基于ISSA-CNN-BiLSTM的电力碳排放强度动态预测方法OA

电力碳排放强度是衡量电力系统碳排放水平的重要指标,精确计算并预测电力碳排放强度对于有效实施碳排放管理策略、科学制定减排方案具有重要意义。为此,提出一种动态碳排放强度计算及预测方法。基于燃煤机组运行煤耗与负荷的函数关系,构建燃煤机组动态碳排放强度模型。融合发电机组出力特性和动态碳排放强度,形成电网级碳排放强度实时计算模型。通过卷积神经网络(convolutional neural network,CNN)提取动态碳排放强度数据特征,输入到双向长短期记忆网络(bidirectional long short-term memory,BiLSTM),引入改进麻雀优化算法(improved sparrow search algorithm,ISSA),集成Circle初始化种群、自适应因子、柯西变异和Sine映射扰动策略,优化BiLSTM超参数配置,最终构建ISSA-CNN-BiLSTM混合模型,实现短期碳排放强度高精度预测。仿真计算与测试结果表明,与长短期记忆网络(long short-term memory,LSTM)等模型相比,提出的ISSA-CNN-BiLSTM模型在碳排放强度预测中展现出了更高的预测精度和更强的泛化能力。