[发明专利]一种电网企业碳排放量的预测方法

权利要求书

1.一种电网企业碳排放量的预测方法，其特征在于，包括：

(1)选取电网企业二氧化碳排放因素，以及变量定义，结合历史碳排放量制作样本数据集；

(2)样本数据集进行归一化处理；

(3)选取支持向量机作为训练预测模型，核函数为高斯核函数，建立SVM模型；

(4)初始化SVM模型的各项待优化参数，归一化后的样本数据集一部分数据输入到SVM模型训练，如果输出结果符合要求，则结束训练，得到训练好的SVM模型；

(5)按样本数据集的数据类型实时采集电网企业二氧化碳排放因素数据，输入训练好的SVM模型，经数据处理，输出电网企业碳排放量预测结果，完成预测；

步骤(4)中，所述SVM模型的待优化参数为罚项参数C与核参数σ；

步骤(4)中，如果输出结果不符合要求，则更新罚项参数C与核参数σ，然后将归一化后的样本数据集一部分数据输入到SVM模型继续训练，直至输出结果符合要求，则结束训练；

步骤(4)中，更新罚项参数C与核参数σ采用的是改进的粒子群算法，具体包括：

①初始化加速常数c₁和c₂，最大迭代次数，粒子群数量；

②改进的粒子群算法为：

其中，d＝1,2,...,n，n表示影响因素数据的维度；i＝1,2,...,m，m表示粒子群规模；t表示当前粒子迭代次数，r₁、r₂∈[0,1]的随机次数；c₁和c₂为加速常数；t为迭代次数；表示第t次迭代时第i个粒子在数据特征空间中的第d维的速度；表示第(t+1)次迭代时第i个粒子在数据特征空间中的第d维的速度；表示第i个粒子在特征空间中的第d维的坐标；表示第(t-1)次迭代时第i个粒子在数据特征空间中的第d维的速度；表示粒子迭代更新的速度与迭代次数以之前速度相关，这样能够更快的找到最优值，以便缩短收敛时间；表示第i个粒子在特征空间中的第d维的坐标；表示粒子的个体最优解，表示粒子群全局最优解，保持了上一次迭代的速度和方向；为自身认知项，为全局认知项；

③利用步骤②得到新的惩罚项参数C与核参数σ，并跳动到步骤(4)。