摘要
本发明涉及碳排放技术领域,特别是涉及一种基于梯度提升树与群体智能算法的碳排放测算方法,所述测算方法包括下列步骤:获取基础数据,并对基础数据进行预处理,所述预处理包括去除异常值以及处理缺失值,所述基础数据包括发电侧的发电情况数据、气象条件数据、以及负荷数据;对预处理后的所述基础数据进行特征提取,形成电‑碳耦合特征集;采用基于树的机器学习算法构建预测模型,运用群体智能算法对所述预测模型的超参数进行搜索和优化,采用建立好的预测模型进行训练;将电‑碳耦合特征集输入训练后的预测模型,获得电力系统的动态碳排放因子预测结果,基于动态碳排放因子预测结果,获得电力系统的碳排放预测结果。
技术关键词
群体智能算法
排放测算方法
耦合特征
GBDT模型
粒子群优化算法
机器学习算法
机组运行状态
构建预测模型
因子
梯度提升决策树算法
基础
能源消耗量数据
负荷
动态
滑动滤波
电力系统
滑动窗口
序列
光伏发电量