申请/专利权人：中国电力科学研究院有限公司

申请日：2022-04-06

公开（公告）日：2024-03-19

公开（公告）号：CN114778767B

主分类号：G01N33/00

分类号：G01N33/00;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明属于电力自动化技术领域，公开一种碳排放园区直接碳排放连续测量方法、装置、设备及介质，所述方法，包括：采集园区周边地面CO2分布图；采集园区CO2直接排放关联参数；将所述步骤园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络，获得园区直接碳排放的实时测量结果。本发明通过采集高碳排放工业园区周边地面CO2实时浓度数据，厂区主要生产指标，厂区温度、风力，以及厂区上空二氧化碳浓度卫星监测数据，通过改进的融合了卷积网络以及全连接网络的BP神经网络，实现对高碳排放园区直接碳排放的连续实时监测。

主权项：1.碳排放园区直接碳排放连续测量方法，其特征在于，包括：采集园区周边地面CO2分布图；采集园区CO2直接排放关联参数；将所述园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络，获得园区直接碳排放的实时测量结果；所述采集园区CO2直接排放关联参数的步骤具体包括：从园区数字化系统或者通过就地测量装置获取关联参数；所述关联参数包括：园区生产发电总功率、园区总能耗、地表温度、大气温度、大气湿度和风力信息；所述将所述园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络的步骤中，所述BP神经网络包括：第一卷积神经网络Conv1、第二卷积神经网络Conv2、第一全连接网络FC1、第二全连接网络FC2、第三全连接网络FC3和第四全连接网络FC4；第一卷积神经网络Conv1的输出连接第二卷积神经网络Conv2的输入；第一全连接网络FC1的输出连接第二全连接网络FC2的输入；第二卷积神经网络Conv2的输出和第二全连接网络FC2的输出连接第三全连接网络FC3的输入，第三全连接网络FC3的输出连接第四全连接网络FC4；所述将所述园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络的步骤中，所述训练好的融合了卷积网络以及全连接网络的BP神经网络的训练方法包括：获取园区周边地面CO2浓度分布图；获取园区CO2直接排放关联参数；将所述园区周边地面CO2浓度分布图输入第一卷积神经网络Conv1，第一卷积神经网络Conv1和连接第二卷积神经网络Conv2提取园区周边地面CO2浓度分布特征；将园区CO2直接排放关联参数输入第一全连接网络FC1，第一全连接网络FC1和第二全连接网络FC2提取二氧化碳浓度的关联参数特征；第三全连接网络FC3将所述园区周边地面CO2浓度分布特征和二氧化碳浓度的关联参数特征进行合并；合并后数据分为两路，一路数据与碳卫星检测的园区二氧化碳浓度数据进行对比，通过误差函数loss1反向传播的方式，对第一卷积神经网络Conv1、第二卷积神经网络Conv2、第一全连接网络FC1、第二全连接网络FC2和第三全连接网络FC3的网络参数进行调整；另一路数据进入第四全连接网络FC4，第四全连接网络FC4输出结果与CEMS所检测到的园区CO2总浓度C0进行对比，通过第二误差函数loss2反向传播的方式，对第一卷积神经网络Conv1、第二卷积神经网络Conv2、第一全连接网络FC1、第二全连接网络FC2、第三全连接网络FC3和第四全连接网络FC4的网络参数进行优化；直至到达训练最大训练次数或者满足收敛条件，获得训练好的融合了卷积网络以及全连接网络的BP神经网络。

全文数据：

权利要求：

百度查询： 中国电力科学研究院有限公司 碳排放园区直接碳排放连续测量方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD