CN113780776B - 基于需求侧的电力系统碳运行调度方法、装置及设备 - Google Patents
基于需求侧的电力系统碳运行调度方法、装置及设备 Download PDFInfo
- Publication number
- CN113780776B CN113780776B CN202111004234.XA CN202111004234A CN113780776B CN 113780776 B CN113780776 B CN 113780776B CN 202111004234 A CN202111004234 A CN 202111004234A CN 113780776 B CN113780776 B CN 113780776B
- Authority
- CN
- China
- Prior art keywords
- power
- carbon
- demand
- node
- representing
- 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 237
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 104
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 230000004936 stimulating effect Effects 0.000 claims abstract description 5
- 238000010248 power generation Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000009434 installation Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000007943 implant Substances 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 239000003245 coal Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013486 operation strategy Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于需求侧的电力系统碳运行调度方法、装置及设备，所述方法通过对需求侧碳排放强度进行建模，并考虑发电机碳排放成本，优化消费者和生产者的福利，建立第一阶段最优潮流运行优化模型，以确定每个用户的电价；并建立以消费者总收益最大化为目标构建第二阶段电力需求优化模型，激励用户削减高排放强度的电力需求，并将优化后的电力需求输出给第一阶段最优潮流运行优化模型，最后对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优化模型进行优化循环迭代，直到达到迭代条件，得到最优碳调度方案，以根据最优碳调度方案对电网进行调度，其能提供一种基于需求侧减排的碳调度策略，有效降低系统的碳排放量。
Description
技术领域
本发明涉及发电技术领域，尤其涉及一种基于需求侧的电力系统碳运行调度 方法、装置及设备。
背景技术
目前，传统发电侧仍使用煤炭等不可再生能源，造成了严重的碳排放。同时， 由于碳排放和发电环节直接相关，因此，目前电力系统中相关低碳运行策略大多 是从发电侧的碳排放的角度进行考虑的。然而，从发电侧的角度考虑碳排放因素 的低碳运行策略，虽然能够在一定程度上减少碳排放，但难以引导用户侧用电行 为。
随着智能电网的发展，智能电网中的需求侧可以根据电力供应状况对需求进 行管理，并影响最终用户，从而提高电网效率和环境效益。然而，现有技术在基 于需求侧减排的碳调度策略方面还没有进行相关的研究。
发明内容
本发明多个方面提供一种基于需求侧的电力系统碳运行调度方法、装置及设 备，其能提供一种基于需求侧减排的碳调度策略，有效降低系统的碳排放量。
本发明第一方面提供一种基于需求侧的电力系统碳运行调度方法，包括：
考虑发电机功率输出约束、电力供需之间的权力平衡约束和发电爬坡约束， 以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一阶段最 优潮流运行优化模型，以确定每个用户的电价，并将所述电价作为第二阶段优化 模型的输入；其中，所述第一阶段最优潮流运行优化模型包括碳排放流模型和碳 价格预测模型；所述碳排放流模型是对需求侧碳排放强度进行建模得到的，所述 碳价格预测模型是根据历史碳交易价格得到的；
考虑电力需求变化约束和可再生能源的安装约束，以消费者总收益最大化为 目标构建第二阶段电力需求优化模型，激励用户削减高排放强度的电力需求，得 到优化后的电力需求，所述优化后的电力需求输出给所述第一阶段最优潮流运行 优化模型优化；其中，所述第二阶段电力需求优化模型包括电价与消费者电力需 求的变化关系的DSM模型、所述碳排放流模型和所述碳价格预测模型；
对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优化模型 进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，并根据所述 最优碳调度方案对电网进行调度。
本发明第二方面提供一种基于需求侧的电力系统碳运行调度装置，包括：
第一阶段最优潮流运行优化模型建立模块，用于考虑发电机功率输出约束、 电力供需之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本和消 费侧与生产侧的总收益为目标建立第一阶段最优潮流运行优化模型，以确定每个 用户的电价，并将所述电价作为第二阶段优化模型的输入；其中，所述第一阶段 最优潮流运行优化模型包括碳排放流模型和碳价格预测模型；所述碳排放流模型 是对需求侧碳排放强度进行建模得到的，所述碳价格预测模型是根据历史碳交易 价格得到的；
第二阶段电力需求优化模型，用于考虑电力需求变化约束和可再生能源的安 装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型，激励用 户削减高排放强度的电力需求，得到优化后的电力需求，所述优化后的电力需求 输出给所述第一阶段最优潮流运行优化模型优化；其中，所述第二阶段电力需求 优化模型包括电价与消费者电力需求的变化关系的DSM模型、所述碳排放流模 型和所述碳价格预测模型；
碳调度模块，用于对所述第一阶段最优潮流运行优化模型和所述第二阶段电 力需求优化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方 案，并根据所述最优碳调度方案对电网进行调度。
本发明第三方面提供一种基于需求侧的电力系统碳运行调度设备，其包括处 理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程 序，所述处理器执行所述计算机程序时实现如上述的基于需求侧的电力系统碳运 行调度方法。
与现有技术相比，本发明提供的基于需求侧的电力系统碳运行调度方法、装 置及设备具有以下有益效果：
所述基于需求侧的电力系统碳运行调度方法通过对需求侧碳排放强度进行 建模，并考虑发电机碳排放成本，优化电力市场的社会福利，建立第一阶段最优 潮流运行优化模型，以确定每个用户的电价，并将所述电价作为第二阶段电力需 求优化模型的输入；并建立以消费者总收益最大化为目标构建第二阶段电力需求 优化模型，激励用户削减高排放强度的电力需求，得到优化后的电力需求，并将 所述优化后的电力需求输出给所述第一阶段最优潮流运行优化模型优化，最后对 所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优化模型进行优 化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，以根据所述最优碳 调度方案对电网进行调度，其能提供一种基于需求侧减排的碳调度策略，有效降 低系统的碳排放量。
附图说明
图1是本发明提供的基于需求侧的电力系统碳运行调度方法的一个实施例的 流程示意图；
图2是本发明提供的基于需求侧的电力系统碳运行调度装置的一个实施例的 结构框图；
图3为本发明提供的改进的ieee24节点系统方案3的碳排放流量图；
图4为本发明提供的24节点系统两阶段迭代的收敛性分析图；
图5为本发明提供的电力市场中的动态电价图；
图6为本发明提供的场景1中不同组别的二氧化碳排放量图；
图7为本发明提供的场景2中不同组别的二氧化碳排放量图；
图8为本发明提供的IEEE-24节点系统中方案1的一天混合功率输出图；
图9为本发明提供的IEEE-24节点系统中方案2的一天混合功率输出图；
图10为本发明提供的IEEE-24节点系统中方案3的一天混合功率输出图；
图11为本发明提供的118节点系统两阶段迭代的收敛性分析图；
图12为本发明提供的高峰时段节点需求碳强度图；
图13为本发明提供的低谷时段节点需求碳强度图；
图14为本发明提供的IEEE-118节点系统中方案3的一天混合输出功率图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全 部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳 动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，图1是本发明提供的基于需求侧的电力系统碳运行调度方法的一 个实施例的流程示意图。
本发明实施例提供的基于需求侧的电力系统碳运行调度方法，包括步骤S11 到步骤S13：
步骤S11，考虑发电机功率输出约束、电力供需之间的权力平衡约束和发电 爬坡约束，以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第 一阶段最优潮流运行优化模型，以确定每个用户的电价，并将所述电价作为第二 阶段优化模型的输入；其中，所述第一阶段最优潮流运行优化模型包括碳排放流 模型和碳价格预测模型；所述碳排放流模型是对需求侧碳排放强度进行建模得到 的，所述碳价格预测模型是根据历史碳交易价格得到的；
步骤S12，考虑电力需求变化约束和可再生能源的安装约束，以消费者总收 益最大化为目标构建第二阶段电力需求优化模型，激励用户削减高排放强度的电 力需求，得到优化后的电力需求，所述优化后的电力需求输出给所述第一阶段最 优潮流运行优化模型优化；其中，所述第二阶段电力需求优化模型包括电价与消 费者电力需求的变化关系的DSM模型、所述碳排放流模型和所述碳价格预测模 型；
步骤S13，对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求 优化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，并 根据所述最优碳调度方案对电网进行调度。
在本发明实施例中，包含了两阶段的调度优化过程。第一阶段优化是对需求 侧碳排放强度进行建模，并考虑发电企业的碳排放成本，优化电力市场中消费者 和生产者的总利润之和，得到最优潮流以确定每个用户的电价；第二阶段是最大 化消费者的总收入，激励用户削减高排放强度的电力需求，用户排放强度改变， 每个用户的新的电力需求将被反馈给第一阶段优化模型的发电侧重新安排发电 量。这个两阶段的过程迭代直到满足停止准则(例如收敛)，得到最优碳导向运 行调度方法。采用本发明实施例的基于需求侧减排的碳运行调度策略可以得到碳 约束电力调度的累积利润或成本的交互影响，从而为发电商和用户提供一个更精 细的碳管理策略。
在一种实施方式中，所述碳排放流模型是对需求侧碳排放强度进行建模得到 的，具体包括：
所述碳排放流模型考虑流出支路的碳排放流强度、节点的碳强度及需求节点 的碳排放量和发电机的碳排放量；
所述流出支路的碳排放流强度为：
其中，
表示流出支路分支
的强度，f+、f-分别表示具有流入功率和流出功率的分支集，Gn表示节点n处的发电机，eGn表示发电机向节点n注入功率的碳强 度，Pn表示n支路的潮流，PGn表示从发电机流入节点n的功率，n表示电力系统 的节点总数：
所述节点的碳强度为：
其中，en表示节点的碳强度；
所述需求节点的碳排放量和所述发电机的碳排放量分别为：
EDm，t＝PDm，t·eDm，t·Δt，
EGk，t＝PGk，t·eGk·Δt；
其中，EDm，t、PDm，t、eDm，t分别表示t时刻需求节点m的碳排放量、耗电量、节点 排放强度；EGk，t、PGk，t、eGk分别是发电机k在时间t的碳排放量、功率输出和节 点碳排放强度。
可以理解的是，当采用煤炭等不可再生能源发电时，其燃烧后会产生大量二 氧化碳，形成碳排放。假定这些二氧化碳并非从电厂直接排入大气，伴随着电力 潮流的虚拟“碳流”，直至用户侧。用户侧消费了电能，需要支付生产时所产生的 碳排放成本，所以碳排放不应单一从发电侧进行归算，也应由需求侧主动承担， 通过碳排放流理论将发电侧的碳排放归算到需求侧中。因此，本发明实施例通过 碳排放流理论能更好地计算需求侧的碳排放责任。
在一种实施方式中，所述碳价格预测模型是根据历史碳交易价格得到的，具 体包括：
使用如下初始碳价格预测模型：
rd＝lnδd-lnδd-1；
其中，rd描述了d天的碳排放收益，δd，δd-1分别表示d天和d-1天的碳交易价 格；
采用指数广义自回归条件异方差，对所述动态碳价格预测模型进行转化，得 到碳价格预测模型：
rd＝β0+θ·rd-1+γd，
γd＝σd·vd，
其中，α0表示模型残差项参数，α1表示新参数，β0和β1分别表示序列的固有 参数，β2是非对称参数，θ是一个小于1的常数；νd服从正态白噪声分布，其均 值为0，方差为1，σd是模型在d时刻的条件方差。
在一种实施方式中，所述步骤S11中“考虑发电机功率输出约束、电力供需 之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本和消费侧与生 产侧的总收益为目标建立第一阶段最优潮流运行优化模型”，具体包括：
建立发电机功率输出约束：
其中，P Gk和
分别表示发电机输出功率的下限和上限，
表示支线l在时刻t的 功率流，
和
分别表示支线的功率流的下限和上限，ΩG表示电力网络中 的发电机集合，L表示电力网络中的分支集合，PGk，t表示发电机在时刻t的输出功 率；
建立电力供需之间的权力平衡约束：
P′Dm，t＝PDm，t-ΔPDm，t-Ppv，t；
其中，PGk，t表示发电机k在时间t的功率，P′Dm，t表示t时刻需求响应前需求节点m的功率，PDm，t表示t时刻需求节点m的耗电量、 ΔPDm，t表示t时刻节点m的需求响应量、Ppv，t表示光伏在时刻t的输出功率；
建立发电爬坡约束：
其中，
分别表示发电机k的加速极限和减速极限；
以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一目 标函数：
其中，C(PGk，t)表示t时刻发电机的总碳排放成本，U(P′Dm，t)为效用函数，以描述 用户对购电量的满意度，PGk，t表示发电机k在时间t的输出功率，P′Dm，t表示t时刻 需求响应前需求节点m的功率，
表示k个发电机的平均碳交易价格，EGk，t表 示发电机k在时间t的排放量，
表示发电机k的排放量上限，ΩG表示电力网络 中的发电机集合，ΩD表示电力网络中的需求节点集合；
其中，所述效用函数具体为：
其中，a和b分别表示效用函数的二次系数和一次系数；
约束条件下所述第一目标函数的拉格朗日表达式可以表示为：
其中，
μ r，k，t、
μc，t分别表示与每个约束相关联的拉格朗日乘子；进一步的，μc，t可以认为是与需求侧单位能耗相对应的发电侧增量成 本，即发电机的边际价格，
表示发电机k在时间t的碳排放量上限，P Gk，t表示 发电机k在时间t的碳排放量下限；
定义函数：
定义与边际发电量和每个用户需求量有关的L(t)的导数：
其中，PGs，t为网络中边际发电的输出功率，上式右边首项的绝对值为节点电价；
平衡点的联立方程和为零值：
其中，λm，t表示t时刻节点m的电价。
最优潮流(Optimal Power Flow，OPF)是电力系统优化运行的角度来调整系统 中各种控制设备的参数，在满足节点正常功率平衡及各种安全指标的约束下，实 现目标函数最小化的优化过程。本发明实施例通过最优潮流对第一阶段优化过程 的决策变量进行决策，并将其输入到第二阶段优化过程中进行优化。
在一种实施方式中，所述方法还包括：
采用功率传递分布因子的潮流计算算法计算所述第一阶段最优潮流运行优 化模型，具体包括：
定义每个节点的注入移位因子：
其中，
分别表示发电节点k和需求节点m的分支l中的ISF；
表示L行N列的ISF矩阵，
表示注入移位因子。
获取
矩阵：
其中，B′是一个L×L对角支电纳矩阵，A是L×N分支节点的关联矩阵，S是N×N简化的节点电纳矩阵；在矩阵A中，
是节点x和y之间存在分支的第
行，
其中，
B′＝diag[b1，b2，…，bL]
A＝[a1，a2，…aL]T
S＝ATB′A
通过分支l的功率流：
其中，
为分支l在t时刻的的功率流，PInj(PGk，t，PDm，t)是节点处功率流入或流出的向量。
在一种实施方式中，所述步骤S12中“考虑电力需求变化约束和可再生能源 的安装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型”， 具体包括：
建立电力需求变化约束：
其中，ΔPDm，t表示t时刻节点m的需求响应量，
建立可再生能源的安装约束：
其中，χm表示在节点m上安装的光伏量，
表示在节点m上安装的光伏量上限；
建立可再生能源在不同时间的功率输出约束：
Ppv，t＝χm·f(temp，rad)
其中，Ppv，t表示光伏在时刻t的输出功率，temp表示局部温度，rad表示辐射，ηpv为太阳能转换效率，
为光伏板的太阳辐射；
以消费者总收益最大化为目标建立第二目标函数：
其中，U()为效用函数，PDm，t表示需求响应后t时刻需求节点m的功率， ΔPDm，t表示t时刻节点m的需求响应量，λm，t表示t时刻节点m的电价，CR为光伏 的资本回收系数，τpv为光伏板的单位价格，
为需求节点m的平均预测碳价， EDm，t为需求节点m在时刻t的虚拟碳排放量，
为需求节点m的碳排放量上限。
在一种实施方式中，所述电价与消费者电力需求的变化关系的DSM模型具 体为：
其中，PDm，t，PDm，t-1分别表示时间t，t-1时节点m处的需求量；T是时间 间隔；
表示t+h时刻节点m的价格弹性系数，
是t+h时的电价。
具体的，在建立该DSM模型之前，先对价格弹性系数进行计算：
首先，定义价格弹性系数：
其中λ，Δλ分别表示电价和电价变动量；Q，ΔQ分别表示电价的需求总 量以及需求改变量。
定义包含自弹性系数和交叉弹性系数的弹性矩阵：
其中，
定义市场份额模型：
其中，Sci表示在时间i电价c的份额比例；Dci表示在时间i时电价c的需求量；Di表示在时间i包括电价在内的类似商品的总需求量；h＝1，2，…，H表示商品的数量。
并定义市场份额模型和离散吸引模型组合模型：
市场份额比例：
其中，t＝1，2，…，T；Aci表示i时电价对用户的吸引力；αi表示i时用户电价的 固定影响系数；λt是t时的电价；ωi表示i时的电价偏差；βt表示t时电价对用户的 影响系数；
则时间i电价c的份额比例：
其中i，j是时间间隔T中的时间点。
且有弹性表达式：
εii＝βi(1-Sci)，
εij＝-βiScj，
εji＝βjSciεji＝βjSci，
其中，参数αt和βt通过线性回归来估计。
本发明实施例提供的基于需求侧的电力系统碳运行调度方法通过对需求侧 碳排放强度进行建模，并考虑发电机碳排放成本，优化电力市场的社会福利，建 立第一阶段最优潮流运行优化模型，以确定每个用户的电价，并将所述电价作为 第二阶段电力需求优化模型的输入；并建立以消费者总收益最大化为目标构建第 二阶段电力需求优化模型，激励用户削减高排放强度的电力需求，得到优化后的 电力需求，并将所述优化后的电力需求输出给所述第一阶段最优潮流运行优化模 型优化，最后对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优 化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，以根 据所述最优碳调度方案对电网进行调度，其能提供一种基于需求侧减排的碳调度 策略，有效降低系统的碳排放量。
参见图2，图2是本发明实施例提供的基于需求侧的电力系统碳运行调度装 置的结构框图。本发明实施例提供基于需求侧的电力系统碳运行调度装置1，包 括：
第一阶段最优潮流运行优化模型建立模块11，用于考虑发电机功率输出约 束、电力供需之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本 和消费侧与生产侧的总收益为目标建立第一阶段最优潮流运行优化模型，以确定 每个用户的电价，并将所述电价作为第二阶段优化模型的输入；其中，所述第一 阶段最优潮流运行优化模型包括碳排放流模型和碳价格预测模型；所述碳排放流 模型是对需求侧碳排放强度进行建模得到的，所述碳价格预测模型是根据历史碳 交易价格得到的；
第二阶段电力需求优化模型12，用于考虑电力需求变化约束和可再生能源的 安装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型，激励 用户削减高排放强度的电力需求，得到优化后的电力需求，所述优化后的电力需 求输出给所述第一阶段最优潮流运行优化模型优化；其中，所述第二阶段电力需 求优化模型包括电价与消费者电力需求的变化关系的DSM模型、所述碳排放流 模型和所述碳价格预测模型；
碳调度模块13，用于对所述第一阶段最优潮流运行优化模型和所述第二阶段 电力需求优化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度 方案，并根据所述最优碳调度方案对电网进行调度。
需要说明的是，本发明实施例提供的基于需求侧的电力系统碳运行调度装置 1用于实现上述实施例提供的基于需求侧的电力系统碳运行调度方法的全部步骤 和流程，两者的工作原理和作用效果一一对应，这里不再作过多的赘述。
本发明第三方面提供一种基于需求侧的电力系统碳运行调度设备，其包括处 理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程 序，所述处理器执行所述计算机程序时实现如上述实施例提供的基于需求侧的电 力系统碳运行调度方法，例如如图1所述的步骤S11到步骤S13。
为了更好地说明本发明的应用和作用，取3个方案分别在改进的ieee24节点 系统和改进的ieee118节点系统上对本发明实施例提供的基于需求侧减排的电力 系统碳运行调度方法进行验证。2015年至2016年的电力需求数据来自澳大利亚 能源市场运营商网站，排放分配和碳价格子问题基于(澳大利亚)联邦科学与工业 研究协会提供的环境战略报告。
通过以下三个场景验证了所提出的基于需求侧减排的电力系统碳运行调度 方法：
方案1：基于价格弹性需求响应的传统电力调度，但没有应用碳定价策略。
方案2：提出的电力与排放交易耦合市场中基于需求响应的两阶段调度优化 方法(基于本发明实施例提供的基于需求侧的电力系统碳运行调度方法的一个应 用方案)；
方案3：提出的双市场耦合的电力需求侧管理两阶段调度优化方法，并对用 户侧的光伏装机进行优化(基于本发明实施例提供的基于需求侧的电力系统碳运 行调度方法的另一个应用方案)。
在Matlab环境下，采用序列二次规划求解两阶段优化方法。
(1)在ieee24节点系统上验证：
方案3典型小时内的详细碳排放流量结果如图3所示。碳排放流量单位为吨。 据观察，优化后的需求节点上安装了可再生能源发电机。此时，可再生能源发电 机的输出功率无法满足需求节点的负荷。除水力发电厂流出的三条支流外，所有 支流都有碳排放流量。因此，无需求的节点在电网中的碳强度为零，这意味着化 石发电并没有完全被清洁能源取代。此外，对于节点，由于直接与水电站相连， 其需求很容易被清洁能源所覆盖，因此被怀疑为零排放强度。所有节约的排放分 配都可以在碳交易市场上出售。然而，研究结果表明，考虑到电力调度的效率， 仍然需要从其他发电厂购买电力。这也证明了耦合市场的必要性。
两阶段优化的解在14次迭代后收敛，图4给出了方案2和3的误差和收敛 迭代的十进制对数的细节。
如图5所示，可以得到一个典型日调度的电力市场动态电价。可见，在方案 1中，电价呈现波动趋势。最高价格几乎是最低价格的四倍。然而，对于拟采用 两阶段低碳需求侧管理的方案(方案2和方案3)，价格波动更加平稳，价格保 持在16美元/兆瓦时左右，尤其是在系统中安装光伏的方案3。在日照充足的情 况下，采用分布式光伏的用户并非绝对依赖主电网，这将推动市场电价进一步下 调。
在改进的IEEE-24节点系统中，根据其价格弹性特征，将总需求节点分为6 组，即第1组—第6组。此外，由于总用电量的类比特征，冬季和夏季的情况被 视为场景1，春季和秋季的情况被视为场景2。不同场景下各组别的排放分配结 果及具体排放情况如图6、图7所示。每组的排放限额遵循现行的零和增益数据 包络分析模型。基于此排放分配，可以获得每个场景的总排放量。排放总量和财 务状况详见表1。与方案1相比，采用该模型的制度变迁在减缓碳排放方面具有 明显的优势。通过减少需求和增加可再生能源发电装置，消费者可以独立控制其 虚拟排放量，从而影响总排放量。然而，很明显，消费者能否获得额外的环境利 益取决于排放分配。在场景1中，方案2和方案3都可以获得环境效益。方案3 的总排放量最低，环境利润回报最高。在场景中，方案3的总排放量最低，但方 案2和方案3的消费者必须承担不断增加的环境成本。造成这一结果的原因是， 在零和增益数据包络分析模型的现行标准下，场景2的排放分配对消费者来说太 低，以至于他们不得不在碳交易市场上购买额外的配额。
表1不同情景下的结果
此外，排放分配对不同群体的影响也不尽相同。四组产生的排放量低于场景 1中的限额。然而，由于排放分配紧张，四组产生的排放量超过了场景2中的限 额。因此，电力市场的价格弹性会导致需求曲线发生变化，而排放补贴在碳导向 的需求响应中起着关键作用。销售排放补贴的收入将刺激消费者参与需求侧管 理，以减少碳排放总量。应该注意的是，在场景2中，由于消费者试图通过使用 清洁能源来节省更多的排放限额和电力成本，因此光伏安装量在不断增加。在同 样的情况下，安装光伏的碳排放量低于未安装光伏的情况。这个减排量是因为可 再生能源发电的转型。
图8、图9和图10显示了典型日所有情况下的发电组合的最佳结果。
在方案2和方案3中，由于所提出的调度方法通过影响用户购电和用电满意 度而降低了用户的效用，因此明显降低了社会总福利。然而，光伏发电系统的社 会福利高于方案2。这是因为碳交易市场通过节省排放津贴而带来的好处。此外， 从方案1到方案3，总发电量显著减少，尤其是煤炭发电。在方案1中，煤炭发 电量平均占总发电量的40％，方案2的这一比例约为28％，方案3的这一比例不 到25％。相反，在方案2和方案3中，来自清洁能源(如水力发电)的比例有所 增加。
(2)在IEEE-118节点系统上验证
该两阶段调度方法也在改进的IEEE-118节点系统上进行了验证。改造后的 系统共有186个支路、91个负荷侧和54个发电机组，涉及39台燃煤发电机组、 13台燃气发电机组和1座水电站。选择方案2和方案3进行比较。
方案2和方案3的收敛状况如图11所示。对于方案2和方案3，我们仍然考 虑十进制对数误差和收敛迭代之间的关系。如图11所示，对于方案2和方案3， 所需的迭代时间都增加到34。很明显，较大的网络会增加迭代次数。其中一个主 要原因是，用户规模越大，在购电效用、用电效用和价格弹性等方面的不同特征 就越明显，这将导致需求响应过程的迭代次数越多。
为了研究碳排放对每个节点的详细影响，图12和图13显示了两个典型小时 内需求节点的碳强度。选择实施例1中场景1的高峰小时和低谷小时。可见，高 峰小时碳强度的平均值小于低谷小时。这主要是由于在高太阳辐射和高温度下使 用光伏，光伏清洁发电在整体水平上降低了节点碳强度。同样，在光伏清洁能源 的帮助下，在相同的时间内，方案3的碳强度无疑会降低。在高峰时段，满足高 需求优先于经济考虑。因此，有一些节点坚持使用化石发电机，他们的节点强度 不改变，并保持在较高的价值，如节点82。此外，在更大的系统中，容量有限的 水电站可能不会被选为电力调度的首选。这就是为什么只有靠近水电站的节点 (节点17、18、19、34、35和36)保持低碳强度的原因。最后一小时，环境条 件限制了光伏发电的输出功率。因此，大多数节点的节点碳强度没有太大差异。 对于图12中的108节点，节点碳强度等于注入的煤炭发生器的碳强度，这意味 着108节点上的煤炭发生器可以满足其需求。对于节点67和70，安装的光伏可 以满足低需求量，因此其节点碳强度等于零。
此外，IEEE-118系统中方案2和方案3的总排放量和环境利益如表2所示。 可以清楚地看到，与方案2相比，由于安装了光伏，方案3的平均碳强度有所降 低。按照实施例1中场景1的排放分配原则，尽管两个值之间没有明显的差异， 但方案3在减排和碳交易利润方面有更好的表现。
表2两方案比较结果
图14显示了一个典型日内方案3的详细功率输出。与24节点系统相比，水 力发电厂的清洁电力占混合电力总量的比例显著降低。它在混合功率中的比例值 最低，除了动态光伏输出约为15％。相比之下，燃煤发电机组的发电量占混合电 力总量的比例最大，约为58％。这是因为有限的水力发电能力无法满足巨大的需 求量。此外，这一原因还导致方案2和方案3之间某些节点的节点碳强度没有变 化。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术 人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改 进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于需求侧的电力系统碳运行调度方法，其特征在于，包括：
考虑发电机功率输出约束、电力供需之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一阶段最优潮流运行优化模型，以确定每个用户的电价，并将所述电价作为第二阶段电力需求优化模型的输入；其中，所述第一阶段最优潮流运行优化模型包括碳排放流模型和碳价格预测模型；所述碳排放流模型是对需求侧碳排放强度进行建模得到的，所述碳价格预测模型是根据历史碳交易价格得到的；
考虑电力需求变化约束和可再生能源的安装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型，激励用户削减高排放强度的电力需求，得到优化后的电力需求，所述优化后的电力需求输出给所述第一阶段最优潮流运行优化模型优化；其中，所述第二阶段电力需求优化模型包括电价与消费者电力需求的变化关系的DSM模型、所述碳排放流模型和所述碳价格预测模型；
对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，并根据所述最优碳调度方案对电网进行调度。
2.如权利要求1所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述碳排放流模型是对需求侧碳排放强度进行建模得到的，具体包括：
所述碳排放流模型考虑流出支路的碳排放流强度、节点的碳强度及需求节点的碳排放量和发电机的碳排放量；
所述流出支路的碳排放流强度为：
其中，
表示流出支路分支
的强度，f+、f-分别表示具有流入功率和流出功率的分支集，Gn表示节点n处的发电机，eGn表示发电机向节点n注入功率的碳强度，Pn表示n支路的潮流，PGn表示从发电机流入节点n的功率，n表示电力系统的节点总数；
所述节点的碳强度为：
其中，en表示节点的碳强度；
所述需求节点的碳排放量和所述发电机的碳排放量分别为：
EDm，t＝PDm，t·eDm，t·Δt，
EGk，t＝PGk，t·eGk·Δt；
其中，EDm，t、PDm，t、eDm，t分别表示t时刻需求节点m的碳排放量、耗电量、节点排放强度；EGk，t、PGk，t、eGk分别是发电机k在时间t的碳排放量、功率输出和节点碳排放强度。
3.如权利要求1所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述碳价格预测模型是根据历史碳交易价格得到的，具体包括：
使用如下初始碳价格预测模型：
rd＝lnδd-lnδd-1；
其中，rd描述了d天的碳排放收益，δd，δd-1分别表示d天和d-1天的碳交易价格；
采用指数广义自回归条件异方差，对所述初始碳价格预测模型进行转化，得到碳价格预测模型：
rd＝β0+θ·rd-1+γd，
γd＝σd·vd，
其中，α0表示模型残差项参数，α1表示新参数，β0和β1分别表示序列的固有参数，β2是非对称参数，θ是一个小于1的常数；νd服从正态白噪声分布，其均值为0，方差为1，σd是模型在d时刻的条件方差。
4.如权利要求1所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述考虑发电机功率输出约束、电力供需之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一阶段最优潮流运行优化模型，具体包括：
建立发电机功率输出约束：
其中，P Gk和
分别表示发电机输出功率的下限和上限，
表示支线l在时刻t的功率流，
和
分别表示支线的功率流的下限和上限，ΩG表示电力网络中的发电机集合，L表示电力网络中的分支集合，PGk，t表示发电机在时刻t的输出功率；
建立电力供需之间的权力平衡约束：
P′Dm，t＝PDm，t-ΔPDm，t-Ppv，t；
其中，PGk，t表示发电机k在时间t的功率，P′Dm，t表示t时刻需求响应前需求节点m的功率，PDm，t表示t时刻需求节点m的耗电量、ΔPDm，t表示t时刻节点m的需求响应量、Ppv，t表示光伏在时刻t的输出功率；
建立发电爬坡约束：
其中，
分别表示发电机k的加速极限和减速极限；
以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一目标函数：
其中，C(PGk，t)表示t时刻发电机的总碳排放成本，U(P′Dm，t)为效用函数，以描述用户对购电量的满意度，PGk，t表示发电机k在时间t的输出功率，P′Dm，t表示t时刻需求响应前需求节点m的功率，
表示k个发电机的平均碳交易价格，EGk，t表示发电机k在时间t的排放量，
表示发电机k的排放量上限，ΩG表示电力网络中的发电机集合，ΩD表示电力网络中的需求节点集合；
其中，所述效用函数具体为：
其中，a和b分别表示效用函数的二次系数和一次系数；
约束条件下所述第一目标函数的拉格朗日表达式可以表示为：
其中，
μ r，k，t、
μc，t分别表示与每个约束相关联的拉格朗日乘子；
表示发电机k在时间t的碳排放量上限，P Gk，t表示发电机k在时间t的碳排放量下限；
定义函数：
定义与边际发电量和每个用户需求量有关的L(t)的导数：
其中，PGs，t为网络中边际发电的输出功率，上式右边首项的绝对值为节点电价；
平衡点的联立方程和为零值：
其中，λm，t表示t时刻节点m的电价。
5.如权利要求4所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述方法还包括：
采用功率传递分布因子的潮流计算算法计算所述第一阶段最优潮流运行优化模型，具体包括：
定义每个节点的注入移位因子：
其中，
分别表示发电节点k和需求节点m的分支l中的ISF；
表示L行N列的ISF矩阵，
表示注入移位因子；
获取
矩阵：
其中，B′是一个L×L对角支电纳矩阵，A是L×N分支节点的关联矩阵，S是N×N简化的节点电纳矩阵；在矩阵A中，
是节点x和y之间存在分支的第
行，
其中，
B′＝diag[b1，b2，…，bL]
A＝[a1，a2，…aL]T
S＝ATB′A
通过分支l的功率流：
其中，
为分支l在t时刻的功率流，PInj(PGk，t，PDm，t)是节点处功率流入或流出的向量。
6.如权利要求1所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述考虑电力需求变化约束和可再生能源的安装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型，具体包括：
建立电力需求变化约束：
其中，ΔPDm，t表示t时刻节点m的需求响应量，
建立可再生能源的安装约束：
其中，χm表示在节点m上安装的光伏量，
表示在节点m上安装的光伏量上限；
建立可再生能源在不同时间的功率输出约束：
Ppv，t＝χm·f(temp，rad)
其中，Ppv，t表示光伏在时刻t的输出功率，temp表示局部温度，rad表示辐射，ηpv为太阳能转换效率，
为光伏板的太阳辐射；
以消费者总收益最大化为目标建立第二目标函数：
其中，U()为效用函数，PDm，t表示需求响应后t时刻需求节点m的功率，ΔPDm，t表示t时刻节点m的需求响应量，λm，t表示t时刻节点m的电价，CR为光伏的资本回收系数，τpv为光伏板的单位价格，
为需求节点m的平均预测碳价，EDm，t为需求节点m在时刻t的虚拟碳排放量，
为需求节点m的碳排放量上限。
7.如权利要求1所述的基于需求侧的电力系统碳运行调度方法，其特征在于，所述电价与消费者电力需求的变化关系的DSM模型具体为：
其中，PDm，t，PDm，t-1分别表示时间t，t-1时节点m处的需求量；T是时间间隔；
表示t+h时刻节点m的价格弹性系数，
是t+h时的电价。
8.一种基于需求侧的电力系统碳运行调度装置，其特征在于，包括：
第一阶段最优潮流运行优化模型建立模块，用于考虑发电机功率输出约束、电力供需之间的权力平衡约束和发电爬坡约束，以最小化发电机碳排放成本和消费侧与生产侧的总收益为目标建立第一阶段最优潮流运行优化模型，以确定每个用户的电价，并将所述电价作为第二阶段优化模型的输入；其中，所述第一阶段最优潮流运行优化模型包括碳排放流模型和碳价格预测模型；所述碳排放流模型是对需求侧碳排放强度进行建模得到的，所述碳价格预测模型是根据历史碳交易价格得到的；
第二阶段电力需求优化模型，用于考虑电力需求变化约束和可再生能源的安装约束，以消费者总收益最大化为目标构建第二阶段电力需求优化模型，激励用户削减高排放强度的电力需求，得到优化后的电力需求，所述优化后的电力需求输出给所述第一阶段最优潮流运行优化模型优化；其中，所述第二阶段电力需求优化模型包括电价与消费者电力需求的变化关系的DSM模型、所述碳排放流模型和所述碳价格预测模型；
碳调度模块，用于对所述第一阶段最优潮流运行优化模型和所述第二阶段电力需求优化模型进行优化循环迭代，直到达到预设迭代条件，得到最优碳调度方案，并根据所述最优碳调度方案对电网进行调度。
9.一种基于需求侧的电力系统碳运行调度设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于需求侧的电力系统碳运行调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004234.XA CN113780776B (zh) | 2021-08-30 | 2021-08-30 | 基于需求侧的电力系统碳运行调度方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111004234.XA CN113780776B (zh) | 2021-08-30 | 2021-08-30 | 基于需求侧的电力系统碳运行调度方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780776A CN113780776A (zh) | 2021-12-10 |
| CN113780776B true CN113780776B (zh) | 2022-12-06 |
Family
ID=78840065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111004234.XA Active CN113780776B (zh) | 2021-08-30 | 2021-08-30 | 基于需求侧的电力系统碳运行调度方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780776B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116544939A (zh) * | 2022-01-25 | 2023-08-04 | 株洲中车时代电气股份有限公司 | 碳排放需求响应处理方法、装置、计算机设备和存储介质 |
| CN115015474B (zh) * | 2022-04-15 | 2023-06-23 | 广东电网有限责任公司 | 一种电力用户的碳排放量检测方法及设备 |
| CN115062968A (zh) * | 2022-06-15 | 2022-09-16 | 国网信息通信产业集团有限公司 | 一种专变采集终端碳排放计量与分析方法及系统 |
| CN114782217B (zh) * | 2022-06-21 | 2022-10-11 | 国网江西省电力有限公司电力科学研究院 | 一种电力系统的间接碳排放精细化核算方法及系统 |
| CN115186028A (zh) * | 2022-07-12 | 2022-10-14 | 远景智能国际私人投资有限公司 | 碳强度的展示方法、装置、设备、存储介质及程序产品 |
| CN115473230B (zh) * | 2022-10-09 | 2023-11-17 | 国网江苏省电力有限公司电力科学研究院 | 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质 |
| CN115640935A (zh) * | 2022-12-21 | 2023-01-24 | 南方电网数字电网研究院有限公司 | 电力系统碳排放量的计算方法、装置和计算机设备 |
| CN117220346B (zh) * | 2023-07-27 | 2024-04-16 | 河海大学 | 一种综合能源服务商电-碳-绿证双层分布式调度方法 |
| CN117077980B (zh) * | 2023-10-13 | 2024-02-27 | 杭州致成电子科技有限公司 | 碳排放调度方法、装置和电子设备 |
| CN117909936A (zh) * | 2024-03-20 | 2024-04-19 | 广东电网有限责任公司 | 一种基于时变参数的电能碳相关性建模方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111277006B (zh) * | 2020-02-28 | 2022-05-27 | 东北电力大学 | 一种含燃气-燃煤-风电机组的电力系统低碳控制方法 |
| CN112039056A (zh) * | 2020-08-10 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源两阶段优化调度方法 |
| CN112465181A (zh) * | 2020-09-11 | 2021-03-09 | 国网天津市电力公司电力科学研究院 | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 |
-
2021
- 2021-08-30 CN CN202111004234.XA patent/CN113780776B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780776A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113780776B (zh) | 基于需求侧的电力系统碳运行调度方法、装置及设备 | |
| Wang et al. | A stochastic-robust coordinated optimization model for CCHP micro-grid considering multi-energy operation and power trading with electricity markets under uncertainties | |
| Bu et al. | Stochastic unit commitment in smart grid communications | |
| CN110188950A (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
| Kang et al. | Scheduling-based real time energy flow control strategy for building energy management system | |
| CN111738497A (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
| CN113452020A (zh) | 一种考虑柔性氢需求的电氢能源系统调度方法 | |
| Rahmani-Andebili et al. | Price-controlled energy management of smart homes for maximizing profit of a GENCO | |
| Jordehi | Two-stage stochastic programming for risk-aware scheduling of energy hubs participating in day-ahead and real-time electricity markets | |
| Bu et al. | Distributed scheduling in smart grid communications with dynamic power demands and intermittent renewable energy resources | |
| Saravanan | DSM in an area consisting of residential, commercial and industrial load in smart grid | |
| CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
| CN110571795A (zh) | 一种储能单元在高风力渗透电力系统中的布置方法 | |
| CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
| Zhi et al. | Scenario-based multi-objective optimization strategy for rural PV-battery systems | |
| CN116739158A (zh) | 一种基于强化学习的自适应优化储能方法 | |
| CN112598175A (zh) | 一种流域型虚拟电厂调度方法 | |
| Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
| Ye et al. | Stochastic scheduling of integrated electricity-heat-hydrogen systems considering power-to-hydrogen and wind power | |
| CN116707016A (zh) | 基于场景生成和削减的风光氢储日前随机优化调度方法 | |
| Headley et al. | Valuation and cost reduction of behind-the-meter hydrogen production in Hawaii | |
| Son et al. | A study on optimal ESS charging scheduling considering power generation prediction in photovoltaic power plant | |
| CN114491997A (zh) | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 | |
| CN113394820A (zh) | 一种新能源并网电力系统的优化调度方法 | |
| Negeri et al. | Distributed storage management using dynamic pricing in a self-organized energy community |
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 |