【技术实现步骤摘要】
本公开涉及数据处理，具体地，涉及碳排放量预测方法、装置、存储介质及电子设备。
技术介绍
1、电厂碳排放数据，主要指的是电厂在运行过程中，产生的二氧化碳数据、温度数据、湿度数据以及风速数据等相关数据。相关技术中，通过手动检测方法或固定阈值方法对电厂在运行过程中的碳排放数据进行监测。
技术实现思路
1、本公开的目的是提供碳排放量预测方法、装置、存储介质及电子设备，以解决上述相关技术中存在的技术问题。
2、为了实现上述目的，本公开提供一种碳排放量的预测方法，包括：
3、确定实时碳排放数据，所述实时碳排放数据为通过设置在目标电厂中的传感器确定的；
4、通过自动特征工程算法提取所述实时碳排放数据中的特征数据，所述特征数据用于表征所述实时碳排放数据与环境因素之间的非线性关系和相互作用的深层次模式；
5、通过量子机器学习方法将所述特征数据转化为深层次特征数据，所述深层次特征数据用于表征所述实时碳排放数据中的深层结构和隐含模式；
6、将所述深层次...
【技术保护点】
1.一种碳排放量的预测方法，其特征在于，包括：
2.根据权利要求1所述的碳排放量的预测方法，其特征在于，所述通过自动特征工程算法提取所述实时碳排放数据中的特征数据，包括：
3.根据权利要求1所述的碳排放量的预测方法，其特征在于，通过量子机器学习方法将所述时间特征数据转化为深层次特征数据，包括：
4.根据权利要求1所述的碳排放量的预测方法，其特征在于，所述目标预测模型的计算式包括：
5.根据权利要求1-4任一所述的碳排放量的预测方法，其特征在于，所述预测方法还包括：
6.根据权利要求1-4任一所述的碳排放量的预...
【技术特征摘要】
1.一种碳排放量的预测方法，其特征在于，包括：
2.根据权利要求1所述的碳排放量的预测方法，其特征在于，所述通过自动特征工程算法提取所述实时碳排放数据中的特征数据，包括：
3.根据权利要求1所述的碳排放量的预测方法，其特征在于，通过量子机器学习方法将所述时间特征数据转化为深层次特征数据，包括：
4.根据权利要求1所述的碳排放量的预测方法，其特征在于，所述目标预测模型的计算式包括：
5.根据权利要求1-4任一所述的碳排放量的预测方法，其特征在于，所述预测方法还包括：
6.根据权利要求1-4任一所述的碳排放量的预测方法，其特征在于，所述预测方法还包括：
7.根据权利要求1-4任一所述的碳排放量的预测方法，其...
【专利技术属性】
技术研发人员：冀树春，冀瑞亮，缪树泉，赵跃，
申请(专利权)人：神华神东电力有限责任公司，
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。