[发明专利]基于电力大脑中枢的用能数据与碳排放量关联分析方法

权利要求书

1.基于电力大脑中枢的用能数据与碳排放量关联分析方法，其特征在于，包括：

S100：将分析对象的用电量、用热量、用气量和新能源机组出力作为碳排放量的常规关联特征，由常规关联特征组成初始关联体系；

S200：通过电力大脑中枢基于预设采样频率获取各种类型的分析对象的用能数据和碳排放数据，将用能数据填充到初始关联体系中形成初始训练集；

S300：基于初始训练集中用能数据的特征生成三维特征图像，通过比较三维特征图像与S200中获取的碳排放数据生成附加关联特征，将附加关联特征加入初始关联体系中，得到典型关联体系；

S400：在LSTM模型的输入层基于注意力机制建立多层感知机，将当前采样时刻的用能数据填充到典型关联体系中形成最终训练集，结合LSTM模型在上一个采样时刻的输出结果输入多层感知机中，计算典型关联体系中各个常规关联特征和附加关联特征在当前采样时刻的关联系数；

S500：将关联系数与最终训练集相乘后的结果输入LSTM模型，当LSTM模型的输出结果与S200中获取的碳排放数据之间的误差符合预设条件时，根据此时关联系数的大小确定用能数据与碳排放量的关联程度，若不符合预设条件，则调整多层感知机后重复S400直至符合预设条件；

所述S300包括：

S301：对初始训练集中的用能数据进行特征提取，得到若干个特征值；

S302：分别对碳排放数据和特征值进行标准化处理，使标准化处理后的碳排放数据和特征值具有统一的量纲；

S303：建立包含x轴、y轴、z轴的三维坐标系，其中x轴表示采样时刻，y轴表示提取的特征，z轴表示采样时刻对应的特征值；

S304：根据特征值在三维坐标系中绘制特征曲线，得到三维特征图像；

S305：根据碳排放数据绘制碳排放曲线，将特征曲线一一与碳排放曲线进行对比，选取重合率高于预设阈值的特征曲线，根据特征曲线在y轴的位置确定与特征曲线对应的特征，将所述特征确定为附加关联特征。

2.根据权利要求1所述基于电力大脑中枢的用能数据与碳排放量关联分析方法，其特征在于，所述S200包括：

通过电力大脑中枢基于预设采样频率访问电力系统，对新能源机组出力与分析对象的用电量进行采样，得到用能数据中的新能源机组出力p和用电数据z；

通过电力大脑中枢基于预设采样频率访问热力系统，对分析对象的化石能源消耗量进行采样，根据采样结果得到用能数据中的用热数据h和用气数据g；

通过电力大脑中枢基于预设采样频率访问政务系统，获取分析对象的碳排放量数据；

将用电数据、用热数据、用气数据和新能源机组出力输入初始关联体系，生成初始训练集X^’=[ z，h，g，p]^T。

3.根据权利要求1所述的基于电力大脑中枢的用能数据与碳排放量关联分析方法，其特征在于，所述S301中提取的特征包括能源类型、用能峰谷值、峰谷时段以及与分析对象的类型对应的用能特征；

当分析对象类型为居民时，对应的用能特征为电动汽车充电量；

当分析对象类型为企业时，对应的用能特征为化石能源的消耗量；

当分析对象类型为区域时，对应的用能特征为化石能源消费量占比和新能源出力占比。

4.根据权利要求1所述的基于电力大脑中枢的用能数据与碳排放量关联分析方法，其特征在于，所述S302包括：基于min-max算法对碳排放数据和特征值进行标准化处理。