买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利企业电碳因子长期预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115600722B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211069976.5，技术领域涉及：G06Q10/04；该发明授权企业电碳因子长期预测方法是由张涛;杨秦敏;李超;孟文超;卢峰设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本企业电碳因子长期预测方法在说明书摘要公布了：本发明涉及一种企业电碳因子长期预测方法，属于时间序列长期预测领域。本发明主要包括企业动态电碳因子计算和企业动态电碳因子长期预测两部分。企业动态电碳因子计算的过程为：通过实时多层级潮流追踪框架首先计算分时刻的220KV层级电碳因子，其次计算110KV层级电碳因子，最后计算企业层级的电碳因子。企业动态电碳因子长期预测的过程为：计算所有数据特征与电碳因子的斯皮尔曼相关系数，设定相关性阈值并筛选相关性大于阈值的特征加入到电碳因子预测数据集中，基于自相关机制和经验模态分解设计电碳因子长期预测模型，进行电碳因子96个步长的多变量预测，最后可视化预测结果。本发明精准计算并预测企业电碳因子序列，为企业低碳用电提供有效指导。

本发明授权企业电碳因子长期预测方法在权利要求书中公布了：1.企业电碳因子长期预测方法，其特征在于，包括以下步骤： S1.收集电网潮流数据、企业外购电力数据、企业自发自用电力数据，基于实时多层级潮流追踪框架，计算企业层面动态电碳因子，包括以下步骤： S1.1.将电网潮流数据、企业外购电力数据、企业自发自用电力数据处理至15分钟的同一时间粒度，并进行数据预处理，将从电网到企业的碳流路径抽象为一个三层的结构，包括220KV层Layer220KV、110KV层Layer110KV和企业层LayerE； S1.2.搭建Layer220KV所有发电节点G220KV,i，1＜i＜m220KV、用电节点L220KV,j，1＜j＜n220KV、网损节点Loss220KV,k，1＜k＜p220KV、输电线路Line220KV,s，1＜s＜q220KV的拓扑关系模型，其中m220KV,n220KV,p220KV,q220KV分别为Layer220KV发电节点、用电节点、网损节点、输电线路的数量，根据各发电节点的实际出力情况，选择将该发电节点是否置为用电节点，不断更新Layer220KV拓扑关系并形成a个标准模型，通过复功率比例潮流追踪算法解析Layer220KV所有用电节点的用电来源，结合Layer220KV各发电节点基础碳排系数C220KV,i并计算各用电节点的15分钟级别动态电碳因子F220KV,j，1＜j＜n220KV； S1.3.深入企业所属的220KV用电节点搭建Layer110KV所有发电节点G110KV,i，1＜i＜m110KV、用电节点L110KV,j，1＜j＜n110KV、网损节点Loss110KV,k，1＜k＜p110KV、输电线路Line110KV,s，1＜s＜q110KV的拓扑关系模型，其中m110KV,n110KV,p110KV,q110KV分别为Layer110KV发电节点、用电节点、网损节点、输电线路的数量，根据各发电节点的实际出力情况，选择将该发电节点是否置为用电节点，不断更新Layer110KV拓扑关系并形成b个标准模型，通过复功率比例潮流追踪算法解析Layer110KV所有用电节点的用电来源，结合Layer110KV各发电节点基础碳排系数C110KV,i，计算各用电节点的15分钟级别动态电碳因子F110KV,j，1＜j＜n110KV，其中Layer110KV的外购电力基础碳排系数以表示； S1.4.深入企业所属的110KV用电节点将企业看作1个用电节点LE，将企业外购电力和企业自发自用电力看作发电节点GE,i，1＜i＜mE，根据各发电节点的实际出力情况，选择将该发电节点是否置为用电节点，更新并搭建LayerE所有发电节点、用电节点、网损节点LossE,k，1＜k＜pE、输电线路LineE,s，1＜s＜qE的c个拓扑关系模型，其中mE,pE,qE分别为LayerE发电节点、网损节点、输电线路的数量，通过复功率比例潮流追踪算法解析企业用电来源，结合LayerE各发电节点基础碳排系数CE,i，计算企业15分钟级别动态电碳因子FE，其中企业外购电力基础碳排系数以表示； S2.通过相关性分析，筛选电网潮流数据、企业负荷数据、当地气象数据中与电碳因子密切相关的特征，构建企业电碳因子预测数据集，包括以下步骤： S2.1.通过斯皮尔曼相关性分析，计算电网潮流数据、企业负荷数据、当地气象数据的所有特征与企业电碳因子FE的相关性，形成一个Z×1的相关性矩阵CorrSP，每一行表示每一维数据特征与FE间的相关程度； S2.2.CorrSP中的值为负表示该维特征与FE负相关，值为正表示该维特征与FE正相关，对CorrSP中的值取绝对值形成CorrSP,abs，并计算平均值以此作为相关性阈值TCorr，将CorrSP,abs中值大于TCorr的特征筛选出来，加入到电碳因子预测数据集中； S3.基于自相关机制和经验模态分解，设计电碳因子长期预测模型，设计的电碳因子长期预测模型由2个相同编码器以及1个解码器组成，电碳因子长期预测模型的编码器由自相关模块、序列分解重组模块1、前馈网络模块、序列分解重组模块2依次连接组成，电碳因子长期预测模型的解码器由自相关模块1、序列分解重组模块1、自相关模块2、序列分解重组模块2、前馈网络模块、序列分解重组模块3依次连接组成； 自相关模块的设计遵循Autoformer中的Auto-Correlation模块的设计； 所述序列分解重组模块采用经验模态分解的方法，将输入的序列X分解为5个IMF和1个残差分量，将残差分量舍去，并将奇数序号IMF和偶素序号的IMF分别重组为两个新的子序列X1和X2； S4.划分电碳因子预测数据集为训练集、验证集、测试集，对电碳因子长期预测模型进行训练、验证和测试； S5.可视化企业电碳因子长期预测结果，为企业合理安排生产计划、调节用电时序提供指导。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。