基于EABC算法优化RFR模型的电力行业碳排放量预测.pdfVIP

山东电力技术

第51卷（总第314期）SHANDONGELECTRICPOWER2024年第1期

DO：10.20097/ki.issn1007-9904.2024.01.009

基于EABC算法优化RFR模型的电力行业碳排放量预测

11211

赵中华，张绪辉，王太，刘科，张利孟

（1.国网山东省电力公司电力科学研究院，山东济南250003；

2.华北电力大学能源动力与机械工程学院，河北保定071003）

摘要：针对电力行业碳排放量预测问题，在传统人工蜂群算法中引入遗传学习策略进行改进，提出一种基于进化人工蜂

群算法优化的随机森林回归预测模型。首先在可拓展随机性环境影响评估模型（stochasticimactsbyregressionon

populationaffluenceandtechnlogy,STIRPAT)模型基础上确定电力行业碳排放量影响因素，将其作为预测模型的输入自变

量，继而利用进化人工蜂群算法优化随机森林回归模型，从而避免模型参数主观设置不合理对预测精度的不利影响，最

后运用参数优化后的模型对电力行业碳排放量进行预测。实际测算数据验证结果表明，该模型可以准确反映电力行业

未来碳排放趋势，并且与其他预测模型相比，预测精度更高、优势更加明显，能够为节能减排政策制定提供参考借鉴。

关键词：碳排放；STIRPAT模型；进化人工蜂群算法；随机森林回归模型

中图分类号：X321文献标识码：A文章编号：1007-9904（2024）01-0077-08

ForecastofElectricityIndustryCarbonEmissionBasedonEABC

AlgorithmOptimizedRFRModel

11211

ZHAOZhonghua，ZHANGXuhui，WANGTai，LIUKe，ZHANGLimeng

（1.StateGridShandongElectricPowerResearchInstitute，Jinan250003，China；

2.SchoolofEnergyPowerandMechanicalEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China）

Abstract：：Inordertosolvetheforecastproblemofelectricityindustrycarbonemissions，theforecastmodelbasedonevolve

artificialbeecolony（EABC）algorithmoptimizedrandomforestregression（RFR）wasproposed.Firstly，theinfluencefactorsof

electricityindustrycarbonemissionweredeterminedbasedontheSTIRPATmodel，whichwereconsideredastheinput

independentvariablesofforecastmodel.Then，theRFRmodelwasoptimizedbyEABCalgorithm，andtheadverseinfluenceon

predictionaccuracyduetounreasonablesubjectivesettingofmodelparameterscanbeavoi