【技术实现步骤摘要】
本专利技术涉及碳排放检测，尤其涉及一种火电厂二氧化碳排放浓度预测方法、装置、设备及介质。
技术介绍
1、火电厂的发电过程会产生大量的二氧化碳，是导致全球气候变暖和温室效应加剧的主要因素之一，火电厂碳排放的监测是针对火电厂燃烧化石燃料所释放出的二氧化碳等温室气体浓度等数据进行监测和评估的过程。这一过程对气候保护和环境管理至关重要，更好地了解和管理温室气体排放，有助于减缓气候变化的影响，并推动环境友好型能源的发展和使用。
2、然而，现有的很多火电厂还没有安装二氧化碳实时监测设备，仅通过核算法进行碳排放浓度数据的计算，该方法无法得到实时的碳排放浓度数据，为了改善这一现状，现有技术提出了通过火电厂已有的生产实时数据作为输入预测实时的二氧化碳浓度，即，基于一个已经安装了碳监测设备的火电厂数据，建立生产实时数据与二氧化碳浓度的关系模型，将该模型用于没有安装碳监测设备的电厂进行二氧化碳浓度的实时预测。但是，由于火电厂的机组差异等问题，直接应用该模型可能导致模型退化、预测数据失真等问题，需要对模型进行适应性的调整。
3、因此，亟...
【技术保护点】
1.一种火电厂二氧化碳排放浓度预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述特征提取器为人工神经网络，将源域数据、目标域有标签数据和目标域无标签数据输入特征提取器得到源域数据经过提取后的特征fS，目标域有标签数据经过提取后的特征fl，目标域无标签数据经过提取后的特征fu，表示为：
3.如权利要求1所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述碳排放浓度预测模型的损失函数表示为：
4.如权利要求2或3所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述标签损失函数...
【技术特征摘要】
1.一种火电厂二氧化碳排放浓度预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述特征提取器为人工神经网络，将源域数据、目标域有标签数据和目标域无标签数据输入特征提取器得到源域数据经过提取后的特征fs，目标域有标签数据经过提取后的特征fl，目标域无标签数据经过提取后的特征fu，表示为：
3.如权利要求1所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述碳排放浓度预测模型的损失函数表示为：
4.如权利要求2或3所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述标签损失函数为回归模型，表示为：
5.如权利要求2或3所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述域间分布度量模块采用多层感知机和softmax函数构成，表示为：
6.如权利要求2或3所述的火电厂二氧化碳排放浓度预测方法，其特征在于，所述域内迁移...
【专利技术属性】
技术研发人员：李玉宇，种潇，曹书涛，赵云，文钰，王嘉亮，
申请(专利权)人：大唐环境产业集团股份有限公司，
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。