基于最小二乘支持向量機(jī)的電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法研究

卞龍江　李俊穎　胡承鑫　徐友剛　周曉斌

摘要：電網(wǎng)企業(yè)供應(yīng)鏈碳排放的預(yù)測對推動產(chǎn)業(yè)鏈供應(yīng)鏈綠色轉(zhuǎn)型具有重要意義，為此提出基于最小二乘支持向量機(jī)的電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法。首先，利用4E平衡模型獲取電網(wǎng)企業(yè)供應(yīng)鏈碳排放數(shù)據(jù)；其次，利用PLS-VIP算法對碳排放數(shù)據(jù)實(shí)施數(shù)據(jù)篩選，得到有效的碳排放數(shù)據(jù)變量；最后，引入最小二乘支持向量機(jī)，構(gòu)建碳排放預(yù)測模型，并且采用量子粒子群優(yōu)化算法對其展開優(yōu)化，實(shí)現(xiàn)電網(wǎng)企業(yè)供應(yīng)鏈碳排放高精度預(yù)測。實(shí)驗(yàn)結(jié)果表明，所提方法在保證預(yù)測過程較高穩(wěn)定性的同時，一定程度上提高了預(yù)測精度和預(yù)測效率。

關(guān)鍵詞：最小二乘支持向量機(jī)；4E平衡模型；PLS-VIP算法；數(shù)據(jù)篩選；碳排放預(yù)測模型

中圖分類號：X32 文獻(xiàn)標(biāo)志碼：A

前言

在面對嚴(yán)峻的全球變暖和環(huán)境污染問題，電網(wǎng)企業(yè)作為供應(yīng)鏈核心企業(yè)，承擔(dān)著減少碳排放、推動低碳發(fā)展的重要責(zé)任。因此，對電網(wǎng)企業(yè)的碳排放量進(jìn)行準(zhǔn)確預(yù)測和評估至關(guān)重要。有效的碳排放預(yù)測方法可以為制定低碳發(fā)展戰(zhàn)略、實(shí)施節(jié)能減排政策提供科學(xué)依據(jù)，助力電力部門邁向更加環(huán)保、可持續(xù)的發(fā)展方向。通過深入研究和應(yīng)用先進(jìn)的碳排放預(yù)測技術(shù)，電網(wǎng)企業(yè)可以更好地管理和監(jiān)控其碳排放，為應(yīng)對全球變暖挑戰(zhàn)貢獻(xiàn)自身的力量。因此，相關(guān)學(xué)者針對碳排放預(yù)測問題進(jìn)行了深入研究，如蘇琪2等人以歷史電網(wǎng)企業(yè)供應(yīng)鏈碳排放數(shù)據(jù)為依據(jù)，將帝王蝶優(yōu)化算法引入到一種灰色預(yù)測模型中，完成碳排放關(guān)鍵因素GM（1，1）發(fā)展系數(shù)和灰作用量的尋優(yōu)過程，提高模型精度，以此實(shí)現(xiàn)對電網(wǎng)企業(yè)供應(yīng)鏈碳排放的預(yù)測。該方法的關(guān)鍵參數(shù)尋優(yōu)過程較長，降低碳排放預(yù)測效率。為了解決上述方法中存在的問題，提高碳排放預(yù)測效率和精度，提出基于最小二乘支持向量機(jī)的電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法。該研究以最小二乘支持向量機(jī)為核心算法，利用4E平衡模型獲取電網(wǎng)企業(yè)供應(yīng)鏈碳排放數(shù)據(jù)，結(jié)合PLS-VIP算法，構(gòu)建了電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法。以期通過該方法有效預(yù)測電網(wǎng)企業(yè)供應(yīng)鏈碳排。

1 電網(wǎng)企業(yè)供應(yīng)鏈碳排放相關(guān)數(shù)據(jù)預(yù)處理

1.1 數(shù)據(jù)獲取

供應(yīng)鏈碳排放量是電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測過程所需的主要數(shù)據(jù)，與能源需求和碳排放密切相關(guān)，為此所提方法首先采用一種4E平衡模型計(jì)算上述2個模塊數(shù)據(jù)，以建立電網(wǎng)企業(yè)供應(yīng)鏈碳排放數(shù)據(jù)庫，具體過程如下：

根據(jù)其發(fā)電效率，將煤電和氣電折算為碳排放能源標(biāo)準(zhǔn)量，以此得到發(fā)電用化石能源RjF，y=Fjyφ，其中Fjy所形容的是在y年內(nèi)j種能源的發(fā)電量，且j=1，2，3，φ代表發(fā)電量轉(zhuǎn)換系數(shù)。將RjF，y與終端消耗化石能源作加法運(yùn)算求出化石能源消費(fèi)總量，計(jì)算方法如式（1）：

式（1）中，Rv，y、Rh，y、Rp，y是在第y年煤炭、天然氣和石油的消費(fèi)總量；Mjy是在第y年終端化石能源消耗總量；Zjy描述能源加T轉(zhuǎn)換損失量。利用IPCC提供的能源碳排放系數(shù)求出供應(yīng)鏈碳排放總量。能源相關(guān)碳排放總量的關(guān)鍵是碳排放系數(shù)，在此基礎(chǔ)上將其與不同類化石能源消費(fèi)量相乘，求得能源相關(guān)碳排放總量如式（2）：

V=R[γv，γh，γp]T 式（2）

式（2）中，γv、γh、γp為不同能源的碳排放系數(shù)，T為轉(zhuǎn)置。由此得到電網(wǎng)企業(yè)供應(yīng)鏈碳排放量數(shù)據(jù)庫。

1.2 數(shù)據(jù)篩選

上述碳排放數(shù)據(jù)庫存在較多冗余數(shù)據(jù)，影響碳排放預(yù)測精度，為此篩選數(shù)據(jù)。PLS-VIP是一種通過計(jì)算變量的VIP值得到變量重要度的變量選擇方法，具體過程如下：

假設(shè)在上述收集到的碳排放數(shù)據(jù)庫中樣本數(shù)量為m，m中含有表征供應(yīng)鏈碳排放量的因變量u以及q個自變量，用C和U描述m×q零均值自變量矩陣與mx1因變量矩陣，分別為C=YAy（V）+R、U=IWY（y）+G，以此為依據(jù)將兩者相結(jié)合后整體區(qū)分為1個外在關(guān)系式以及2個內(nèi)在關(guān)系式，數(shù)學(xué)表達(dá)為I=nY+r，其中，Y是矩陣C的得分，I是矩陣U的得分，且Y≠/;A和W所代表的是載荷矩陣；R和G是通過PLS回歸擬合后獲取到的矩陣C和U的殘差；n和r是潛變量回歸系數(shù)以及PLS回歸殘差。將上述獲取的數(shù)據(jù)引入低維數(shù)據(jù)空間，篩選碳排放數(shù)據(jù)自變量，過程為：

（1）考慮不同因子引發(fā)干擾，自然對標(biāo)準(zhǔn)化處理樣本數(shù)據(jù)，生成標(biāo)自變量矩陣C=[*ok]和因變量矩陣U=[u*o]；

（2）建立PLS回歸模型，采用解釋性檢驗(yàn)法以及留一法（LOO）交叉檢驗(yàn)法對模型中的最佳潛變量數(shù)展開提取；

（3）構(gòu)建權(quán)值向量eo=CYu/||CYU||，且||eo||=1；

（4）根據(jù)權(quán)值向量e。求出潛變量yo=Ceo，并使其與U的協(xié)方差最大，滿足條件如式（3）：

式（4）中，q和l代表提取的自變量個數(shù)以及潛變量個數(shù)；ζjk表示ck在潛變量yj上的權(quán)重，且∑qk=2ζ2jk=ζYjζj=1；tj（U；yj）表示第j個潛變量的得分矢量yj矩陣U間的相關(guān)系數(shù)，且tj（U；yj）=uYjyj；

去除模型中VIP值相對較小的自變量，將余下變量按降序排列，篩選滿足VIPk>1的變量以及VIPk＜1的第一個自變量作為最終保留的自變量；重復(fù)建模以及VIP計(jì)算，以決定系數(shù)R2極大值為篩選終止條件，得到更精準(zhǔn)的供應(yīng)鏈碳排放數(shù)據(jù)作為下述碳排放預(yù)測模型的最終輸入。

2 最小二乘支持向量機(jī)的碳排放預(yù)測方法

最小二乘支持向量機(jī)（LV-SVM）是一種具有較高預(yù)測效率的自適應(yīng)加權(quán)回歸預(yù)測方法，所提方法通過建立回歸模型完成電網(wǎng)企業(yè)供應(yīng)鏈碳排放的初始預(yù)測。將通過1.2小節(jié)得到的碳排放輸入變量作為訓(xùn)練樣本集合，用{（xi，yi）|i=1，2，…，M}描述，其中M代表訓(xùn)練樣本容量；xi和yi分別代表第i個輸入變量和輸出值，通過非線性映射得到LSSVM的回歸模型表達(dá)式如式（5）：

f（xi）=ζrγ（xi）+b，xi∈VIPk 式（5）

式（5）中，ζ用于表示特征空間權(quán)系數(shù)向量；y（xi）是低維空間到高維空間的映射；b是閾值；由此得到LVSVM的最小二乘的優(yōu)化問題：

式（6）中，V代表正則化參數(shù)；ζi表示擬合誤差；si（i+1，2，…，I）代表Lagrange乘子。

為了更便于計(jì)算，將式（6）優(yōu)化問題轉(zhuǎn)換為式（7）線性方程組求解問題，根據(jù)式（7）獲取最小二乘支持向量機(jī)的碳排放預(yù)測模型：

式（7）中，L（co，ck）代表的是核函數(shù)。

為了提高LVSVM碳排放預(yù)測模型的擬合程度和泛化能力，避免核函數(shù)參數(shù)尋優(yōu)過程過早收斂，所提方法采用一種基于量子粒群的最小二乘支持向量機(jī)算法實(shí)現(xiàn)電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測。正則化參數(shù)V以及核函數(shù)寬度σ2是LVSVM碳排放預(yù)測模型中的主要待定參數(shù)，為此利用量子粒子群優(yōu)化（OPSO）算法優(yōu)化兩個參數(shù)，具體過程如下：

（l）用Q、f形容粒子數(shù)目和量子粒子群維數(shù)；用Ymax、Yg∈（Ygmin，Ygmax）和b代表最大迭代次數(shù)、濾波器參數(shù)以及迭代精度；

（2）在控制可行區(qū)域范圍內(nèi)設(shè)定初始迭代次數(shù)y=0，并隨機(jī)生成Q個粒子組合為初始量子粒子群；

（3）在量子種群中引入核函數(shù)，估計(jì)每個粒子的適應(yīng)值對其局部最優(yōu)值A(chǔ)。以及全局最優(yōu)值A(chǔ)h實(shí)施更新操作，最終求得LVSVM模型參數(shù)優(yōu)化的目標(biāo)函數(shù)：

式（9）中，β0.5+（1-0.5）（Ymax-y）/Ymax為收縮擴(kuò)張系數(shù)，y為當(dāng)前迭代次數(shù)；以此更新每個粒子的所在位置；

（5）若y滿足最大迭代次數(shù)Ymax，則終止迭代，反之則y=y+1，回到步驟（3）繼續(xù)迭代；通過該操作即可完成對最小二乘支持向量機(jī)碳排放預(yù)測模型的優(yōu)化，實(shí)現(xiàn)電網(wǎng)企業(yè)供應(yīng)鏈碳排放的高精度預(yù)測。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)方案

首先，以某地區(qū)某城市的電網(wǎng)企業(yè)供應(yīng)鏈夏季和冬季的部分碳排放數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，兩個季節(jié)中的碳排放量相差較大，通過文章方法采集碳排放相關(guān)數(shù)據(jù)，包括供應(yīng)鏈節(jié)點(diǎn)的碳排放數(shù)據(jù)、供應(yīng)鏈節(jié)點(diǎn)的特征數(shù)據(jù)（如產(chǎn)能、運(yùn)營時間等）以及其他可能影響碳排放的因素?cái)?shù)據(jù)。其次，通過文章方法篩選數(shù)據(jù)，將數(shù)據(jù)劃分為訓(xùn)練集和測試集，并且確保訓(xùn)練集和測試集具有代表性和獨(dú)立性。然后，使用最小二乘支持向量機(jī)算法進(jìn)行模型訓(xùn)練。通過最小化模型的平方誤差來擬合訓(xùn)練數(shù)據(jù)。根據(jù)訓(xùn)練集的特征和對應(yīng)的碳排放數(shù)據(jù)，使用LS-SVM算法擬合出一個預(yù)測方法（3.3章節(jié)）。最后，使用測試集進(jìn)行方法性能評估，計(jì)算擬合優(yōu)度、預(yù)測結(jié)果與真實(shí)值之間的誤差指標(biāo)以及方法的預(yù)測耗時，以上述三個指標(biāo)為實(shí)驗(yàn)性能指標(biāo)，并且將文章方法與文獻(xiàn)[2]方法和文獻(xiàn)[3]方法進(jìn)行對比分析，在對比分析過程中，繪制預(yù)測結(jié)果與真實(shí)值的對比圖表，以直觀地展現(xiàn)方法的預(yù)測能力。

3.2 實(shí)驗(yàn)數(shù)據(jù)

采集的電網(wǎng)企業(yè)供應(yīng)鏈相關(guān)數(shù)據(jù)，采集數(shù)據(jù)的時間跨度為6-7月份和12-2月份，共計(jì)6個月的數(shù)據(jù)，其中6-7月份為夏季，12-2月份為冬季，采集的數(shù)據(jù)包括以下特征數(shù)據(jù)和對應(yīng)的碳排放數(shù)據(jù)。

特征數(shù)據(jù)為4類，分別為供應(yīng)鏈節(jié)點(diǎn)1：產(chǎn)能為100MW，運(yùn)營時間為5年，使用煤炭能源；供應(yīng)鏈節(jié)點(diǎn)2：產(chǎn)能為200MW，運(yùn)營時間為3年，使用天然氣能源；供應(yīng)鏈節(jié)點(diǎn)3：產(chǎn)能為150MW，運(yùn)營時間為4年，使用風(fēng)能；供應(yīng)鏈節(jié)點(diǎn)4：產(chǎn)能為120MW，運(yùn)營時間為2年，使用太陽能。碳排放數(shù)據(jù)也分為4類，分別為供應(yīng)鏈節(jié)點(diǎn)1的碳排放為2000噸二氧化碳當(dāng)量；供應(yīng)鏈節(jié)點(diǎn)2的碳排放為1500噸二氧化碳當(dāng)量；供應(yīng)鏈節(jié)點(diǎn)3的碳排放為1000噸二氧化碳當(dāng)量；供應(yīng)鏈節(jié)點(diǎn)4的碳排放為800噸二氧化碳當(dāng)量。根據(jù)上述數(shù)據(jù)，構(gòu)建訓(xùn)練樣本集和測試集，每個樣本包括供應(yīng)鏈節(jié)點(diǎn)的特征數(shù)據(jù)和對應(yīng)的碳排放數(shù)據(jù)。具體為訓(xùn)練樣本1：[100，5，1]，2000：訓(xùn)練樣本2：[200，3，2]，1500：訓(xùn)練樣本3：[150，4，3]，1000：測試樣本4：[120，2，4]，800。

3.3 方法訓(xùn)練

在確定實(shí)驗(yàn)數(shù)據(jù)后，需要訓(xùn)練文章設(shè)計(jì)的方法，訓(xùn)練過程為：（1）初始化基于最小二乘支持向量機(jī)的電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法的參數(shù)；（2）將上述構(gòu)建的訓(xùn)練數(shù)據(jù)樣本輸入文章構(gòu)建的方法中。（3）通過最小化模型的平方誤差來擬合訓(xùn)練數(shù)據(jù)，得到模型的參數(shù)。得到優(yōu)化后的參數(shù)數(shù)值見表1。

3.4 結(jié)果分析

實(shí)驗(yàn)評估通過所提方法構(gòu)建的碳排放預(yù)測模型的擬合優(yōu)度與文獻(xiàn)[2]方法、文獻(xiàn)[3]方法展開對比。

3.4.1 擬合優(yōu)度分析模型

擬合優(yōu)度表征建立的模型與實(shí)際數(shù)據(jù)之間的擬合度，是衡量預(yù)測模型精度的重要指標(biāo)，在模型不斷迭代的過程中，若越大，說明建立的模型預(yù)測精度越高；測試結(jié)果見圖1。

分析圖1可知，在迭代次數(shù)不斷增加的情況下，所提方法構(gòu)建的碳排放預(yù)測模型擬合優(yōu)度處于平穩(wěn)且不斷增長的狀態(tài)，相比于文獻(xiàn)[2]方法和文獻(xiàn)[3]方法具有更好的擬合效果，這是由于所提方法所采用的量子粒子群優(yōu)化算法提高了碳排放預(yù)測模型的擬合能力，證明了所提方法的有效性。

3.4.2 預(yù)測精度分析

為了進(jìn)一步地體現(xiàn)所提方法的可行性，以此將預(yù)測值和實(shí)際值對比結(jié)果作為評價(jià)指標(biāo)，采用所提方法和文獻(xiàn)[2]方法、文獻(xiàn)[3]方法對測試樣本展開預(yù)測：

如圖2所示，無論是夏季還是冬季，相比于其他兩種傳統(tǒng)方法，所提方法依然具有較高的預(yù)測精度，誤差極小，幾乎與實(shí)際值相同，且預(yù)測性能較為平穩(wěn)；文獻(xiàn)[2]方法的預(yù)測結(jié)果與實(shí)際值相差過多，預(yù)測性能較差；文獻(xiàn)[3]方法相比于文獻(xiàn)[2]方法較優(yōu)一些，但仍存在誤差較大的現(xiàn)象，預(yù)測性能不夠穩(wěn)定；由此可知，采用所提方法能夠更高精度地實(shí)現(xiàn)對電網(wǎng)企業(yè)供應(yīng)鏈碳排放的預(yù)測。

3.4.3 預(yù)測時間分析

碳排放預(yù)測方法的計(jì)算時間是決定其性能優(yōu)劣的關(guān)鍵因素，耗時越短說明該方法具有更高效的預(yù)測能力，以此為依據(jù)將上述測試中選取的碳排放數(shù)據(jù)中夏季的6月、7月、8月和冬季的12月、1月、2月作為實(shí)驗(yàn)數(shù)據(jù)采用上述三種方法展開預(yù)測的耗時對比見表2。

根據(jù)表2可得，在夏季的6月、7月、8月，所提方法的平均預(yù)測運(yùn)行時間為10.08s，分別低于文獻(xiàn)[2]方法和文獻(xiàn)[3]方法16.39s和2.16s；在冬季的12月、1月、2月，文獻(xiàn)[3]方法的平均預(yù)測運(yùn)行時間為10.25s，低于文獻(xiàn)[2]方法9.09s，但高于所提方法3.51s，由此可以說明所提方法在計(jì)算速度方面具有明顯優(yōu)勢，其他兩種傳統(tǒng)方法受到數(shù)據(jù)規(guī)模不同的影響，計(jì)算速度均明顯下降，因此所提方法具有更高的穩(wěn)定性和預(yù)測效率。

4 結(jié)束語

隨著綠色發(fā)展理念的出現(xiàn)，人們逐漸重視生態(tài)環(huán)境，避免生態(tài)環(huán)境的污染，而電網(wǎng)企業(yè)供應(yīng)鏈由于碳排放問題，其對生態(tài)環(huán)境造成污染，因此，需要預(yù)測電網(wǎng)企業(yè)供應(yīng)鏈，為了提高電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法的預(yù)測精度和預(yù)測效率，提出基于最小二乘支持向量機(jī)的電網(wǎng)企業(yè)供應(yīng)鏈碳排放預(yù)測方法。該方法首先獲取電網(wǎng)企業(yè)供應(yīng)鏈碳排放的基礎(chǔ)數(shù)據(jù)；其次利用PLS-VIP算法從該數(shù)據(jù)庫中篩選出對碳排放預(yù)測有利的有效數(shù)據(jù)變量；最后建立基于最小二乘支持向量機(jī)的碳排放預(yù)測模型并利用量子粒子群優(yōu)化算法對其實(shí)施優(yōu)化，完成對電網(wǎng)企業(yè)供應(yīng)鏈碳排放數(shù)據(jù)的精確預(yù)測。經(jīng)驗(yàn)證，所提方法在保障預(yù)測過程穩(wěn)定性的同時，一定程度上提高了預(yù)測精度和預(yù)測效率。