跨区输电碳减排中基于机器学习的碳排放量预测方法

本申请涉及跨区输电碳排放预测技术领域，尤其是涉及一种跨区输电碳减排中基于机器学习的碳排放量预测方法，其包括数据采集、多源数据融台模型构建、动态特征提取以及时序建模与区域差异性校正等步骤。通过分层特征提取和降维处理生成高维特征集，并结合机器学习模型输出碳排放预测值，本发明采用多源数据融合与动态特征提取机制，显著提升复杂场景下的预测精度，同时优化计算效率与模型可解释性，有效解决传统方法在多变量非线性关系捕捉中的局限性，为跨区输电系统的低碳运行提供技术支持。