电网节点的碳排放量会随时间、负载、天气等因素波动,且来源广泛,因数据整合和处理过程复杂,极易导致数据存在稀疏性,继而导致模型在训练过程中学习到不稳定的特征,影响预测结果的准确性。为此,提出基于Dropout神经网络的电网碳排放因子预测方法。通过构建电网拓扑图与节点碳势模型,结合电力潮流守恒定律,推导出各节点碳排放因子的计算公式;通过Dropout技术在训练过程中随机丢弃部分神经元的方式,这种随机性使模型在训练过程中必须考虑更多的特征组合,从而减少对数据稀疏特征的依赖,提高神经网络模型的泛化能力。利用优化后的神经网络,依据实时负载数据预测出电网节点的碳排放因子。通过实验可知,上述方法不仅可以提高电网碳排放因子预测的准确性,还增强了神经网络模型的泛化能力。