-
公开(公告)号：CN117909936B
公开(公告)日：2024-07-26
申请号：CN202410317023.9
申请日：2024-03-20
Applicant: 广东电网有限责任公司
IPC: G06F18/27 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于时变参数的电能碳相关性建模方法及装置，通过获取预设时间段内的碳排放数据、石油能源消耗数据和电力消耗数据，对碳排放数据进行高分辨率提取，得到高分辨率碳排放数据，对高分辨率碳排放数据、石油能源消耗数据和电力消耗数据分别进行时间变化建模得到多个时间序列模型，再估计出各个时间序列模型所对应的动态协方差矩阵，根据各个动态协方差矩阵计算得到相关性矩阵，利用均匀分布数据和相关性矩阵得到动态密度函数并求解得到最优自由度，根据最优自由度得到电‑能‑碳相关性建模结果，本方法实现了对电‑能‑碳三个主体进行相关性建模，进而可以在后续应用中能够挖掘出更准确的碳数据信息。
-
公开(公告)号：CN117934247B
公开(公告)日：2024-06-25
申请号：CN202410330667.1
申请日：2024-03-22
Applicant: 广东电网有限责任公司
IPC: G06Q50/26 , G06F18/211 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开的基于时序分解的碳排放因子预测方法、装置、电子设备及存储介质，通过将电力系统在连续时间节点下的碳排放因子所构成的时序数据进行时序分解，生成分别具备趋势特性、周期特性、以及典型事件特性的各类特征分量，并利用共型预测模型评估点预测模型输出的各特征分量在未来时间节点下的碳排放因子的预测精准度，继而根据置信比例阈值计算各类特征分量的碳排放因子的分量预测区间，最终生成电力系统在各未来时间节点下的碳排放因子的点预测结果以及预测区间。因此，本发明通过分析当前碳排放因子的时序数据的各类特性，预测处电力系统在未来时间节点的碳排放因子的预测结果和预测区间，有效地提高碳排放因子预测结果的准确性和可靠性。
-
公开(公告)号：CN118070191A
公开(公告)日：2024-05-24
申请号：CN202410276766.6
申请日：2024-03-12
Applicant: 广东电网有限责任公司
IPC: G06F18/2433 , G06F18/23213 , G06Q50/06
Abstract: 本实施例提供了一种用电数据异常值检测方法及系统，其中方法包括：从用电数据集中选取第一阈值个聚类中心，并根据所有聚类中心将用电数据集划分为第一阈值个子数据集；使用预设的计算方法对每个子数据集的所有样本和对应的聚类中心进行计算，得到异常值候选集合；根据预设的LOF算法，分别对异常值候选集合和用电数据集进行计算，获得异常值候选集合中每个样本的第一LOF值和用电数据集中每个样本的第二LOF值；根据各样本的第一LOF值和第二LOF值，检测获得用电数据集的异常值集合。本发明即使在异常值比例小的数据集中也能准确检测出重叠的异常值，并无需其他附加数据的辅助，提升了异常值识别的准确性和计算效率。
-
公开(公告)号：CN117934247A
公开(公告)日：2024-04-26
申请号：CN202410330667.1
申请日：2024-03-22
Applicant: 广东电网有限责任公司
IPC: G06Q50/26 , G06F18/211 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开的基于时序分解的碳排放因子预测方法、装置、电子设备及存储介质，通过将电力系统在连续时间节点下的碳排放因子所构成的时序数据进行时序分解，生成分别具备趋势特性、周期特性、以及典型事件特性的各类特征分量，并利用共型预测模型评估点预测模型输出的各特征分量在未来时间节点下的碳排放因子的预测精准度，继而根据置信比例阈值计算各类特征分量的碳排放因子的分量预测区间，最终生成电力系统在各未来时间节点下的碳排放因子的点预测结果以及预测区间。因此，本发明通过分析当前碳排放因子的时序数据的各类特性，预测处电力系统在未来时间节点的碳排放因子的预测结果和预测区间，有效地提高碳排放因子预测结果的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119721376A
公开(公告)日：2025-03-28
申请号：CN202411870486.4
申请日：2024-12-18
Applicant: 广东电网有限责任公司
Abstract: 本发明公开了一种基于多重采样插值的碳排放量预测模型的训练方法、装置、终端设备、存储介质以及碳排放量预测方法。上述碳排放量预测模型的训练方法包括：获取碳排放量和电力产量数据，并进行预处理得到第一电力产量数据和第一碳排放量；将第一碳排放量以及所述第一电力产量数据输入至预设多重采样插值模型进行降采样和插值处理，得到仿真碳排放量和仿真电力产量数据；根据仿真碳排放量以及仿真电力产量数据，对碳排放预测模型进行预训练；根据第一碳排放量、第一电力产量数据以及固定权重，对预训练后的碳排放预测模型进行训练，得到训练好的碳排放预测模型。通过实施本发明，可以解决由于样本数据不足而导致的碳排放量预测精度低的问题。
-
公开(公告)号：CN117933493A
公开(公告)日：2024-04-26
申请号：CN202410323416.0
申请日：2024-03-21
Applicant: 广东电网有限责任公司
IPC: G06Q10/04 , G06F18/25 , G06Q30/018 , G06F123/02
Abstract: 本发明提供了多时间颗粒度数据协调的碳排放因子预测方法及系统，包括：采集待预测区域的第一碳排放数据，并将所述第一碳排放数据按照时间颗粒度，建立多个对碳排放因子进行预测初始的第一预测模型；其中，每个时间颗粒度都对应一个第一预测模型；根据所述时间颗粒度和待预测时段，建立时间层次矩阵，并根据所述时间层次矩阵对多个第一预测模型进行融合，得到初始的第一协调预测模型；根据所述第一碳排放数据对所述第一协调预测模型进行参数更新，得到训练好的第二协调预测模型，以使通过所述第二协调预测模型预测碳排放因子；采用本发明能够提高碳排放因子的预测精确度。
-
公开(公告)号：CN119721374A
公开(公告)日：2025-03-28
申请号：CN202411867509.6
申请日：2024-12-18
Applicant: 广东电网有限责任公司
IPC: G06Q10/04 , G06F18/243 , G06Q50/26
Abstract: 本发明公开了一种碳排放量确定方法、装置及存储介质，其中方法包括:获取同一产业链上各个工业的能源消耗数据；将能源消耗数据输入至预训练好的神经网络中，得到各个工业的预测碳排放量；根据每一工业的预测碳排放量和对应的实际碳排放量，确定第一类工业和第二类工业；构建随机森林模型，将工业的能源消耗数据和碳排放量输入至随机森林模型中，得到第二类工业的第N年预测碳排放量。本发明以同产业链上准确度较高工业的碳排放参数，包括能源消耗数据和碳排放量，来预测准确度较低工业的碳排放量，考虑了同产业链上不同行业的不同应用效果对碳排放量的影响，从而能够有效提高碳排放量确定的准确性和可靠性。
-
公开(公告)号：CN117933493B
公开(公告)日：2024-06-07
申请号：CN202410323416.0
申请日：2024-03-21
Applicant: 广东电网有限责任公司
IPC: G06Q10/04 , G06F18/25 , G06Q30/018 , G06F123/02
Abstract: 本发明提供了多时间颗粒度数据协调的碳排放因子预测方法及系统，包括：采集待预测区域的第一碳排放数据，并将所述第一碳排放数据按照时间颗粒度，建立多个对碳排放因子进行预测初始的第一预测模型；其中，每个时间颗粒度都对应一个第一预测模型；根据所述时间颗粒度和待预测时段，建立时间层次矩阵，并根据所述时间层次矩阵对多个第一预测模型进行融合，得到初始的第一协调预测模型；根据所述第一碳排放数据对所述第一协调预测模型进行参数更新，得到训练好的第二协调预测模型，以使通过所述第二协调预测模型预测碳排放因子；采用本发明能够提高碳排放因子的预测精确度。
-
公开(公告)号：CN117909936A
公开(公告)日：2024-04-19
申请号：CN202410317023.9
申请日：2024-03-20
Applicant: 广东电网有限责任公司
IPC: G06F18/27 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于时变参数的电能碳相关性建模方法及装置，通过获取预设时间段内的碳排放数据、石油能源消耗数据和电力消耗数据，对碳排放数据进行高分辨率提取，得到高分辨率碳排放数据，对高分辨率碳排放数据、石油能源消耗数据和电力消耗数据分别进行时间变化建模得到多个时间序列模型，再估计出各个时间序列模型所对应的动态协方差矩阵，根据各个动态协方差矩阵计算得到相关性矩阵，利用均匀分布数据和相关性矩阵得到动态密度函数并求解得到最优自由度，根据最优自由度得到电‑能‑碳相关性建模结果，本方法实现了对电‑能‑碳三个主体进行相关性建模，进而可以在后续应用中能够挖掘出更准确的碳数据信息。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
