一种基于大数据的园区电碳排放预测方法技术

本申请公开了一种基于大数据的园区电碳排放预测方法，涉及碳排放预测技术领域，解决了现有碳排放预测方法没有考虑园区用电设备老化，引起园区实际生产效率下降，导致碳排放预测结果不够准确的问题；本申请基于若干用电设备在各使用时段内的老化因子、产量和用电量训练得到用电量预测模型；结合预测时段内各用电设备的老化因子和任务量预测获取目标园区的碳排放预测量；本申请不需要定期进行模拟，而且通过大量数据训练获取用电量预测模型，可提高用电量预测模型的鲁棒性和预测精度；本申请通过得到的若干目标数据矩阵提取整合得到标准训练数据；一旦目标园区内出现用电设备的更新，可以通过用电量预测模型迅速学习，提高碳排放预测的可持续性。

【技术实现步骤摘要】

本专利技术涉及碳排放预测，具体涉及一种基于大数据的园区电碳排放预测方法。

技术介绍

1、当前，温室效应带来的影响日益显现，其中碳排放是引起温室效应的主要原因。因此，研究碳排放预测的对于指导园区节能减排具有重要意义。

2、随着使用年限的增加，园区用电设备会发生老化，导致实际生产效率下降、用电量增加。现有技术(公开号为cn117437105a的专利技术专利申请)公开了一种基于碳排放数据的碳排放发展趋势预测预警系统，该系统通过定期使设备在同一的预设条件下进行作业,获取该预设条件下的碳排变幅,该碳排变幅即为设备老化影响,再将碳排变幅带入至碳排制图模块中使得在原先的碳排放走势图的基础上基于碳排变幅绘制新的碳排放走势图，由此通过带入设备的老化影响能够快速精准的计算出基于任务量的基础上企业在未来时间段内为完成任务所产生的碳排放量。现有技术需要定期对设备进行测试获取设备老化对碳排放的影响，这种方式操作复杂且精度低，当设备较多时会影响整体碳排放预测精度。

3、本专利技术提供了一种基于大数据的园区电碳排放预测方法，以解决上述技术问题。

本文档来自技高网...

【技术保护点】

1.一种基于大数据的园区电碳排放预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，按照设定采集时长对所述用电设备的使用时长进行划分，包括：

3.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，基于用电设备的所述历史数据计算若干使用时段的老化因子，包括：

4.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，所述老化因子通过所述用电设备在各使用时段内用电量与产量的转换关系表示。

5.根据权利要求3或4所述的一种基于大数据的园区电碳排放预测方法，其特...

【技术特征摘要】

1.一种基于大数据的园区电碳排放预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，按照设定采集时长对所述用电设备的使用时长进行划分，包括：

3.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，基于用电设备的所述历史数据计算若干使用时段的老化因子，包括：

4.根据权利要求1所述的一种基于大数据的园区电碳排放预测方法，其特征在于，所述老化因子...

【专利技术属性】
技术研发人员：刘翠玲，姚振，侯皓宇，胡聪，王峰，刘丽，孙佳丽，张翠翠，胡志远，赵林燕，
申请(专利权)人：国网安徽省电力有限公司信息通信分公司，
类型：发明
国别省市：