摘要
本发明提出了一种基于负荷识别的企业碳排放实时估算框架。在拟议框架中,碳排放总量由两部分组成:直接碳排放和间接碳排放。首先,提出并采用卷积神经网络‑双向长短期记忆(CNN‑BLSTM)模型来实时监控工厂设备的状态。然后,根据国家和相关碳排放强度估算直接碳排放量。同时,间接碳排放量可以通过边际碳排放因子乘以工厂用电量得到。所提出的框架在一个案例研究中被用于实时估算一家钢厂的碳排放,证明了其有效性和准确性。
技术关键词
负荷识别方法
双向长短期记忆
深度卷积神经网络
排放量
估算系统
一维卷积神经网络
深度神经网络模型
因子
深度循环神经网络
企业
工业
序列
框架
代表
长短期记忆网络
电力
无监督学习
矩阵
均值算法
系统为您推荐了相关专利信息
水泥生产线
在线监测模块
排放量
校验方法
在线监测数据
参数优化模型
污水处理工艺
双向长短期记忆
能耗
污水处理系统
超分辨率图像重建
自动编码器
超分辨率重建模型
生成式对抗网络
深度卷积神经网络
燃煤电厂碳排放
随机森林模型
样本
皮尔逊相关系数
燃煤机组
指挥调度方法
资源分配
数据处理模型
分区
博弈论模型