CN121328811A - 电力装备的碳排放预测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例公开了电力装备的碳排放预测方法、装置、设备及存储介质，涉及碳排放技术领域，包括：响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务，实现了碳排放预测功能、数据不可篡改与可追溯功能。

Description

电力装备的碳排放预测方法、装置、设备及存储介质

技术领域

本申请实施例涉及碳排放技术领域，尤其涉及一种电力装备的碳排放预测方法、装置、设备及存储介质。

背景技术

电力装备在其全生命周期内会产生大量碳排放。目前，针对电力装备的全生命周期中的生产阶段，主要依赖人工统计的方式确定碳排放量，即人工统计产线内各个设备在生产电力装备时的能源消耗量，并基于能源消耗量确定产线在生产电力装备时所产生的碳排放量，然后将涉及的数据存储在本地，以供后续进行碳足迹计算，但是依赖人工统计的方式，耗时耗力，效率较低，并且无法预测产线在未来生产周期内的碳排放量，同时依赖本地存储的方式存在数据易被篡改、难追溯的问题。

发明内容

本申请实施例提供了一种电力装备的碳排放预测方法、装置、设备及存储介质，实现了电力装备的碳排放预测功能，以解决现有技术中无法预测产线在未来生产周期内的碳排放量以及数据易被篡改、难追溯的问题。

第一方面，本申请实施例提供了一种电力装备的碳排放预测方法，该方法包括：响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

第二方面，本申请实施例提供了一种电力装备的碳排放预测装置，该装置包括：第一获取模块，用于响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；预测模块，用于获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；写入模块，用于将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本申请任一实施例的电力装备的碳排放预测方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任一实施例的电力装备的碳排放预测方法。

本申请实施例中，响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量，接着获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量，可以基于计划产量准确预测预设产线在目标生产周期内生产目标电力装备所产生的碳排放量，无需人工统计产线内各个设备在生产电力装备时的能源消耗量，节省了人力物力，进而提高了碳排放预测量的确定效率和确定准确性；然后，将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务，其中的碳足迹生命周期链为联盟链，通过将生产阶段预测的碳排放数据写入碳足迹生命周期链，并结合联盟链的特性，使得任一参与方（即任一生命周期阶段的控制节点设备）无法随意修改碳足迹生命周期链中的数据，实现了生产阶段的碳排放预测全过程的不可篡改与可追溯功能，进一步结合其他生命周期阶段的碳排放数据写入碳足迹生命周期链机制，实现了目标电力装备在全生命周期内的碳排放数据的可信存证与可追溯管理功能，有效地解决了现有技术中存在数据易被篡改、难追溯的问题，显著提升了碳足迹在外部服务系统中的采信度，从而显著提升了电力装备碳排管控的智能化水平与运行优化能力。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的电力装备的碳排放预测方法的一个流程示意图；

图2是本申请实施例提供的电力装备的碳排放预测方法的另一个流程示意图；

图3是本申请实施例提供的电力装备的碳排放预测装置的一个结构示意图；

图4是本申请实施例提供的电子设备的一个结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是本申请实施例提供的电力装备的碳排放预测方法的一个流程示意图，本实施例可应用于需要对生产电力装备的碳排放量进行预测的场景中。本实施例提供的一种电力装备的碳排放预测方法可以由本申请实施例提供的电力装备的碳排放预测装置来执行，该装置可以通过软件和/或硬件的方式实现。在一个具体的实施例中，该电力装备的碳排放预测装置可以集成在电子设备中，该电子设备为目标生产单位中的设备，比如，该电子设备为计算机等设备。执行本方法的执行主体可以为电子设备。参见图1，本实施例的电力装备的碳排放预测方法包括但不限于如下步骤：

S110、响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量。

其中，目标电力装备可以为铁塔、变压器或智能表等电力设备，目标电力装备的全生命周期包括原材料获取阶段、原材料运输阶段、生产阶段、装备运输阶段、装备使用阶段和装备废弃阶段等。生产阶段预测触发条件为用于触发电子设备开始预测目标电力装备的生产阶段所产生的碳排放量的条件。目标生产单位可以为生产目标电力装备的工厂。

预设产线为目标生成单位中生产目标电力装备的产线，并且一条产线只生产一个电力装备。目标生产周期为目标电力装备的一个生产周期，并且目标生产周期还未发生，属于目标电力装备的一个未来生产周期。计划产量为目标生产单位预先规划的预设产线在目标生产周期内计划生产目标电力装备的数量。

具体地，在目标电力装备的生产阶段之前，原材料获取阶段的控制节点设备计算目标电力装备的原材料获取阶段的碳排放量，并通过智能合约将原材料获取阶段的能耗数据和碳排放量写入目标电力装备的碳足迹生命周期链中的原材料获取阶段对应的区块结构；接着原材料运输阶段的控制节点设备在检测到原材料获取阶段的数据写入成功后，计算目标电力装备的原材料运输阶段的碳排放量，并通过智能合约将原材料运输阶段的能耗数据和碳排放量写入目标电力装备的碳足迹生命周期链中的原材料运输阶段对应的区块结构；其中，碳足迹生命周期链为一个联盟链，用于存储目标电力装备的全生命周期内每个生命周期阶段的碳排放数据（即能耗数据和碳排放量）；碳足迹生命周期链包括多个区块结构，一个生命周期阶段对应一个区块结构，并且各个生命周期阶段的区块结构按照全生命周期的时间顺序链接；并且，目标电力装备的全生命周期内每个生命周期阶段的控制节点设备都可以参与碳足迹生命周期链的构建、维护和使用，即一个生命周期阶段的控制节点设备将该生命周期阶段的碳排放数据写入对应的区块结构；智能合约用于自动执行数据写入、版本登记、预测行为验证与数据访问权限控制等操作，支持白名单机制与多签名控制，确保模型与数据的写入行为经授权后方可生效。

生产阶段的电子设备（即生产阶段的控制节点设备）在检测到原材料运输阶段的数据写入成功后，确定满足了生产阶段预测触发条件，此时，响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量。

S120、获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量。

其中，碳排放预测模型用于预测在特定生产周期内生产特定产量的电力装备所产生的碳排放量，并且不同电力装备对应不同的碳排放预测模型；当前碳排放预测模型为最新训练得到的碳排放预测模型。碳排放预测量为当前碳排放预测模型基于计划产量预测得到的输出结果。

具体地，可以获取最新一次为目标电力装备训练得到的碳排放预测模型，得到当前碳排放预测模型，接着将计划产量输入当前碳排放预测模型，此时当前碳排放预测模型可以利用已经学习到的模型参数对计划产量进行分析，预测出预设产线在目标生产周期内生产目标电力装备所产生的碳排放量，得到输出结果，并将输出结果确定为碳排放预测量。

S130、将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

其中，当前碳排放预测模型的标识为当前碳排放预测模型的唯一标志，在训练得到碳排放预测模型时，为该碳排放预测模型生成一个唯一标识。外部服务系统可以为碳交易平台系统、碳审计平台系统或碳监管平台系统等。

可选的，区块结构包括区块头和区块体；区块头包括多个字段，即上一个区块的哈希值（PreHash）字段、本区块体的哈希值（Hash）以及时间戳（TimeStamp）字段等；其中，区块头中的上一个区块的哈希值字段，能够通过哈希指针链接上一个区块，以此形成区块链，即可以通过哈希值对不同区块进行前后关联，保证了碳足迹生命周期链的连续性和不可篡改性；并且，区块头中的上一个区块的哈希值字段，可以支持链上比对机制，用于对碳足迹生命周期链中的数据篡改行为进行检测，保障了碳足迹生命周期链的可验证性和完整性。

具体地，将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，如，可以按照预设格式对当前碳排放预测模型的标识、计划产量和碳排放预测量进行封装，得到第一数据，此时的第一数据为区块体的数据，其中的预设格式可以为JS键值对数据（JavaScript Object Notation，JSON）格式，并利用哈希函数对第一数据进行哈希计算，得到第一数据的哈希值，此时的第一数据的哈希值为本区块体的哈希值，接着获取碳足迹生命周期链中的原材料运输阶段对应的区块结构，即上一个区块的区块结构，并利用哈希函数对上一个区块的区块结构进行哈希计算，得到上一个区块的哈希值，然后按照区块头的格式对上一个区块的哈希值、第一数据的哈希值和当前时刻进行封装，得到第二数据，此时的第二数据为区块头的数据，之后，通过智能合约将第一数据和第二数据对应写入碳足迹生命周期链中的生产阶段对应的区块体和区块头，可以确保数据不可篡改、可审计。

装备运输阶段的控制节点设备在检测到生产阶段的数据写入成功后，计算目标电力装备的装备运输阶段的碳排放量，并通过智能合约将装备运输阶段的能耗数据和碳排放量写入目标电力装备的碳足迹生命周期链中的装备运输阶段对应的区块结构；装备使用阶段对应的控制节点设备在检测到装备运输阶段的数据写入成功后，计算目标电力装备的装备使用阶段的碳排放量，并通过智能合约将装备使用阶段的能耗数据和碳排放量写入目标电力装备的碳足迹生命周期链中的装备使用阶段对应的区块结构；装备废弃阶段对应的控制节点设备在检测到装备使用阶段的数据写入成功后，计算目标电力装备的装备废弃阶段的碳排放量，并通过智能合约将装备废弃阶段的能耗数据和碳排放量写入目标电力装备的碳足迹生命周期链中的装备废弃阶段对应的区块结构，以此构建完成目标电力装备的碳足迹生命周期链。碳足迹生命周期链支持接口查询与链下数据回调，便于外部服务系统进行监管对接或可信数据服务调用。

之后，外部服务系统可以基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务，例如，碳交易平台系统可以查询碳足迹生命周期链中的数据，并基于碳足迹生命周期链中的数据提供碳信用计算服务或者可交易额度推送服务；碳审计平台系统可以查询碳足迹生命周期链中的数据，并基于碳足迹生命周期链中的数据提供审计服务；碳监管平台系统可以查询碳足迹生命周期链中的数据，并基于碳足迹生命周期链中的数据提供监管服务。

本申请实施例的技术方案，响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量，接着获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量，可以基于计划产量准确预测预设产线在目标生产周期内生产目标电力装备所产生的碳排放量，无需人工统计产线内各个设备在生产电力装备时的能源消耗量，节省了人力物力，进而提高了碳排放预测量的确定效率和确定准确性；然后，将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务，其中的碳足迹生命周期链为联盟链，通过将生产阶段预测的碳排放数据写入碳足迹生命周期链，并结合联盟链的特性，使得任一参与方（即任一生命周期阶段的控制节点设备）无法随意修改碳足迹生命周期链中的数据，实现了生产阶段的碳排放预测全过程的不可篡改与可追溯功能，进一步结合其他生命周期阶段的碳排放数据写入碳足迹生命周期链机制，实现了目标电力装备在全生命周期内的碳排放数据的可信存证与可追溯管理功能，有效地解决了现有技术中存在数据易被篡改、难追溯的问题，显著提升了碳足迹在外部服务系统中的采信度，从而显著提升了电力装备碳排管控的智能化水平与运行优化能力。

下面进一步描述本申请实施例提供的一种电力装备的碳排放预测方法，图2是本申请实施例提供的电力装备的碳排放预测方法的另一个流程示意图。本申请实施例是在上述各实施例的基础上进行优化。参见图2本实施例的方法包括但不限于如下步骤：

S210、响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量。

S220、获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量。

具体地，获取目标电力装备对应的当前碳排放预测模型，包括Sa1-Sa6：

Sa1、确定当前时刻与上一训练时刻之间的时间差是否大于预设时长阈值。

其中，上一训练时刻为最近一次训练目标电力装备对应的碳排放预测模型的时间，即目标电力装备对应的上一碳排放预测模型的训练时间；上一碳排放预测模型为最近一次训练得到的碳排放预测模型。预设时长阈值为预先设置的时长，用于表征相邻两次训练碳排放预测模型的时间间隔。

具体地，如果当前时刻与上一训练时刻之间的时间差大于预设时长阈值，则表明需要利用新增的样本数据对上一碳排放预测模型进行训练优化，此时可以执行Sa2；否则，表明无需利用新增的样本数据对上一碳排放预测模型进行训练优化，此时可以执行Sa6。

Sa2、在当前时刻与上一训练时刻之间的时间差大于预设时长阈值时，将当前时刻与上一训练时刻之间的时间范围确定为待训练时间范围。

其中，待训练时间范围包括多个新增历史生产周期；新增历史生产周期为目标电力装备在待训练时间范围中的生产周期。

Sa3、获取预设产线在每个新增历史生产周期内生产目标电力装备时的实际运行数据，得到对应新增历史生产周期的样本运行数据，并获取预设产线在每个新增历史生产周期内的实际产量，得到对应新增历史生产周期的样本产量。

其中，样本运行数据为预设产线在新增历史生产周期内生产目标电力装备时的实际运行数据。

实际运行数据可以包括预设产线在生产周期内针对各类能源的能耗数据，或者，实际运行数据可以包括预设产线内各个设备在生产周期内的运行数据，如运行功率和运行时长等，以使得后续基于预设产线内各个设备在生产周期内的运行数据确定预设产线在对应生产周期内针对各类能源的能耗数据；各类能源可以包括电力、水、燃气和天然气等。

需要说明的是，如果无法直接获取预设产线在生产周期内针对各类能源的能耗数据，则实际运行数据包括预设产线内各个设备在生产周期内的运行数据；如果可以直接获取预设产线在生产周期内针对各类能源的能耗数据，则实际运行数据包括预设产线在生产周期内针对各类能源的能耗数据。

样本产量为预设产线在新增历史生产周期内实际生产目标电力装备的数量。

Sa4、对每个新增历史生产周期的样本运行数据进行碳排放计算，得到预设产线在对应新增历史生产周期内生产目标电力装备所产生的碳排放量标签，并将每个新增历史生产周期的样本产量和对应新增历史生产周期的碳排放量标签组合为新增样本数据。

其中，碳排放量标签为预设产线在新增历史生产周期内生产目标电力装备所产生的实际碳排放量。新增样本数据包括每个新增历史生产周期的样本产量以及每个新增历史生产周期的碳排放量标签。

具体地，针对每个新增历史生产周期中的当前新增历史生产周期，可以对当前新增历史生产周期的样本运行数据进行预处理，得到中间运行数据，即可以对样本运行数据进行格式标准化，以将样本运行数据的单位转换为标准单位；基于碳排放因子库和预设生命周期评估规则对中间运行数据进行碳排放计算，得到预设产线在当前新增历史生产周期内生产目标电力装备所产生的碳排放量标签，其中的碳排放因子库包括各类能源的碳排放因子，碳排放因子表示在特定条件下，每进行一个单位的某种活动、生产或消耗一个单位的某种产品、提供一个单位的某种服务时，所对应的二氧化碳等温室气体的排放量；预设生命周期评估规则为预先设置的目标生产单位生产目标电力装备时所遵循的生命周期评估规则，如生命周期评估规则可以为量化目标电力装备的全生命周期对气候的影响。

具体而言，当中间运行数据包括预设产线内各个设备在当前新增历史生产周期内的运行数据时，基于预设产线内各个设备在当前新增历史生产周期内的运行数据确定预设产线在当前新增历史生产周期内针对各类能源的能耗数据；当中间运行数据包括预设产线在当前新增历史生产周期内针对各类能源的能耗数据时，无需进行额外计算；然后，从碳排放因子库中获取预设生命周期评估规则下各类能源对应的碳排放因子，并计算各类能源的能耗数据与对应类型能源的碳排放因子的乘积，得到预设产线在当前新增历史生产周期内针对各类能源的碳排放量，之后计算所有类型能源的碳排放量之和，得到预设产线在当前新增历史生产周期内生产目标电力装备所产生的碳排放量标签。可以提高计算效率，降低实现复杂度，进而提高了碳排放量标签的确定准确性和确定效率，为后续训练碳排放预测模型提供了准确的训练基础。

Sa5、利用多个新增样本数据对目标电力装备对应的上一碳排放预测模型进行训练优化，得到当前碳排放预测模型。

具体地，可以将新增样本数据中的样本产量输入上一碳排放预测模型，得到碳排放训练量，并计算碳排放训练量与对应新增样本数据中的碳排放量标签之间的损失值，然后以最小化损失值为目标，对上一碳排放预测模型进行训练优化，得到当前碳排放预测模型；其中的训练优化方式可以包括梯度下降法、特征重加权法与模型结构自动搜索法等，防止模型过拟合或性能退化。

可以理解的是，只要当前时刻与上一训练时刻之间的时间差大于预设时长阈值，就触发一次碳排放预测模型的训练操作，即利用新增样本数据对最近一次训练得到的碳排放预测模型进行训练优化，以提高碳排放预测模型的预测准确性。

Sa6、在当前时刻与上一训练时刻之间的时间差不大于预设时长阈值时，确定当前碳排放预测模型为目标电力装备对应的上一碳排放预测模型。

本申请实施例中，可以使得当前碳排放预测模型为最新训练得到的模型，为后续确定碳排放预测量提供了准确的数据基础，进而提高了碳排放预测量的预测准确性；通过新增样本数据对上一碳排放预测模型进行训练优化，可以提升碳排放预测模型的预测性能和适应性。

可选的，可以建立碳排放预测模型的模型训练区块链，其中的模型训练区块链可以包括多个区块结构，每个区块结构用于存储利用预设时长阈值内的样本数据训练得到的碳排放预测模型的相关数据，并且每个区块结构按照时间顺序链接，即，在训练初始碳排放预测模型得到第一个碳排放预测模型后，可以生成第一个碳排放预测模型的标识，并利用哈希函数对第一个碳排放预测模型在本地的存储地址、第一个碳排放预测模型的模型结构和模型参数以及标识进行哈希计算，得到第一个碳排放预测模型对应的哈希值，此时的哈希值为区块头中的本区块体的哈希值，接着将该哈希值、时间戳以及上一个区块的哈希值（此时被设置为全零或特定的占位符）写入模型训练区块链中的第一个区块的区块头，并将第一个碳排放预测模型在本地的存储地址、第一个碳排放预测模型的模型结构和模型参数以及标识写入模型训练区块链中的第一个区块的区块体；同理，在每隔预设时长阈值，利用新增样本数据对碳排放预测模型进行训练优化得到新的碳排放预测模型时，按照相同的处理操作将新的碳排放预测模型的相关数据写入模型训练区块链中，可以实现碳排放预测模型的可追溯功能，确保碳排放预测模型的每次迭代均有可信记录与审计依据，进而保障了碳排放预测过程的可验证性和完整性。其中，初始碳排放预测模型为一个尚未经过训练的模型框架。

S230、获取预设产线在目标生产周期内生产目标电力装备时的实际运行数据，得到目标运行数据。

其中，目标运行数据可以包括预设产线在目标生产周期内针对各类能源的能耗数据，或者，目标运行数据可以包括预设产线内各个设备在目标生产周期内的运行数据。

S240、对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量。

其中，碳排放实际量为预设产线在目标生产周期内生产计划产量的目标电力装备所产生的实际碳排放量。

具体地，可以基于碳排放因子库和预设生命周期评估规则对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量。

可选的，在对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量之后，可以计算碳排放实际量和碳排放预测量的偏差，得到预测偏差值；在预设偏差值大于预设偏差阈值时，生成预测风险提示，并展示预测风险提示，即在电子设备的显示屏上显示预测风险提示，或者向管理人员的用户终端发送预测风险提示，以使得用户终端向管理人员展示预测风险提示，可以提醒管理人员碳排放预测模型的预测准确性较低，使得管理人员及时采取应对措施，如再次对碳排放预测模型进行训练优化。

S250、对当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量进行封装，得到区块体数据。

具体地，可以按照预设格式对当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量进行封装，得到区块体数据。

可选的，在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，可以对碳排放预测量进行分级标注，即，可以获取管理人员针对碳排放预测量输入的来源可信度、数据完整性和处理方法透明度，并基于来源可信度、数据完整性和处理方法透明度对碳排放预测量进行分级标注，然后可以将碳排放预测量的来源可信度、数据完整性和处理方法透明度，与当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量一起封装，得到区块体数据，以增强数据可审计性。

S260、对区块体数据进行哈希计算，得到区块体数据对应的哈希值，并基于当前时刻、区块体数据对应的哈希值以及生产阶段的上一生命周期阶段对应的区块结构确定区块头数据。

其中，上一生命周期阶段为目标电力装备的全生命周期中，处于生产阶段上一阶段的生命周期阶段，即原材料运输阶段。

具体地，可以利用哈希函数对区块体数据进行哈希计算，得到区块体数据对应的哈希值，此时的区块体数据对应的哈希值为本区块体的哈希值，接着获取碳足迹生命周期链中的生产阶段的上一生命周期阶段（即原材料运输阶段）对应的区块结构，即上一个区块的区块结构，并利用哈希函数对上一个区块的区块结构进行哈希计算，得到上一个区块的哈希值，然后按照区块头的格式对上一个区块的哈希值、区块体数据的哈希值和当前时刻进行封装，得到区块头数据。需要说明的是，对于区块头中的其他字段（如版本号字段、难度目标字段和随机数字段等），可以参考现有技术中的确定方式。

S270、将区块头数据和区块体数据对应写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块头和区块体，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

具体地，通过智能合约将区块头数据和区块体数据对应写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块头和区块体，形成可审计的预测可信凭证。

可选的，在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，可以基于碳排放预测量和目标生产单位为预设产线设置的碳排控制标准生成预设产线的碳减排策略，其中的碳减排策略是为了降低温室气体（尤其是二氧化碳为主）排放，围绕预设产线生产目标电力装备的环节所制定的生产方案，即，获取目标生产单位为预设产线设置的碳排控制标准对应的标准碳排放量，并在碳排放预测量大于标准碳排放量时，为预设产线制定碳减排策略，如，降低预设产线内各个设备的转速，或者降低预设产线在目标生产周期内的计划产量等；然后，向目标生产单位的决策支持终端发送碳减排策略，以使得决策支持终端基于碳减排策略对预设产线内的各个设备进行调整，其中的决策支持终端是一种基于信息技术构建的，旨在为决策过程提供数据支持、分析工具以及可视化展示等功能的终端设备。可以实现基于碳排放预测量为预设产线制定碳减排策略的功能，进而能够指导预设产线在目标生产周期内的生产节拍，使得目标生产单位的预设产线满足碳排控制标准。

可选的，在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，可以基于碳排放预测量和目标生产单位为预设产线设置的碳排控制标准生成预设产线的运行优化建议，向目标生产单位的决策支持终端发送运行优化建议，以使得决策支持终端基于运行优化建议对预设产线内的各个设备进行调整；以及，可以基于碳排放预测量和目标生产单位为预设产线设置的碳排控制标准生成碳资产评估报告，并展示碳资产评估报告。

本申请实施例的技术方案，响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量，其次获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量，可以基于计划产量准确预测预设产线在目标生产周期内生产目标电力装备所产生的碳排放量，无需人工统计，节省了人力物力，进而提高了碳排放预测量的确定效率和确定准确性；接着，获取预设产线在目标生产周期内生产目标电力装备时的实际运行数据，得到目标运行数据，并对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量，可以丰富后续的上链数据，并且可以为后续确定当前碳排放预测模型的预测偏差值提供了准确的数据基础；然后，对当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量进行封装，得到区块体数据，对区块体数据进行哈希计算，得到区块体数据对应的哈希值，并基于当前时刻、区块体数据对应的哈希值以及生产阶段的上一生命周期阶段对应的区块结构确定区块头数据，之后将区块头数据和区块体数据对应写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块头和区块体，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务，可以丰富生产阶段的区块体数据，并且可以提高计算效率，降低实现复杂度，进而提高了碳足迹生命周期链的数据写入效率和写入准确性，实现了生产阶段的碳排放预测全过程的不可篡改与可追溯功能；另外，碳足迹生命周期链为联盟链，通过将生产阶段预测的碳排放数据写入碳足迹生命周期链，并结合联盟链的特性，使得任一参与方（即任一生命周期阶段的控制节点设备）无法随意修改碳足迹生命周期链中的数据，实现了生产阶段的碳排放预测全过程的不可篡改与可追溯功能，进一步结合其他生命周期阶段的碳排放数据写入碳足迹生命周期链机制，实现了目标电力装备在全生命周期内的碳排放数据的可信存证与可追溯管理功能，有效地解决了现有技术中存在数据易被篡改、难追溯的问题，显著提升了碳足迹在外部服务系统中的采信度，从而显著提升了电力装备碳排管控的智能化水平与运行优化能力。

图3是本申请实施例提供的电力装备的碳排放预测装置的一个结构示意图，参照图3，该电力装备的碳排放预测装置可以包括：

第一获取模块310，用于响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；

预测模块320，用于获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；

写入模块330，用于将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

一实施例中，预测模块320获取目标电力装备对应的当前碳排放预测模型，包括：在当前时刻与上一训练时刻之间的时间差大于预设时长阈值时，将当前时刻与上一训练时刻之间的时间范围确定为待训练时间范围；待训练时间范围包括多个新增历史生产周期；获取预设产线在每个新增历史生产周期内生产目标电力装备时的实际运行数据，得到对应新增历史生产周期的样本运行数据，并获取预设产线在每个新增历史生产周期内的实际产量，得到对应新增历史生产周期的样本产量；对每个新增历史生产周期的样本运行数据进行碳排放计算，得到预设产线在对应新增历史生产周期内生产目标电力装备所产生的碳排放量标签，并将每个新增历史生产周期的样本产量和对应新增历史生产周期的碳排放量标签组合为新增样本数据；利用多个新增样本数据对目标电力装备对应的上一碳排放预测模型进行训练优化，得到当前碳排放预测模型。

一实施例中，预测模块320对每个新增历史生产周期的样本运行数据进行碳排放计算，得到预设产线在对应新增历史生产周期内生产目标电力装备所产生的碳排放量标签，包括：针对每个新增历史生产周期中的当前新增历史生产周期，对当前新增历史生产周期的样本运行数据进行预处理，得到中间运行数据；基于碳排放因子库和预设生命周期评估规则对中间运行数据进行碳排放计算，得到预设产线在当前新增历史生产周期内生产目标电力装备所产生的碳排放量标签。

一实施例中，预测模块320获取目标电力装备对应的当前碳排放预测模型，包括：在当前时刻与上一训练时刻之间的时间差不大于预设时长阈值时，确定当前碳排放预测模型为目标电力装备对应的上一碳排放预测模型。

一实施例中，该电力装备的碳排放预测装置还包括第二获取模块，第二获取模块具体用于：在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，获取预设产线在目标生产周期内生产目标电力装备时的实际运行数据，得到目标运行数据；对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量。

相应的，区块结构包括区块头和区块体，写入模块330具体用于：对当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量进行封装，得到区块体数据；对区块体数据进行哈希计算，得到区块体数据对应的哈希值，并基于当前时刻、区块体数据对应的哈希值以及生产阶段的上一生命周期阶段对应的区块结构确定区块头数据；将区块头数据和区块体数据对应写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块头和区块体。

一实施例中，该电力装备的碳排放预测装置还包括偏差确定模块，偏差确定模块具体用于：在对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量之后，计算碳排放实际量和碳排放预测量的偏差，得到预测偏差值；在预设偏差值大于预设偏差阈值时，生成预测风险提示，并展示预测风险提示。

一实施例中，该电力装备的碳排放预测装置还包括策略生成模块，策略生成模块具体用于：在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，基于碳排放预测量和目标生产单位为预设产线设置的碳排控制标准生成预设产线的碳减排策略；向目标生产单位的决策支持终端发送碳减排策略，以使得决策支持终端基于碳减排策略对预设产线内的各个设备进行调整。

本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本实施例提供的电力装备的碳排放预测装置可适用于上述任意实施例提供的电力装备的碳排放预测方法，具备相应的功能和有益效果。

图4是本申请实施例提供的电子设备的一个结构示意图。图4示出了适于用来实现本申请实施方式的示例性电子设备11的框图。图4显示的电子设备11仅仅是一个示例，不应对本实施例的功能和使用范围带来任何限制。

如图4所示，电子设备11以通用计算电子设备的形式表现。电子设备11的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构总线，微通道体系结构总线，增强型工业标准体系结构总线、视频电子标准协会局域总线以及外围组件互连总线。

电子设备11典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备11访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器30和/或高速缓存存储器32。电子设备11可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图4未显示，通常称为“硬盘驱动器”）。尽管图4中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如便携式紧凑磁盘只读存储器、数字多功能光盘只读存储器或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

电子设备11也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该电子设备11交互的设备通信，和/或与使得该电子设备11能与一个或多个其它计算设备进行通信的任何设备（例如网卡和调制解调器等）通信。这种通信可以通过输入/输出接口22进行。并且，电子设备11还可以通过网络适配器20与一个或者多个网络（例如局域网，广域网和/或公共网络）通信。

如图4所示，网络适配器20通过总线18与电子设备11的其它模块通信。应当明白，尽管图4中未示出，可以结合电子设备11使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、独立磁盘冗余阵列系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及页面显示，例如实现本申请任意实施例所提供的一种电力装备的碳排放预测方法。

本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现例如本申请任意实施例所提供的一种电力装备的碳排放预测方法。

本实施例的计算机存储介质，可以采用一个或者多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或者半导体的系统、装置或者器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或者多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦式可编程只读存储器、闪存、光纤、便携式紧凑磁盘只读存储器、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或者存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或者上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频等等，或者上述的任意合适的组合。

可以以一种或者多种程序设计语言或者其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，还包括常规的过程式程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网或者广域网，连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

本领域普通技术人员应该明白，上述的本申请的各模块或者各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或者步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件的结合。

需要说明的是，本申请实施例的技术方案中，采集的信息是经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝；此外，为用户提供相应的操作入口，供用户选择同意或者拒绝自动化决策结果；若用户选择拒绝，则进入专家决策流程。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请发明构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种电力装备的碳排放预测方法，其特征在于，所述方法包括：

响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；

获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；

将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

2.根据权利要求1所述的电力装备的碳排放预测方法，其特征在于，获取目标电力装备对应的当前碳排放预测模型，包括：

在当前时刻与上一训练时刻之间的时间差大于预设时长阈值时，将当前时刻与上一训练时刻之间的时间范围确定为待训练时间范围；待训练时间范围包括多个新增历史生产周期；

获取预设产线在每个新增历史生产周期内生产目标电力装备时的实际运行数据，得到对应新增历史生产周期的样本运行数据，并获取预设产线在每个新增历史生产周期内的实际产量，得到对应新增历史生产周期的样本产量；

对每个新增历史生产周期的样本运行数据进行碳排放计算，得到预设产线在对应新增历史生产周期内生产目标电力装备所产生的碳排放量标签，并将每个新增历史生产周期的样本产量和对应新增历史生产周期的碳排放量标签组合为新增样本数据；

利用多个新增样本数据对目标电力装备对应的上一碳排放预测模型进行训练优化，得到当前碳排放预测模型。

3.根据权利要求2所述的电力装备的碳排放预测方法，其特征在于，对每个新增历史生产周期的样本运行数据进行碳排放计算，得到预设产线在对应新增历史生产周期内生产目标电力装备所产生的碳排放量标签，包括：

针对每个新增历史生产周期中的当前新增历史生产周期，对当前新增历史生产周期的样本运行数据进行预处理，得到中间运行数据；

基于碳排放因子库和预设生命周期评估规则对中间运行数据进行碳排放计算，得到预设产线在当前新增历史生产周期内生产目标电力装备所产生的碳排放量标签。

4.根据权利要求1所述的电力装备的碳排放预测方法，其特征在于，获取目标电力装备对应的当前碳排放预测模型，包括：

在当前时刻与上一训练时刻之间的时间差不大于预设时长阈值时，确定当前碳排放预测模型为目标电力装备对应的上一碳排放预测模型。

5.根据权利要求1所述的电力装备的碳排放预测方法，其特征在于，在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，还包括：

获取预设产线在目标生产周期内生产目标电力装备时的实际运行数据，得到目标运行数据；

对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量；

相应的，区块结构包括区块头和区块体，将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，包括：

对当前碳排放预测模型的标识、计划产量、碳排放预测量、目标运行数据和碳排放实际量进行封装，得到区块体数据；

对区块体数据进行哈希计算，得到区块体数据对应的哈希值，并基于当前时刻、区块体数据对应的哈希值以及生产阶段的上一生命周期阶段对应的区块结构确定区块头数据；

将区块头数据和区块体数据对应写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块头和区块体。

6.根据权利要求5所述的电力装备的碳排放预测方法，其特征在于，在对目标运行数据进行碳排放计算，得到预设产线在目标生产周期内的碳排放实际量之后，还包括：

计算碳排放实际量和碳排放预测量的偏差，得到预测偏差值；

在预设偏差值大于预设偏差阈值时，生成预测风险提示，并展示预测风险提示。

7.根据权利要求1所述的电力装备的碳排放预测方法，其特征在于，在利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量之后，还包括：

基于碳排放预测量和目标生产单位为预设产线设置的碳排控制标准生成预设产线的碳减排策略；

向目标生产单位的决策支持终端发送碳减排策略，以使得决策支持终端基于碳减排策略对预设产线内的各个设备进行调整。

8.一种电力装备的碳排放预测装置，其特征在于，所述装置包括：

第一获取模块，用于响应于满足生产阶段预测触发条件，获取目标生产单位生产目标电力装备的预设产线在目标生产周期内的计划产量；

预测模块，用于获取目标电力装备对应的当前碳排放预测模型，并利用当前碳排放预测模型基于计划产量对预设产线在目标生产周期内生产目标电力装备所产生的碳排放量进行预测，得到碳排放预测量；

写入模块，用于将当前碳排放预测模型的标识、计划产量和碳排放预测量写入目标电力装备的碳足迹生命周期链中的生产阶段对应的区块结构，以使得外部服务系统基于目标电力装备对应的碳足迹生命周期链提供对应的业务服务。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一所述的电力装备的碳排放预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一所述的电力装备的碳排放预测方法。