买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：云南大学

摘要：一种融合时序和结构特征的电力碳排放量预测方法，涉及时空数据预测技术领域，包括如下操作步骤：S1、区域电碳数据及电网结构信息预处理：收集不同区域的电碳数据及电网台区分布的信息，构建区域的电碳和电网结构数据集，作为时序和结构特征提取模块的输入数据；本发明针对电力碳排放数据中存在空间异质性的问题，基于结构信息论和图神经网络模型，提出一种用于提取电网层次结构特征的新方法，有效捕捉电力碳排放数据中存在的层级关系，避免了电网结构信息丢失，本发明通过引入电力碳排放因子和交叉预测方法，有效结合用电量数据和电力碳排放数据之间的关联关系，进而避免因单一影响因素导致的电力碳排放量预测的归纳偏差。

主权项：1.一种融合时序和结构特征的电力碳排放量预测方法，其特征在于：包括如下操作步骤：S1、区域电碳数据及电网结构信息预处理：收集不同区域的电碳数据及电网台区分布的信息，构建区域的电碳和电网结构数据集，作为时序和结构特征提取模块的输入数据；其中S1具体包括电网结构信息获取和区域电碳数据获取；S2、电碳时序和区域电网结构特征提取模块：电碳数据分别输入GRU-Transformer中进行时序特征提取，同时基于结构信息论生成电网结构的编码树，将其结合GCN捕获电网结构的特征表示，然后，基于时序和结构特征分布的信息熵融合时序与结构特征，生成电碳数据的特征表示向量；其中S2具体包括电力碳排放数据和用电量数据的归一化、基于结构熵的区域电网结构特征提取、基于时序模型的电碳数据特征提取和基于电力碳排放因子的交叉预测；所述基于结构熵的区域电网结构特征提取分为基于结构熵的区域电网结构编码树构建和基于GCN的区域电网结构特征提取，所述基于时序模型的电碳数据特征提取分为基于GRU的短期时序性特征提取和基于Transformer的长期时序性特征提取；S3、区域电力碳排放量预测：将S2中的电碳数据特征表示作为FC-电力碳排放因子模块的输入，来预测区域电力碳排放量，以此训练时序和结构特征提取模块和FC-电力碳排放因子模块，计算损失函数并迭代更新各个模块的参数权重，将待预测的电碳数据和区域电网结构数据输入训练好的各个模块，以预测区域电力碳排放量；其中S3具体包括损失函数构建与计算和区域电力碳排放量预测。

全文数据：

权利要求：

百度查询： 云南大学 一种融合时序和结构特征的电力碳排放量预测方法