一种基于电力大数据的城市碳排量监测方法及系统与流程

本发明涉及电力数据应用，具体涉及一种基于电力大数据的城市碳排量监测方法及系统。

背景技术：

1、碳排放是关于温室气体排放的简称，温室气体中最主要的组成部分是二氧化碳。碳排放影响全球气候，碳排放检测已经成为应对气候变化的重要组成部分，通过检测碳排量水平，可以为政府制定环境政策和减排计划提供基础，推动实施环境友好的生产和运营。电力行业是碳排放的主要来源之一，通过收集和分析电力行业的大数据，从而更准确地估计电力行业碳排放，以供能政府或电力行业制定有效的减排策略，实现减少碳体排放的目标。

2、指数加权移动平均法通过历史发电量数据对发电量数据进行预测。但在进行发电量的预测过程中，各历史时刻的权重系数仅根据距离带预测时刻的时间差与平滑系数所确定，受到数据的突变影响较大，发电量数据预测结果不精确，进而导致城市电力的碳排放预测结果不准确，使得对城市电力的碳排放监测效果差。

技术实现思路

1、为了解决现有技术获取预测数据，受到数据的突变影响较大，导致城市电力的碳排放监测效果差的技术问题，本发明的目的在于提供一种基于电力大数据的城市碳排量监测方法及系统，所采用的技术方案具体如下：

2、本发明提出一种基于电力大数据的城市碳排量监测方法，所述方法包括：

3、获取发电量历史数据集合和碳排放强度历史数据集合；

4、在各个历史时刻下，根据各个城市中所有电厂区域的各个区域面积对应碳排放强度值，获取各个城市各历史时刻下的电厂碳排量特征值；根据各两个城市之间的所述电厂碳排量特征值相关性和碳排放强度历史记录趋势相似性，获取各两个城市的碳排放强度相似值；

5、基于指数加权平均法，在各个城市中，根据预测时间对应的预测参考时间与对应发电量历史数据的相似性将对应的所述发电量历史数据中的最佳平滑系数进行调整，获取各个城市所述预测参考时间的初始权重系数；根据各个城市预测时间对应各个所述预测参考时间的初始权重系数和各两个城市的所述碳排放强度相似值，获取各个城市的各预测参考时间的调整权重系数；

6、在各个城市下，根据各预测参考时间的调整权重系数和各预测参考时间的发电量数值，获取各个城市预测时间的预测电力碳排量值；

7、在获取所述预测时间的实际电力碳排量值后，根据所述实际电力碳排量值和所述预测电力碳排量值，获取在各个城市所述预测时间的电力碳排量监测结果。

8、进一步地，所述电厂碳排量特征值的获取方法，具体包括：

9、在各个城市中，根据各个电厂区域的区域面积和城市电厂区域总面积的比值，获取各个电厂区域的区域调整权重；

10、计算各个电厂区域的区域调整权重和对应碳排放强度值的乘积，获取各个电厂区域的第一特征值；

11、计算各个城市中所有电厂区域的所述第一特征值的累加和，获取各个城市的所述电厂碳排量特征值。

12、进一步地，所述碳排放强度相似值的获取方法，具体包括：

13、在预设时间周期内，获得各个预设时间阶段中各历史时刻；

14、根据两个城市的各个预设时间阶段中各历史时刻下的电厂碳排量特征值，基于皮尔逊系数法获取各个预设时间阶段下两个城市的电厂碳排量局部相关值；

15、对各个预设时间阶段下各个城市的所述碳排放强度历史记录进行线性拟合，获取各个城市的各预设时间阶段的拟合斜率；

16、在各个预设时间阶段中，将两个城市所述拟合斜率的差异调整为正数，获取两个城市的调整趋势差异；

17、计算各个预设时间阶段两个城市的所述调整趋势差异的倒数，获取各个预设时间阶段下两个城市的趋势相似值；

18、在各个预设时间阶段两个城市中，计算所述电厂碳排量局部相关值和所述趋势相似值的乘积，获取第一相似值；

19、在所有所述预设时间周期内，计算所有预设时间阶段下两个城市的所述第一相似值的均值，获取两个城市的所述碳排放强度相似值。

20、进一步地，所述初始权重系数的获取方法包括：

21、根据初始权重系数公式获得初始权重系数，所述初始权重系数公式包括：

22、其中，βi(t0-l)为在第i个城市下预测时间t0对应第l个预测参考时间的初始权重系数；i为第i个城市；t0为预测时间；(t0-l)为预测时间t0对应第l个预测参考时间；ω为预测参考时间的总数；为向前个预设时间周期；s为预设时间周期的总数量；为预测参考时间(t0-l)对应预设参考范围的所述发电量历史记录和预测参考时间向前个预设时间周期对应预设参考范围的所述发电量历史记录的发电量相似值；为在发电量历史数据中，预测参考时间(t0-l)前个预设时间周期的最佳平滑系数；norm()为归一化函数。

23、进一步地，所述调整权重系数的获取方法包括：

24、根据调整权重系数公式获得调整权重系数，所述调整权重系数公式包括：

25、其中，βi′(t0-l)为在第i个城市下预测时间t0对应第l个预测参考时间的调整权重系数；βi(t0-l)为在第i个城市下预测时间t0对应第l个预测参考时间的初始权重系数；βj(t0-l)为在第j个城市下预测时间t0对应第l个预测参考时间的初始权重系数；i为第i个城市；t0为预测时间；n为城市的总数；j为任意一个城市；si,j为城市i和城市j的碳排放强度相似值；norm()为归一化函数。

26、进一步地，所述预测电力碳排量值的获取方法包括：

27、根据各个预测参考时间的所述调整权重系数和对应发电量数值，获取所述预测时间的预测发电量数据；

28、计算所述预测时间的所述预测发电量数据和碳排放因子的乘积，获取所述预测时间的所述预测电力碳排量值。

29、进一步地，所述预测发电量数据的获取方法包括：

30、计算各个预测参考时间的所述调整权重系数和对应发电量数值的乘积，获取各个预测参考时间的第一预测数据；

31、计算所有预测参考时间的所述第一预测数据的累加和，获取所述预测时间的预测发电量数据。

32、进一步地，所述电力碳排量监测结果的获取方法包括：

33、计算所述实际电力碳排量值和所述预测电力碳排量值的差异，获取碳排量偏差值；

34、计算所述碳排量偏差值和所述预测电力碳排量值的比值，获取电力碳排量波动值；

35、若所述电力碳排量波动值小于预设异常判断阈值，将预测时间所述电力碳排量监测结果标记为正常；

36、若所述电力碳排量波动值不小于预设异常判断阈值，将预测时间所述电力碳排量监测结果标记为异常。

37、进一步地，所述预设异常判断阈值的设置为所述预测电力碳排量值的百分之二十。

38、本发明提出一种基于电力大数据的城市碳排量监测系统，所述系统包括：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任一所述一种基于电力大数据的城市碳排量监测方法的步骤。

39、本发明具有如下有益效果：

40、本发明考虑到现有技术获取预测数据，受到数据的突变影响较大，导致城市电力的碳排放监测效果差。为获取准确预测数据，碳排放强度相似值综合了碳排放量数据的相关程度和碳排放量的变化趋势相似性，使得各城市之间碳排放的相似性表征更加准确。由于部分时间段为用电高峰期，部分时间段为用电低峰期，会导致部分正常的发电量数据的突增或突降，进而导致部分预测结果存在偏大或偏小情况，初始权重系数可以降低由于参考的发电量历史数据突增或突降导致预测结果存在偏大或偏小的数情况。初始权重系数可能会存在参考的发电量历史数据未发生突变但预测参考时间发生突变的情况，导致预测数据不准确，所以需要参考两个城市之间的碳排放强度相似值碳排放强度值进行修正，获取各个城市的各预测参考时间的调整权重系数。调整权重系数通过两城市之间的相似程度进行修正，进一步降低数据突变对数据预测的影响。进而获取各个城市预测时间的对准确预测电力碳排量值，对电力行业产生的碳排量进行监控，以供发生异常情况可以进行具体分析，以制定更好的减排计划，优化碳排放结构。