一种基于智慧知识图谱的碳效诊断方法及系统与流程

摘要: 本发明涉及碳效诊断,具体涉及一种基于智慧知识图谱的碳效诊断方法及系统。背景技术:1、随着全球气候变化问题的日益严峻,碳排放的控制与管理已成为各国政府和企业关注的...
一种基于智慧知识图谱的碳效诊断方法及系统与流程

本发明涉及碳效诊断,具体涉及一种基于智慧知识图谱的碳效诊断方法及系统。

背景技术:

1、随着全球气候变化问题的日益严峻,碳排放的控制与管理已成为各国政府和企业关注的重点。为了实现碳中和目标,企业需要对自身的碳排放进行精准监测、预测和优化。然而,碳排放数据的复杂性和多样性使得传统的碳效分析方法难以满足实际需求。传统的碳效分析方法主要依赖于历史数据的统计分析或基于规则的专家系统。但传统方法通常将碳排放数据视为孤立的时间序列或静态数据,忽略了实体之间的关联关系和知识结构。基于统计的方法难以捕捉复杂的非线性关系,而基于规则的方法依赖于人工经验,难以适应动态变化的生产环境。传统方法在碳排放异常点的检测和原因分析方面能力有限,难以提供精准的异常原因定位和优化建议。

2、因此,如何提高异常原因定位的精准性,是现在的一个研究方向。

技术实现思路

1、(一)发明目的

2、本发明的目的是提供一种能提高碳排放异常原因定位的精准性的基于智慧知识图谱的碳效诊断方法及系统。

3、(二)技术方案

4、为解决上述问题,本发明提供了一种基于智慧知识图谱的碳效诊断方法,包括:

5、基于历史碳排放数据确定碳排放实体,所述碳排放实体包括一级节点和二级节点;

6、基于所述碳排放实体,构建碳效知识图谱,所述碳效知识图谱包括一级节点和二级节点,所述一级节点和二级节点之间通过边连接,边表示所连接的节点之间的关系;

7、基于所述碳效知识图谱,构建碳排放量预测模型,所述碳排放量预测模型根据输入的生产过程数据,输出碳排放预测值;

8、根据所述碳排放预测值进行碳效诊断。

9、本发明的另一方面,优选地,所述碳效知识图谱包括多条向量路径,每条所述向量路径包括一个一级节点和多个二级节点,所述一个一级节点和多个二级节点之间通过多条边连接。

10、本发明的另一方面,优选地,所述碳排放量预测模型基于图神经网络;

11、所述碳排放量预测模型包括图嵌入层、图卷积层、时间序列处理层和预测层;

12、所述图嵌入层将所述碳效知识图谱中的实体和关系嵌入到低维向量空间;

13、所述图卷积层通过图卷积聚合所述图嵌入层中实体的邻居节点的信息来更新实体的表示,获得碳排放数据中图结构特征;

14、所述时间序列处理层用于提取碳排放数据中的时间特征;

15、所述预测层用于根据所述图结构特征和所述时间特征,输出碳排放预测值。

16、本发明的另一方面,优选地,所述根据所述碳排放预测值进行碳效诊断,包括:

17、采集每个一级节点的生产过程数据;

18、将所述生产过程数据输入所述碳排放量预测模型,输出每条向量路径的碳排放预测值;

19、将所述碳排放预测值与实际碳排放值进行比较,计算偏差值;

20、若偏差值超过预设阈值,则判定该条向量路径的碳排放异常。

21、本发明的另一方面,优选地,所述方法还包括:

22、对判定为碳排放异常的向量路径,根据所述碳效知识图谱中的实体与关系,对碳排放异常进行定位;包括:

23、以所述向量路径的输出端实体为起点,所述向量路径的一级节点为终点,沿着所述知识图谱中的关系进行回溯,获取碳排放异常的路径;

24、根据所述碳排放异常的路径和异常原因数据库,定位发生碳排放异常的异常原因。

25、本发明的另一方面,优选地,所述图嵌入层将所述碳效知识图谱中的实体和关系嵌入到低维向量空间包括以下步骤:

26、每个实体和每种关系分别被映射为低维向量,获取实体低维向量和关系低维向量,所述映射利用以下公式表示:

27、

28、其中,ei表示实体,i表示实体编号,hi表示实体ei的低维向量,表示映射函数,rk表示关系,k表示关系编号,wk表示关系rk的低维向量;

29、将所述实体低维向量和关系低维向量组成三元组;

30、对所述三元组进行优化。

31、本发明的另一方面,优选地,利用以下公式对所述三元组进行优化:

32、

33、其中,u表示优化函数,ei表示编号为i的实体,ej表示编号为j的实体,rk表示关系,(ei,rk,ej)表示三元组,g表示所有的三元组的几何,表示欧几里得距离,hj表示实体ej的低维向量。

34、本发明的另一方面,优选地,所述更新利用以下公式进行:

35、

36、其中,表示更新后的实体表示,是第 l层实体ei的表示,

σ 是激活函数,是第 l层的可学习权重矩阵,是实体 ei的邻居集合,实体 ej的邻居集合。

37、本发明的另一方面,优选地,根据所述碳排放异常的路径和异常原因数据库,定位发生碳排放异常的异常原因,包括:

38、根据所述碳排放异常的路径中每个节点的贡献度和每个节点在异常原因数据库中的权重,计算每个异常原因的概率;

39、根据所述概率,定位发生碳排放异常的异常原因。

40、本发明的另一方面,优选地,一种基于智慧知识图谱的碳效诊断系统,包括:

41、确定模块:基于历史碳排放数据确定碳排放实体,所述碳排放实体包括一级节点和二级节点;

42、第一构建模块:基于所述碳排放实体,构建碳效知识图谱,所述碳效知识图谱包括一级节点和二级节点,所述一级节点和二级节点之间通过边连接,边表示所连接的节点之间的关系;

43、第二构建模块:基于所述碳效知识图谱,构建碳排放量预测模型,所述碳排放量预测模型根据输入的生产过程数据,输出碳排放预测值;

44、诊断模块:根据所述碳排放预测值进行碳效诊断。

45、(三)有益效果

46、本发明的上述技术方案具有如下有益的技术效果:

47、本发明通过构建碳效知识图谱,将碳排放相关的实体和关系以图结构的形式表示,能够捕捉复杂的关联信息,不仅为碳排放量预测提供更丰富的特征,还通过碳效知识图谱,能够沿着实体之间的关系回溯异常点的因果路径,明确异常产生的根源,提高碳排放异常原因定位的精准性,结合异常原因数据库,能够为每个异常点提供具体的异常原因,增强诊断结果的可解释性和实用性。

1.一种基于智慧知识图谱的碳效诊断方法,其特征在于,包括:

2.根据权利要求1所述的基于智慧知识图谱的碳效诊断方法,其特征在于,

3.根据权利要求1所述的基于智慧知识图谱的碳效诊断方法,其特征在于,所述碳排放量预测模型基于图神经网络;

4.根据权利要求2所述的基于智慧知识图谱的碳效诊断方法,其特征在于,所述根据所述碳排放预测值进行碳效诊断,包括:

5.根据权利要求4所述的基于智慧知识图谱的碳效诊断方法,其特征在于,所述方法还包括:

6.根据权利要求3所述的基于智慧知识图谱的碳效诊断方法,其特征在于,所述图嵌入层将所述碳效知识图谱中的实体和关系嵌入到低维向量空间包括以下步骤:

7.根据权利要求6所述的基于智慧知识图谱的碳效诊断方法,其特征在于,利用以下公式对所述三元组进行优化:

8.根据权利要求6所述的基于智慧知识图谱的碳效诊断方法,其特征在于,所述更新利用以下公式进行:

9.根据权利要求5所述的基于智慧知识图谱的碳效诊断方法,其特征在于,根据所述碳排放异常的路径和异常原因数据库,定位发生碳排放异常的异常原因,包括:

10.一种基于智慧知识图谱的碳效诊断系统,其特征在于,包括: