电力系统的碳排放因子预测方法、装置及电子设备与流程

本发明涉及碳排放预测与分析，更具体地，涉及一种电力系统的碳排放因子预测方法、装置及电子设备。

背景技术：

1、当前为构建低碳电力系统，大量新能源发电设备已被整合入系统，从而使得电源侧的碳排放量大幅度减少。因此，精确计算电力系统的碳排放因子尤为关键。随着电源结构的改变、电力系统的升级，不同区域且不同时间段的碳排放因子是动态变化的，通过对动态碳排放因子的监测和评估，可以清晰地了解电力系统的环境性能，并可以为未来的环境管理和发展提供依据。

2、然而，在实现本发明的发明构思的过程中发现：由于不同区域的电力系统电源侧具有大量发电数据，因此在对碳排放因子进行分析预测时存在计算资源消耗量大、计算精度低的问题。

技术实现思路

1、有鉴于此，本发明提供了一种电力系统的碳排放因子预测方法、装置、电子设备、可读存储介质和计算机程序产品。

2、本发明的一个方面提供了一种电力系统的碳排放因子预测方法，包括：获取电力系统的历史发电量数据，其中，上述历史发电量数据包括与上述电力系统相关的发电主体在多个历史时段各自的发电量子数据；将上述历史发电量数据输入基于注意力机制的长短期记忆网络，以确定上述历史发电量数据包括的多个发电量子数据各自的隶属关系，得到隶属度矩阵；利用遗传算法和模糊均值聚类算法，基于上述隶属度矩阵和上述多个发电量子数据，确定多个第一聚类中心；基于上述多个第一聚类中心，确定多个时间段类别；基于上述发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子，确定上述发电主体与上述多个时间段类别各自相关的预测碳排放因子，其中，上述至少一个目标历史时段属于上述多个历史时段。

3、根据本发明的实施例，上述基于上述隶属度矩阵和上述多个发电量子数据，确定多个第一聚类中心，包括：利用遗传算法，基于上述多个发电量子数据，确定多个第二聚类中心；利用模糊均值聚类算法，基于上述隶属度矩阵和上述多个第二聚类中心，确定上述多个第一聚类中心。

4、根据本发明的实施例，上述利用遗传算法，基于上述多个发电量子数据，确定多个第二聚类中心，包括：基于上述多个发电量子数据，生成初始种群，其中，上述初始种群包括多个初始个体；基于适应度函数和进化终止条件对上述初始种群进行多轮次的交叉变异，得到目标个体；基于上述目标个体，确定上述多个第二聚类中心。

5、根据本发明的实施例，上述基于上述多个发电量子数据，生成初始种群包括：从上述多个发电量子数据中确定多个发电量子数据作为多个初始聚类中心；基于上述多个初始聚类中心，得到上述初始种群。

6、根据本发明的实施例，上述利用模糊均值聚类算法，基于上述隶属度矩阵和上述多个第二聚类中心，确定上述多个第一聚类中心，包括：基于目标函数和上述隶属度矩阵对上述多个第二聚类中心进行优化，得到上述多个第一聚类中心，其中，上述目标函数是基于模糊均值聚类算法确定。

7、根据本发明的实施例，上述基于上述多个第一聚类中心，确定多个时间段类别，包括：对于每个上述第一聚类中心，从上述多个发电量子数据中确定与上述第一聚类中心相关的至少一个目标发电量子数据；基于与上述至少一个目标发电量子数据各自相关的历史时段，确定与上述第一聚类中心相关的至少一个历史时段；基于与上述第一聚类中心相关的至少一个历史时段，确定与上述第一聚类中心对应的时间段类别。

8、根据本发明的实施例，其中，上述基于上述发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子，确定上述发电主体与上述多个时间段类别各自相关的预测碳排放因子，包括：基于上述发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子的平均值，得到上述发电主体与每一个时间段类别相关的预测碳排放因子。

9、根据本发明的实施例，上述方法还包括：从上述电力系统的数据中台处获取上述发电主体的电源侧数据；对上述发电主体的电源侧数据进行预处理，得到上述发电主体在多个历史时段各自的发电量子数据，和与每一个发电量子数据对应的碳排放量数据；基于每一个发电量子数据和与每一个发电量子数据对应的碳排放量数据，得到上述发电主体在上述多个历史时段各自的碳排放因子。

10、本发明的另一个方面提供了一种电力系统的碳排放因子预测装置，包括：获取模块，用于获取电力系统的历史发电量数据，其中，上述历史发电量数据包括与上述电力系统相关的发电主体在多个历史时段各自的发电量子数据；第一确定模块，用于将上述历史发电量数据输入基于注意力机制的长短期记忆网络，以确定上述历史发电量数据包括的多个发电量子数据各自的隶属关系，得到隶属度矩阵；第二确定模块，用于利用遗传算法和模糊均值聚类算法，基于上述隶属度矩阵和上述多个发电量子数据，确定多个第一聚类中心；第三确定模块，用于基于上述多个第一聚类中心，确定多个时间段类别；第四确定模块，用于基于上述发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子，确定上述发电主体与上述多个时间段类别各自相关的预测碳排放因子，其中，上述至少一个目标历史时段属于上述多个历史时段。

11、本发明的另一方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当上述一个或多个指令被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的方法。

12、本发明的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。

13、本发明的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。

14、根据本发明的实施例，通过基于注意力机制的长短期记忆网络、遗传算法和模糊均值聚类算法以确定多个时间段的聚类中心，可以将预设时间内产生电量接近的时间段进行聚合，再分别针对每个时间段确定一个预测的碳排放因子，可以在保持碳排放因子预测准确度的同时，降低碳排放因子预测时的计算量，从而能够实时反映电力系统中碳排放因子变化，因此能够实现碳排放有效监测，提升分析和预测能力，促使碳排放计量监测数据在低碳经济环境下得以充分地应用。

技术特征：

1.一种电力系统的碳排放因子预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述隶属度矩阵和所述多个发电量子数据，确定多个第一聚类中心，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用遗传算法，基于所述多个发电量子数据，确定多个第二聚类中心，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述多个发电量子数据，生成初始种群包括：

5.根据权利要求2所述的方法，其特征在于，所述利用模糊均值聚类算法，基于所述隶属度矩阵和所述多个第二聚类中心，确定所述多个第一聚类中心，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述多个第一聚类中心，确定多个时间段类别，包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子，确定所述发电主体与所述多个时间段类别各自相关的预测碳排放因子，包括：

8.根据权利要求1所述的方法，其特征在于，还包括：

9.一种电力系统的碳排放因子预测装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括：

技术总结
本发明提供了一种电力系统的碳排放因子预测方法、装置及电子设备，可以应用于碳排放预测与分析技术领域。该方法包括：获取电力系统的历史发电量数据；将历史发电量数据输入基于注意力机制的长短期记忆网络，以确定历史发电量数据包括的多个发电量子数据各自的隶属关系，得到隶属度矩阵；利用遗传算法和模糊均值聚类算法，基于隶属度矩阵和多个发电量子数据，确定多个第一聚类中心；基于多个第一聚类中心，确定多个时间段类别；基于发电主体在与每一个时间段类别相对应的至少一个目标历史时段各自的碳排放因子，确定发电主体与多个时间段类别各自相关的预测碳排放因子。

技术研发人员：边疆,王洋,项添春,罗帅,刘宁,孔祥玉,王晓迪,李尚泽,张来,韩悦,李浩然,张毅,高毅,王森,王旭东,班全,李娜,王坤,路菲,甘智勇,艾邓鑫
受保护的技术使用者：国网天津市电力公司电力科学研究院
技术研发日：
技术公布日：2024/1/22