基于能源消费数据的碳排放估算方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115829113A(43)申请公布日2023.03.21(21)申请号202211490858.1G06F17/18(2006.01)(22)申请日2022.11.25G06N5/01(2023.01)G06N20/20(2019.01)(71)申请人国网浙江省电力有限公司绍兴供电公司地址312099浙江省绍兴市胜利东路58号(72)发明人凌玲沈志宏张良顾伟沈坚林王泽琪缪妙唐宇沈旭明谢俊凯(74)专利代理机构杭州华鼎知识产权代理事务所(普通合伙)33217专利代理师高凌(51)Int.Cl.G06Q10/04(2023.01)G06Q50/06(2012.01)G06Q50/26(2012.01)权利要求书2页说明书4页(54)发明名称基于能源消费数据的碳排放估算方法(57)摘要本发明公开了基于能源消费数据的碳排放估算方法，包括：S1、获取历史规上行业能源消费数据，并对其进行清洗得到能源数据清单；S2、根据数据清单中的用能数据得到规上行业的历史碳排放量；S3、根据规上行业的历史碳排放量得到规上行业的历史碳排放电力系数；S4、将规上行业的历史碳排放电力系数作为因变量，选择自变量构建ARIMAX时间序列模型和XGBoost梯度提升决策树模型，输出测试集拟合结果并计算两种模型的各区域平均偏差和中位数偏差；S5、选择输出偏差最小的模型作为最佳预测模型；S6、利用最佳预测模型得到实时的规上行业碳排放量测算数据。方案根据地区的企业和行业的能源消费特点选择最佳的模型进行对应的碳排放估算，估算的结果准确可靠。CN115829113ACN115829113A权利要求书1/2页1.基于能源消费数据的碳排放估算方法，其特征在于，包括如下步骤：S1、获取历史规上行业能源消费数据，并对其进行清洗得到能源数据清单；S2、根据数据清单中的用能数据得到规上行业的历史碳排放量；S3、根据规上行业的历史碳排放量得到规上行业的历史碳排放电力系数；S4、将规上行业的历史碳排放电力系数作为因变量，选择自变量构建ARIMAX时间序列模型和XGBoost梯度提升决策树模型，输出测试集拟合结果并计算两种模型的各区域平均偏差和中位数偏差；S5、选择输出偏差最小的模型作为最佳预测模型；S6、利用最佳预测模型得到实时的规上行业碳排放量测算数据。2.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，S1包括如下步骤：提取规上行业的能源消费数据，剔除能源消费数据清单中的异常数据得到清洗后的规上能源数据清单。3.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，所述用能数据包括有能源种类和能源数量；所述能源种类包括有电力、原煤、热力、汽油、柴油、燃料油和天然气。4.根据权利要求3所述的基于能源消费数据的碳排放估算方法，其特征在于，S2包括如下步骤：根据用能数据中的能源类型对应的标准碳排放折算系数与能源的消耗量进行单位统一后相乘，得到每种能源的理论碳排放量；依次获取每种能源的理论碳排放量并进行相加汇总，得到规上行业的历史碳排放量。5.根据权利要求1或4所述的基于能源消费数据的碳排放估算方法，其特征在于，S3包括如下步骤：根据规上行业的历史碳排放量与对应周期内规上行业用电量的比值作为规上行业的历史碳排放电力系数。6.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，S4中，分别计算两个模型的输出值偏差，其中输出值偏差计算公式为：其中，yi为真实值，为拟合值；将测试集偏差的平均值作为平均偏差，将测试集偏差的中位数值作为中位数偏差。7.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，S4还包括：将年份及用电量作为自变量，构建ARIMAX时间序列模型，获取以年份为单位获取数据集，划分测试集和训练集，遍历p和q两项参数的设置取值范围，自动搜索使模型BIC最小的参数组合。8.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，S4还包括：将行业、年份以及用电量作为自变量，构建XGBoost梯度提升决策树算法模型；以年份为单位获取数据集；采用留出法基于8:2的比例将数据集划分训练集和测试集，2CN115829113A权利要求书2/2页遍历弱学习器个数和树的深度在设置范围内的数值组合，选择平均偏差最小的组合作为模型参数。9.根据权利要求1所述的基于能源消费数据的碳排放估算方法，其特征在于，S6包括：利用最佳预测模型的预测得到的规上行业碳排放电力系数与规上行业实时电量数据进行相乘，得到规上行业实时的碳排放量测算数据。3CN115829113A说明书1/4页基于能源消费数据的碳排放估算方法技术领域[0001]本发明涉及碳排放测算及预测技术领域，尤其是指一种基于能源