本发明涉及计算机，尤其涉及一种用于碳交易的价格预测方法及装置。
背景技术：
1、现今，在双碳大背景下，从履约角度针对碳配额、国家核证自愿减排量(chinesecertified emission reduction,以下简称为“ccer”)、绿色证书、绿色发电等助于推动双碳目标落地、引导企业转型、促进可持续发展的指标，制定高收益、低成本、低碳排的转型方案成为亟待解决的问题。
2、
技术实现思路
1、本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的用于碳交易的价格预测方法及装置。
2、为达到上述目的，本发明的技术方案具体是这样实现的：
3、本发明的一个方面提供了一种用于碳交易的价格预测方法，包括：
4、获取碳配额数据、国家核证自愿减排量数据、绿色证书数据以及绿色发电数据；
5、对所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据分别进行预处理，获取所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据的分布和特征，绘制所述碳配额数据的相关性矩阵图、所述国家核证自愿减排量数据的相关性矩阵图、所述绿色证书数据的相关性矩阵图以及所述绿色发电数据的相关性矩阵图；
6、根据所述碳配额数据的相关性矩阵图确定所述碳配额数据中影响较大的影响因素，根据所述国家核证自愿减排量数据的相关性矩阵图确定所述国家核证自愿减排量数据中影响较大的影响因素，根据所述绿色证书数据的相关性矩阵图确定所述绿色证书数据中影响较大的影响因素以及根据所述绿色发电数据的相关性矩阵图确定所述绿色发电数据中影响较大的影响因素；
7、利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型，利用所述国家核证自愿减排量数据中影响较大的影响因素训练国家核证自愿减排量数据预测模型，利用所述绿色证书数据中影响较大的影响因素训练绿色证书预测模型，利用所述绿色发电数据中影响较大的影响因素训练绿色发电预测模型。
8、利用所述配额预测模型对碳配额价格进行预测，利用所述国家核证自愿减排量数据预测模型对ccer价格进行预测，利用所述绿色证书预测模型对绿色证书价格进行预测，利用所述绿色发电预测模型对绿色发电价格进行预测。
9、其中，所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据中的影响因素包括：
10、地区碳配额交易量、煤炭价格指数、全国发电煤耗率、全国火力发电量、地区火力发电量、地区ccer交易价格、地区ccer交易量、全国风力发电、全国太阳能发电、地区太阳能发电和全国绿证价格；
11、其中，所述预处理包括：
12、对于缺失数据，按照预设规则进行填充；
13、其中，所述预设规则包括：若只缺失某单个时点的数值，按前值填充；若缺第一个数值，按后值填充；若缺失连续多个时点的数值，按线性插值的方式填充。
14、其中，所述预测模型包括：统计学模型、传统机器学习模型或深度学习模型。
15、其中，所述利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型包括：
16、采用传统机器学习模型决策树回归器、svm回归器，深度学习模型rnn、lstm架构训练所述碳配额预测模型；
17、所述利用所述国家核证自愿减排量数据中影响较大的影响因素训练国家核证自愿减排量数据预测模型包括：
18、采用传统机器学习模型决策树回归器、svm回归器，深度学习模型rnn、lstm架构训练所述国家核证自愿减排量数据预测模型；
19、所述利用所述绿色证书数据中影响较大的影响因素训练绿色证书预测模型包括：
20、采用滚动预测的方式训练所述绿色证书预测模型；
21、所述利用所述绿色发电数据中影响较大的影响因素训练绿色发电预测模型包括：
22、采用滚动预测的方式训练所述绿色发电预测模型。
23、本发明的另一个方面提供了一种用于碳交易的价格预测装置，包括：
24、获取模块，用于获取碳配额数据、国家核证自愿减排量数据、绿色证书数据以及绿色发电数据；
25、处理模块，用于对所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据分别进行预处理，获取所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据的分布和特征，绘制所述碳配额数据的相关性矩阵图、所述国家核证自愿减排量数据的相关性矩阵图、所述绿色证书数据的相关性矩阵图以及所述绿色发电数据的相关性矩阵图；
26、确定模块，用于根据所述碳配额数据的相关性矩阵图确定所述碳配额数据中影响较大的影响因素，根据所述国家核证自愿减排量数据的相关性矩阵图确定所述国家核证自愿减排量数据中影响较大的影响因素，根据所述绿色证书数据的相关性矩阵图确定所述绿色证书数据中影响较大的影响因素以及根据所述绿色发电数据的相关性矩阵图确定所述绿色发电数据中影响较大的影响因素；
27、训练模块，用于利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型，利用所述国家核证自愿减排量数据中影响较大的影响因素训练国家核证自愿减排量数据预测模型，利用所述绿色证书数据中影响较大的影响因素训练绿色证书预测模型，利用所述绿色发电数据中影响较大的影响因素训练绿色发电预测模型。
28、预测模块，用于利用所述配额预测模型对碳配额价格进行预测，利用所述国家核证自愿减排量数据预测模型对ccer价格进行预测，利用所述绿色证书预测模型对绿色证书价格进行预测，利用所述绿色发电预测模型对绿色发电价格进行预测。
29、其中，所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据中的影响因素包括：
30、地区碳配额交易量、煤炭价格指数、全国发电煤耗率、全国火力发电量、地区火力发电量、地区ccer交易价格、地区ccer交易量、全国风力发电、全国太阳能发电、地区太阳能发电和全国绿证价格；
31、其中，所述处理模块通过如下方式进行预处理：
32、对于缺失数据，按照预设规则进行填充；
33、其中，所述预设规则包括：若只缺失某单个时点的数值，按前值填充；若缺第一个数值，按后值填充；若缺失连续多个时点的数值，按线性插值的方式填充。
34、其中，所述预测模型包括：统计学模型、传统机器学习模型或深度学习模型。
35、其中，所述训练模块通过如下方式利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型：采用传统机器学习模型决策树回归器、svm回归器，深度学习模型rnn、lstm架构训练所述碳配额预测模型；
36、所述训练模块通过如下方式利用所述国家核证自愿减排量数据中影响较大的影响因素训练国家核证自愿减排量数据预测模型：采用传统机器学习模型决策树回归器、svm回归器，深度学习模型rnn、lstm架构训练所述国家核证自愿减排量数据预测模型；
37、所述训练模块通过如下方式利用所述绿色证书数据中影响较大的影响因素训练绿色证书预测模型：采用滚动预测的方式训练所述绿色证书预测模型；
38、所述训练模块通过如下方式利用所述绿色发电数据中影响较大的影响因素训练绿色发电预测模型：采用滚动预测的方式训练所述绿色发电预测模型。
39、由此可见，通过本发明提供的用于碳交易的价格预测方法及装置，通过对碳配额数据、国家核证自愿减排量数据、绿色证书数据以及绿色发电数据指标的深入分析并提供相应的对未来趋势的预测方案，为未来可持续发展提供战略性的辅助决策建议和技术支撑，并提供用于满足数据迭代更新需求的展示交互平台。
1.一种用于碳交易的价格预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据中的影响因素包括：
3.根据权利要求1所述的方法，其特征在于，所述预处理包括：
4.根据权利要求1所述的方法，其特征在于，所述预测模型包括：统计学模型、传统机器学习模型或深度学习模型。
5.根据权利要求1所述的方法，其特征在于，所述利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型包括：
6.一种用于碳交易的价格预测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述碳配额数据、所述国家核证自愿减排量数据、所述绿色证书数据以及所述绿色发电数据中的影响因素包括：
8.根据权利要求6所述的装置，其特征在于，所述处理模块通过如下方式进行预处理：
9.根据权利要求6所述的装置，其特征在于，所述预测模型包括：统计学模型、传统机器学习模型或深度学习模型。
10.根据权利要求6所述的装置，其特征在于，所述训练模块通过如下方式利用所述碳配额数据中影响较大的影响因素训练碳配额预测模型：采用传统机器学习模型决策树回归器、svm回归器，深度学习模型rnn、lstm架构训练所述碳配额预测模型；
