[發(fā)明專(zhuān)利]一種碳排放組合預(yù)測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310266231.2
• 申請(qǐng)日: 2013-06-28
• 公開(kāi)（公告）號(hào): CN103294928A
• 公開(kāi)（公告）日: 2013-09-11
• 發(fā)明（設(shè)計(jì)）人: 孫偉;何玉鈞;李艷坤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華北電力大學(xué)（保定）
• 主分類(lèi)號(hào): G06F19/00
• 分類(lèi)號(hào): G06F19/00;G06F17/30
• 代理公司: 石家莊冀科專(zhuān)利商標(biāo)事務(wù)所有限公司 13108
• 代理人: 李羨民;高錫明

技術(shù)領(lǐng)域

本發(fā)明涉及一種能夠精確預(yù)測(cè)碳排放量的方法，屬于測(cè)量技術(shù)領(lǐng)域。

背景技術(shù)

自工業(yè)化革命以來(lái)，由于人類(lèi)活動(dòng)和大量化石燃料的消耗，造成大氣CO₂濃度明顯增加，已遠(yuǎn)遠(yuǎn)超出根據(jù)冰芯記錄測(cè)定的工業(yè)化前幾千年中的濃度值。CO₂是最主要的溫室氣體之一，其濃度的增加會(huì)加速區(qū)域變暖，造成生態(tài)系統(tǒng)和環(huán)境的急劇惡化。國(guó)際社會(huì)為了應(yīng)對(duì)氣候變化，先后制訂了《聯(lián)合國(guó)氣候變化框架公約》（1992年）、《京都議定書(shū)》（1997年）、“巴厘島路線圖”（2007年）、《哥本哈根協(xié)議》（2009年）等國(guó)際性條約和文件，推動(dòng)應(yīng)對(duì)氣候變化進(jìn)程不斷前行。

現(xiàn)階段經(jīng)濟(jì)的快速增長(zhǎng)必然引發(fā)能源消費(fèi)需求和能源消費(fèi)的快速增長(zhǎng)，因而導(dǎo)致碳排放增速加快，環(huán)境污染問(wèn)題日益突出。要控制能源消費(fèi)產(chǎn)生的CO_2-量，必須首先對(duì)BAU（Business?as?usual）模式下能源消費(fèi)碳排放趨勢(shì)有一個(gè)明確的把握，以激發(fā)減排的積極性和監(jiān)控減排工作的進(jìn)展。

現(xiàn)有碳排放預(yù)測(cè)方法較多，主要有傳統(tǒng)經(jīng)典預(yù)測(cè)方法和基于人工智能的預(yù)測(cè)方法。傳統(tǒng)方法雖然模型簡(jiǎn)單，但是預(yù)測(cè)誤差較大，無(wú)法描述因變量和自變量之間的非線性關(guān)系。人工智能方法的共同缺點(diǎn)是計(jì)算過(guò)程復(fù)雜，含義不明晰，需要大量的數(shù)據(jù)樣本，才能對(duì)事物實(shí)際發(fā)展趨勢(shì)進(jìn)行科學(xué)合理的模擬和預(yù)測(cè)。但由于碳排放數(shù)據(jù)有限，計(jì)量經(jīng)濟(jì)學(xué)方法和人工智能方法常因無(wú)法獲取到大樣本數(shù)據(jù)而不能對(duì)碳排放作出精確預(yù)測(cè)。因此如何根據(jù)小樣本數(shù)據(jù)對(duì)碳排放進(jìn)行預(yù)測(cè)就成為一個(gè)亟待解決的問(wèn)題。此外，盡管目前有諸多預(yù)測(cè)模型可供選擇，但沒(méi)有任何一個(gè)預(yù)測(cè)模型或方法能夠在任何情況下解決所有的預(yù)測(cè)問(wèn)題，傳統(tǒng)碳排放預(yù)測(cè)方法僅僅選擇單一預(yù)測(cè)模型，因此存在較大的預(yù)測(cè)風(fēng)險(xiǎn)，不能確保碳排放預(yù)測(cè)結(jié)果的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)之弊端，提供一種碳排放組合預(yù)測(cè)方法，以降低預(yù)測(cè)風(fēng)險(xiǎn)，提高碳排放的預(yù)測(cè)精度。

本發(fā)明所述問(wèn)題是以下述技術(shù)方案實(shí)現(xiàn)的：

一種碳排放組合預(yù)測(cè)方法，所述方法首先根據(jù)碳排放趨勢(shì)選擇多個(gè)單項(xiàng)預(yù)測(cè)模型，并利用所選單項(xiàng)預(yù)測(cè)模型分別對(duì)碳排放進(jìn)行預(yù)測(cè)，然后把各個(gè)單項(xiàng)模型的預(yù)測(cè)結(jié)果賦予不同的權(quán)重進(jìn)行組合，并通過(guò)和聲優(yōu)化算法確定出各個(gè)單項(xiàng)模型預(yù)測(cè)結(jié)果的最優(yōu)分配權(quán)重，使這些單項(xiàng)預(yù)測(cè)模型構(gòu)成組合預(yù)測(cè)模型，利用組合預(yù)測(cè)模型對(duì)碳排放進(jìn)行精確預(yù)測(cè)。

上述碳排放組合預(yù)測(cè)方法，所述方法包括以下步驟：

a.根據(jù)碳排放趨勢(shì)選擇單項(xiàng)預(yù)測(cè)模型，并計(jì)算單項(xiàng)模型預(yù)測(cè)結(jié)果；

b.根據(jù)折現(xiàn)均方差組合預(yù)測(cè)模型理論，列出包含折現(xiàn)因子β的單項(xiàng)模型權(quán)重表達(dá)式和組合預(yù)測(cè)模型表達(dá)式；

組合預(yù)測(cè)模型表達(dá)式為：

其中：為第t期組合預(yù)測(cè)值，為組合模型中分配給第i個(gè)單項(xiàng)模型的權(quán)重，為第i個(gè)單項(xiàng)模型第t期預(yù)測(cè)值，k為選取的單項(xiàng)模型個(gè)數(shù)；

各單項(xiàng)模型權(quán)重的表達(dá)式為：

，

其中：為第t期實(shí)際值，β為折現(xiàn)因子，取值位于區(qū)間[0，1]之間，T為觀測(cè)期數(shù)；

c.選取折現(xiàn)因子β作為和聲向量，運(yùn)用和聲搜索算法計(jì)算產(chǎn)生新的和聲β’，具體步驟如下：

①?初始化預(yù)設(shè)規(guī)模大小的和聲庫(kù)HMS，確定目標(biāo)函數(shù)形式和待優(yōu)化參數(shù)、初始優(yōu)化變量上限和下限、和聲庫(kù)選擇概率HMCR、擾動(dòng)調(diào)整概率PAR和帶寬BW；

②?產(chǎn)生新的和聲向量

以和聲庫(kù)選擇概率HMCR在和聲記憶庫(kù)HM中隨機(jī)搜索新解，以1-HMCR的概率在HM外各變量的可行域搜索，然后以擾動(dòng)調(diào)整概率PAR對(duì)新解產(chǎn)生局部擾動(dòng)；

?d.計(jì)算目標(biāo)評(píng)價(jià)函數(shù)值，確定最小目標(biāo)評(píng)價(jià)函數(shù)對(duì)應(yīng)的β向量，如果根據(jù)搜索算法得到的新和聲向量對(duì)應(yīng)的目標(biāo)評(píng)價(jià)函數(shù)值小于原和聲庫(kù)內(nèi)的最大值，則對(duì)和聲庫(kù)進(jìn)行更新，將新和聲向量替換原和聲庫(kù)最大目標(biāo)評(píng)價(jià)函數(shù)值所對(duì)應(yīng)的和聲向量；否則不更新和聲庫(kù)；

e.更新迭代次數(shù)，若循環(huán)次數(shù)大于事先設(shè)定的最大循環(huán)次數(shù)，則停止搜索，跳出循環(huán)，并選取和聲庫(kù)內(nèi)對(duì)應(yīng)目標(biāo)函數(shù)最小的和聲向量為折現(xiàn)因子β的最優(yōu)值；否則，返回步驟c；

f.將最優(yōu)和聲向量帶入單項(xiàng)模型權(quán)重公式，得到最優(yōu)權(quán)重，并計(jì)算組合預(yù)測(cè)結(jié)果。

上述碳排放組合預(yù)測(cè)方法，所述方法采用誤差最小作為目標(biāo)評(píng)價(jià)函數(shù)：?

其中：為第t期實(shí)際值，為第t期預(yù)測(cè)值，