申请/专利权人:国网四川省电力公司电力科学研究院
申请日:2023-06-29
公开(公告)日:2024-04-09
公开(公告)号:CN117851767A
主分类号:G06F18/20
分类号:G06F18/20;G06N3/006;G06N20/10;G06Q50/06;G06Q50/08;G06Q50/26
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于电力大数据和机器学习的建筑碳排放测算方法,涉及碳排放技术领域,包括建立包含建筑类型、建筑运行能耗碳排放BECCE、建筑用电量、建筑面积、建筑楼层的建筑样本数据集,将建筑样本数据集分为训练集、验证集和测试集;提取建筑用电量、建筑面积、建筑楼层3个指标作为影响因子,结合PSO‑SVM模型建立3类建筑的“电‑碳”模型;将训练集数据输入“电‑碳”模型进行训练,用验证集进行验证模型精度,利用测试集测试模型泛化能力;根据待测算建筑的建筑类型,将建筑用电量、建筑面积、建筑楼层输入训练后的“电‑碳”模型,输出待测算建筑碳排放量;综合来看,本发明能通过用电量快速对每栋建筑BECCE进行快速、精确测算。
主权项:1.一种基于电力大数据和机器学习的建筑碳排放测算方法,其特征在于,包括以下步骤:建立包含建筑类型、建筑运行能耗碳排放BECCE、建筑用电量、建筑面积、建筑楼层的建筑样本数据集;其中建筑类型包括3类:大型公共建筑、中小型公共建筑、政府机关以及住宅建筑;构建SVM模型,确定SVM模型中需要优化的对象,利用粒子群算法对SVM模型进行优化,构建PSO-SVM模型;提取建筑用电量、建筑面积、建筑楼层3个指标作为影响因子,结合PSO-SVM模型分别建立3类建筑类型的“电-碳”模型;将建筑样本数据集输入3类建筑类型的“电-碳”模型进行训练;将待测算建筑的建筑用电量、建筑面积、建筑楼层输入训练后的符合待测算建筑类型的“电-碳”模型,输出待测算建筑的建筑碳排放量。
全文数据:
权利要求:
百度查询: 国网四川省电力公司电力科学研究院 一种基于电力大数据和机器学习的建筑碳排放测算方法
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。