[发明专利]一种碳排放量的预测方法、系统、电子设备及存储介质

说明书

本发明公开一种碳排放量的预测方法、系统、电子设备及存储介质，涉及碳排放管理技术领域，所述方法包括：获取待预测园区的公共能源网络当前时间段的节点参数；其中，节点参数是利用灰色关联度法从待筛选参数集中筛选出的参数；待筛选参数集包括：有用功率、无用功率、节点电压幅值、热源输出的热功率和质量流量速率、热负荷消耗的热功率和质量流量速率、供水管道参数以及天然气管道的质量流和两端压力；将当前时间段的节点参数输入至碳排放量预测模型中，得到待预测园区下一时间段的碳排放量；碳排放量预测模型是利用秃鹰搜索优化算法，基于训练数据集对广义回归神经网络进行训练确定的。本发明提高了碳排放量短期预测的精度。

技术领域

本发明涉及碳排放管理技术领域，特别是涉及一种碳排放量的预测方法、系统、电子设备及存储介质。

背景技术

园区作为区域经济发展、产业调整升级的空间承载形式，是中国能源消费的重要主体，发展多能互补、绿色高效的园区综合能源系统是实现“双碳”目标的重要途径。

目前，已有较多关于碳排放预测方面的研究。在影响因素分析方面，有学者引入指数分解分析(Index DecompositionAnalysis，IDA)碳排放量的预测方法进行碳排放影响因素研究，对数平均迪氏分解法(Logarithmic Mean DivisiaIndex，LMDI)建模容易，能够消除零值和残差。在模型与情景分析方面，有学者将灰色预测模型与反向传播(BackPropagation，BP)神经网络相结合，克服了灰色预测模型在长期预测中因受到扰动因素影响，进而使预测精度降低的问题；还有学者将碳排放的影响因素分为可控因素和不可控因素两个部分，并采用长短期记忆网络(Long Short-Term Memory，LSTM)来预测不可控因素。上述碳排放量的预测方法为园区碳排放预测提供了参考，但仍然存在以下不足：

1)对园区的碳排放感知能力不足：现有研究的模型与对象多以城市的长期预测为主，短期预测精度不足，难以适用于碳排放强度随机组运行状态变化频繁的园区。

2)信息安全有隐患：在进行碳预测、交易和结算过程中会产生海量的交易数据依赖中心化管理，随着碳交易市场规模的扩大，碳信息的安全性难以得到保障。

3)碳市场对促进减排的效果不足：目前碳市场机制并未完善，存在促进企业参与碳交易的激励效果不明显，对碳排放超额企业监管不严格和市场效率低等问题。

发明内容

本发明的目的是提供一种碳排放量的预测方法、系统、电子设备及存储介质，提高了碳排放量短期预测的精度。

为实现上述目的，本发明提供了如下方案：

一种碳排放量的预测方法，包括：

获取待预测园区的公共能源网络当前时间段的节点参数；其中，所述节点参数是利用灰色关联度法从待筛选参数集中筛选出的参数；所述待筛选参数集包括：有用功率、无用功率、节点电压幅值、热源输出的热功率和质量流量速率、热负荷消耗的热功率和质量流量速率、供水管道参数以及天然气管道的质量流和两端压力；所述供水管道参数包括：热功率、热损耗、质量流量速率、输入温度和输出温度；

将当前时间段的节点参数输入至碳排放量预测模型中，得到所述待预测园区下一时间段的碳排放量；所述碳排放量预测模型是利用秃鹰搜索优化算法，基于训练数据集对广义回归神经网络进行训练确定的；所述训练数据集包括多个训练用园区的公共能源网络的第q个历史时间段的节点参数和第q+1个历史时间段的碳排放量，q为正整数。

可选地，所述碳排放量预测模型的训练过程，具体包括：

确定多个训练用园区的公共能源网络的第q个历史时间段的节点参数和第q+1个历史时间段的碳排放量；

利用秃鹰搜索优化算法，对广义回归神经网络进优化，得到优化后的广义回归神经网络；