碳排放强度预测方法及装置、存储介质及电子设备

技术领域

本发明涉及电力技术领域，特别是涉及一种碳排放强度预测方法及装置、存储介质及电子设备。

背景技术

随着能源产业的发展，电力系统的碳排放已经成为了电网管理工作中的重要关注对象之一。在电力系统的碳排放控制工作中，可以通过预测电力系统的碳排放强度，以实现对电力系统碳排放量的计量。

电力系统的碳排放强度可以基于电网负荷进行预测，在现有的碳排放强度的预测方法中，通过预测电网负荷，继而基于预测的电网负荷计算碳排放强度。目前，通常是基于统计分析的方式对电网负荷进行预测。

而基于统计分析的预测方式，对于数据的要求较高，预测结果的准确性通常较低。基于现有方式对碳排放强度进行预测，通常难以得到较为准确的电网负荷，由此得到的碳排放强度的准确性较差，不利于电力系统碳排放控制工作的开展。

发明内容

有鉴于此，本发明实施例提供了一种碳排放强度预测方法，以解决基于现有方式预测碳排放强度，难以得到准确的电网负荷，导致预测结果的准确性较差的问题。

本发明实施例还提供了一种碳排放强度预测装置，用以保证上述方法实际中的实现及应用。

为实现上述目的，本发明实施例提供如下技术方案：

一种碳排放强度预测方法，包括：

当需要对电力系统进行碳排放强度预测时，确定所述电力系统对应的多组历史电网负荷；

对所述多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；

依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建所述电力系统对应的改进灰色预测模型；

依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷；

依据所述预测电网负荷，确定所述电力系统对应的碳排放强度。

上述的方法，可选的，所述对所述多组历史电网负荷进行数据预处理，包括：

依据预设的加权处理策略，对所述多组历史电网负荷进行处理。

上述的方法，可选的，所述依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷，包括：

生成初始种群；

对所述改进灰色预测模型进行迭代寻优，在进入当前的迭代周期时，确定当前种群；

依据所述当前种群计算所述改进灰色预测模型的当前模型参数；

依据所述当前模型参数计算当前适应度，并判断所述当前适应度是否满足预设的收敛条件；

若所述当前适应度满足所述预设的收敛条件，则结束迭代寻优过程，并依据所述当前模型参数计算所述改进灰色预测模型的预测值，将所述预测值作为所述改进灰色预测模型对应的预测电网负荷。

上述的方法，可选的，还包括：

若所述当前适应度不满足所述预设的收敛条件，则对所述当前种群进行种群变异、交叉和选择操作，以对所述当前种群进行更新，进入下一个迭代周期。

上述的方法，可选的，所述依据所述预测电网负荷，确定所述电力系统对应的碳排放强度，包括：

确定碳排放贡献矩阵；

确定所述碳排放贡献矩阵对应的逆矩阵；

对所述逆矩阵和所述预测电网负荷进行乘积运算，将运算结果作为所述电力系统对应的碳排放强度。

一种碳排放强度预测装置，包括：

第一确定单元，用于当需要对电力系统进行碳排放强度预测时，确定所述电力系统对应的多组历史电网负荷；

预处理单元，用于对所述多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；

构建单元，用于依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建所述电力系统对应的改进灰色预测模型；

求解单元，用于依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷；

第二确定单元，用于依据所述预测电网负荷，确定所述电力系统对应的碳排放强度。

上述的装置，可选的，所述预处理单元，包括：

处理子单元，用于依据预设的加权处理策略，对所述多组历史电网负荷进行处理。

上述的装置，可选的，所述第二确定单元，包括：

第一确定子单元，用于确定碳排放贡献矩阵；

第二确定子单元，用于确定所述碳排放贡献矩阵对应的逆矩阵；

计算子单元，用于对所述逆矩阵和所述预测电网负荷进行乘积运算，将运算结果作为所述电力系统对应的碳排放强度。

一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的碳排放强度预测方法。

一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的碳排放强度预测方法。

基于上述本发明实施例提供的一种碳排放强度预测方法，包括：当需要对电力系统进行碳排放强度预测时，确定电力系统对应的多组历史电网负荷；对各组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建电力系统对应的改进灰色预测模型；依据预设的遗传算法，对改进灰色预测模型进行求解，得到改进灰色预测模型对应的预测电网负荷；依据预测电网负荷，确定电力系统对应的碳排放强度。应用本发明实施例提供的方法，通过建立改进灰色预测模型对电网负荷进行预测，基于灰色理论的数据预测，数据需求少，预测精度较高，有利于提高电网负荷预测的准确性，在碳排放强度的预测过程中可得到准确性较高的电网负荷的预测值，继而可提高碳排放强度的预测准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种碳排放强度预测方法的方法流程图；

图2为本发明实施例提供的一种碳流示意图；

图3为本发明实施例提供的一种碳排放强度预测方法的又一方法流程图；

图4为本发明实施例提供的一种碳排放强度预测装置的结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

在本申请中，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、物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、物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、物品或者设备中还存在另外的相同要素。

本发明实施例提供了一种碳排放强度预测方法，所述方法可应用于碳排放强度预测系统，其执行主体可以为系统的服务器，所述方法的方法流程图如图1所示，包括：

S101：当需要对电力系统进行碳排放强度预测时，确定所述电力系统对应的多组历史电网负荷；

本发明实施例提供的方法中，系统数据库中预先存储了电力系统的历史电网负荷数据，也就是在此之前电力系统实际运行过程中的电网负荷的实际值。

当需要对电力系统的碳排放强度进行预测时，可以从数据库中获取此前多个月份的历史电网负荷数据，将每个月份的历史电网负荷形成一组历史电网负荷数据，得到电力系统对应的多组历史电网负荷数据。

S102：对所述多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；

本发明实施例提供的方法中，依据预设的数据预处理策略对每组历史电网负荷进行数据预处理，得到经过数据预处理的各组历史电网负荷。数据预处理策略基于构建灰色预测模型的数据需求设置。

S103：依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建所述电力系统对应的改进灰色预测模型；

本发明实施例提供的方法中，以经过处理的各组历史电网负荷作为原始数据，基于预设的改进灰色预测策略构建改进灰色预测模型。改进灰色预测策略是基于改进灰色理论设置的预测策略，改进灰色理论指的是在传统灰色理论的基础上进行改进的灰色理论，可以基于现有的算法原理实现。

S104：依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷；

本发明实施例提供的方法中，改进灰色预测模型中存在待优化的变量，可结合预设的遗传算法对改进灰色预测模型进行求解，在寻找到变量最优解的情况下，求解改进灰色预测模型的预测值，获得预测电网负荷，即电网负荷的预测值。遗传算法(GeneticAlgorithm，GA)是一种通过模拟自然进化过程搜索最优解的方法，是一种现有的算法。

S105：依据所述预测电网负荷，确定所述电力系统对应的碳排放强度。

本发明实施例提供的方法中，根据预先设置的电网负荷与碳排放强度之间的关联关系，可通过预测电网负荷计算碳排放强度的预测值，获得电力系统对应的碳排放强度。

基于本发明实施例提供的方法，当需要对电力系统进行碳排放强度预测时，确定电力系统对应的多组历史电网负荷；对多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；依据预设的改进灰色预测策略和经过处理的多组历史电网负荷，构建电力系统对应的改进灰色预测模型；依据预设的遗传算法，对改进灰色预测模型进行求解，得到改进灰色预测模型对应的预测电网负荷；依据预测电网负荷，确定电力系统对应的碳排放强度。应用本发明实施例提供的方法，通过建立改进灰色预测模型对电网负荷进行预测，基于灰色理论的数据预测，数据需求少，预测精度较高，有利于提高电网负荷预测的准确性，在碳排放强度的预测过程中可得到准确性较高的电网负荷的预测值，继而可提高碳排放强度的预测准确性。

为了更好地说明本发明实施例提供的方法，接下来对本发明实施例提供的方法中的碳排放强度的评估原理作简要说明。

本发明实施例提供的方法中，利用了基于电网负荷的用户侧电力碳排放强度评估模型。该模型追溯负荷有功源头，计入传输损耗，按电力来源属性评估其清洁程度，使碳排放分析覆盖电力系统运行的各主要环节，而电力设施建设和燃料供应过程不包含在内。评估结果反映了电力消费的间接环境影响，有利于用户了解并管理其碳足迹，可为用户所应承担的碳排放责任及成本提供合理依据，并有利于提高用户响应清洁能源消纳的积极性。

从能量传递链看，碳排放藉由电力流向用户侧汇集，可表征用户侧电力供应的清洁程度。碳排放在电网中的转移称为碳流，在数值上等于电力流与对应电源侧碳排放率的乘积。因此，通过预测电网负荷可实现碳排放强度的预测。如图2所示，电力系统中的碳流由电源侧流向负荷侧。

碳排放取决于有功功率，设网络N具有n个节点、b条支路、s个碳源、k个碳荷。碳源指的是电源节点，碳荷指的是负荷节点。

确定函数关系：

f(P

其中，P

按比例共享原则可知，式1为线性关系，即：

P

其中，F为常数矩阵，定义为碳源对碳荷的碳排放贡献矩阵。在这个模型中，只要计算出碳源对碳荷的贡献矩阵F，即可建立起电网负荷与碳排放之间的联系。结合电力系统的传输特性，以潮流追踪理论为基础，可以计算出碳流追踪模型中的碳排放贡献矩阵F。

进一步的，为了更好地说明本发明实施例提供的方法，接下来对本发明实施例提供的方法中应用的改进灰色预测策略作简要说明。

首先，对于灰色理论(灰色模型理论)作简要说明。

灰色模型理论的算法原理是将已知信息作为输入，通过灰色生成步骤对数据进行处理，对处理后的数据进行灰色建模，然后，求解灰色模型得到预测结果。

灰色建模实现了对灰色生成数据的建模分析，并构造一阶线性微分方程为：

其中，a和u为微分方程的参数。

采用离散形式的描述，一阶微分方程表示为：

将x'

上述方程共有K-1个，采用矩阵的形式描述为：

Y

采用最小二乘法求取式7的近似解：

其中，E为误差向量，

根据矩阵运算，可以得到近似解为:

进一步可以得到方程的解为：

通过累减还原成实际预测值：

接下来对本发明实施例提供的方法中应用的改进灰色理论(改进灰色预测策略)作简要说明。

首先，本发明实施例提供的方法通过对原始数据的处理，达到抑制异常数据对预测结果的影响，充分发挥原始数据的潜在价值。常见对原始数据的处理方法为加权法：

其中，β为x

本发明实施例提供的方法中，改变了传统灰色理论模型中的初始条件，对于式3在求解参数

其中，c为通解参数。

传统灰色模型通常假设初始条件为：

x'

由于最新的数据通常蕴含更多与未来关联的信息，因此，可以将初始改进为：

x'

由此得到的改进灰色预测模型：

本发明实施例提供的方法中，将x'

x，

(式17)

其中，λ

本发明实施例提供的方法中，基于上述的改进灰色预测策略构建改进灰色预测模型，然后将K-1个加权因子：λ

其中，p

进一步的，在图1所示方法的基础上，本发明实施例提供的方法中，步骤S102中提及的对所述多组历史电网负荷进行数据预处理的过程，包括：

依据预设的加权处理策略，对所述多组历史电网负荷进行处理。

本发明实施例提供的方法中，基于加权法预先设置了加权处理策略，通过加权处理策略对各组历史电网负荷数据进行数据预处理，具体的，可以基于式12所示原理进行处理。

在图1所示方法的基础上，本发明实施例提供的方法中，步骤S104中提及的依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷的过程，包括：

生成初始种群；

本发明实施例提供的方法中，依据遗传算法生成迭代寻优所需的初始种群。

对所述改进灰色预测模型进行迭代寻优，在进入当前的迭代周期时，确定当前种群；

本发明实施例提供的方法中，通过遗传算法对改进灰色预测模型中的待优化参数进行迭代寻优，在进入新的迭代周期时，通过当前的种群进行寻优计算。首个迭代周期的当前种群为初始种群，其他每个迭代周期的当前种群即为经过更新的最新的种群。

依据所述当前种群计算所述改进灰色预测模型的当前模型参数；

本发明实施例提供的方法中，基于当前种群中最优个体所表征的优化策略，计算改进灰色预测模型中的模型参数a和u。

依据所述当前模型参数计算当前适应度，并判断所述当前适应度是否满足预设的收敛条件；

本发明实施例提供的方法中，基于模型参数可计算出改进灰色预测模型当前的预测值，据此基于目标函数计算出当前的适应度。判断当前适应度是否满足预设的收敛条件，例如是否小于阈值等。

若所述当前适应度满足所述预设的收敛条件，则结束迭代寻优过程，并依据所述当前模型参数计算所述改进灰色预测模型的预测值，将所述预测值作为所述改进灰色预测模型对应的预测电网负荷。

本发明实施例提供的方法中，若当前的适应度满足预设的收敛条件，则结束对于改进灰色预测模型的迭代寻优，以当前的模型参数计算改进灰色预测模型的预测值，将该预测值作为求解结果，即预测电网负荷。

在上述实施例提供的方法的基础上，本发明实施例提供的方法中，还包括：

若所述当前适应度不满足所述预设的收敛条件，则对所述当前种群进行种群变异、交叉和选择操作，以对所述当前种群进行更新，进入下一个迭代周期。

本发明实施例提供的方法中，若是经判断当前的适应度不满足预设的收敛条件，则依据遗传算法对当前种群进行种群变异、交叉和选择操作，得到新的种群，以最新的种群进入下一个迭代周期的寻优计算过程。

在图1所示方法的基础上，本发明实施例提供的方法中，步骤S105中提及的依据所述预测电网负荷，确定所述电力系统对应的碳排放强度的过程，包括：

确定碳排放贡献矩阵；

本发明实施例提供的方法中，可以根据电力系统的传输特性，通过潮流追踪，计算出电力系统对应的碳排放贡献矩阵。

确定所述碳排放贡献矩阵对应的逆矩阵；

本发明实施例提供的方法中，对碳排放贡献矩阵求逆，得到碳排放贡献矩阵的逆矩阵。

对所述逆矩阵和所述预测电网负荷进行乘积运算，将运算结果作为所述电力系统对应的碳排放强度。

本发明实施例提供的方法中，将碳排放贡献矩阵的逆矩阵乘以预测电网负荷，将两者的乘积作为电力系统对应的碳排放强度。基于式2所示关系，可知，碳排放强度的计算原理可表示为：P

为了更好地说明本发明实施例提供的方法，本发明实施例提供了又一种碳排放强度预测方法。如图3所示，本发明实施例提供的碳排放预测过程，主要包括：

S201：输入原始数据；

S202：处理原始数据；

S203：建立灰色模型；

S204：令g＝1，生成初始种群；

S205：计算参数a和u，建立负荷预测模型；

S206：计算适应度；

S207：判断是否满足收敛条件，若不满足收敛条件，进入步骤S208，满足收敛条件则进入步骤S210；

S208：进行种群变异、交叉和选择；

S209：令g＝g+1，返回步骤S205进行计算；

S210：输出负荷预测结果；

S211：依据负荷预测结果，转换得到电力碳排放强度预测结果。

本发明实施例提供的方法中，基于电网负荷与电力碳排放强度之间的关系，通过优化负荷预测模型，提高电网负荷预测的准确性，以实现准确预测电力碳排放强度的目的。

与图1所示的一种碳排放强度预测方法相对应的，本发明实施例还提供了一种碳排放强度预测装置，用于对图1中所示方法的具体实现，其结构示意图如图4所示，包括：

第一确定单元301，用于当需要对电力系统进行碳排放强度预测时，确定所述电力系统对应的多组历史电网负荷；

预处理单元302，用于对所述多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；

构建单元303，用于依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建所述电力系统对应的改进灰色预测模型；

求解单元304，用于依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷；

第二确定单元305，用于依据所述预测电网负荷，确定所述电力系统对应的碳排放强度。

基于本发明实施例提供的装置，当需要对电力系统进行碳排放强度预测时，确定电力系统对应的多组历史电网负荷；对多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；依据预设的改进灰色预测策略和经过处理的多组历史电网负荷，构建电力系统对应的改进灰色预测模型；依据预设的遗传算法，对改进灰色预测模型进行求解，得到改进灰色预测模型对应的预测电网负荷；依据预测电网负荷，确定电力系统对应的碳排放强度。应用本发明实施例提供的装置，通过建立改进灰色预测模型对电网负荷进行预测，基于灰色理论的数据预测，数据需求少，预测精度较高，有利于提高电网负荷预测的准确性，在碳排放强度的预测过程中可得到准确性较高的电网负荷的预测值，继而可提高碳排放强度的预测准确性。

在上述实施例提供的装置的基础上，本发明实施例提供的装置中，所述预处理单元302，包括：

处理子单元，用于依据预设的加权处理策略，对所述多组历史电网负荷进行处理。

在上述实施例提供的装置的基础上，本发明实施例提供的装置中，所述第二确定单元305，包括：

第一确定子单元，用于确定碳排放贡献矩阵；

第二确定子单元，用于确定所述碳排放贡献矩阵对应的逆矩阵；

计算子单元，用于对所述逆矩阵和所述预测电网负荷进行乘积运算，将运算结果作为所述电力系统对应的碳排放强度。

在图4所示装置的基础上，本发明实施例提供的装置还可以进一步扩展出多个单元，各个单元的功能可参见前文对于碳排放强度预测方法所提供的各个实施例中的说明，在此不再进一步举例说明。

本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的碳排放强度预测方法。

本发明实施例还提供了一种电子设备，其结构示意图如图5所示，具体包括存储器401，以及一个或者一个以上的指令402，其中一个或者一个以上指令402存储于存储器401中，且经配置以由一个或者一个以上处理器403执行所述一个或者一个以上指令402进行以下操作：

当需要对电力系统进行碳排放强度预测时，确定所述电力系统对应的多组历史电网负荷；

对所述多组历史电网负荷进行数据预处理，得到经过处理的多组历史电网负荷；

依据预设的改进灰色预测策略和所述经过处理的多组历史电网负荷，构建所述电力系统对应的改进灰色预测模型；

依据预设的遗传算法，对所述改进灰色预测模型进行求解，得到所述改进灰色预测模型对应的预测电网负荷；

依据所述预测电网负荷，确定所述电力系统对应的碳排放强度。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。