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！

龙图腾网获悉国网福建省电力有限公司经济技术研究院;国网福建省电力有限公司申请的专利一种考虑主设备差异计量特性的碳排放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：CN118674092B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410663326.6，技术领域涉及：G06Q10/04；该发明授权一种考虑主设备差异计量特性的碳排放预测方法是由柯晔;曾聪;林嘉伟;陈标;王莹;林诗媛;朱雪梅;喻婧;李咏红设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本一种考虑主设备差异计量特性的碳排放预测方法在说明书摘要公布了：本发明涉及一种考虑变压器差异计量特性的碳排放预测方法，包括以下步骤：收集不同变压器的碳排放相关基础数据，并对数据进行预处理；通过改进的粒子群算法对预处理后的不同变压器的碳排放相关基础数据进行聚类分析，生成不同类别的变压器数据聚类；基于随机森林算法以变压器碳排放量的影响程度大小对变压器数据聚类的所有特征进行排序，提取排序后的前g个特征作为训练特征，基于训练特征提取每个变压器数据聚类中相应数据并构建为训练集；构建变压器碳排放量预测模型，通过训练集训练并优化模型参数，得到训练完成的变压器碳排放量预测模型，通过训练完成的变压器碳排放量预测模型对变压器的碳排放量进行预测。

本发明授权一种考虑主设备差异计量特性的碳排放预测方法在权利要求书中公布了：1.一种考虑变压器差异计量特性的碳排放预测方法，其特征在于，包括以下步骤： 收集不同变压器的碳排放相关基础数据，并对数据进行预处理； 通过改进的粒子群算法对预处理后的不同变压器的碳排放相关基础数据进行聚类分析，生成不同类别的变压器数据聚类； 基于随机森林算法以变压器碳排放量的影响程度大小对变压器数据聚类的所有特征进行排序，提取排序后的前g个特征作为训练特征，基于训练特征提取每个变压器数据聚类中相应数据并构建为训练集； 构建变压器碳排放量预测模型，通过训练集训练并优化模型参数，得到训练完成的变压器碳排放量预测模型，通过训练完成的变压器碳排放量预测模型对变压器的碳排放量进行预测； 所述变压器的碳排放相关基础数据包括变压器的地理位置数据以及技术条件数据； 所述变压器的地理位置数据包括：安装地点经纬度坐标、地区气候数据、地方政策与法律规则信息； 所述技术条件数据包括变压器铁芯的制造工艺、通磁密度、功率损耗、使用寿命与回收率、冷却系统信息以及运行条件； 所述不同变压器的碳排放相关基础数据的聚类分析步骤为： 初始化粒子群算法参数； 通过混沌映射生成混沌数，将混沌数映射至数据样本区间中，同时通过反向学习构造粒子的反向位置，并比较粒子和其反向位置的适应度大小，将与其反向位置适应度最接近的粒子对应的位置设为粒子的初始位置； 粒子从初始位置开始搜索，迭代更新粒子，并通过柯西变异粒子位置，同时进行边界控制； 按最近邻法则划分数据样本，并重新计算粒子的适应度； 比较并更新前后的粒子个体和群体的最优位置和最优适应值； 当达到迭代停止条件后，停止迭代，得到最优解； 以最优解作为聚类中心，对数据样本按最近邻法则进行划分，得到K个簇，每个簇即为一个变压器数据聚类； 所述变压器碳排放量预测模型基于深度置信网络模型构建，所述深度置信网络模型包括多层受限玻尔兹曼机，其具体训练步骤为： 将训练集的特征向量输入第一层受限玻尔兹曼机中进行训练； 当第一层受限玻尔兹曼机通过训练完成了对训练集中特征的学习后，输出特征数据，将这些特征数据作为下一层受限玻尔兹曼机中，继续进行训练； 对于后续的每一层受限玻尔兹曼机都通过上述步骤进行训练，当所有受限玻尔兹曼机训练完成后，将最后一层受限玻尔兹曼机作为输出特征，并获取训练后每层受限玻尔兹曼机的局部最优参数； 基于输出特征以及每层受限玻尔兹曼机的局部最优参数通过误差反向传播算法对每层受限玻尔兹曼机参数进行调整，最终得到训练完成的深度置信网络模型。

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国网福建省电力有限公司经济技术研究院;国网福建省电力有限公司，其通讯地址为：350012 福建省福州市晋安区茶园街道茶园路68号国网福建电力福州茶园路生产基地1#楼；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。