一种为实现碳达峰碳中和的智慧低碳管理方法及系统与流程

本发明涉及用于碳中和的数据管理，具体涉及一种为实现碳达峰碳中和的智慧低碳管理方法及系统。

背景技术：

1、智慧低碳管理方法及系统是一种通过运用大数据、物联网、人工智能等技术手段，实现对能源消耗和碳排放的实时监测、分析和优化的管理方法。随着环保意识的提高和企业节能减排需求的增加，智慧低碳管理系统的市场需求逐渐扩大。企业各类主体都在寻求通过智慧低碳管理方法降低碳排放，实现可持续发展。

2、能源行业通常是碳排放量比较大的企业。通常需要根据企业历史的碳排放量来对未来的碳排放量进行预测，从而对未来的企业碳排放量进行优化调整。arima模型是一种常用的预测算法，它有自回归模型ar、差分过程和移动平均模型组成的。在预测过程中所有观测点的自回归ar的阶数都是相同，但是由于历史的碳排放量数据中存在着异常数据，如果根据有异常数据的历史的碳排放量数据通过自回归阶数不变的arima模型进行预测导致预测出的结果存在较大的误差。

技术实现思路

1、本发明提供一种为实现碳达峰碳中和的智慧低碳管理方法及系统，以解决现有的问题。

2、本发明的一种为实现碳达峰碳中和的智慧低碳管理方法及系统采用如下技术方案：

3、本发明一个实施例提供了一种为实现碳达峰碳中和的智慧低碳管理方法，该方法包括以下步骤：

4、采集碳排放量数据；

5、根据碳排放量数据得到若干个曲线段，根据每个曲线段中的碳排放量数据得到每个曲线段的数据变化幅值，根据每个曲线段的数据变化幅值和包含的数据个数得到每个曲线段的初始异常度，根据每个曲线段的数据变化幅值得到每个曲线段的修正系数，根据每个曲线段的修正系数对初始异常度进行修正得到每个曲线段的真实异常度；

6、根据每个曲线段的真实异常度得到每个曲线段与另一个曲线段之间的参数，根据每个曲线段与另一个曲线段之间的参数得到每个曲线段的目标曲线段；根据每个曲线段与对应目标曲线段之间的参数得到修正后的自回归阶数；

7、根据修正后的自回归阶数进行未来碳排放量的预测，对预测出来的数据进行存储管理。

8、进一步地，所述根据碳排放量数据得到若干个曲线段，包括的具体步骤如下：

9、对碳排放量数据使用最小二乘法进行线性拟合，得到碳排放量曲线，将碳排放量曲线中相邻极值点之间的曲线划分为一个曲线段，获得若干个曲线段；其中，极值点包含极大值点和极小值点。

10、进一步地，所述每个曲线段的数据变化幅值的计算公式为：

11、

12、式中，si,max表示第i个曲线段中的最大碳排放量数据，si,min表示第i个曲线段中的最小碳排放量数据，ti表示第i个曲线段包含的数据个数，bi表示第i个曲线段的数据变化幅值，||表示绝对值符号。

13、进一步地，所述每个曲线段的初始异常度的计算公式为：

14、

15、式中，bi表示第i个曲线段的数据变化幅值，bj表示第j个曲线段的数据变化幅值，g表示曲线段的个数，gi表示第i个曲线段包含的数据个数，gj表示第j个曲线段包含的数据个数，yi表示第i个曲线段的初始异常度，||表示绝对值符号。

16、进一步地，所述每个曲线段的修正系数的计算公式为：

17、

18、式中，bi表示第i个曲线段的数据变化幅值，bi+2表示第i+2个曲线段的数据变化幅值，bi-2表示第i-2个曲线段的数据变化幅值，xi表示第i个曲线段的修正系数，||表示绝对值符号。

19、进一步地，所述每个曲线段的真实异常度，包括的具体步骤如下：

20、根据每个曲线段的初始异常度与每个曲线段的修正系数的乘积得到每个曲线段的真实异常度。

21、进一步地，所述根据每个曲线段的真实异常度得到每个曲线段与另一个曲线段之间的参数，根据每个曲线段与另一个曲线段之间的参数得到每个曲线段的目标曲线段，包括的具体步骤如下：

22、每个曲线段与另一个曲线段之间的参数的计算公式为：

23、

24、式中，y′i表示第i个曲线段的真实异常度，y′i-n表示第i-n个曲线段的真实异常度，b表示所有曲线段的真实异常度的均值，||表示绝对值符号，ci,n表示第i个曲线段与第i个曲线段的前第n个曲线段之间的参数；

25、每个曲线段的目标曲线段的获取过程为：选取第i个曲线段与第i个曲线段的前面的另一个曲线段之间的参数最小时对应的另一个曲线段记为第i个曲线段的目标曲线段。

26、进一步地，所述根据每个曲线段与对应目标曲线段之间的参数得到修正后的自回归阶数，包括的具体步骤如下：

27、将第i个曲线段与第i个曲线段的目标曲线段之间的曲线段记为标记曲线段，获取标记曲线段中的所有数据个数，记为s，再按照时间顺序获取第i个曲线段中的第h个数据，则根据第i个曲线段中的第h个数据的前面数据进行拟合预测时的修正后的自回归阶数为：p＝s+h。

28、进一步地，所述根据修正后的自回归阶数进行未来碳排放量的预测，包括的具体步骤如下：

29、修正后的arima模型的预测公式为：

30、d＝ar(p)+i(d)+ma(q)

31、式中，p表示修正后的自回归阶数，d为原差分阶数，q为移动平均阶数，d为预测后的数据，ar表示自回归滞后项，i表示差分项，ma表示移动平均滞后项；

32、通过修正后的arima模型进行预测，得到预测出来的数据。

33、本发明还提供了一种为实现碳达峰碳中和的智慧低碳管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项步骤。

34、本发明的技术方案的有益效果是：本发明通过对碳排放量数据进行分析，通过对碳排放数据进行划分曲线段，根据每个曲线段的数据变化幅值和包含的数据个数得到每个曲线段的初始异常度，再通过对每个曲线段的初始异常度进行修正，得到修正后每个曲线段的真实异常度，提高了异常数据获取的准确性；再通过所有曲线段的真实异常度得到自回归滑动平均模型中自回归部分修正后的阶数，通过修正后的自回归阶数，减少了数据量的计算，提高数据预测的准确性。

技术特征：

1.一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述根据碳排放量数据得到若干个曲线段，包括的具体步骤如下：

3.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述每个曲线段的数据变化幅值的计算公式为：

4.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述每个曲线段的初始异常度的计算公式为：

5.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述每个曲线段的修正系数的计算公式为：

6.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述每个曲线段的真实异常度，包括的具体步骤如下：

7.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述根据每个曲线段的真实异常度得到每个曲线段与另一个曲线段之间的参数，根据每个曲线段与另一个曲线段之间的参数得到每个曲线段的目标曲线段，包括的具体步骤如下：

8.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述根据每个曲线段与对应目标曲线段之间的参数得到修正后的自回归阶数，包括的具体步骤如下：

9.根据权利要求1所述一种为实现碳达峰碳中和的智慧低碳管理方法，其特征在于，所述根据修正后的自回归阶数进行未来碳排放量的预测，包括的具体步骤如下：

10.一种为实现碳达峰碳中和的智慧低碳管理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述一种为实现碳达峰碳中和的智慧低碳管理方法的步骤。

技术总结
本发明涉及涉及用于碳中和的数据管理技术领域，具体涉及一种为实现碳达峰碳中和的智慧低碳管理方法及系统，包括：根据碳排放量数据得到若干个曲线段，根据每个曲线段的数据变化幅值和包含的数据个数得到每个曲线段的初始异常度，根据每个曲线段的数据变化幅值得到每个曲线段的修正系数，得到每个曲线段的真实异常度；根据每个曲线段的真实异常度得到每个曲线段与对应目标曲线段之间的参数，根据每个曲线段与对应目标曲线段之间的参数和每个曲线段与对应目标曲线段之间的标记曲线段中的数据个数得到修正后的自回归阶数；然后进行预测，对预测出来的数据进行存储管理。本发明对碳排放量数据处理，提高了对碳排放量预测的准确性。

技术研发人员：刘燕武,孙忠庆
受保护的技术使用者：北京大漂亮科技有限公司
技术研发日：
技术公布日：2024/5/6