[发明专利]碳排放园区直接碳排放连续测量方法、装置、设备及介质

权利要求书

1.碳排放园区直接碳排放连续测量方法，其特征在于，包括：

采集园区周边地面CO₂分布图；

采集园区CO₂直接排放关联参数；

将所述步骤园区周边地面CO₂分布图、园区CO₂直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络，获得园区直接碳排放的实时测量结果。

2.根据权利要求1所述的碳排放园区直接碳排放连续测量方法，其特征在于，所述采集园区周边地面CO₂分布图的步骤具体包括：

在园区四周远端均匀布置N台红外二氧化碳监测仪，使用红外二氧化碳监测仪监测园区地面CO₂浓度；N为大于等于4的自然数。

3.根据权利要求1所述的碳排放园区直接碳排放连续测量方法，其特征在于，所述采集园区CO₂直接排放关联参数的步骤具体包括：

从园区数字化系统或者通过就地测量装置获取关联参数；

所述关联参数包括：园区生产/发电总功率、园区总能耗、地表温度、大气温度、大气湿度和风力信息。

4.根据权利要求1所述的碳排放园区直接碳排放连续测量方法，其特征在于，所述将所述步骤园区周边地面CO₂分布图、园区CO₂直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络的步骤中，所述BP神经网络包括：第一卷积神经网络Conv1、第二卷积神经网络Conv2)、第一全连接网络FC1、第二全连接网络FC2、第三全连接网络FC3和第四全连接网络FC4；

第一卷积神经网络Conv1的输出连接第二卷积神经网络Conv2的输入；第一全连接网络FC1的输出连接第二全连接网络FC2的输入；第二卷积神经网络Conv2的输出和第二全连接网络FC2的输出连接第三全连接网络FC3的输入，第三全连接网络FC3的输出连接第四全连接网络FC4。

5.根据权利要求4所述的碳排放园区直接碳排放连续测量方法，其特征在于，所述将所述步骤园区周边地面CO₂分布图、园区CO₂直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络的步骤中，所述训练好的融合了卷积网络以及全连接网络的BP神经网络的训练方法包括：

获取园区周边地面CO₂浓度分布图；

获取园区CO₂直接排放关联参数；

将所述园区周边地面CO₂浓度分布图输入第一卷积神经网络Conv1，第一卷积神经网络Conv1和连接第二卷积神经网络Conv2提取园区周边地面CO₂浓度分布特征；

将园区CO₂直接排放关联参数输入第一全连接网络FC1，第一全连接网络FC1和第二全连接网络FC2提取二氧化碳浓度的关联参数特征；

第三全连接网络FC3将所述园区周边地面CO₂浓度分布特征和二氧化碳浓度的关联参数特征进行合并；合并后数据分为两路，一路数据与碳卫星检测的园区二氧化碳浓度数据进行对比，通过误差函数loss1反向传播的方式，对第一卷积神经网络Conv1、第二卷积神经网络Conv2、第一全连接网络FC1、第二全连接网络FC2和第三全连接网络FC3的网络参数进行调整；另一路数据进入第四全连接网络FC4，第四全连接网络FC4输出结果与CEMS所检测到的园区CO₂总浓度C₀进行对比，通过第二误差函数loss2反向传播的方式，对第一卷积神经网络Conv1、第二卷积神经网络Conv2、第一全连接网络FC1、第二全连接网络FC2、第三全连接网络FC3和第四全连接网络FC4的网络参数进行优化；直至到达训练最大训练次数或者满足收敛条件，获得训练好的融合了卷积网络以及全连接网络的BP神经网络。