[發明專利]基于電力大腦中樞的用能數據與碳排放量關聯分析方法

有效

• 申請號: 202111024764.0
• 申請日: 2021-09-02
• 公開（公告）號: CN113469470B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 方響;孫智卿;樊立波;朱炯;樂全明;李慶華;祝春捷;張杰;徐凱;毛偉;王渝李;粱展釗;黃建平;屠永偉;趙健
• 申請（專利權）人: 國網浙江省電力有限公司杭州供電公司;上海脈策數據科技有限公司;脈策（杭州）科技有限公司;國網浙江省電力有限公司;上海電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 黃麗

1.基于電力大腦中樞的用能數據與碳排放量關聯分析方法，其特征在于，包括：

S100：將分析對象的用電量、用熱量、用氣量和新能源機組出力作為碳排放量的常規關聯特征，由常規關聯特征組成初始關聯體系；

S200：通過電力大腦中樞基于預設采樣頻率獲取各種類型的分析對象的用能數據和碳排放數據，將用能數據填充到初始關聯體系中形成初始訓練集；

S300：基于初始訓練集中用能數據的特征生成三維特征圖像，通過比較三維特征圖像與S200中獲取的碳排放數據生成附加關聯特征，將附加關聯特征加入初始關聯體系中，得到典型關聯體系；

S400：在LSTM模型的輸入層基于注意力機制建立多層感知機，將當前采樣時刻的用能數據填充到典型關聯體系中形成最終訓練集，結合LSTM模型在上一個采樣時刻的輸出結果輸入多層感知機中，計算典型關聯體系中各個常規關聯特征和附加關聯特征在當前采樣時刻的關聯系數；

S500：將關聯系數與最終訓練集相乘后的結果輸入LSTM模型，當LSTM模型的輸出結果與S200中獲取的碳排放數據之間的誤差符合預設條件時，根據此時關聯系數的大小確定用能數據與碳排放量的關聯程度，若不符合預設條件，則調整多層感知機后重復S400直至符合預設條件；

所述S300包括：

S301：對初始訓練集中的用能數據進行特征提取，得到若干個特征值；

S302：分別對碳排放數據和特征值進行標準化處理，使標準化處理后的碳排放數據和特征值具有統一的量綱；

S303：建立包含x軸、y軸、z軸的三維坐標系，其中x軸表示采樣時刻，y軸表示提取的特征，z軸表示采樣時刻對應的特征值；

S304：根據特征值在三維坐標系中繪制特征曲線，得到三維特征圖像；

S305：根據碳排放數據繪制碳排放曲線，將特征曲線一一與碳排放曲線進行對比，選取重合率高于預設閾值的特征曲線，根據特征曲線在y軸的位置確定與特征曲線對應的特征，將所述特征確定為附加關聯特征。

2.根據權利要求1所述基于電力大腦中樞的用能數據與碳排放量關聯分析方法，其特征在于，所述S200包括：

通過電力大腦中樞基于預設采樣頻率訪問電力系統，對新能源機組出力與分析對象的用電量進行采樣，得到用能數據中的新能源機組出力p和用電數據z；

通過電力大腦中樞基于預設采樣頻率訪問熱力系統，對分析對象的化石能源消耗量進行采樣，根據采樣結果得到用能數據中的用熱數據h和用氣數據g；

通過電力大腦中樞基于預設采樣頻率訪問政務系統，獲取分析對象的碳排放量數據；

將用電數據、用熱數據、用氣數據和新能源機組出力輸入初始關聯體系，生成初始訓練集X^’=[ z，h，g，p]^T。

3.根據權利要求1所述的基于電力大腦中樞的用能數據與碳排放量關聯分析方法，其特征在于，所述S301中提取的特征包括能源類型、用能峰谷值、峰谷時段以及與分析對象的類型對應的用能特征；

當分析對象類型為居民時，對應的用能特征為電動汽車充電量；

當分析對象類型為企業時，對應的用能特征為化石能源的消耗量；

當分析對象類型為區域時，對應的用能特征為化石能源消費量占比和新能源出力占比。

4.根據權利要求1所述的基于電力大腦中樞的用能數據與碳排放量關聯分析方法，其特征在于，所述S302包括：基于min-max算法對碳排放數據和特征值進行標準化處理。