CN114757602A - 供给侧电力碳排放风险预警方法、装置和计算机设备 - Google Patents
供给侧电力碳排放风险预警方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN114757602A CN114757602A CN202210677596.3A CN202210677596A CN114757602A CN 114757602 A CN114757602 A CN 114757602A CN 202210677596 A CN202210677596 A CN 202210677596A CN 114757602 A CN114757602 A CN 114757602A
- Authority
- CN
- China
- Prior art keywords
- power
- carbon emission
- supply side
- grid
- amount
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 450
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 449
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims description 96
- 230000005611 electricity Effects 0.000 claims description 80
- 230000000875 corresponding effect Effects 0.000 claims description 69
- 238000010248 power generation Methods 0.000 claims description 67
- 239000000446 fuel Substances 0.000 claims description 61
- 238000004458 analytical method Methods 0.000 claims description 48
- 239000008280 blood Substances 0.000 claims description 13
- 210000004369 blood Anatomy 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 9
- 239000003245 coal Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005259 measurement 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
- 238000011002 quantification Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种供给侧电力碳排放风险预警方法、装置和计算机设备。所述方法包括:获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据,基于电力数据,联立多个上述供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量,基于上述供给侧电力碳排放量,进行供给侧电力碳排放风险预警,其中,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。采用本方法能够实现地方区域电网准确的碳排放风险预警。
Description
技术领域
本申请涉及电力电网技术领域,特别是涉及一种供给侧电力碳排放风险预警方法、装置、计算机设备和存储介质。
背景技术
随着能源消耗量的逐年增加,以二氧化碳为代表的温室气体的增加所带来的气候变化,给人类及整个生态系统带来了种种问题,如极端天气、粮食减产、海平面上升以及加速物种灭绝等等。因此,如何实现对碳排放量的准确计量、并进行准确的碳排放预警,对实现碳中和目的具有重要意义。
目前,行业内大多是从电力供给侧的角度出发,核算碳排放,进而进行碳排放风险预警,而供给侧的碳排放核算方式大多是通过计算生产过程中的碳质量平衡或者通过活动数据乘以排放因子来对温室气体排放量进行一个量化,这也是现阶段碳排放的主要量化方法。然而,上述方式使用的碳排放因子多以电网官方平台发布的区域电网如华北电网的碳排放因子为主,如此,无法对区域电网下的各级地方电网的碳排放量进行准确的核算,进而无法进行准确的碳排放风险预警。
因此,需要提供一种能够对各级地方电网的碳排放量进行准确预警的方案。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对各级地方电网的碳排放进行准确预警的供给侧电力碳排放风险预警方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请提供了一种供给侧电力碳排放风险预警方法。所述方法包括:
获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量;
基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
在一个实施例中,电力数据包括:发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子;
根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量包括:
根据发电量和单位发电量标准燃料耗量,得到各地方区域电网的发电侧电力碳排放量;
根据售电量和供给侧电力碳排放因子,得到各地方区域电网的售电侧电力碳排放量;
根据外部输电量、预设时间的电网碳排放因子和供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量;
根据供电量和预设时间的电网碳排放因子,得到各地方区域电网的供电侧电力碳排放量;
基于发电侧电力碳排放量、售电侧电力碳排放量、外部输电量对应的电力碳排放量和供电侧电力碳排放量,得到各地方区域电网的供给侧电力碳排放量。
在一个实施例中,外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量,第一外部地方区域电网为地方区域电网所属区域电网内的外部地方区域电网,第二外部地方区域电网为地方区域电网所属区域电网外的外部地方区域电网;
根据外部输电量、预设时间的电网碳排放因子和供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量包括:
根据供给侧电力碳排放因子和第一外部地方区域电网的输电量,得到第一外部地方区域电网的输电量对应的电力碳排放量;
根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量,得到第二外部地方区域电网的输电量对应的电力碳排放量;
对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和,得到各地方区域电网的外部输电量对应的碳排放量。
在一个实施例中,获取地方区域电网的单位发电量标准燃料消耗量包括:
获取多个地方区域电网的购电数据,购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量;
按照购电电厂的地区标识数据,对购电电厂的发电量和电厂发电标准燃料消耗量进行分类,得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量;
统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量,得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量;
根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,得到地方区域电网的单位发电量标准燃料消耗量。
在一个实施例中,获取多个地方区域电网的电力数据包括:
获取电网的原始电力数据;
对原始电力数据进行数据血缘分析,得到多个地方区域电网的电力数据,数据血缘分析包括数据归属性分析、数据多源性分析以及数据层次性分析的至少一种。
在一个实施例中,基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警包括:
将各地方区域电网的供给侧电力碳排放量与预设碳排放风险阈值进行比较;
若当前地方区域电网的供给侧电力碳排放量不小于预设碳排放风险阈值,则输出风险提示消息。
第二方面,本申请还提供了一种供给侧电力碳排放风险预警装置。所述装置包括:
数据获取模块,用于获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
碳排放因子确定模块,用于基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
碳排放量核算模块,用于根据各地方区域电网的供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量;
碳排放风险预警模块,用于基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量;
基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量;
基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
上述供给侧电力碳排放风险预警方法、装置、计算机设备和存储介质,区别于从区域电网的角度出发进行电力碳排放的现有技术,从地方区域电网的角度出发,基于多个地方区域电网的原始电力数据,联立多个预设的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,然后,基于根据各地方区域电网的供给侧电力碳排放因子和电力数据,能够得到各地方区域电网的准确的供给侧电力碳排放量,最后,基于各地方区域电网的供给侧电力碳排放量,能够有针对性的实现准确的供给侧电力碳排放风险预警。综上所述,采用本方案能够对地方区域电网进行准确的电力碳排放风险预警。
附图说明
图1为一个实施例中供给侧电力碳排放风险预警方法的应用环境图;
图2为一个实施例中供给侧电力碳排放风险预警方法的流程示意图;
图3为一个实施例中确定供给侧电力碳排放量步骤的流程示意图;
图4为另一个实施例中供给侧电力碳排放风险预警方法的流程示意图;
图5为一个实施例中供给侧电力碳排放风险预警装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的供给侧电力碳排放风险预警方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。具体的,可以是用户将多个地方区域电网的原始电力数据上传至数据存储系统,并在服务器104上预先构建有多个地方区域电网的供给侧电力碳排放流动平衡模型,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。然后,用户通过终端102发送碳排放风险预警消息至服务器104,服务器104响应该消息,获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据,基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,根据各地方区域电网的供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量,基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种供给侧电力碳排放风险预警方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤100,获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据,其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
本实施例中,地方区域电网(以下可简称为区域)即指区域电网中的地方电网,其级别小于区域电网,如省市级区域电网,而区域电网是指国家发布的区域性电网,比如华北电网、华东电网、西北电网、华中电网以及东北电网等。电力数据是对电网的原始电力数据进行数据血缘分析后得到的数据,其可以包括发电量、供电量以及单位发电量标准燃料耗量等数据,其中,单位发电量标准燃料耗量又可以是单位发电量标准煤耗量。供给侧电力碳排放因子即表征供给侧的电力流动过程中所形成的电力碳排放量多少的因子。供给侧电力流动碳排放因子基于不同地方区域电网对应的供给侧电力碳排放流动平衡模型生成。具体实施时,可以是根据电力流动的碳排放量与流动的电量的关系,得到:
根据区域内流动的电力及供给侧电力碳排放因子的关系,得到地方区域电网的供给侧电力碳排放流动平衡模型(亦可称为地方区域电网的供给侧电力碳排放流动平衡公式,以下简称平衡公式):
其中,为区域i的供给侧电力碳排放因子,为区域i的总电力流量,为区域i内发电总量,为区域i发电燃料折算的单位发电量标准煤耗量,为区域j的供给侧电力碳排放因子,为区域j流入到区域i的电量,为2021年最新发布的电网碳排放因子,为区域i从所属区域电网外购入的电量。
步骤200,基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子。
承接上述实施例,当获取各地方区域电网的电力数据以及供给侧电力碳排放流动平衡模型后,可以将各地方区域电网的电力数据代入分别代入平衡公式中,得到多个地方区域电网的平衡公式,然后,联立多个地方区域电网的平衡公式,求解得到各地方区域电网的供给侧电力碳排放因子。具体实施时,可以是根据上述地方区域电网的平衡公式,可以构造n个地方区域电网的平衡公式,然后,将这n个地方区域电网的平衡公式联立起来,可以求解出n个省级区域的供给侧电力碳排放因子,并得到n个省级区域的供给侧电力碳排放因子矩阵。
其中,为n个地方区域电网的发电总量,为n个地方区域电网的发电燃料折算的单位发电量标准煤耗量,为n个地方区域电网的购入的区域电网外电量,为区域电网内的电力流量矩阵,为n个地方区域电网的总电力流量,为当i=n,j=n-1时,区域j流入到区域i的电量,负号为运算中移项所产生。按照上述方式求解得到地方区域电网的供给侧电力碳排放因子。
步骤300,根据各地方区域电网的供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量。
当求解得到各地方区域电网的供给侧电力碳排放因子后,可结合相应的电力数据,对各地方区域电网的供给侧电力碳排放量进行量化核算,得到各地方区域电网的供给侧电力碳排放量。
步骤400,基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警。
承接上述实施例,当量化各地方区域电网的供给侧电力碳排放量后,便可以根据各地方区域电网的供给侧电力碳排放量和当地相关部门给出的碳排放政策,进行供给侧电力碳排放风险预警。
上述供给侧电力碳排放风险预警方法中,区别于从区域电网的角度出发进行电力碳排放的现有技术,从地方区域电网的角度出发,基于多个地方区域电网的原始电力数据,联立多个预设的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,然后,基于根据各地方区域电网的供给侧电力碳排放因子和电力数据,能够得到各地方区域电网的准确的供给侧电力碳排放量,最后,基于各地方区域电网的供给侧电力碳排放量,能够有针对性的实现准确的供给侧电力碳排放风险预警。综上所述,采用本方案能够对地方区域电网进行准确的电力碳排放风险预警。
如图3所示,在一个实施例中,电力数据包括:发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子,步骤300包括;
步骤302,根据发电量和单位发电量标准燃料耗量,得到各地方区域电网的发电侧电力碳排放量;
步骤304,根据售电量和供给侧电力碳排放因子,得到各地方区域电网的售电侧电力碳排放量;
步骤306,根据外部输电量、预设时间的电网碳排放因子和供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量;
步骤308,根据供电量和预设时间的电网碳排放因子,得到各地方区域电网的供电侧电力碳排放量;
步骤310,基于发电侧电力碳排放量、售电侧电力碳排放量、外部输电量对应的电力碳排放量和供电侧电力碳排放量,得到各地方区域电网的供给侧电力碳排放量。
本实施例中,电力数据包括发电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子,其中,预设时间的电网碳排放因子以2021年相关部门发布的电网碳排放因子为例。单位发电量标准燃料消耗量即指1个单位量的电量所需要消耗的标准燃料量,如1千瓦时电量所需要消耗的标准燃料量,包括单位发电量标准煤消耗量。外部输电量是指除本地方区域之外的其他区域输入的电量,也可称为即指外部供电总量,即包括该地方区域所在的区域电网内的外部地方区域电网输入的电量。
具体实施时,供给侧电力碳排放量主要包括4个方面的碳排放量,其分别是本地电厂发电流向到各电网企业的碳排放量(即发电侧电力碳排放量)、本地出售到区域i外的电力所对应的间接电力碳排放量(即售电侧电力碳排放量)、从区域i外的电网企业中购入的电力对应的间接电力碳排放量(即外部输电量对应的电力碳排放量)以及区域i的电网企业供给居民或产业部门用于生活或生产的电力对应的间接电力碳排放量(即供电侧电力碳排放量)。具体的,可以是:
步骤①,核算本区域电厂发电流向到各电网企业的电力碳排放量:
步骤②,核算本区域出售到区域i外电力的间接电力碳排放量:
步骤③,核算从区域i外的电网企业中购入电力的间接电力碳排放量,包括购入的区域电网外的电力和购入区域电网内的电力的间接电力碳排放量核算:
步骤④,核算区域i的电网企业供电给居民或产业部门用于生活或生产的电力的间接电力碳排放量:
步骤⑤,针对地方区域电网,将上述步骤①②③④求得的各地方区域电网的发电侧电力碳排放量、售电侧电力碳排放量、外部输电量对应的电力碳排放量以及供电侧电力碳排放量进行求和,得到各地方区域电网的供给侧电力碳排放量。
本实施例中,从发电侧、售电侧、供给侧和供电侧四个方面入手,充分考虑到供给侧电力流动全过程的可能产生的电力碳排放量,能够使得核算得到的各地方区域电网的供给侧电力碳排放量更为准确。
在一个实施例中,外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量,第一外部地方区域电网为地方区域电网所属区域电网内的外部地方区域电网,第二外部地方区域电网为地方区域电网所属区域电网外的外部地方区域电网;
步骤306包括:根据供给侧电力碳排放因子和第一外部地方区域电网的输电量,得到第一外部地方区域电网的输电量对应的电力碳排放量,根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量,得到第二外部地方区域电网的输电量对应的电力碳排放量,对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和,得到各地方区域电网的外部输电量对应的碳排放量。
举例说明,若地方区域电网为湖南电网,则第一外部地方区域电网可以是与湖南电网同属于华中电网的湖北电网,第二外部地方区域电网可以是与湖南电网不同属于华中电网的山西电网。具体实施时,计算外部输电量对应的碳排放量可以是结合上述平衡公式,将供给侧电力碳排放因子和第一外部地方区域电网的输电量相乘,得到第一外部地方区域电网的输电量对应的电力碳排放量,将预设时间的电网碳排放因子和第二外部地方区域电网的输电量相乘,得到第二外部地方区域电网的输电量对应的电力碳排放量,然后,对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和,得到各地方区域电网的外部输电量对应的碳排放量。本实施例中,考虑到地方区域电网之间的电力流动,能够使核算出的外部输电量对应的电力碳排放量更为准确。
在一个实施例中,获取地方区域电网的单位发电量标准燃料消耗量包括:
步骤120,获取多个地方区域电网的购电数据,购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量;
步骤140,按照购电电厂的地区标识数据,对购电电厂的发电量和电厂发电标准燃料消耗量进行分类,得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量;
步骤160,统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量,得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量;
步骤180,根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,得到地方区域电网的单位发电量标准燃料消耗量。
购电电厂的地区标识数据可以是购电电厂的地区编码。在实际应用中,电网企业会将发电厂生产的电并购入电网以实现供电。本实施例中,区域电网的购电数据包括电网购电量、购电电厂的地区编码、购电电厂的电厂发电标准煤耗量和发电量以及购电年月等数据,其中,电网购电量包括从各购电电厂购入的电量。由于局域电网包括多个省级区域电网,且每个省级区域电网又包含有多个有购电交易的发电厂,因此,可以根据购电电厂的地区编码,对购电电厂的发电量和电厂发电标准燃料消耗量进行分类,得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量。然后,按区域和购电年月进行各地方区域的购电量的统计汇总,得到地方区域电网的总发电总量。按区域和购电年月进行各地方区域的电厂发电标准燃料消耗量的统计汇总,得到各地方区域电网的总发电标准燃料消耗量。最后,根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,得到地方区域电网的单位发电量标准燃料消耗量。具体的,以得到省级区域电网的单位发电量标准燃料消耗量,可以是根据以下公式得到其单位发电量标准燃料消耗量:
此时为中区域维度为省级的数据,由此类推,还可以得到市级区域电网的单位发电量标准燃料消耗量。本实施例中,使用区域电网的购电数据反向推导得到单位发电标准燃料消耗量,解决了实际应用中地方区域电网的单位发电标准燃料消耗量数据难以获取的问题。
在一个实施例中,获取多个地方区域电网的电力数据包括:获取电网的原始电力数据,对原始电力数据进行数据血缘分析,得到多个地方区域电网的电力数据,数据血缘分析包括数据归属性分析、数据多源性分析以及数据层次性分析的至少一种。
数据血缘分析是保证数据融合的一个手段,通过血缘分析实现数据融合处理的可追溯。具体实施时,电网的原始电力数据一般都是以区域电网为单位统计的数据,数据是杂乱无章的,要想分别获得各个地方区域电网的电力数据,需要对电网的原始电力数据进行数据血缘分析,具体可包括数据归属性分析、数据多源性分析以及数据层次性分析等,以此梳理得到各个地方区域电网的电力数据。其中,数据归属性分析是指分析数据所归属的电网,数据多源性分析是指分析数据的多个来源,数据层次性分析是指对数据的分类、归纳、总结等处理,而其中对数据进行的描述信息又形成了新的数据,不同程度的描述信息形成了数据的层次。可以理解的是,数据血缘分析可以包括但不限于上述数据分析方式,具体可根据实际情况进行分析,在此不做限定。本实施例中,通过对原始电力数据进行数据血缘分析,能够提高电力数据的质量。
如图4所示,在一个实施例中,步骤400包括:步骤420,将各地方区域电网的供给侧电力碳排放量与预设碳排放风险阈值进行比较,若当前地方区域电网的供给侧电力碳排放量不小于预设碳排放风险阈值,则输出风险提示消息。
具体实施时,碳排放风险阈值可以是结合相关部门出台的碳排放量控制措施得到的阈值,也可以是由电网内部设置的阈值。在得到准确的各地方区域电网的供给侧电力碳排放量之后,可以将各地方区域电网的供给侧电力碳排放量分别与相应的预设碳排放风险阈值进行比较,若给侧电力碳排放量大于或等于预设碳排放风险阈值,则输出风险提示消息,以便及时发现碳排放量超标的原因,否则,输出碳排放量合格消息。本实施例中,通过将各地方区域电网的供给侧电力碳排放量分别与相应的预设碳排放风险阈值进行比较,能够快速且准确的实现电力碳排放风险预警。
为了对本申请提供的供给侧电力碳排放风险预警方法做出更为清楚的说明,下面结合一个具体实施例进行说明:
服务器响应终端发送的电力碳排放风险预警消息,获取电网的原始电力数据,对原始电力数据进行数据血缘分析,得到多个地方区域电网的电力数据,数据血缘分析包括数据归属性分析、数据多源性分析以及数据层次性分析的至少一种和电力数据。其中,电力数据包括发电量、售电量、外部输电量、单位发电量标准燃料耗量(其获取方式参见上述实施例)、供电量以及预设时间的电网碳排放因子等。同时,获取多个地方区域电网的供给侧电力碳排放流动平衡模型,供给侧电力碳排放流动平衡模型为:
然后,将各地方区域电网的发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子代入上述供给侧电力碳排放流动平衡模型,得到多个地方区域电网的供给侧电力碳排放流动平衡模型,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,求解得到各地方区域电网的供给侧电力碳排放因子。
然后,按照下述步骤核算供给侧电力碳排放量:
步骤①,核算本区域电厂发电流向到各电网企业的电力碳排放量:
步骤②,核算本区域出售到区域i外电力的间接电力碳排放量:
步骤③,核算从区域i外的电网企业中购入电力的间接电力碳排放量,包括购入的区域电网外的电力和购入区域电网内的电力的间接电力碳排放量核算:
步骤④,核算区域i的电网企业供电给居民或产业部门用于生活或生产的电力的间接电力碳排放量:
步骤⑤,针对地方区域电网,将上述步骤①②③④求得的各地方区域电网的发电侧电力碳排放量、售电侧电力碳排放量、外部输电量对应的电力碳排放量以及供电侧电力碳排放量进行求和,得到各地方区域电网的供给侧电力碳排放量。最后,将各地方区域电网的供给侧电力碳排放量分别与相应的预设碳排放风险阈值进行比较,若给侧电力碳排放量大于或等于预设碳排放风险阈值,则输出风险提示消息,以便及时发现碳排放量超标的原因,否则,输出碳排放量合格消息。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的供给侧电力碳排放风险预警方法的供给侧电力碳排放风险预警装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个供给侧电力碳排放风险预警装置实施例中的具体限定可以参见上文中对于供给侧电力碳排放风险预警方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种供给侧电力碳排放风险预警装置,包括:数据获取模块510、碳排放因子确定模块520、碳排放量核算模块530和碳排放风险预警模块540,其中:
数据获取模块510,用于获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据。
碳排放因子确定模块520,用于基于电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子。
碳排放量核算模块530,用于根据各地方区域电网的供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量。
碳排放风险预警模块540,用于基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警。
其中,电力数据通过对电网原始电力数据进行数据血缘分析得到,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
上述供给侧电力碳排放风险预警装置,区别于从区域电网的角度出发进行电力碳排放的现有技术,从地方区域电网的角度出发,基于多个地方区域电网的原始电力数据,联立多个预设的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,然后,基于根据各地方区域电网的供给侧电力碳排放因子和电力数据,能够得到各地方区域电网的准确的供给侧电力碳排放量,最后,基于各地方区域电网的供给侧电力碳排放量,能够有针对性的实现准确的供给侧电力碳排放风险预警。综上所述,采用本装置能够对地方区域电网进行准确的电力碳排放风险预警。
在一个实施例中,电力数据包括:发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子;
碳排放量核算模块530还用于根据发电量和单位发电量标准燃料耗量,得到各地方区域电网的发电侧电力碳排放量,根据售电量和供给侧电力碳排放因子,得到各地方区域电网的售电侧电力碳排放量,根据外部输电量、预设时间的电网碳排放因子和供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量,根据供电量和预设时间的电网碳排放因子,得到各地方区域电网的供电侧电力碳排放量,基于发电侧电力碳排放量、售电侧电力碳排放量、外部输电量对应的电力碳排放量和供电侧电力碳排放量,得到各地方区域电网的供给侧电力碳排放量。
在一个实施例中,外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量,第一外部地方区域电网为地方区域电网所属区域电网内的外部地方区域电网,第二外部地方区域电网为地方区域电网所属区域电网外的外部地方区域电网;
碳排放量核算模块530还用于根据供给侧电力碳排放因子和第一外部地方区域电网的输电量,得到第一外部地方区域电网的输电量对应的电力碳排放量,根据预设时间的电网碳排放因子和第二外部地方区域电网的输电量,得到第二外部地方区域电网的输电量对应的电力碳排放量,对第一外部地方区域电网的输电量对应的电力碳排放量和第二外部地方区域电网的输电量对应的电力碳排放量进行求和,得到各地方区域电网的外部输电量对应的碳排放量。
在一个实施例中,数据获取模块510还用于获取多个地方区域电网的购电数据,购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量,按照购电电厂的地区标识数据,对购电电厂的发电量和电厂发电标准燃料消耗量进行分类,得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量,统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量,得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,得到地方区域电网的单位发电量标准燃料消耗量。
在一个实施例中,数据获取模块510还用于获取电网的原始电力数据,对原始电力数据进行数据血缘分析,得到多个地方区域电网的电力数据,数据血缘分析包括数据归属性分析、数据多源性分析以及数据层次性分析的至少一种。
上述供给侧电力碳排放风险预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电网的原始电力数据以及供给侧电力碳排放流动平衡模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种供给侧电力碳排放风险预警方法。
外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述供给侧电力碳排放风险预警方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述供给侧电力碳排放风险预警方法中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种供给侧电力碳排放风险预警方法,其特征在于,所述方法包括:
获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
基于所述电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
根据所述供给侧电力碳排放因子和所述电力数据,得到各地方区域电网的供给侧电力碳排放量;
基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,所述电力数据通过对电网原始电力数据进行数据血缘分析得到,所述供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,所述外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
2.根据权利要求1所述的供给侧电力碳排放风险预警方法,其特征在于,所述电力数据包括:发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子;
所述根据所述供给侧电力碳排放因子和所述电力数据,得到各地方区域电网的供给侧电力碳排放量包括:
根据所述发电量和所述单位发电量标准燃料耗量,得到各地方区域电网的发电侧电力碳排放量;
根据所述售电量和所述供给侧电力碳排放因子,得到各地方区域电网的售电侧电力碳排放量;
根据所述外部输电量、所述预设时间的电网碳排放因子和所述供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量;
根据所述供电量和所述预设时间的电网碳排放因子,得到各地方区域电网的供电侧电力碳排放量;
基于所述发电侧电力碳排放量、所述售电侧电力碳排放量、所述外部输电量对应的电力碳排放量和所述供电侧电力碳排放量,得到各地方区域电网的供给侧电力碳排放量。
3.根据权利要求2所述的供给侧电力碳排放风险预警方法,其特征在于,所述外部输电量包括第一外部地方区域电网的输电量和第二外部地方区域电网的输电量,所述第一外部地方区域电网为所述地方区域电网所属区域电网内的外部地方区域电网,所述第二外部地方区域电网为所述地方区域电网所属区域电网外的外部地方区域电网;
所述根据所述外部输电量、所述预设时间的电网碳排放因子和所述供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量包括:
根据所述供给侧电力碳排放因子和所述第一外部地方区域电网的输电量,得到所述第一外部地方区域电网的输电量对应的电力碳排放量;
根据所述预设时间的电网碳排放因子和所述第二外部地方区域电网的输电量,得到所述第二外部地方区域电网的输电量对应的电力碳排放量;
对所述第一外部地方区域电网的输电量对应的电力碳排放量和所述第二外部地方区域电网的输电量对应的电力碳排放量进行求和,得到各地方区域电网的外部输电量对应的碳排放量。
4.根据权利要求2所述的供给侧电力碳排放风险预警方法,其特征在于,获取多个地方区域电网的单位发电量标准燃料消耗量包括:
获取多个地方区域电网的购电数据,所述购电数据包括购电电厂的地区标识数据、购电电厂的发电量以及购电电厂的电厂发电标准燃料消耗量;
按照所述购电电厂的地区标识数据,对所述购电电厂的发电量和电厂发电标准燃料消耗量进行分类,得到各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量;
统计各地方区域电网的购电电厂的发电量和电厂发电标准燃料消耗量,得到各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量;
根据各地方区域电网的发电总量和各地方区域电网的总发电标准燃料消耗量,得到多个地方区域电网的单位发电量标准燃料消耗量。
5.根据权利要求1至4任意一项所述的供给侧电力碳排放风险预警方法,其特征在于,获取多个地方区域电网的电力数据包括:
获取电网的原始电力数据;
对所述原始电力数据进行数据血缘分析,得到多个地方区域电网的电力数据,所述数据血缘分析包括数据归属性分析、数据多源性分析以及数据层次性分析中的至少一种。
6.根据权利要求1至4任意一项所述的供给侧电力碳排放风险预警方法,其特征在于,所述基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警包括:
将各地方区域电网的供给侧电力碳排放量与预设碳排放风险阈值进行比较;
若当前地方区域电网的供给侧电力碳排放量不小于预设碳排放风险阈值,则输出风险提示消息。
7.一种供给侧电力碳排放风险预警装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据;
碳排放因子确定模块,用于基于所述电力数据,联立多个地方区域电网的供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子;
碳排放量核算模块,用于根据所述各地方区域电网的供给侧电力碳排放因子和所述电力数据,得到各地方区域电网的供给侧电力碳排放量;
碳排放风险预警模块,用于基于各地方区域电网的供给侧电力碳排放量,进行供给侧电力碳排放风险预警;
其中,所述电力数据通过对电网原始电力数据进行数据血缘分析得到,所述供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,所述外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。
8.根据权利要求7所述的供给侧电力碳排放风险预警装置,其特征在于,所述电力数据包括:发电量、售电量、外部输电量、单位发电量标准燃料耗量、供电量以及预设时间的电网碳排放因子;
所述碳排放量核算模块还用于根据所述发电量和所述单位发电量标准燃料耗量,得到各地方区域电网的发电侧电力碳排放量,根据所述售电量和所述供给侧电力碳排放因子,得到各地方区域电网的售电侧电力碳排放量,根据所述外部输电量、所述预设时间的电网碳排放因子和所述供给侧电力碳排放因子,得到各地方区域电网的外部输电量对应的电力碳排放量,根据所述供电量和所述预设时间的电网碳排放因子,得到各地方区域电网的供电侧电力碳排放量,基于所述发电侧电力碳排放量、所述售电侧电力碳排放量、所述外部输电量对应的电力碳排放量和所述供电侧电力碳排放量,得到各地方区域电网的供给侧电力碳排放量。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677596.3A CN114757602B (zh) | 2022-06-16 | 2022-06-16 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677596.3A CN114757602B (zh) | 2022-06-16 | 2022-06-16 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114757602A true CN114757602A (zh) | 2022-07-15 |
CN114757602B CN114757602B (zh) | 2022-10-11 |
Family
ID=82337157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210677596.3A Active CN114757602B (zh) | 2022-06-16 | 2022-06-16 | 供给侧电力碳排放风险预警方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757602B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
CN115330089A (zh) * | 2022-10-11 | 2022-11-11 | 南方电网数字电网研究院有限公司 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
CN115392055A (zh) * | 2022-10-21 | 2022-11-25 | 南方电网数字电网研究院有限公司 | 基于脱钩模型的电碳达峰路径模拟与动态评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3291165A1 (en) * | 2016-09-06 | 2018-03-07 | Tsinghua University | System for measuring carbon emission in power system |
CN109190211A (zh) * | 2018-08-17 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 一种核定区域排放空间的方法 |
CN110942247A (zh) * | 2019-11-25 | 2020-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
CN113886752A (zh) * | 2021-09-10 | 2022-01-04 | 远景智能国际私人投资有限公司 | 计算碳排放强度的方法、装置、终端及存储介质 |
CN114169714A (zh) * | 2021-11-24 | 2022-03-11 | 上海市节能减排中心有限公司 | 区域碳排放核算方法、系统及计算机存储介质 |
CN114298381A (zh) * | 2021-12-08 | 2022-04-08 | 甘肃同兴智能科技发展有限责任公司 | 一种基于电力数据的能源行业碳排放预测方法 |
-
2022
- 2022-06-16 CN CN202210677596.3A patent/CN114757602B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3291165A1 (en) * | 2016-09-06 | 2018-03-07 | Tsinghua University | System for measuring carbon emission in power system |
CN109190211A (zh) * | 2018-08-17 | 2019-01-11 | 中国科学院地理科学与资源研究所 | 一种核定区域排放空间的方法 |
CN110942247A (zh) * | 2019-11-25 | 2020-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种分析电力碳排放影响因素和碳排放效率的评价方法 |
CN113886752A (zh) * | 2021-09-10 | 2022-01-04 | 远景智能国际私人投资有限公司 | 计算碳排放强度的方法、装置、终端及存储介质 |
CN114169714A (zh) * | 2021-11-24 | 2022-03-11 | 上海市节能减排中心有限公司 | 区域碳排放核算方法、系统及计算机存储介质 |
CN114298381A (zh) * | 2021-12-08 | 2022-04-08 | 甘肃同兴智能科技发展有限责任公司 | 一种基于电力数据的能源行业碳排放预测方法 |
Non-Patent Citations (1)
Title |
---|
魏文栋等: "区域电力相关碳排放核算框架的构建和应用", 《中国人口·资源与环境》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115310877A (zh) * | 2022-10-11 | 2022-11-08 | 南方电网数字电网研究院有限公司 | 一种基于数据血缘分析的发电侧碳排放计量方法 |
CN115330089A (zh) * | 2022-10-11 | 2022-11-11 | 南方电网数字电网研究院有限公司 | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 |
CN115392055A (zh) * | 2022-10-21 | 2022-11-25 | 南方电网数字电网研究院有限公司 | 基于脱钩模型的电碳达峰路径模拟与动态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114757602B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patterson et al. | The carbon footprint of machine learning training will plateau, then shrink | |
CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
Eckelman et al. | Life cycle environmental emissions and health damages from the Canadian healthcare system: an economic-environmental-epidemiological analysis | |
CN114757457B (zh) | 基于电力大数据的电碳排放全过程监测方法和装置 | |
CN115310877B (zh) | 一种基于数据血缘分析的发电侧碳排放计量方法 | |
CN114611845A (zh) | 碳排放量的预测方法、装置、电子设备及介质 | |
CN115759018A (zh) | 报表生成方法、装置、计算机设备和存储介质 | |
CN117056776A (zh) | 碳排放量监测方法、装置、设备、介质和计算机程序产品 | |
CN116757717A (zh) | 电碳市场耦合运行的评估方法、装置、设备、介质和产品 | |
CN114387085B (zh) | 流水数据处理方法、装置、计算机设备和存储介质 | |
CN116402528A (zh) | 电力数据处理系统 | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN114118858A (zh) | 电力安全智能评估方法、装置、设备、介质和程序产品 | |
Edwards et al. | Modeling direct air carbon capture and storage in a 1.5° C climate future using historical analogs | |
CN114581059A (zh) | 设备供需协同管理方法、装置、计算机设备和存储介质 | |
CN114240049A (zh) | 电力现货市场指标灵活计算方法 | |
CN115330089B (zh) | 一种基于电力大数据的用户侧行企业动态碳监测分析方法 | |
Li et al. | Forecasting China's natural gas external dependence under the “Dual Carbon” goals by a new grey model | |
CN117764638B (zh) | 一种供电企业售电数据预测方法、系统、设备及存储介质 | |
CN116451960B (zh) | 基于电力调度的碳排放权配额调度方法、装置和设备 | |
CN117541092A (zh) | 电网工程esg评分指标体系模型构建方法和装置 | |
CN117314468A (zh) | 间接碳排放碳核算方法、装置、设备、介质和产品 | |
CN117437104A (zh) | 县域碳排放量预测方法、装置、计算机设备和存储介质 | |
CN116204555A (zh) | 用户居家情况监测方法、装置、计算机设备、存储介质 |
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 |