CN115062869A - 一种考虑碳排放量的综合能源调度方法和系统 - Google Patents

一种考虑碳排放量的综合能源调度方法和系统 Download PDF

Info

Publication number
CN115062869A
CN115062869A CN202210935289.0A CN202210935289A CN115062869A CN 115062869 A CN115062869 A CN 115062869A CN 202210935289 A CN202210935289 A CN 202210935289A CN 115062869 A CN115062869 A CN 115062869A
Authority
CN
China
Prior art keywords
objective function
carbon
comprehensive
power consumption
energy system
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
Application number
CN202210935289.0A
Other languages
English (en)
Other versions
CN115062869B (zh
Inventor
孙永健
韩冬
王燕
王元元
刘剑宁
赵军
李文杰
张小奇
司君诚
冯媛媛
张启鼎
王银忠
赵坤
解文涛
任志帅
赵广昊
李鹏珍
季兴龙
王旭
孙维强
张秋瑞
耿志慧
伦晓娟
辛少菲
耿荣胜
李金华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202210935289.0A priority Critical patent/CN115062869B/zh
Publication of CN115062869A publication Critical patent/CN115062869A/zh
Application granted granted Critical
Publication of CN115062869B publication Critical patent/CN115062869B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种考虑碳排放量的综合能源调度方法和系统，属于综合能源技术领域，具体包括：以碳排放量最低为目标函数构建节碳目标函数；以弃风量和弃光量最低为目标函数构建绿色目标函数；构建以运行成本最低为目标函数构建经济目标函数；基于节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节，从而使综合能源系统考虑的电源种类更加全面，排碳量和弃风弃光量进一步降低。

Description

一种考虑碳排放量的综合能源调度方法和系统
技术领域
本发明属于综合能源技术领域，涉及一种考虑碳排放量的综合能源调度方法和系统。
背景技术
多种能源系统通过互补集成和协调优化而形成的综合能源系统（integratedenergy system，IES）在国际和国内的能源领域受到了普遍关注。IES中包含了各类能源的生产、传输、分配和消费等环节，且在各个环节中均从整体角度对多类能源实行统一的协调与优化。IES具有多源高效利用和多元主体协同特性，通过能源互补与能源梯级利用，可高效解决可再生能源消纳和传统能源综合能效低等问题；IES还可通过推动供能侧清洁能源替代与用能侧电能替代，降低用能过程中的碳排放，缓解全球变暖问题；IES集成了多个能源系统，势必打破不同系统间的管理壁垒，着眼于整体实现各设备的优化调度，从而显著提高设备利用率；IES具有多输入-多输出的能源供应特性，可有效降低对单种能源的依赖程度，从而保障能源供应安全。
硕士论文《含电转气的综合能源系统低碳经济调度》中作者龚晓琴建立含电转气的电－气互联综合能源系统低碳经济调度模型，引入经济折算系数将二氧化碳排放量折算到经济维度并计入目标函数中，和系统运行成本共同构成综合成本最低的目标函数。仿真结果表明所提模型能有效兼顾系统运行的低碳性和经济性，取不同经济折算系数会得到低碳性与经济性不同侧重的最优调度结果，未考虑综合能源中最常见的光伏发电装置的影响，且未考虑碳捕捉设备的应用，未将弃风量以及低碳转换为经济函数，未考虑其隐含的巨大的环境价值，在期刊论文《计及碳捕集设备的电－气互联综合能源系统低碳经济调度》作者周洋提出了一种含电转气、燃气轮机、碳捕集电厂、风电场联合运行的低碳经济调度模型，并引入碳交易机制，以系统综合经济成本最低为目标函数，以电转气功率、燃气轮机有功出力、机组有功出力、碳捕集率为决策变量，考虑电力网络与天然气网络相关约束、电气平衡及机组爬坡约束等，同样未考虑综合能源中最常见的光伏发电装置和风力发电等新能源的影响，将低碳转换为经济函数，未考虑其隐含的巨大的环境价值。
现有技术问题思考：考虑综合能源系统种类不全，未能考虑碳捕捉设备的应用，未将弃风量以及低碳转换为经济函数，未考虑其隐含的巨大的环境价值，降低整个综合能源系统的碳排放量和弃风弃光量。
针对上述技术问题，本发明提供了一种考虑碳排放量的综合能源调度方法和系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种考虑碳排放量的综合能源调度方法。
一种考虑碳排放量的综合能源调度方法，其特征在于，具体包括：
S1考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；
S2对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；
S3以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；
S4基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；
S5对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
综合考虑综合能源系统中的燃气轮机的速率以及碳捕捉设备的捕捉碳的速率和容量，从而可以得知碳的排放效率以及捕捉效率和容量，进而可以以碳排放量最低为目标函数构建节碳目标函数对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数，构建以运行成本最低为目标函数构建经济目标函数，通过三种目标函数的建立,构成综合目标函数，从而实现对整个系统的考虑，不仅仅从经济调度的角度考虑问题，而是从经济、绿色、低碳三个角度考虑问题，从而使得整体的调控结果能够更加适应目前低碳和绿色的要求，同时还具有较好的经济效益，考虑到了其内部的环境价值，因此通过预测消耗的电能，并对产生电能的风电、光伏、电网来电、燃气轮机的输入电能进行调节，同时对碳捕捉设备的调节，实现了能量的高效清洁利用。
通过以燃气轮机的容量和类型，碳捕捉设备的类型和容量为约束条件，从而使得最终的碳排放以及碳捕捉的效率能够满足实际的情况，更能真实的反应实际的碳捕捉和碳排放的情况，使得最终更好的利用节碳目标函数能够更加准确的对实际的碳排放进行调节。以多种成本组合形成最后的经济目标函数，从而使得经济目标函数不仅仅考虑各种实际运行成本，还对维修维护成本以及设备折旧成本进行考虑，从而使得最终的经济目标函数能够更加贴近实际情况，通过构建综合目标函数，使得最终的目标函数不仅仅考虑经济因素，还对风电和光伏的消纳，碳排放等进行了约束，使得最终的调节结果在满足目前节能减排的基础上，能够实现较好的经济效益，通过对用电量、发电量的准确预测，也为以综合目标函数为基础，对整个综合能源系统进行调节垫定了基础。
进一步的技术方案在于，所述节碳目标函数为：
Figure 858288DEST_PATH_IMAGE001
其中min表示最小值，C1为节碳目标函数，T为节碳计算总时间，t为当前的时间，PC1表示燃气轮机碳排放的速率，Pc2表示碳捕捉设备的捕捉碳的速率。
通过设置节碳目标函数，从而可以从节碳角度对综合能源系统进行调节，进而使得整体的调节目标能够更加满足日益严峻的排碳控制要求。
进一步的技术方案在于，所述绿色目标函数为：
Figure 244270DEST_PATH_IMAGE002
其中min表示最小值，C2为绿色目标函数，T为计算总时间，t为当前的时间，P l1 表示光伏机组和风力发电机组的预测发电总功率，P l2 表示光伏机组和风力发电机组的实际发电总功率。
通过绿色目标函数的设置，使得可以从对弃风和弃光量最少的角度对综合能源系统进行调度，从而使得最终的目标函数能够更加满足日益严峻的环保要求。
进一步的技术方案在于，所述综合目标函数为：
Figure 883062DEST_PATH_IMAGE003
其中min表示最小值，C为综合目标函数，C3为经济目标函数，K1、K2、K3分别为节碳目标函数权值、绿色目标函数权值、经济目标函数权值。
通过综合目标函数的建立，从而使得从节碳、绿色、经济三个目标对综合能源系统进行调度，改变了原有的仅仅从经济角度或者将节碳目标函数转换为经济函数，导致的对于节碳不能实现最小化或者不能对节碳放到更加严格的角度，从而不满足对节碳或者绿色的要求。
进一步的技术方案在于，所述节碳目标函数权值、绿色目标函数权值、经济目标函数权值依据专家打分、综合能源系统所在地区的排碳以及弃风弃光相关政策进行确定。
通过进一步按照专家打分、综合能源系统所在地区的排碳以及弃风弃光相关政策对权值进行确定，从而可以进一步使得不同的调度目标变得更加合理，使得调度结果变得更加可靠。
进一步的技术方案在于，所述对综合能源系统中的用电量进行预测的具体步骤为：
S11 提取SCADA系统中的用电量数据以及其对应的天气因素以及节假日因素；
S12 基于所述天气因素、节假日因素、用电量数据，构建相似天模型，并基于所述相似天模型构建相似天数据库，并将当前预测日所对应的天气因素以及节假日因素输入到所述相似天数据库中，并得到此时所述的相似天模型，对当前预测日的相似天用电量数据进行预测；
S13 将所述天气因素、节假日因素以及用电量数据送入到基于FLN（标准函数连接神经网络）算法的预测模型中进行模型训练，其中输入量为所述天气因素、节假日因素，输出量为用电量数据，并将当前预测天的天气因素、节假日因素送入到基于训练完成的所述预测模型得到此时当前预测天的预测模型用电量数据；
S14 基于所述相似天用电量数据以及所述预测模型用电量数据构建综合预测用电量，并基于所述综合预测用电量得到综合能源系统的所述用电量。
通过采用相似天模型和基于FLN（标准函数连接神经网络）算法的预测模型对综合能源系统的用电量进行预测，改变了原有仅仅采用神经网络算法导致的预测精度较低的问题，从而在不增加预测计算量的基础上，进一步提升了用电量的预测精度。
进一步的技术方案在于，所述天气因素包括温度、湿度，所述节假日因素为0和1，其中0表示为正常工作日，1为节假日。
进一步的技术方案在于，所述综合预测用电量的计算公式为：
Figure 747113DEST_PATH_IMAGE004
其中Q为综合预测用电量，Q1、Q2分别为相似天用电量和预测模型用电量，K1、K2分别为相似天用电量权值和预测模型用电量权值，其中相似天用电量权值和预测模型用电量权值根据不同天之间的负荷波动以及专家打分进行确定
进一步的技术方案在于，所述对综合能源系统中的风力发电机组的发电量进行预测的具体步骤为：
S21基于风速、风向、气温、气压数据以及发电量历史数据构建训练集，其中输入量为风速、风向、气温、气压，输出量为发电量；
S22 将所述训练集送入到基于attention机制的灰狼算法优化的LSTM算法的预测模型中，其中attention机制对输入量进行加权处理，灰狼算法对LSTM算法的学习率进行优化；
S23 将天气预测数据包括风速、风向、气温、气压送入到预测模型中，得到最终的风力发电机组的发电量。
另一方面，本发明提供了一种考虑碳排放量的综合能源调度系统，采用上述的任意一种考虑碳排放量的综合能源调度方法，包括燃气轮机，碳捕捉设备，光伏机组，风力发电机组，电储能装置，负载，控制系统，电网，供气系统；
所述负载消耗电能，产生用电量；
所述供气系统为燃气轮机提供燃气；
所述燃气轮机负责为负载提供电能；
所述碳捕捉设备负责捕捉所述燃气轮机产生的碳；
所述光伏机组，风力发电机组负责产生电能，供负载进行使用，以及将多余的电能通过电储能装置存储；
所述电网为负载提供电能；
所述电储能装置将所述光伏机组，风力发电机组产生的电能和燃气轮机产生的电能，除满足负载需要外的，将其进行存储。
所述控制系统负责考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
另一方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种考虑碳排放量的综合能源调度方法。
另一方面，本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种考虑碳排放量的综合能源调度方法。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种考虑碳排放量的综合能源调度方法流程图。
图2是实施例1中的对综合能源系统中的用电量进行预测的具体步骤流程图。
图3是对综合能源系统中的风力发电机组的发电量进行预测的具体步骤的流程图。
图4为实施例2中的一种考虑碳排放量的综合能源调度系统的框架图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种考虑碳排放量的综合能源调度方法。
一种考虑碳排放量的综合能源调度方法，其特征在于，具体包括：
S1考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；
S2对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；
S3以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；
S4基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；
S5对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
综合考虑综合能源系统中的燃气轮机的的速率以及碳捕捉设备的捕捉碳的速率和容量，从而可以得知碳的排放效率以及捕捉效率和容量，进而可以以碳排放量最低为目标函数构建节碳目标函数对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数，构建以运行成本最低为目标函数构建经济目标函数，通过三种目标函数的建立,构成综合目标函数，从而实现对整个系统的考虑，不仅仅从经济调度的角度考虑问题，而是从经济、绿色、低碳三个角度考虑问题，从而使得整体的调控结果能够更加适应目前低碳和绿色的要求，同时还具有较好的经济效益，考虑到了其内部的环境价值，因此通过预测消耗的电能，并对产生电能的风电、光伏、电网来电、燃气轮机的输入电能进行调节，同时对碳捕捉设备的调节，实现了能量的高效清洁利用。
通过以燃气轮机的容量和类型，碳捕捉设备的类型和容量为约束条件，从而使得最终的碳排放以及碳捕捉的效率能够满足实际的情况，更能真实的反应实际的碳捕捉和碳排放的情况，使得最终更好的利用节碳目标函数能够更加准确的对实际的碳排放进行调节。以多种成本组合形成最后的经济目标函数，从而使得经济目标函数不仅仅考虑各种实际运行成本，还对维修维护成本以及设备折旧成本进行考虑，从而使得最终的经济目标函数能够更加贴近实际情况，通过构建综合目标函数，使得最终的目标函数不仅仅考虑经济因素，还对风电和光伏的消纳，碳排放等进行了约束，使得最终的调节结果在满足目前节能减排的基础上，能够实现较好的经济效益，通过对用电量、发电量的准确预测，也为以综合目标函数为基础，对整个综合能源系统进行调节垫定了基础。
举个例子，若预测光伏机组和风力发电机组的发电量小于预测用电量，且此时电网的输送电能被关闭，此时考虑采用燃气轮机和电储能装置进行电能的补充，并开启碳捕捉装置，通过综合目标函数的调节，在考虑碳排放目标函数以及经济目标函数的基础上，在考虑环境价值的基础上，实现对燃气轮机碳排放的回收以及经济的同时兼顾。若碳捕捉装置的碳捕捉效率已经不能满足碳捕捉的需求，需要在进行电能的补充时，优先考虑提升电储能装置的供应电能，使得整体的碳排放量减小。
在另外的一种可能的实施例中，所述节碳目标函数为：
Figure 154960DEST_PATH_IMAGE001
其中min表示最小值，C1为节碳目标函数，T为节碳计算总时间，t为当前的时间，PC1表示燃气轮机碳排放的速率，Pc2表示碳捕捉设备的捕捉碳的速率。
通过设置节碳目标函数，从而可以从节碳角度对综合能源系统进行调节，进而使得整体的调节目标能够更加满足日益严峻的排碳控制要求。
进一步的技术方案在于，所述绿色目标函数为：
Figure 774160DEST_PATH_IMAGE002
其中min表示最小值，C2为绿色目标函数，T为计算总时间，t为当前的时间，P l1 表示光伏机组和风力发电机组的预测发电总功率，P l2 表示光伏机组和风力发电机组的实际发电总功率。
通过绿色目标函数的设置，使得可以从对弃风和弃光量最少的角度对综合能源系统进行调度，从而使得最终的目标函数能够更加满足日益严峻的环保要求。
进一步的技术方案在于，所述综合目标函数为：
Figure 510035DEST_PATH_IMAGE003
其中min表示最小值，C为综合目标函数，C3为经济目标函数，K1、K2、K3分别为节碳目标函数权值、绿色目标函数权值、经济目标函数权值。
通过综合目标函数的建立，从而使得从节碳、绿色、经济三个目标对综合能源系统进行调度，改变了原有的仅仅从经济角度或者将节碳目标函数转换为经济函数，导致的对于节碳不能实现最小化或者不能对节碳放到更加严格的角度，从而不满足对节碳或者绿色的要求。
在另外的一种可能的实施例中，所述节碳目标函数权值、绿色目标函数权值、经济目标函数权值依据专家打分、综合能源系统所在地区的排碳以及弃风弃光相关政策进行确定。
通过进一步按照专家打分、综合能源系统所在地区的排碳以及弃风弃光相关政策对权值进行确定，从而可以进一步使得不同的调度目标变得更加合理，使得调度结果变得更加可靠。
在另外的一种可能的实施例中，所述对综合能源系统中的用电量进行预测的具体步骤为：
S11 提取SCADA系统中的用电量数据以及其对应的天气因素以及节假日因素；
S12 基于所述天气因素、节假日因素、用电量数据，构建相似天模型，并基于所述相似天模型构建相似天数据库，并将当前预测日所对应的天气因素以及节假日因素输入到所述相似天数据库中，并得到此时所述的相似天模型，对当前预测日的相似天用电量数据进行预测；
S13 将所述天气因素、节假日因素以及用电量数据送入到基于FLN（标准函数连接神经网络）算法的预测模型中进行模型训练，其中输入量为所述天气因素、节假日因素，输出量为用电量数据，并将当前预测天的天气因素、节假日因素送入到基于训练完成的所述预测模型得到此时当前预测天的预测模型用电量数据；
S14 基于所述相似天用电量数据以及所述预测模型用电量数据构建综合预测用电量，并基于所述综合预测用电量得到综合能源系统的所述用电量。
通过采用相似天模型和基于FLN（标准函数连接神经网络）算法的预测模型对综合能源系统的用电量进行预测，改变了原有仅仅采用神经网络算法导致的预测精度较低的问题，从而在不增加预测计算量的基础上，进一步提升了用电量的预测精度。
在另外的一种可能的实施例中，，所述天气因素包括温度、湿度，所述节假日因素为0和1，其中0表示为正常工作日，1为节假日。
在另外的一种可能的实施例中，所述综合预测用电量的计算公式为：
Figure 302411DEST_PATH_IMAGE005
其中Q为综合预测用电量，Q1、Q2分别为相似天用电量和预测模型用电量，K1、K2分别为相似天用电量权值和预测模型用电量权值，其中相似天用电量权值和预测模型用电量权值根据不同天之间的负荷波动以及专家打分进行确定
在另外的一种可能的实施例中，所述对综合能源系统中的风力发电机组的发电量进行预测的具体步骤为：
S21基于风速、风向、气温、气压数据以及发电量历史数据构建训练集，其中输入量为风速、风向、气温、气压，输出量为发电量；
S22 将所述训练集送入到基于attention机制的灰狼算法优化的LSTM算法的预测模型中，其中attention机制对输入量进行加权处理，灰狼算法对LSTM算法的学习率进行优化；
S23 将天气预测数据包括风速、风向、气温、气压送入到预测模型中，得到最终的风力发电机组的发电量。
实施例2
如图4所示，本发明提供了另一方面，本发明提供了一种考虑碳排放量的综合能源调度系统，采用上述的任意一种考虑碳排放量的综合能源调度方法，包括燃气轮机，碳捕捉设备，光伏机组，风力发电机组，电储能装置，负载，控制系统，电网，供气系统；
所述负载消耗电能，产生用电量；
所述供气系统为燃气轮机提供燃气；
所述燃气轮机负责为负载提供电能；
所述碳捕捉设备负责捕捉所述燃气轮机产生的碳；
所述光伏机组，风力发电机组负责产生电能，供负载进行使用，以及将多余的电能通过电储能装置存储；
所述电网为负载提供电能；
所述电储能装置将所述光伏机组，风力发电机组产生的电能和燃气轮机产生的电能，除满足负载需要外的，将其进行存储。
所述控制系统负责考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
实施例3
本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种考虑碳排放量的综合能源调度方法。
实施例4
本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种考虑碳排放量的综合能源调度方法。
在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。
在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种考虑碳排放量的综合能源调度方法，其特征在于，具体包括：
S1考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；
S2对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；
S3以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；
S4基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；
S5对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
2.如权利要求1所述的综合能源调度方法，其特征在于，所述节碳目标函数为：
Figure 85324DEST_PATH_IMAGE001
其中min表示最小值，C1为节碳目标函数，T为节碳计算总时间，t为当前的时间，Pc1表示燃气轮机碳排放的速率，Pc2表示碳捕捉设备的捕捉碳的速率。
3.如权利要求2所述的综合能源调度方法，其特征在于，所述绿色目标函数为：
Figure 533622DEST_PATH_IMAGE002
其中min表示最小值，C2为绿色目标函数，T为计算总时间，t为当前的时间，P l1 表示光伏机组和风力发电机组的预测发电总功率，P l2 表示光伏机组和风力发电机组的实际发电总功率。
4.如权利要求3所述的综合能源调度方法，其特征在于，所述综合目标函数为：
Figure 578939DEST_PATH_IMAGE003
其中min表示最小值，C为综合目标函数，C3为经济目标函数，K1、K2、K3分别为节碳目标函数权值、绿色目标函数权值、经济目标函数权值。
5.如权利要求4所述的综合能源调度方法，其特征在于，所述节碳目标函数权值、绿色目标函数权值、经济目标函数权值依据专家打分、综合能源系统所在地区的排碳以及弃风弃光相关政策进行确定。
6.如权利要求1所述的综合能源调度方法，其特征在于，所述对综合能源系统中的用电量进行预测的具体步骤为：
S11 提取SCADA系统中的用电量数据以及其对应的天气因素以及节假日因素；
S12 基于所述天气因素、节假日因素、用电量数据，构建相似天模型，并基于所述相似天模型构建相似天数据库，并将当前预测日所对应的天气因素以及节假日因素输入到所述相似天数据库中，并得到此时所述的相似天模型，对当前预测日的相似天用电量数据进行预测；
S13 将所述天气因素、节假日因素以及用电量数据送入到基于FLN（标准函数连接神经网络）算法的预测模型中进行模型训练，其中输入量为所述天气因素、节假日因素，输出量为用电量数据，并将当前预测天的天气因素、节假日因素送入到基于训练完成的所述预测模型得到此时当前预测天的预测模型用电量数据；
S14 基于所述相似天用电量数据以及所述预测模型用电量数据构建综合预测用电量，并基于所述综合预测用电量得到综合能源系统的所述用电量。
7.如权利要求6所述的综合能源调度方法，其特征在于，所述天气因素包括温度、湿度，所述节假日因素为0和1，其中0表示为正常工作日，1为节假日。
8.如权利要求7所述的综合能源调度方法，其特征在于，所述综合预测用电量的计算公式为：
Figure 770886DEST_PATH_IMAGE004
其中Q为综合预测用电量，Q1、Q2分别为相似天用电量和预测模型用电量，K1、K2分别为相似天用电量权值和预测模型用电量权值，其中相似天用电量权值和预测模型用电量权值根据不同天之间的负荷波动以及专家打分进行确定。
9.如权利要求1所述的综合能源调度方法，其特征在于，所述对综合能源系统中的风力发电机组的发电量进行预测的具体步骤为：
S21基于风速、风向、气温、气压数据以及发电量历史数据构建训练集，其中输入量为风速、风向、气温、气压，输出量为发电量；
S22 将所述训练集送入到基于attention机制的灰狼算法优化的LSTM算法的预测模型中，其中attention机制对输入量进行加权处理，灰狼算法对LSTM算法的学习率进行优化；
S23 将天气预测数据包括风速、风向、气温、气压送入到预测模型中，得到最终的风力发电机组的发电量。
10.一种考虑碳排放量的综合能源调度系统，采用权利要求1-9任意一项所述的考虑碳排放量的综合能源调度方法，包括燃气轮机，碳捕捉设备，光伏机组，风力发电机组，电储能装置，负载，控制系统，电网，供气系统；
所述负载消耗电能，产生用电量；
所述供气系统为燃气轮机提供燃气；
所述燃气轮机负责为负载提供电能；
所述碳捕捉设备负责捕捉所述燃气轮机产生的碳；
所述光伏机组，风力发电机组负责产生电能，供负载进行使用，以及将多余的电能通过电储能装置存储；
所述电网为负载提供电能；
所述电储能装置将所述光伏机组，风力发电机组产生的电能和燃气轮机产生的电能，除满足负载需要外的，将其进行存储；
所述控制系统负责考虑综合能源系统中的燃气轮机的容量和类型，确定所述燃气轮机碳排放的速率，考虑综合能源系统中碳捕捉设备的类型和容量，确定所述碳捕捉设备的捕捉碳的速率和容量，并以碳排放量最低为目标函数构建节碳目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以弃风量和弃光量最低为目标函数构建绿色目标函数；以综合能源系统中的购电成本、碳捕捉成本、购气成本、设备折旧成本、电储能成本、设备维护成本为基础，构建以运行成本最低为目标函数构建经济目标函数；基于所述节碳目标函数、绿色目标函数、经济目标函数为基础，构建综合目标函数；对综合能源系统中的用电量进行预测得到预测用电量，对综合能源系统中的光伏机组和风力发电机组的发电量进行预测得到预测发电量，以所述综合目标函数为目标函数，对所述综合能源系统进行调节。
CN202210935289.0A 2022-08-04 2022-08-04 一种考虑碳排放量的综合能源调度方法和系统 Active CN115062869B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210935289.0A CN115062869B (zh) 2022-08-04 2022-08-04 一种考虑碳排放量的综合能源调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210935289.0A CN115062869B (zh) 2022-08-04 2022-08-04 一种考虑碳排放量的综合能源调度方法和系统

Publications (2)

Publication Number Publication Date
CN115062869A true CN115062869A (zh) 2022-09-16
CN115062869B CN115062869B (zh) 2022-12-09

Family

ID=83207926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210935289.0A Active CN115062869B (zh) 2022-08-04 2022-08-04 一种考虑碳排放量的综合能源调度方法和系统

Country Status (1)

Country Link
CN (1) CN115062869B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907352A (zh) * 2022-11-04 2023-04-04 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN117175676A (zh) * 2023-05-29 2023-12-05 广东永光新能源设计咨询有限公司 近海可再生能源综合发电方法、装置、设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392286A (zh) * 2014-12-02 2015-03-04 山东大学 考虑冷热电联供和储能运行策略的微电网运行优化方法
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测系统及其预测方法
CN109062151A (zh) * 2018-05-08 2018-12-21 国网山东省电力公司青岛供电公司 综合能源系统多目标集成设计与优化控制方法
CN111242443A (zh) * 2020-01-06 2020-06-05 国网黑龙江省电力有限公司 基于深度强化学习的能源互联网中虚拟电厂经济调度方法
CN111541272A (zh) * 2020-05-22 2020-08-14 国网山西省电力公司电力科学研究院 一种碳捕集电厂的多时间尺度调度方法及系统
CN111754133A (zh) * 2020-06-30 2020-10-09 太原理工大学 一种考虑碳捕集系统的综合能源系统“源-荷”低碳经济调度方法
CN112529730A (zh) * 2020-11-27 2021-03-19 江苏瑞中数据股份有限公司 一种需求侧错峰资源管理系统
CN113128070A (zh) * 2021-05-08 2021-07-16 国网江苏省电力有限公司镇江供电分公司 一种间歇性分布式电源的综合能源系统优化配置方法
CN113393034A (zh) * 2021-06-16 2021-09-14 国网山东省电力公司泰安供电公司 一种在线自适应oselm-garch模型的电量预测方法
CN113642225A (zh) * 2021-05-24 2021-11-12 国网新疆电力有限公司经济技术研究院 一种基于attention机制的CNN-LSTM短期风电功率预测方法
CN114021911A (zh) * 2021-10-21 2022-02-08 国网山西省电力公司电力科学研究院 含碳捕捉装置的综合能源系统低碳优化调度方法
CN114374232A (zh) * 2021-12-14 2022-04-19 三峡大学 一种考虑需求响应的综合能源系统两阶段优化调度方法
CN114548584A (zh) * 2022-03-01 2022-05-27 国网上海市电力公司 一种含有电转气和碳捕集设备的综合能源系统的优化方法
CN114580863A (zh) * 2022-02-21 2022-06-03 三峡大学 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392286A (zh) * 2014-12-02 2015-03-04 山东大学 考虑冷热电联供和储能运行策略的微电网运行优化方法
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测系统及其预测方法
CN109062151A (zh) * 2018-05-08 2018-12-21 国网山东省电力公司青岛供电公司 综合能源系统多目标集成设计与优化控制方法
CN111242443A (zh) * 2020-01-06 2020-06-05 国网黑龙江省电力有限公司 基于深度强化学习的能源互联网中虚拟电厂经济调度方法
CN111541272A (zh) * 2020-05-22 2020-08-14 国网山西省电力公司电力科学研究院 一种碳捕集电厂的多时间尺度调度方法及系统
CN111754133A (zh) * 2020-06-30 2020-10-09 太原理工大学 一种考虑碳捕集系统的综合能源系统“源-荷”低碳经济调度方法
CN112529730A (zh) * 2020-11-27 2021-03-19 江苏瑞中数据股份有限公司 一种需求侧错峰资源管理系统
CN113128070A (zh) * 2021-05-08 2021-07-16 国网江苏省电力有限公司镇江供电分公司 一种间歇性分布式电源的综合能源系统优化配置方法
CN113642225A (zh) * 2021-05-24 2021-11-12 国网新疆电力有限公司经济技术研究院 一种基于attention机制的CNN-LSTM短期风电功率预测方法
CN113393034A (zh) * 2021-06-16 2021-09-14 国网山东省电力公司泰安供电公司 一种在线自适应oselm-garch模型的电量预测方法
CN114021911A (zh) * 2021-10-21 2022-02-08 国网山西省电力公司电力科学研究院 含碳捕捉装置的综合能源系统低碳优化调度方法
CN114374232A (zh) * 2021-12-14 2022-04-19 三峡大学 一种考虑需求响应的综合能源系统两阶段优化调度方法
CN114580863A (zh) * 2022-02-21 2022-06-03 三峡大学 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法
CN114548584A (zh) * 2022-03-01 2022-05-27 国网上海市电力公司 一种含有电转气和碳捕集设备的综合能源系统的优化方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115907352A (zh) * 2022-11-04 2023-04-04 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN115907352B (zh) * 2022-11-04 2023-08-18 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN117175676A (zh) * 2023-05-29 2023-12-05 广东永光新能源设计咨询有限公司 近海可再生能源综合发电方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115062869B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN105375507B (zh) 雾霾环境下虚拟电厂的电力两级交互优化调度方法
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
CN115062869B (zh) 一种考虑碳排放量的综合能源调度方法和系统
CN111030188B (zh) 一种含分布式和储能的分层分级控制策略
CN110417006A (zh) 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN106451566B (zh) 一种海岛智能微电网多源协调控制方法
CN103296682A (zh) 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN105870976B (zh) 一种基于能源环境效率的低碳调度方法和装置
CN109670694B (zh) 一种多能源供给系统负荷预测方法
CN116436039A (zh) 一种虚拟电厂辅助电网二次调频优化调度方法及装置
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
CN115051388A (zh) 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法
CN108075471A (zh) 基于随机性电源出力预测的多目标约束优化电网调度策略
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
Yujie et al. Optimal operation of new coastal power systems with seawater desalination based on grey wolf optimization
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN105868841B (zh) 一种基于风电优先上网的风水火联合调度方法
Wang et al. Short-term wind power prediction based on DBSCAN clustering and support vector machine regression
CN117477562A (zh) 一种基于时序预测的虚拟电厂调度优化方法
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源系统调度优化方法
CN117134409A (zh) 考虑电-氢-热互补的微网系统及其多目标优化配置方法
CN114938040B (zh) 源-网-荷-储交直流系统综合优化调控方法和装置
CN105976046A (zh) 一种考虑需求侧管理的低碳电网规划方法
CN113488990B (zh) 基于改进的蝙蝠算法的微电网优化调度方法

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