一种能源电力碳排放监测分析建模方法及装置与流程

1.本发明涉及电力碳排放技术领域，更具体地说，本发明涉及一种能源电力碳排放监测分析建模方法及装置。


背景技术：

2.碳排放是主要的温室气体之一，它会加速气候变化，导致全球气候的不稳定，包括更频繁的极端天气事件，如暴雨、洪水、干旱、森林火灾等，对人类生活、农业生产、水资源等造成严重影响。同时，空气污染也是一个严重的问题，控制碳排放可以减少空气污染和相关健康问题。因此，控制碳排放是保护地球和人类健康的必要手段之一。
3.为了达成碳排放的指标要求，需要对各区域的碳排放进行数据库建设，并依据库内数据对各区域的碳排放情况进行分析，由于各区域状况不同，现有的碳排放分析通常是单独地对某一区域进行针对性分析，其分析用时较长，且不能直接对整体进行碳排放趋势判断。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种能源电力碳排放监测分析建模方法及装置，先通过计算各区域的碳排放强度，将不符合标准的区域进行筛除预警，再将不同区域按照各自属性状态进行聚类分析，筛除不在标准范围内的区域并进行报警，最后结合所有区域的状态，对该整体区域进行预测评价，便于制定相关优化政策，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种能源电力碳排放监测分析建模方法，包括如下步骤：
7.步骤s1，将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准，并将不符合标准的碳排放监管小区域进行标记预警；
8.步骤s2，将符合标准的碳排放监管小区域根据区域规模信息、人口规模信息以及产业结构信息计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准；
9.步骤s3，分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，筛除不符合碳排放标准的碳排放监管小区域，并进行标记预警；
10.步骤s4，获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。
11.在一个优选的实施方式中，在步骤s2中，本发明采用logistic回归分析方法计算获取各个碳排放监管小区域的碳排放评价系数，具体过程如下：
12.确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为{x1、x2、...、xn}，n为涉及主要影响因素的个数，n为正整数，
logistic回归分析方法的指数表达式为：
[0013][0014]
式中，c为碳排放评价系数，q为常数项，所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，{x1、x2、...、xn}为主要影响因素个数，{g1、g2、...、gn}为各个主要影响因素的回归系数。
[0015]
在一个优选的实施方式中，在步骤s2中，计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析，并通过聚类分析将各个碳排放监管小区域分别聚集在聚类中心上，得到k个碳排放标准簇。
[0016]
在一个优选的实施方式中，在步骤s2中，采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析的具体步骤如下：
[0017]
步骤s21，利用轮廓系数法确定k-means算法聚类中心数量k；
[0018]
步骤s22，使用kmeans算法对各个碳排放监管小区域的碳排放评价系数进行聚类，得到k个碳排放标准簇。
[0019]
在一个优选的实施方式中，在步骤s2中，确定各个碳排放监管小区域所聚集的聚类中心后，根据聚类中心对应的碳排放标准确定各个碳排放监管小区域的碳排放标准。
[0020]
在一个优选的实施方式中，在步骤s3中，聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较：
[0021]
若碳排放监管小区域实际碳排放量大于对应的碳排放标准，将碳排放监管小区域标记为高碳排放监管小区域，并进行报警处理。
[0022]
在一个优选的实施方式中，在步骤s4中，计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，获取碳排放监管区域内人口流动值，并将其标定为pm，根据人口流动值pm与高碳排放监管小区域占总体碳排放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下；
[0023]
rc＝ln(αrr+βpm+1)
[0024]
式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α》β》0。
[0025]
在一个优选的实施方式中，在步骤s4中，将未来风险系数rc与标准风险阈值进行比较：
[0026]
若未来风险系数rc大于等于标准风险阈值，则将碳排放监管区域标记为高风险区域，并进行预警提示；
[0027]
若未来风险系数rc小于标准风险阈值，则将碳排放监管区域标记为低风险区域。
[0028]
一种能源电力碳排放监测分析建模装置，包括：数据采集分析模块，聚类评价模块,预警模块和碳排放趋势预测模块；
[0029]
所述数据采集分析模块，将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准；
[0030]
所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准；
[0031]
所述预警模块，用于分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，进行标记预警；
[0032]
所述碳排放趋势预测模块，获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。
[0033]
在一个优选的实施方式中，所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，具体过程如下：
[0034]
确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为{x1、x2、...、xn}，n为涉及主要影响因素的个数，n为正整数，logistic回归分析方法的指数表达式为：
[0035][0036]
式中，c为碳排放评价系数，q为常数项，所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，{x1、x2、...、xn}为主要影响因素个数，{g1、g2、...、gn}为各个主要影响因素的回归系数。
[0037]
在一个优选的实施方式中，所述聚类评价模块，计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析，并通过聚类分析将各个碳排放监管小区域分别聚集在聚类中心上，得到k个碳排放标准簇。
[0038]
在一个优选的实施方式中，所述聚类评价模块，采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析的具体步骤如下：
[0039]
利用轮廓系数法确定k-means算法聚类中心数量k；
[0040]
使用kmeans算法对各个碳排放监管小区域的碳排放评价系数进行聚类，得到k个碳排放标准簇。
[0041]
在一个优选的实施方式中，所述聚类评价模块，确定各个碳排放监管小区域所聚集的聚类中心后，根据聚类中心对应的碳排放标准确定各个碳排放监管小区域的碳排放标准。
[0042]
在一个优选的实施方式中，所述预警模块，根据聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较：
[0043]
若碳排放监管小区域实际碳排放量大于对应的碳排放标准，将碳排放监管小区域标记为高碳排放监管小区域，并进行报警处理。
[0044]
在一个优选的实施方式中，所述预警模块，计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，获取碳排放监管区域内人口流动值，并将其标定为pm，根据人口流动值pm与高碳排放监管小区域占总体碳排放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下；
[0045]
rc＝ln(αrr+βpm+1)
[0046]
式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α》β》0。
[0047]
在一个优选的实施方式中，所述预警模块，将未来风险系数rc与标准风险阈值进行比较：
[0048]
若未来风险系数rc大于等于标准风险阈值，则将碳排放监管区域标记为高风险区域，并进行预警提示；
[0049]
若未来风险系数rc小于标准风险阈值，则将碳排放监管区域标记为低风险区域。
[0050]
本发明一种能源电力碳排放监测分析建模方法及装置的技术效果和优点：
[0051]
本发明通过计算各区域的碳排放强度，将不符合标准的区域进行筛除预警，再将不同区域按照各自属性状态进行聚类分析，筛除不在标准范围内的区域并进行报警，最后结合所有区域的状态，对该整体区域进行预测评价，便于制定相关优化政策；
[0052]
本发明通过综合计算各个碳排放监管小区域的碳排放评价系数，并根据碳排放评价系数将其聚类统一和对应的碳排放标准进行对比分析，能够更加精准地分析各个碳排放监管小区域的碳排放状态，并进行标记报警，避免了现有碳排放监测手段中需要逐一地对监管区域进行单独分析的弊端，更加迅速便捷的同时，也能了解各个碳排放监管小区域的相似度，便于后续调整碳排放监管区域内的整体结构；
[0053]
本发明结合高碳排放监管小区域与未来的人口流动情况，从而能够综合分析未来一段时间碳排放监管区域的碳排放达标风险，从而能够根据实际的碳排放状况，对未来进行较为全面的预测，当具有较大风险时，能够帮助相关人员提前进行整体优化调整。
附图说明
[0054]
图1为本发明一种能源电力碳排放监测分析建模方法流程图；
[0055]
图2为本发明一种能源电力碳排放监测分析建模装置示意图。
具体实施方式
[0056]
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、完整的描述，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。
[0057]
本发明一种能源电力碳排放监测分析建模方法，先通过计算各区域的碳排放强度，将不符合标准的区域进行筛除预警，再将不同区域按照各自属性状态进行聚类分析，筛除不在标准范围内的区域并进行报警，最后结合所有区域的状态，对该整体区域进行预测评价，便于制定相关优化政策，例如优化能源结构、加强环保措施等等。
[0058]
需要说明的是，本发明说明书中所涉及的碳排放监管区域或碳排放监管小区域可代表多种含义，例如，碳排放监管区域可以为各类城市，而碳排放监管小区域则为各城市下的辖区，又例如，碳排放监管区域可以为各城市辖区，则此时碳排放监管小区域为辖区下的各工业园区等等，在此不做限定，可以根据实际需要选择合适的场景代入。
[0059]
实施例1
[0060]
图1给出了本发明一种能源电力碳排放监测分析建模方法流程图，包括如下步骤：
[0061]
步骤s1，将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准，并将不符合标准的碳排放监管小区域进行标记预警。
[0062]
步骤s2，将符合标准的碳排放监管小区域根据区域规模信息、人口规模信息以及产业结构信息计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准。
[0063]
步骤s3，分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，筛除不符合碳排放标准的碳排放监管小区域，并进行标记预警。
[0064]
步骤s4，获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。
[0065]
具体地，由于实际碳排放监管区域较大，其内部各区域产业结构，能源结构也不相似，将其分为若干个小区域进行针对分析更有利于对碳排放监管区域进行精准把握。因此，在步骤s1中，先将碳排放监管区域划分为若干个碳排放监管小区域。
[0066]
碳排放强度是指单位gdp(国内生产总值)所排放的二氧化碳(co2)量，通常用吨二氧化碳当量/万元gdp来衡量。它反映了经济发展和碳排放之间的关系，即单位gdp所消耗的能源和排放的碳排放量的大小。碳排放强度的下降意味着经济发展能够以更少的碳排放量为代价实现，同时也意味着该地区或国家的经济发展更加可持续。因此，碳排放强度具有一定指标意义，计算各个碳排放监管小区域碳排放强度，并将其与临界碳排放强度进行比较，若碳排放监管小区域碳排放强度大于临界碳排放强度，则说明该碳排放监管小区域单位gdp所排放的二氧化碳量超标，不符合低碳要求，此时将该碳排放监管小区域标记为高碳排放监管小区域，并对其进行报警处理，提示相关工作人员对其后续进行优化调整。
[0067]
需要说明的是，碳排放强度是根据碳排放监管小区域各行业对gdp的贡献度和相应的碳排放量进行加权平均计算，具体可根据如下步骤进行计算：
[0068]
步骤11，计算碳排放监管小区域各行业产值占gdp的比例，例如，假设某城市的第一产业产值为1000万元，第二产业产值为5000万元，第三产业产值为9000万元，gdp总产值为15000万元，则第一产业的产值占比为6.67％(1000/15000)，第二产业的产值占比为33.33％(5000/15000)，第三产业的产值占比为60％(9000/15000)；
[0069]
步骤s12，计算各行业的碳排放量。例如，假设该区域的第一产业碳排放量为100吨，第二产业碳排放量为500吨，第三产业碳排放量为1000吨，则第一产业的碳排放量为6.67吨(1006.67％)，第二产业的碳排放量为166.67吨(50033.33％)，第三产业的碳排放量为600吨(1000*60％)；
[0070]
步骤s13，计算加权平均碳排放强度。根据步骤s11与步骤s12的数据，利用加权平均公式，加权平均碳排放强度为：(第一产业的碳排放量第一产业的产值占比+第二产业的碳排放量第二产业的产值占比+第三产业的碳排放量第三产业的产值占比)/gdp总产值。代入数值得到：(6.670.0667+166.670.3333+6000.6)/15000＝0.0549吨/万元。
[0071]
在步骤s2中，由于符合碳排放强度标准的各个碳排放监管小区域其区域规模信息、人口规模信息以及产业结构信息可能均有差异，导致对其的碳排放标准会有所不同，因此，在步骤s2中，需要将符合碳排放强度标准的各个碳排放监管小区域按照其各自属性状态进行聚类划分，以便更精准地筛查各个碳排放监管小区域是否符合碳排放要求。
[0072]
具体的，区域规模信息包括各个碳排放监管小区域的占地规模值，占地规模值是指各个碳排放监管小区域的区域面积，占地规模值越大，相应的碳排放指标便要增加。人口规模信息包括各个碳排放监管小区域的人口密度值，人口密度值越大，产生的二氧化碳排放越大，因此，相应的碳排放指标便要增加。产业结构信息包括能源利用信息、产业类型信息等等，不同的产业结构信息其相应的碳排放指标也有所不同。
[0073]
在一个可选的例子中，为了便于分析，本发明采用logistic回归分析方法计算获取各个碳排放监管小区域的碳排放评价系数，并根据碳排放评价系数对其进行聚类分析。
[0074]
具体的，确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为{x1、x2、...、xn}，n为涉及主要影响因素的个数，n为正整数，logistic回归分析方法的指数表达式为：
[0075][0076]
式中，c为碳排放评价系数，q为常数项，即所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，{x1、x2、...、xn}为变量(主要影响因素个数)，{g1、g2、...、gn}为各个变量的回归系数。
[0077]
本发明碳排放评价系数的计算值范围为(0,1)，碳排放评价系数越大，则说明碳排放监管小区域对碳排放的增量影响越大，此时其对该碳排放监管小区域的碳排放标准理应有所增加。
[0078]
其中，对碳排放产生的主要影响因素包括但不限于：是否为大型区域、是否为中型区域、是否为小型区域、是否为人口密集区域、清洁能源是否为主要能源、第二产业是否为主要产业这几项。
[0079]
需要说明的是，是否为大型区域、是否为中型区域、是否为小型区域其判断依据根据碳排放监管小区域所设定的场景不同而不同，例如若碳排放监管区域为辖区，而碳排放监管小区域为各个社区，那区域的大小判定则根据社区规模判断标准进行，而若碳排放监管小区域为各个企业，则根据企业的规模标准划分，在此不具体设定。同理，人口密集的设定也与碳排放监管小区域设定场景不同而发生改变。
[0080]
本领域技术人员易知，清洁能源是否为主要能源的使用是影响碳排放的重要因素，因此需要单独考虑，同理，第二产业为工业，通常情况下，工业是对碳排放贡献最大的产业。这是因为工业生产需要消耗大量的能源，包括化石燃料等，从而导致了大量的碳排放，因此，工业这一影响因素也需要单独考虑。
[0081]
本实施例中，回归系数的取值依据主要影响因素对碳排放的影响来设置，当主要影响因素出现导致碳排放标准提高时，回归系数g》0；当主要影响因素出现导致碳排放标准降低时，回归系数g《0。
[0082]
显而易见的区域规模越大、人口越密集、第二产业为主要产业的情况下碳排放量标准相应越大，清洁能源为主要能源时，碳排放量标准相应越小。
[0083]
本发明计算碳排放评价系数c的逻辑因素组成如下：一是指标，即导致碳排放标准改变的因素(本发明指区域规模信息、人口规模信息以及产业结构信息对碳排放标准的影响)；二是这些指标的权重，即每一种主要影响因素所占的比重；三是运算方程式，即通过什么样的数学运算过程得出结果，将具有各自权重的指标通过运算方程式的运算所得出的碳
排放评价系数c。
[0084]
对样本中获取的特殊环境进行数据转化和处理，转化成电脑软件可以识别的数据语言；其次，将这些评估因素运用spss软件进行logistic回归分析，筛选出与结果具有重要相关性的因素及其权重；再次，将评估因素和权重带入logistic回归方程进行运算，从而得出结果。
[0085]
q为常数项，且q为所有细微影响因素系数具体含义为：本技术中所采集的主要影响因素为代表性的影响因素，这些主要影响因素对碳排放标准的影响大，但是，本技术在实际的使用过程中，还存在其它不具有代表性的细微影响因素(如城市化程度等等)也会对碳排放标准造成影响，该影响较小，因此，通过设定常数项q对logistic回归分析方法进行修正，当具有代表性的主要影响因素不存在时，通过常数项q确定碳排放评价系数c。
[0086]
需要说明的是，本发明logistic回归分析方法采用的样本可根据实际碳排放监管区域的设定来调整选择。且计算出的碳排放评价系数不同，对应的碳排放标准也不同，其标准的设置根据实际样本的选择不同而不同。
[0087]
例如，碳排放监管小区域设定为工厂，可根据中国国家标准《工业企业单位产品能源消耗限额》，确定各类工厂的碳排放标准。
[0088]
在一个可选的例子中，设定五种等级的工厂碳排放标准，则结合碳排放评价系数，各个碳排放监管小区域的碳排放标准如下表所示：
[0089]
碳排放评价系数碳排放标准≥0.79995级0.5999～0.79984级0.3999～0.59983级0.1999～0.39982级0.0001～0.19981级
[0090]
表中，碳排放标准1级至5级分别对应设定的五种工厂碳排放等级，且5级碳排放标准最高。
[0091]
需要说明的是，由于碳排放的标准跟随政策变化较大，因此，本发明仅作举例说明，具体碳排放标准根据实际情况设定，在此不过多赘述。
[0092]
在步骤s2中，计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法各个碳排放监管小区域的碳排放标准进行聚类分析。具体步骤如下：
[0093]
步骤s21，利用轮廓系数法确定k-means算法聚类中心数量k；
[0094]
步骤s22，使用kmeans算法对数据进行聚类，得到k个碳排放标准簇。
[0095]
需要说明的是，步骤s21的具体过程如下：
[0096]
步骤s211，给定k值，使用kmeans算法对数据进行聚类，并计算每个碳排放监管小区域的碳排放评价系数的轮廓系数，具体计算表达式如下：
[0097]
s(i)＝[b(i)-a(i)]/max{a(i),b(i)}
[0098]
式中，s(i)为轮廓系数，a(i)为每个碳排放监管小区域的碳排放评价系数与同一簇中所有其他点的平均距离，b(i)为每个碳排放监管小区域的碳排放评价系数与其他所有簇中所有点的平均距离的最小值。
[0099]
步骤s212，对于每个簇，计算该簇所有碳排放评价系数的平均轮廓系数，得到该簇的平均轮廓系数；
[0100]
步骤s213，计算所有簇的平均轮廓系数的平均值，得到当前k值下的平均轮廓系数；
[0101]
步骤s214，重复步骤计算不同k值下的平均轮廓系数；
[0102]
步骤s215，选择平均轮廓系数最大的k值作为最终的k值。
[0103]
从而通过聚类，将各个碳排放监管小区域聚集在某一聚类中心上。
[0104]
在步骤s3中，聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较，确定各个碳排放监管小区域碳排放是否超标。
[0105]
若实际碳排放量大于对应的碳排放标准，则说明该碳排放监管小区域的碳排放超标，将其标记为高碳排放监管小区域，并进行报警处理，提示相关工作人员对其后续进行优化调整。
[0106]
本发明通过综合计算各个碳排放监管小区域的碳排放评价系数，并根据碳排放评价系数将其聚类统一和对应的碳排放标准进行对比分析，能够更加精准地分析各个碳排放监管小区域的碳排放状态，并进行标记报警，避免了现有碳排放监测手段中需要逐一地对监管区域进行单独分析的弊端，更加迅速便捷的同时，也能了解各个碳排放监管小区域的相似度，便于后续调整碳排放监管区域内的整体结构。
[0107]
在步骤s4中，碳排放监管区域内预警信息是指被标记为高碳排放监管小区域的信息，计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，显而易见的，高碳排放监管小区域占总体碳排放监管小区域的比值越大，则说明碳排放监管区域内未来的碳排放风险越大，同时，还需要获取碳排放监管区域内人口流动信息，即人口流动值，并将其标定为pm，人口流动值越大，碳排放的需求越大，碳排放的风险也越大，反之，若人口流动值为负，即人口流出，则碳排放的风险相应减小；因此，在步骤s4中，根据人口流动值pm与高碳排放监管小区域占总体碳排放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下：
[0108]
rc＝ln)αrr+βpm+1)
[0109]
式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α》β》0。
[0110]
将未来风险系数rc与标准风险阈值进行比较，确定碳排放监管区域内未来的风险状况如何：
[0111]
若未来风险系数rc大于等于标准风险阈值，则说明未来一段时间碳排放监管区域的碳排放不达标风险较大，此时将碳排放监管区域标记为高风险区域，并进行预警提示，提示相关人员进行整体优化调整；
[0112]
若未来风险系数rc小于标准风险阈值，则说明未来一段时间碳排放监管区域的碳排放不达标风险较小，此时将碳排放监管区域标记为低风险区域。
[0113]
本发明结合高碳排放监管小区域与未来的人口流动情况，从而能够综合分析未来一段时间碳排放监管区域的碳排放达标风险，从而能够根据实际的碳排放状况，对未来进行较为全面的预测，当具有较大风险时，能够帮助相关人员提前进行整体优化调整。
[0114]
实施例2
[0115]
上述实施例1详细介绍了本发明一种能源电力碳排放监测分析建模方法，本实施例为了实现上述实施例1中涉及的方法，介绍一种能源电力碳排放监测分析建模装置，如图2所示，其包括：数据采集分析模块，聚类评价模块,预警模块和碳排放趋势预测模块；
[0116]
所述数据采集分析模块，将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准；
[0117]
所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准；
[0118]
所述预警模块，用于分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，进行标记预警；
[0119]
所述碳排放趋势预测模块，获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。
[0120]
在一个优选的实施方式中，所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，具体过程如下：
[0121]
确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为{x1、x2、...、xn}，n为涉及主要影响因素的个数，n为正整数，logistic回归分析方法的指数表达式为：
[0122][0123]
式中，c为碳排放评价系数，q为常数项，所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，{x1、x2、...、xn}为主要影响因素个数，{g1、g2、...、gn}为各个主要影响因素的回归系数。
[0124]
在一个优选的实施方式中，所述聚类评价模块，计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析，并通过聚类分析将各个碳排放监管小区域分别聚集在聚类中心上，得到k个碳排放标准簇。
[0125]
在一个优选的实施方式中，所述聚类评价模块，采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析的具体步骤如下：
[0126]
利用轮廓系数法确定k-means算法聚类中心数量k；
[0127]
使用kmeans算法对各个碳排放监管小区域的碳排放评价系数进行聚类，得到k个碳排放标准簇。
[0128]
在一个优选的实施方式中，所述聚类评价模块，确定各个碳排放监管小区域所聚集的聚类中心后，根据聚类中心对应的碳排放标准确定各个碳排放监管小区域的碳排放标准。
[0129]
在一个优选的实施方式中，所述预警模块，根据聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较：
[0130]
若碳排放监管小区域实际碳排放量大于对应的碳排放标准，将碳排放监管小区域标记为高碳排放监管小区域，并进行报警处理。
[0131]
在一个优选的实施方式中，所述预警模块，计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，获取碳排放监管区域内人口流动值，并将其标定为pm，根据人口流动值pm与高碳排放监管小区域占总体碳排放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下；
[0132]
rc＝ln(αrr+βpm+1)
[0133]
式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α》β》0。
[0134]
在一个优选的实施方式中，所述预警模块，将未来风险系数rc与标准风险阈值进行比较：
[0135]
若未来风险系数rc大于等于标准风险阈值，则将碳排放监管区域标记为高风险区域，并进行预警提示；
[0136]
若未来风险系数rc小于标准风险阈值，则将碳排放监管区域标记为低风险区域。
[0137]
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
[0138]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述装置实施例，可以参考前述描述的方法实施例的具体工作过程，在此不再赘述。
[0139]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)，或者半导体介质。半导体介质可以是固态硬盘。
[0140]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。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技术的范围。
[0141]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦
合或通信连接，可以是电性，机械或其他的形式。
[0142]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
[0143]
以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
[0144]
最后：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，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种能源电力碳排放监测分析建模方法，其特征在于，包括如下步骤；将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准；将符合标准的碳排放监管小区域计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准；分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，进行标记预警；获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。2.根据权利要求1所述的一种能源电力碳排放监测分析建模方法，其特征在于：将符合标准的碳排放监管小区域计算碳排放评价系数，具体过程如下：确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为x1、x2、...、x
n
，n为涉及主要影响因素的个数，n为正整数，logistic回归分析方法的指数表达式为：式中，c为碳排放评价系数，q为常数项，所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，x1、x2、...、x
n
为主要影响因素个数，g1、g2、...、g
n
为各个主要影响因素的回归系数。3.根据权利要求2所述的一种能源电力碳排放监测分析建模方法，其特征在于：计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析，并通过聚类分析将各个碳排放监管小区域分别聚集在聚类中心上，得到k个碳排放标准簇。4.根据权利要求3所述的一种能源电力碳排放监测分析建模方法，其特征在于：采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析的具体步骤如下：利用轮廓系数法确定k-means算法聚类中心数量k；使用kmeans算法对各个碳排放监管小区域的碳排放评价系数进行聚类，得到k个碳排放标准簇。5.根据权利要求3所述的一种能源电力碳排放监测分析建模方法，其特征在于：确定各个碳排放监管小区域所聚集的聚类中心后，根据聚类中心对应的碳排放标准确定各个碳排放监管小区域的碳排放标准。6.根据权利要求5所述的一种能源电力碳排放监测分析建模方法，其特征在于：聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较：若碳排放监管小区域实际碳排放量大于对应的碳排放标准，将碳排放监管小区域标记为高碳排放监管小区域，并进行报警处理。7.根据权利要求6所述的一种能源电力碳排放监测分析建模方法，其特征在于：计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，获取碳排放监管区域内人口流动值，并将其标定为pm，根据人口流动值pm与高碳排放监管小区域占总体碳排
放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下；rc＝lnαrr+βpm+1式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α>β>0。8.根据权利要求7所述的一种能源电力碳排放监测分析建模方法，其特征在于：将未来风险系数rc与标准风险阈值进行比较：若未来风险系数rc大于等于标准风险阈值，则将碳排放监管区域标记为高风险区域，并进行预警提示；若未来风险系数rc小于标准风险阈值，则将碳排放监管区域标记为低风险区域。9.一种能源电力碳排放监测分析建模装置，其特征在于，包括：数据采集分析模块，聚类评价模块,预警模块和碳排放趋势预测模块；所述数据采集分析模块，将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准；所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，并根据碳排放评价系数对各个碳排放监管小区域进行聚类，确定各个碳排放监管小区域的碳排放标准；所述预警模块，用于分别对聚类后各类别的碳排放监管小区域实际碳排放进行分析处理，进行标记预警；所述碳排放趋势预测模块，获取碳排放监管区域内预警信息，结合碳排放监管区域的人口流动信息，确定未来碳排放趋势，完成碳排放数据库建模分析。10.根据权利要求9所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述聚类评价模块，将符合标准的碳排放监管小区域计算碳排放评价系数，具体过程如下：确定碳排放评价系数前，先将所有对碳排放产生的主要影响因素设置为x集合，各个主要影响因素分别表示为x1、x2、...、x
n
，n为涉及主要影响因素的个数，n为正整数，logistic回归分析方法的指数表达式为：式中，c为碳排放评价系数，q为常数项，所有具有代表性的主要影响因素不存在时所需调节的幅度，即且q为所有细微影响因素系数，x1、x2、...、x
n
为主要影响因素个数，g1、g2、...、g
n
为各个主要影响因素的回归系数。11.根据权利要求10所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述聚类评价模块，计算获取各个碳排放监管小区域的碳排放评价系数后，根据碳排放评价系数采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析，并通过聚类分析将各个碳排放监管小区域分别聚集在聚类中心上，得到k个碳排放标准簇。12.根据权利要求11所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述聚类评价模块，采用k-means聚类算法对各个碳排放监管小区域的碳排放评价系数进行聚类分析的具体步骤如下：利用轮廓系数法确定k-means算法聚类中心数量k；
使用kmeans算法对各个碳排放监管小区域的碳排放评价系数进行聚类，得到k个碳排放标准簇。13.根据权利要求11所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述聚类评价模块，确定各个碳排放监管小区域所聚集的聚类中心后，根据聚类中心对应的碳排放标准确定各个碳排放监管小区域的碳排放标准。14.根据权利要求13所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述预警模块，根据聚类获取到k个碳排放标准簇后，分别将k个碳排放标准簇内的各个碳排放监管小区域的实际碳排放量与聚类中心对应的碳排放标准进行比较：若碳排放监管小区域实际碳排放量大于对应的碳排放标准，将碳排放监管小区域标记为高碳排放监管小区域，并进行报警处理。15.根据权利要求14所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述预警模块，计算高碳排放监管小区域占总体碳排放监管小区域的比值，并将其标定为rr，获取碳排放监管区域内人口流动值，并将其标定为pm，根据人口流动值pm与高碳排放监管小区域占总体碳排放监管小区域的比值rr通过公式计算获取未来风险系数rc，具体计算表达式如下；rc＝lnαrr+βpm+1式中，α与β分别为高碳排放监管小区域占总体碳排放监管小区域的比值rr与人口流动值pm的预设比例系数，且α>β>0。16.根据权利要求15所述的一种能源电力碳排放监测分析建模方法，其特征在于：所述预警模块，将未来风险系数rc与标准风险阈值进行比较：若未来风险系数rc大于等于标准风险阈值，则将碳排放监管区域标记为高风险区域，并进行预警提示；若未来风险系数rc小于标准风险阈值，则将碳排放监管区域标记为低风险区域。

技术总结
本发明公开了一种能源电力碳排放监测分析建模方法及装置，具体涉及电力碳排放领域，用于解决现有的碳排放分析通常是单独地对某一区域进行针对性分析，其分析用时较长，且不能直接对整体进行碳排放趋势判断的问题，包括将碳排放监管区域划分为若干个碳排放监管小区域，并对各个碳排放监管小区域的碳排放强度进行计算，且判断各个碳排放监管小区域的碳排放强度是否符合标准，并将不符合标准的碳排放监管小区域进行标记预警；本发明通过计算各区域的碳排放强度，将不符合标准的区域进行筛除预警，再将不同区域进行聚类分析，筛除不在标准范围内的区域并进行报警，最后结合所有区域的状态，对该整体区域进行预测评价，便于制定相关优化政策。相关优化政策。相关优化政策。


技术研发人员：陈建 何东 张澄心 王玲 许小可 李强 周春雷 宋继勐 林建华 陈岸青 李金湖 沈子奇 宣东海 康毅滨 吴桂栋 吴海涵 王斌 余仰淇
受保护的技术使用者：国网信息通信产业集团有限公司 国网信通亿力科技有限责任公司 国家电网有限公司大数据中心
技术研发日：2023.06.19
技术公布日：2023/9/14