[发明专利]一种负荷电量及其碳排放预测与校验方法

说明书

本发明公开了一种负荷电量及其碳排放预测与校验方法，属于电力经济调度领域。一种负荷电量及其碳排放预测方法，包括以下步骤：统计用户的高碳能源与电力消耗量，构建能耗量数据集；将所述高碳能源的消耗量折算为一次能源碳排放量，构建一次能源碳排放量历史数据集；电力的消耗量作为负荷数据历史数据集，将电能消耗量折算为电能碳排放量，构建电能碳排放量历史数据集；一次能源碳排放量和电力负荷数据作为历史数据，建立一次能源碳排放量和电力负荷的LSTM预测模型与GM预测模型；使用动态权值集成，集成输出结果作为真实预测值，输出预测序列；将电力负荷预测数值折算为电力碳排放预测值，完成可靠性校验，最终求得总碳排放量预测值。

技术领域

本发明涉及电力经济调度领域，具体涉及一种负荷电量及其碳排放预测与校验方法。

背景技术

一般工商业电价持续下降，电力已经成为工业企业生产不可或缺且大量用能的能源。在新能源发电还没有大规模普及的情况下，大量使用电能依旧会间接产生温室气体排放。因此在进行碳排放量预测时，必须同时考察工业企业的电能预测用量。近年来，众多学者针对LSTM方法在用户负荷预测方面的应用进行了广泛研究，相关文献也证明可以达到很不错的预测精度。同时GM方法由于其特殊的优势在碳排放预测方面也得到一些学者的关注。目前已有的研究和方法主要针对于地区级的碳排放量和电力负荷总量进行预测，预测建模方面颗粒度不够细化，已经不能满足国家对于碳排放量精准把控的要求。如何根据某一个用户自身的历史用能数据，转化成碳排放量数值，通过机器学习和灰色模型结合起来对未来用能和碳排放情况进行预测，构建适用于单个工业大用户的预测模型，成为本专利重点关注的问题。

发明内容

针对现有技术的不足，本发明提出了一种负荷电量及其碳排放预测与校验方法。

本发明的目的可以通过以下技术方案实现：

一种负荷电量及其碳排放预测方法，包括以下步骤：

步骤1：统计用户的高碳能源与电力消耗量，构建能耗量数据集；

步骤2：将所述高碳能源的消耗量折算为一次能源碳排放量，构建一次能源碳排放量历史数据集；电力的消耗量作为负荷数据历史数据集，将电能消耗量折算为电能碳排放量，构建电能碳排放量历史数据集；

步骤3：一次能源碳排放量和电力负荷数据作为历史数据，建立一次能源碳排放量和电力负荷的LSTM预测模型与GM预测模型；将LSTM模型和GM模型使用动态权值w集成，集成输出结果作为真实预测值，输出预测序列，分别得到电力负荷预测序列与一次能源碳排放量预测序列；

步骤4：将电力负荷预测数值折算为电力碳排放预测值，对历史样本集的电能消耗碳排放量和一次能源碳排放量数据做最小二乘拟合，以完成可靠性校验；通过校验的电能消耗碳排放量预测值和一次能源碳排放量预测值之和即为总碳排放量预测值。

可选地，所述步骤2中的折算方法为：

其中，A_i为所述用户第i天工业总碳排放量，B_ij为所述用户第i天第j类能源消费量，C_j为第j类能源的折标煤系数，D_j为第j类能源碳排放因子。

可选地，还包括以下步骤：

若校验不通过，则对集成权值进行修正，修正更新得到新的预测序列，再进行校验，若仍不通过继续进行修正，直至预测序列数据都通过校验。

可选地，所述步骤4中的可靠性校验步骤包括：计算校验系数数值，判断是否符合所述校验系数小于等于20％的校验条件。

可选地，所述步骤3中，最优的所述动态权值通过求解优化模型得出，其中优化模型按偏差度最小原则建立。