← 返回列表
一种碳排放数据预测方法及装置
摘要文本
本发明涉及碳排放分析技术领域,具体提供了一种碳排放数据预测方法及装置,包括:将用户当前电力数据、历史时段内影响碳排放的关键特征数据和电力数据作为预先训练的长短期记忆网络的输入,得到预先训练的长短期记忆网络输出的用户预测时段内影响碳排放的关键特征数据;将所述用户预测时段内影响碳排放的关键特征数据和历史时段内的碳排放量作为预先训练的自回归分布滞后模型的输入,得到所述预先训练的自回归分布滞后模型输出的用户预测时段内碳排放量。本发明充分利用了电力大数据的优势,确保了数据的全面性和实时性。通过精密的特征分析,能够准确地提取出影响碳排放的关键特征,从而为后续的碳排放预测模型的建立奠定了坚实的基础。
申请人信息
- 申请人:中国电力科学研究院有限公司
- 申请人地址:100192 北京市海淀区清河小营东路15号
- 发明人: 中国电力科学研究院有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种碳排放数据预测方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410107976.2 |
| 申请日 | 2024/1/26 |
| 公告号 | CN117634933A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06Q10/0637 |
| 权利人 | 中国电力科学研究院有限公司 |
| 发明人 | 陈洪银; 芋耀贤; 王松岑; 李建锋; 钟鸣; 郭毅; 金璐; 何桂雄 |
| 地址 | 北京市海淀区清河小营东路15号 |
专利主权项内容
1.一种碳排放数据预测方法,其特征在于,所述方法包括:将用户当前电力数据、历史时段内影响碳排放的关键特征数据和电力数据作为预先训练的长短期记忆网络的输入,得到预先训练的长短期记忆网络输出的用户预测时段内影响碳排放的关键特征数据;将所述用户预测时段内影响碳排放的关键特征数据和历史时段内的碳排放量作为预先训练的自回归分布滞后模型的输入,得到所述预先训练的自回归分布滞后模型输出的用户预测时段内碳排放量。