一种能源承载力评估方法、装置、设备及可读存储介质

技术领域

本发明涉及能源承载力评估技术领域，具体而言，涉及能源承载力评估方法、装置、设备及可读存储介质。

背景技术

在现今经济发展全球化和气候变化全球化的背景下，能源是制约我国经济社会可持续、健康发展的重要因素。然而现如今，基于水资源约束、环境负荷的能源环境人口以及经济承载力在呈更高速度和高比例增长的情况下，将会导致能源矛盾日渐突出，调控运行也面临着较大的难题，所以评估能源承载力也变得至关重要。

发明内容

本发明的目的在于提供一种能源承载力评估方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种能源承载力评估方法，包括：

基于能源环境压力因素、能源环境状态和社会响应，建立能源承载力评估指标体系；

利用遥感技术获取第一评估指标，将所述第一评估指标输入至所述能源承载力评估指标体系，并采用层次分析法对所述能源承载力评估指标体系进行综合指标确定；

基于确定后的所述能源承载力评估指标体系，利用CPSGA算法和BP神经网络结合，预测能源承载力系统评估结果；

根据粒子群优化算法，对所述能源承载力系统评估结果进行求解，得到能源承载力评估的最优解。

优选地，所述基于能源环境压力因素、能源环境状态和社会响应，建立能源承载力评估指标体系，包括：

确定能源承载力评估的边界范围和时间尺度；

基于环境评价模型，获取能源承载力数据，其中所述能源承载力数据包括能源环境压力指标、能源环境状态指标和社会响应指标；

基于能源承载力数据，建立能源承载力评估指标体系，对指标体系内的指标数据进行标准化处理。

优选地，所述利用遥感技术获取第一评估指标的过程，其中包括：

利用遥感设备对接收到的遥感图像进行预处理，得到预处理结果，所述预处理包括对所述遥感图像的几何形状、位置误差、图像辐射强度信息误差进行几何校正和辐射校正；

根据所述预处理结果得到遥感图像的点云数据，剔除所述点云数据中包括的重复数据，得到第一点云数据；

利用预先构建的卷积神经网络对所述第一点云数据进行特征提取得到特征信息，根据所述特征信息，计算得到第一评估指标，所述第一评估指标包括建设用地指数、空气质量指数、土壤侵蚀指数和能源承载力指数。

优选地，所述根据粒子群优化算法，对所述能源承载力系统评估结果进行求解，得到能源承载力评估的最优解，其中包括：

设粒子群的粒子数目为N，将各个粒子都设定为搜索空间中的一个点，设置各个粒子的信息，其中包括初始解、粒子数目、初始位置和初始速度；

基于所述能源承载力系统评估结果，根据适应度函数计算各粒子在它所在位置上的适应度，寻求当前个体极值和全局极值；

基于所述当前个体极值和所述全局极值，计算更新的粒子的速度和位置，其中，每一次迭代根据以下公式进行更新粒子的速度和位置：v

式中，i＝1，2，…，N，N为粒子的总数；w惯性，v

判断是否达到最大迭代次数，若否，则继续进行迭代计算，若是则输出能源承载力评估的最优解。

第二方面，本申请还提供了一种能源承载力评估装置，包括建立模块、确定模块、设置模块和评估模块，其中：

建立模块：用于基于能源环境压力因素、能源环境状态和社会响应，建立能源承载力评估指标体系；

确定模块：用于利用遥感技术获取第一评估指标，将所述第一评估指标输入至所述能源承载力评估指标体系，并采用层次分析法对所述能源承载力评估指标体系进行综合指标确定；

设置模块：用于基于确定后的所述能源承载力评估指标体系，利用CPSGA算法和BP神经网络结合，预测能源承载力系统评估结果；

评估模块：用于根据粒子群优化算法，对所述能源承载力系统评估结果进行求解，得到能源承载力评估的最优解。

第三方面，本申请还提供了一种能源承载力评估设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现所述能源承载力评估方法的步骤。

第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于能源承载力评估方法的步骤。

本发明的有益效果为：

本发明在建立能源环境评估指标体系方面具有综合性，灵活性和因果关系三方面优势，体现在它同时面向人类活动能源环境现状和能源环境管理灵活性，表现在作为一个动态模型，它的结构和内容容易调整和扩展，具有较好的延展性；因果关系表现是能够结识系统的内部联系，同时反映能源环境管理的最终目标。

本发明利用遥感技术，将图像信息转化为点云数据的过程中，噪点容易被引入至点云数据中，噪点的引入增加了数据的冗余，通过对点云数据进行降噪处理，有效的减少了数据的冗余，提高了对数据的利用率。并且采用遥感技术信息量丰富，实效性好，具有高度空间概括力，能够在一定程度上解决传统统计方法获取数据的困难的问题，有利于反映能源环境地表生态状况，进而对生态能源环境状况进行科学评估和分析。

本发明利用CPSGA算法和BP神经网络结合，优化BP神经网络，结合两者的优势，在解决非线性复杂系统方面具有极大的优势，能够在有限的进化次数内得到最优连续权值，从而改善BP网络的性能，避免能源承载力系统模型陷入局部极小值并提高能源承载力系统模型泛化能力的目的，保证评估结果的正确性和稳定性。

本发明通过粒子群优化算法对能源承载力系统评估结果进行求解，其根据适应度函数得到每个粒子在它位置上的适应度，根据适应度大小去评价解是否优良，不断的迭代，个体最佳解不断向全局最佳解靠拢，最终获得全局最佳解即可求得能源承载力评估的最优解，具有收敛速度快、参数少以及算法简单易实现的优点。

本发明提高了能源承载力评估的精确度，找到能源承载力的影响因素，为能源未来的规划和运行提供了指导，通过评估能源承载力可有效促进能源稳定发展。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例中所述的能源承载力评估方法流程示意图；

图2为本发明实施例中所述的能源承载力评估装置结构示意图；

图3为本发明实施例中所述的能源承载力评估设备结构示意图。

图中:701、建立模块；7011、确定单元；7012、获取单元；7013、处理单元；702、确定模块；7021、预处理单元；7022、剔除单元；7023、提取单元；703、设置模块；704、评估模块；7041、设置单元；7042、寻求单元；7043、计算单元；7044、判断单元；800、能源承载力评估设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

本实施例提供了一种能源承载力评估方法。

参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300和步骤S400。

S100、基于能源环境压力因素、能源环境状态和社会响应，建立能源承载力评估指标体系。

可以理解的是，在S100步骤中包括S101、S102和S103，其中：

S101、确定能源承载力评估的边界范围和时间尺度；

需要说明的是，确定能源承载力评估的边界范围，即划分出参与能源承载力评估的能源区域覆盖范围，以及与其他环境因素的联络线。其次根据需求不同，确定能源承载力评估数据统计的时间尺度T(周、月、年等不同时间尺度均可)，即确定数据统计的监测时间和测量时间。

S102、基于环境评价模型，获取能源承载力数据，其中所述能源承载力数据包括能源环境压力指标、能源环境状态指标和社会响应指标；

需要说明的是，环境评价模型包括能源环境压力指标、能源环境状态指标和社会响应指标三种类型指标，通过“压力”表现人类活动对生态环境的压力，用“状态”呈现当前生态环境状态，通过政策制度响应人类对生态环境施加的压力，能够较好地描述人类与能源生态环境之间的相互关系。

其中，能源环境压力指标的主要来源是由于人类活动造成的环境压力，主要可以概括为由于人类将产生的污染物排放到能源环境中而导致的能源污染和人类在发展过程中开发建设活动而造成的

污水处理率指经过处理的生活污水、工业废水量占污水排放总量的比重；其计算公式为：污水处理率＝污水处理量÷污水排放总量×100％。

垃圾无害化处理率为生活垃圾无害化处理率是指经无害化处理的生活垃圾数量占生活垃圾产生总量的百分比；其计算公式为：生活垃圾无害化处理率＝无害化处理的生活垃圾数量÷生活垃圾产生总量×100％。

工业固废利用率为工业固体废物综合利用率指工业固体废物综合利用量占工业固体废物产生量的百分率。计算公式为：工业固体废物综合利用率＝工业固体废物综合利用量÷(工业固体废物产生量综合利用往年贮存量)×100％。

粪便综合利用率为经过处理后变成肥料、沼气等的粪便量，其他利用量指的是通过粪便处理后的其他利用方式所产生的产量。其计算公式为：综合利用率＝(粪便处理量+沼气发电量+生物肥料产量+其他利用量)/畜禽粪便产生量×100％

S103、基于能源承载力数据，建立能源承载力评估指标体系，对指标体系内的指标数据进行标准化处理。

需要说明的是，指标体系内的指标数据进行标准化处理后，原始数据转化为无量纲化指标测评值，各指标值处于同一数量级别，可进行综合测评分析，并且可以避免数值问题：比如太大的数会引发数值问题。如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。本实施中，可采用无量纲化对标体系内的指标数据进行处理即统一。

S200、利用遥感技术获取第一评估指标，将所述第一评估指标输入至所述能源承载力评估指标体系，并采用层次分析法对所述能源承载力评估指标体系进行综合指标确定。

可以理解的是，在S200步骤中包括S201、S202和S203，其中：

S201、利用遥感设备对接收到的遥感图像进行预处理，得到预处理结果，所述预处理包括对所述遥感图像的几何形状、位置误差、图像辐射强度信息误差进行几何校正和辐射校正；

需要说明的是，利用遥感设备技术突出景象的某些光谱和空间特征，使之易于与其他地物的区分和判别。采用遥感技术信息量丰富，实效性好，具有高度空间概括力，能够在一定程度上解决传统统计方法获取数据的困难的问题，有利于反映能源环境地表生态状况，进而对生态能源环境状况进行科学评估和分析。

S202、根据所述预处理结果得到遥感图像的点云数据，剔除所述点云数据中包括的重复数据，得到第一点云数据；

需要说明的是，遥感图像的点云数据因含有杂质需要进行预处理，可以包括降噪处理，具体地，可以进行修正处理，得到修正后的点云数据；修正后的点云数据不具有完整性，还可以进行补充异点修正，得到补充后丢失的点云数据，并将补充后的点云数据进行归一化处理，得到新的点云数据。在图像信息转化为点云数据的过程中，噪点容易被引入至点云数据中，噪点的引入增加了数据的冗余，通过对点云数据进行降噪处理，有效的减少了数据的冗余，提高了对数据的利用率。

S203、利用预先构建的卷积神经网络对所述第一点云数据进行特征提取得到特征信息，根据所述特征信息，计算得到第一评估指标，所述第一评估指标包括建设用地指数、空气质量指数、土壤侵蚀指数和能源承载力指数。

需要说明的是，将第一点云数据中的坐标进行体素化处理，得到每个坐标对应的体素化坐标，其中，对坐标的体素化处理为本领域人员熟知的技术，故不再赘述，将点云数据包括的每个点对应的体素化坐标输入至预先构建的卷积神经网络中，提取得到每个点的特征数据，计算点与该点相邻的每个点之间的特征向量差，并对各个特征向量差进行最大池化处理，得到该点所在的所有边的特征数据，即特征信息；根据特征信息进行计算，得到第一评估指标，第一评估指标包括建设用地指数、空气质量指数、土壤侵蚀指数和能源承载力指数，其中建设用地指数计算方法为：

其中，C为建设用地指数，A

空气质量指数计算方法为：

其中，A

土壤侵蚀指数计算方法为：

其中，S

能源承载力计算公式如下：

其中，E

能源承载力指数计算公式：

其中，E

在S200步骤中，采用层次分析法对所述能源承载力评估指标体系进行综合指标确定，其中包括：

本步骤中通过层次分析法对能源承载力评估指标体系进行综合指标确定，建立层次结构，并对准则层和指标层各个评估指标的相对重要性进行判断，构造判断矩阵，计算各个层次指标的权重、总权重并进行一致性检验，该方法具有简洁性、实用性和系统性优点，层次分析法适用于结构较复杂，决策多且不易量化的决策问题，能将决策者的经验判断和过程加以量化，提高决策有效性，可靠性和可行性。

S300、基于确定后的所述能源承载力评估指标体系，利用CPSGA算法和BP神经网络结合，预测能源承载力系统评估结果。

可以理解的是，在本步骤中，利用CPSGA算法中的全局搜索能力和局部搜索能力，基于捕食策略设计交叉算子和变异算子，使用自适应的交叉概率和变异概率平衡算法的全局搜索和局部搜索的能力，当发现较优值时，在附近进行搜索，若在局部搜索中没有确定最优解，则继续以较大的概率进行全局搜索，如此反复，直到搜索成功，但是BP神经网络学习能力较强，可结合两者的优势，解决非线性复杂系统方面能够在有限的进化次数内得到最优连续权值，从而改善BP网络的性能。

在本实施例中，以CPSGA-BP神经网络为评估方法的能源承载力评估研究中，神经网络输入层的输入数据为确定后的所述能源承载力评估指标体系中的指标数据，输出层的期望输出数据就是对应的能源环境状况。避免能源承载力系统模型陷入局部极小值并提高能源承载力系统模型泛化能力的目的，保证评估结果的正确性和稳定性。

S400、根据粒子群优化算法，对所述能源承载力系统评估结果进行求解，得到能源承载力评估的最优解。

可以理解的是，在S400步骤中包括S401、S402、S403和S404，其中：

S401、设粒子群的粒子数目为N，将各个粒子都设定为搜索空间中的一个点，设置各个粒子的信息，其中包括初始解、粒子数目、初始位置和初始速度；

需要说明的是，粒子群算法是先初始化一群随机的粒子，所有粒子均以初始速度进行飞行，依靠自己和群体的共享经验进行整体分析以便调整自身飞行速度，之后在解空间中进行全面搜寻，经过多次迭代寻求最优解。

S402、基于所述能源承载力系统评估结果，根据适应度函数计算各粒子在它所在位置上的适应度，寻求当前个体极值和全局极值；

S403、基于所述当前个体极值和所述全局极值，计算更新的粒子的速度和位置，其中，每一次迭代根据以下公式进行更新粒子的速度和位置：

v

式中，i＝1，2，…，N，N为粒子的总数；w惯性，v

S404、判断是否达到最大迭代次数，若否，则继续进行迭代计算，若是则输出能源承载力评估的最优解。

需要说明的是，粒子群优化算法根据适应度函数得到每个粒子在它位置上的适应度，根据适应度大小去评价解是否优良，不断的迭代，个体最佳解不断向全局最佳解靠拢，最终获得全局最佳解。

实施例2：

如图2所示，本实施例提供了一种能源承载力评估装置，参见图2所述装置包括建立模块701、确定模块702、设置模块703和评估模块704，其中：

建立模块701：用于基于能源环境压力因素、能源环境状态和社会响应，建立能源承载力评估指标体系；

确定模块702：用于利用遥感技术获取第一评估指标，将所述第一评估指标输入至所述能源承载力评估指标体系，并采用层次分析法对所述能源承载力评估指标体系进行综合指标确定；

设置模块703：用于基于确定后的所述能源承载力评估指标体系，利用CPSGA算法和BP神经网络结合，

预测能源承载力系统评估结果；

评估模块704：用于根据粒子群优化算法，对所述能源承载力系统评估结果进行求解，得到能源承载力评估的最优解。

具体地，所述建立模块701，包括确定单元7011、获取单元7012和处理单元7013，其中：

确定单元7011：用于确定能源承载力评估的边界范围和时间尺度；

获取单元7012：用于基于环境评价模型，获取能源承载力数据，其中所述能源承载力数据包括能源环境压力指标、能源环境状态指标和社会响应指标；

处理单元7013：用于基于能源承载力数据，建立能源承载力评估指标体系，对指标体系内的指标数据进行标准化处理。

具体地，所述确定模块702，包括预处理单元7021、剔除单元7022和提取单元7023，其中：

预处理单元7021：用于利用遥感设备对接收到的遥感图像进行预处理，得到预处理结果，所述预处理包括对所述遥感图像的几何形状、位置误差、图像辐射强度信息误差进行几何校正和辐射校正；

剔除单元7022：用于根据所述预处理结果得到遥感图像的点云数据，剔除所述点云数据中包括的重复数据，得到第一点云数据；

提取单元7023：用于利用预先构建的卷积神经网络对所述第一点云数据进行特征提取得到特征信息，根据所述特征信息，计算得到第一评估指标，所述第一评估指标包括建设用地指数、空气质量指数、土壤侵蚀指数和能源承载力指数。

具体地，所述评估模块704，其中包括设置单元7041、寻求单元7042、计算单元7043和判断单元7044，其中：

设置单元7041：用于设粒子群的粒子数目为N，将各个粒子都设定为搜索空间中的一个点，设置各个粒子的信息，其中包括初始解、粒子数目、初始位置和初始速度；

寻求单元7042：用于基于所述能源承载力系统评估结果，根据适应度函数计算各粒子在它所在位置上的适应度，寻求当前个体极值和全局极值；

计算单元7043：用于基于所述当前个体极值和所述全局极值，计算更新的粒子的速度和位置，其中，每一次迭代根据以下公式进行更新粒子的速度和位置：

v

式中，i＝1，2，…，N，N为粒子的总数；w惯性，v

判断单元7044：用于判断是否达到最大迭代次数，若否，则继续进行迭代计算，若是则输出能源承载力评估的最优解。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3：

对应于上面的方法实施例，本实施例中还提供了一种能源承载力评估设备，下文描述的一种能源承载力评估设备与上文描述的一种能源承载力评估方法可相互对应参照。

图3是根据示例性实施例示出的一种能源承载力评估设备800的框图。如图3所示，该能源承载力评估设备800包括：处理器801和存储器802。该能源承载力评估设备800还包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该能源承载力评估设备800的整体操作，以完成上述的能源承载力评估方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该能源承载力评估设备800的操作，这些数据例如可以包括用于在该能源承载力评估设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802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，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘、鼠标或按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该能源承载力评估设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi、蓝牙、近场通信(Near FieldCommunication，简称NFC)、2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块、蓝牙模块或NFC模块。

在一示例性实施例中，能源承载力评估设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的能源承载力评估方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的能源承载力评估方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由能源承载力评估设备800的处理器801执行以完成上述的能源承载力评估方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种能源承载力评估方法可相互对应参照。

可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的能源承载力评估方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。