(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211179906.5 (22)申请日 2022.09.27 (65)同一申请的已公布的文献号 申请公布号 CN 115271265 A (43)申请公布日 2022.11.01 (73)专利权人 四川中电启明星信息技 术有限公 司 地址 610000 四川省成 都市郫都区现代工 业港 （南片区） 西源大道 2688号 专利权人 国网信息通信产业 集团有限公司 (72)发明人 李强　赵峰　张捷　宋卫平　 佘文魁　高攀　刘秋辉　张强　 杨俏　叶鸿飞　(74)专利代理 机构 成都君合集专利代理事务所 (普通合伙) 51228 专利代理师 尹新路 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 16/29(2019.01) 审查员 毕欣桐 (54)发明名称 基于碳卫星数据的电能碳流转分析方法及 系统 (57)摘要 本发明涉及电能碳排放分析技术领域， 具体 为一种基于碳卫星数据的电能碳流转分析方法 及系统。 所述方法， 首先从碳卫星数据中的目标 地理区域中选择多个目标位置点及各个目标位 置点的二氧化碳浓度值； 接着基于多个目标位置 点的二氧化碳浓度值 以及位置关系得到第一浓 度变化特征向量； 然后基于目标地理区域的电能 碳排放量和环境参数数据得到第二浓度变化特 征向量； 最后根据第一浓度变化特征向量和第二 浓度变化特征向量之间的差异， 对电能碳在目标 地理区域中的流转进行修正， 得到修正后的电能 碳排放量。 本发 明基于碳卫星数据中目标地理区 域的二氧化碳浓度数据对目标地理区域的电能 碳排放量进行修正， 可以提高目标地理区域的电 能碳排放的预测精准度。 权利要求书4页 说明书11页 附图2页 CN 115271265 B 2022.12.16 CN 115271265 B 1.一种基于碳 卫星数据的电能碳 流转分析方法， 其特 征在于， 所述方法包括： 获取碳卫星数据， 其中， 所述碳卫星数据包括不同的地理区域以及所述不同的地理区 域对应的二氧化 碳浓度数据； 从所述碳卫星数据中选定目标地理区域， 在所述目标地理区域中按照预设的规则 选择 多个目标位置点， 并获取多个所述目标位置点的二氧化 碳浓度值； 基于多个所述目标位置点的二氧化碳浓度值以及多个所述目标位置点之间的位置关 系， 得到所述目标地理区域中二氧化 碳的第一浓度变化特 征向量； 获取所述目标地理区域的电能碳排放量以及所述目标地理区域的环境参数数据， 基于 所述电能碳排放量和环境参数数据得到电能碳在所述目标地理区域中流转时二氧化碳的 第二浓度变化特 征向量； 计算所述第一浓度变化特征向量和所述第二浓度变化特征向量中相同位置方向上二 氧化碳浓度变化 参数之间的差异值， 得到二氧化 碳浓度差异特 征向量； 将所述氧化碳浓度差异特征向量输入到预先训练好的电能碳排放量修正模型中进行 电能碳排放量修正， 得到电能碳 排放量的修正量； 基于所述目标地理区域中的电能碳排放量和所述电能碳排放量的修正量， 得到修正后 的电能碳 排放量； 所述获取所述目标地理区域的电能碳排放量以及所述目标地理区域的环境参数数据， 基于所述电能碳排放量和环境参数数据得到电能碳在所述目标地理区域中流转时二氧化 碳的第二浓度变化特 征向量的步骤， 包括： 在所述目标地理区域 为火力发电厂时， 获取 所述目标地理区域的发电量； 基于所述目标地理区域的发电量计算得到所述目标地理区域的电能碳 排放量； 获取所述目标地理区域的环境参数数据， 其中， 所述环境参数数据包括气温、 风力及风 向； 将所述目标地理区域的电能碳排放量和环境参数数据输入到训练好的电能碳浓度预 测模型中进行预测， 得到二氧化碳浓度在所述目标地理区域的不同位置方向的二氧化碳浓 度变化预测参数， 基于所述二氧化碳浓度变化预测参数及 对应的位置方向得到所述目标地 理区域中流 转时二氧化 碳的第二浓度变化特 征向量； 所述电能碳浓度预测模型的训练步骤 包括： 获取多个不同样本地理区域的历史电能碳浓度分布信 息、 所述不同样本地理区域的历 史电能碳排放量以及所述不同样本地理区域的环境参数数据， 其中， 每个样本地理区域的 历史电能碳浓度分布信息中包括位于所述样本地理区域的样本位置点以及所述样本位置 点的电能碳浓度值； 针对任意一个样本地理区域的历史电能碳浓度分布信 息， 对所述样本地理区域中的样 本位置点进行位置关系分析， 在所述样本地理区域中确定一样本位置中心点， 并以所述样 本位置中心点 为起点得到沿相同位置方向分布的多个关联的样本位置点； 基于相同位置方向分布的多个关联的样本位置点的电能碳浓度值计算得到不同的位 置方向上的二氧化 碳浓度变化样本参数； 将所述样本地理区域中不同的位置方向上的二氧化碳浓度变化样本参数、 所述样本地 理区域的环境 参数数据及所述样本地理区域的历史电能碳 排放量作为训练样本；权　利　要　求　书 1/4 页 2 CN 115271265 B 2将所述样本地理区域中不同的位置方向上的二氧化碳浓度变化样本参数及所述样本 地理区域的环境参数数据作为输入数据输入神经网络模型中， 输出所述样本地理 区域的电 能碳排放预测量， 基于所述电能碳排放预测量与所述样本地理 区域的历史电能碳排放量计 算模型的损失函数值， 并在所述损失函数值不小于预设函数阈值时， 调整所述神经网络模 型的模型参数， 直到所述损失函数值小于所述预设函数阈值， 并将所述神经网络模型作为 训练好的电能碳浓度预测模型。 2.如权利要求1所述的基于碳卫星数据的电能碳流转分析方法， 其特征在于， 所述从所 述碳卫星 数据中选定目标地理 区域， 在所述目标地理 区域中按照预设的规则选择多个目标 位置点， 并获取多个所述目标位置点的二氧化 碳浓度值的步骤， 包括： 在所述碳卫星数据中选 定一目标地理区域； 在所述目标地理区域中确定出二氧化碳浓度值最高的目标地理子区域， 并在所述目标 地理子区域中选 定一目标位置点作为第一目标位置点； 以所述第一目标位置点为中心， 沿着多个不同的位置方向选择多个位置点作为第 二目 标位置点， 其中， 每 个位置方向上包括至少两个所述第二目标位置点； 获取所述第一目标位置点和所述第二目标位置点在所述碳卫星数据中对应的二氧化 碳浓度值。 3.如权利要求2所述的基于碳卫星数据的电能碳流转分析方法， 其特征在于， 所述基于 多个所述目标位置点的二氧化碳浓度值以及多个所述目标位置点之 间的位置关系， 得到所 述目标地理区域中二氧化 碳的第一浓度变化特 征向量的步骤， 包括： 以所述第一目标位置点 为起点， 获取不同的位置方向上分布的所述第二目标位置点； 根据所述第一目标位置点和不同的位置方向上分布的所述第二目标位置点在所述碳 卫星数据中对应的二氧化碳浓度值， 计算得到不同的位置方向上的二氧化碳浓度变化参 数， 其中， 所述二氧化碳浓度变化参数为相邻所述 目标位置点之间的二氧化碳浓度差值与 相邻所述目标位置点之间距离的比值； 基于所述二氧化碳浓度变化参数及对应的位置方向得到所述目标地理区域中二氧化 碳的第一浓度变化特 征向量。 4.如权利要求1所述的基于碳卫星数据的电能碳流转分析方法， 其特征在于， 所述基于 所述目标地理区域的发电量计算得到所述目标地理区域的电能碳 排放量的步骤， 包括： 基于所述目标地理区域的发电量计算得到所需化石燃料的质量； 计算所述所需化石燃料燃烧产生 二氧化碳的第一电能碳 排放量； 计算所述所需化石燃料脱硫时产生 二氧化碳的第二电能碳 排放量； 由所述第一电能碳排放量和所述第二电能碳排放量计算得到所述目标地理区域的电 能碳排放量。 5.如权利要求1所述的基于碳卫星数据的电能碳流转分析方法， 其特征在于， 所述方法 还包括训练所述电能碳 排放量修正模型的步骤， 该步骤 包括： 将所述二氧化碳浓度差异特征向量、 所述目标地理区域的电能碳排放量和所述目标地 理区域的实际电能碳 排放量之间的电能碳 排放差异值作为训练样本； 将所述二氧化碳浓度差异特征向量及所述目标地理区域的实际电能碳排放量之间的 电能碳排放差异 值输入深度学习模型中训练， 并通过迭代更新所述深度学习模型中模型参权　利　要　求　书 2/4 页 3 CN 115271265 B 3