CN114169669A - 发电行业碳排放量预测方法、平台、计算设备及介质 - Google Patents
发电行业碳排放量预测方法、平台、计算设备及介质 Download PDFInfo
- Publication number
- CN114169669A CN114169669A CN202111236354.2A CN202111236354A CN114169669A CN 114169669 A CN114169669 A CN 114169669A CN 202111236354 A CN202111236354 A CN 202111236354A CN 114169669 A CN114169669 A CN 114169669A
- Authority
- CN
- China
- Prior art keywords
- power generation
- time point
- predicted
- value
- carbon emission
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 450
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 290
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000005611 electricity Effects 0.000 claims abstract description 94
- 230000008859 change Effects 0.000 claims description 52
- 238000005516 engineering process Methods 0.000 claims description 24
- 238000005265 energy consumption Methods 0.000 claims description 22
- 230000002452 interceptive effect Effects 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 15
- 230000009919 sequestration Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 description 12
- 239000000446 fuel Substances 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 5
- 239000003245 coal Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000002309 gasification Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000596 photon cross correlation spectroscopy Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供发电行业碳排放量预测方法、计算设备及介质,基于指定区域的用电指标数据,获得指定区域在目标预测时间点的预测用电量,然后根据发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。预测模型基于历史用电指标数据和历史用电量构建,基于用电指标数据利用预测模型可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。
Description
技术领域
本说明书实施例涉及碳排放控制技术领域,特别涉及一种发电行业碳排放量预测方法、平台、计算设备及介质。
背景技术
随着经济的快速发展,能源消耗在逐年增加,全球变暖已成为人们公认的地球最大危机之一,而碳排放通常被认为是地球变暖的最主要因素,因此控制碳排放、对碳排放量进行预测对实现碳中和目的具有重要意义。然而,影响碳排放量的因素有很多,这使得很难对碳排放量进行准确预测。
发明内容
有鉴于此,本说明书施例提供了一种发电行业碳排放量预测方法。本说明书一个或者多个实施例同时涉及一种发电行业碳排放量预测平台,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种发电行业碳排放量预测方法,包括:
获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;
根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量;
根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
可选地,基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值的步骤,包括:
根据第一用电指标当前值和第一用电指标的变化率,计算当前时间点至指定时间点中目标预测时间点的第一用电指标值;
根据第二用电指标当前值和第二用电指标目标值,利用插值法计算目标预测时间点的第二用电指标值;
根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量的步骤,包括:
将第一用电指标值和第二用电指标值输入预测模型,获得指定区域在目标预测时间点的预测用电量。
可选地,发电性能参数包括发电设备的当前发电占比、指定时间点所述发电设备的目标发电占比、线损率;
根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量的步骤,包括:
根据当前发电占比和目标发电占比,利用插值法,计算发电设备在目标预测时间点的发电占比;
根据指定区域在目标预测时间点的预测用电量和线损率,计算指定区域在目标预测时间点的预测发电量;
根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度及发电设备在目标预测时间点的发电占比,计算指定区域在目标预测时间点的预测碳排放量。
可选地,在根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度及发电设备在目标预测时间点的发电占比,计算指定区域在目标预测时间点的预测碳排放量的步骤之前,该方法还包括:
获取从客户端输入的碳捕获与封存技术的普及率;
根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度及发电设备在目标预测时间点的发电占比,计算指定区域在目标预测时间点的预测碳排放量的步骤,包括:
根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度、发电设备在目标预测时间点的发电占比及碳捕获与封存技术的普及率,计算指定区域在目标预测时间点的预测碳排放量。
可选地,在根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量的步骤之后,该方法还包括:
获取发电设备的容量;
根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值。
可选地,资源消耗预测值包括发电设备的投入消耗预测值、发电设备的运行消耗预测值和发电设备的能源消耗预测值;
根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值的步骤,包括:
根据发电设备在目标预测时间点的容量以及在目标预测时间点的前一时间点的容量,计算容量差值;
根据容量差值以及单位容量的预设投入消耗值,计算发电设备在目标预测时间点的投入消耗预测值;
根据发电设备在目标预测时间点的容量以及单位容量的预设运行消耗值,计算发电设备在目标预测时间点的运行消耗预测值;
根据指定区域在目标预测时间点的预测用电量以及单位用电量对应的预设能源消耗值,计算发电设备在目标预测时间点的能源消耗预测值。
可选地,在根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值的步骤之后,该方法还包括:
在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,其中,约束条件至少包括碳排放量约束、发电架构变化约束;
将调度策略发送至客户端的调度界面进行显示;
接收客户端发送的确认调度指令,在到达目标预测时间点时,根据调度策略,向发电设备发送调度指令。
根据本说明书实施例的第二方面,提供了一种发电行业碳排放量预测装置,包括:
获取模块,被配置为获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
用电量预测模块,被配置为基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量;
碳排放量预测模块,被配置为根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
可选地,用电量预测模块,进一步被配置为根据第一用电指标当前值和第一用电指标的变化率,计算当前时间点至指定时间点中目标预测时间点的第一用电指标值;根据第二用电指标当前值和第二用电指标目标值,利用插值法计算目标预测时间点的第二用电指标值;将第一用电指标值和第二用电指标值输入预测模型,获得指定区域在目标预测时间点的预测用电量。
可选地,发电性能参数包括发电设备的当前发电占比、指定时间点所述发电设备的目标发电占比、线损率;
碳排放量预测模块,进一步被配置为根据当前发电占比和目标发电占比,利用插值法,计算发电设备在目标预测时间点的发电占比;根据指定区域在目标预测时间点的预测用电量和线损率,计算指定区域在目标预测时间点的预测发电量;根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度及发电设备在目标预测时间点的发电占比,计算指定区域在目标预测时间点的预测碳排放量。
可选地,获取模块,还被配置为获取从客户端输入的碳捕获与封存技术的普及率;
碳排放量预测模块,进一步被配置为根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度、发电设备在目标预测时间点的发电占比及碳捕获与封存技术的普及率,计算指定区域在目标预测时间点的预测碳排放量。
可选地,该装置还包括:
资源消耗预测模块,被配置为获取发电设备的容量;根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值。
可选地,资源消耗预测值包括发电设备的投入消耗预测值、发电设备的运行消耗预测值和发电设备的能源消耗预测值;
资源消耗预测模块,进一步被配置为根据发电设备在目标预测时间点的容量以及在目标预测时间点的前一时间点的容量,计算容量差值;根据容量差值以及单位容量的预设投入消耗值,计算发电设备在目标预测时间点的投入消耗预测值;根据发电设备在目标预测时间点的容量以及单位容量的预设运行消耗值,计算发电设备在目标预测时间点的运行消耗预测值;根据指定区域在目标预测时间点的预测用电量以及单位用电量对应的预设能源消耗值,计算发电设备在目标预测时间点的能源消耗预测值。
可选地,该装置还包括:
优化模块,被配置为在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,其中,约束条件至少包括碳排放量约束、发电架构变化约束;
发送模块,被配置为将调度策略发送至客户端的调度界面进行显示;
调度模块,被配置为接收客户端发送的确认调度指令,在到达目标预测时间点时,根据调度策略,向发电设备发送调度指令。
根据本说明书实施例的第三方面,提供了一种发电行业碳排放量预测平台,包括:客户端和服务端;客户端包括交互界面;
客户端,用于通过交互界面,接收用户输入的指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度;将用电指标数据、发电性能参数和碳排放强度发送至服务端,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
服务端,用于基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量;根据预测用电量、发电性能参数和碳排放强度,确定指定区域在目标预测时间点的预测碳排放量;将预测碳排放量反馈至客户端;
客户端,还用于在交互界面显示预测碳排放量。
根据本说明书实施例的第四方面,提供了一种计算设备,包括:存储器和处理器;
存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,该计算机可执行指令被处理器执行上述发电行业碳排放量预测方法。
根据本说明书实施例的第五方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现上述发电行业碳排放量预测方法。
根据本说明书实施例的第六方面,提供了一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述发电行业碳排放量预测方法。
本说明书一个实施例实现了基于获取的指定区域的第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,确定指定区域在目标预测时间点的第一用电指标值和第二用电指标值,然后根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量,根据获取的发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。
附图说明
图1是本说明书一个实施例提供的一种发电行业碳排放量预测方法的流程图;
图2是本说明书一个实施例提供的另一种发电行业碳排放量预测方法的流程图;
图3是本说明书一个实施例提供的再一种发电行业碳排放量预测方法的流程图;
图4是本说明书一个实施例提供的一种发电行业碳排放量预测平台的架构示意图;
图5是本说明书一个实施例提供的一种发电行业碳排放分析系统框架的示意图;
图6是本说明书一个实施例提供的一种发电行业碳排放量分析的流程示意图;
图7是本说明书一个实施例提供的一种发电行业碳排放量预测装置的结构示意图;
图8是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
城镇化率:城市化发展的度量指标,一般采用人口统计学指标,即城镇人口占总人口(包括农业与非农业)的比重。
三产结构:是三次产业结构的简称,是国民经济中产业结构问题第一位的重要关系。一、二、三次产业,是根据社会生产活动的顺序对产业结构的划分。第一产业的属性是取自于自然界;第二产业是加工取自于自然的生产物;其余的全部经济活动统归第三产业。
亚临界(Subcritical)/超临界(Supercritical)/超超临界(Ultra-supercritical)机组:燃煤机组锅炉内的工质是水,水的临界压力是22.129MPa,临界温度是374.15℃,在这个压力和温度时,因高温膨胀的水和因高压压缩的蒸汽的密度是相同的,就叫水的临界点。炉内工质压力低于临界压力则称为亚临界机组,炉内工质压力高于临界压力则称为超临界机组,炉内蒸汽温度不低于593℃或蒸汽压力不低于31MPa则称为超超临界机组。超临界/超超临界机组相比亚临界机组有更高的效率、更低的煤耗和碳排放强度。
整体煤气化联合循环(IGCC,Integrated Gasification Combined Cycle)发电系统,是将煤气化技术和高效的联合循环相结合的先进动力系统。它由两大部分组成,即煤的气化与净化部分和燃气-蒸汽联合循环发电部分。既有高发电效率,又有极好的环保性能。
碳捕获与封存(CCS,Carbon Capture and Storage)技术,指将二氧化碳从工业或相关排放源中分离出来,输送到封存地点,并长期与大气隔绝的过程。
“双碳目标”指出,我国碳排放量在2030年要达到峰值,在2060年要实现零碳排。发电行业的碳排放量是全社会碳排放量的重要组成部分,通过发电设备结构转型、煤电设备低碳化改造、碳捕获与封存等手段可以减少发电行业的碳排放量,这是实现“双碳目标”的必要手段。因此,为了实现“双碳目标”,需要对发电行业的碳排放量进行准确预测。
在本说明书中,提供了一种发电行业碳排放量预测方法,本说明书同时涉及一种发电行业碳排放量预测装置,一种发电行业碳排放量预测平台,一种计算设备,一种计算机可读存储介质,以及一种计算机程序,在下面的实施例中逐一进行详细说明。
本说明书实施例所提供的发电行业碳排放量预测方法的执行主体可以为用于对发电行业的碳排放量进行预测的客户端、服务器等。本说明书实施例所提供的发电行业碳排放量预测方法可以被设置于执行主体中的软件、硬件电路、逻辑电路中的至少一种执行实现。
图1示出了根据本说明书一个实施例提供的一种发电行业碳排放量预测方法的流程图,具体包括以下步骤。
步骤102:获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值。
本说明书中,指定区域具体指的是城市、区县、乡镇、工厂、大型园区等由指定主体或人员管理的、由指定发电设备供电、涉及发电行业的区域范围,这里所提及的指定主体或人员可以是管委会、监管机构等,本说明书中执行发电行业碳排放量预测方法的就是上述指定主体或人员使用的计算设备,可通过计算设备上的客户端进行碳排放量预测结果的查看。
指定区域中往往存在大量的用电设备,例如居民使用的空调、电视、照明设备等电器,工厂使用的大型生产设备等,这些用电设备在使用过程中会消耗一定的电量,而这些用电设备的用电量往往和人口、城镇化率等社会数据,以及生产总值、三产结构等经济数据相关。在本说明书中,指定区域的用电指标数据,具体指的就是指定区域中的人口、生产总值、三产结构、城镇化率等影响到指定区域用电情况的社会数据和经济数据等。指定区域的用电指标数据可以是在有碳排放量预测需求时,由用户从交互界面输入,当然也可以从固定的存储位置(该存储位置预先存储有指定区域的用电指标数据)处获取。本说明书对于获取用电指标数据的方式不做具体限定。
发电性能参数是指与指定区域的发电设备的发电性能相关的参数,包括发电设备的发电占比、线损率等,这里提及的发电设备包括传统能源的发电设备和新能源的发电设备。具体地,发电性能参数与发电的架构(即设置多少发电设备、每台发电设备的类型、设置位置等)有关。发电性能参数可以是在有碳排放量预测需求时,由用户从交互界面输入,当然也可以从固定的存储位置(该存储位置预先根据发电的架构存储有相应的发电性能参数)处获取。本说明书对于获取发电性能参数的方式不做具体限定。
碳排放强度是发电设备的固有属性,不同的发电设备具有不同的碳排放强度,碳排放强度具体表征的是单位时间内(例如一年)发电设备的碳排放情况,碳排放强度越高,发电设备的碳排放量就越大。发电性能参数可以是在有碳排放量预测需求时,由用户从交互界面输入,当然也可以从固定的存储位置(该存储位置预先针对不同的发电设备存储有相应的碳排放强度)处获取。本说明书对于获取发电设备的碳排放强度的方式不做具体限定。
步骤104:基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量。
本说明书中,获取到指定区域的用电指标数据后,可利用预测模型进行用电量预测,得到指定区域在目标预测时间点的预测用电量。其中,预测模型基于历史用电指标数据和历史用电量构建,可以是基于深度学习的神经网络模型,也可以是基于数理统计的分析模型。在一种具体实现方式中,通过数据分析,发现用电指标数据与用电量的线性相关性较高,因此,可以采用线性拟合方式,对指定区域的历史用电指标数据和历史用电量进行线性拟合,即可得到预测模型。由于用电指标数据是多元的,因此所采用的线性拟合方式具体可以为多元线性拟合的数据拟合方式。在实际的应用场景下,目标预测时间点可以指未来的某一年,当然,本说明书中并不对此做具体限定,也可以为未来的某一月、某一天等。在另一种具体实现方式中,可以将指定区域的历史用电指标数据作为样本数据,历史用电量作为标签数据,对神经网络模型进行训练,经过多次的迭代训练得到的模型可以对输入的用电指标数据进行端到端的预测,直接得到预测用电量,具体的训练过程与传统的神经网络模型训练过程相同,这里不再赘述。
本说明书实施例中,第一用电指标是指具有一定变化规律的用电指标,例如生产总值和人口的当前值、变化率等;第二用电指标是指指定区域中具有发展目标的用电指标,例如城镇化率和三产结构的当前值、目标值等。
在本说明书实施例的一种实现方式中,步骤104具体可以通过如下方式实现:
根据第一用电指标当前值和第一用电指标的变化率,计算当前时间点至指定时间点中目标预测时间点的第一用电指标值;
根据第二用电指标当前值和第二用电指标目标值,利用插值法计算目标预测时间点的第二用电指标值;
将第一用电指标值和第二用电指标值输入预测模型,获得指定区域在目标预测时间点的预测用电量。
第一用电指标的变化率是根据过去一段时间第一用电指标值的变化统计得到的,例如,过去10年的人口增长率保持在1%左右,则可以确定人口的变化率为+1%。根据第一用电指标当前值和第一用电指标的变化率,可以计算出当前时间点至指定时间点中目标预测时间点的第一用电指标值,例如,2020年的当前人口为500万,人口变化率为+1%,指定时间点为2030年,如果目标预测时间点为2028年,则可计算出到2028年的人口约为5414284。第二用电指标目标值是到达指定时间点预期达到的目标,例如,到2030年的目标城镇化率为70%。根据第二用电指标当前值和第二用电指标目标值,利用插值法可以计算出目标预测时间点的第二用电指标值,这里的插值法具体可以为牛顿插值法、拉格朗日插值法等,具体插值法的计算过程为数理统计领域的常用方法,这里不再详述。在实际计算中,可以先根据第二用电指标当前值和第二用电指标目标值,利用插值法计算出当前时间点至指定时间点中每个时间点的第二用电指标值,然后从中确定目标预测时间点的第二用电指标值。最后,将第一用电指标值和第二用电指标值输入预测模型,即可获得指定区域在目标预测时间点的预测用电量。针对多种类型的用电指标,准确预测出指定区域在目标预测时间点的预测用电量,为后续进行碳排放量的准确预测提供支持。
在本说明书的其他实施例中,获取到的用电指标数据就是用户期望在目标预测时间段能够达到的指标数据,直接将获取到的用电指标数据输入预测模型,即可直接获得指定区域在目标预测时间点的预测用电量。
在本说明书的另一实施例中,可以根据用电指标当前值、用电指标变化率/指定时间点的用电指标目标值,可以计算出当前时间点至指定时间点中每个时间点的用电指标值,然后将每个时间点的用电指标值输入到预测模型中,即可得到当前时间点至指定时间点中每个时间点的预测用电量,实现对未来时间点用电量的预测。
步骤106:根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
本说明书中,在获取到发电性能参数和发电设备的碳排放强度,以及获得指定区域在目标预测时间点的预测用电量之后,可以根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,对指定区域在目标预测时间点的碳排放量进行预测。具体在预测碳排放量时,可以综合考虑煤电设备清洁低碳技术、发电设备结构转型和其他因素三方面来构建碳排放量预测模型,利用碳排放量预测模型对指定区域在目标预测时间点的预测碳排放量进行计算。其中,煤电设备清洁低碳技术包括:超临界机组/超超临界机组、IGCC机组;发电设备结构转型主要指:以煤电设备为主的发电设备结构转变为以清洁能源(天然气)和可再生能源(水电、核电、风电、光伏等)为主的发电设备结构;其他因素包括:CCS技术、降低线损等。
在本说明书实施例的一种实现方式中,发电性能参数包括发电设备的当前发电占比、指定时间点发电设备的目标发电占比、线损率。其中,发电占比指的是一台发电设备的发电量在总发电量中的占比;线损率是指电能在传输过程中的线路损耗占总供应电能的百分数,线损率用来考核发电运行的经济性。
相应地,步骤106具体可以通过如下方式实现:
根据当前发电占比和目标发电占比,利用插值法,计算发电设备在目标预测时间点的发电占比;
根据预测用电量和线损率,计算指定区域在目标预测时间点的预测发电量;
根据预测发电量、碳排放强度及发电占比,计算指定区域在目标预测时间点的预测碳排放量。
目标发电占比是到达指定时间点预期达到的目标,例如,到2030年的目标发电占比为20%。根据当前发电占比和目标发电占比,利用插值法可以计算出发电设备在目标预测时间点的发电占比,这里的插值法具体可以为牛顿插值法、拉格朗日插值法等,具体插值法的计算过程为数理统计领域的常用方法,这里不再详述。在实际计算中,可以先根据当前发电占比和目标发电占比,利用插值法计算出当前时间点至指定时间点中每个时间点的发电占比,然后从中确定目标预测时间点的发电占比。由于线损率是指电能在传输过程中的线路损耗占总供应电能的百分数,因此可以根据指定区域在目标预测时间点的预测用电量和线损率,利用公式(1)计算出总供应电能,再根据总供应电能与发电量之间的换算关系,计算出指定区域在目标预测时间点的预测发电量。总供应电能与发电量之间的换算关系一般为一定的比例关系。
其中,P为线损率,S为线路损耗,Z为总供应电能,Z=S+T,T为用电量。
最后,根据预测发电量、碳排放强度及发电占比,可计算出指定区域在目标预测时间点的预测碳排放量。具体可以利用公式(2)计算得到指定区域在目标预测时间点的预测碳排放量。
其中,eCO2,t为目标预测时间点t的预测碳排放量,Econs,t为目标预测时间点t的线路损耗,Eloss,t为目标预测时间点t的预测用电量,Im为机组m的碳排放强度,Pm,t为目标预测时间点t机组m的发电占比。
通过本实施例,保证得到的预测碳排放量更为准确。
在本说明书的另一实施例中,可以根据当前时间点至指定时间点中每个时间点的预测用电量和线损率,可以计算出每个时间点的预测发电量,根据当前发电占比、指定时间点的目标发电占比,可以计算出当前时间点至指定时间点中每个时间点的发电占比,然后根据每个时间点的预测发电量、碳排放强度和发电占比,可得到当前时间点至指定时间点中每个时间点的预测碳排放量,实现对未来时间点碳排放量的准确预测。
在本说明书实施例的另一种实现方式中,在根据预测发电量、碳排放强度及发电占比,计算指定区域在目标预测时间点的预测碳排放量的步骤之前,还包括:获取从客户端输入的碳捕获与封存技术的普及率。
则相应地,根据预测发电量、碳排放强度及发电占比,计算指定区域在目标预测时间点的预测碳排放量的步骤,具体可以通过如下方式实现:
根据预测发电量、碳排放强度、发电占比及普及率,计算指定区域在目标预测时间点的预测碳排放量。
在实际应用中,CCS技术的普及率对最终的碳排放量也有着非常大的影响,因此在计算预测碳排放量时,还需要考虑CCS技术的普及率,使得碳排放量的预测结果更为准确。具体的计算方式如公式(3)所示。
其中,PCCS,t为目标预测时间点的CCS技术的普及率。
在实际应用中,还可以不安装CCS的亚临界机组作为基准,计算各项低碳技术/设备改造带来的碳排放量的减少作为输出。以使用户能够直观地观察到使用低碳技术/设备改造所带来的益处。
在本说明书实施例的一种实现方式中,发电设备的数目为多个。相应地,根据预测发电量、碳排放强度及发电占比,计算指定区域在目标预测时间点的预测碳排放量的步骤,具体可以通过如下方式实现:
针对每个发电设备,根据预测发电量、该发电设备的碳排放强度及该发电设备在目标预测时间点的发电占比,计算该发电设备在目标预测时间点的预测碳排放量;
将每个发电设备在目标预测时间点的预测碳排放量相加,得到指定区域在目标预测时间点的预测碳排放量。
一般情况下,指定区域中设置有多台发电设备,则针对每个发电设备,根据预测发电量、该发电设备的碳排放强度及该发电设备在目标预测时间点的发电占比,可计算出该发电设备在目标预测时间点的预测碳排放量,然后将每个发电设备在目标预测时间点的预测碳排放量相加,即得到指定区域在目标预测时间点的预测碳排放量。
本说明书实施例可以提供一个交互功能,在得到指定区域在目标预测时间点的预测碳排放量之后,可以将预测碳排放量发送至客户端的显示界面进行显示。显示界面中的具体显示方式可以是图表的形式显示,也可以是文字的形式显示,这里不做限定。除了显示预测碳排放量以外,还可以在显示界面显示计算预测用电量、预测碳排放量的几个重要公式,以及计算中各个变量的名称与意义,具体的计算公式和变量见上述说明书内容,这里不再赘述。通过增加交互,用户可以直观地看到指定区域在目标预测时间点的预测碳排放量、所使用的公式、变量等信息,更加直观易懂,用户使用更加方便。
应用本说明书实施例,基于获取的指定区域的第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,确定指定区域在目标预测时间点的第一用电指标值和第二用电指标值,然后根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量,根据获取的发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。
基于图1所示实施例,图2示出了根据本说明书一个实施例提供的另一种发电行业碳排放量预测方法的流程图,具体包括以下步骤。
步骤102:获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值。
步骤104:基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量。
步骤106:根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
图2所示实施例中的步骤102、104、106与图1所示实施例中的步骤102、104、106相同,这里不再赘述。
步骤108:获取发电设备的容量。
步骤110:根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值。
本说明书中,除了上述可对指定区域在目标预测时间点的碳排放量进行预测以外,还可以对发电设备的容量进行获取,发电设备的容量具体可指发电设备的数目、额定功率等,根据发电设备的容量和预测用电量,即可计算出指定区域在目标预测时间点的资源消耗预测值,资源消耗预测值具体是指定区域在目标预测时间点的投资建设成本、运维成本、燃料成本等。
在本说明书实施例的一种实现方式中,资源消耗预测值包括发电设备的投入消耗预测值、发电设备的运行消耗预测值和发电设备的能源消耗预测值。其中,发电设备的投入消耗预测值是指发电设备在投入运营的消耗预测值,具体可以是投资建设成本;发电设备的运行消耗预测值是指发电设备在运行过程中的消耗预测值,具体可以是运维成本;发电设备的能源消耗预测值是指发电设备对能源的消耗预测值,具体可以是燃料成本。
相应地,步骤110具体可以通过如下方式实现:
根据发电设备在目标预测时间点的容量以及在目标预测时间点的前一时间点的容量,计算容量差值;
根据容量差值以及单位容量的预设投入消耗值,计算发电设备在目标预测时间点的投入消耗预测值;
根据发电设备在目标预测时间点的容量以及单位容量的预设运行消耗值,计算发电设备在目标预测时间点的运行消耗预测值;
根据预测用电量以及单位用电量对应的预设能源消耗值,计算发电设备在目标预测时间点的能源消耗预测值。
利用发电设备在目标预测时间点的容量以及在目标预测时间点的前一时间点的容量,可以计算出发电设备的容量差值(即容量增加值或者容量减少值),然后根据容量差值和单位容量的预设投入消耗值,可以计算出发电设备在目标预测时间点的投入消耗预测值(也就是投资建设成本),根据发电设备在目标预测时间点的容量和单位容量的预设运行消耗值,相乘即可计算出发电设备在目标预测时间点的运行消耗预测值(也就是运维成本),最后,根据预测用电量和单位用电量对应的预设能源消耗值,相乘即可计算出发电设备在目标预测时间点的能源消耗预测值(也就是燃料成本)。针对每个发电设备可按照上述过程分别计算出各自在目标预测时间点的投入消耗预测值、运行消耗预测值和能源消耗预测值,将这些发电设备的投入消耗预测值相加、运行消耗预测值相加、能源消耗预测值相加,即可得到指定区域在目标预测时间点的资源消耗预测值。实现了对未来时间点资源消耗量的准确预测。
应用本说明书实施例,基于获取的指定区域的第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,确定指定区域在目标预测时间点的第一用电指标值和第二用电指标值,然后根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量,根据获取的发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。并且通过获取发电设备的容量,根据发电设备的容量和指定区域在目标预测时间点的预测用电量,计算出指定区域在目标预测时间点的资源消耗预测值,实现了对发电行业的资源消耗的准确预测。
基于图2所示实施例,图3示出了根据本说明书一个实施例提供的再一种发电行业碳排放量预测方法的流程图,具体包括以下步骤。
步骤102:获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值。
步骤104:基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量。
步骤106:根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
步骤108:获取发电设备的容量。
步骤110:根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值。
图3所示实施例中的步骤102、104、106、108、110与图2所示实施例中的步骤102、104、106、108、110相同,这里不再赘述。
步骤112:在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,其中,约束条件至少包括碳排放量约束、发电架构变化约束。
在本实施例中,可以将碳排放量和资源消耗作为目标,通过求解优化问题,得到优化的调度策略,在求解时,可以以碳排放量和资源消耗优化为目标建立目标函数,示例性地,调度策略优化可以从低碳排放量总成本最小(即用户经济效益最高)体现,在预设约束条件下,求解出指定区域在目标预测时间点对发电设备的调度策略,该调度策略下,目标预测时间点的碳排放量低且成本最小。利用本实施例,可以准确确定出指定区域在目标预测时间点对发电设备的调度策略,保证碳排放量和资源消耗优化,达到节能减排的目的。
具体地,构建的目标函数具体可以如公式(4)所示。
其中,TCO2,t为第t年CO2的排放总量,xj,t为第j类发电机组第t年的发电量,j为发电机组的类型,m为规划年限,bj,t为第t年第j类发电机组单位电量燃料耗率,为第t年第j类发电机组CO2排放系数。
在进行优化求解时,需要有一定的约束条件,本实施例中,预设约束条件至少包括碳排放量约束、发电架构变化约束。约束变量包括:煤电设备低碳技术普及速率、发电设备结构转型速率、CCS普及速率等。
通过设置上述约束,在这些约束下,对上述优化问题进行求解,求解的结果更加符合实际情形,进一步提高了调度策略的准确度。
具体在进行优化求解时,可以采用求解器(如mindopt、gurobi、Cplex、Gurobi等)来进行求解,以获得目标调度策略,具体求解器的求解过程为本领域技术人员常规采用的方式,这里不再一一赘述。
步骤114:将调度策略发送至客户端的调度界面进行显示。
步骤116:接收客户端发送的确认调度指令,在到达目标预测时间点时,根据调度策略,向发电设备发送调度指令。
本实施例中,在确定出指定区域在目标预测时间点对发电设备的调度策略之后,可以对调度策略进行针对性推荐,也就是将调度策略发送至客户端的调度界面进行显示,能够使得主管人员能够在客户端的调度界面上,直观地看到指定区域在目标预测时间点对发电设备的调度策略,达到调度策略精准推荐的目的。
在本说明书实施例中,调度策略可以经过机器学习的方式不断更新,使得在实际应用时,所确定的调度策略更为符合实际情况、更准确。
另外,调度界面提供有交互功能,主管人员可以在调度界面上选择是否确认执行该调度策略,主管人员在调度界面上点击确认调度,则客户端会发起一个确认调度指令,在接收到客户端发送的确认调度指令后,可以向该调度策略指示的发电设备发送调度指令,具体地,可以向需要开启的发电设备发送开启指令、向需要关闭的发电设备发送关闭指令。本实施例增加了交互功能,主管人员可以直接在客户端进行简单操作,即可实现对能源设备的调度管理。
如图4示出了根据本说明书一个实施例提供的一种发电行业碳排放量预测平台的架构示意图,该预测平台包括客户端420和服务端440;客户端420包括交互界面;
客户端420,用于通过交互界面,接收用户输入的指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度;将用电指标数据、发电性能参数和碳排放强度发送至服务端440,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
服务端440,用于基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量;根据预测用电量、发电性能参数和碳排放强度,确定指定区域在目标预测时间点的预测碳排放量;将预测碳排放量反馈至客户端420;
客户端420,还用于在交互界面显示预测碳排放量。
在本说明书实施例的一种实现方式中,服务端440还可以根据发电设备的容量及预测用电量,计算出指定区域在目标预测时间点的资源消耗预测值,最后,在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,将调度策略发送至客户端420的交互界面进行显示,主管人员在客户端420的交互界面上可选择是否确认执行该调度策略,主管人员在交互界面上点击确认调度,则客户端420会发起一个确认调度指令,在服务端440接收到确认调度指令后,可以向该调度策略指示的发电设备发送调度指令。
应用本说明书实施例,基于获取的指定区域的第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,确定指定区域在目标预测时间点的第一用电指标值和第二用电指标值,然后根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量,根据获取的发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,调度策略是进行发电调度管理的依据,使得碳排放量和资源消耗优化。并且,在确定出指定区域在目标预测时间点对发电设备的调度策略之后,将该调度策略发送至客户端的交互界面进行显示,能够使得主管人员能够在客户端的交互界面上,直观地看到该调度策略,达到调度策略精准推荐的目的。另外,主管人员可以在交互界面上选择是否确认执行该调度策略,主管人员在交互界面上点击确认调度,则客户端会发起一个确认调度指令,在接收到客户端发送的确认调度指令后,可以向该调度策略指示的发电设备发送调度指令,主管人员可以直接在客户端进行简单操作,即可实现对发电设备的调度管理。
综上,本说明书所提供的发电行业的碳排放分析系统框架如图5所示,图5示出了根据本说明书一个实施例提供的一种发电行业碳排放分析系统框架的示意图,主要包括用电量预测模块、低碳技术模块、碳排放量预测模块和成本预测模块。
在用电量预测模块中,影响用电量的因素考虑了生产总值、人口、城镇化率和三产结构,基于历史用电指标数据和历史用电量构建预测模型,基于生产总值、人口、城镇化率和三产结构,利用预测模型,获得指定区域在目标预测时间点的预测用电量。
在低碳技术模块中考虑了三部分,一方面是煤电设备清洁低碳技术改造,包括亚临界机组转型为超临界机组/超超临界机组、IGCC机组;另一方面是发电设备结构转型,包括天然气设备、核电设备、风电光伏设备的大力发展等;另外还考虑了CCS技术的普及和降低线损。
在碳排放量预测模块中,根据指定区域在目标预测时间点的预测用电量、发电设备的发电占比、线损率和发电设备的碳排放强度,计算出指定区域在目标预测时间点的预测碳排放量。
在成本预测模块中,根据指定区域在目标预测时间点的预测用电量、投资成本、运维成本、燃料成本,计算出指定区域在目标预测时间点的成本预测值。
具体地,发电行业的碳排放量分析的流程如图6所示,图6示出了根据本说明书一个实施例提供的一种发电行业碳排放量分析的流程示意图。
输入经济与社会指标数据至用电量预测模块,在用电量预测模块中,根据往年的经济指标数据、社会指标数据和用电量数据,拟合预测模型。经济指标数据包括生产总值、三产结构;社会指标数据包括人口、城镇化率;用电量数据指年用电量。通过数据分析,发现各项指标数据与用电量间的线性相关性均较高,因此采用多元线性拟合的数据拟合方式拟合预测模型。输入生产总值、人口的年增长率,可以得到2021-2030年之间每一年的生产总值和人口;同时输入指定年份(2030年)的城镇化率和三产结构的目标值,在2020-2030年采用线性插值的方式生成每一年的值。将每一年的生产总值、人口、城镇化率和三产结构的值,代入预测模型中,得到对应年份的预测用电量。
输入预测用电量、发电性能参数、碳排放强度至碳排放量预测模块,综合考虑煤电设备清洁低碳技术、发电设备结构转型、和其他因素三方面来构建碳排放量预测模型,利用碳排放量预测模型对指定区域在目标预测时间点的预测碳排放量进行计算。其中,煤电设备清洁低碳技术包括:超临界机组/超超临界机组、IGCC机组;发电设备结构转型主要指:以煤电设备为主的发电设备结构转变为以清洁能源(天然气)和可再生能源(水电、核电、风电、光伏等)为主的发电设备结构;其他因素包括:CCS技术、降低线损等。计算步骤如下:首先,通过2020年的各发电设备的发电占比基准值和2030年各发电设备的发电占比目标值,利用线性插值的方法生成2021-2030年之间各发电设备的发电占比。然后,通过2021-2030年各年的预测用电量和线损率计算预测发电量;接下来,通过预测发电量、各发电设备的碳排放强度、2021-2030年各年各发电设备的发电占比以及CCS普及率,计算各年份各发电设备的预测碳排放量。
输入预测用电量和成本参数(包括单位容量的投资建设成本、单位容量的运维成本、单位电量燃料成本)至成本预测模块,综合考虑各发电设备的投资建设成本、运维成本和燃料成本,建立发电行业成本计算模型,计算成本预测值(即指定区域在目标预测时间点的资源消耗预测值,包括投资建设成本、运维成本和燃料成本)。计算步骤如下:首先,利用当前年份和上一年之间某发电设备容量的增加值和单位容量的投资建设成本,计算得到该发电设备在该年份的投资建设成本;然后,利用当前年份某发电设备的容量和单位容量的运维成本,计算得到该发电设备在该年份的运维成本;最后,根据当前年份某发电设备的发电量和单位电量燃料成本,计算得到该发电设备在该年份的燃料成本。
与上述方法实施例相对应,本说明书还提供了发电行业碳排放量预测装置实施例,图7示出了本说明书一个实施例提供的一种发电行业碳排放量预测装置的结构示意图。如图7所示,该装置包括:
获取模块720,被配置为获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,其中,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
用电量预测模块740,被配置为基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率和第二用电指标目标值,确定当前时间点至指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量;
碳排放量预测模块760,被配置为根据指定区域在目标预测时间点的预测用电量、发电性能参数和发电设备的碳排放强度,确定指定区域在目标预测时间点的预测碳排放量。
应用本说明书实施例,基于获取的指定区域的第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,确定指定区域在目标预测时间点的第一用电指标值和第二用电指标值,然后根据第一用电指标值和第二用电指标值,确定指定区域在目标预测时间点的预测用电量,根据获取的发电性能参数、发电设备的碳排放强度以及获得的预测用电量,确定出指定区域在目标预测时间点的预测碳排放量。基于第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值,可以准确预测出指定区域在目标预测时间点的预测用电量,而在发电行业中,发电性能参数、发电设备的碳排放强度和预测用电量为直接影响碳排放量的信息,因此,根据发电性能参数、碳排放强度和预测用电量,可以准确预测出指定区域在目标预测时间点的预测碳排放量,实现了对发电行业碳排放量的准确预测。
可选地,用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
用电量预测模块740,进一步被配置为根据第一用电指标当前值和第一用电指标的变化率,计算当前时间点至指定时间点中目标预测时间点的第一用电指标值;根据第二用电指标当前值和第二用电指标目标值,利用插值法计算目标预测时间点的第二用电指标值;将第一用电指标值和第二用电指标值输入预测模型,获得指定区域在目标预测时间点的预测用电量。
可选地,发电性能参数包括发电设备的当前发电占比、指定时间点所述发电设备的目标发电占比、线损率;
碳排放量预测模块760,进一步被配置为根据当前发电占比和目标发电占比,利用插值法,计算发电设备在目标预测时间点的发电占比;根据指定区域在目标预测时间点的预测用电量和线损率,计算指定区域在目标预测时间点的预测发电量;根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度及发电设备在目标预测时间点的发电占比,计算指定区域在目标预测时间点的预测碳排放量。
可选地,获取模块720,还被配置为获取从客户端输入的碳捕获与封存技术的普及率;
碳排放量预测模块760,进一步被配置为根据指定区域在目标预测时间点的预测发电量、发电设备的碳排放强度、发电设备在目标预测时间点的发电占比及碳捕获与封存技术的普及率,计算指定区域在目标预测时间点的预测碳排放量。
可选地,该装置还包括:
资源消耗预测模块,被配置为获取发电设备的容量;根据发电设备的容量及指定区域在目标预测时间点的预测用电量,计算指定区域在目标预测时间点的资源消耗预测值。
可选地,资源消耗预测值包括发电设备的投入消耗预测值、发电设备的运行消耗预测值和发电设备的能源消耗预测值;
资源消耗预测模块,进一步被配置为根据发电设备在目标预测时间点的容量以及在目标预测时间点的前一时间点的容量,计算容量差值;根据容量差值以及单位容量的预设投入消耗值,计算发电设备在目标预测时间点的投入消耗预测值;根据发电设备在目标预测时间点的容量以及单位容量的预设运行消耗值,计算发电设备在目标预测时间点的运行消耗预测值;根据指定区域在目标预测时间点的预测用电量以及单位用电量对应的预设能源消耗值,计算发电设备在目标预测时间点的能源消耗预测值。
可选地,该装置还包括:
优化模块,被配置为在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出指定区域在目标预测时间点对发电设备的调度策略,其中,约束条件至少包括碳排放量约束、发电架构变化约束;
发送模块,被配置为将调度策略发送至客户端的调度界面进行显示;
调度模块,被配置为接收客户端发送的确认调度指令,在到达目标预测时间点时,根据调度策略,向发电设备发送调度指令。
上述为本实施例的一种发电行业碳排放量预测装置的示意性方案。需要说明的是,该发电行业碳排放量预测装置的技术方案与上述的发电行业碳排放量预测方法的技术方案属于同一构思,发电行业碳排放量预测装置的技术方案未详细描述的细节内容,均可以参见上述发电行业碳排放量预测方法的技术方案的描述。
图8示出了根据本说明书一个实施例提供的一种计算设备800的结构框图。该计算设备800的部件包括但不限于存储器810和处理器820。处理器820与存储器810通过总线830相连接,数据库850用于保存数据。
计算设备800还包括接入设备840,接入设备840使得计算设备800能够经由一个或多个网络860通信。这些网络的示例包括公用交换电话网(PSTN,Public SwitchedTelephone Network)、局域网(LAN,Local Area Network)、广域网(WAN,Wide AreaNetwork)、个域网(PAN,Personal Area Network)或诸如因特网的通信网络的组合。接入设备840可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC,NetworkInterface Card))中的一个或多个,诸如IEEE802.11无线局域网(WLAN,Wireless LocalArea Networks)无线接口、全球微波互联接入(Wi-MAX,World Interoperability forMicrowave Access)接口、以太网接口、通用串行总线(USB,Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC,Near Field Communication)接口,等等。
在本说明书的一个实施例中,计算设备800的上述部件以及图8中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图8所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备800可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备800还可以是移动式或静止式的服务器。
其中,处理器820用于执行如下计算机可执行指令,该计算机可执行指令被处理器执行时实现上述发电行业碳排放量预测方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的发电行业碳排放量预测方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述发电行业碳排放量预测方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述发电行业碳排放量预测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的发电行业碳排放量预测方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述发电行业碳排放量预测方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述发电行业碳排放量预测方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是,该计算机程序的技术方案与上述的发电行业碳排放量预测方法的技术方案属于同一构思,计算机程序的技术方案未详细描述的细节内容,均可以参见上述发电行业碳排放量预测方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种发电行业碳排放量预测方法,包括:
获取指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度,所述用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
基于所述第一用电指标当前值、所述第二用电指标当前值、所述变化率和所述第二用电指标目标值,确定当前时间点至所述指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;
根据所述第一用电指标值和所述第二用电指标值,确定所述指定区域在所述目标预测时间点的预测用电量;
根据所述预测用电量、所述发电性能参数和所述碳排放强度,确定所述指定区域在所述目标预测时间点的预测碳排放量。
2.根据权利要求1所述的方法,所述基于所述第一用电指标当前值、所述第二用电指标当前值、所述第一用电指标的变化率和所述第二用电指标目标值,确定当前时间点至所述指定时间点中目标预测时间点的第一用电指标值和第二用电指标值的步骤,包括:
根据所述第一用电指标当前值和所述第一用电指标的变化率,计算当前时间点至所述指定时间点中目标预测时间点的第一用电指标值;
根据所述第二用电指标当前值和所述第二用电指标目标值,利用插值法计算所述目标预测时间点的第二用电指标值;
所述根据所述第一用电指标值和所述第二用电指标值,确定所述指定区域在所述目标预测时间点的预测用电量的步骤,包括:
将所述第一用电指标值和所述第二用电指标值输入预测模型,获得所述指定区域在所述目标预测时间点的预测用电量。
3.根据权利要求2所述的方法,所述发电性能参数包括发电设备的当前发电占比、指定时间点所述发电设备的目标发电占比、线损率;
所述根据所述预测用电量、所述发电性能参数和所述碳排放强度,确定所述指定区域在所述目标预测时间点的预测碳排放量的步骤,包括:
根据所述当前发电占比和所述目标发电占比,利用插值法,计算所述发电设备在所述目标预测时间点的发电占比;
根据所述预测用电量和所述线损率,计算所述指定区域在所述目标预测时间点的预测发电量;
根据所述预测发电量、所述碳排放强度及所述发电占比,计算所述指定区域在所述目标预测时间点的预测碳排放量。
4.根据权利要求3所述的方法,在所述根据所述预测发电量、所述碳排放强度及所述发电占比,计算所述指定区域在所述目标预测时间点的预测碳排放量的步骤之前,所述方法还包括:
获取从客户端输入的碳捕获与封存技术的普及率;
所述根据所述预测发电量、所述碳排放强度及所述发电占比,计算所述指定区域在所述目标预测时间点的预测碳排放量的步骤,包括:
根据所述预测发电量、所述碳排放强度、所述发电占比及所述普及率,计算所述指定区域在所述目标预测时间点的预测碳排放量。
5.根据权利要求1-4任一项所述的方法,在所述根据所述第一用电指标值和所述第二用电指标值,确定所述指定区域在所述目标预测时间点的预测用电量的步骤之后,所述方法还包括:
获取所述发电设备的容量;
根据所述容量及所述预测用电量,计算所述指定区域在所述目标预测时间点的资源消耗预测值。
6.根据权利要求5所述的方法,所述资源消耗预测值包括发电设备的投入消耗预测值、所述发电设备的运行消耗预测值和所述发电设备的能源消耗预测值;
所述根据所述容量及所述预测用电量,计算所述指定区域在所述目标预测时间点的资源消耗预测值的步骤,包括:
根据所述发电设备在所述目标预测时间点的容量以及在所述目标预测时间点的前一时间点的容量,计算容量差值;
根据所述容量差值以及单位容量的预设投入消耗值,计算所述发电设备在所述目标预测时间点的投入消耗预测值;
根据所述发电设备在所述目标预测时间点的容量以及单位容量的预设运行消耗值,计算所述发电设备在所述目标预测时间点的运行消耗预测值;
根据所述预测用电量以及单位用电量对应的预设能源消耗值,计算所述发电设备在所述目标预测时间点的能源消耗预测值。
7.根据权利要求5所述的方法,在所述根据所述容量及所述预测用电量,计算所述指定区域在所述目标预测时间点的资源消耗预测值的步骤之后,所述方法还包括:
在预设约束条件下,以碳排放量和资源消耗优化为目标,求解出所述指定区域在所述目标预测时间点对所述发电设备的调度策略,所述约束条件至少包括碳排放量约束、发电架构变化约束;
将所述调度策略发送至客户端的调度界面进行显示;
接收所述客户端发送的确认调度指令,在到达所述目标预测时间点时,根据所述调度策略,向所述发电设备发送调度指令。
8.一种发电行业碳排放量预测平台,包括:客户端和服务端;所述客户端包括交互界面;
所述客户端,用于通过所述交互界面,接收用户输入的指定区域的用电指标数据、发电性能参数和发电设备的碳排放强度;将所述用电指标数据、所述发电性能参数和所述碳排放强度发送至所述服务端,所述用电指标数据包括第一用电指标当前值、第二用电指标当前值、第一用电指标的变化率、指定时间点的第二用电指标目标值;
所述服务端,用于基于所第一用电指标当前值、所述第二用电指标当前值、所述变化率和所述第二用电指标目标值,确定当前时间点至所述指定时间点中目标预测时间点的第一用电指标值和第二用电指标值;根据所述第一用电指标值和所述第二用电指标值,确定所述指定区域在所述目标预测时间点的预测用电量;根据所述预测用电量、所述发电性能参数和所述碳排放强度,确定所述指定区域在所述目标预测时间点的预测碳排放量;将所述预测碳排放量反馈至所述客户端;
所述客户端,还用于在所述交互界面显示所述预测碳排放量。
9.一种计算设备,包括:存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111236354.2A CN114169669A (zh) | 2021-10-22 | 2021-10-22 | 发电行业碳排放量预测方法、平台、计算设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111236354.2A CN114169669A (zh) | 2021-10-22 | 2021-10-22 | 发电行业碳排放量预测方法、平台、计算设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169669A true CN114169669A (zh) | 2022-03-11 |
Family
ID=80477208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111236354.2A Pending CN114169669A (zh) | 2021-10-22 | 2021-10-22 | 发电行业碳排放量预测方法、平台、计算设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169669A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814350A (zh) * | 2022-06-24 | 2022-07-29 | 国网山东省电力公司兰陵县供电公司 | 基于园区电数据预测的能源监测方法及系统、装置、介质 |
CN115271265A (zh) * | 2022-09-27 | 2022-11-01 | 四川中电启明星信息技术有限公司 | 基于碳卫星数据的电能碳流转分析方法及系统 |
CN117293817A (zh) * | 2023-10-10 | 2023-12-26 | 华润电力技术研究院有限公司 | 发电参数预测方法及装置 |
WO2024012267A1 (zh) * | 2022-07-14 | 2024-01-18 | 华为云计算技术有限公司 | 一种碳排放量的确定方法、装置及设备 |
CN117293817B (zh) * | 2023-10-10 | 2024-06-07 | 华润电力技术研究院有限公司 | 发电参数预测方法及装置 |
-
2021
- 2021-10-22 CN CN202111236354.2A patent/CN114169669A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814350A (zh) * | 2022-06-24 | 2022-07-29 | 国网山东省电力公司兰陵县供电公司 | 基于园区电数据预测的能源监测方法及系统、装置、介质 |
WO2024012267A1 (zh) * | 2022-07-14 | 2024-01-18 | 华为云计算技术有限公司 | 一种碳排放量的确定方法、装置及设备 |
CN115271265A (zh) * | 2022-09-27 | 2022-11-01 | 四川中电启明星信息技术有限公司 | 基于碳卫星数据的电能碳流转分析方法及系统 |
CN117293817A (zh) * | 2023-10-10 | 2023-12-26 | 华润电力技术研究院有限公司 | 发电参数预测方法及装置 |
CN117293817B (zh) * | 2023-10-10 | 2024-06-07 | 华润电力技术研究院有限公司 | 发电参数预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khalil et al. | Hybrid smart grid with sustainable energy efficient resources for smart cities | |
Yu et al. | A stochastic optimization approach to the design and operation planning of a hybrid renewable energy system | |
Daneshvar et al. | Two-stage stochastic programming model for optimal scheduling of the wind-thermal-hydropower-pumped storage system considering the flexibility assessment | |
Alabi et al. | A review on the integrated optimization techniques and machine learning approaches for modeling, prediction, and decision making on integrated energy systems | |
Jiang et al. | China's role in attaining the global 2 C target | |
CN114169669A (zh) | 发电行业碳排放量预测方法、平台、计算设备及介质 | |
Petruschke et al. | A hybrid approach for the efficient synthesis of renewable energy systems | |
Yang et al. | Optimal sizing of a wind/solar/battery/diesel hybrid microgrid based on typical scenarios considering meteorological variability | |
Gils et al. | Comparison of spatially and temporally resolved energy system models with a focus on Germany's future power supply | |
Park et al. | Comparing scenario reduction methods for stochastic transmission planning | |
Dreher et al. | AI agents envisioning the future: Forecast-based operation of renewable energy storage systems using hydrogen with Deep Reinforcement Learning | |
CN113947236B (zh) | 综合能源调度方法、计算设备及介质 | |
CN104376372A (zh) | 基于源网荷互动模式的智能配电网调度业务优化方法 | |
Jin et al. | Reliability and quality control for distributed wind/solar energy integration: a multi-criteria approach | |
Riepin et al. | Modelling uncertainty in coupled electricity and gas systems—Is it worth the effort? | |
Višković et al. | Artificial intelligence as a facilitator of the energy transition | |
Liu et al. | Key technologies and developments of multi-energy system: Three-layer framework, modelling and optimisation | |
CN107895211A (zh) | 一种基于大数据的中长期电力负荷预测方法和系统 | |
Xiao et al. | Capacity planning of pumped storage power station based on the life cycle cost | |
Spiecker et al. | The impact of carbon capture and storage on a decarbonized German power market | |
Nuss | Developing an environmental management information system to foster sustainable decision-making in the energy sector | |
Ko et al. | Abatement cost analysis in CO2 emission reduction costs regarding the supply-side policies for the Taiwan power sector | |
Wang et al. | Research on low-carbon economic expansion planning of electric-gas interconnected integrated energy system containing power to gas | |
Zhang | Optimization of DC Microgrid Power and Energy Management in the Presence of Small-Scale Wind Turbine Integration and Renewable Load Shedding | |
Xuan et al. | Two-stage planning for electricity-gas coupled integrated energy system with CCUS considering carbon tax and price uncertainty |
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 |