CN114330826A - 一种碳排放预测及优化方法 - Google Patents
一种碳排放预测及优化方法 Download PDFInfo
- Publication number
- CN114330826A CN114330826A CN202111423690.8A CN202111423690A CN114330826A CN 114330826 A CN114330826 A CN 114330826A CN 202111423690 A CN202111423690 A CN 202111423690A CN 114330826 A CN114330826 A CN 114330826A
- Authority
- CN
- China
- Prior art keywords
- energy
- carbon emission
- park
- data
- carbon
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 146
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 title claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 63
- 238000005265 energy consumption Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000013433 optimization analysis Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 34
- 239000007789 gas Substances 0.000 claims description 31
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 17
- 239000001569 carbon dioxide Substances 0.000 claims description 13
- 239000003245 coal Substances 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 6
- 239000002737 fuel gas Substances 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 7
- 230000007812 deficiency Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
- Y02P90/845—Inventory and reporting systems for greenhouse gases [GHG]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种碳排放预测及优化方法，包括S1、获取园区多种类型的指定能源在预设的历史时间段内的综合用能数据并判断园区内是否存在能源转换企业，若存在，则对能源转换企业的数据进行分析处理；若不存在，则进入下一步；S2、区分综合用能数据中的能源生产数据、一次能源消费数据及二次能源消费数据并分析预设时间段内的变化规律；S3、判断是否需要对所述园区开展碳排放预测分析，若是，则根据变化规律，建立园区碳排放预测模型以预测园区的碳排放量，并对园区开展碳排放优化分析；若否，则直接对所述园区开展碳排放优化分析。其有利于为园区开展碳核算及节能减碳各项工作，弥补园区在能源互联网项目的碳排放测算方面研究的缺失。
Description
技术领域
本发明涉及二氧化碳排放技术领域，尤其是指一种碳排放预测及优化方法。
背景技术
中国目前提出力争二氧化碳排放2030年前达到峰值、2060年前实现碳中和。随着应对气候变化在全球治理体系中的重要性不断提升，碳排放测算、碳资产管理、碳交易等各项工作也更加受到各方重视，各层面的碳排放测算体系正在逐步建立。
目前已有的大多数有关碳排放的研究都是从行业角度考虑行业的碳排放，比如交通、港口运输、建筑各自专业领域的碳排现状。并没有从园区角度考虑冷、热、电、气等综合能源的碳排放，随着综合能源服务等理念的不断推进实施，园区逐渐成为新的交易主体，集中参与综合能源交易、碳排放交易，这使得园区碳排测算工作变得更加重要。
发明内容
本发明要解决的技术问题是提供一种碳排放预测及优化方法，其基于园区能源互联网视角，提出园区能源系统综合能源二氧化碳排放预测及二氧化碳排放优化分析的方法，其有利于为园区开展碳核算及节能减碳各项工作，弥补园区在能源互联网项目的碳排放测算方面研究的缺失。
为解决上述技术问题，本发明提供了一种碳排放预测及优化方法，包括以下步骤：S1、获取园区多种类型的指定能源在预设的历史时间段内的综合用能数据并判断所述园区内是否存在能源转换企业，若存在，则对所述能源转换企业的数据进行分析处理；若不存在，则直接进入下一步；S2、区分所述综合用能数据中的能源生产数据、一次能源消费数据及二次能源消费数据并分析预设时间段内所述能源生产数据、一次能源消费数据及二次能源消费数据的变化规律；S3、判断是否需要对所述园区开展碳排放预测分析，若是，则根据所述变化规律，建立园区碳排放预测模型以预测园区的碳排放量，并对所述园区开展碳排放优化分析；若否，则直接对所述园区开展碳排放优化分析。
作为优选的，所述能源转换企业的数据包括：装机容量、二次能源的利用效率和企业产能。
作为优选的，所述S3中还包括：园区碳排放测算分析；园区碳排放总量计算公式如下：∑Eci＝∑Fci+∑Eci+∑Hci-∑Gci；其中，∑Eci表示园区碳排放总量；∑Fci表示园区消费一次能源产生的碳排放总量；∑Eci表示园区消费外来电能产生的碳排放总量；∑Hci表示园区消费外来热力产生的碳排放总量；∑Gci表示园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放总量；根据所述园区碳排放测算分析及所述园区碳排放预测模型，得到预设时间段内园区的碳排放量预测数据。
作为优选的，所述建立园区碳排放预测模型以预测园区的碳排放量，具体包括：
获取园区燃气消费量预测数据，并将所述燃气消费量预测数据作为园区消费一次能源产生的碳排放总量数据；
获取预设时间段内二次能源消费数据并分析其变化规律，根据所述变化规律，得到园区外来二次能源的消费量预测数据；
获取预设时间段内园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放量并分析其变化规律，根据所述变化规律，得到园区消耗一次能源后，得到并外送的二次能源的碳排放量预测数据；
园区的碳排放预测量＝A1+A2-A3，其中，A1表示园区消费一次能源产生的碳排放总量数据，A2表示园区外来二次能源的消费量预测数据，A3表示园区消耗一次能源后，得到并外送的二次能源的碳排放量预测数据。
作为优选的，所述园区燃气消费量预测数据的计算公式为：
其中，N表示燃气消费量预测数据，n1表示园区内燃气热电企业的热电比；Q表示园区内燃气热电企业的产热量；n2表示园区内燃气热电企业的热效率。
作为优选的，所述园区内燃气热电企业的热电比的计算公式为：
其中，E表示园区内燃气热电企业的发电量。
作为优选的，所述所述园区内燃气热电企业的热效率的计算公式为：
其中，B＝b*N，其中b为燃气折算标准煤的转换系数。
作为优选的，对所述园区开展碳排放优化分析，具体包括：获取园区内的能源转换设备，对所述能源转换设备的碳排放构建数学优化模型；对所述数学优化模型求解以获取初始能源转换设备配置方案；判断所述初始能源转换设备配置方案能否满足工程实际需求指标，若偏离工程实际需求指标，则对所述数学优化模型再次求解以搜寻新的能源转换设备配置方案，保存满足工程实际需求指标的能源转换设备配置方案为最优能源转换设备配置方案。
作为优选的，“构建所述数学优化模型”，具体包括以下步骤：建立所述数学优化模型的目标函数：
式中，eele表示生产一个单位电能所排放的CO2量；egas表示一单位燃气所排放的CO2量；Pt grid表示有功功率；ft total为注入气流量；
表示其他碳排放量；建立所述数学优化模型的约束函数：
作为优选的，采用单纯形法求解所述数学优化模型。
本发明的上述技术方案相比现有技术具有以下优点：
1、本发明搭建了园区碳排放预测模型，提出了园区二氧化碳排放预测方法。构思精巧、碳排放预测效果好，有利于园区后续开展碳交易、碳核算以及节能减碳各项工作。
2、本发明增加了对园区开展碳排放优化分析的步骤，能够进一步优化碳排放且弥补碳排放优化方面研究的缺失，有利于帮助能源项目更好的节能减排。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
图1为本发明的流程示意图；
图2为实施例一中2020-2030年某区域综合能源消费总量预测；
图3为实施例一中2021-2060年某区域碳排放发展曲线预测图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
参照图1所示，本发明公开了一种碳排放预测及优化方法，包括以下步骤：
获取园区内多种类型的指定能源在预设的历史时间段内的综合用能数据。
具体地，通过政府统计年鉴、经济公报、实地调研等手段，收集指定园区近5-10年煤炭、石油、燃气、电力、热力等综合能源生产和消费情况。对于有电力或者热力等二次能源生产的园区，需要详细梳理电力或热力生产企业的能源生产和消费量。根据各能源折算成标准煤的系数，将园区内所有能源生产和消费数据折算成标准煤。
判断上述园区内是否存在能源转换企业，若存在能源转换企业，则对能源转换企业的数据进行分析处理，上述能源转换企业的数据包括：装机容量、二次能源的利用效率和企业产能等关键信息。如对于热电生产企业，应该收集企业的年用气量、年制热量和年发电量，还应该收集燃气机组的热效率和电效率等；若园区内不存在能源转换企业，则进入下一步。
区分上述综合用能数据中的能源生产数据、一次能源消费数据和二次能源消费数据。分析园区能源流动关系，明确电源和热源的产能，明确用于电力和热力等二次能源生产的能源量，根据历年的统计年鉴等资料，梳理流向工业领域、建筑领域和交通领域等各自的能源使用量。
分析园区预设时间段内(优选为近5-10年)来的能源生产数据、一次能源消费数据及二次能源消费数据的变化规律以实现为未来5年的能源生产消费预测以及碳排放预测提供基础的数据参考。
判断是否需要对园区开展碳排放预测分析，若不需要，则直接对园区进行碳排放优化分析；若需要，则根据上述步骤中得到的变化规律以及近五年园区的经济人口等数据，建立园区的碳排放预测模型以对园区的碳排放量进行预测，并对园区开展碳排放优化分析。
优选的，还包括对园区的碳排放进行测算分析。园区碳排量总量的计算公式为：∑Eci＝∑Fci+∑Eci+∑Hci-∑Gci，其中，∑Eci表示园区碳排放总量；∑Fci表示园区消费一次能源产生的碳排放总量；∑Eci表示园区消费外来电能产生的碳排放总量；∑Hci表示园区消费外来热力产生的碳排放总量；∑Gci表示园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放总量。根据园区碳排放测算分析及园区碳排放预测模型，得到预设时间段内园区的碳排放量预测数据。
进一步的，园区燃气消费量预测数据的计算公式为：
其中， N表示燃气消费量预测数据，n1表示园区内燃气热电企业的热电比；Q表示园区内燃气热电企业的产热量；n2表示园区内燃气热电企业的热效率。
其中，结合热电比的定义，园区内燃气热电企业的热电比的计算公式为：
其中，E表示园区内燃气热电企业的发电量。
结合热效率的定义，园区内燃气热电企业的热效率的计算公式为：
B＝b*N，b为燃气折算标准煤的转换系数，b优选为12。
建立园区碳排放预测模型并预测园区的碳排放量，具体包括以下步骤：(1) 获取园区的燃气消费量预测数据，并将燃气消费量预测数据作为园区消费一次能源产生的碳排放总量数据。(2)获取预设时间段内(优选为近5-10年) 二次能源消费数据并分析其变化规律，根据上述变化规律，得到园区的外来二次能源的消费量预测数据。(3)获取预设时间段内(优选为近5-10年)园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放量并分析其变化规律，根据所述变化规律，得到园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放量预测数据。(4)园区的碳排放预测量＝A1+A2-A3，其中，A1表示园区消费一次能源产生的碳排放总量数据，A2表示园区外来二次能源的消费量预测数据，A3表示园区消耗一次能源后，得到并外送的二次能源的碳排放量预测数据。
对上述园区开展碳排放优化分析，园区内的相关能源设备有供电设备：光伏发电、风电、燃气轮机等，供冷设备：冷水机、吸收式制冷机、热泵等，供热设备：燃气锅炉、电锅炉、热泵等。从能源供用关系来看，上述设备的本质是将某种能源形式通过一定的效率转化为另一种能源形式，本方案将这类设备总结为能源转换设备。以冷水机组为例，其输入能源为电能，输出能源为冷量，转化效率为冷水机组COP，其他能源转换设备也可按相同逻辑进行分析建模。
优选的，对上述园区开展碳排放优化分析的步骤为：获取园区内的能源转换设备，对能源转换设备的碳排放构建数学优化模型。对上述的数学优化模型求解以获取初始的能源转换设备配置方案。判断初始能源转换设备配置方案能否满足工程实际需求指标，若偏离工程实际需求指标，则对数学优化模型再次求解以搜寻新的能源转换设备配置方案，保存满足工程实际需求指标的能源转换设备配置方案为最优能源转换设备配置方案。
获取不同能源形式之间的转换效率：
其中，P、C、H分别表示电能、冷能和热能；in、out分别表示输入和输出；η表示各能源之间的转换效率，如
表示电力转换效率、
表示电制冷效率。
构建上述数学优化模型时：首先建立数学优化模型的目标函数：
式中，eele表示生产一个单位电能所排放的CO2量；egas表示一单位燃气所排放的 CO2量；Pt grid表示有功功率；ft total为注入气流量；
表示其他碳排放量。其次，建立所述数学优化模型的约束函数：
进一步优选的，采用单纯型算法求解数学优化模型。构建的运行优化模型的数学本质为线性规划问题。模型的求解调用Tomlab平台中内嵌的单纯型法求解器进行计算。采用该算法求解线性规划问题技术成熟，求解稳定性好，计算效率高。
求解出上述数学优化模型后，检验能源转换设备配置方案能否满足工程实际需求指标。
本专利提出的园区能源互联网项目碳排测算方法，有利于为园区开展碳交易、碳核算、节能减碳各项工作。可以弥补园区在能源互联网项目的碳排放测算和碳排放优化方面研究的缺失。
实施例一、
二氧化碳排放预测分析
以江苏省某园区能源互联网规划项目碳排放测算及预测分析为例，该区域主要能源消费为煤炭、成品油、天然气、液化石油气、电力、热力，本地新能源主要是太阳能屋顶光伏，该区域建有燃气热电联产电厂一座，供应本区域热力负荷需求的同时，还向区外供电。
利用本专利提出的方法，该区域2020-2030年度能源需求预测如图2所示。
根据需求预测分析，2025年，该区域全社会综合能源消费总量在 94.5-104.1万吨标准煤发展区间。2030年，该区域全社会综合能源消费总量在104.3-126.7万吨标准煤发展区间。
图2中，情景一：综合能源消费总量按2％增长；情景二：综合能源消费总量按3％增长；情景三：综合能源消费总量按4％增长；情景四：2021-2025 年，综合能源消费总量按2.5％增长；2026-2030年，综合能源消费总量按 3.5％增长；情景五：2021-2025年，综合能源消费总量按4％增长。
全社会二氧化碳排放分析
根据上述二氧化碳排放预测分析，在考虑各项节能减排工作继续推动开展情况下，模拟预测该区域全社会二氧化碳排放。如图3所示为2021-2060 年某区域碳排放发展曲线预测图。
由图3可见，只有在情景六的发展模式下，该区域有望在2025年实现能源碳达峰。可见，若期望在2025年实现能源领域碳达峰需要合理规划各类能源生产消费与能源基础设施规划布局。
情景简介如下，基础场景：该区域煤炭消费保持现状，2030-2060年逐年缓慢压缩煤炭消费；交通用油按2％增长率考虑，2040年以后，交通用油呈缓慢下趋势；电力消费年均增长率保持在3％左右。情景一：在基础场景基础上，2025年后加大减煤力度，2030年全区实现无煤化发展。情景二：在情景一的基础上，进一步加大加大减煤力度，2025年全区实现无煤化发展。情景三：在情景一的基础上，大力推动交通绿色化发展，减少交通用油。情景四：在情景三的基础上，进一步减少商业领域的燃气消费。情景五：在情景四的基础上，进一步推动居民减少燃气消费，推动居民厨卫电气化，推动交通电气化水平。情景六：在情景五的基础上，从2031年开始，进一步推动本地燃气电厂转为应急电厂，充分消纳电网来电。同时力争到2030年以后，工业用热负荷不再呈增长趋势。
本案例可以看出，本专利提出的方法可以合理有效解决含有电厂、热电厂等能源生产企业及向园区外部供应能源的园区碳排放分析。
实施例二
以碳排放最优为目标，优化能源转换设备配置方案
以某两平方公里示范园区为例，该园区拟对园区内集中供应冷热电负荷，并开展综合能源服务。该园区的主要负荷如下：电力负荷150MW，建筑供冷 462MW,建筑空调热负荷38MW，因为园区内有一座数据中心，故而冷负荷远大于热负荷。该区域附近水资源丰富，可以考虑利用水源热泵。同时，该区域附近有热电厂，故而也可也考虑利用电厂余热资源。对于此种类型项目，通常有以下几种配置方案：
方案一：冷水机+CHP+LiBr吸收式热泵+储能。系统配置：CHP24MW、燃气锅炉14MW，LiBr38MW、冷水机413M、储热6MW、储冷11MW。
方案二/三：冷水机+电极锅炉/燃气锅炉+储能。设备配置：冷水机451M、电极锅炉32MW、储热6MW、储冷11MW。
方案四：溴化锂吸收式热泵。设备配置：溴化锂451MW、储热6MW、储冷11MW。
方案五：采用本专利提出的园区碳排放优化方法，优化园区的能源转换设备配置方案：集中+分布式水源热泵，能源转换设备配置：水源热泵455MW、储热6MW、储冷11MW。
对上述案例分析结果对比如表1：
表1不同方案分析结果对比
可知，在传统的能源转换设备配置方案时，大多数以经验方案为主。但是经验方案在系统经济性和碳排放方面没有经过详细的数据测算分析，往往也不是最优的选择。本方案提出的方法，可以有效弥补这一不足，通过数学优化模型计算给出碳排放最优目标下的系统配置方案
本专利基于园区能源互联网视角，提出园区能源系统综合能源二氧化碳排放预测及二氧化碳排放优化分析的方法，其有利于为园区开展碳核算及节能减碳各项工作，弥补园区在能源互联网项目的碳排放测算方面研究的缺失。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种碳排放预测及优化方法，其特征在于，包括以下步骤：
S1、获取园区多种类型的指定能源在预设的历史时间段内的综合用能数据并判断所述园区内是否存在能源转换企业，若存在，则对所述能源转换企业的数据进行分析处理；若不存在，则直接进入下一步；
S2、区分所述综合用能数据中的能源生产数据、一次能源消费数据及二次能源消费数据并分析预设时间段内所述能源生产数据、一次能源消费数据及二次能源消费数据的变化规律；
S3、判断是否需要对所述园区开展碳排放预测分析，若是，则根据所述变化规律，建立园区碳排放预测模型以预测园区的碳排放量，并对所述园区开展碳排放优化分析；若否，则直接对所述园区开展碳排放优化分析。
2.根据权利要求1所述的碳排放预测及优化方法，其特征在于，所述能源转换企业的数据包括：装机容量、二次能源的利用效率和企业产能。
3.根据权利要求1所述的碳排放预测及优化方法，其特征在于，所述S3中还包括：园区碳排放测算分析；
园区碳排放总量计算公式如下：∑Eci＝∑Fci+∑Eci+∑Hci-∑Gci；其中，∑Eci表示园区碳排放总量；∑Fci表示园区消费一次能源产生的碳排放总量；∑Eci表示园区消费外来电能产生的碳排放总量；∑Hci表示园区消费外来热力产生的碳排放总量；∑Gci表示园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放总量；
根据所述园区碳排放测算分析及所述园区碳排放预测模型，得到预设时间段内园区的碳排放量预测数据。
4.根据权利要求1所述的碳排放预测及优化方法，其特征在于，所述建立园区碳排放预测模型以预测园区的碳排放量，具体包括：
获取园区燃气消费量预测数据，并将所述燃气消费量预测数据作为园区消费一次能源产生的碳排放总量数据；
获取预设时间段内二次能源消费数据并分析其变化规律，根据所述变化规律，得到园区外来二次能源的消费量预测数据；
获取预设时间段内园区通过消耗一次能源生产转换得到并外送的二次能源的碳排放量并分析其变化规律，根据所述变化规律，得到园区消耗一次能源后，得到并外送的二次能源的碳排放量预测数据；
园区的碳排放预测量＝A1+A2-A3,其中，A1表示园区消费一次能源产生的碳排放总量数据，A2表示园区外来二次能源的消费量预测数据，A3表示园区消耗一次能源后，得到并外送的二次能源的碳排放量预测数据。
5.根据权利要求4所述的碳排放预测及优化方法，其特征在于，所述园区燃气消费量预测数据的计算公式为：
其中，N表示燃气消费量预测数据，n1表示园区内燃气热电企业的热电比；Q表示园区内燃气热电企业的产热量；n2表示园区内燃气热电企业的热效率。
6.根据权利要求5所述的碳排放预测及优化方法，其特征在于，所述园区内燃气热电企业的热电比的计算公式为：
其中，E表示园区内燃气热电企业的发电量。
7.根据权利要求5所述的碳排放预测及优化方法，其特征在于，所述园区内燃气热电企业的热效率的计算公式为：
8.根据权利要求1所述的碳排放预测及优化方法，其特征在于，对所述园区开展碳排放优化分析，具体包括：
获取园区内的能源转换设备，对所述能源转换设备的碳排放构建数学优化模型；
对所述数学优化模型求解以获取初始能源转换设备配置方案；
判断所述初始能源转换设备配置方案能否满足工程实际需求指标，若偏离工程实际需求指标，则对所述数学优化模型再次求解以搜寻新的能源转换设备配置方案，保存满足工程实际需求指标的能源转换设备配置方案为最优能源转换设备配置方案。
9.根据权利要求8所述的碳排放预测及优化方法，其特征在于，“构建所述数学优化模型”，具体包括以下步骤：
建立所述数学优化模型的目标函数：
式中，eele表示生产一单位电能所排放的二氧化碳量；egas表示一单位燃气所排放的二氧化碳量；Pt grid表示有功功率；ft total为注入气流量；
表示其他碳排放量；
建立所述数学优化模型的约束函数：
将所述目标函数和约束函数组合以得到所述数学优化模型。
10.根据权利要求8所述的碳排放预测及优化方法，其特征在于，采用单纯形法求解所述数学优化模型。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021113014021 | 2021-11-04 | ||
| CN202111301402 | 2021-11-04 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114330826A true CN114330826A (zh) | 2022-04-12 |
Family
ID=81046266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111423690.8A Pending CN114330826A (zh) | 2021-11-04 | 2021-11-26 | 一种碳排放预测及优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114330826A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114781763A (zh) * | 2022-06-21 | 2022-07-22 | 交通运输部规划研究院 | 一种多情景下港口碳排放预测方法、系统、计算设备和存储介质 |
| CN115438880A (zh) * | 2022-11-08 | 2022-12-06 | 华北电力大学 | 一种基于减碳效应与增耗效应的新基建碳排放预测方法 |
| CN116523139A (zh) * | 2023-05-08 | 2023-08-01 | 国电华研电力科技有限公司 | 一种电力减碳量预测方法、装置及可存储介质 |
| CN116632839A (zh) * | 2023-07-21 | 2023-08-22 | 国网浙江省电力有限公司宁波供电公司 | 一种基于能碳监测的园区电力管理调节方法及装置 |
| CN116862151A (zh) * | 2023-06-16 | 2023-10-10 | 上海凌荣网络科技有限公司 | 一种基于云计算的碳排放分析方法及系统 |
| CN116957171A (zh) * | 2023-09-20 | 2023-10-27 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
| CN117171949A (zh) * | 2023-07-18 | 2023-12-05 | 南京电力设计研究院有限公司 | 数字化园区碳排放态势推演方法 |
| CN117172352A (zh) * | 2023-07-20 | 2023-12-05 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN117610699A (zh) * | 2023-09-04 | 2024-02-27 | 北京中电飞华通信有限公司 | 一种应用于园区零碳综合能源优化设备及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455718A (zh) * | 2013-08-26 | 2013-12-18 | 中国能源建设集团广东省电力设计研究院 | 能源利用效率评价方法和系统 |
| CN105046053A (zh) * | 2015-06-24 | 2015-11-11 | 黄晓霜 | 一种碳排放特性分析方法 |
| CN109840655A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种低碳能源规划方法及系统 |
| CN110634084A (zh) * | 2019-08-21 | 2019-12-31 | 同济大学建筑设计研究院(集团)有限公司 | 碳核算量的确定方法、系统、装置、设备和存储介质 |
| CN112329262A (zh) * | 2020-11-24 | 2021-02-05 | 天津大学城市规划设计研究院有限公司 | 一种居住建筑燃气碳排放量预测方法 |
-
2021
- 2021-11-26 CN CN202111423690.8A patent/CN114330826A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455718A (zh) * | 2013-08-26 | 2013-12-18 | 中国能源建设集团广东省电力设计研究院 | 能源利用效率评价方法和系统 |
| CN105046053A (zh) * | 2015-06-24 | 2015-11-11 | 黄晓霜 | 一种碳排放特性分析方法 |
| CN109840655A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种低碳能源规划方法及系统 |
| CN110634084A (zh) * | 2019-08-21 | 2019-12-31 | 同济大学建筑设计研究院(集团)有限公司 | 碳核算量的确定方法、系统、装置、设备和存储介质 |
| CN112329262A (zh) * | 2020-11-24 | 2021-02-05 | 天津大学城市规划设计研究院有限公司 | 一种居住建筑燃气碳排放量预测方法 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114781763A (zh) * | 2022-06-21 | 2022-07-22 | 交通运输部规划研究院 | 一种多情景下港口碳排放预测方法、系统、计算设备和存储介质 |
| CN115438880A (zh) * | 2022-11-08 | 2022-12-06 | 华北电力大学 | 一种基于减碳效应与增耗效应的新基建碳排放预测方法 |
| CN116523139A (zh) * | 2023-05-08 | 2023-08-01 | 国电华研电力科技有限公司 | 一种电力减碳量预测方法、装置及可存储介质 |
| CN116523139B (zh) * | 2023-05-08 | 2024-01-23 | 国电华研电力科技有限公司 | 一种电力减碳量预测方法、装置及可存储介质 |
| CN116862151B (zh) * | 2023-06-16 | 2024-04-30 | 刘甲彬 | 一种基于云计算的碳排放分析方法及系统 |
| CN116862151A (zh) * | 2023-06-16 | 2023-10-10 | 上海凌荣网络科技有限公司 | 一种基于云计算的碳排放分析方法及系统 |
| CN117171949B (zh) * | 2023-07-18 | 2024-04-05 | 南京电力设计研究院有限公司 | 数字化园区碳排放态势推演方法 |
| CN117171949A (zh) * | 2023-07-18 | 2023-12-05 | 南京电力设计研究院有限公司 | 数字化园区碳排放态势推演方法 |
| CN117172352A (zh) * | 2023-07-20 | 2023-12-05 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN117172352B (zh) * | 2023-07-20 | 2024-04-02 | 南京电力设计研究院有限公司 | 一种数字化园区建筑碳排放优化设计方法 |
| CN116632839B (zh) * | 2023-07-21 | 2023-11-07 | 国网浙江省电力有限公司宁波供电公司 | 一种基于能碳监测的园区电力管理调节方法及装置 |
| CN116632839A (zh) * | 2023-07-21 | 2023-08-22 | 国网浙江省电力有限公司宁波供电公司 | 一种基于能碳监测的园区电力管理调节方法及装置 |
| CN117610699A (zh) * | 2023-09-04 | 2024-02-27 | 北京中电飞华通信有限公司 | 一种应用于园区零碳综合能源优化设备及方法 |
| CN117610699B (zh) * | 2023-09-04 | 2024-06-04 | 北京中电飞华通信有限公司 | 一种应用于园区零碳综合能源优化设备及方法 |
| CN116957171B (zh) * | 2023-09-20 | 2023-12-15 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
| CN116957171A (zh) * | 2023-09-20 | 2023-10-27 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114330826A (zh) | 一种碳排放预测及优化方法 | |
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
| Elsied et al. | An advanced energy management of microgrid system based on genetic algorithm | |
| Tian et al. | The improvement of a simulation model for a distributed CCHP system and its influence on optimal operation cost and strategy | |
| Fan et al. | A Bi-level optimization model of integrated energy system considering wind power uncertainty | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN112149980A (zh) | 区域级综合能源系统能效分析方法及系统 | |
| CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
| CN111724045B (zh) | 基于数据驱动的综合能源系统能效评价与提升方法 | |
| CN113592200A (zh) | 一种含水源热泵的区域综合能源系统低碳优化运行方法 | |
| CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
| CN112308411B (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
| CN111080099A (zh) | 基于碳排放管理的综合能源系统调度评估方法及系统 | |
| Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
| Lingmin et al. | A configuration optimization framework for renewable energy systems integrating with electric‐heating energy storage in an isolated tourist area | |
| Xue et al. | Optimal capacity allocation method of integrated energy system considering renewable energy uncertainty | |
| CN112446552A (zh) | 一种生物质气化冷热电联供系统的多目标优化方法 | |
| CN105631557A (zh) | 考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN112561120B (zh) | 一种基于微电网参考日前市场出清系统优化运行方法 | |
| He et al. | Operational optimization of combined cooling, heat and power system based on information gap decision theory method considering probability distribution | |
| CN113902167A (zh) | 计及站房投资的综合智慧能源系统配置优化方法及装置 | |
| Shi et al. | Comprehensive Energy Efficiency Evaluation of Distributed Energy System Model Based on Entropy Weight Method | |
| Sun et al. | Low carbon scheduling of integrated energy systems considering stepped carbon trading and demand response |
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 |