基于机器学习的碳排放数据异常识别方法

作     者：杨若钧 陈爱忠 曾金灿 姚腾 YANG Ruojun;CHEN Aizhong;ZENG Jincan;YAO Teng

作者机构：国家环境保护环境影响评价数值模拟重点实验室北京100041 生态环境部环境工程评估中心北京100012 南方电网能源发展研究院有限责任公司广东广州510700 

出 版 物：《自动化应用》 (Automation Application)

年 卷 期：2024年第65卷第3期

页      面：43-46,50页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：中国南方电网有限责任公司管理创新项目(ZBKJXM20210437) 

主　　题：碳排放 机器学习 密度聚类 碳核查 

摘      要：提出了一种基于机器学习的碳排放数据异常的识别方法,采用了密度聚类、统计方法和机器学习相结合的策略。通过引入统计方法与机器学习方法检测异常的双重判据,该方法能有效检测异常数据。针对碳排放分析多维数据中参数间相关性难以明确的问题,采用机器学习技术研判高维异常数据中存在的复杂多变量关系,并深入分析了异常产生的原因。通过该方法提升数据质量,更精准、有效地开展碳核查,以满足碳排放量准确计量的要求。