[發明專利]一種基于大數據的碳排放測算方法及裝置

在審

• 申請號: 202210592327.7
• 申請日: 2022-05-27
• 公開（公告）號: CN114971023A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 黃宇騰;毛冬;張辰;陳可
• 申請（專利權）人: 國網浙江省電力有限公司信息通信分公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 蘇州國卓知識產權代理有限公司 32331
• 代理人: 龔淼

本申請提供一種基于大數據的碳排放測算方法及裝置，所述方法包括：獲取電網的負載功率信息、電網電壓信息和電網電流信息；根據輸入電量的屬性特征，為所述功率信息、電網電壓信息和電網電流信息設置配置參數，并生預測集；將所述預測集輸入到卷積神經網絡訓練，包括將數據編碼，將編碼后的所述數據輸入到卷積層，所述卷積層根據所述數據的時間段連續性提取特征數據，并根據所述特征數據生成時間電量圖和時間負載圖，將所述時間電量圖和時間負載圖輸入到融合層進行融合，生成融合圖；根據融合圖計算碳排放。本申請采用卷積神經網絡模型直接對電網電壓、電流和負載數據進行碳排放的測算，數據獲取簡單，并且測算較為精準，適合性強。

技術領域

本申請請求保護一種大數據預測方法，尤其涉及一種基于大數據的碳排放測算方法。本申請還涉及一種基于大數據的碳排放測算裝置。

背景技術

電能的獲取主要是火電，火電是通過礦物燃料燃燒轉換的，這個過程中會排放二氧化碳等含碳氣體，稱為碳排放。

目前，綠色發展稱為社會發展的主要方向，而控制碳排放則是綠色發展的重要內容之一，控制碳排放首先便是進行碳排放測算。

現有技術中，碳排放通過一系列檢測測算出來的，需要極為精確的測量方法以及大量的計算才能獲取，這對于普通企業來水是非常困難的，因此急需一種簡易直接的方法進行碳排放的測算。

發明內容

為了解決上述技術方案中的一個或者多個技術問題，本申請提供一種基于大數據的碳排放測算方法。本申請還涉及一種基于大數據的碳排放測算方裝置。

本申請提供一種基于大數據的碳排放測算方法，包括：

獲取電網的負載功率信息、電網電壓信息和電網電流信息；

根據輸入電量的屬性特征，為所述功率信息、電網電壓信息和電網電流信息設置配置參數，并生預測集；

將所述預測集輸入到卷積神經網絡訓練，包括將數據編碼，將編碼后的所述數據輸入到卷積層，所述卷積層根據所述數據的時間段連續性提取特征數據，并根據所述特征數據生成時間電量圖和時間負載圖，將所述時間電量圖和時間負載圖輸入到融合層進行融合，生成融合圖；

根據融合圖計算碳排放。

可選的，所述電網包括，公共電網、局域電網以及家庭電網；

可選的，所述卷積神經網絡的訓練方法包括：

提取所述電網負載功率、電網電壓和電網電流的歷史數據；

基于所述歷史數據配置參數后生成樣本集；

基于所述樣本集的數據輸入到所述卷積神經網絡模型中，訓練并獲得融合圖；

基于所述融合圖調整所述卷積神經網絡參數，并重復上述步驟，到所述融合圖符合預期。

可選的，所述配置參數為所述電網中發電量與電量比值。

可選的，所述配置參數為所述電網中電量的化石能源電量和清潔能源電量的比值。

本申請還提供一種基于大數據的碳排放測算裝置，包括：

獲取模塊，用于獲取電網的負載功率信息、電網電壓信息和電網電流信息；

預處理模塊，用于根據輸入電量的屬性特征，為所述功率信息、電網電壓信息和電網電流信息設置配置參數，并生預測集；

分析模塊，用于將所述預測集輸入到卷積神經網絡訓練，包括將數據編碼，將編碼后的所述數據輸入到卷積層，所述卷積層根據所述數據的時間段連續性提取特征數據，并根據所述特征數據生成時間電量圖和時間負載圖，將所述時間電量圖和時間負載圖輸入到融合層進行融合，生成融合圖；

計算模塊，用于根據融合圖計算碳排放。