申请/专利权人:国网湖南省电力有限公司;国网湖南省电力有限公司经济技术研究院;国家电网有限公司
申请日:2024-01-18
公开(公告)日:2024-04-19
公开(公告)号:CN117910826A
主分类号:G06Q10/0637
分类号:G06Q10/0637;G06Q50/06;G06F18/214;G06F18/15;G06F18/27;G06F18/2411;G06F18/2413
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于加权组合优化的碳排放预测方法,包括获取目标电力系统的数据信息并预处理得到训练数据集;基于BP神经网络、随机森林回归模型和Elman神经网络构建基于加权组合的碳排放预测初始模型,并采用训练数据集训练和验证得到碳排放预测模型;采用碳排放预测模型对目标电力系统进行实际的碳排放预测。本发明还公开了一种实现所述基于加权组合优化的碳排放预测方法的系统。本发明通过同时选用BP神经网络、随机森林回归和Elman神经网络进行碳排放的预测,并基于加权组合优化的方案得到最终的碳排放数据,因此本发明不仅能够实现碳排放的预测,而且可靠性更高,精确性更好,更加易于实施。
主权项:1.一种基于加权组合优化的碳排放预测方法,包括如下步骤:S1.获取目标电力系统的数据信息;S2.对步骤S1获取的数据信息进行预处理,得到训练数据集;S3.基于BP神经网络、随机森林回归模型和Elman神经网络,构建基于加权组合的碳排放预测初始模型;S4.采用步骤S2得到的训练数据集,对步骤S3构建的碳排放预测初始模型进行训练和验证,从而得到碳排放预测模型;S5.采用步骤S4得到的碳排放预测模型,对目标电力系统进行实际的碳排放预测。
全文数据:
权利要求:
百度查询: 国网湖南省电力有限公司;国网湖南省电力有限公司经济技术研究院;国家电网有限公司 基于加权组合优化的碳排放预测方法及系统
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。