【技术实现步骤摘要】
本专利技术属于电气自动化领域，具体涉及一种基于电力数据和能源数据的碳排放预测方法及系统。
技术介绍
1、随着经济技术的发展和人们生活水平的提高，人们对于环境问题的关注程度也越来越高。因此，碳排放量的预测就成为了人们关注的重点之一。
2、目前，传统的碳排放量预测方案，从方案的建模角度上分，主要分为自上而下和自下而上两种类型。自上而下的预测模型，主要是通过指标数据对地区能源进行预测，数据可得性强，能简单直观的反映各驱动因素对能源消费量及碳排放量的影响，但受制于模型特点，该类模型的预测精确性相对较差。自下而上的预测模型，主要是基于详细且分散的能源流转全环节数据，包括能源的生产、转换、运输和消费，通过对各个环节的能源流动进行分析测算，从而实现对最终能源消费总量及碳排放总量的预测；这类方案虽然准确性较好，但是此类模型所涉及参数繁杂且数据可得性差，而且若建模前前期数据准备不充分而忽略其他领域对能源系统的影响，这类方案极其导致预测结果的失真。
技术实现思路
1、本专利技术的目的之一在于提供一种可靠性高、精确性好且实用性好的基于电力数据和能源数据的碳排放预测方法。
2、本专利技术的目的之二在于提供一种实现所述基于电力数据和能源数据的碳排放预测方法的系统。
3、本专利技术提供的这种基于电力数据和能源数据的碳排放预测方法，包括如下步骤：
4、s1.获取目标区域的电力数据和能源数据；
5、s2.根据步骤s1获取的数据信息，基于kaya恒等式将目
6、s3.根据步骤s2得到的数据信息，基于ols回归方法研究目标区域内电力数据与能源数据的转换比例关系，实现电力数据到能源消费数据的转换；
7、s4.根据步骤s3得到的数据信息，基于ipcc排放系数对碳排放量进行预测。
8、步骤s1所述的获取目标区域的电力数据和能源数据，具体包括如下步骤：
9、获取目标区域的用电数据信息、目标区域的行业能源消耗数据信息、目标区域的经济产出水平数据信息和目标区域的人口规模数据信息。
10、步骤s2所述的据步骤s1获取的数据信息，基于kaya恒等式将目标区域的碳排放量进行因素分解，并量化各个因素对碳排放量的影响，具体包括如下步骤：
11、采用如下算式作为基于kaya恒等式的碳排放量影响因素等式：
12、
13、式中c为总碳排量；ci为第i种能源消费产生的碳排放量；ei为第i种能源的消费量；e为能源消费总量；gdp为经济产出水平；pop为人口规模；为第i种能源的碳排放系数；为第i种能源消费占能源消费总量的比重；为单位gdp的能耗；为人均生产水平。
14、步骤s3所述的根据步骤s2得到的数据信息，基于ols回归方法研究目标区域内电力数据与能源数据的转换比例关系，实现电力数据到能源消费数据的转换，具体包括如下步骤：
15、ols回归方法构建模型如下：
16、ln ii＝α+βxi+γai+ε
17、式中ln ii为第i种能源消耗量的自然对数；xi为第i个行业的电力数据；ai为第一个行业的控制变量；α为第一估计系数；β为第二估计系数；γ为第三估计系数；ε为随机误差项；
18、采用如下分位数回归模型，分析能源消费数据对不同行业的影响：
19、qθ(ln ii|zi)＝ziβ(θ)
20、式中zi为解释变量；qθ(ln ii|zi)为解释变量为zi的情况下被解释变量ln ii在第θ分位数上的值；β(θ)为电力数据在第θ分位数上的回归系数，且
21、步骤s4所述的根据步骤s3得到的数据信息，基于ipcc排放系数对碳排放量进行预测，具体包括如下步骤：
22、基于ipcc排放系数，采用如下算式对碳排放量进行预测：
23、
24、式中c为碳排放总量；ei为第i种能源的消费量；fi为第i种能源的碳排放系数。
25、本专利技术还提供了一种实现所述基于电力数据和能源数据的碳排放预测方法的系统，包括数据获取模块、碳排放影响量化模块、数据转换模块和碳排放预测模块；数据获取模块、碳排放影响量化模块、数据转换模块和碳排放预测模块依次串接；数据获取模块用于获取目标区域的电力数据和能源数据，并将数据上传碳排放影响量化模块；碳排放影响量化模块用于根据接收到的数据，基于kaya恒等式将目标区域的碳排放量进行因素分解，并量化各个因素对碳排放量的影响，并将数据上传数据转换模块；数据转换模块用于根据接收到的数据，基于ols回归方法研究目标区域内电力数据与能源数据的转换比例关系，实现电力数据到能源消费数据的转换，并将数据上传碳排放预测模块；碳排放预测模块用于根据接收到的数据，基于ipcc排放系数对碳排放量进行预测。
26、本专利技术提供的这种基于电力数据和能源数据的碳排放预测方法及系统，同时考虑了数据可得性、能源流转及碳排放特征等实际需求，因此本专利技术的可靠性更高，精确性更好，且实用性更好。
本文档来自技高网...【技术保护点】
1.一种基于电力数据和能源数据的碳排放预测方法，包括如下步骤：
2.根据权利要求1所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤S1所述的获取目标区域的电力数据和能源数据，具体包括如下步骤：
3.根据权利要求2所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤S2所述的据步骤S1获取的数据信息，基于Kaya恒等式将目标区域的碳排放量进行因素分解，并量化各个因素对碳排放量的影响，具体包括如下步骤：
4.根据权利要求3所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤S3所述的根据步骤S2得到的数据信息，基于OLS回归方法研究目标区域内电力数据与能源数据的转换比例关系，实现电力数据到能源消费数据的转换，具体包括如下步骤：
5.根据权利要求4所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤S4所述的根据步骤S3得到的数据信息，基于IPCC排放系数对碳排放量进行预测，具体包括如下步骤：
6.一种实现权利要求1～5之一所述的基于电力数据和能源数据的碳排放预测方法的系统，其特征在于包括数
...【技术特征摘要】
1.一种基于电力数据和能源数据的碳排放预测方法，包括如下步骤：
2.根据权利要求1所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤s1所述的获取目标区域的电力数据和能源数据，具体包括如下步骤：
3.根据权利要求2所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤s2所述的据步骤s1获取的数据信息，基于kaya恒等式将目标区域的碳排放量进行因素分解，并量化各个因素对碳排放量的影响，具体包括如下步骤：
4.根据权利要求3所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤s3所述的根据步骤s2得到的数据信息，基于ols回归方法研究目标区域内电力数据与能源数据的转换比例关系，实现电力数据到能源消费数据的转换，具体包括如下步骤：
5.根据权利要求4所述的基于电力数据和能源数据的碳排放预测方法，其特征在于步骤s4所述的根据...
【专利技术属性】
技术研发人员：文博，文明，黄鸿奕，于宗超，张欣杨，李家熙，梁海维，冯秋辉，张鹏，周卓敏，刘政，
申请(专利权)人：国网湖南省电力有限公司，
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。