-
公开(公告)号：CN115860188A
公开(公告)日：2023-03-28
申请号：CN202211413365.8
申请日：2022-11-11
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司 , 国网冀北电力有限公司计量中心 , 国网电力科学研究院武汉能效测评有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
Inventor： 郑佩祥 , 赖国书 , 马鲁晋 , 陈吴晓 , 胡泽延 , 蔡雨晴 , 王瑜 , 宋微浪 , 洪亮 , 朱玲玲 , 魏晓莹 , 王莉 , 钟侃 , 刘晓伟 , 李学超 , 朱亮亮 , 徐辰冠 , 夏凡
Abstract: 本发明涉及一种碳排放预测方法与系统、介质和电子设备，步骤如下：确定待预测碳排放企业所属行业的碳排放源，获取行业的历史用电量数据、生产工艺流程中历史生产关联量数据与历史碳排放量作为样本数据；根据样本数据，构建BP神经网络模型；设定鲸鱼优化算法的参数条件，通过鲸鱼算法将样本数据划分为训练数据和测试数据训练并优化BP神经网络模型；将待预测碳排放的企业的用电量数据和生产关联量数据输入至优化后的BP神经网络模型，得到待预测碳排放的企业碳排放预测值。本发明通过鲸鱼算法优化BP神经网络，提高神经网络训练速度，避免了BP神经网络陷入局部最优的问题，获得更加科学可靠的碳排放预测模型。
-
公开(公告)号：CN114399110B
公开(公告)日：2024-11-01
申请号：CN202210040452.7
申请日：2022-01-14
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于电力数据的陶瓷行业碳排放预测方法，包括以下步骤：步骤S1:通过分析陶瓷行业生产流程，确定碳排放源，并获取陶瓷企业历史年份各碳排放源碳排放量和各历史年份用电量数据；步骤S2:对步骤S1得到的数据进行预处理，剔除奇异值；步骤S3:基于灰色预测模型GM(0,1)模型建立电至各碳排放源碳排放量关联关系，进而得到电至总碳排放量关联关系，构建预测模型；步骤S4:将待测数据输入至预测模型，获取碳排放预测值。本发明可以准确实现碳排放量的预测，有效降低了检测成本，提升检测可靠性。
-
公开(公告)号：CN116010662A
公开(公告)日：2023-04-25
申请号：CN202310118880.1
申请日：2023-02-01
Applicant: 国网经济技术研究院有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司营销服务中心
IPC: G06F16/901 , G06F16/2455 , G06F16/248 , G06N5/02
Abstract: 本发明涉及一种基于领域知识图谱的能源消费‑碳排放查询系统的构建方法、装置及介质，所述方法包括：建立领域知识图谱的模式层；获取用于构建基于领域知识图谱的查询系统的多源异构数据源；基于预设的提取模型提取所述多源异构数据源的数据知识特征；根据提取的所述数据知识特征进行知识融合，在设定图数据库平台上构建领域知识图谱；接收客户端发送的查询指令，根据所述查询指令在所述领域知识图谱中进行检索，并输出对应的检索报告。本发明技术方案，能够构建针对特定领域信息的查询系统，便于用户对该特定领域的信息进行精准检索，提高查询效率，并便于企业基于该特定领域的信息进行特定领域的决策。
-
公开(公告)号：CN115688991A
公开(公告)日：2023-02-03
申请号：CN202211288019.1
申请日：2022-10-20
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/04 , G06Q50/26 , G06Q50/06
Abstract: 本发明提供了基于灰色关联度分析法的区钢铁业电碳数据风险控制方法，其包括步骤：1.确定区域内影响钢铁行业电碳数据的因素；2.获取影响区域钢铁行业电碳数据的样本；3.使用灰色关联度分析法建立钢铁行业电碳数据预测模型；4.使用灰色关联度分析法得到的模型对钢铁行业电碳数据进行预测和预警。
-
公开(公告)号：CN115688990A
公开(公告)日：2023-02-03
申请号：CN202211288015.3
申请日：2022-10-20
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于BP神经网络的有色金属行业电碳数据匹配预警方法；其包括步骤：（1）获取影响有色金属行业碳排放的元素；（2）将获得的输入样本数据进行预处理，补充缺失数据，剔出异常数据，并人工标注标签，标签分为正常、预警两类；（3）使用SPXY方法将获得的区域内影响有色金属行业碳排放的样本数据划分为建模集和预测集；（4）建立基于newff函数的BP神经网络；（5）使用BP神经网络对不同参数背景使用的电力数据样本训练和预测；（6）输入新的参数，应用本技术方案对区域内有色金属行业碳排放数据进行预警，当模型预测的碳排放数据超过某个设定数值时，则启动预警。
-
Patent Agency Ranking
公开(公告)号：CN114399110A
公开(公告)日：2022-04-26
申请号：CN202210040452.7
申请日：2022-01-14
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于电力数据的陶瓷行业碳排放预测方法，包括以下步骤：步骤S1:通过分析陶瓷行业生产流程，确定碳排放源，并获取陶瓷企业历史年份各碳排放源碳排放量和各历史年份用电量数据；步骤S2:对步骤S1得到的数据进行预处理，剔除奇异值；步骤S3:基于灰色预测模型GM(0,1)模型建立电至各碳排放源碳排放量关联关系，进而得到电至总碳排放量关联关系，构建预测模型；步骤S4:将待测数据输入至预测模型，获取碳排放预测值。本发明可以准确实现碳排放量的预测，有效降低了检测成本，提升检测可靠性。
-
公开(公告)号：CN114399111A
公开(公告)日：2022-04-26
申请号：CN202210040589.2
申请日：2022-01-14
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于电碳关联关系的平板玻璃行业碳排放量预测方法，包括以下步骤：步骤S1:获取平板玻璃行业碳排放关联量，并进行数据预处理；步骤S2:基于SVR回归预测得到电至电碳排放量关联关系;步骤S3:根据预处理后的碳排放关联量，基于SVR回归预测建立电至关联量、关联量至除电碳排放量关联关系；步骤S4:基于步骤S2得到的关联关系，构建电碳模型；步骤S5:将待测数据输入电碳模型，获取预测碳排放量。本发明通过SVR与历史数据建立用电量与碳排放量关联关系模型，实现平板玻璃行业通过用电量数据预测碳排放量的目的。
-
公开(公告)号：CN115688992A
公开(公告)日：2023-02-03
申请号：CN202211288406.5
申请日：2022-10-20
Applicant: 国网福建省电力有限公司营销服务中心 , 国网福建省电力有限公司
IPC: G06Q10/04 , G06Q50/06 , G06Q50/26 , G06Q50/04 , G06F18/214
Abstract: 本发明涉及一种基于偏最小二乘法的纺织工业园区电碳数据预测方法，其包括步骤1：分析纺织工业园区电碳数据的影响因素；步骤2：获取影响纺织工业园区的电碳数据样本；步骤3：使用SPXY方法将获得的区域内影响碳排放的样本数据划分为建模集和预测集；步骤4：使用偏最小二乘法（Partial Least Squares，PLS）对数据样本进行训练和预测；步骤5：建立基于偏最小二乘法的纺织工业园区电碳数据预测模型；步骤6：用上述算法训练得到工业园区电碳数据预测模型，应用本技术方案实新对纺织工业园区电碳数据进行预测和预警。
-
公开(公告)号：CN113902494A
公开(公告)日：2022-01-07
申请号：CN202111297457.X
申请日：2021-11-04
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
IPC: G06Q30/02 , G06Q50/06 , G06F16/2458 , G06F16/248 , G06F16/22 , G06F16/28
Abstract: 本发明涉及一种电力市场决策分析系统。包括信息录入模块、独立监控模块、数据汇总模块、图像运算模块、服务查询模块、比对分析模块与预警提示模块。本发明通过信息录入模块可建立阶梯制度，方便对各地区各行业的用电情况进行得知，独立监控模块可对各地区各行业的月用电情况进行独立存储，并通过服务查询模块设定各行业领域的关键词，输入关键词便于查询各行业领域的用电情况，数据汇总模块和图像运算模块，可便于对各地区行业的用电数据进行比较分析，方便对比各地区的行业发展情况，比对分析模块便于对各地区行业的用电高峰期和低谷期进行记录，通过预警提示模块设定提示功能，可提前在用电高峰期和低谷期作出应对措施，便于对电力市场管控。
-
公开(公告)号：CN115310658A
公开(公告)日：2022-11-08
申请号：CN202210713378.0
申请日：2022-06-22
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明公开了一种行业用电量预测方法及终端，获取行业用电量数据样本并确定待选变量集，根据待选变量集中的每一待选因素与目标变量的最大相关度和最小冗余度，进行待选变量集的第一筛选，得到初筛变量集；根据行业用电量数据样本和初筛变量集进行聚类，得到至少两个神经网络预测模型；在神经网络预测模型中，使用误差驱动对初筛变量集进行第二筛选，得到最优变量集，从而基于最优变量集得到电量预测值，即计算出目标变量的值。因此，先使用数据驱动进行变量集的初筛，再使用误差驱动进行变量集的精选，将数据驱动和误差驱动结合，取长补短来提高计算性能与精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.089 seconds)
