【技术实现步骤摘要】
本专利技术属于节能降碳的，具体地涉及一种基于人工智能碳脑的降碳影响因素确定方法及系统。
技术介绍
1、碳排放是关于温室气体排放的一个总称或简称，温室气体中最主要的气体是二氧化碳，因此用碳一词作为代表，也可简单地将碳排放理解为二氧化碳排放，目前如何通过节能减污的技术来减少工厂和企业的碳排放量，是较为热门的环保话题。
2、对于大型区域的节能降碳而言，通常需要找到直接影响碳排放量的影响因素，并对影响因素进行重点把控，已实现大型区域的降碳过程，但在现有技术中，通常通过结构分解法确定每个影响因素对于碳排放量的贡献量进而确定重要的影响因素，其耗时较长且影响因素的确定不够精准，同时忽略了区域与区域之间的碳排放影响以及同一区域中每个影响因素之间的碳排放影响，进而容易导致在进行降碳管控时，节能降碳效果不明显。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于人工智能碳脑的降碳影响因素确定方法及系统，用于解决现有技术中的技术问题。
2、一方面，本专利技术提供以下技术方案...
【技术保护点】
1.一种基于人工智能碳脑的降碳影响因素确定方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于每个所述子区域的碳排放效率数据计算每个所述子区域的碳排放效率值的步骤包括：
3.根据权利要求2所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于所述第一碳排放误差值对第个碳排放投入的投入值进行更新，并重新进行效率值计算，以得到每个所述子区域的碳排放效率值的步骤包括：
4.根据权利要求1所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于每个所述子区域的碳...
【技术特征摘要】
1.一种基于人工智能碳脑的降碳影响因素确定方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于每个所述子区域的碳排放效率数据计算每个所述子区域的碳排放效率值的步骤包括：
3.根据权利要求2所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于所述第一碳排放误差值对第个碳排放投入的投入值进行更新，并重新进行效率值计算，以得到每个所述子区域的碳排放效率值的步骤包括：
4.根据权利要求1所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于每个所述子区域的碳排放效率值确定子区域之间的影响程度，并基于所述影响程度将所述子区域进行排序处理，以得到子区域排序组的步骤包括：
5.根据权利要求4所述的基于人工智能碳脑的降碳影响因素确定方法，其特征在于，所述基于所述第一影响度与所述第二影响度对所述子区域进行排序处理，以得到子区域...
【专利技术属性】
技术研发人员：邓必涛，邓靖川，李剑，杜晓丹，冯海云，
申请(专利权)人：江西百电信息产业有限公司，
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。