基于电力数据的企业碳排放测算方法、装置、设备和介质与流程

本技术涉及碳排放碳核算领域，特别是涉及一种基于电力数据的企业碳排放测算方法、装置、设备和介质。

背景技术：

1、碳排放测算是指对企业、产业、城市等不同尺度下的温室气体排放情况进行量化和评估的过程，其可以帮助企业了解其对气候变化的贡献和风险，同时也可以为节能减排提供参考和支持。

2、当前统计企业的碳排放量一般是基于企业人为测量上报的燃料消耗量进行计算的，费时费力且效率低下。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高碳排放测算效率的基于电力数据的企业碳排放测算方法、装置、设备和介质。

2、第一方面，本技术提供了一种基于电力数据的企业碳排放测算方法。该方法包括：

3、获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；

4、基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；

5、获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；

6、根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。

7、在其中一个实施例中，获取预定时段内各用电设备分别对应的目标电力数据，包括：

8、获取预定时段内目标主体的总目标电力数据；

9、根据总目标电力数据和训练好的电力分解模型，确定预定时段内用电设备分别对应的目标电力数据，其中，电力分解模型包括目标主体的总电力数据和目标主体内各用电设备的电力数据之间的映射关系。

10、在其中一个实施例中，该电力分解模型通过以下过程得到：

11、获取目标主体在历史时段内的总历史电力时序数据；

12、从训练样本中学习获得电力分解模型，训练样本包括总历史电力时序数据和各用电设备分别对应的历史电力时序之间对应记录。

13、在其中一个实施例中，基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型，包括：

14、获取各非用电设备和用电设备分别对应的关系数据集，关系数据集包括历史时段内各设备的设备类型、工作状态、能耗以及碳排放数据；

15、根据各非用电设备和用电设备分别对应的关系数据集，采用关联规则挖掘算法对各设备间耦合关系进行关联，得到关联规则；

16、基于关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型。

17、在其中一个实施例中，该非用电设备碳排放预测模型采用多元回归模型。

18、在其中一个实施例中，根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，包括：

19、根据目标电力数据获取各用电设备在预定时段内分别对应的设备能耗；

20、结合设备能耗和碳排放因子，得到各用电设备分别对应的目标电力碳排放数据。

21、第二方面，本技术还提供了一种基于电力数据的企业碳排放测算装置。该装置包括：

22、获取模块，用于获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；

23、构建模块，用于基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；

24、预测模块，用于获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；

25、汇总模块，用于根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。

26、第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

27、获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；

28、基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；

29、获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；

30、根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。

31、第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

32、获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；

33、基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；

34、获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；

35、根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。

36、第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

37、获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；

38、基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；

39、获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；

40、根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。

41、上述基于电力数据的企业碳排放测算方法、装置、设备、介质和产品，获取目标主体在历史时段内各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据；基于不同设备间的关联规则，从历史能源碳排放时序数据和历史电力时序数据中学习获得非用电设备碳排放预测模型；获取预定时段内各用电设备分别对应的目标电力数据，结合目标电力数据和非用电设备碳排放预测模型，得到预定时段内各非用电设备分别对应的目标能源碳排放数据；根据目标电力数据获取在预定时段内各用电设备分别对应的目标电力碳排放数据，并结合目标电力碳排放数据和目标能源碳排放数据确定目标主体总碳排放数据。本技术通过各非用电设备的历史能源碳排放时序数据和各用电设备的历史电力时序数据，获取非用电设备碳排放预测模型，通过结合各用电设备分别对应的目标电力数据和非用电设备碳排放预测模型来预测各非用电设备分别对应的目标能源碳排放数据，可以基于目标主体的用电信息进行快速的碳排放测算，提高测算效率，并利用先进碳排理论，实现由设备级到企业级的碳排放测算，为双碳目标的实现提供坚实基础。