一种碳积分的预测方法、预测设备和预测系统与流程

1.本技术涉及能源技术领域，尤其涉及一种碳积分的预测方法、预测设备和预测系统。


背景技术：

2.人们的日常生活都可能直接或间接地促使碳排放，如电能的使用等。随着碳排放的日益加剧，人们赖以生存的环境的破坏程度也日益加剧。为了减少碳排放，一种方法是为会产生碳排放的用户配置限额碳积分，通过限额碳积分来减少用户的碳排放。
3.但是，目前仅仅提出了通过碳积分来减少碳排放的构思，如何实现基于碳积分来减少碳排放还没有具体的技术方案。
4.因此，如何基于碳积分来减少碳排放，成为亟待解决的技术问题。


技术实现要素：

5.本技术提供了一种碳积分的预测方法，预测设备和预测系统，能够实现提前对用电系统的碳积分的消耗情况进行预估，并基于预估的结果输出提示信息，以使得用户基于提示信息调整用电系统的用电情况，从而减少碳排放。
6.第一方面，本技术实施例提供一种碳积分的预测方法，包括：获取用电系统的m个用电数据，所述m个用电数据包括所述用电系统在m个历史时段中每个历史时段的用电数据，所述每个历史时段的用电数据包括所述每个历史时段的电流数据和所述每个历史时段的电压数据，m为正整数；使用预设模型基于所述m个用电数据预测得到所述用电系统的n个用电数据，所述n个用电数据包括所述用电系统在n个未来时段中每个未来时段内的用电数据，所述每个未来时段的用电数据包括所述每个未来时段的电流数据和所述每个未来时段的电压数据，所述预设模型用于基于历史时段的用电数据预测未来时段的用电数据，n为正整数；根据所述n个用电数据预估所述用电系统在目标时间区间内的实际碳积分，所述目标时间区间包括所述n个时段；根据所述实际碳积分输出第一提示信息，所述第一提示信息用于指示所述用电系统在所述目标时间区间内将会消耗所述实际碳积分。
7.本实施例中，用电系统例如可以是商业用电系统或者居民用电系统。
8.应理解，目前为了减少用电系统的碳排放，会为用电系统分配相应地限额碳积分，来指示用电系统在目标时间区间内最多可以使用的碳积分。
9.本实施例中，m个历史时段可以是全部包含于目标时间区间内的时段，或者可以是目标时间区间之前的时段，又或者可以是一部分时段包含于目标时间区间内而另一部分时段是目标时间区间之前的时段，本技术不做限定。
10.本实施例中，每个历史时段的用电数据例如可以包括对电流传感器在每个历史时段采集到的原始电流数据进行处理得到的数据，以及包括对电压传感器在每个历史时段采集到的原始电压数据进行处理得到的数据。
11.例如，本实施例中的每个历史时段的用电数据包括每个历史时段的数字电流数
据、以及每个历史时段的数字电压数据。可以理解的是，原始电流数据可能是数字电流数据，也有可能是模拟电流数据。同样，原始电压数据可能是数字电压数据，也有可能是模拟电压数据。当原始电流数据是模拟电流数据时，应先对每个时段的原始电流数据进行数字化处理，得到每个历史时段的数字电流数据；当原始电压数据是模拟电压数据时，需应先对每个历史时段的原始电压数据进行数字化处理，得到每个历史时段的数字电压数据。
12.例如，本实施例中的每个历史时段的用电数据包括对每个历史时段的数字化电流数据进行离散化处理后得到的离散化电流数据，以及对每个历史时段的数字化电压数据进行离散化处理后得到的离散化电压数据。
13.例如，本实施例中的每个历史时段的用电数据包括对每个历史时段的数字化电流数据进行非线性化处理后得到的非线性化电流数据，以及对每个历史时段的数字化电压数据进行非线性化处理后得到的非线性化电压数据。
14.例如，本实施例中的每个历史时段的用电数据可以是数字电流数据、离散化电流数据、非线性化电流数据中的至少两种，以及对应的数字电压数据、离散化电压数据、非线性化电压数据中的至少两种。
15.本实施例中，预设模型是指能够通过用电系统的历史时段的用电数据预测出未来时段的用电数据的模型。具体地，本实施例中的预设模型能够基于m个历史时段的m个用电数据预测得到用电系统在n个未来时段中每个未来时段内的用电数据。其中，该n个未来时段包含于目标时间区间内。
16.示例性地，该预设模型可以包括长短时记忆(long short term memory，lstm)模型、反向传播(back propagation，bp)神经网络模型或循环神经网络(recurrent neural network，rnn)模型等。在具体实施时，可以使得预设模型输出n个序列，该n个序列与n个未来时段一一对应，每个序列上输出对应的未来时段的电流数据和电压数据。
17.本实施例中，将目标时间区间对应消耗的碳积分也称为消耗的实际碳积分。
18.可以理解的是，通过每个时段的电流数据和每个时段的电压数据，可以推测出每个时段内消耗的电能，进一步地，可以基于消耗的电能与消耗的碳积分之间的映射关系，确定出每个时段将会消耗的碳积分。因此，本实施例中，不论是m个历史时段，还是n个未来时段，都可以基于每个时段对应的用电数据推测出每个时段内消耗的电能，然后通过每个时段内消耗的电能，确定出每个时段对应消耗的碳积分。进一步地，可以确定出目标时间区间对应消耗的碳积分。
19.本技术实施例中，由于碳积分预测设备可以提前对用电系统的碳积分的消耗情况进行预估，并基于预估的结果输出第一提示信息，因此，可以使得用户基于第一提示信息调整用电情况以减少碳排放。
20.结合第一方面，在一种可能的实现方式中，所述获取用电系统的m个用电数据，包括：通过电流传感器获取所述用电系统在所述每个历史时段的原始电流数据；对所述每个历史时段的原始电流数据进行数字化处理，得到所述每个历史时段的数字电流数据；通过电压传感器获取所述用电系统在所述每个历史时段的原始电压数据；对所述每个历史时段的原始电压数据进行数字化处理，得到所述每个历史时段的数字电压数据；根据所述每个历史时段的数字化电流数据获取所述每个历史时段的电流数据；根据所述每个历史时段的数字化电压数据获取所述每个历史时段的电压数据。
21.结合第一方面，在一种可能的实现方式中，所述根据所述每个历史时段的数字化电流数据获取所述每个历史时段的电流数据，包括：对所述每个历史时段的数字化电流数据进行离散化处理，得到所述每个历史时段的离散化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的离散化电流数据；所述根据所述每个历史时段的数字化电压数据获取所述每个历史时段的电压数据，包括：对所述每个历史时段的数字化电压数据进行离散化处理，得到所述每个历史时段的离散化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
22.结合第一方面，在一种可能的实现方式中，所述根据所述每个历史时段的数字化电流数据获取所述每个历史时段的电流数据，包括：对所述每个历史时段的数字化电流数据进行非线性化处理，得到所述每个历史时段的非线性化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的非线性化电流数据；所述根据所述每个历史时段的数字化电压数据获取所述每个历史时段的电压数据，包括：对所述每个历史时段的数字化电压数据进行非线性化处理，得到所述每个历史时段的非线性化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
23.应理解，离散化电流数据和离散化电压数据、或者非线性化电流数据和非线性化电压数据，相比于数字化电流数据和数字化电压数据具有更强的鲁棒性。因此，使用m个历史时段的离散化电流数据和离散化电压数据或者m个历史时段的非线性化电流数据和非线性化电压数据作为用电数据时，可以提高预测出的n个用电数据的准确性，进一步地，可以提升通过n个用电数据预估的实际碳积分的准确性。
24.结合第一方面，在一种可能的实现方式中，所述方法还包括：接收云端服务器发送的第一更新信息，所述第一更新信息用于更新所述预设模型。
25.该实现方式中，通过更新预设模型，可以提高预测出的n个用电数据的准确性，进一步地，可以提升通过n个用电数据预估的实际碳积分的准确性。
26.可选地，在接云端服务器发送的第一更新信息之前，还可以向云端服务器发送请求信息，以请求所述第一更新信息。
27.结合第一方面，在一种可能的实现方式中，所述方法还包括：获取所述用电系统在所述目标用电区间中的限额碳积分；根据所述实际碳积分和所述限额碳积分输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分是否会超过所述限额碳积分。
28.该实现方式中，碳积分预测设备能够输出提示信息，从而可以实现提醒用户的作用，进一步地，用户可以基于提示信息采取相应措施，以减少碳排放。
29.示例性地，所述根据所述实际碳积分和所述限额碳积分输出第二提示信息，包括：获取所述实际碳积分与所述限额碳积分之间的差值；所述差值大于或等于预设值的情况下输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分将会超过所述限额碳积分。
30.该实现方式中，碳积分预测设备能够在实际碳积分与所述限额碳积分之间的差值大于或等于预设值的情况下输出提示信息，该提示信息用于提示用户电系统在目标用电区间中的碳积分将会超过限额碳积分，从而使得用户可以基于提示信息采取相应措施，以减少碳排放。
31.结合第一方面，在一种可能的实现方式中，所述第一提示信息与所述第二提示信息的输出方式不同。
32.例如，第一提示信息通过文本信息输出，第二提示信息通过声音信号输出。
33.结合第一方面，在一种可能的实现方式中，所述方法还包括：接收云端服务器发送的第二更新信息，所述第二更新信息用于更新所述用电系统的限额碳积分；基于所述第二更新信息更新所述用电系统的限额碳积分。
34.本技术实施例中，碳积分预测设备能够更新用电系统限额碳积分，以基于最新的限额碳积分进行预测。
35.可选地，在接云端服务器发送的第二更新信息之前，还可以向云端服务器发送请求信息，以请求所述第二更新信息。
36.在一些实现方式中，该方法还可以包括基于m个历史时段的用电数据进行窃电监测，并在有窃电情况发生的情况下输出提示信息。
37.在一些实现方式中，该方法还可以包括基于m个历史时段的用电数据进行超负载监测，并在超负载的情况下输出提示信息。
38.第二方面，本技术提供一种用于预测碳积分的方法，包括：向碳积分预测设备发送第一信息，所述第一信息用于指示所述碳积分预测设备预测的用电系统的限额碳积分。
39.可选地，向碳积分预测设备发送第一信息之前，还可以接收碳积分预测设备发送的用于请求所述第一信息的请求信息。
40.结合第二方面，在一种可能的实现方式中，所述方法还包括：向所述碳积分预测设备发送第二信息，所述第二信息用于指示预设模型，所述预设模型用于基于输入数据预测未来时段内的用电数据，所述输入数据包括历史时段内的用电数据，所述用电数据包括电流数据和电压数据。
41.可选地，在向碳积分预测设备发送第二信息之前，还可以接收碳积分预测设备发送的用于请求所述第二信息的请求信息。
42.第三方面，本技术提供一种碳积分的预测装置，包括：获取模块，用于获取用电系统的m个用电数据，所述m个用电数据包括所述用电系统在m个历史时段中每个历史时段的用电数据，所述每个历史时段的用电数据包括所述每个历史时段的电流数据和所述每个历史时段的电压数据，m为正整数；预测模块，用于使用预设模型基于所述m个用电数据预测得到所述用电系统的n个用电数据，所述n个用电数据包括所述用电系统在n个未来时段中每个未来时段内的用电数据，所述每个未来时段的用电数据包括所述每个未来时段的电流数据和所述每个未来时段的电压数据，所述预设模型用于基于历史时段的用电数据预测未来时段的用电数据，n为正整数；确定模块，用于根据所述n个用电数据预估所述用电系统在目标时间区间内的实际碳积分，所述目标时间区间包括所述n个时段；提示模块，用于根据所述实际碳积分输出第一提示信息，所述第一提示信息用于指示所述用电系统在所述目标时间区间内将会消耗所述实际碳积分。
43.结合第三方面，在一种可能的实现方式中，所述每个历史时段的电流数据包括对电流传感器在所述每个历史时段采集到的原始电流数据进行处理得到的数据，所述每个历史时段的电压数据包括对电压传感器在所述每个历史时段采集到的原始电压数据进行处理得到的数据。
44.结合第三方面，在一种可能的实现方式中，所述获取模块具体用于：通过电流传感器获取所述用电系统在所述每个历史时段的原始电流数据；对所述每个历史时段的原始电流数据进行数字化处理，得到所述每个历史时段的数字电流数据；通过电压传感器获取所述用电系统在所述每个历史时段的原始电压数据；对所述每个历史时段的原始电压数据进行数字化处理，得到所述每个历史时段的数字电压数据；根据所述每个历史时段的数字化电流数据获取所述每个历史时段的电流数据；根据所述每个历史时段的数字化电压数据获取所述每个历史时段的电压数据。
45.结合第三方面，在一种可能的实现方式中，所述获取模块具体用于：对所述每个历史时段的数字化电流数据进行离散化处理，得到所述每个历史时段的离散化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的离散化电流数据；所述获取模块具体用于：对所述每个历史时段的数字化电压数据进行离散化处理，得到所述每个历史时段的离散化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
46.结合第三方面，在一种可能的实现方式中，所述获取模块具体用于：对所述每个历史时段的数字化电流数据进行非线性化处理，得到所述每个历史时段的非线性化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的非线性化电流数据；所述获取模块具体用于：对所述每个历史时段的数字化电压数据进行非线性化处理，得到所述每个历史时段的非线性化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
47.结合第三方面，在一种可能的实现方式中，所述获取模块还用于：接收云端服务器发送的第一更新信息，所述第一更新信息用于更新所述预设模型。
48.结合第三方面，在一种可能的实现方式中，所述获取模块还用于：获取所述用电系统在所述目标用电区间中的限额碳积分；所述提示模块还用于：根据所述实际碳积分和所述限额碳积分输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分是否会超过所述限额碳积分。
49.结合第三方面，在一种可能的实现方式中，所述提示模块还用于：获取所述实际碳积分与所述限额碳积分之间的差值；所述差值大于或等于预设值的情况下输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分将会超过所述限额碳积分。
50.结合第三方面，在一种可能的实现方式中，所述第一提示信息与所述第二提示信息的输出方式不同。
51.结合第三方面，在一种可能的实现方式中，所述获取模块还用于：接收云端服务器发送的第二更新信息，所述第二更新信息用于更新所述用电系统的限额碳积分；基于所述第二更新信息更新所述用电系统的限额碳积分。
52.第四方面，本技术提供一种用于预测碳积分的装置，包括：处理模块，用于向碳积分预测设备发送第一信息，所述第一信息用于指示所述碳积分预测设备预测的用电系统的限额碳积分。
53.结合第四方面，在一种可能的实现方式中，所述处理模块还用于：向所述碳积分预测设备发送第二信息，所述第二信息用于指示预设模型，所述预设模型用于基于输入数据
预测未来时段内的用电数据，所述输入数据包括历史时段内的用电数据，所述用电数据包括电流数据和电压数据。
54.第五方面，提供了一种碳积分预测设备，包括处理器，该处理器用于从存储器调用计算机程序，当所述计算机程序被执行时，该处理器用于执行上述第一方面或第一方面中任意一种可能的实现方式中所述的方法。
55.第六方面，提供了一种云服务器，包括处理器，该处理器用于从存储器调用计算机程序，当所述计算机程序被执行时，该处理器用于执行上述第二方面或第二方面中任意一种可能的实现方式中所述的方法。
56.第七方面，提供了一种计算机可读存储介质，用于存储计算机程序，该计算机程序包括用于执行上述第一方面或第一方面的任意一种可能的实现方式中所述的方法的代码。
57.第八方面，提供了一种计算机可读存储介质，用于存储计算机程序，该计算机程序包括用于执行上述第一方面或第一方面的任意一种可能的实现方式中所述的方法的代码。
附图说明
58.图1是本技术一实施例的预测系统的结构性示意图；
59.图2是本技术一实施例的碳积分的预测方法的流程性示意图；
60.图3是本技术一实施例的碳积分的预测方法的流程示意图；
61.图4是本技术一实施例的碳积分预测系统的结构性示意图；
62.图5是本技术一实施例的云服务器的结构示意图；
63.图6是本技术一实施例的碳积分预测设备的结构示意图。
具体实施方式
64.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
65.为了便于理解，首先介绍本技术实施例中涉及到的若干术语。
66.1、碳排放
67.碳排放，是关于温室气体排放的一个总称或简称。
68.2、碳积分
69.碳积分，也可以称为碳补偿积分，是一种能够交易的证书或许可，拥有碳积分的用户可以排放一定数量的二氧化碳。
70.3、限额碳积分
71.限额碳积分是指为用电系统分配的在目标时间区间内可使用的碳积分的上限值。
72.4、商业用电系统
73.商业用电系统是指专门从事商品交换或提供商业性、金融性、服务性的有偿服务的一切电力系统。
74.图1是本技术一实施例提供的监测系统的结构性示意图。如图1所示，该监测系统包括供电系统101和用电系统102。其中，供电系统101用于为用电系统102提供电能，用电系
统102基于用供电系统提供的电能为用户提供相应的服务。
75.在此说明的是，本技术实施例对用电系统102的具体形态不做限定。
76.在一种可能的场景中，用电系统102为商业用电系统，例如是某个商场的用电系统，加油站的用电系统或者公路收费站的用电系统。
77.在另一种可能的场景中，用电系统102为居民用电系统，即为居民住宅家庭生活使用的用电系统。示例性地，居民用电系统中还可以包括以下任意一种用电设备：笔记本电脑、电视、冰箱、空调、照明灯、电吹风、排风扇、排气扇、吸尘器等等。
78.对于图1所示的监测系统，用电系统102中电能的使用量与碳排放量之间可能存在着对应关系。例如，用电系统102每小时使用1千瓦的电能，则可能对应于产生的碳排放量是785千克。也就是说，用电系统中的电能被使用的同时，该用电系统也会产生相应地碳排放。
79.可以理解的是，随着碳排放的日益加剧，人们赖以生存的环境的破坏程度也日益加剧。在这种情况下，目前为了减少碳排放，一种做法是为产生碳排放的用电系统配置限额碳积分，通过限额碳积分来减少用电系统的碳排放。其中，限额碳积分是指为用电系统分配的在目标时间区间内可使用的碳积分的上限值。
80.示例性地，对于某个企业的商业用电系统，会为该企业的商业用电系统在目标时间区间内分配一个限额碳积分。那么对于该企业的商业用电系统，若该企业的商业用电系统在目标时间区间内消耗的碳积分超过了限额碳积分之后，就说明该企业对碳排放量超过了为该企业规定的碳排放量的上限值，此时，该企业就会由于碳排放量超过了碳排放量的上限值而需要支付一定的金额。因此，通过限额碳积分可以减少该企业的商业用电系统的碳排放。
81.具体地，如图1所示，可以在监测系统100中设置碳积分监测设备103，该碳积分监测设备103通过采集测供电系统101在目标时间区间内为用电系统102分配的电压值和/或电流值确定出用电系统102在目标时间区间内消耗的电能，进一步地，可以基于消耗的电能与碳积分之间的映射关系，确定出用电系统在目标时间区间内消耗的碳积分。更进一步地，若确定出的用电系统在目标时间区间内消耗的碳积分即将达到限额碳积分或者超过了限额碳积分，此时，碳积分监测设备103便可以向用户输出提示信息，从而使得用户可以基于碳积分监测设备103对用电系统101中的碳排放的监测情况来减少碳排放。
82.但是，目前仅仅提出了通过碳积分来减少碳排放的构思，如何实现基于碳积分来减少碳排放还没有具体的技术方案。因此，如何基于碳积分来减少碳排放，成为亟待解决的技术问题。
83.鉴于此，本技术实施例提供一种碳积分的预测方法，预测设备和预测系统。本技术提供的碳积分的预测方法中，碳积分预测设备可以使用预设模型基于m个历史时段中的每个时段的电流数据和电压数据，预测出用电系统在n个未来时段中每个未来时段内的用电数据，之后，基于预测出的n个未来时段中每个未来时段内的用电数据预估出用电系统在目标时间区间内的实际碳积分，并输出提示信息来提示该目标时间区间内的实际碳积分，以使得可以使得用户基于提示信息调整用电情况以减少碳排放。
84.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
85.图2是本技术一实施例的碳积分的预测方法的流程性示意图。如图2所示，本实施例的方法可以包括s201、s202、s203、s204和s205。其中，本实施例中的碳积分的预测方法可以由图1所示的预测系统中的碳积分监测设备103执行。在此说明的是，本技术中，为便于描述，也将碳积分监测设备103称为碳积分预测设备103或碳积分预测与预警模块103(包括碳积分预测模块/设备和预警模块/设备)，不构成本技术的限制。具体地，本实施例中的碳积分预测设备103包括预处理模块，配置动态装载模块、碳积分检测与预警模块。
86.s201，预处理模块获取m个历史时段中每个历史时段的原始电流数据和原始电压数据。
87.在具体实施时，如图2所示，s201可以包括以下步骤：
88.s2011，通过电流传感器采集用电系统在m个历史时段中每个历史时段的原始电流数据。
89.本实施例中，m个历史时段可以是全部包含于目标时间区间内的时段，或者可以是目标时间区间之前的时段，又或者可以是一部分时段包含于目标时间区间内而另一部分时段是目标时间区间之前的时段。其中，目标时间区间是指指需要确定消耗的碳积分的时间区间。
90.本实施例中，原始电流数据是指由电流传感器直接采集到的电流数据。
91.在此说明的是，本技术实施例对使用的电流传感器的具体类型不做限定。在一种可能的方案中，电流传感器可能是模拟传感器，在另一种可能的方案中，电流传感器可能是数字传感器。
92.在此说明的是，本实施例中的m可以是等于1的正整数，也可以是大于1的正整数，不构成本技术的限制。
93.还在此说明的是，本实施例中的m个历史时段中的各个历史时段的时长既可以是相同的，也可以是不同的，不构成对本技术的限制。
94.s2012，通过电压传感器采集用电系统在m个历史时段中每个历史时段的原始电压数据。
95.本实施例中，原始电压数据是指由电压传感器直接采集到的电压数据。
96.在此说明的是，本技术实施例对使用的电压传感器的具体类型不做限定。在一种可能的方案中，电压传感器可能是模拟传感器，在另一种可能的方案中，电压传感器可能是数字传感器。
97.s202，预处理模块对原始电流数据和原始电压数据进行处理，获得m个用电数据。
98.具体地，预处理模型对电流传感器在m个历史时段中每个历史时段采集的原始电流数据进行处理，以及对电压传感器在m个历史时段中每个历史时段采集的原始电压数据进行处理。
99.应理解，电流传感器有可能是模拟传感器，也有可能是数字传感器。因此，电流传感器采集到的原始电流数据可能是模拟电流数据，也有可能是数字电流数据。同理，电压传感器可能是模拟传感器，也有可能是数字传感器。因此，电压传感器采集到的原始电压数据可能是模拟电压数据，也有可能是数字电压数据。
100.一般在计算机中存储的信号的形式都是数字化的。因此，当原始电流数据是模拟电流数据时，本实施例中的预处理模块需要先对电流传感器获取到的每个历史时段的原始
电流数据进行数字化处理，得到每个历史时段的数字电流数据；而当原始电压数据是模拟电压数据时，本实施例中的预处理模块需要先对电压传感器获取到的每个历史时段的原始电压数据进行数字化处理，得到每个历史时段的数字电压数据。
101.本实施例中，每个历史时段的用电数据还可以包括对数字电流数据和数字电压数据进行进一步处理后获得的数据。
102.在一种方案中，可以通过预处理模块对每个历史时段的数字化电流数据进行离散化处理，得到每个历史时段的离散化电流数据，以及对每个历史时段的数字化电压数据进行离散化处理，得到每个历史时段的离散化电压数据。在这种方案中，本实施例中的每个历史时段的用电数据包括所述每个历史时段的离散化电流数据和离散化电压数据。
103.在另一种方案中，可以通过预处理模块对每个历史时段的数字化电流数据进行非线性化处理，得到每个历史时段的非线性化电流数据，以及对每个历史时段的数字化电压数据进行非线性化处理，得到每个历史时段的非线性化电压数据。在这种方案中，本实施例中的每个历史时段的用电数据包括所述每个历史时段的非线性化电流数据和非线性化电压数据。
104.在又一种方案中，本实施例的每个历史时段的用电数据中的每个历史时段的电流数据可以包括每个历史时段的数字电流数据、离散化电流数据或非线性化电流数据中的至少两种；每个历史时段的电压数据可以仅包括每个历史时段的数字电压数据、离散化电压数据或非线性化电压数据中的至少两种。
105.s203，使用预设模型基于m个用电数据预测得到用电系统的n个用电数据。其中，所述n个用电数据包括用电系统在n个未来时段中每个未来时段内的用电数据。
106.在具体实施时，s203可以包括以下步骤：
107.s2031，配置动态装载模块接收云端服务器发送的预设模型，并将该预设模型发送至碳积分预测与预警模块。
108.在此说明的是，本技术实施例对预设模型的具体形式不做限定。示例性地，该预设模型可以包括长短时记忆(long short term memory，lstm)模型、、反向传播(back propagation，bp)神经网络模型或循环神经网络(recurrent neural network，rnn)模型等，不构成对本技术的限制。
109.可以理解的是，为了实现使用预设模型来预测未来时段中每个时段的用电数据，就需要云端服务器先确定该预设模型。
110.在一种示例中，以预设模型为lstm为例。在具体实施云端服务器先确定该预设模型时，云端服务器可以先获取用电系统在过去的k个历史时段中每个时段的用电数据，即获取k个用电数据；然后将该k个用电数据输入至设计好的模型中，并基于预设的训练算法进行训练，从而获得预设模型。例如基于预设的反向传播算法进行迭代，直至迭代次数等于预设的迭代次数或者模型的输出误差小于预设的误差时，输出最终的预设模型。
111.更具体地，在本实施例中，由于要基于m个历史用电数据预测出n个未来时段中每个未来时段内的用电数据，因此，在一种可能的实现方式中，可以使得预设模型输出n个序列，该n个序列与n个未来时段一一对应，每个序列上输出对应的未来时段的电流数据和电压数据。
112.在此说明的是，本实施例对m和n之间的大小关系不做限定，例如m可以和n相同，也
可以不相同。
113.还在此说明的是，本实施例中，n个未来时段中的各个未来时段的时长既可以相同，也可以不同，不构成本技术的限制。
114.s2032，碳积分预测与预警模块使用预设模型基于m个用电数据预测得到用电系统的n个用电数据。
115.其中，本实施例中的n个用电数据是指用电系统在n个未来时段中每个未来时段内的用电数据。
116.该步骤中，在碳积分预测与预警模块获取到了用电系统在m个历史时段的m个用电数据后，能够使用预设模型基于该历史时段的m个用电数据预测出用电系统在未来的n个时段中每个时段内的用电数据。s204，碳积分预测与预警模块根据n个用电数据预估用电系统在目标时间区间内的实际碳积分，所述目标时间区间包括n个时段。
117.通常，通过用电系统在某个时段内的电流数据和电压数据，可以推测出用电系统在该某个时段内消耗的电能。
118.例如，在一种实现方式中，可以基于w＝uit确定出某个时段耗费的电能，其中，w表示消耗的电能，t表示时段的长度，u表示用电系统在该某个时段的电压值，i表示用电系统在该某个时段的电流值。
119.通常，消耗的电能与消耗的碳积分之间是存在映射关系的。因此，本实施例中，不论是过去的m个时段，还是未来的n个时段，都可以基于每个时段对应的用电数据获取到每个时段内消耗的电能，而通过每个时段内消耗的电能，就可以确定出每个时段对应消耗的碳积分。
120.示例性地，在一种场景中，当m个时段全部包含于目标时间区间内时，即需要确定消耗的碳积分的时间区间包括历史的m个时段和n个时段，在这种情况下，可以先基于m+n个时段中的每个时段的用电数据确定出每个时段消耗的电能，然后基于每个时段消耗的电能确定出对应消耗的碳积分，最后将m+n个时段中的每个时段消耗的碳积分进行相加，从而获得目标时间区间对应消耗的实际碳积分。
121.示例性地，在另一种场景中，当m个时段是目标时间区间之前的时段时，即需要确定消耗的碳积分的时间区间仅包括n个时段，在这种情况下，可以基于n个时段中的每个时段的用电数据确定出每个时段消耗的电能，然后基于每个时段消耗的电能确定出对应消耗的碳积分，最后将n个时段中的每个时段消耗的碳积分进行相加，从而获得目标时间区间对应消耗的实际碳积分。
122.示例性地，在又一种场景中，当m个时段的一部分包含于目标时间区间内的时段而另一部分是目标时间区间之前的时段时，即需要确定消耗的碳积分的时间区间包括m个时段的一部分时段和n个时段，在这种情况下，可以基于该m个时段的一部分时段和n个时段中的每个时段的用电数据确定出每个时段消耗的电能，然后基于每个时段消耗的电能确定出对应消耗的碳积分，最后将一部分时段和n个时段中的每个时段消耗的碳积分进行相加，从而获得目标时间区间对应消耗的实际碳积分。
123.s205，碳积分预测与预警模块根据实际碳积分输出第一提示信息，所述第一提示信息用于指示用电系统在目标时间区间内将会消耗所述实际碳积分。
124.本实施例中，当碳积分预测与预警模块确定出目标时间区间内的实际碳积分之
后，能够输出第一提示信息。其中，该第一提示信息用于指示用电系统在目标时间区间内将会消耗上述实际碳积分。
125.示例性地，当碳积分预测与预警模块确定出用电系统在目标时间区间内的实际碳积分为5个积分时，将会输出第一提示信息，以向用户指示用电系统在目标时间区间内将会消耗5个积分。
126.在此说明的是，本技术实施例对碳积分预测与预警模块如何输出第一提示信息的方式不做限定。示例性地，输出方式可以是语音输出、或者是文本输出，又或者可以是发送到客户端(例如发送到管理员的邮箱或者手机等)。
127.还在此说明的是，本技术中的碳积分预测与预警模块还可以输出更多的信息，例如，当获取到了用电系统的限额碳积分的情况下，碳积分预测与预警模块还可以同时输出该限额碳积分。
128.本技术实施例提供的碳积分的预测方法，可以使用预设模型基于历史的m个时段中的每个时段的电流数据和电压数据，预测出用电系统在未来的n个时段中每个时段内的用电数据，之后，基于预测出的n个时段中每个时段内的用电数据来预估用电系统在目标时间区间内的实际碳积分，并输出提示信息来提示该目标时间区间内的实际碳积分。可以理解的是，本技术实施例中，由于可以提前对用电系统的碳积分的消耗情况进行预估，并基于预估的结果输出提示信息，因此，可以使得用户基于提示信息调整用电情况以减少碳排放。
129.可以理解的是，从不同的方面对同一个数据进行描述时，可以更加准确的描述出该数据。因此，对于本技术，当使用预设模型基于m个历史时段中每个历史时段的用电数据预测得到用电系统的n个用电数据时，若每个历史时段使用的用电数据的类型越多，预测出的n个用电数据的准确性会更高。例如，若每个历史时段使用的电流数据包括离散化电流数据、非线性化电流数据和数字电流数据，以及每个历史时段使用的电压数据包括离散化电压数据、非线性化电压数据和数字电压数据时，那么相比每个历史时段使用的用电数据仅包括数字电流数据和数字电压数据，其预测出的n个用电数据的准确性会更高。
130.在此说明的是，上述对m个用电数据进行离散化处理和对m个用电数据进行非线性化处理仅是一种示例，还可以包括其他处理，不构成对本技术的限制。
131.作为一个可选的实施例，碳积分预测设备103还可以接收云端服务器发送的第一更新信息，所述第一更新信息用于更新所述预设模型。
132.例如，在一种实现方式中，只要云端服务器检测到预设模型法发生了更新，就向碳积分的预测设备发送用于更新所述预设模型的第一更新信息。又例如，在另一种实现方式中，云端服务器只有在用电系统的预设模型发生了更新且碳积分的预测设备向云端服务器发送了请求消息的情况下，才向碳积分的预测设备发送用于更新所述预设模型的第一更新信息。
133.可以理解的是，通过更新预设模型，可以提高预测出的n个用电数据的准确性，进一步地，可以提升通过n个用电数据预估的实际碳积分的准确性。
134.在上述实施例的基础上，本技术中的碳积分预测设备103还可以获取用电系统在目标用电区间中的限额碳积分；然后根据实际碳积分和限额碳积分输出第二提示信息，所述第二提示信息用于指示用电系统在目标用电区间中的碳积分是否会超过限额碳积分。
135.示例性地，在一种可能的实施方案中，根据实际碳积分和限额碳积分输出第二提
示信息，包括：获取实际碳积分与限额碳积分之间的差值；在差值大于或等于预设值的情况下输出第二提示信息，所述第二提示信息用于指示用电系统在目标用电区间中的碳积分将会超过限额碳积分。该实施方案中，碳积分预测设备能够在实际碳积分与限额碳积分之间的差值大于或等于预设值的情况下输出提示信息，该提示信息用于提示用户电系统在目标用电区间中的碳积分将会超过限额碳积分，从而使得用户可以基于提示信息采取相应措施，以减少碳排放。
136.示例性地，在另一可能的实施方案中，碳积分预测设备能还可以在实际碳积分与限额碳积分之间的差值小于预设值的情况下输出限额碳积分或者实际碳积分与限额碳积分之间的差值，以便于用户将实际碳积分与限额碳积分进行对比。
137.在此说明的是，本实施例对如何获取限额碳积分的方式不做限定。例如。该限额碳积分可以是人工预设好的，也可以是出厂默认配置的，也可以是从云端服务器获取的。
138.可选地，在限额碳积分是从云端服务器获取的情况下，碳积分预测设备还可以接收云端服务器发送的第二更新信息，其中，该第二更新信息用于更新用电系统的限额碳积分；然后，在接收到第二更新信息之后，基于第二更新信息更新用电系统的限额碳积分。
139.在一种实现方式中，只要云端服务器检测到限额碳积分发生了更新，就向碳积分预测设备发送第二更新信息。在另一种实现方式中，云端服务器只有在用电系统的限额碳积分发生了更新且碳积分预测设备向云端服务器发送了请求消息的情况下，才向预测设备发送第二更新信息。
140.还在此说明的是，本实施例对碳积分预测设备如何输出第二提示信息的方式不做限定。示例性地，输出方式可以是语音输出、或者是文本输出，又或者可以是发送到客户端(例如发送到管理员的邮箱或者手机等)。可选地，碳积分预测设备在输出第一提示信息与第二提示信息时的输出方式不同。例如，当第一提示信息为语音或警报声提示，而第二提示新为用文本提示；又例如，在都使用文本提示的情况下，第一提示信息的颜色和第二提示信息的颜色不同。
141.下面，为便于理解，结合图3，从云端服务器和碳积分预测设备交互的角度，说明本技术实施例提供的碳积分的预测方法的流程示意图。在此说明的是，本实施例中也将碳积分预测设备称为碳积分预测装置。如图3所示，本实施例的方法可以包括s301、s302、s303和s304。
142.s301，云端服务器向碳积分预测设备发送第一信息，所述第一信息用于指示所述碳积分预测设备预测的用电系统的限额碳积分；相应地，碳积分预测设备接收第一信息。
143.其中，有关云端服务器如何向碳积分预测设备发送第一信息的方式可以参考本技术在上述实施例中的云端服务器向碳积分预测设备发送第一更新信息相关部分的描述，此处不再赘述。
144.s302，云端服务器向碳积分预测设备发送第二信息，所述第二信息用于指示预设模型，所述预设模型用于基于历史时段的用电数据预测未来时段的用电数据，相应地，碳积分预测设备接收第二信息。
145.其中，有关云端服务器如何向碳积分预测设备发送第二信息的方式可以参考本技术在上述实施例中的云端服务器向碳积分预测设备发送第二更新信息相关部分的描述，此处不再赘述。
146.s303，碳积分预测设备基于第二信息指示的预设模型，确定用电系统在目标时间区间内的实际碳积分。
147.具体地，基于第二信息指示的预设模型，确定用电系统在目标时间区间内的实际碳积分，包括：获取用电系统的m个用电数据，所述m个用电数据包括用电系统在m个历史时段中每个历史时段的用电数据，所述每个历史时段的用电数据包括每个历史时段的电流数据和每个历史时段的电压数据，每个历史时段的电流数据包括对电流传感器在每个历史时段采集到的原始电流数据进行处理得到的数据，每个历史时段的电压数据包括对电压传感器在所述每个历史时段采集到的原始电压数据进行处理得到的数据，m为正整数；使用预设模型基于m个用电数据预测得到用电系统的n个用电数据，所述n个用电数据包括用电系统在n个未来时段中每个未来时段内的用电数据，所述每个未来时段的用电数据包括每个未来时段的电流数据和每个未来时段的电压数据，所述预设模型用于基于历史时段的用电数据预测未来时段的用电数据，n为正整数；根据n个用电数据预估用电系统在目标时间区间内的实际碳积分，所述目标时间区间包括n个时段；根据实际碳积分输出第一提示信息，第一提示信息用于指示用电系统在目标时间区间内将会消耗所述实际碳积分。其中，有关该部分的详细实现过程可以参考图2所示实施例中的描述，此处不再赘述。
148.s304，碳积分预测设备根据实际碳积分和限额碳积分输出提示信息，所述提示信息用于指示用电系统在目标用电区间中的碳积分是否会超过限额碳积分。
149.具体地，该步骤的详细实现过程可以参考本技术上述实施例中的描述，此处不再赘述。
150.本实施例提供的预测碳积分的方法，云端服务器可以向碳积分预测设备指示限额碳积分和预设模型，然后碳积分预测设备可以基于预设模型确定出目标时间区间内的实际碳积分，然后基于根据实际碳积分和限额碳积分输出提示信息，以使得用户基于提示信息调整用电情况以减少碳排放。
151.在此说明的是，本实施例对上述碳积分的预测设备如何部署不做限定。
152.在一种可实施方案中，可以将本技术上述实施例中的碳积分预测设备部署于能耗网关中。示例性地，图4为本技术一个实施例提供的碳积分预测系统的结构示意图。如图4所示，在该碳积分预测系统中，包括：电压传感器401、电流传感器402、能耗网关403和云端服务器404，其中，能耗网关430中部署有碳积分预测设备，具体地，碳积分预测设备中包括配置动态装载模块4022、数字化和预处理模块4021、碳积分检测与预警模块4023。
153.其中，电压传感器401用于将采集到的用电系统的原始电压数据发送给能耗网关402，电流传感器402用于将采集到的用电系统的原始电流数据发送给能耗网关402。
154.云端服务器404用于向配置动态装载模块4022发送预设模型、碳积分配额(即限额碳积分)等信息。此外，云端服务器404还可以向配置动态装载模块4022发送更多的信息，例如能耗指标信息。
155.具体地，在图4所示的碳积分预测系统中，电压传感器401将采集到历史时段的原始电压数据和电流传感器402将采集到的原始电流数据发送至能耗网关402中的数字化和预处理模块4021，数字化和预处理模块4021对电压传感器401和电流传感器402发送的原始电压数据和原始电流数据进行处理，例如进行对原始电压数据或原始电流数据进行离散化、或者非线性化、或者特征归一化，并将处理后的用电数据发送至碳积分预测与预警模块
4023；另外，能耗网关402中的配置动态装载模块4022接收云端服务器404发送的预设模型和碳积分配额信息并将该预设模型和碳积分配额信息发送至碳积分预测与预警模块4023；碳积分预测与预警模块4023在接收到数字化和预处理模块4021发送的处理后的用电数据和配置动态装载模块4022发送的预设模型和碳积分配额信息后，就可以基于预设模型和处理后的用电数据确定出用电系统在目标时间区间内的实际碳积分，然后根据用电系统的实际碳积分以及碳积分配额信息，输出提示信息。更具体地，本实施例中的碳积分预测与预警模块4023可以分为碳积分预测模块和预警模块，其中，碳积分预测模块用于确定用电系统在目标时间区间内的实际碳积分，而预警模块用于输出提示信息，例如用于报警。
156.在此说明的是，本技术中的能耗网关还可以包括更多的模块，不构成对本技术的限定。例如，还可以包括供电监测模块、窃电监测模块以及超负载预测模块。其中，供电监测模块用于根据处理后的用电数据估计出供电系统端的状态，窃电监测模块用于根据处理后的用电数据估计出是否有其他用户窃取用电系统的电能，超负载预测模块用于根据处理后的用电数据估计用电系统是否是超负荷的状态。
157.本实施例提供的碳积分预测系统，通过将碳积分预测设备部署于能耗网关中，使得能耗网关能够对用电系统的碳积分的消耗情况进行预估，并基于预估的结果输出提示信息，因此，可以使得用户基于提示信息调整用电情况以减少碳排放。
158.图5是本技术一实施例的云服务器500的结构示意图。如图5所示，该云服务器500用于执行上文中由云端服务器执行的方法。如图5所示，云服务器500包括：存储器544和处理器545。
159.存储器544，用于存储计算机程序，并可被配置为存储其它各种数据以支持在云服务器上的操作。该存储器544可以是对象存储(object storage service,oss)。
160.存储器544可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
161.处理器545，与存储器544耦合，用于执行存储器544中的计算机程序，以用于：向碳积分预测设备发送第一信息，所述第一信息用于指示碳积分预测设备预测的用电系统的限额碳积分。
162.可选地，用于及碳积分预测设备发送第二信息，所述第二信息用于指示预设模型，所述预设模型用于基于输入数据预测未来时段内的用电数据，所述输入数据包括历史时段内的用电数据，所述用电数据包括电流数据和电压数据。
163.进一步，如图5所示，该云服务器500还包括：防火墙541、负载均衡器542、通信组件546、电源组件548等其它组件。图5中仅示意性给出部分组件，并不意味着云服务器500只包括图5所示组件。
164.上述图5中的通信组件546被配置为便于通信组件546所在设备和其他设备之间有线或无线方式的通信。通信组件546所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件546经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件546还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于
射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
165.上述图5中的电源组件548，为电源组件548所在设备的各种组件提供电力。电源组件548可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
166.图6是本技术一实施例的碳积分预测设备600的结构示意图。碳积分预测设备600用于执行上文中由碳积分的预测设备执行的方法。
167.该设备600包括处理器610，处理器610用于执行存储器620存储的计算机程序或指令，或读取存储器620存储的数据，以执行上文各方法实施例中的方法。可选地，处理器610为一个或多个。
168.可选地，如图6所示，该设备600还包括存储器620，存储器620用于存储计算机程序或指令和/或数据。该存储器620可以与处理器610集成在一起，或者也可以分离设置。可选地，存储器620为一个或多个。
169.可选地，如图6所示，该设备600还包括通信接口630，通信接口630用于信号的接收和/或发送。例如，处理器610用于控制通信接口630进行信号的接收和/或发送。
170.可选地，该设备600用于实现上文各个方法实施例中由碳积分预测设备执行的操作。
171.例如，处理器610用于执行存储器620存储的计算机程序或指令，以实现上文各个方法实施例的碳积分预测设备的相关操作。例如，处理器610可以用于：获取用电系统的m个用电数据，所述m个用电数据包括所述用电系统在m个历史时段中每个历史时段的用电数据，所述每个历史时段的用电数据包括所述每个历史时段的电流数据和所述每个历史时段的电压数据，所述每个历史时段的电流数据包括对电流传感器在所述每个历史时段采集到的原始电流数据进行处理得到的数据，所述每个历史时段的电压数据包括对电压传感器在所述每个历史时段采集到的原始电压数据进行处理得到的数据，m为正整数；使用预设模型基于所述m个用电数据预测得到所述用电系统的n个用电数据，所述n个用电数据包括所述用电系统在n个未来时段中每个未来时段内的用电数据，所述每个未来时段的用电数据包括所述每个未来时段的电流数据和所述每个未来时段的电压数据，所述预设模型用于基于历史时段的用电数据预测未来时段的用电数据，n为正整数；根据所述n个用电数据预估所述用电系统在目标时间区间内的实际碳积分，所述目标时间区间包括所述n个时段；根据所述实际碳积分输出第一提示信息，所述第一提示信息用于指示所述用电系统在所述目标时间区间内将会消耗所述实际碳积分。
172.在一些示例中，处理器610还用于：通过电流传感器获取所述用电系统在所述每个历史时段的原始电流数据；对所述每个历史时段的原始电流数据进行数字化处理，得到所述每个历史时段的数字电流数据；通过电压传感器获取所述用电系统在所述每个历史时段的原始电压数据；对所述每个历史时段的原始电压数据进行数字化处理，得到所述每个历史时段的数字电压数据；根据所述每个历史时段的数字化电流数据获取所述每个历史时段的电流数据；根据所述每个历史时段的数字化电压数据获取所述每个历史时段的电压数据。
173.在一些示例中，处理器610还用于：对所述每个历史时段的数字化电流数据进行离
散化处理，得到所述每个历史时段的离散化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的离散化电流数据；对所述每个历史时段的数字化电压数据进行离散化处理，得到所述每个历史时段的离散化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
174.在一些示例中，处理器610还用于：对所述每个历史时段的数字化电流数据进行非线性化处理，得到所述每个历史时段的非线性化电流数据，其中，所述每个历史时段的电流数据包括所述每个历史时段的非线性化电流数据；对所述每个历史时段的数字化电压数据进行非线性化处理，得到所述每个历史时段的非线性化电压数据，其中，所述每个历史时段的电压数据包括所述每个历史时段的离散化电压数据。
175.在一些示例中，通信接口630用于接收云端服务器发送的第一更新信息，所述第一更新信息用于更新所述预设模型。
176.在一些示例中，处理器610还用于：获取所述用电系统在所述目标用电区间中的限额碳积分；根据所述实际碳积分和所述限额碳积分输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分是否会超过所述限额碳积分。
177.在一些示例中，处理器610还用于：获取所述实际碳积分与所述限额碳积分之间的差值；所述差值大于或等于预设值的情况下输出第二提示信息，所述第二提示信息用于指示所述用电系统在所述目标用电区间中的碳积分将会超过所述限额碳积分。
178.在一些示例中，所述第一提示信息与所述第二提示信息的输出方式不同。
179.在一些示例中，通信接口630还用于：接收云端服务器发送的第二更新信息，所述第二更新信息用于更新所述用电系统的限额碳积分；基于所述第二更新信息更新所述用电系统的限额碳积分。
180.需要指出的是，图6中的设备600可以是前述实施例中的碳积分预测设备，也可以是芯片，在此不做限定。
181.在本技术实施例中，处理器是一种具有信号的处理能力的电路，在一种实现中，处理器可以是具有指令读取与运行能力的电路，例如cpu、微处理器、gpu(可以理解为一种微处理器)、或dsp等；在另一种实现中，处理器可以通过硬件电路的逻辑关系实现一定功能，该硬件电路的逻辑关系是固定的或可以重构的，例如处理器为asic或pld实现的硬件电路，例如fpga。在可重构的硬件电路中，处理器加载配置文档，实现硬件电路配置的过程，可以理解为处理器加载指令，以实现以上部分或全部单元的功能的过程。此外，还可以是针对人工智能设计的硬件电路，其可以理解为一种asic，例如npu、tpu、dpu等。
182.可见，以上装置中的各单元可以是被配置成实施以上方法的一个或多个处理器(或处理电路)，例如：cpu、gpu、npu、tpu、dpu、微处理器、dsp、asic、fpga，或这些处理器形式中至少两种的组合。
183.此外，以上装置中的各单元可以全部或部分可以集成在一起，或者可以独立实现。在一种实现中，这些单元集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。该soc中可以包括至少一个处理器，用于实现以上任一种方法或实现该装置各单元的功能，该至少一个处理器的种类可以不同，例如包括cpu和fpga，cpu和人工智能处理器，cpu和gpu等。
184.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当
计算机程序/指令被处理器执行时，致使处理器实现图2或图3中云端服务器中所执行的方法中的步骤。
185.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序/指令被处理器执行时，致使处理器实现图2或图4中碳积分预测设备所执行的方法中的步骤。
186.相应地，本技术实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器实现图2或图4中云端服务器所执行的方法中的步骤。
187.相应地，本技术实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器实现图2或图4中碳积分预测设备所执行的方法中的步骤。
188.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
189.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
190.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
191.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
192.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
193.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
194.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除
可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
195.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
196.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。