申请/专利权人：广东省特种设备检测研究院顺德检测院

申请日：2024-02-28

公开（公告）日：2024-03-29

公开（公告）号：CN117788021A

主分类号：G06Q30/018

分类号：G06Q30/018;G06F17/12;G06Q10/04;G06Q10/063;G06Q10/067

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明属于低碳节能环保技术领域，公开了一种控排企业入炉煤碳排放数据质量快速甄别方法及系统，利用煤质分析参数指标值已知的一组燃煤样品进行定标，分别建立燃煤元素碳含量和低位发热量的初步多元线性回归方程，形成元素碳含量和低位发热量各自的初步多元线性回归模型，并对回归模型预测精度进行回归方程和回归系数的显著性检验，采用逐步向后回归法，保留对燃煤元素碳含量和低位发热量具有显著贡献的煤质分析参数，最终建立低位发热量和元素碳含量的最优预测回归模型；本发明通过将入炉煤燃煤元素碳含量及低位发热量快速甄别方法应用到碳排放核查数据快速甄别中，从而辅助第三方核查机构甄别碳数据。

主权项：1.一种控排企业入炉煤碳排放数据质量快速甄别方法，其特征在于，包括如下步骤：步骤S1.利用煤质分析参数指标值已知的一组燃煤样品进行定标，分别建立燃煤元素碳含量和低位发热量的初步多元线性回归方程，形成元素碳含量和低位发热量各自的初步多元线性回归模型，所述初步多元线性回归方程为： （1）上述公式（1）中，为因变量，表示预测值；x1，x2，…，xm为自变量，表示各煤质分析参数；a0，a1，…，am为回归系数，ε为随机误差；所述回归系数的计算公式为： （2）公式（2）中，A为回归系数矩阵，为定标集的自变量矩阵，包含常数项1的列向量和定标集样品的煤质分析参数的数据，为矩阵的转置矩阵，表示转置矩阵与矩阵的乘积的逆矩阵，Y为定标集的因变量矩阵，表示定标集的因变量参考值；其中， （3） （4） （5） 为定标集中第1个样品的第1个煤质分析参数数值，为定标集中第1个样品的第2个煤质分析参数数值，为定标集中第1个样品的第m个煤质分析参数数值；为定标集中第n个样品的第1个煤质分析参数数值，为定标集中第n个样品的第m个煤质分析参数数值,矩阵X中的第一列为常数项1，为定标集中第1个样品的因变量数值，为定标集中第n个样品的因变量数值；通过定标集的自变量矩阵和定标集因变量矩阵Y，采用公式（2）可以获得多元线性回归模型中各个自变量的回归系数矩阵A；步骤S2.对根据步骤S1中的公式（1）建立的各煤质分析参数指标值的燃煤元素碳含量和低位发热量各自的初步多元线性回归方程的预测精度分别进行回归方程和回归系数的显著性检验；步骤S3.采用逐步向后回归法，根据煤质分析参数的回归系数的显著性水平Sig.t值大小，逐步在所述初步多元线性回归模型中剔除煤质分析参数的Sig.t值大于设定值α所对应的不显著自变量；步骤S4.所述步骤S3中每次剔除一个不显著自变量后，对重新建立的回归方程和回归系数进行步骤S2的显著性检验，依次下去，直至回归方程中所剩余的自变量的回归系数的显著性水平Sig.t均小于等于设定值α，没有可剔除的自变量为止，此时保留下来的自变量为对燃煤元素碳含量和低位发热量具有显著贡献的煤质分析参数，最终分别建立的回归方程为低位发热量和元素碳含量各自的最优预测回归模型；步骤S5.根据低位发热量和元素碳含量各自的最优预测回归模型获取的预测值，分别进一步分析燃煤样品的预测值和样本参考值的误差绝对值，根据误差绝对值分别确定低位发热量、元素碳含量的误差阈值，以所述误差阈值作为预设阈值，来判定核查过程碳排放数据的合理性。

全文数据：

权利要求：

百度查询： 广东省特种设备检测研究院顺德检测院 一种控排企业入炉煤碳排放数据质量快速甄别方法及系统

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