摘要
本发明涉及碳排放预测技术领域,公开了一种基于深度学习的用电碳排放预测系统,包括:用电参数采集模块,其用于采集待预测区域的M个子区域的用电参数和天气参数;用电参数变化系数计算模块,其用于通过灰色模型计算获得M个子区域的每个用电参数的第一变化系数和第二变化系数;特征矩阵构建模块,其用于构建特征矩阵;碳排放量预测模块,其用于将特征矩阵输入到碳排放量预测模型中,输出的值表示在未来时间段G内的待预测区域的碳排放量;本发明通过碳排放量预测模型的多头注意力机制综合考虑了待预测区域中不同子区域的用电差异以及天气因素影响,从而提高对待预测区域的用电碳排放预测的精度。
技术关键词
预测系统
排放量
矩阵
灰色模型
时间段
分类器
自定义参数
碳排放预测技术
天气
排放预测方法
多头注意力机制
通道
预测模型训练
居民用电
模块
工业用电
网络单元
天然气
元素
系统为您推荐了相关专利信息
梯形槽结构
径向基函数神经网络模型
声场特征
透镜
凹面
个性化推荐方法
项目推荐模型
配网
编辑距离算法
余弦算法
情感识别方法
特征提取网络
情绪识别模型
特征提取模块
留一交叉验证
车辆轨迹重构方法
动态时间规整
高速路
轨迹重构技术
检测器
新能源发电功率
组合预测模型
新能源发电系统
功率预测方法
时序依赖关系