本发明涉及碳排放，尤其涉及一种电力用户的碳排放量检测方法。
背景技术：
1、随着新能源与光伏工程的推进，用户侧分布式发电的渗透率大幅上升，导致用户侧碳排放量的检测难度提高，而用户侧碳排放量检测是用户节能降碳的重要基础。
2、当前基于电网潮流追踪的方法需要已知各个发电节点的实时功率和碳排放因子，而随着低压配网的分布式电源的渗透率越来越高，其无实时潮流计算，调控中心难以准确获取各用户分布式电源的实时功率和节点碳排放因子。可见，当前用户侧碳排放量的检测难度大的问题。
3、申请号为202210402190.4的公开了一种电力用户的碳排放量检测方法及设备，通过获取用户侧的实时净发电功率和用电电能脉冲数，利用预设的碳排放因子模型，确定用户侧在目标周期内的平均碳排放因子；最后根据平均碳排放因子和用电电能脉冲数，生成用户侧在目标周期内的第一碳排放量，实现用户侧的碳排放量检测。
4、但，在现有技术中用户侧分布式电源实时功率和碳排放因子获取上存在不确定性，导致碳排放量计算并不准确，预设的碳排放因子模型是基于不确定的数据分析进行建立，且属于静态状态，导致无法得到准确的碳排放量。
技术实现思路
1、本申请通过提供一种电力用户的碳排放量检测方法，解决了现有技术中数据信息不确定性，导致碳排放量检测精度降低的问题，实现了准确识别并对建立动态模型提高检测精度的技术效果。
2、本申请提供了一种电力用户的碳排放量检测方法，所述方法包括：
3、s100：实时监测获取用户侧的实时净发电功率和用电电能脉冲数，并根据历史数据和实时气象数据，建立碳排放因子的动态估计模型，实时更新碳排放因子，生成碳排放量分析报告；
4、s200：获取所述碳排放量分析报告，建立碳排放预测模型，识别碳排放量的变化趋势和高排放时段，建立差异化电力负载调度优化模型，生成电力负载调度方案；
5、s300：根据所述电力负载调度方案设置用户区域划分规则，根据用户的碳排放行为进行区域划分，设定区域独立性策略；
6、s400：根据所述区域独立性策略对每个区域分别建立区域碳排放模型，根据区域碳排放模型初步计算每个分区下一时间段的用户侧碳排放量，并根据实际碳排放量对初步计算结果进行评估优化；
7、其中，用户侧碳排放量计算公式为：
8、
9、其中，表示用户侧碳排放量，表示第i个时间段的用户用电量，表示第i个时间段的用户侧平均碳排放因子，表示第j个时间段分布式电源的净发电功率，表示第j个时间段分布式电源的发电碳排放因子，表示第j个时间段的时间长度，表示用电量的时间段数量，表示净发电功率的时间段数量。
10、进一步地，所述实时气象数据按照转换规则转换成与碳排放相关的特征数据，根据不同分布式发电特征设定不同的转换规则进行分别转换。
11、进一步地，所述动态估计模型选择线性回归模型作为基础模型，将历史数据和转换后的实时气象数据作为输入，输出碳排放因子，并使用交叉验证和计算均方误差进行评估输出效果。
12、进一步地，所述平均碳排放因子的具体计算公式如下：
13、
14、其中，表示用户侧平均碳排放因子，表示第k种分布式电源在特定时间段内的发电量，表示第k种分布式电源对应的碳排放因子，表示分布式电源的种类数量。
15、进一步地，根据所述碳排放量分析报告和历史数据提取特征参数，使用递归特征消除方法选择特征参数，根据特征参数选择长短期记忆网络模型建立碳排放预测模型。
16、进一步地，所述用户区域划分规则是通过提取出的反映用户用电行为和分布式电源发电行为的特征，使用聚类算法对用户进行分区，根据聚类结果，将用户划分为不同的行为区域；所述区域独立性策略是根据不同区域设定差异独立性策略，为每个行为区域制定不同的识别标准。
17、进一步地，所述用户区域划分规则还包括根据聚类结果，按照预先设定的区域浮动策略调整区域划分结果，并判定是否符合约束条件，确定最终区域划分结果。
18、进一步地，所述区域浮动策略是根据预先设定的区域浮动标准和幅度调整原则对区域进行调整，所述区域浮动标准包括区域间碳排放强度差异、用电负荷峰谷时段匹配度以及分布式电源发电互补性；所述幅度调整原则是根据实际情况预先设定动态分区的幅度。
19、进一步地，所述区域碳排放模型是根据每个区域划分的结果结合区域特性和数据特点分别建立，根据每个区域碳排放模型按照设定的评估标准得到下一时间段的用户侧碳排放量。
20、进一步地，所述区域碳排放模型预先设定的评估标准是基于历史碳排放量数据进行统计分析，将当前碳排放量与历史数据进行对比，分析同比、环比变化，评估碳排放趋势，进而生成新的用户侧碳排放量。
21、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
22、通过实时监测和动态估计模型，并综合考虑多源数据信息，能够准确地估算用户侧的碳排放量，动态评估数据准确度，进而实现了准确获取用户侧分布式电源实时功率和碳排放因子，提高碳排放量计算准确度的效果。
1.一种电力用户的碳排放量检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述实时气象数据按照转换规则转换成与碳排放相关的特征数据，根据不同分布式发电特征设定不同的转换规则进行分别转换。
3.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述动态估计模型选择线性回归模型作为基础模型，将历史数据和转换后的实时气象数据作为输入，输出碳排放因子，并使用交叉验证和计算均方误差进行评估输出效果。
4.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述平均碳排放因子的具体计算公式如下：
5.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，根据所述碳排放量分析报告和历史数据提取特征参数，使用递归特征消除方法选择特征参数，根据特征参数选择长短期记忆网络模型建立碳排放预测模型。
6.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述用户区域划分规则是通过提取出的反映用户用电行为和分布式电源发电行为的特征，使用聚类算法对用户进行分区，根据聚类结果，将用户划分为不同的行为区域；所述区域独立性策略是根据不同区域设定差异独立性策略，为每个行为区域制定不同的识别标准。
7.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述用户区域划分规则还包括根据聚类结果，按照预先设定的区域浮动策略调整区域划分结果，并判定是否符合约束条件，确定最终区域划分结果。
8.如权利要求7所述的一种电力用户的碳排放量检测方法，其特征在于，所述区域浮动策略是根据预先设定的区域浮动标准和幅度调整原则对区域进行调整，所述区域浮动标准包括区域间碳排放强度差异、用电负荷峰谷时段匹配度以及分布式电源发电互补性；所述幅度调整原则是根据实际情况预先设定动态分区的幅度。
9.如权利要求1所述的一种电力用户的碳排放量检测方法，其特征在于，所述区域碳排放模型是根据每个区域划分的结果结合区域特性和数据特点分别建立，根据每个区域碳排放模型按照设定的评估标准得到下一时间段的用户侧碳排放量。
10.如权利要求9所述的一种电力用户的碳排放量检测方法，其特征在于，所述区域碳排放模型预先设定的评估标准是基于历史碳排放量数据进行统计分析，将当前碳排放量与历史数据进行对比，分析同比、环比变化，评估碳排放趋势，进而生成新的用户侧碳排放量。
