【技術實現步驟摘要】
本專利技術涉及電力系統碳排放計算，具體而言，涉及一種電力間接碳排放強度不確定參數的計算方法。
技術介紹
1、作為能源生產和消費的核心，電力系統是重要的碳排放源，其碳排放量占全球化石燃料燃燒碳排放總量的三分之一以上，占我國碳排放的40％以上。因此，促進電力系統的低碳化轉型，減少其碳排放水平對我國實現“雙碳”目標和可持續發展至關重要。
2、電力系統存在源隨荷動的特性，是終端用戶創造了對化石燃料燃燒的需求，并且是碳排放背后的潛在驅動力。直接的基于發電的結算無法明確地將碳排放責任分配給需求方，可能會導致激勵失衡，無法通過推動消費側節能來減少電力行業的碳排放。在公平公正的碳排放責任分配原則下，如果通過計算碳排放流，計量并觀測到電力用戶所引致的碳排放量，并將此信號反饋給用戶，可以促進用戶形成面向低碳目標的更加高效的用電行為模式。
3、為有效引導用戶在電能使用過程中節能降碳，厘清不同用戶用電所產生的電力間接碳排放量，明確碳排放責任分攤，電力系統碳排放流理論可以直觀地分析電力系統中碳排放所產生的源頭、流動方向與分布狀況，為碳排放責任的劃分提供了新的途徑，目前已被廣泛接受。該種方法基于電網潮流、機組碳排等實時信息，可以準確計算電網實時運行中各個節點消耗電力所等效發電端所產生的碳排放量。基于電力碳排放流理論，在日前調度時間尺度下，由于新能源機組出力的隨機性，綜合能源系統所接入電網節點的單位用電碳排放量將存在鮮明不確定性特征。
4、在新能源裝機容量逐年遞增的趨勢下，電力系統節點碳排放強度的不確定性對并網型綜合能源系
技術實現思路
1、本專利技術旨在至少解決現有技術中存在缺少能夠可靠計算電力間接碳排放不確定參數方法，難以確定日前時間尺度電力系統節點電力間接碳排放參數的取值范圍的技術問題之一。
2、為此，本專利技術第一方面提供了一種電力間接碳排放強度不確定參數的計算方法。
3、本專利技術第二方面提供了一種計算機設備。
4、本專利技術第三方面提供了一種計算機可讀存儲介質。
5、本專利技術提供了一種電力間接碳排放強度不確定參數的計算方法，包括：
6、將電力系統節點電力間接碳排放強度定義為交易單位電量所附帶的發電環節所產生的碳排放轉移量；采用多面體不確定集表示電力間接碳排放強度的不確定性；
7、根據已獲取的源、荷預測值求得系統穩態潮流分布，再經碳排放流理論計算，求得電網各節點電力間接碳排放強度預測值；
8、采用機器學習算法基于歷史數據對電網各節點電力間接碳排放強度的最大誤差值進行預測。
9、根據本專利技術上述技術方案的電力間接碳排放強度不確定參數的計算方法，還可以具有以下附加技術特征：
10、在上述技術方案中，所述采用多面體不確定集表示電力間接碳排放強度的不確定性，包括：
11、
12、其中，u2表示綜合能源系統并網點電力間接碳排放強度的不確定集；表示t時段綜合能源系統并網點的電力間接碳排放強度；t表示調度周期；表示t時段電力間接碳排放強度的預測值；表示t時段電力間接碳排放強度實際值與預測值的偏差；表示t時段電力間接碳排放強度實際值與預測值偏差的最大值；γgrid表示電力間接碳排放強度不確定調節參數。
13、在上述技術方案中，所述源、荷預測值包括新能源發電預測值、化石能源產量預測值和電力負載預測值。
14、在上述技術方案中，所述根據已獲取的源、荷預測值求得系統穩態潮流分布，再經碳排放流理論計算，求得電網各節點電力間接碳排放強度預測值，包括：
15、
16、其中，表示t時段綜合能源系統并網點的電力間接碳排放強度；表示t時段第k條支路流向該節點的碳流量；表示t時段第k條支路流向該節點的功率；表示t時段流向該節點的第i種化石能源向電網提供的電量；表示t時段流向該節點的第j種清潔能源向電網提供的電量；表示t時段第i種化石能源向電網提供單位電量所消耗的能源質量；表示t時段第i種化石能源消耗單位質量所產生的碳排放量；表示t時段第i種化石能源向電網提供的電能從發電端到綜合能源系統與電網并網點的網損率；表示t時段第j種清潔能源向電網提供的電能從發電端到綜合能源系統與電網并網點的網損率。
17、在上述技術方案中，所述歷史數據包括電網拓撲數據、光伏發電預測數據、風電發電預測數據、負荷預測數據、發電機組碳排放發電數據、節點電力間接碳排放強度歷史數據。
18、在上述技術方案中，所述機器學習算法包括神經網絡算法。
19、在上述技術方案中，采用神經網絡算法基于歷史數據對電網各節點電力間接碳排放強度的最大誤差值進行預測，包括：
20、收集電網拓撲數據，電網拓撲中光伏發電預測數據、風電發電預測數據、負荷預測數據、各發電機組碳排放發電數據，以及節點電力間接碳排放強度歷史數據；
21、利用matlab神經網絡工具箱建立bp神經網絡；
22、利用收集的數據對bp神經網絡進行訓練，建立電力間接碳排放強度最大誤差值預測模型；
23、將電網實時數據輸入至電力間接碳排放強度最大誤差值預測模型獲取電力間接碳排放強度最大誤差值。
24、在上述技術方案中，所述采用神經網絡算法基于歷史數據對電網各節點電力間接碳排放強度的最大誤差值進行預測，還包括：
25、對電力間接碳排放強度最大誤差值計算結果進行誤差分析；
26、將滿足誤差收斂的計算結果，確定為預測值，得出電力間接碳排放強度最大誤差值預測曲線。
27、本專利技術提供的一種計算機設備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載并執行時實現如上述技術方案中任一項所述的電力間接碳排放強度不確定參數的計算方法。
28、本專利技術提供的一種計算機可讀存儲介質，儲有程序，當所述程序被處理器加載時實現如上述技術方案中任一項所述的電力間接碳排放強度不確定參數的計算方法。
29、綜上所述，由于采用了上述技術特征，本專利技術的有益效果是：
30、本專利技術能夠對電力間接碳排放強度預測值和最大誤差值進行有效計算，能夠可靠確定日前時間尺度電力系統節點電力間接碳排放參數的取值范圍。本專利技術提供的計算方法簡便高效。而且根據本專利技術獲取電力間接碳排放強度預測值和最大誤差值之后，可在考慮并網點電力間接碳排放不確定性下，進行并網型能源系統的日前低碳優化調度，提升并網型能源系統在低碳目標下的降碳、減碳效益。
31、本專利技術的附加方面和優點將在下面的描述部分中變得明顯，或通過本專利技術的實踐了解到。
本文檔來自技高網...【技術保護點】
1.一種電力間接碳排放強度不確定參數的計算方法，其特征在于，包括：
2.根據權利要求1所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述采用多面體不確定集表示電力間接碳排放強度的不確定性，包括：
3.根據權利要求1所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述源、荷預測值包括新能源發電預測值、化石能源產量預測值和電力負載預測值。
4.根據權利要求3所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述根據已獲取的源、荷預測值求得系統穩態潮流分布，再經碳排放流理論計算，求得電網各節點電力間接碳排放強度預測值，包括：
5.根據權利要求2所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述歷史數據包括電網拓撲數據、光伏發電預測數據、風電發電預測數據、負荷預測數據、發電機組碳排放發電數據、節點電力間接碳排放強度歷史數據。
6.根據權利要求5所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述機器學習算法包括神經網絡算法。
7.根據權利要求6所述的電力間接碳排放強
8.根據權利要求7所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述采用神經網絡算法基于歷史數據對電網各節點電力間接碳排放強度的最大誤差值進行預測，還包括：
9.一種計算機設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載并執行時實現如權利要求1至8中任一項所述的電力間接碳排放強度不確定參數的計算方法。
10.一種計算機可讀存儲介質，其特征在于，存儲有程序，當所述程序被處理器加載時實現如權利要求1至8中任一項所述的電力間接碳排放強度不確定參數的計算方法。
...【技術特征摘要】
1.一種電力間接碳排放強度不確定參數的計算方法，其特征在于，包括：
2.根據權利要求1所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述采用多面體不確定集表示電力間接碳排放強度的不確定性，包括：
3.根據權利要求1所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述源、荷預測值包括新能源發電預測值、化石能源產量預測值和電力負載預測值。
4.根據權利要求3所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述根據已獲取的源、荷預測值求得系統穩態潮流分布，再經碳排放流理論計算，求得電網各節點電力間接碳排放強度預測值，包括：
5.根據權利要求2所述的電力間接碳排放強度不確定參數的計算方法，其特征在于，所述歷史數據包括電網拓撲數據、光伏發電預測數據、風電發電預測數據、負荷預測數據、發電機組碳排放發電數據、節點電力間接碳排放強度歷史數據。
6.根據...
【專利技術屬性】
技術研發人員：白亦斕，吳向軍，張起源，劉哲，白天彤，李春，郭勁，潘生權，周德才，
申請(專利權)人：中國電力工程顧問集團西南電力設計院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。