【技術實現步驟摘要】
本專利技術涉及碳排放預測領域，具體是一種電網供應鏈中的碳排放預測方法。
技術介紹
1、全球氣候變化已成為國際社會關注的焦點，亟需一種高效、準確的碳排放預測方法。
2、目前，學者們已對碳排放預測進行了研究，并取得了豐碩成果。
3、綠色供應鏈建設成為電網供應鏈的重點，開展對電網供應鏈管理環節碳排放核算方法研究，有助于掌握倉儲環節碳排放強度，為電網供應鏈物流降碳決策提供數據支撐，助力電網供應鏈綠色低碳轉型。
4、目前，電網電力企業已經在應用一些碳排放預測方案，但目前的電網碳排放預測針對的中長期電網企業的碳排放進行預測，為電網企業長期規劃制定合理的低碳發展策略，實現可持續發展，尚缺少針對電網供應鏈中的碳排放核算及預測的方案。
技術實現思路
1、針對現有技術存在的上述不足，本專利技術提供一種電網供應鏈中的碳排放預測方法，可以針對電網供應鏈中的碳排放進行核算及預測。
2、一種電網供應鏈中的碳排放預測方法，包括：
3、步驟一、預測目標區域電網供應鏈的電力供應環節的碳排放量；
4、步驟二、預測目標區域電網供應鏈中管理環節的碳排放量；
5、步驟三、根據電力供應環節的碳排放量和管理環節的碳排放量，預測目標區域在未來目標時間段內電網供應鏈中的碳排放量。
6、進一步的，步驟一具體包括：
7、步驟1.1、統計目標區域電網供應鏈的歷史整體碳排放量數據；
8、步驟1.2、根據目標區域電網供應鏈
9、進一步的，步驟1.1具體包括：
10、步驟1.1.1、確定電網供應鏈的各個環節
11、發電環節：包括火力發電、水力發電、風力發電、太陽能發電；
12、輸電環節：包括高壓輸電線路、變電站；
13、配電環節：包括低壓配電線路、配電設備；
14、步驟1.1.2、收集目標區域電網供應鏈的歷史數據
15、收集目標區域電網供應鏈的各個環節的能源消耗數據；
16、收集目標區域電網供應鏈的各環節使用的設備、技術和材料的碳排放因子；
17、步驟1.1.3、計算目標區域電網供應鏈的歷史整體碳排放量：
18、根據能源消耗數據和碳排放因子，計算各個環節的歷史整體碳排放量；
19、碳排放量計算公式：pi＝ei*fi
20、其中，pi表示第i環節碳排放量，i表示電網供應鏈的環節，ei是第i個環節的能源消耗量，fi是第i個環節的碳排放因子；
21、步驟1.1.4、將目標區域電網供應鏈的各個環節的碳排放量進行匯總，得到電網供應鏈的歷史碳排放量數據：
22、p＝pa+pb+pc
23、pa表示發電環節的碳排放量，pb表示輸電環節的碳排放量，pc表示配電環節的碳排放量。
24、進一步的，步驟1.2具體包括：
25、步驟1.2.1、根據目標區域電網供應鏈的歷史碳排放量數據，初步預測未來目標區域電網供應鏈的電力供應環節的碳排放量；
26、步驟1.2.2、確定當前電力轉型發展狀態，并獲取當前電力轉型發展狀態的參數；
27、步驟1.2.3、結合電力轉型發展狀態的參數和預測的步驟1.2.1中初步預測的電力供應環節的碳排放量，得到最終的目標區域電網供應鏈的電力供應環節的碳排放量。
28、進一步的，步驟1.2.1中根據目標區域電網供應鏈的歷史碳排放數據，訓練網絡模型，通過采集目標區域當前時間的某個時間的碳排放數據，預測未來某個時間段目標區域電網供應鏈的整體碳排放量。
29、進一步的，步驟1.2.1中預測未來某個時間段目標區域電網供應鏈的整體碳排放量，具體預測方式如下：
30、(1)數據收集
31、從目標區域電網供應鏈的歷史碳排放數據中獲取過去幾年的日/月/年碳排放數據，數據包含日期、時間、各環節的碳排放量；
32、(2)數據預處理
33、對收集的數據進行清洗，去除缺失值、異常值；
34、創建新特征數據，包括季節性特征、節假日標記、能源消費類型占比；
35、對不同類型的數據進行數據標準化或歸一化，確保不同量綱的數據能在同一尺度上比較，提升模型訓練效率；
36、(3)訓練模型
37、考慮到時間序列預測的需求，選擇長短期記憶網絡lstm、門控循環單元gru或transformer神經網絡模型，
38、其中訓練模型的具體步驟如下：
39、將數據劃分為訓練集、驗證集和測試集，其中，70％的數據用于訓練，15％用于驗證，15％用于測試；
40、確定學習率、批處理大小、訓練輪次、優化器參數；
41、使用訓練集數據訓練模型，并在驗證集上評估其性能；
42、根據需要調整模型結構或參數，以提高預測準確性；
43、使用測試集數據評估模型的預測準確性，常用指標包括均方誤差mse、均方根誤差rmse、平均絕對誤差mae；
44、檢查模型在不同時間段的預測表現；
45、根據評估結果調整模型結構或參數，包括增加隱藏層數量、調整神經元數量、嘗試不同的激活函數；
46、(4)預測
47、使用訓練好的模型，輸入當前時間的碳排放數據及其他影響因素，預測未來某個時間段的電網供應鏈整體碳排放量。
48、進一步的，步驟1.2.2中，考慮發電結構變化和煤電技術發展水平不斷在變化，設置3種不同電力轉型發展情景，分別為基準情景、快轉型情景、慢轉型情景；基準情景下各發電方式發電量占比的年均變化率依據其預設周期內的年均變化率設置，慢轉型情景在基準情景的基礎上減緩火電向清潔能源發電轉型的速度，快轉型情景則是加快火電向清潔電力的轉型速度，3種不同電力轉型發展情景分別設定固定參數λ。
49、進一步的，步驟1.2.3采用如下公式計算目標區域電網供應鏈的電力供應環節的碳排放量：
50、p2＝p1*λ
51、其中，p2為最終的未來目標區域電網供應鏈的電力供應環節的碳排放量，p1為步驟1.2.1中初步預測的電力供應環節的碳排放量，λ為設定的固定參數；
52、其中，基準情景下其碳排放量在步驟1.1.4中計算到的整體碳排放量基礎上參數λ設為1，表示在步驟1.1.4基礎上持平，快轉型情景下參數λ設為0.8表示火電向清潔電力的轉型速度加快，其碳排放量在常規預測基礎上需要進行一下折算，理論上碳排放量相對基礎情景少；慢轉型情景是在基準情景的基礎上減緩火電向清潔能源發電轉型的速度，理論上碳排放量相對基礎情景更多，參數λ設為1.2。
53、進一步的，步驟二具體包括：
54、步驟2.1、采集電網供應鏈中倉儲環節歷史碳排量數據；
55、倉儲環節中收貨本文檔來自技高網...
【技術保護點】
1.一種電網供應鏈中的碳排放預測方法，其特征在于，包括如如下步驟：
2.如權利要求1所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟一具體包括：
3.如權利要求2所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.1具體包括：
4.如權利要求3所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2具體包括：
5.如權利要求4所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.1中根據目標區域電網供應鏈的歷史碳排放數據，訓練網絡模型，通過采集目標區域當前時間的某個時間的碳排放數據，預測未來某個時間段目標區域電網供應鏈的整體碳排放量。
6.如權利要求5所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.1中預測未來某個時間段目標區域電網供應鏈的整體碳排放量，具體預測方式如下：
7.如權利要求4所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.2中，考慮發電結構變化和煤電技術發展水平不斷在變化，設置3種不同電力轉型發展情景，分別為基準情景、快轉型情景、慢轉型情景；基準情景下各發
8.如權利要求7所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.3采用如下公式計算目標區域電網供應鏈的電力供應環節的碳排放量：
9.如權利要求1所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟二具體包括：
10.如權利要求1所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟三具體包括：
...【技術特征摘要】
1.一種電網供應鏈中的碳排放預測方法，其特征在于，包括如如下步驟：
2.如權利要求1所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟一具體包括：
3.如權利要求2所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.1具體包括：
4.如權利要求3所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2具體包括：
5.如權利要求4所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.1中根據目標區域電網供應鏈的歷史碳排放數據，訓練網絡模型，通過采集目標區域當前時間的某個時間的碳排放數據，預測未來某個時間段目標區域電網供應鏈的整體碳排放量。
6.如權利要求5所述的電網供應鏈中的碳排放預測方法，其特征在于：步驟1.2.1中預測未來某個時間段目標區域電網供應鏈的整體碳排放量，具體預測方式如下：
【專利技術屬性】
技術研發人員：雷軍，楊庭，陳聞，靖海，占娜，韓應生，漆啟華，王敏，石木子，曾泓瑞，殷思雨，易陽，
申請(專利權)人：湖北華中電力科技開發有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。