基于AI技术的能碳协同管理方法及系统与流程

本发明涉及计算机信息处理与能源管理，更具体地说，本发明涉及基于ai技术的能碳协同管理方法及系统。

背景技术：

1、碳排放的精准核算与动态优化已成为工业企业绿色转型的核心需求，企业能碳管理涉及能源消耗监测、碳排放核算、优化调控决策等多个环节，是一个典型的复杂系统工程。

2、例如申请公布号为：cn122027699a的中国发明专利申请文献公开了企业能碳协同控制方法、系统及存储介质，其应用于由感知端、分析端、执行端及通信模块构成的能碳管理系统，具体实现方式为：感知端通过配置有互质折叠模数的双通道采集电路对用电设备信号进行高动态范围采集与压缩，并基于状态时效性指标决策数据传输时机与优先级；通信模块依据所述优先级，采用功率域叠加技术将多类数据在同一物理信道合并传输；分析端利用串行干扰消除技术解调信号并复原，通过确定性数学工具序列进行白盒化研判，生成设备饱和状态判定及标准化调节增量指令；执行端解析并执行指令，实现饱和设备限幅隔离与未饱和设备协同功率分配。

3、然而，上述方法存在如下不足：

4、（1）采用确定性数学工具和固定排放因子进行碳流核算，无法反映设备间复杂的非线性能-碳耦合关系，也无法随设备老化、工艺变化以及季节变化等工况漂移进行动态调整，导致碳排放核算精度有限；（2）碳流核算到策略匹配为单向开环流程，缺乏执行效果反馈至决策数据的闭环机制，导致系统无法自我修正和持续进化，且仅聚焦于碳排放单目标控制，未充分考虑能源消耗与碳排放之间的协同优化关系。

5、针对上述不足，亟需一种能够反映设备间复杂的非线性能-碳耦合关系，实现系统自我修正和持续进化，且能够充分考虑能源消耗与碳排放之间的协同优化关系的能碳协同管理方法。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供基于ai技术的能碳协同管理方法及系统，以解决现有技术中无法反映设备间复杂的非线性能-碳耦合关系，缺乏执行效果反馈至决策数据的闭环机制，且未充分考虑能源消耗与碳排放之间的协同优化关系的问题。

2、为实现上述目的，本技术提供以下技术方案：

3、本发明第一方面提供基于ai技术的能碳协同管理方法，包括：获取企业生产系统的多源异构数据，依据多源异构数据构建能碳耦合异构图，并引入双时间尺度更新机制对能碳耦合异构图进行更新；构建包含多维注意力机制的时序图注意力网络，依据所述时序图注意力网络得到能碳耦合异构图中各结构节点的耦合敏感度，并基于所述耦合敏感度生成全局态势感知报告；基于企业生产系统构建智能体，并引入智能体的策略训练梯度，依据策略训练梯度和全局态势感知报告对智能体进行协同博弈训练，得到智能体对应的决策动作，并依据决策动作组成全局决策动作集；基于全局决策动作集对企业生产系统中的各智能体进行决策执行，并获取智能体的执行反馈数据，依据执行反馈数据生成的反馈回路更新能碳耦合异构图和策略训练梯度，并将能碳耦合异构图、全局态势感知报告、全局决策动作集以及执行反馈数据进行上链存证，构建企业生产系统的可追溯决策账本。

4、在一个优选的实施方式中，获取企业生产系统的多源异构数据，依据多源异构数据构建能碳耦合异构图，包括：所述多源异构数据包括能源数据、工艺数据、碳排数据、拓扑数据以及企业生产系统的节点数据，依据所述节点数据获取企业生产系统中各系统节点之间的节点耦合关系和节点耦合强度；依据企业生产系统中的系统节点映射生成结构节点，所述结构节点包含节点类型标签和实时状态属性；依据系统节点之间的节点耦合关系生成结构节点之间的节点连接边，所述节点连接边包括能量传输边、物料供应边以及碳流关联边，并基于所有结构节点之间的节点连接边组成边集合；依据系统节点之间的节点耦合强度生成结构节点之间节点连接边的边权重值，依据边集合中各节点连接边的边权重值构建动态权重矩阵；依据所述结构节点、边集合以及动态权重矩阵构建能碳耦合异构图。

5、在一个优选的实施方式中，引入双时间尺度更新机制对能碳耦合异构图进行更新，包括：所述双时间尺度更新机制包括慢时间尺度机制和快时间尺度机制；依据所述慢时间尺度机制对能碳耦合异构图中的动态权重矩阵进行周期性更新；依据所述快时间尺度机制对能碳耦合异构图中结构节点的实时状态属性进行周期性更新。

6、在一个优选的实施方式中，构建包含多维注意力机制的时序图注意力网络，包括：所述时序图注意力网络包括空间注意力机制、时间注意力机制以及多头注意力机制；基于预设时间窗口生成当前时刻对应的历史时间序列，依据历史时间序列中各时刻的能碳耦合异构图构建历史图序列，所述空间注意力机制用于依据历史图序列计算结构节点对相邻结构节点的注意力分数，并依据注意力分数得到结构节点在各时刻的空间聚合特征；依据结构节点在各时刻的空间聚合特征形成空间时序序列，所述时间注意力机制用于依据空间时序序列计算历史时间序列中各时刻对当前时刻的时间注意力权重；将时间注意力权重和空间聚合特征进行时空融合，得到结构节点的时空融合特征；依据能碳耦合异构图生成时空处理单元，所述多头注意力机制用于将时空处理单元划分为至少一项注意力头，并将各注意力头的时空融合特征进行线性变换，得到能碳耦合异构图中各结构节点的最终特征向量。

7、在一个优选的实施方式中，依据所述时序图注意力网络得到能碳耦合异构图中各结构节点的耦合敏感度，并基于耦合敏感度生成全局态势感知报告，包括：所述时序图注意力网络还预设有网络输出层，依据所述网络输出层对能碳耦合异构图中各结构节点的最终特征向量进行碳排预测，得到全局碳排放预测量；获取结构节点在当前时刻的能源输入量，依据结构节点在当前时刻的能源输入量和全局碳排放预测量，得到结构节点的耦合敏感度；基于能碳耦合异构图中各结构节点的耦合敏感度，生成全局态势感知报告。

8、在一个优选的实施方式中，依据企业生产系统构建智能体，包括：依据企业生产系统中的用能设备构建智能体，所述智能体均包含本地观测空间、动作空间、策略网络以及本地状态存储器；所述本地观测空间包括智能体所对应物理实体的本地观测信息集合，所述动作空间包括智能体能够执行的调控动作集合；所述策略网络用于将本地观测信息映射为调控动作，所述本地状态存储空间用于记录智能体的历史本地观测信息和历史调控动作。

9、在一个优选的实施方式中，引入智能体的策略训练梯度，依据策略训练梯度和全局态势感知报告对智能体进行协同博弈训练，包括：所述策略训练梯度包含评判网络、经验回放池以及智能体的策略网络；获取企业生产系统在当前时刻的系统总碳排放和系统总能耗，依据所述系统总碳排放生成惩罚高碳排放项，依据所述系统总能耗生成惩罚高能耗项，依据智能体的策略网络和智能体对应结构节点的耦合敏感度生成正向激励项，并依据所述惩罚高碳排放项、惩罚高能耗项以及正向激励项构建全局奖励函数；所述评判网络用于基于全局奖励函数评估智能体所生成调控动作的累计奖励期望值；依据评判网络的累计奖励期望值对智能体中策略网络的网络参数进行迭代更新训练，得到更新后智能体的策略网络；所述经验回放池用于存储全局态势感知报告、调控动作以及调控动作对应的累计奖励期望值。

10、在一个优选的实施方式中，所述得到智能体对应的决策动作，并依据决策动作组成全局决策动作集，包括：依据全局态势感知报告获取各智能体所对应结构节点的耦合敏感度；将智能体的本地观测信息和智能体所对应结构节点的耦合敏感度输入至智能体中训练后的策略网络，依据所述策略网络生成智能体的调控动作；将企业生产系统中所有智能体的调控动作进行汇总处理，得到全局决策动作集。

11、在一个优选的实施方式中，依据执行反馈数据生成的反馈回路更新能碳耦合异构图和策略训练梯度，并将能碳耦合异构图、全局态势感知报告、全局决策动作集以及执行反馈数据进行上链存证，构建可追溯决策账本，包括：将全局决策动作集中的调控动作转换为设备控制指令，依据所述设备控制指令对企业生产系统的执行终端执行对应的调控动作，并获取执行调控动作后各智能体的实际运行数据，依据所述实际运行数据形成执行反馈数据；对各智能体的执行反馈数据进行差分隐私处理，得到第一反馈回路和第二反馈回路，并依据所述第一反馈回路更新能碳耦合异构图，依据所述第二反馈回路更新策略训练梯度的经验回放池；分别获取能碳耦合异构图、全局态势感知报告、全局决策动作集以及执行反馈数据的哈希值，将所述哈希值在区块链中进行上链存证，并依据上链存证后的哈希值形成可追溯决策账本。

12、本发明第二方面提供基于ai技术的能碳协同管理系统，包括：耦合异构图构建模块，用于获取企业生产系统的多源异构数据，依据多源异构数据构建能碳耦合异构图，并引入双时间尺度更新机制对能碳耦合异构图进行更新；感知报告生成模块，用于构建包含多维注意力机制的时序图注意力网络，依据所述时序图注意力网络得到能碳耦合异构图中各结构节点的耦合敏感度，并基于所述耦合敏感度生成全局态势感知报告；决策动作生成模块，用于基于企业生产系统构建智能体，并引入智能体的策略训练梯度，依据策略训练梯度和全局态势感知报告对智能体进行协同博弈训练，得到智能体对应的决策动作，并依据决策动作组成全局决策动作集；决策执行与执行反馈模块，用于基于全局决策动作集对企业生产系统中的各智能体进行决策执行，并获取智能体的执行反馈数据，依据执行反馈数据生成的反馈回路更新能碳耦合异构图和策略训练梯度，并将能碳耦合异构图、全局态势感知报告、全局决策动作集以及执行反馈数据进行上链存证，构建企业生产系统的可追溯决策账本。

13、本发明的有益效果：

14、1.本发明通过获取企业生产系统的多源异构数据，依据多源异构数据构建的能碳耦合异构图反映设备间复杂的非线性能-碳耦合关系，并引入双时间尺度更新机制对能碳耦合异构图进行更新，实现随设备老化、工艺变化等工况漂移对能碳耦合异构图进行动态调整，提高碳排放核算精度。

15、2.本发明依据时序图注意力网络得到能碳耦合异构图中各结构节点的耦合敏感度，并基于耦合敏感度生成全局态势感知报告，依据全局态势感知报告反映能源消耗与碳排放之间的协同优化关系，并引入智能体的策略训练梯度，依据策略训练梯度和全局态势感知报告对智能体进行协同博弈训练，得到智能体的决策动作，并依据决策动作组成全局决策动作集；最后基于全局决策动作集对企业生产系统中的各智能体进行决策执行，获取智能体的执行反馈数据，并依据执行反馈数据生成的反馈回路更新能碳耦合异构图和智能体策略网络，形成将决策动作的执行效果反馈至决策数据的闭环机制，实现系统的自我修正和持续进化。