[發明專利]碳排放量的預測方法和裝置

在審

• 申請號: 201910060097.8
• 申請日: 2019-01-22
• 公開（公告）號: CN109784567A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 繆美芳;劉霽陽
• 申請（專利權）人: 浙江愛立美能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 馬曉騰

本發明涉及一種碳排放量的預測方法和裝置，該方法包括：獲取碳排放的歷史記錄以及碳排放的當前需求，其中，所述碳排放量的歷史記錄包括預設區域在預設時間內的碳總排放量、碳總吸收量和碳濃度均值；根據所述碳總排放量和所述碳總吸收量，確定所述預設區域在所述預設時間內的碳總凈排放量；根據所述碳總凈排放量和碳濃度均值確定預測精度，建立與所述預測精度對應的預測方程；確定與所述當前需求對應的預測方程，以針對所述當前需求的碳排放進行預測。應用上述預測方程對碳排放進行預測，提高了碳排放量預測過程中的精度，降低了預測過程中的計算復雜度。

技術領域

本發明涉及節能減排技術領域，具體涉及一種碳排放量的預測方法和裝置。

背景技術

隨著能源和環境問題的日益嚴峻，碳排放問題已經收到了越來越多的關注，碳排放是對溫室氣體排放的總稱或者簡稱。由于過量的碳排放將會對環境造成不利的甚至是不可逆轉的影響，因此，碳排放的控制是控制現代生產、知道、物流等各個領域共同面臨的一個重要課題。

為推進低碳經濟以及低碳技術的快速發展，不可避免地要制定相應的規范或者標準來預測碳排放量，以更加有效的指導碳排放工作。現有碳排放量的預測方法較多，主要有傳統經典預測方法和基于人工智能的預測方法。傳統方法雖然模型簡單，但是預測誤差較大，無法描述因變量和自變量之間的非線性關系。人工智能的方法的共同缺點是計算過程復雜，含義不明確，需要大量的數據樣本，才能對事物實際發展趨勢進行科學合理的模擬和預測。但是由于碳排放數據量有限，計量經濟學方法和人工智能方法常因無法獲取到大樣本數據而不能對碳排放做出精準預測。因此，如何對碳排放進行預測就成為一個亟待解決的問題，以及確保碳排放量的預測結果的準確定也尤為重要。

發明內容

有鑒于此，提供一種碳排放量的預測方法和裝置，已解決現有技術中碳排放量預測過程中精度低以及計算復雜的問題。

本發明采用如下技術方案：

第一方面，本發明實施例提供了一種碳排放量的預測方法，該方法包括：

獲取碳排放的歷史記錄以及碳排放的當前需求，其中，所述碳排放量的歷史記錄包括預設區域在預設時間內的碳總排放量、碳總吸收量和碳濃度均值；

根據所述碳總排放量和所述碳總吸收量，確定所述預設區域在所述預設時間內的碳總凈排放量；

根據所述碳總凈排放量和碳濃度均值確定預測精度，建立與所述預測精度對應的預測方程；

確定與所述當前需求對應的預測方程，以針對所述當前需求的碳排放進行預測。

進一步的，所述根據所述碳總凈排放量和碳濃度均值確定預測精度包括：

確定所述預測精度的上限和下限；

相應的，建立與所述預測精度對應的預測方程，包括：

根據所述預測精度的上限和下限建立與所述預測精度對應的預測方程。

進一步的，所述根據所述碳總凈排放量和碳濃度均值確定預測精度，建立與所述預測精度對應的預測方程包括：

根據所述碳總凈排放量和碳濃度均值確定預測精度；

根據最小二乘法確定所述預測方程的系數；

根據所述預測精度以及所述預測方程的系數建立所述預測方程。

進一步的，所述碳濃度均值包括地面碳濃度均值、空氣碳濃度均值和衛星碳濃度均值中的一種或多種。

進一步的，在所述歷史記錄中存儲所述當前需求和針對所述當前需求的碳排放實際測量值。

第二方面，本發明實施例提供了一種碳排放量的預測裝置，該裝置包括：