CN117575175B - 碳排放评估方法、装置、电子设备和存储介质 - Google Patents
碳排放评估方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117575175B CN117575175B CN202410051184.8A CN202410051184A CN117575175B CN 117575175 B CN117575175 B CN 117575175B CN 202410051184 A CN202410051184 A CN 202410051184A CN 117575175 B CN117575175 B CN 117575175B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power grid
- regional
- power generation
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 331
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 325
- 238000011156 evaluation Methods 0.000 title claims description 13
- 238000010248 power generation Methods 0.000 claims abstract description 180
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000013468 resource allocation Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 8
- 230000009467 reduction Effects 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 10
- 230000035945 sensitivity Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 9
- 238000004146 energy storage Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种碳排放评估方法、装置、电子设备和存储介质。具体实现方案为:针对第一区域电网的各个所述碳排放指标的第一参数值,构建第一区域电网的仿真发电模型。控制模型在各个发电场景下分别发电,以得到各个发电场景下的基准碳排放因子。然后,对模型的仿真条件进行扰动以使任一指标的参数值发生变化,并控制扰动后的模型在各个发电场景下分别发电,以得到在各个发电场景下各个碳排放指标的碳排放因子差值。最后,利用该差值,可以得到各个碳排放指标的权重值。对第一区域电网的各个所述碳排放指标的第一参数值及权重进行处理,可以准确地得到第一区域电网的综合碳排放分数。采用本公开的技术方案,可以准确地评估区域电网的降碳能力。
Description
技术领域
本公开涉及电力技术领域,尤其涉及碳排放评估领域。本公开具体涉及一种碳排放评估方法、装置、电子设备和存储介质。
背景技术
在当前的电力***中,随着可再生能源的大规模并网和电网结构的日益复杂化,电网的绿色低碳转型面临着前所未有的挑战。随着风能、太阳能等可再生能源的广泛应用,如何实时准确地评估这些能源在整个电网中的发电贡献度成为一大难题。这不仅涉及到实时数据的获取和处理,还需要考虑天气变化、季节性因素等对发电量的影响。电网为了适应可再生能源的不稳定性和不可预测性,需要足够的灵活性资源,如储能设备、需求响应机制等。如何有效地配置这些资源,以提高电网的稳定性和效率,是当前急需解决的问题。随着电网用户结构和用电模式的多样化,实时监测和调整电网的供需匹配成为一项挑战。这不仅涉及电网的供电能力,还包括用户侧的需求管理和响应能力。评估电网中的弹性负荷配置率和绿电消费占比,对于指导电网的低碳转型至关重要。这需要准确地收集和分析大量分布式数据,同时还要考虑到用户行为的不确定性。不同的降碳能力评价指标需要基于不同的数据集进行计算,而这些数据集的获取频率和更新频率往往不一致。这种不一致性导致在综合评估电网的降碳能力时难以同步获取到最新的结果,影响评估的准确性和时效性。在实际操作中,评估指标的计算时间过长可能导致无法及时评估出关键指标,影响电网运营决策的时效性;而计算时间过短又可能因数据不足或处理过程匆忙而无法保证评估结果的正确性。因此,电网在进行绿色低碳转型的过程中,面临的主要技术挑战在于如何准确、实时地评估和监控上述关键指标,以确保电网的高效、稳定运行,同时实现低碳排放目标。这需要一种新的评估方法来克服现有技术的不足,以适应电网的快速发展和变化。
发明内容
本公开提供了一种碳排放评估方法、装置、电子设备和存储介质,能够解决上述问题。
根据本公开的一方面,提供了一种碳排放评估方法,包括:
针对第一区域电网的各个所述碳排放指标的第一参数值,构建所述第一区域电网的仿真发电模型;
控制所述仿真发电模型在各个发电场景下分别发电,得到所述第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
基于所述第一区域电网在各个发电场景下的基准碳排放量以及所述基准负荷用电量,确定所述第一区域电网在各个发电场景下的基准碳排放因子;
针对任一所述碳排放指标,对所述仿真发电模型的仿真条件进行扰动,以使所述碳排放指标的第一参数值发生扰动,并控制扰动后的所述仿真发电模型在各个所述发电场景下分别发电,得到所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,基于所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,确定所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放因子;
针对任一所述碳排放指标,计算所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子的碳排放因子差值,以得到所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值;
基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值;
基于所述第一区域电网的各个所述碳排放指标的第一参数值以及各个所述碳排放指标的权重值,确定所述第一区域电网的综合碳排放分数。
根据本公开的另一方面,提供了一种碳排放评估装置,包括:
仿真发电模型构建模块,用于针对第一区域电网的各个所述碳排放指标的第一参数值,构建所述第一区域电网的仿真发电模型;
仿真发电模块,用于控制所述仿真发电模型在各个发电场景下分别发电,得到所述第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
第一碳排放计算模块,用于基于所述第一区域电网在各个发电场景下的基准碳排放量以及所述基准负荷用电量,确定所述第一区域电网在各个发电场景下的基准碳排放因子;
第二碳排放计算模块,用于针对任一所述碳排放指标,对所述仿真发电模型的仿真条件进行扰动,以使所述碳排放指标的第一参数值发生扰动,并控制扰动后的所述仿真发电模型在各个所述发电场景下分别发电,得到所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,基于所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,确定所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放因子;
第三碳排放计算模块,用于针对任一所述碳排放指标,计算所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子的碳排放因子差值,以得到所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值;
权重计算模块,用于基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值;
第四碳排放计算模块,用于基于所述第一区域电网的各个所述碳排放指标的第一参数值以及各个所述碳排放指标的权重值,确定所述第一区域电网的综合碳排放分数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器,以及与该至少一个处理器通信连接的存储器;
其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开实施例中任一碳排放评估方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使计算机执行本公开实施例中任一碳排放评估方法。
根据本公开的技术,以针对第一区域电网的各个所述碳排放指标的第一参数值,构建第一区域电网的仿真发电模型。控制仿真发电模型在各个发电场景下分别发电,得到各个发电场景下的基准碳排放量以及基准负荷用电量,进而得到各个发电场景下的基准碳排放因子。然后,对仿真发电模型的仿真条件进行扰动以使任一碳排放指标的第一参数值发生变化,并控制扰动后的仿真发电模型在各个发电场景下分别发电,进而得到各个碳排放指标扰动后的各个发电场景下的碳排放因子,将该碳排放因子与对应场景的基准碳排放因子作差,得到在各个发电场景下各个碳排放指标的碳排放因子差值。最后,利用该差值,可以得到各个碳排放指标的权重值。通过对仿真模型进行扰动的方式得到各个碳排放指标的权重值,以此对第一区域电网的各个所述碳排放指标的第一参数值进行处理,可以准确地得到第一区域电网的综合碳排放分数。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开一实施例的碳排放评估方法的流程图;
图2是本公开另一实施例的碳排放评估方法的流程图;
图3是本公开另一实施例的碳排放评估方法的流程图;
图4是本公开一实施例的碳排放评估装置的结构框图;
图5是本公开一实施例的碳排放评估方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是本公开一实施例的碳排放评估方法的流程图。
如图1所示,该碳排放评估方法,可以包括:
S110,针对第一区域电网的各个碳排放指标的第一参数值,构建第一区域电网的仿真发电模型;
S120,控制仿真发电模型在各个发电场景下分别发电,得到第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
S130,基于第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量,确定第一区域电网在各个发电场景下的基准碳排放因子;
S140,针对任一碳排放指标,对仿真发电模型的仿真条件进行扰动,以使碳排放指标的第一参数值发生扰动,并控制扰动后的仿真发电模型在各个发电场景下分别发电,得到第一区域电网在各个发电场景下且碳排放指标发生扰动后的碳排放量以及负荷用电量,基于第一区域电网在各个发电场景下且碳排放指标发生扰动后的碳排放量以及负荷用电量,确定第一区域电网在各个发电场景下且碳排放指标发生扰动后的碳排放因子;
S150,针对任一碳排放指标,计算第一区域电网在各个发电场景下且碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子的碳排放因子差值,以得到第一区域电网在各个发电场景下各个碳排放指标的碳排放因子差值;
S160,基于第一区域电网在各个发电场景下各个碳排放指标的碳排放因子差值,确定第一区域电网的各个碳排放指标的权重值;
S170,基于第一区域电网的各个碳排放指标的第一参数值以及各个碳排放指标的权重值,确定第一区域电网的综合碳排放分数。
可以理解地,对于任一区域电网,其碳排放指标可以包括:清洁发电量贡献度、灵活资源配置率、清洁电力供需匹配度、弹性负荷配置率以及绿电消费占比。
在一示例中,清洁发电量贡献度可以表征区域电网的电源侧的碳排放减排能力。其可以采用以下公式来计算:
;
其中,表示所述清洁发电量贡献度,T为采样时段总数,/>表示所述区域电网在第t个采样时段的清洁能源发电量,/>表示所述区域电网在第t个采样时段的总发电量。
对于区域电网在第t个采样时段的清洁能源发电量,其可以采用以下公式来计算得到:
其中,表示在/>的时间段内各个时刻的清洁能源发电功率,/>为时间间隔长度。在理想情况下,时间间隔/>应趋近于无穷小,从而衡量过去一段时间内区域清洁能源发电功率对区域总发电功率的贡献。考虑到指标的泛用性以及实际的数据获取难度,计算可根据实际获取的数据频率选择适合的时间间隔长度/>。需要注意的是,在区域间进行横向比较时,应保证指标计算选取的时间间隔长度/>相同,从而保证评估结果的可比性。上述关于时间间隔长度/>的讨论同样适用于电网侧与负荷侧的低碳水平评估指标计算中,之后不再赘述。
可以理解地,灵活资源配置率和清洁电力供需匹配度可以反映区域电网的电网侧降碳能力。
在一示例中,灵活资源配置率可以采用以下公式进行计算:
;
其中,表示所述灵活资源配置率,/>表示所述区域电网的电网侧灵活性资源在第t个采样时刻的可调节容量,/>、/>和/>分别表示所述区域电网在第t个采样时刻的刚性负荷用电功率、风力发电功率和光伏发电功率。
可以理解地,电网侧灵活性资源可以包括光伏储能、抽水储能等。
在一示例中,清洁电力供需匹配度可以采用以下公式进行计算:
;
;
其中,表示所述清洁电力供需匹配度,/>表示所述区域电网在第t个采样时段的负荷用电量,/>为奖惩函数,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值的N倍,N为大于1的整数。
对于上述的奖惩函数来说,其设计所达到的效果为:当清洁能源发电量与负荷用电量的比值小于1时,即,(清洁能源发电量)清洁电力供应不足以满足区域负荷需求(负荷用电量)时,鼓励多发清洁电力,或降低区域负荷需求,此时比值越接近1,相应获得的分数越高。当比值等于1,即,清洁电力供应与区域负荷需求完全匹配,此时电力***实现了最优的低碳运行效果,相应获得的分数最高,为1。当比值进一步增大,即,清洁电力供应大于区域负荷需求,需要向区域外送出清洁电力,在一定范围内有利于其他区域的电力生产清洁化。然而,当比例达到一定倍数(使用代表这一数值)之后,这种向外输出对整体电网的安全稳定运行具有负面影响。因此,当比例大于1而小于/>时,分数相应减小;在比例等于时为0,继续增大比例相应获得的分数将为负值;为防止惩罚过大,当比例进一步增大,达到/>以后,相应获得的分数固定为-1。
可以理解地,弹性负荷配置率和绿电消费占比可以反映区域电网的负荷侧降碳能力。
在一示例中,弹性负荷配置率可以采用以下公式计算:
;
其中,表示弹性负荷配置率,/>表示所述区域电网的负荷侧在第t个采样时刻的弹性负荷可调节容量,/>表示所述区域电网的负荷侧表示所述区域电网的总可调节容量。
在一示例中,绿电消费占比可以采用以下公式计算:
;
其中,表示绿电消费占比,/>表示所述区域电网的年绿电消费量,/>表示所述区域电网的年电力消费总量。
可以理解地,对于不同的发电场景,仿真发电模型的仿真条件不同。
可以理解地,针对第s个发电场景,第一区域电网的基准碳排放因子为第一区域电网在第s个发电场景下的基准碳排放量与基准负荷用电量的比值。
可以理解地,针对第s个发电场景,经过以第i个碳排放指标进行扰动后,第一区域电网的碳排放因子为第一区域电网在第s个发电场景下且第i个碳排放指标发生扰动后的碳排放量与负荷用电量的比值。
例如,可以采用以下公式对上述的基准碳排放因子或经过扰动后的碳排放因子进行计算,具体如下:
;
其中,为碳排放因子,/>表示区域电网在第t个采样时间段内的碳放量,/>表示区域电网在第t个采样时间段内的负荷用电量。
如图2所示,在实际应用当中,对于扰动后的碳排放因子,其计算过程为:根据电力***典型日数据设置S个典型场景作为电力***调度仿真模型边界条件,仿真运行得到第s个场景中电力***用电碳排放因子,作为第s个场景/>的碳排放水平基准值,其中;然后,在第s个场景中,令第/>个指标发生微小的扰动从而改变仿真模型的边界条件,再次进行仿真得到第/>个指标扰动后的用电碳排放因子/>。
对于仿真发电模型,其建模应当符合以下约束:
1、模型的目标函数为最小化调度成本,包括发电机组的发电成本和可调节负荷的调用成本。
2、在运行过程中,需保证电力供应与用电需求的实时平衡。其中,电力供应包括发电机组的发电功率以及新型储能的放电功率/>。用电需求包括刚性负荷/>,可调节负荷/>以及新型储能的充电功率/>。
3、对于各发电机组,必须保证发电功率不超过容量限制和爬坡限制。其中,各线路功率使用直流潮流模型求解得到。
4、各线路潮流不可超过线路稳态容量限制。
5、新型储能等新型并网主体的物理约束。例如,可调节负荷的调节功率不可超过其在时段的最大可调节容量,新型储能调节功率不可超出其最大可调节功率,且新型储能荷电状态须保持在安全范围内。
6、新型储能无法同时处于充电和放电状态,故定义0-1整数变量代表储能的充放电状态,并限制其同时只能处于一个状态当中。
可以理解地,针对任一发电场景,对第个指标扰动后的碳排放因子与基准碳排放因子作差,得到第/>个指标在各个发电场景下的碳排放因子差值。然后,对第/>个指标在各个发电场景下的碳排放因子差值进行计算,可以得到第/>个指标的权重值。例如,可以采用熵权法对第/>个指标在各个发电场景下的碳排放因子差值进行计算。又如,可以采用求和取均值或方差等,得到第/>个指标的权重值。
可以理解地,在得到各个碳排放指标的权重值之后,对第一区域电网的各个碳排放指标的第一参数值以及各个碳排放指标的权重值进行加权求和,得到第一区域电网的综合碳排放分数。
根据上述实施方式,以针对第一区域电网的各个所述碳排放指标的第一参数值,构建第一区域电网的仿真发电模型。控制仿真发电模型在各个发电场景下分别发电,得到各个发电场景下的基准碳排放量以及基准负荷用电量,进而得到各个发电场景下的基准碳排放因子。然后,对仿真发电模型的仿真条件进行扰动以使任一碳排放指标的第一参数值发生变化,并控制扰动后的仿真发电模型在各个发电场景下分别发电,进而得到各个碳排放指标扰动后的各个发电场景下的碳排放因子,将该碳排放因子与对应场景的基准碳排放因子作差,得到在各个发电场景下各个碳排放指标的碳排放因子差值。最后,利用该差值,可以得到各个碳排放指标的权重值。通过对仿真模型进行扰动的方式得到各个碳排放指标的权重值,以此对第一区域电网的各个所述碳排放指标的第一参数值进行处理,可以准确地得到第一区域电网的综合碳排放分数。
在一种实施方式中,上述方法还可以包括:
基于多个区域电网中各个区域电网的各个碳排放指标的第二参数值,对各个所述碳排放指标的第二参数值随电网区域而变化的曲线进行拟合,得到各个所述碳排放指标的参数值分布曲线;
基于各个所述碳排放指标随电网区域变化的参数值分布曲线,确定所述多个区域电网中所述第一区域电网的各个所述碳排放指标的第一参数值。
可以理解地,第二参数值为实际参数值,第一参数值为对实际参数值进行调整后得到的修正参数值。
可以理解地,利用第一区域电网的位置信息,在各个所述碳排放指标随电网区域变化的参数值分布曲线查找与该位置信息对应的参数值,得到第一区域电网的各个所述碳排放指标的第一参数值。
在一示例中,可以采用最大似然估计方法,生成各个碳排放指标随区域电网的位置变化而变化的空间分布曲线(参数值分布曲线)。
空间分布曲线可以采用样本分布函数来表征。其中,/>分别代表碳排放指标和其对应的参数值。在估计的参数值后,可根据碳排放指标/>在所得分布中的位置给出该区域指标的相对分数/>。由概率性质与定义可知,相对分数/>取值范围为[0, 100]。
;
其中,给定各区域绝对指标的评估值向量/>。假设该指标满足标准正态分布,/>为待估计值,构造似然函数如下:
;
从而,求解得到待估参数与样本的关系。
最后,根据所评估区域指标在分布中所处的位置得到该区域指标的相对分数如下:
。
根据上述实施方式,可以对多个区域电网中各个区域电网的各个碳排放指标的实际参数值进行拟合得到参数值分布曲线。然后,利用第一区域电网的位置信息,在各个所述碳排放指标随电网区域变化的参数值分布曲线查找与该位置信息对应的参数值,得到第一区域电网的各个所述碳排放指标的修正参数值。
在一种实施方式中,所述基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值,包括:
对于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值进行归一化,得到所述第一区域电网在各个发电场景下各个所述碳排放指标的归一化碳排放因子差值;
针对任一碳排放指标,对所述第一区域电网在各个发电场景下所述碳排放指标的归一化碳排放因子差值进行信息熵计算,得到所述第一区域电网的所述碳排放指标的信息熵;
基于所述第一区域电网的各个碳排放指标的信息熵,确定所述第一区域电网的各个所述碳排放指标的权重值。
在一示例中,可以对所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,构建成灵敏度矩阵。其可以表示为:。
在一示例中,对灵敏度矩阵中的各个元素分别进行归一化或标准化,得到标准化的灵敏度矩阵。灵敏度矩阵中的一个元素为:
。
其中,表示标准化的灵敏度矩阵中的一个元素。
在一示例中,对标准化灵敏度矩阵进行归一化,得到归一化灵敏度矩阵。归一化过程如下:
。
对归一化灵敏度矩阵进行计算,得到各个指标的信息熵。具体计算过程如下:
;
根据各个指标的信息熵,可以确定各个指标的权重。具体计算过程如下:
。
根据上述实施方式,可以准确地计算得到各个碳排放指标的权重值。
图3是本公开另一实施例的碳排放评估方法的流程图。
如图3所示,可以针对从区域电网1至区域电网N,分别获取各个区域的多个碳排放指标的实际参数值,例如源侧指标(电源侧指标)、网侧指标(电网侧指标)和荷侧指标(负荷侧指标)。然后,对各个指标的第二参数值分别按照区域电网的分布情况进行拟合,得到各个指标的参数值分布曲线。例如,从指标1至指标I的各个指标的参数值分布曲线。进而,利用各个指标的参数值分布曲线,得到第一区域电网(待评估区域)的各个指标的第二参数值。
然后,如图2所示,利用第一区域电网的各个指标的第二参数值构建仿真发电模型(仿真调度电力***),针对各个不同的发电场景,例如从场景1至场景S,分别进行仿真,得到用电碳排放因子和用电碳排放因子/>,基于这两者的差值构建灵敏度矩阵。利用灵敏度矩阵,计算各个指标的权重值。
最后,对第一区域电网(待评估区域)的各个指标的第二参数值以及其对应的权重值进行加权求和,得到第一区域电网的综合碳排放分数。该分数可以表征区域电网的低碳(降碳)能力。
图4是本公开一实施例的碳排放评估装置的结构框图。
如图4所示,该碳排放评估装置可以包括:
仿真发电模型构建模块410,用于针对第一区域电网的各个所述碳排放指标的第一参数值,构建所述第一区域电网的仿真发电模型;
仿真发电模块420,用于控制所述仿真发电模型在各个发电场景下分别发电,得到所述第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
第一碳排放计算模块430,用于基于所述第一区域电网在各个发电场景下的基准碳排放量以及所述基准负荷用电量,确定所述第一区域电网在各个发电场景下的基准碳排放因子;
第二碳排放计算模块440,用于针对任一所述碳排放指标,对所述仿真发电模型的仿真条件进行扰动,以使所述碳排放指标的第一参数值发生扰动,并控制扰动后的所述仿真发电模型在各个所述发电场景下分别发电,得到所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,基于所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,确定所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放因子;
第三碳排放计算模块450,用于针对任一所述碳排放指标,计算所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子的碳排放因子差值,以得到所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值;
权重计算模块460,用于基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值;
第四碳排放计算模块470,用于基于所述第一区域电网的各个所述碳排放指标的第一参数值以及各个所述碳排放指标的权重值,确定所述第一区域电网的综合碳排放分数。
在一种实施方式中,上述装置还可以包括:
曲线拟合模块,用于基于多个区域电网中各个区域电网的各个碳排放指标的第二参数值,对各个所述碳排放指标的第二参数值随电网区域而变化的曲线进行拟合,得到各个所述碳排放指标的参数值分布曲线;
参数值确定模块,用于基于各个所述碳排放指标随电网区域变化的参数值分布曲线,确定所述多个区域电网中所述第一区域电网的各个所述碳排放指标的第一参数值。
在一种实施方式中,所述权重计算模块460,包括:
归一化单元,用于对于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值进行归一化,得到所述第一区域电网在各个发电场景下各个所述碳排放指标的归一化碳排放因子差值;
信息熵计算单元,用于针对任一碳排放指标,对所述第一区域电网在各个发电场景下所述碳排放指标的归一化碳排放因子差值进行信息熵计算,得到所述第一区域电网的所述碳排放指标的信息熵;
权重计算单元,用于基于所述第一区域电网的各个碳排放指标的信息熵,确定所述第一区域电网的各个所述碳排放指标的权重值。
在一种实施方式中,所述区域电网的碳排放指标包括所述区域电网的清洁发电量贡献度、灵活资源配置率、清洁电力供需匹配度、弹性负荷配置率以及绿电消费占比。
在一种实施方式中,所述清洁发电量贡献度为:
;
其中,表示所述清洁发电量贡献度,T为采样时段总数,/>表示所述区域电网在第t个采样时段的清洁能源发电量,/>表示所述区域电网在第t个采样时段的总发电量。
在一种实施方式中,所述灵活资源配置率为:
;
其中,表示所述灵活资源配置率,/>表示所述区域电网的电网侧灵活性资源在第t个采样时刻的可调节容量,/>、/>和/>分别表示所述区域电网在第t个采样时刻的刚性负荷用电功率、风力发电功率和光伏发电功率。
在一种实施方式中,所述清洁电力供需匹配度为:
;
;
其中,表示所述清洁电力供需匹配度,/>表示所述区域电网在第t个采样时段的负荷用电量,/>为奖惩函数,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值的N倍,N为大于1的整数。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如一种碳排放评估方法。例如,在一些实施例中,一种碳排放评估方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的一种碳排放评估方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种碳排放评估方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (5)
1.一种碳排放评估方法,其特征在于,包括:
基于多个区域电网中各个区域电网的各个碳排放指标的第二参数值,对各个所述碳排放指标的第二参数值随电网区域而变化的曲线进行拟合,得到各个所述碳排放指标的参数值分布曲线;
基于各个所述碳排放指标随电网区域变化的参数值分布曲线,确定所述多个区域电网中所述第一区域电网的各个所述碳排放指标的第一参数值,其中,所述第二参数值为实际参数值,所述第一参数值为对所述实际参数值进行调整后得到的修正参数值;
针对第一区域电网的各个所述碳排放指标的第一参数值,构建所述第一区域电网的仿真发电模型;
控制所述仿真发电模型在各个发电场景下分别发电,得到所述第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
基于所述第一区域电网在各个发电场景下的基准碳排放量以及所述基准负荷用电量,确定所述第一区域电网在各个发电场景下的基准碳排放因子;
针对任一所述碳排放指标,对所述仿真发电模型的仿真条件进行扰动,以使所述碳排放指标的第一参数值发生扰动,并控制扰动后的所述仿真发电模型在各个所述发电场景下分别发电,得到所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,基于所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,确定所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放因子;
针对任一所述碳排放指标,计算所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子之间的差值,以得到所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值;
基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值;
基于所述第一区域电网的各个所述碳排放指标的第一参数值以及各个所述碳排放指标的权重值,确定所述第一区域电网的综合碳排放分数;
其中,所述区域电网的碳排放指标包括:清洁发电量贡献度、灵活资源配置率、清洁电力供需匹配度、弹性负荷配置率以及绿电消费占比;
其中,所述清洁发电量贡献度为:
;
其中,表示所述清洁发电量贡献度,T为采样时段总数,/>表示所述区域电网在第t个采样时段的清洁能源发电量,/>表示所述区域电网在第t个采样时段的总发电量;
其中,所述灵活资源配置率为:
;
其中,表示所述灵活资源配置率,/>表示所述区域电网的电网侧灵活性资源在第t个采样时刻的可调节容量,/>、/>和/>分别表示所述区域电网在第t个采样时刻的刚性负荷用电功率、风力发电功率和光伏发电功率;
其中,所述清洁电力供需匹配度为:
;
;
其中,表示所述清洁电力供需匹配度,/>表示所述区域电网在第t个采样时段的负荷用电量,/>为奖惩函数,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值的N倍,N为大于1的整数;
其中,所述弹性负荷配置率为:
;
其中,表示所述弹性负荷配置率,/>表示所述区域电网的负荷侧在第t个采样时刻的弹性负荷可调节容量,/>表示所述区域电网的负荷侧在第t个采样时刻的总可调节容量;
其中,所述绿电消费占比为:
;
其中,表示所述绿电消费占比,/>表示所述区域电网的年绿电消费量,/>表示所述区域电网的年电力消费总量。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值,包括:
对于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值进行归一化,得到所述第一区域电网在各个发电场景下各个所述碳排放指标的归一化碳排放因子差值;
针对任一碳排放指标,对所述第一区域电网在各个发电场景下所述碳排放指标的归一化碳排放因子差值进行信息熵计算,得到所述第一区域电网的所述碳排放指标的信息熵;
基于所述第一区域电网的各个碳排放指标的信息熵,确定所述第一区域电网的各个所述碳排放指标的权重值。
3.一种碳排放评估装置,其特征在于,包括:
曲线拟合模块,用于基于多个区域电网中各个区域电网的各个碳排放指标的第二参数值,对各个所述碳排放指标的第二参数值随电网区域而变化的曲线进行拟合,得到各个所述碳排放指标的参数值分布曲线;
参数值确定模块,用于基于各个所述碳排放指标随电网区域变化的参数值分布曲线,确定所述多个区域电网中所述第一区域电网的各个所述碳排放指标的第一参数值,其中,所述第二参数值为实际参数值,所述第一参数值为对所述实际参数值进行调整后得到的修正参数值;
仿真发电模型构建模块,用于针对第一区域电网的各个所述碳排放指标的第一参数值,构建所述第一区域电网的仿真发电模型;
仿真发电模块,用于控制所述仿真发电模型在各个发电场景下分别发电,得到所述第一区域电网在各个发电场景下的基准碳排放量以及基准负荷用电量;
第一碳排放计算模块,用于基于所述第一区域电网在各个发电场景下的基准碳排放量以及所述基准负荷用电量,确定所述第一区域电网在各个发电场景下的基准碳排放因子;
第二碳排放计算模块,用于针对任一所述碳排放指标,对所述仿真发电模型的仿真条件进行扰动,以使所述碳排放指标的第一参数值发生扰动,并控制扰动后的所述仿真发电模型在各个所述发电场景下分别发电,得到所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,基于所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放量以及负荷用电量,确定所述第一区域电网在各个发电场景下且所述碳排放指标发生扰动后的碳排放因子;
第三碳排放计算模块,用于针对任一所述碳排放指标,计算所述第一区域电网在各个所述发电场景下且所述碳排放指标发生扰动后的碳排放因子与对应发电场景下的基准碳排放因子之间的差值,以得到所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值;
权重计算模块,用于基于所述第一区域电网在各个发电场景下各个所述碳排放指标的碳排放因子差值,确定所述第一区域电网的各个所述碳排放指标的权重值;
第四碳排放计算模块,用于基于所述第一区域电网的各个所述碳排放指标的第一参数值以及各个所述碳排放指标的权重值,确定所述第一区域电网的综合碳排放分数;
其中,所述区域电网的碳排放指标包括:清洁发电量贡献度、灵活资源配置率、清洁电力供需匹配度、弹性负荷配置率以及绿电消费占比;
其中,所述清洁发电量贡献度为:
;
其中,表示所述清洁发电量贡献度,T为采样时段总数,/>表示所述区域电网在第t个采样时段的清洁能源发电量,/>表示所述区域电网在第t个采样时段的总发电量;
其中,所述灵活资源配置率为:
;
其中,表示所述灵活资源配置率,/>表示所述区域电网的电网侧灵活性资源在第t个采样时刻的可调节容量,/>、/>和/>分别表示所述区域电网在第t个采样时刻的刚性负荷用电功率、风力发电功率和光伏发电功率;
其中,所述清洁电力供需匹配度为:
;
;
其中,表示所述清洁电力供需匹配度,/>表示所述区域电网在第t个采样时段的负荷用电量,/>为奖惩函数,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值,/>表示所述区域电网在第t个采样时段的清洁能源发电量与负荷用电量的比值的N倍,N为大于1的整数;
其中,所述弹性负荷配置率为:
;
其中,表示所述弹性负荷配置率,/>表示所述区域电网的负荷侧在第t个采样时刻的弹性负荷可调节容量,/>表示所述区域电网的负荷侧在第t个采样时刻的总可调节容量;
其中,所述绿电消费占比为:
;
其中,表示所述绿电消费占比,/>表示所述区域电网的年绿电消费量,/>表示所述区域电网的年电力消费总量。
4.一种电子设备,其特征在于,包括:至少一个处理器,以及与该至少一个处理器通信连接的存储器;
其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行权利要求1-2中任一项所述的方法。
5.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-2中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051184.8A CN117575175B (zh) | 2024-01-15 | 2024-01-15 | 碳排放评估方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051184.8A CN117575175B (zh) | 2024-01-15 | 2024-01-15 | 碳排放评估方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117575175A CN117575175A (zh) | 2024-02-20 |
CN117575175B true CN117575175B (zh) | 2024-03-29 |
Family
ID=89890367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410051184.8A Active CN117575175B (zh) | 2024-01-15 | 2024-01-15 | 碳排放评估方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575175B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110033391A (ko) * | 2009-09-25 | 2011-03-31 | 이진원 | 탄소배출 관리시스템 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
CN111882033A (zh) * | 2020-07-15 | 2020-11-03 | 南京航空航天大学 | 一种基于Keras的区域民航主被动碳排放预测方法 |
CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
WO2023038579A2 (en) * | 2021-09-10 | 2023-03-16 | Envision Digital International Pte. Ltd. | Method and apparatus for calculating carbon intensities, terminal and storage medium |
CN115864531A (zh) * | 2022-11-24 | 2023-03-28 | 西安电力高等专科学校 | 一种区域分布式光伏发电碳排放量的监测***及方法 |
CN115860173A (zh) * | 2022-10-21 | 2023-03-28 | 国网电力科学研究院武汉能效测评有限公司 | 基于Stacking算法的碳排放预测模型的构建和预测方法及介质 |
CN115884009A (zh) * | 2023-03-02 | 2023-03-31 | 四川君迪能源科技有限公司 | 二氧化碳排放远程实时监测方法、装置和*** |
CN116205511A (zh) * | 2022-12-16 | 2023-06-02 | 浙江大学 | 一种地区电力降碳成效综合评估指标体系及方法 |
CN116402483A (zh) * | 2023-06-09 | 2023-07-07 | 国网山东省电力公司兰陵县供电公司 | 一种园区碳排放量在线监测方法及*** |
CN116485022A (zh) * | 2023-04-23 | 2023-07-25 | 广东电网有限责任公司 | 园区未来年的碳排放估计方法、装置、设备及介质 |
CN116882848A (zh) * | 2023-09-07 | 2023-10-13 | 福州凌渡科技有限公司 | 一种企业电力碳绩效综合评价方法及设备 |
CN117078480A (zh) * | 2023-08-11 | 2023-11-17 | 深圳供电局有限公司 | 碳排放量监测方法、装置、设备、存储介质和计算机产品 |
CN117151272A (zh) * | 2023-07-05 | 2023-12-01 | 北京机科国创轻量化科学研究院有限公司 | 一种基于机器学习的碳核查电力排放因子预测方法 |
KR102613476B1 (ko) * | 2023-08-02 | 2023-12-13 | 에스케이에코플랜트(주) | 딥러닝 앙상블 기반의 온실가스 배출량 예측 장치 |
CN117314469A (zh) * | 2023-10-08 | 2023-12-29 | 福州市自来水有限公司 | 一种自来水厂碳排放计算方法、介质以及设备 |
CN117313992A (zh) * | 2023-09-12 | 2023-12-29 | 杭州电力设备制造有限公司 | 一种考虑多能流社区负荷的碳排放因子更新方法 |
CN117371845A (zh) * | 2023-10-09 | 2024-01-09 | 华能山东发电有限公司 | 一种发电企业碳绩效评估方法、装置、电子设备及介质 |
-
2024
- 2024-01-15 CN CN202410051184.8A patent/CN117575175B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110033391A (ko) * | 2009-09-25 | 2011-03-31 | 이진원 | 탄소배출 관리시스템 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
CN111882033A (zh) * | 2020-07-15 | 2020-11-03 | 南京航空航天大学 | 一种基于Keras的区域民航主被动碳排放预测方法 |
WO2023038579A2 (en) * | 2021-09-10 | 2023-03-16 | Envision Digital International Pte. Ltd. | Method and apparatus for calculating carbon intensities, terminal and storage medium |
CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
CN115860173A (zh) * | 2022-10-21 | 2023-03-28 | 国网电力科学研究院武汉能效测评有限公司 | 基于Stacking算法的碳排放预测模型的构建和预测方法及介质 |
CN115864531A (zh) * | 2022-11-24 | 2023-03-28 | 西安电力高等专科学校 | 一种区域分布式光伏发电碳排放量的监测***及方法 |
CN116205511A (zh) * | 2022-12-16 | 2023-06-02 | 浙江大学 | 一种地区电力降碳成效综合评估指标体系及方法 |
CN115884009A (zh) * | 2023-03-02 | 2023-03-31 | 四川君迪能源科技有限公司 | 二氧化碳排放远程实时监测方法、装置和*** |
CN116485022A (zh) * | 2023-04-23 | 2023-07-25 | 广东电网有限责任公司 | 园区未来年的碳排放估计方法、装置、设备及介质 |
CN116402483A (zh) * | 2023-06-09 | 2023-07-07 | 国网山东省电力公司兰陵县供电公司 | 一种园区碳排放量在线监测方法及*** |
CN117151272A (zh) * | 2023-07-05 | 2023-12-01 | 北京机科国创轻量化科学研究院有限公司 | 一种基于机器学习的碳核查电力排放因子预测方法 |
KR102613476B1 (ko) * | 2023-08-02 | 2023-12-13 | 에스케이에코플랜트(주) | 딥러닝 앙상블 기반의 온실가스 배출량 예측 장치 |
CN117078480A (zh) * | 2023-08-11 | 2023-11-17 | 深圳供电局有限公司 | 碳排放量监测方法、装置、设备、存储介质和计算机产品 |
CN116882848A (zh) * | 2023-09-07 | 2023-10-13 | 福州凌渡科技有限公司 | 一种企业电力碳绩效综合评价方法及设备 |
CN117313992A (zh) * | 2023-09-12 | 2023-12-29 | 杭州电力设备制造有限公司 | 一种考虑多能流社区负荷的碳排放因子更新方法 |
CN117314469A (zh) * | 2023-10-08 | 2023-12-29 | 福州市自来水有限公司 | 一种自来水厂碳排放计算方法、介质以及设备 |
CN117371845A (zh) * | 2023-10-09 | 2024-01-09 | 华能山东发电有限公司 | 一种发电企业碳绩效评估方法、装置、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
Shiyan Zhai.Analyysis of China's Provincial Carbon Emissions Factors Spatial Differences Based on Geographically Weighted Regression Model.《IEEE》.2011,第1-6页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117575175A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013208050A (ja) | 太陽光発電デバイスの出力を予測する方法 | |
CN115833101B (zh) | 电力调度方法、装置、电子设备和存储介质 | |
CN114676583A (zh) | 用电对象的能耗预测方法、装置、电子设备和存储介质 | |
CN117744916A (zh) | 储能容量的预测方法、装置、计算机设备及可读存储介质 | |
Cai et al. | An improved sequential importance sampling method for reliability assessment of renewable power systems with energy storage | |
CN117332897A (zh) | 人工智能驱动的新能源小时间尺度功率插值集成预测方法 | |
CN117332898A (zh) | 基于机器学习的新能源小时间尺度功率时序滚动预测方法 | |
CN111082424B (zh) | 一种综合能源及微电网***可靠性预测方法及装置 | |
CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
CN116307511A (zh) | 一种园区电网储能配置方法、装置、设备及介质 | |
CN115952921A (zh) | 一种光伏能源功率预测方法、装置、电子设备及存储介质 | |
CN116231669A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115347621A (zh) | 联合发电***的调度方法、装置、电子设备、介质 | |
CN114611805A (zh) | 一种净负荷预测方法、装置、电子设备及存储介质 | |
CN114219205A (zh) | 一种用于电网规划的柔性负荷可信容量计算方法 | |
CN117117904B (zh) | 调频贡献评估方法、装置和电子设备 | |
US20240195174A1 (en) | Energy prediction device, energy prediction method, and energy prediction program | |
CN117293923B (zh) | 电网的日前调度计划生成方法、装置、设备及存储介质 | |
CN117175639B (zh) | 与储能单元协调配套的配电自动化方法及*** | |
Wu et al. | Research on New Energy Probability Prediction Technology Based on Ensemble Weather Forecast | |
CN117559399A (zh) | 微电网发电策略确定方法、装置、电子设备及存储介质 | |
CN117691615A (zh) | 微电网客户侧柔性负荷资源互动运营优化方法及设备 | |
CN116646991A (zh) | 电力***的发电调度方法、装置、设备及存储介质 | |
CN115860338A (zh) | 碳排放监测方法、装置、设备及存储介质 | |
Cheng et al. | Comparison Method for Photovoltaic Power Prediction Effect Based on LSTM in Multiple Scenarios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |