【技术实现步骤摘要】
本专利技术涉及环境监测，尤其涉及一种碳排放量预测方法、装置、设备及存储介质。
技术介绍
1、目前相关政府部门与各大企业都将数字化能碳(能源消耗与二氧化碳排放)平台作为重点项目，着力建设碳汇数字平台、数字化能源管理平台、数字化碳管理与核查系统等具体平台系统。在国内相较于国外起步较晚的情况下，结合高质量发展要求，依靠政策扶持与精力投入，工业绿色低碳发展呈现出后来居上的良好态势，能碳管理平台建设也同步快速发展。
2、现在市面上的能碳管理平台，在使用相关传感器采集碳排及能耗数据后，将其通过常用的计算项公式计算处理，最后将处理过的数据归入常见能碳管理指标中，如碳足迹核算、碳资产管理、碳交易信息等，或是单独的、分隔开的碳管理、能源管理平台，只实现单一的碳排管理或是能耗管理功能。现有的能碳管理平台，在对未来数据的预测上，或是没有相应预测功能；或是只对场景单一、数据来源较窄的陆上工业园区实现1-3个月的短期预测，由于存在数据缺失的情况，仅能实现短期预测，且预测数据准确度较低。
3、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供了一种碳排放量预测方法、装置、设备及存储介质，旨在解决现有技术由于存在数据缺失的情况，仅能实现短期预测，且预测数据准确度较低的技术问题。
2、为实现上述目的，本专利技术提供了一种碳排放量预测方法，所述方法包括以下步骤：
3、获取碳排放历史数据与待预测时
4、对所述碳排放历史数据进行数据补充获得目标碳排放历史数据；
5、根据所述目标碳排放历史数据获得回归分析函数；
6、基于所述目标碳排放历史数据与所述待预测时间确定同比数据；
7、通过所述回归分析函数与所述同比数据获得待预测碳排放量。
8、可选地，所述根据所述目标碳排放历史数据获得回归分析函数的步骤，包括：
9、利用最小二乘法对所述目标碳排放历史数据进行处理获得回归系数，所述回归系数包括回归斜率和回归截距；
10、将所述回归系数带入预设回归公式获得回归分析函数；
11、其中，所述预设回归公式为：
12、y＝x(1+a)+b；
13、式中，y为待预测时间下的待预测碳排放量，x为待预测时间的同比数据，a为回归斜率，b为回归截距。
14、可选地，所述利用最小二乘法对所述目标碳排放历史数据进行处理获得回归系数的步骤，包括：
15、基于所述目标碳排放历史数据进行处理获得目标碳排放数据差值；
16、利用最小二乘法对所述目标碳排放数据差值与所述目标碳排放历史数据进行处理，确定回归系数。
17、可选地，所述获取碳排放历史数据与待预测时间的步骤之后，包括：
18、对所述碳排放历史数据进行预处理，获得有效碳排放历史数据；
19、所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤，包括：
20、对所述有效碳排放历史数据进行数据补充获得目标碳排放历史数据。
21、可选地，所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤，包括：
22、根据时间顺序依次判断所述碳排放历史数据是否缺失；
23、若当前碳排放历史数据缺失，则将所述当前碳排放历史数据的前一个碳排放历史数据与后一个碳排放历史数据求平均值，将所述平均值作为当前碳排放历史数据。
24、可选地，所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤之后，包括：
25、若所述目标碳排放历史数据中不存在待预测时间的同比数据，则预测失效。
26、可选地，所述通过所述回归分析函数与所述同比数据获得待预测碳排放量的步骤之后，还包括：
27、若所述待预测碳排放量大于预设排放阈值，则反馈预警信息。
28、此外，为实现上述目的，本专利技术还提出一种碳排放量预测装置，所述装置包括：
29、数据获取模块，用于获取碳排放历史数据与待预测时间；
30、数据补充模块，用于对所述碳排放历史数据进行数据补充获得目标碳排放历史数据；
31、回归分析模块，用于根据所述目标碳排放历史数据获得回归分析函数；
32、数据同比模块，用于基于所述目标碳排放历史数据与所述待预测时间确定同比数据；
33、数据预测模块，用于通过所述回归分析函数与所述同比数据获得待预测碳排放量。
34、此外，为实现上述目的，本专利技术还提出一种碳排放量预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的碳排放量预测程序，所述碳排放量预测程序配置为实现如上文所述的碳排放量预测方法的步骤。
35、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有碳排放量预测程序，所述碳排放量预测程序被处理器执行时实现如上文所述的碳排放量预测方法的步骤。
36、本专利技术通过获取碳排放历史数据与待预测时间；对所述碳排放历史数据进行数据补充获得目标碳排放历史数据；根据所述目标碳排放历史数据获得回归分析函数；基于所述目标碳排放历史数据与所述待预测时间确定同比数据；通过所述回归分析函数与所述同比数据获得待预测碳排放量。由于本专利技术通过对碳排放历史数据进行数据补充获得目标碳排放历史数据，基于所述目标碳排放历史数据与待预测时间确定待预测碳排放量，从而解决了由于存在数据缺失的情况，仅能实现短期预测，且预测数据准确度较低的技术问题，进而提高了检测效果。
本文档来自技高网...【技术保护点】
1.一种碳排放量预测方法，其特征在于，所述方法包括：
2.如权利要求1所述碳排放量预测方法，其特征在于，所述根据所述目标碳排放历史数据获得回归分析函数的步骤，包括：
3.如权利要求2所述碳排放量预测方法，其特征在于，所述利用最小二乘法对所述目标碳排放历史数据进行处理获得回归系数的步骤，包括：
4.如权利要求1所述碳排放量预测方法，其特征在于，所述获取碳排放历史数据与待预测时间的步骤之后，包括：
5.如权利要求1所述碳排放量预测方法，其特征在于，所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤，包括：
6.如权利要求1所述碳排放量预测方法，其特征在于，所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤之后，包括：
7.如权利要求1所述碳排放量预测方法，其特征在于，所述通过所述回归分析函数与所述同比数据获得待预测碳排放量的步骤之后，还包括：
8.一种碳排放量预测装置，其特征在于，所述装置包括：
9.一种碳排放量预测设备，其特征在于，所述设备包括：存储器、处理器
10.一种存储介质，其特征在于，所述存储介质上存储有碳排放量预测程序，所述碳排放量预测程序被处理器执行时实现如权利要求1至7任一项所述的碳排放量预测方法的步骤。
...【技术特征摘要】
1.一种碳排放量预测方法，其特征在于，所述方法包括：
2.如权利要求1所述碳排放量预测方法，其特征在于，所述根据所述目标碳排放历史数据获得回归分析函数的步骤，包括：
3.如权利要求2所述碳排放量预测方法，其特征在于，所述利用最小二乘法对所述目标碳排放历史数据进行处理获得回归系数的步骤，包括：
4.如权利要求1所述碳排放量预测方法，其特征在于，所述获取碳排放历史数据与待预测时间的步骤之后，包括：
5.如权利要求1所述碳排放量预测方法，其特征在于，所述对所述碳排放历史数据进行数据补充获得目标碳排放历史数据的步骤，包括：
6.如权利要求1所述碳排放量预测方法，其特征在于，所述对所述碳排放历史数据进...
【专利技术属性】
技术研发人员：马晓文，金海龙，汪沛，段希永，杨玉林，安可胜，胡伟，马春艳，田林杰，黄家林，黄旭，李森林，
申请(专利权)人：招商局国际科技有限公司，
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。