基于大数据的能源管理方法和装置与流程

本申请一般地涉及环保监测，尤其涉及一种基于大数据的能源管理方法和装置。

背景技术：

1、二氧化碳等温室气体的排放导致全球气候变暖已经成为当前人类面临的一个挑战性问题。为了应对全球变暖的趋势，全球各个国家也在不断地努力中。2009年召开的全球气候变化峰会上，各个国家都做出了节能减排的承诺。

2、为了实现节能减排，各级地方政府和相关企业等单位需要设定碳减排目标并实施相应的碳减排措施以实现碳减排目标。然而，现有的碳减排目标设定过程中往往是人为地盲目设定碳减排目标和分配碳减排任务而不能科学准确地设定碳减排目标和分配碳减排任务，导致无法完成所设定的碳减排目标。

3、在某些场景中，需要对碳排放数据进行预测，因此亟需一种能够准确、科学预测碳排放量的方法。

技术实现思路

1、为了解决现有技术中的上述技术问题，本申请提供了一种基于大数据的能源管理方法和装置，以期科学准确地预测碳排放量。

2、根据本申请的第一方面，提供了一种基于大数据的能源管理方法，应用于包括多个部门的目标组织，包括：收集所述目标组织及其各部门在历史碳排放监测周期内的历史碳排放量数据，其中所述历史碳排放监测周期为当前碳排放监测周期之前的一个或多个碳排放监测周期；根据所述目标组织的所述历史碳排放量数据，为所述目标组织设定所述当前碳排放监测周期内的目标碳排放量；对所述目标组织及其各部门的所述历史碳排放量数据进行主成分分析，以计算所述目标组织及其各部门的主成分向量；根据所述目标碳排放量以及所述目标组织及其各部门的所述主成分向量，利用注意力机制分别为所述各部门分配在当前碳排放监测周期内的碳排放量份额；采集各部门的有功碳排放量和无功碳排放量对应的历史比例数据；将所述历史比例数据输入预训练的神经网络模型中，以输出各部门当前碳排放监测周期的有功碳排放量和无功碳排放量的预测比例；根据各部门分配在当前碳排放监测周期内的碳排放量份额和所述预测比例进行计算，预测当前碳排放监测周期内各部门的有功碳排放量数据和无功碳排放量数据。

3、在一个实施例中，所述根据所述目标碳排放量以及所述目标组织及其各部门的所述主成分向量，利用注意力机制分别为所述各部门分配在当前碳排放监测周期内的碳排放量份额包括：根据所述目标碳排放量和所述目标组织的所述主成分向量计算所述目标组织的目标碳排放向量；根据所述各部门的所述主成分向量，构建主成分基础矩阵，其中所述主成分基础矩阵中的每个元素对应于每个部门的主成分向量；根据所述目标碳排放向量和所述主成分基础矩阵，利用注意力机制计算主成分权重矩阵，其中所述主成分权重矩阵中的每个元素对应于每个部门的碳排放量分配权重；根据所述目标碳排放量和所述主成分权重矩阵分别为所述各部门分配所述碳排放量份额。

4、在一个实施例中，所述根据所述目标碳排放向量和所述主成分基础矩阵，利用注意力机制计算主成分权重矩阵包括：计算所述主成分基础矩阵中各元素的注意力评分值，以构建注意力评分矩阵；对所述注意力评分矩阵中各元素进行归一化处理以获得每个元素的归一化权重；根据每个元素的归一化权重构建所述主成分权重矩阵。

5、在一个实施例中，所述计算所述主成分基础矩阵中各元素的注意力评分值，以构建注意力评分矩阵包括：通过预设的注意力评分模型依次计算所述主成分基础矩阵中每个元素与其他所有元素之间的基础注意力评分值；计算所述主成分基础矩阵中每个元素对应的所有基础注意力评分值的平均值；根据所述目标碳排放向量计算各平均值对应的权重值；对每个元素所对应的基础注意力评分值的平均值和权重值进行加权求和，并将所述加权求和结果作为所述元素的注意力评分值；根据所述主成分基础矩阵中所有元素的注意力评分值，构建所述注意力评分矩阵。

6、在一个实施例中，所述注意力评分模型是点积模型，所述点积模型满足以下关系式：

7、

8、其中，为所述主成分基础矩阵k中第i个元素，为所述主成分基础矩阵k中第j个元素，为所述基础注意力评分值。

9、在一个实施例中，所述主成分基础矩阵中每个元素对应的平均值对应的权重值是通过余弦相似度算法计算所述元素的主成分向量与所述目标碳排放向量之间的相似度获得。

10、在一个实施例中，所述对所述注意力评分矩阵中的各元素进行归一化处理以获得每个元素的归一化权重包括：使用归一化指数函数softmax对所述注意力评分矩阵中的各注意力评分值进行归一化处理，以获得每个元素的归一化权重。

11、在一个实施例中，所述对所述目标组织及其各部门的所述历史碳排放量数据进行主成分分析，以计算所述目标组织及其各部门的主成分向量包括：针对所述目标组织及其各部门中的每个对象，将所述对象的历史碳排放量数据表示为二维空间中的数据点；根据各数据点的坐标将各数据点表示为矩阵，计算所述矩阵中每一行数值的均值，并将每一行数值减去所述行的均值以得到中心化数据矩阵；计算所述中心化数据矩阵的协方差矩阵；计算所述协方差矩阵的特征值及对应的特征向量，并将较大特征值对应的特征向量作为所述对象的主成分向量。

12、在一个实施例中，所述根据所述目标碳排放量和所述目标组织的所述主成分向量计算所述目标组织的目标碳排放向量包括：根据所述目标碳排放量和所述目标组织的所述历史碳排放量数据，计算碳排放量减排向量；响应于所述目标组织的所述主成分向量的下降速度大于或等于所述碳排放减排向量，将所述目标组织的所述主成分向量作为所述目标碳排放向量；或者响应于所述目标组织的所述主成分向量的下降速度小于所述碳排放减排向量，计算所述碳排放量减排向量和所述目标组织的所述主成分向量的向量差；将所述向量差作为所述目标碳排放向量。

13、根据本申请的第二方面，提供了一种基于大数据的能源管理装置，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述计算机可执行指令在被所述处理器执行时，实现根据本申请的第一方面所述的基于大数据的能源管理方法。

14、本申请的技术方案具有以下有益技术效果：

15、本申请的技术方案根据目标组织及其各部门的历史碳排放量数据，综合运用主成分分析法和注意力机制为所述目标组织设定碳减排目标并为所述各部门分配碳减排份额，然后根据历史数据中的有功碳排放量和无功碳排放量之间的比例关系预测了各部门在当前排放监测周期内各部门的有功碳排放量数据和无功碳排放量数据，从而实现了对各部门碳排放量情况的准确量化计算，有效预测了各部门中的能源消耗情况，能够科学准确地为各部门采取节能减排措施提供科学指导。

技术特征：

1.一种基于大数据的能源管理方法，应用于包括多个部门的目标组织，其特征在于，包括：

2.根据权利要求1所述的基于大数据的能源管理方法，其特征在于，所述根据所述目标碳排放量以及所述目标组织及其各部门的所述主成分向量，利用注意力机制分别为所述各部门分配在当前碳排放监测周期内的碳排放量份额包括：

3.根据权利要求2所述的基于大数据的能源管理方法，其特征在于，所述根据所述目标碳排放向量和所述主成分基础矩阵，利用注意力机制计算主成分权重矩阵包括：

4.根据权利要求3所述的基于大数据的能源管理方法，其特征在于，所述计算所述主成分基础矩阵中各元素的注意力评分值，以构建注意力评分矩阵包括：

5.根据权利要求4所述的基于大数据的能源管理方法，其特征在于，所述注意力评分模型是点积模型，所述点积模型满足以下关系式：

6.根据权利要求5所述的基于大数据的能源管理方法，其特征在于，所述主成分基础矩阵中每个元素对应的平均值对应的权重值是通过余弦相似度算法计算所述元素的主成分向量与所述目标碳排放向量之间的相似度获得。

7.根据权利要求3所述的基于大数据的能源管理方法，其特征在于，所述对所述注意力评分矩阵中的各元素进行归一化处理以获得每个元素的归一化权重包括：使用归一化指数函数softmax对所述注意力评分矩阵中的各注意力评分值进行归一化处理，以获得每个元素的归一化权重。

8.根据权利要求1所述的基于大数据的能源管理方法，其特征在于，所述对所述目标组织及其各部门的所述历史碳排放量数据进行主成分分析，以计算所述目标组织及其各部门的主成分向量包括：

9.根据权利要求2所述的基于大数据的能源管理方法，其特征在于，所述根据所述目标碳排放量和所述目标组织的所述主成分向量计算所述目标组织的目标碳排放向量包括：

10.一种基于大数据的能源管理装置，包括存储器和处理器，所述存储器上存储有计算机可执行指令，其特征在于，所述计算机可执行指令在被所述处理器执行时，实现根据权利要求1至9中任一项所述的基于大数据的能源管理方法。

技术总结
本申请涉及一种基于大数据的能源管理方法和装置，收集目标组织及其各部门在历史碳排放监测周期内的历史碳排放量数据；为目标组织设定当前碳排放监测周期内的目标碳排放量；利用主成分分析的方式和注意力机制分别为各部门分配在当前碳排放监测周期内的碳排放量份额，采集各部门的有功碳排放量和无功碳排放量对应的历史比例数据；通过历史比例数据预测得到有功碳排放量和无功碳排放量的预测比例；根据碳排放量份额和预测比例进行计算，预测当前碳排放监测周期内各部门的有功碳排放量数据和无功碳排放量数据。通过本申请的技术方案，提供了一种能够准确、科学预测碳排放量的方法。

技术研发人员：周鹏,肖华松,平凡,黄飞宁,潘亚,王燕,赵骞
受保护的技术使用者：湖北长江电气有限公司
技术研发日：
技术公布日：2024/1/11