生产时间间隔内的样本生产数据为缺失数据。
6、一个示例中，所述对所述缺失数据进行填充，具体包括：在所述样本企业的数据库中，判断是否具有所述样本企业在所述生产时间间隔内的样本生产数据；若否，则计算所述样本生产数据的平均值；分别计算所述平均值与所述相邻样本生产数据之间的差值；若所述第一差值低于预设差值阈值和/或所述第二差值低于所述预设差值阈值，则将所述平均值确定为所述缺失数据。
7、一个示例中，所述根据预设规则与所述碳排放预测量，生成所述碳排放预测量的碳排放数据置信区间，具体包括：获取碳排放预测量的抽样误差率区间；通过所述抽样误差率区间，计算所述碳排放预测量的碳排放数据置信区间。
8、一个示例中，接收针对企业的碳排放核验请求，所述获取企业在水泥生产过程中的生产数据，具体包括：若接收核验部门针对所述企业的碳排放核验请求，则获取所述企业在水泥生产过程中的生产消费记录；所述生产消费记录包括电力结算单、能源购进消费单、能源库存表；从所述生产消费记录中，提取所述企业的生产数据；若接收所述企业针对所述企业的碳排放核验请求，则获取所述企业上传的在水泥生产过程中的生产数据。
9、一个示例中，所述接收针对企业的碳排放核验请求，获取企业在水泥生产过程中的生产数据之前，所述方法还包括：获取样本企业集合针对水泥生产过程中的多个排放源；计算每个排放源在所述样本企业集合中的占比；按照从占比高到低的顺序，对每个排放源进行排序；在排序的排放源中，从最高占比排放源开始，选取预设数量个排放源；将所述预设数量个排放源所产生的生产数据类型确定为企业的碳排放核验参数。
10、一个示例中，所述方法还包括：若所述企业的填报碳排放量未处于所述碳排放数据置信区间时，则确定所述企业的碳排放核验未通过；生成所述企业的填报碳排放量异常通知信息，将所述异常通知信息发送至企业客户端。
11、另一方面，本申请实施例提供了一种水泥行业的碳排放核验设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：接收针对企业的碳排放核验请求，获取企业在水泥生产过程中的生产数据；所述生产数据包括化石燃料用量、供电量、水泥生料消耗量以及水泥熟料产量；将所述生产数据输入预先构建的碳排放预测神经网络模型，得到所述企业的碳排放预测量；根据预设规则与所述碳排放预测量，生成所述碳排放预测量的碳排放数据置信区间；若企业的填报碳排放量处于所述碳排放数据置信区间时，则确定所述企业的碳排放核验通过。
12、另一方面，本申请实施例提供了一种水泥行业的碳排放核验非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：接收针对企业的碳排放核验请求，获取企业在水泥生产过程中的生产数据；所述生产数据包括化石燃料用量、供电量、水泥生料消耗量以及水泥熟料产量；将所述生产数据输入预先构建的碳排放预测神经网络模型，得到所述企业的碳排放预测量；根据预设规则与所述碳排放预测量，生成所述碳排放预测量的碳排放数据置信区间；若企业的填报碳排放量处于所述碳排放数据置信区间时，则确定所述企业的碳排放核验通过。
13、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
14、选取碳排放核验相关的企业生产数据，通过构建企业生产数据与碳排放量之间的关系，能够构建碳排放预测神经网络模型，从而实现生成企业的碳排放预测量，根据碳排放预测量对企业的填报碳排放量进行自动核验，能够及时识别异常的填报碳排放数据，消除企业在水泥生产过程中的数据采集、数据记录和分析报告过程中的错误和不一致性，在核验通过后，确保企业提供的碳排放数据是透明、可信、可验证的，最终提高了企业最终填报碳排放量的准确性，从而更高效地获取到企业的实际碳排放量，同时也为企业的减排决策提供可靠的数据支持。
本文档来自技高网...【技术保护点】
1.一种水泥行业的碳排放核验方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述生产数据输入预先构建的碳排放预测神经网络模型，得到所述企业的碳排放预测量之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述样本生产数据输入参数检验规则，识别所述样本生产数据中存在的错误数据以及缺失数据，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述缺失数据进行填充，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述根据预设规则与所述碳排放预测量，生成所述碳排放预测量的碳排放数据置信区间，具体包括：
6.根据权利要求1所述的方法，其特征在于，接收针对企业的碳排放核验请求，所述获取企业在水泥生产过程中的生产数据，具体包括：
7.根据权利要求1所述的方法，其特征在于，所述接收针对企业的碳排放核验请求，获取企业在水泥生产过程中的生产数据之前，所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种水泥
10.一种水泥行业的碳排放核验非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
...【技术特征摘要】
1.一种水泥行业的碳排放核验方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述生产数据输入预先构建的碳排放预测神经网络模型，得到所述企业的碳排放预测量之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述样本生产数据输入参数检验规则，识别所述样本生产数据中存在的错误数据以及缺失数据，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述缺失数据进行填充，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述根据预设规则与所述碳排放预测量，生成所述碳排放预测量的...
【专利技术属性】
技术研发人员：肖雪，宋志刚，李承达，汪泉庆，张嗣昌，王春荔，
申请(专利权)人：浪潮云洲工业互联网有限公司，
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。