一种碳排放量计算方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105975799A(43)申请公布日2016.09.28(21)申请号201610383017.9(22)申请日2016.06.01(71)申请人广东电网有限责任公司电力科学研究院地址510080广东省广州市越秀区东风东路水均岗8号(72)发明人殷立宝陈启召刘彦丰(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王宝筠(51)Int.Cl.G06F19/00(2011.01)G06N3/08(2006.01)权利要求书4页说明书10页附图3页(54)发明名称一种碳排放量计算方法及系统(57)摘要本发明公开了一种碳排放量计算方法及系统，归一化预设的多组碳排放量影响参数和相应碳排放量数据，得到多组归一化数据，其中，碳排放量影响参数包括：机组负荷、一次风率和锅炉效率等；将多组归一化数据分为训练样本和测试样本；基于训练样本和预设神经元传递函数对BP神经网络进行训练，获取网络训练模型；依据测试样本对网络训练模型进行测试，获取并判断测试结果是否在预设范围内；若否，返回执行上述获取网络训练模型这一步骤；若是，将网络训练模型确定为BP神经网络计算模型并反归一化测试结果；基于BP神经网络计算模型，根据当前碳排放量影响参数进行计算，得到相应反归一化碳排放量计算值。基于上述方法，提高碳排放量计算结果的准确度。CN105975799ACN105975799A权利要求书1/4页1.一种碳排放量计算方法，其特征在于，应用于碳排放量计算系统，包括：获取预设的多组碳排放量影响参数下各自生成的碳排放量数据，将所述多组碳排放量影响参数和相应的碳排放量数据进行归一化处理，得到多组归一化数据；将所述多组归一化数据划分为训练样本和测试样本；基于所述训练样本和预设神经元传递函数f(x)对BP神经网络进行训练，获取网络训练模型；依据所述测试样本对所述网络训练模型进行测试，获取并判断测试结果是否在预设范围内；若否，返回执行所述基于所述训练样本和预设神经元传递函数f(x)对BP神经网络进行训练，获取网络训练模型这一步骤；若是，将所述网络训练模型确定为BP神经网络计算模型，并将所述测试结果反归一化；基于所述BP神经网络计算模型，根据当前碳排放量影响参数进行计算，得到相应反归一化的碳排放量计算值。2.根据权利要求1所述的方法，其特征在于，所述基于所述训练样本和预设神经元传递函数f(x)对BP神经网络进行训练，获取网络训练模型，包括：构建碳排放神经元计算数学模型其中，ωpq为神经元p到神经元q的权重值，xp(t)表示t时刻神经元q接收的来自神经元p的输入信息，f(x)为所述预设神经元传递函数；基于BP神经网络，将所述训练样本中包含的各组归一化碳排放量影响参数作为所述BPT神经网络的输入层向量X＝(x1,x2,…,xi,…,xn)，其中，xi为一组归一化碳排放量影响参数n个中的第i个；基于所述碳排放神经元计算数学模型、所述训练样本中包含的各组归一化碳排放量影T响参数对应的输入层向量X＝(x1,x2,…,xi,…,xn)，获取所述BP神经网络的隐层向量Y＝T(y1,y2,…,yj,…,ym)，其中，yj为隐层m个神经元中的第j个神经元向量，vij为输入层第i个神经元到隐层第j个神经元的权重值；T基于所述隐层向量Y＝(y1,y2,…,yj,…,ym)和所述预设神经元传递函数f(x)，计算所述各组归一化碳排放量影响参数对应的所述BP神经网络的输出层输出的碳排放量预算值其中，ωjk为隐层第j个神经元到输出层第k个神经元权重值，k的取值为1；根据所述训练样本中包含的各组归一化碳排放量数据，获取所述各组归一化碳排放量影响参数对应的实际碳排放量值b，并计算所述各组归一化碳排放量影响参数相应的输出误差e，e＝1/2(b-a)2；取所述各组归一化碳排放量影响参数对应的输出误差e的平方和作为参数误差，并判断所述参数误差是否在预设误差允许范围内；若是，将所述BP神经网络确定为网络训练模型；若否，根据所述各组归一化碳排放量影响参数对应的输出误差e、所述输入层向量X＝2CN105975799A权利要求书2/4页TT(x1,x2,…,xi,…,xn)、所述隐层向量Y＝(y1,y2,…,yj,…,ym)和预设神经元传递函数f(x)，计算所述各组归一化碳排放量影响参数对应的输入层第i个神经元到隐层第j个神经元的权重值修正量Δvij和隐层第j个神经元到输出层第k个神经元权重值修正量Δwjk，并对所述BP神经网络进行修正，将修正后的BP神经网络确定为网络训练模型。3.根据权利要求2所述的方法，其特征在于，所述隐层层数的取值范围为大于0的整数，具体为1。4.根据权利要求2所述的方法，其特征在于，所述根据所述各组归一化碳排放量影响