[发明专利]一种电网企业碳排放量的预测方法

说明书

本发明公开了一种电网企业碳排放量的预测方法，涉及碳排放监控领域。该预测方法包括：(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)利用训练好的SVM模型进行电网企业碳排放量预测。本发明的方法为政府和电网企业感知城市碳排放情况，进而调整能源结构，治理空气污染提供决策数据参考。

技术领域

本发明涉及碳排放监控领域，具体涉及一种电网企业碳排放量的预测方法。

背景技术

碳排放量是指在生产、运输、使用及回收该产品时所产生的平均温室气体排放量；而动态的碳排放量，则是指每单位货品累积排放的温室气体量，同一产品的各个批次之间会有不同的动态碳排放量。

“碳达峰、碳中和”的目标，不仅是应对气候变化的目标，更是经济社会发展的战略目标。电网企业应发挥能源供给侧与消费侧的“桥梁”优势，激发数据要素的价值，充分发挥电力公司在减碳上的枢纽和功能平台作用，开展基于发电侧的碳达峰、碳中和专项工作，对碳排放进行监测分析。电网企业在通过降低输配电损耗等方式积极实现自身碳减排的同时，通过更加灵活地接入可再生能源和分布式能源、加强需求侧管理和综合能效服务、促进发电权交易、推动电动汽车发展等，可推动电力行业及全社会节能减排。

目前，我国对电网企业碳排放量预测的方法研究较少，主要采用传统预测模型，传统预测模型虽然简单，但预测精度不高。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提供一种电网企业碳排放量的预测方法，该预测方法更为准确地对未来电网企业二氧化碳排放趋势进行预测，为制定节能减排、治理环境污染等相关政策与方针提供技术支持与依据。

为了实现上述目的，本发明采用的技术方案如下：

一种电网企业碳排放量的预测方法，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。

进一步的，步骤(1)中，所述二氧化碳排放因素包括但不限于人均GDP因素、电力生产技术结构因素、燃料结构因素、输配电损失量、居民生活及产业部门电耗强度。

进一步的，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。

进一步的，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。

进一步的，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：