(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111516267.2 (22)申请日 2021.12.08 (71)申请人 甘肃同兴智能科技发展 有限责任公 司 地址 730000 甘肃省兰州市七里河区西津 东路628号 (72)发明人 何清素　靳丹　王婷　张自强　 韩庆之　何少军　尉颖　张兆师　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 代理人 王东旭 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06F 17/18(2006.01)G06N 20/20(2019.01) (54)发明名称 一种基于电力数据的能源行业碳排放预测 方法 (57)摘要 本发明属于污染排放技术领域， 提出了一种 基于电力数据的能源行业碳排放预测方法。 通过 分析确定能源行业影响碳排放因素Co2 _X与主要 用于行业生产的电力因素Ele_X； 随后利用皮尔 逊相关系数法找到Co2_X和Ele_X中元素的相关 性； 然后对相关 因素性进行随机森 林回归树算法 进行训练； 最后模型训练采用多项式回归进行联 合训练。 一种基于电力数据的能源 行业碳排放预 测方法， 通过建立能源消费数据与电力数据的关 系， 用电力数据预测能源行业的碳排放， 解决重 点用能企业 碳排放管理不到位的问题。 权利要求书2页 说明书5页 附图1页 CN 114298381 A 2022.04.08 CN 114298381 A 1.一种基于电力数据的能源行业 碳排放预测方法,其特 征在于： 包括以下步骤： S1.分析确定能源行业影响碳 排放因素Co2_X与主 要用于行业 生产的电力因素Ele_X； S2.利用皮尔逊相关系数法找到 Co2_X和Ele_X中元 素的相关性； S3.对步骤S2所 得到的相关因素性进行随机森林回归树 算法进行训练； S4.对步骤S3所 得到的模型训采用多 项式回归进行 联合训练。 2.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述步骤S1中： 其中， 为一个样本其构成是能源行业 中影响碳排放因素向量， k表示特征维度数， m 为样本数量； Co2_Y为对应Co2_X的二氧化 碳排放值； 所述步骤S1中： 其中， 为一个样本其构成是能源行业中主要用于行业生产的用电因素向量， q表示 特征维度数， m为样本数量， Ele_Y为Ele_X对应的电量 值。 3.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述步骤S2中， 所述相关性的计算公式为： 式中， i≤m， j≤n,<>表示内积运 算， || ||表示范数运算。 4.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述相关性的计算方法为， 如式3所述如果Corr(cxi， exj)＞δ， 则将exj加入到Corr_Ele， Corr_Ele表示电力因素中与能源行业影响碳排放因素相关性大于δ的电力因素， 得到 对应的碳排放Corr_Co2_Y＝{cy1， cy2,…,cym， }； 其 中， Corr_Ele∈Ele,k+p≤n且k+p≤m； Corr_Ele表示是由 和 相关性由相关性大于阈值δ 的电力因素组成的样本， Corr_ Ele∈Ele， 为一个样本其构成是 和 相关性由相关性大于阈值δ 的电力因素向量， p≤k且p≤q。 5.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述步骤S3中， 随机森林回归树算法包括以下步骤： 采用步骤2中得到的Corr_Ele为特征， Corr_Co2_Y为标签值用随机森 林算法进行训练， 记为Corr_model； 以Co2_X为特征， Co2 _Y为 标签值进行训练， 记为Co2_model。 6.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述步骤S4中， 以Corr_mo del结果为特征， Co2_mo del为标签值， 用多项 式回归进行联合训 练， 且联合训练采用如式(4)所述的公式权　利　要　求　书 1/2 页 2 CN 114298381 A 2Co2_model ＝w0+w1Corr_model1+w2Corr_model2+ ε    (4) 其中， wi表示训练参数， ε表示 误差项。 7.根据权利要求1所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述随机森林回归树 算法的方法包括以下步骤： S3.1每棵回归树为CART回归树算法： 将输入划分为S个区域， 分别为R1,R2, …,RS,每个 区域的输出值 分别为： c1,c2, …,cS； 则回归 树模型可表示为 设使 用特征i的值v将输入空间划分为两个区域， 即： R1(i， v)＝{x|x(i)≤v}和R2(i， v)＝{x|x(i)＞v}； 最小化损失函数为： 其中c1,c2分别为R1,R2区间内的输出平均值； S3.2计算平方误差： S3.3为使Loss最小， 采用最小二乘回归树法依次对每个特征的每个取值进行遍历， 计 算出当前每一个可能的切分点的误差， 最后选择切分误差最小的点将输入空间切分为两个 部分， 然后递归上述 步骤， 直到切分结束。 8.根据权利要求7所述的一种基于电力数据的能源行业碳排放预测方法， 其特征在于： 所述的最小二乘回归树法包括以下步骤： S3.3.1依次遍历每个特征i， 以及 该特征的每个取值v， 计算每个切分点(i,v)的损失函 数， 采用如式5所示的公式选择损失函数最小的切分点； S3.3.2使用步骤S3.3.1所得到的切分点将当前的输入 空间划分为两个部分； 然后将被 划分后的两个部分再次计算切分点， 依次类 推， 直到不能继续划分； S3.3.3最后将输入空间划分为S个区域R 1,R2,…,RS， 生成的决策树 为： 所述步骤S4中联合训练的损失函数为： 其中， LU均方差损失函数， y， yp分别为实际值和预测值。权　利　要　求　书 2/2 页 3 CN 114298381 A 3