CN115238597B - 涉及园区级综合能源系统源网荷碳排放模型的构建方法 - Google Patents
涉及园区级综合能源系统源网荷碳排放模型的构建方法 Download PDFInfo
- Publication number
- CN115238597B CN115238597B CN202211165957.2A CN202211165957A CN115238597B CN 115238597 B CN115238597 B CN 115238597B CN 202211165957 A CN202211165957 A CN 202211165957A CN 115238597 B CN115238597 B CN 115238597B
- Authority
- CN
- China
- Prior art keywords
- power
- carbon
- node
- emission
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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
- G06Q10/04—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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- 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
Abstract
本发明涉及园区级综合能源系统源网荷碳排放模型的构建方法,通过采用Aspen Plus化工软件对燃煤电厂工业生产运行全过程进行精细化仿真建模,并利用DBN神经网络进行训练,可得到火电厂煤炭输入量与二氧化碳等温室气体排放量之间确定关系,提高燃煤电厂碳排放量核算准确性提高。同时利用碳排放流理论,将线路网络损耗造成的碳排放以及含分布式电源的配电网中碳排放随电力潮流迭代至电力消费终端进行归算。本发明针对涉及园区级综合能源系统源网荷碳排放模型构建技术,利用采用帝国竞争算法进行优化,加快计算速度,提高了全局寻优的效果,避免了模型计算早熟以及局部收敛的缺点。
Description
技术领域
本发明属于综合能源碳排放核算技术领域,涉及园区级综合能源系统源网荷碳排放模型的构建方法。
背景技术
综合能源系统是未来能源系统发展的重要形态之一,在冷、热、电、气多种能源融入系统的情况下,保证系统经济高效运行是综合能源系统发展的关键因素。为提高综合能源系统能效、降低碳排放,实现综合系统调度优化,需要精确的碳排放计算技术。目前的碳排放计算方法难以实现电力系统源网荷全链碳排放计算。常规碳排放计量方法以电源为碳排放源,根据其发电量和排放强度来计算碳排放量。该方法忽视了需求产生供给的原则,将减排压力全部给了发电环节,使得电力输出地区处于低碳经济发展中的不利地位,无法实现合理化的综合能源系统低碳优化调度。
发明内容
本发明的目的是提供一种涉及园区级综合能源系统源网荷碳排放模型的构建方法,解决了现有技术中存在的计及区域综合能源系统碳排放计算精度不足的问题。
为实现上述目的,本发明提供的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,包括以下步骤:
步骤1)获取燃煤电厂中的燃煤发电机组的设计参数,采用Aspen Plus软件对燃煤电厂进行全环节的模拟仿真,得到燃煤电厂生产数据;
步骤2)利用DBN神经网络对步骤1)中得到的燃煤电厂生产数据进行训练,得出燃煤电厂化石燃料输入电量、输出电量及碳排放数据;
步骤3)基于复功率追踪的网络损耗分摊方法,将经过步骤2)计算得出的燃煤电厂中的源侧燃煤电厂的输出电量与碳排放数据输入构建的复功率潮流追踪模型中,构建复功率潮流追踪模型,对电力网络损耗进行责任分摊,计算由于线路网络损耗造成的电力用户侧碳排放;
步骤4)基于碳排放流理论,构建碳流追踪模型,将步骤3)中计及网络损耗产生的碳排放从发、输电环节转移至电力用户侧进行计算,计算出计及网络损耗情况下基于复功率追踪的全网碳流;
步骤5)基于碳排放流理论,将涉及园区级综合能源的电力消费用户视为配电系统中的一个节点,参与全域碳流计算,根据已知的系统潮流分布得到节点实时碳势,实现电力生产与传输过程中产生的碳排放在荷侧的分摊计算;
步骤6)基于温室气体种类,明确涉及综合能源的园区碳排放核算要素;
步骤7)根据步骤5)中得到的归算至荷侧的碳排放和步骤6)中明确的园区碳排放核算要素,采用清单分析法、投入产出分析法和生态网络分析法建立园区碳排放核算方法框架,即可得到涉及园区级综合能源系统源网荷碳排放模型;
步骤8)采用帝国竞争算法对步骤7)建立的涉及园区级综合能源系统源网荷全链碳排放模型进行优化,得到优化的涉及园区级综合能源系统源网荷全链碳排放模型。
进一步地,所述步骤1)中的所述燃煤发电机组的设计参数包括:主蒸汽温度、压力,再热蒸汽温度,凝汽器背压,各级抽气压力。
进一步地,所述步骤2)中的所述训练分为两个阶段,第一阶段是无监督预训练,将网络参数在参数空间中向更好的方向移动,所述第一阶段采用贪婪的分层训练方案,使RBMs表示的概率分布函数与输入数据吻合,采用梯度上升法对每个RBM进行训练,将初始随机加权参数迭代地引入最优解;所述第一阶段的训练完成后,在训练的第二阶段使用传统的有监督反向传播算法,将实际输出和网络输出之间的均方误差降至最低,以微调加权参数。
进一步地,所述步骤3)中进一步包括:
假设电网中有
n个节点,
m条支路,按在支路中间增加一个虚拟节点的方法处理成无损网后共有(
n+m)个节点,虚拟节点的编号分别为
n+1,
n+2,…,
n+m;同时,将全网潮流变为以有功功率流向为参考方向的顺流网络;当出现潮流有功功率与无功功率正方向不同情况时,以有功功率正方向来定义节点注入潮流;此时追踪结果中可能出现无功功率分配为负值的情况,但是由于系统碳流最终只与有功功率分配有关,所以在保证有功功率为正的前提下,此时线路有功和无功功率不同向并不会影响碳流计算结果;
定义流过节点的总潮流为:
式中表示为节点的入线集;为节点i发电机注入的复功率;是线路j-i复功率潮流;
在节点j处,可以表示为:;这样,上式变为:
即:或;
式中:表示流过所述节点j的潮流;为的回溯矩阵;S为流经网络各节点总复功率潮流的向量;为网络各发电节点注入的复功率向量;为线路j-i上潮流的总碳排放量;
矩阵中的元素为:
矩阵是一个稀疏、非对称阵,如果可逆,则定义复功率追踪系数矩阵为:
则节点功率与发电机出力间通过构建等式关系:
式中:S’为节点注入功率向量;
对于任意线路i-j上的潮流,电源k提供的功率为:
式中:为任意线路i-j上电源k提供的功率;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
对于任意节点i的负荷,电源k提供的功率为:
式中:为任意节点i的负荷电源k提供的功率;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率。
进一步地,所述步骤4)中进一步包括:
系统共有N个电源,对任意线路i-j上的潮流,电源k产生的碳排放量为:
式中:为任意线路i-j上的潮流电源k产生的碳排放量;为任意线路i-j上电源k提供的功率;为电源k处发电机产生的碳排放量;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
则线路i-j上潮流的总碳排放量为:
式中:为线路i-j上潮流的总碳排放量;为线路i-j上电源k处的碳排放量;
对于节点i的负荷,电源k产生的碳排放量为:
式中:为对于节点i的负荷电源k产生的碳排放量;为对于节点i的负荷电源k的注入功率;为电源k处发电机的碳排放量;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
则节点i的负荷的总碳排放量为:
式中:为节点i的负荷的总碳排放量;为电源k对负荷节点i产生的碳排放量;通过上述碳流追踪模型可以计算出计及网络损耗情况下基于复功率追踪的全网碳流。
进一步地,所述步骤5)中进一步包括:
(1)目标函数
设配电系统中共有K台分布式发电机组,Z个储能元件,碳排放模型以T个时段内的总碳排放为目标,具体表述为:
式中:表示连续T个时段内的碳排放;、分别表示第k台分布式发电机组在第t时段的有功出力和机组碳势;、分别表示为在第t时段来自主网的有功功率和主网碳势;
(2)约束条件
1)潮流方程约束
首先,模型在任意时段均需要满足配电系统潮流方程,即
式中:、分别代表节点i在第t时段注入的有功功率与无功功率;、分别代表节点i与节点j在第t时段的电压;、分别代表节点i与节点j的电导与电纳;表示代表节点i与节点j在第t时段间的相角差;
2)线路潮流约束
式中:为在第t时段流过第l条支路上的复功率;为第l条支路可传输的最大功率;
3)电压约束
式中:、分别为节点i的电压上下限;
4)分布式电源发电功率约束
式中:、分别为每个时间段内发电机组的最小出力和最大出力;
5)分布式电源爬坡约束
式中:和分别为每个时间段内机组可向下和向上调节的最大出力;
6)储能元件运行约束
储能元件运行约束主要分为容量约束和电量约束两类,其中,容量约束为储能的充放电功率限制,对第z个储能元件,有:
式中:为第z个储能元件在第t时段的充电功率;、分别为该储能元件的最大充电、放电功率;
电量约束分为两部分,若储能元件处于充电状态:
式中:为第z个储能元件的最大充电电量;为在第t-1时段储能元件中已储存的电量;Δt为每个时段的时长;
若储能元件处于放电状态时:
式中:为在第t-1时段储能元件中已储存的电量;Δt为每个时段的时长。
进一步地,所述步骤6)中进一步包括:
(1)外购热碳排放模型
针对一些企业或工业园区为了自身生产需求购入使用热力产生的二氧化碳排放,可用购入使用热量乘以热力供应的碳排放因子得出,具体公式可描述为下式:
式中:为企业购入热量产生的碳排放;为企业购入使用热量,单位为GJ;为热量供应的碳排放因子,单位为;
其中企业外购热量通常由外购热水和外购热蒸汽这两部分构成,以质量单位计量的热水和热蒸汽可按下述公式转换成热量单位:
式中:为以质量单位计量的热水转换成的热量;为热水的质量;为热水的企业实测温度;为以质量单位计量的热蒸汽转换成的热量;为热蒸汽的质量;为蒸汽的热焓;
(2)化石燃料机组运行碳排放模型
以化石能源为燃料的机组设备进行生产运行时会排放二氧化碳,碳排放量为机组运行时燃烧各种化石能源产生的二氧化碳排放量的加和,可采用下式计算:
式中:——第α种化石燃料的活动数据,单位为吉焦(GJ);
——第α种化石燃料的二氧化碳排放因子,单位为吨二氧化碳/吉焦();
各核算单元燃烧化石燃料品种α的实物量活动水平数据,是根据企业能源消费原始记录、统计台账或统计报表来确定的,指流入该核算单元且明确送往各类燃烧设备作为燃料燃烧的那部分,不包括核算单元产生的副产品或可燃气体又被本核算单元用作能源的部分;
化石燃料的活动数据是统计期内燃料的消耗量与其低位发热量的乘积,可通过下式计算得出:
式中:——第α种化石能源的消耗量,对固体或液体,单位为吨(t),对气体燃料,单位为万标准立方米();
——第α种化石燃料的低位发热量,对固体或液体燃料,单位为吉焦/吨();
燃煤的年度平均收到基低位发热量由月度平均收到基低位发热量加权平均得到,其权重是燃煤月消耗量,其中,入炉煤月度平均收到基低位发热量由每日平均收到基低位发热量加权平均计算得到,其权重是该月度每批次入厂煤量;
燃油、燃气的年度平均低位发热量由每月平均低位发热量加权平均计算得到,其权重为每月燃油、燃气消耗量;
化石燃料的二氧化碳排放因子可用下式计算:
式中:——第α种化石燃料的二氧化碳排放因子;
——第α种化石燃料的单位热值含碳量;
——二氧化碳与碳的相对分子质量之比;
其中,燃煤的单位热值含碳量采用下式计算:
式中:——燃煤的单位热值含碳量;
Car——燃煤的收到基元素含碳量;
NCVar——燃煤的收到基低位发热量;
其中燃煤的收到基元素碳含量可采用下式进行换算,
式中,Cad——空干基元素碳含量;Mar——收到基水分,以%表示;全水数据可采用企业每天测量的全水月度加权平均值;Mad——空干基随分,以%表示;内水数据可采用缩分样检测数据,如没有则可采用企业每日测量的内水月度加权平均值,或采用0;
(3)工业生产过程中的碳排放
建立工业生产过程中的碳排放目标函数,如下式:
式中:为化石燃料和其它碳氢化合物用作原材料产生的二氧化碳排放量;为碳酸盐使用过程产生的二氧化碳排放量;
其中,
式中:r为进入核算段云作为原料的源头,碳酸盐除外;为原料r的投入量;为原料r的含碳量;为含碳产品p的产出量;为碳产品p的含碳量;为含碳废物w的输出量,包括炉渣、粉尘和污泥,流出核算单元且没有计入产品范畴的其他含碳输出物种类;为含碳废物w的含碳量;
其中,
式中;为碳酸盐的种类;为碳酸盐用于原材料、助溶剂和脱硫剂的总消费量,单位为吨;为碳酸盐的二氧化碳排放因子,单位为吨二氧化碳/吨碳酸盐;为碳酸盐的纯度,取值范围为0-1。
进一步地,所述步骤8)中的所述帝国竞争算法操作程序为:
a) 初始化参数,获得随机初始化的国家群体,并分析其中各国家的适应度,初始群体记为;
b) 群体X通过帝国形成、吸收殖民地国家、帝国斗争计算流程,形成新群体,计算内部个体适应度;
c) 帝国中适应度最大的国家可存活至下一次迭代;
d) 根据适应度共享技术进行各国家适应度调节;
e) 判断终止条件,当算法符合终止条件时,终止求解并输出求解结果;算法尚未达到终止条件之前,重复跳到步骤b),再次迭代更新。
为实现上述目的,本发明还提供一种涉及园区级综合能源系统源网荷碳排放模型的构建装置,其特征在于,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的程序,所述处理器运行所述程序时执行涉及园区级综合能源系统源网荷碳排放模型的构建方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行涉及园区级综合能源系统源网荷碳排放模型的构建方法的步骤。
本发明的特点还在于:
本发明涉及园区级综合能源系统源网荷碳排放模型的构建方法,通过采用AspenPlus化工软件对燃煤电厂工业生产运行全过程进行精细化仿真建模,并利用DBN神经网络进行训练,可得到火电厂煤炭输入量与二氧化碳等温室气体排放量之间确定关系,提高燃煤电厂碳排放量核算准确性提高。同时利用碳排放流理论,将线路网络损耗造成的碳排放以及含分布式电源的配电网中碳排放随电力潮流迭代至电力消费终端进行归算。本发明针对涉及园区级综合能源系统源网荷碳排放模型构建技术,利用采用帝国竞争算法进行优化,加快计算速度,提高了全局寻优的效果,避免了模型计算早熟以及局部收敛的缺点。
本发明的有益效果是:
本发明涉及园区级综合能源系统源网荷碳排放模型的构建方法,通过采用帝国竞争算法提高模型计算精确度,利用Aspen Plus化工软件对燃煤电厂全环节的建模仿真,提高传统碳排放计算模型的精确性;基于碳排放流理论以及复功率追踪的网络损耗分摊方法将源侧碳排放迭代至荷侧进行归算,明确了电力系统中碳排放责任分摊及电网各节点的网络损耗碳排放;根据《温室气体议定书企业核算与报告准则》等国际公约、标准、政府文件等温室气体种类文件,厘清综合能源系统内碳排放核算要素;最后采用帝国竞争算法对构建的涉及园区级综合能源系统源网荷碳排放模型进行优化,提高了全局寻优的效果,避免了算法早熟以及局部收敛。本发明针对涉及园区级综合能源系统源网荷碳排放技术,通过精细化的仿真过程及帝国竞争算法,提高了系统碳排放计算的准确性,进而增加了综合能源系统低碳调度的合理性与灵活性,减少了能源不必要的浪费。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明的涉及园区级综合能源系统源网荷碳排放模型的构建方法的流程图;
图2为复比例共享原则图;
图3为根据本发明的碳排放流分析图;
图4为根据本发明的实施方式的24h内碳排放曲线。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
图1为根据本发明的涉及园区级综合能源系统源网荷碳排放模型的构建方法的流程图,下面将参考图1,对本发明的涉及园区级综合能源系统源网荷碳排放模型的构建方法进行详细描述。
步骤1、获取燃煤电厂中的燃煤发电机组的设计参数,采用Aspen Plus软件对传统燃煤电厂进行包括煤炭燃烧、热蒸汽做功、冷凝水回收利用、燃煤机组发电等全环节的模拟仿真,得到大量的燃煤电厂生产数据。
架构Aspen plus模拟的大型燃煤发电机组系统结构。
在传统的燃煤机组碳排放核算中仅通过以公式建模的方法进行核算,计算结果过于粗糙且容易遗漏燃煤机组内部分环节中碳排放,降低碳排放核算结果的准确性。本发明采用Aspen plus软件对大型燃煤发电机组系统进行模拟,实现煤炭燃烧、发电全环节无遗漏的碳排放精准化核算,提升燃煤机组碳排放核算的准确性。
燃煤发电机组通常采用三高、四低、一除氧的回热系统,即三个高压加热器、四个低压加热器、一个除氧器。回热系统采用逐级自流的疏水方式,包括回热加热器、回热抽气管道、疏水管道等。
加热器作为电厂回热系统的重要组成部件,因功能不同可分为为汇集式和表面式两种。其中汇集式加热器是指带有疏水泵的混合式加热器,疏水汇集于加热器出口或进口;表面式加热器是指采用疏水逐级自流方式,高温蒸汽与被加热的给水不直接接触,而是通过金属壁进行换热,因由该种加热器组成的回热系统简单且运行方便而被电厂普遍采用。
汽轮机又称为蒸汽透平,是以蒸汽作为工质将蒸汽的热能转换为机械能的旋转式机械。汽轮机作为发电原动机,也可用于直接驱动泵、船舶螺旋桨、压缩机和风机等,还可用于汽轮机排气或中间抽气,用以满足生活和生产的供热需要。汽轮机是火力发电的动力机械,过热蒸汽在汽轮机内经过绝热膨胀做功驱使汽轮机转子转动,在此过程中热能转换为机械能;转动的汽轮机带动发电机发电,此过程中机械能转化为电能。汽轮机作为庞大而精密的高速旋转设备,其转子和定子间隙很小。此外,汽轮机还装配有自动保护装置,在机器运作出现异常时即会发出警报,在危急情况下会自动关闭主汽阀,从而停止运行。经汽轮机做功后的乏气进入凝汽器凝结成水,再通过给水泵重新送回锅炉使用,形成封闭的热力循环系统。
凝气设备由凝汽器、凝结水泵、循环水泵和抽气器组成,其能产生并保持真空,从而降低了汽轮机的排气压力,同时对凝结水进行回收并循环使用,从而减少了冷源损失。凝汽器实际上是一个真空条件运作的表面式热交换器,是热力循环的冷源;在正常运行时,凝汽器还起到部分除氧器的作用,可除去凝结水中的气体,提高水的质量,防止设备腐蚀。
在燃煤发电系统中,由燃煤释放的热量给锅炉加热,产生的主蒸汽首先进入汽轮机的高压缸进行膨胀做功,其中由高压缸排气口排出的部分蒸汽又返回锅炉进行再次加热,产生的再热蒸汽进入中压缸、低压缸继续膨胀做功。由低压缸排气口排出的低品质蒸汽进入凝汽器凝结成液态水,即冷凝水。冷凝水分别经四个低温加热器、除氧器和三个高温加热器后返回锅炉,吸收燃料释放的热量后循环利用。其中高、中压缸的部分抽气用于给高温加热器提供热源,低压缸的抽气用于给低温加热器提供热源。机组的设计参数其主要包括:主蒸汽温度、压力,再热蒸汽温度,凝汽器背压,各级抽气压力等。
对于蒸汽循环系统的模拟,Aspen Plus包含两种物性方法:STEAM-TA和STEAMNBS。上述两种方法均可用于纯水和蒸汽性质的计算。其中,当涉及游离水相的计算是,可作为默认的性质方法。此外,二者在重叠范围内基本没有差别,根据文献所知,模拟效果更好一些,故本发明专利选STEAM-TA来模拟汽水循环系统。
步骤2、利用DBN神经网络对前述仿真数据进行训练,得出燃煤电厂化石燃料输入电量、输出电量及碳排放数据。
传统的精准的Aspen plus仿真模型涉及太多变量和非线性代数方程,这使得它非常复杂,计算效率低下。通过直接调用该模型进行调度优化,获得满意的解决方案既困难又耗时。因此,本专利使用深度信念网络(DBN)对仿真模型生成的输入输出数据进行训练,并替代Aspen plus仿真模型。DBN是由多层受限Boltzmann机器(RBM)组成的神经网络。与反向传播神经网络(BPNN)相比,它可以通过联合执行无监督预训练和有监督反向调整来克服局部最优问题,建立了一个由一个输入层、三个隐藏层和一个输出层组成的五层DBN模型。该模型以煤流量、给水流量、主汽阀开度、贫溶剂流量和再锅炉蒸汽流量为输入变量;主蒸汽压力、分离器焓、发电量、CO2捕获率、再锅炉温度和CO2产率作为输出变量。选择乙状结肠功能作为每个神经元的激活功能。DBN的训练分为两个阶段。第一阶段是无监督预训练,将网络参数在参数空间中向更好的方向移动。该阶段采用贪婪的分层训练方案,使RBMs表示的概率分布函数与输入数据最大程度地吻合。采用梯度上升法对每个RBM进行训练,将初始随机加权参数迭代地引入最优解。预训练完成后,在训练的第二阶段使用传统的有监督反向传播算法,将实际输出和网络输出之间的均方误差降至最低,以微调加权参数。
步骤3、基于复功率追踪的网络损耗分摊方法,构建复功率潮流追踪模型。将源侧燃煤电厂经过步骤2计算得出的输出电量与碳排放等数据,输入构建的复功率潮流追踪模型中,对电力网络损耗进行责任分摊,计算由于线路网络损耗造成的电力用户侧碳排放。
在传统的碳排放模型构建方法中,通常忽略电力传输过程中造成的碳排放,仅考虑源-荷双侧碳排放。但由于在实际网络中,无功功率虽然不会直接产生碳排放,可其会对系统电压、网络损耗等方面产生影响进而间接影响到系统有功功率的分布,进而影响用户侧碳排放。为追踪在全网碳流中,由于线路网络损耗造成的电力用户侧碳排放,首先需要对电力网络损耗进行责任分摊。因此本发明选取了一种基于复功率追踪的网络损耗分摊方法,构建复功率潮流追踪模型,实现面向全网用户网络损耗责任分摊,提升碳排放模型计算的精确性。
复功率追踪基于复比例共享原则,即由于电力的不可区分性,可以认为与节点相关联的任一支路注入复功率是按比例在各流出支路上分配的,且与各流出支路的实际复功率成正比。
例如,假设是流入节点o的复功率;是流出节点o的复功率,流过节点o的总潮流定义为节点o入线复功率潮流之和(也可以定义为节点o的出现复功率潮流之和),及。
基于比例共享原则,可认为线路o-l上的潮流中有的功率来自线路i-o,有的功率来自线路j-o,推广到一般情况有:
,
,
式中:表示线路i-o对线路o-l复功率潮流的贡献量,的含义类推。当网络中各节点的功率因数相等时,由式(1)和式(2)可推出有功功率的比例共享原则:
,
,
式中:是流入节点o的有功功率;是流出节点o的有功功率;节点o入线有功功率潮流之和。
复比例共享原则图如图2所示。
这就是进行有功和无功解耦追踪的理论基础。运用有功、无功解耦追踪的方法进行网络损耗分摊,仅当全网各节点功率因数均相等时才是正确的。
由于实际电网是存在损耗的,为将其变成无损网络,可在支路中间增加一个节点,此节点的负荷等于该支路阻抗损耗。
假设电网中有n个节点,m条支路,按在支路中间增加一个虚拟节点的方法处理成无损网后共有(n+m)个节点,虚拟节点的编号分别为n+1,n+2,…,n+m。同时,将全网潮流变为以有功功率流向为参考方向的顺流网络。当出现潮流有功功率与无功功率正方向不同情况时,本发明以有功功率正方向来定义节点注入潮流。此时追踪结果中可能出现无功功率分配为负值的情况,但是由于系统碳流最终只与有功功率分配有关,所以在保证有功功率为正的前提下,此时线路有功和无功功率不同向并不会影响碳流计算结果。
定义流过节点的总潮流为:
式中表示为节点的入线集;为节点i发电机注入的复功率;是线路j-i复功率潮流;
在节点j处,可以表示为:;这样,上式变为:
即:或;
式中:表示流过所述节点j的潮流;为的回溯矩阵;S为流经网络各节点总复功率潮流的向量;为网络各发电节点注入的复功率向量;为线路j-i上潮流的总碳排放量。
矩阵中的元素为:
矩阵是一个稀疏、非对称阵,如果可逆,则定义复功率追踪系数矩阵为:
则节点功率与发电机出力间通过构建等式关系:
式中:S’为节点注入功率向量;
对于任意线路i-j上的潮流,电源k提供的功率为:
式中:为任意线路i-j上电源k提供的功率;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
对于任意节点i的负荷,电源k提供的功率为:
式中:为任意节点i的负荷电源k提供的功率;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率。
步骤4、基于碳排放流理论,构建碳流追踪模型,将步骤3中计及网络损耗产生的碳排放从发、输电环节转移至电力用户侧进行计算,计算出计及网络损耗情况下基于复功率追踪的全网碳流。
基于上述潮流追踪方法,可以构建碳流追踪模型。基于碳排放流理论,碳流并不是真实存在,而是一种基于潮流的虚拟网络流。电力网络中的碳排放产生于发电环节,通过构建碳流追踪模型,可将计及网络损耗产生的碳排放从发、输电环节转移至电力用户侧进行计算。
首先定义碳排放强度向量CG用于记录各类发电机碳排放强度。碳排放强度即为发电机组运行的二氧化碳排放因子,不同类型的电源具有不同的碳排放强度,可根据每个电厂碳捕集比例的不同结合自身发电原料类型和机组特征可以确定碳排放强度。
基于本文前述复功率潮流追踪方法,可以在追踪结果上进行碳流追踪。设系统共有N个电源,对任意线路i-j上的潮流,电源k产生的碳排放量为:
式中:为任意线路i-j上的潮流电源k产生的碳排放量;为任意线路i-j上电源k提供的功率;为电源k处发电机产生的碳排放量;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率。则线路i-j上潮流的总碳排放量为:
式中:为线路i-j上潮流的总碳排放量;为线路i-j上电源k处的碳排放量。
对于节点i的负荷,电源k产生的碳排放量为:
式中:为对于节点i的负荷电源k产生的碳排放量;为对于节点i的负荷电源k的注入功率;为电源k处发电机的碳排放量;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率。则节点i的负荷的总碳排放量为:
式中:为节点i的负荷的总碳排放量;为电源k对负荷节点i产生的碳排放量;通过上述碳流追踪模型可以计算出计及网络损耗情况下基于复功率追踪的全网碳流。
步骤5、基于碳排放流理论,将涉及综合能源的工业园区等电力消费用户视为配电系统中的一个节点,参与全域碳流计算,根据已知的系统潮流分布得到节点实时碳势,实现电力生产与传输过程中产生的碳排放在荷侧的分摊计算。
针对一些企业或工业园区为了自身生产需求从电网购入使用电力产生的二氧化碳排放,可用购入使用电量乘以电网碳排放因子得出,具体公式可描述为下式:
式中:为企业购入电力产生的碳排放量;为购入使用电量,单位为兆瓦时(MWh);为电网排放因子,单位为吨二氧化碳/兆瓦时(tCO2/MWh)。
随着能源问题与气候变化问题日益被关注,实现低碳发展、减少化石能源的过度消耗逐渐成为全国各行业的共同目标。为促进电力行业转型、实现低碳化生产的目标,目前许多工业园区内已经建立了分布式电源及储能设备。
分布式电源一般指不直接与集中输电系统相连的35kV及以下电压等级的电源,其并不是简单地采用传统的发电技术,而是建立在自动控制系统、先进的材料技术、灵活的制造工艺等新技术的基础上,具有低污染排放,灵活方便,高可靠性和高效率的新型能源生产系统。分布式电源与电力储能设备通常建设在工业生产园区内,用于工业园区的电力低碳调度。当来自电力主网的电能中含有较高比例的低碳电能,主网的碳排放较低,此时,分布式电源机组出力会挤占主网低碳电能在园区内的消纳空间,所以在主网低碳时段分布式电源机组不向园区输送电能。而当电力主网碳排放开始升高,说明来自主网电能的火电比例开始上升。为降低碳排放,分布式电源机组在这些时段将逐步增加出力以降低来自主网的高碳强度火电的使用。
基于前述碳排放流理论,可将企业、工业生产园区等电力消费用户视为配电系统中的一个节点,参与全域碳流计算,根据已知的系统潮流分布得到节点实时碳势,实现电力生产与传输过程中产生的碳排放在荷侧的分摊计算。
主网与电力消费终端的连接需要通过配电网的连接,配电网的运行多依赖主网供电,电网的碳排放因子会根据运行方式不同而时常发生改变。当电力生产侧传统的火电占比较大时,电网的碳排放因子变大,当电力生产侧风、光等清洁能源占提高时,因此电网的碳排放因子则对应减小。当配电网所连接的主网运行状态发生变化时,配电系统接入系统节点的单位碳排放也会发生相应变化。此时即使配电系统从主网中获得同样的电量,主网为这部分电量所产生的碳排放量也将存在差异。
步骤5.1、目标函数
设配电系统中共有K台分布式发电机组,Z个储能元件,碳排放模型以T个时段内的总碳排放为目标,具体表述为:
(17)
式中:表示连续T个时段内的碳排放;、分别表示第k台分布式发电机组在第t时段的有功出力和机组碳势;、分别表示为在第t时段来自主网的有功功率和主网碳势。
根据前文所述,碳流是潮流分布的函数,节点碳势会受潮流分布影响。在目标函数中出现的碳势eGk,t仅由配电系统内的机组参数决定,eG0,t仅由主网运行状态决定,两者均不受配电网运行状态影响。
步骤5.2、约束条件
1)潮流方程约束。
首先,模型在任意时段均需要满足配电系统潮流方程。即
式中:、分别代表节点i在第t时段注入的有功功率与无功功率;、分别代表节点i与节点j在第t时段的电压;、分别代表节点i与节点j的电导与电纳;表示代表节点i与节点j在第t时段间的相角差。
2)线路潮流约束。
式中:为在第t时段流过第l条支路上的复功率;为第l条支路可传输的最大功率;
3)电压约束
式中:、分别为节点i的电压上下限。
4)分布式电源发电功率约束
式中:、分别为每个时间段内发电机组的最小出力和最大出力。
5)分布式电源爬坡约束
式中:和分别为每个时间段内机组可向下和向上调节的最大出力。
6)储能元件运行约束。
储能元件运行约束主要分为容量约束和电量约束两类,其中,容量约束为储能的充放电功率限制,对第z个储能元件,有:
式中:为第z个储能元件在第t时段的充电功率;、分别为该储能元件的最大充电、放电功率。
电量约束分为两部分,若储能元件处于充电状态:
式中:为第z个储能元件的最大充电电量;为在第t-1时段储能元件中已储存的电量;Δt为每个时段的时长。
若储能元件处于放电状态时:
式中:为在第t-1时段储能元件中已储存的电量;Δt为每个时段的时长。
步骤6、基于《温室气体议定书企业核算与报告准则》等国际公约、标准、政府文件等温室气体种类文件,明确涉及综合能源的工业园区碳排放核算要素。
步骤6.1、外购热碳排放模型
针对一些企业或工业园区为了自身生产需求购入使用热力产生的二氧化碳排放,可用购入使用热量乘以热力供应的碳排放因子得出,具体公式可描述为下式:
式中:为企业购入热量产生的碳排放;为企业购入使用热量,单位为GJ;为热量供应的碳排放因子,单位为。
其中企业外购热量通常由外购热水和外购热蒸汽这两部分构成,以质量单位计量的热水和热蒸汽可按下述公式转换成热量单位:
式中:为以质量单位计量的热水转换成的热量;为热水的质量;为热水的企业实测温度;为以质量单位计量的热蒸汽转换成的热量;为热蒸汽的质量;为蒸汽的热焓。
步骤6.2、化石燃料机组运行碳排放模型
在企业或园区的工业生产活动中,通常会使用以煤炭、石油、天然气等化石能源为燃料的机组设备,如锅炉、热电联产设备、燃气轮机、燃烧器、涡轮机、加热器等。这些设备进行生产运行时会产生大量的二氧化碳的排放,碳排放量为机组运行时燃烧各种化石能源产生的二氧化碳排放量的加和,可采用下式计算:
式中:——第α种化石燃料的活动数据,单位为吉焦(GJ);
——第α种化石燃料的二氧化碳排放因子,单位为吨二氧化碳/吉焦()。
各核算单元燃烧化石燃料品种i的实物量活动水平数据,是根据企业能源消费原始记录、统计台账或统计报表来确定的,指流入该核算单元且明确送往各类燃烧设备作为燃料燃烧的那部分,不包括核算单元产生的副产品或可燃气体又被本核算单元用作能源的部分。
化石燃料的活动数据是统计期内燃料的消耗量与其低位发热量的乘积,可通过下式计算得出:
式中:——第α种化石能源的消耗量,对固体或液体,单位为吨(t),对气体燃料,单位为万标准立方米();
——第α种化石燃料的低位发热量,对固体或液体燃料,单位为吉焦/吨()。
燃煤的年度平均收到基低位发热量由月度平均收到基低位发热量加权平均得到,其权重是燃煤月消耗量。其中,入炉煤月度平均收到基低位发热量由每日平均收到基低位发热量加权平均计算得到,其权重是该月度每批次入厂煤量。
燃油、燃气的年度平均低位发热量由每月平均低位发热量加权平均计算得到,其权重为每月燃油、燃气消耗量。
化石燃料的二氧化碳排放因子可用下式计算:
式中:——第α种化石燃料的二氧化碳排放因子;
——第α种化石燃料的单位热值含碳量;
——二氧化碳与碳的相对分子质量之比。
燃煤的单位热值含碳量采用下式计算:
式中:——燃煤的单位热值含碳量;
Car——燃煤的收到基元素含碳量;
NCVar——燃煤的收到基低位发热量。
其中燃煤的收到基元素碳含量可采用下式进行换算,
式中,Cad——空干基元素碳含量;Mar——收到基水分,以%表示;全水数据可采用企业每天测量的全水月度加权平均值;Mad——空干基随分,以%表示;内水数据可采用缩分样检测数据,如没有则可采用企业每日测量的内水月度加权平均值,或采用0。
步骤6.3工业生产过程中的碳排放
为厘清化工行业生产活动中产生的碳排放,本文引入了碳源流的概念。碳源流可以根据企业碳流入流出的情况识别出二氧化碳排放源,更清晰地区分化石燃料是作为燃料燃烧还是作为原材料的用途,确保准确地采用碳质量平衡法核算工业生产过程的二氧化碳排放。碳排放流分析过程如图3所示。
电力消费侧工业生产过程中可能造成的碳排放源如下:一包括化石燃料和其它碳氢化合物用作原材料产生的二氧化碳排放,包括放空的废气经火炬处理后产生的二氧化碳排放;二碳酸盐使用过程(如石灰石、白云石等用作原材料、助溶剂或脱硫剂)产生的二氧化碳排放。
因此可建立工业生产过程中的碳排放目标函数,如下式:
式中:为化石燃料和其它碳氢化合物用作原材料产生的二氧化碳排放量;为碳酸盐使用过程产生的二氧化碳排放量。
下面将逐一计算如上所述的碳排放源产生的二氧化碳排放量。
1)化石燃料为原料的碳排放
根据原材料-产品流程作碳质量平衡,损失的碳即为排放的碳,因此可用下式进行计算:
式中:r为进入核算段云作为原料的源头,碳酸盐除外;为原料r的投入量;为原料r的含碳量;为含碳产品p的产出量;为碳产品p的含碳量;为含碳废物w的输出量,包括炉渣、粉尘和污泥,流出核算单元且没有计入产品范畴的其他含碳输出物种类;为含碳废物w的含碳量。
2)碳酸盐使用过程中产生的二氧化碳排放
根据每种碳酸盐的使用量及其二氧化碳排放因子计算:
式中;为碳酸盐的种类;为碳酸盐用于原材料、助溶剂和脱硫剂的总消费量,单位为吨;为碳酸盐的二氧化碳排放因子,单位为吨二氧化碳/吨碳酸盐;为碳酸盐的纯度,取值范围为0-1。
由于不同行业的工业生产过程中,生产工艺与生产环节不同,造成的碳排放源也不完全相同。因此,在针对具体工业园区进行碳排放计算时,应对工业生产过程中的碳排放源进行进一步的细分,按照这些产业活动所属行业的企业温室气体排放指南,分别计算各自产生的碳排放量。
步骤7、采用清单分析法、投入产出分析法和生态网络分析法建立产业园区碳排放核算方法框架,此时在构建的框架内耦合加入步骤6中工业园区的碳排放核算要素,可得出涉及综合能源的工业园区内精确碳排放核算方法。在前述步骤5中已将电力生产、传输过程中产生的碳排放归算至荷侧进行计算,此时将上述碳排放模型与荷侧即工业生产园区内的碳排放模型进行耦合叠加,即可得到涉及园区级综合能源系统源网荷碳排放模型。
在传统的碳排放模型构建中,鲜有研究在碳排放核算中同时涵盖碳排放的流量和结构。为解决此问题,提升碳排放核算的精密准确性,本专利在构建的荷侧工业生产园区碳排放模型中考虑了园区碳排放流量与结构对核算结果的影响。目前,针对此研究主要采用的三种方法:清单分析法、投入产出分析法和生态网络分析法,本发明将其归类为流量分析和结构分析两种模式。清单分析法多为流量分析模式,而投入产出分析法和生态网络分析法既有流量分析模式,也有结构分析模式。本节重点综述以上三种典型方法,分析核算方法演化趋势,并初步提出核算方法框架。
1)清单分析法。清单分析法是指利用碳排放核算标准中推荐使用的计算方法,选取适当的碳排放因子,使用收集的相关数据来估算碳排放量,并完成碳排放清单编制的碳排放量核算方法。园区使用的排放因子法往往借鉴国内外由相关权威机构公布的碳排放核算标准,依托国内外在碳排放核算标准方面取得的工作成果并结合产业园区系统的特点,很多研究者利用清单分析法开展园区碳排放核算研究工作,积极构建产业园区碳排放核算的计算体系。
2)投入产出分析法。投入产出法是通过编制投入产出表,按照生产理论中经典的原料输入与产品输出之间的数学关系,在经济系统建立的各部门之间直接和间接关系的一种经济统计方法。该方法在计算碳排放时EIO常与生命周期法联合使用,被称为EIO-LCA法,其中投入产出表被用来追溯由产品消耗引入的上游隐含碳排放。与直接碳排放相比,输入端由原料投入、交通运输以及能源开采等上游生产活动引起的隐含碳排放(Scope 3)占整体碳排放的比例不可忽视。
3)生态网络分析。生态网络分析由Pattern在1976年正式提出,最初应用于自然生态系统中分析不同分室间物质、能量流动的结构。随后该方法的应用方向转向人工系统的研究,但很少应用在产业园区这一领域。当前已经开区内部碳排放各部门间的相互关系;利用控制分析识别出碳排放各部门对其他部门或整个网络系统的控制水平。该研究发现碳流密集部门对园区整体碳排放的影响更大,外部的物质投入和能源供给对该园区的碳排放整体水平也有重要影响。综上,生态网络分析可以:①识别不同部门的直接碳排放和间接碳排放;②展的园区碳排放核算研究主要从产业链出发,聚焦生产过程的含碳物质与输入输出及气体排放,而对不同部门和生产过程之间的复杂关联未进行剖析;同时,将园区设定为行政边界,缺乏考虑其与外部环境生态之间的互动关系。生态网络分析方法将产业园区比拟为一个生态系统,各个部门则作为生态系统的分室,在“代谢”的模式下相互作用。③辨识园区不同部门之间的协同碳减排路径。
由此,本文尝试建立产业园区碳排放核算方法框架。其中,产业园区碳排放核算方法可以归结为两种模式:流量分析模式和结构分析模式。流量分析模式对园区内部及其上下游产业链相关的碳排放活动从排放量角度进行核算;结构分析模式则对与园区相关碳排放部门从网络关联的角度开展分析。
步骤8、采用帝国竞争算法对前述建立的源网荷全链碳排放模型进行优化,可以提升碳排放模型的计算速度与计算准确性,避免由于计算过程中出现局部最优而导致结果不准确的情况,得到优化的涉及园区级综合能源系统源网荷全链碳排放模型。
传统的碳排放模型对于碳排放结果核算收敛速度慢,在实际电网中实用性不强。近年来人工智能优化算法由于不需要环境模型,被广泛应用于优化实际电网求解问题。为此本专利提出基于帝国竞争算法的电网碳排放优化模型。该算法在形成帝国的阶段应用了模糊动态聚类分析的方法,并应用适应度共享技术来调整国家适应度,从而提高了全局寻优的效果,避免了算法早熟以及局部收敛的缺点。
本专利提出的ICA操作程序为:
1) 初始化参数,获得随机初始化的国家群体,并分析其中各国家的适应度。初始群体记为。
2) 群体X通过帝国形成、吸收殖民地国家、帝国斗争计算流程,形成新群体,计算内部个体适应度。
3) 帝国中适应度最大的国家可存活至下一次迭代。
4) 根据适应度共享技术进行各国家适应度调节。
5) 判断终止条件。当算法符合终止条件时,终止求解并输出求解结果;算法尚未达到终止条件之前,重复跳到步骤2),再次迭代更新。
实施例:
本发明专利以某由接入IEEE 57节点7火电机组系统的典型园区电热综合能源系统产业园区为例,验证碳排放模型的准确性。
根据IEEE 57节点系统标准参数,有4台机组提供有功功率,另外3台机组进行无功补偿。根据机组实发功率,按照Aspen Plus仿真软件构建的燃煤电厂模型,可得出4台机组的功率及二氧化碳排放强度,如表一所示:
表1机组功率及二氧化碳排放强度
IEEE 57节点标准参数系统中共有3处节点无功功率补偿及35处线路无功功率补偿。潮流数据统计结果如下:发电机总出力为(1278.66+j321.08)MVA,系统网络损耗为(27.86+j121.67)MVA,系统总负荷为(1250.80+j336.40)MVA。应用复功率追踪算法计算所得的出力统计结果如下:发电机总出力为(1278.66+j321.08)MVA,节点总无功补偿为j21.65MVA,线路总无功补偿为j115.34MVA。
依据本文碳流追踪模型,对算例进行碳流追踪得到的碳排放量结果如表2和表3所示。
表2 部分负荷碳流追踪结果
表3全系统网络损耗碳排放
节点1机组 | 节点3机组 | 节点8机组 | 节点12机组 |
14.2 | 0.4 | 5.1 | 0.6 |
在本实施例中,接入电网的综合能源系中,热电联产(CHP)机组容量为2 000 kW,光伏(PV)机组1000 kW,冰蓄冷空调容量为2 500 kW。根据园区在地区的供热实际情况,固定电价为1.20元/kW,供冷价格为0.38元/kW,工业天然气价格为3.25元/m3。碳排放量的区间长度为500 kg,碳交易基准价格为0.35元/kg,交易价格增长率为25%。为保证用户电能和供冷需求的前提下,系统积极参与电网互动,安排电热机组出力情况下的24h内碳排放曲线如图4所示。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,包括以下步骤:
步骤1)获取燃煤电厂中的燃煤发电机组的设计参数,采用Aspen Plus软件对燃煤电厂进行全环节的模拟仿真,得到燃煤电厂生产数据;
步骤2)利用DBN神经网络对步骤1)中得到的燃煤电厂生产数据进行训练,得出燃煤电厂化石燃料输入电量、输出电量及碳排放数据;
步骤3)基于复功率追踪的网络损耗分摊方法,将经过步骤2)计算得出的燃煤电厂中的源侧燃煤电厂的输出电量与碳排放数据输入构建的复功率潮流追踪模型中,构建复功率潮流追踪模型,对电力网络损耗进行责任分摊,计算由于线路网络损耗造成的电力用户侧碳排放;
步骤4)基于碳排放流理论,构建碳流追踪模型,将步骤3)中计及网络损耗产生的碳排放从发、输电环节转移至电力用户侧进行计算,计算出计及网络损耗情况下基于复功率追踪的全网碳流;
步骤5)基于碳排放流理论,将涉及园区级综合能源的电力消费用户视为配电系统中的一个节点,参与全域碳流计算,根据已知的系统潮流分布得到节点实时碳势,实现电力生产与传输过程中产生的碳排放在荷侧的分摊计算;
步骤6)基于温室气体种类,明确涉及综合能源的园区碳排放核算要素;
步骤7)根据步骤5)中得到的归算至荷侧的碳排放和步骤6)中明确的园区碳排放核算要素,采用清单分析法、投入产出分析法和生态网络分析法建立园区碳排放核算方法框架,即可得到涉及园区级综合能源系统源网荷碳排放模型;
步骤8)采用帝国竞争算法对步骤7)建立的涉及园区级综合能源系统源网荷全链碳排放模型进行优化,得到优化的涉及园区级综合能源系统源网荷全链碳排放模型。
2.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤1)中的所述燃煤发电机组的设计参数包括:主蒸汽温度、压力,再热蒸汽温度,凝汽器背压,各级抽气压力。
3.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤2)中的所述训练分为两个阶段,第一阶段是无监督预训练,将网络参数在参数空间中向更好的方向移动,所述第一阶段采用贪婪的分层训练方案,使RBMs表示的概率分布函数与输入数据吻合,采用梯度上升法对每个RBM进行训练,将初始随机加权参数迭代地引入最优解;所述第一阶段的训练完成后,在训练的第二阶段使用传统的有监督反向传播算法,将实际输出和网络输出之间的均方误差降至最低,以微调加权参数。
4.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤3)中进一步包括:
假设电网中有n个节点,m条支路,按在支路中间增加一个虚拟节点的方法处理成无损网后共有(n+m)个节点,虚拟节点的编号分别为n+1,n+2,…,n+m;同时,将全网潮流变为以有功功率流向为参考方向的顺流网络;当出现潮流有功功率与无功功率正方向不同情况时,以有功功率正方向来定义节点注入潮流;此时追踪结果中可能出现无功功率分配为负值的情况,但是由于系统碳流最终只与有功功率分配有关,所以在保证有功功率为正的前提下,此时线路有功和无功功率不同向并不会影响碳流计算结果;
定义流过节点的总潮流为:
式中表示为节点的入线集;为节点i发电机注入的复功率;是线路j-i复功率潮流;
在节点j处,可以表示为:;这样,上式变为:
即:或;
式中:表示流过所述节点j的潮流;为的回溯矩阵;S为流经网络各节点总复功率潮流的向量;为网络各发电节点注入的复功率向量;为线路j-i上潮流的总碳排放量;
矩阵中的元素为:
矩阵是一个稀疏、非对称阵,如果可逆,则定义复功率追踪系数矩阵为:
则节点功率与发电机出力间通过构建等式关系:
式中:S’为节点注入功率向量;
对于任意线路i-j上的潮流,电源k提供的功率为:
式中:为任意线路i-j上电源k提供的功率;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率:
对于任意节点i的负荷,电源k提供的功率为:
式中:为任意节点i的负荷电源k提供的功率;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率。
5.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤4)中进一步包括:
系统共有N个电源,对任意线路i-j上的潮流,电源k产生的碳排放量为:
式中:为任意线路i-j上的潮流电源k产生的碳排放量;为任意线路i-j上电源k提供的功率;为电源k处发电机产生的碳排放量;为任意线路i-j上的潮流功率;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
则线路i-j上潮流的总碳排放量为:
式中:为线路i-j上潮流的总碳排放量;为线路i-j上电源k处的碳排放量;
对于节点i的负荷,电源k产生的碳排放量为:
式中:为对于节点i的负荷电源k产生的碳排放量;为对于节点i的负荷电源k的注入功率;为电源k处发电机的碳排放量;为任意节点i的负荷;为节点i注入功率;为的回溯矩阵的逆矩阵;为电源k处发电机的注入功率;
则节点i的负荷的总碳排放量为:
式中:为节点i的负荷的总碳排放量;为电源k对负荷节点i产生的碳排放量;通过上述碳流追踪模型可以计算出计及网络损耗情况下基于复功率追踪的全网碳流。
6.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤5)中进一步包括:
(1)目标函数
设配电系统中共有K台分布式发电机组,Z个储能元件,碳排放模型以T个时段内的总碳排放为目标,具体表述为:
式中:表示连续T个时段内的碳排放;、分别表示第k台分布式发电机组在第t时段的有功出力和机组碳势;、分别表示为在第t时段来自主网的有功功率和主网碳势;
(2)约束条件
1)潮流方程约束
首先,模型在任意时段均需要满足配电系统潮流方程,即
式中:、分别代表节点i在第t时段注入的有功功率与无功功率;、分别代表节点i与节点j在第t时段的电压;、分别代表节点i与节点j的电导与电纳;表示代表节点i与节点j在第t时段间的相角差;
2)线路潮流约束
式中:为在第t时段流过第l条支路上的复功率;为第l条支路可传输的最大功率;
3)电压约束
式中:、分别为节点i的电压上下限;
4)分布式电源发电功率约束
式中:、分别为每个时间段内发电机组的最小出力和最大出力;
5)分布式电源爬坡约束
式中:和分别为每个时间段内机组可向下和向上调节的最大出力;
6)储能元件运行约束
储能元件运行约束分为容量约束和电量约束两类,其中,容量约束为储能的充放电功率限制,对第z个储能元件,有:
式中:为第z个储能元件在第t时段的充电功率;、分别为该储能元件的最大充电、放电功率;
电量约束分为两部分,若储能元件处于充电状态:
式中:为第z个储能元件的最大充电电量;为在第t-1时段储能元件中已储存的电量;为每个时段的时长;
若储能元件处于放电状态时:
式中:为在第t-1时段储能元件中已储存的电量;为每个时段的时长。
7.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤6)中进一步包括:
(1)外购热碳排放模型
针对一些企业或工业园区为了自身生产需求购入使用热力产生的二氧化碳排放,可用购入使用热量乘以热力供应的碳排放因子得出,具体公式可描述为下式:
式中:为企业购入热量产生的碳排放;为企业购入使用热量,单位为GJ;为热量供应的碳排放因子,单位为;
其中企业外购热量由外购热水和外购热蒸汽这两部分构成,以质量单位计量的热水和热蒸汽可按下述公式转换成热量单位:
式中:为以质量单位计量的热水转换成的热量;为热水的质量;为热水的企业实测温度;为以质量单位计量的热蒸汽转换成的热量;为热蒸汽的质量;为蒸汽的热焓;
(2)化石燃料机组运行碳排放模型
以化石能源为燃料的机组设备进行生产运行时会排放二氧化碳,碳排放量为机组运行时燃烧各种化石能源产生的二氧化碳排放量的加和,可采用下式计算:
式中:——第α种化石燃料的活动数据,单位为吉焦(GJ);
——第α种化石燃料的二氧化碳排放因子,单位为吨二氧化碳/吉焦();
各核算单元燃烧化石燃料品种α的实物量活动水平数据,是根据企业能源消费原始记录、统计台账或统计报表来确定的,指流入该核算单元且明确送往各类燃烧设备作为燃料燃烧的那部分,不包括核算单元产生的副产品或可燃气体又被本核算单元用作能源的部分;
化石燃料的活动数据是统计期内燃料的消耗量与其低位发热量的乘积,可通过下式计算得出:
式中:——第α种化石能源的消耗量,对固体或液体,单位为吨(t),对气体燃料,单位为万标准立方米();
——第α种化石燃料的低位发热量,对固体或液体燃料,单位为吉焦/吨();
燃煤的年度平均收到基低位发热量由月度平均收到基低位发热量加权平均得到,其权重是燃煤月消耗量,其中,入炉煤月度平均收到基低位发热量由每日平均收到基低位发热量加权平均计算得到,其权重是该月度每批次入厂煤量;
燃油、燃气的年度平均低位发热量由每月平均低位发热量加权平均计算得到,其权重为每月燃油、燃气消耗量;
化石燃料的二氧化碳排放因子可用下式计算:
式中:——第α种化石燃料的二氧化碳排放因子;
——第α种化石燃料的单位热值含碳量;
——二氧化碳与碳的相对分子质量之比;
其中,燃煤的单位热值含碳量采用下式计算:
式中:——燃煤的单位热值含碳量;
Car——燃煤的收到基元素含碳量;
NCVar——燃煤的收到基低位发热量;
其中燃煤的收到基元素碳含量可采用下式进行换算,
式中,Cad——空干基元素碳含量;Mar——收到基水分,以%表示;全水数据可采用企业每天测量的全水月度加权平均值;Mad——空干基随分,以%表示;内水数据可采用缩分样检测数据,如没有则可采用企业每日测量的内水月度加权平均值,或采用0;
(3)工业生产过程中的碳排放
建立工业生产过程中的碳排放目标函数,如下式:
式中:为化石燃料和其它碳氢化合物用作原材料产生的二氧化碳排放量;为碳酸盐使用过程产生的二氧化碳排放量;
其中,
式中:r为进入核算段云作为原料的源头,碳酸盐除外;为原料r的投入量;为原料r的含碳量;为含碳产品p的产出量;为碳产品p的含碳量;为含碳废物w的输出量,包括炉渣、粉尘和污泥,流出核算单元且没有计入产品范畴的其他含碳输出物种类;为含碳废物w的含碳量;
其中,
式中;为碳酸盐的种类;为碳酸盐用于原材料、助溶剂和脱硫剂的总消费量,单位为吨;为碳酸盐的二氧化碳排放因子,单位为吨二氧化碳/吨碳酸盐;为碳酸盐的纯度,取值范围为0-1。
8.根据权利要求1所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法,其特征在于,所述步骤8)中的所述帝国竞争算法操作程序为:
a) 初始化参数,获得随机初始化的国家群体,并分析其中各国家的适应度,初始群体记为;
b) 群体X通过帝国形成、吸收殖民地国家、帝国斗争计算流程,形成新群体,计算内部个体适应度;
c) 帝国中适应度最大的国家可存活至下一次迭代;
d) 根据适应度共享技术进行各国家适应度调节;
e) 判断终止条件,当算法符合终止条件时,终止求解并输出求解结果;算法尚未达到终止条件之前,重复跳到步骤b),再次迭代更新。
9.一种涉及园区级综合能源系统源网荷碳排放模型的构建装置,其特征在于,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的程序,所述处理器运行所述程序时执行权利要求1-8任一项所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1-8任一项所述的涉及园区级综合能源系统源网荷碳排放模型的构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165957.2A CN115238597B (zh) | 2022-09-23 | 2022-09-23 | 涉及园区级综合能源系统源网荷碳排放模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165957.2A CN115238597B (zh) | 2022-09-23 | 2022-09-23 | 涉及园区级综合能源系统源网荷碳排放模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115238597A CN115238597A (zh) | 2022-10-25 |
CN115238597B true CN115238597B (zh) | 2023-04-07 |
Family
ID=83667057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211165957.2A Active CN115238597B (zh) | 2022-09-23 | 2022-09-23 | 涉及园区级综合能源系统源网荷碳排放模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238597B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797131B (zh) * | 2023-02-09 | 2023-05-30 | 国网浙江电动汽车服务有限公司 | 一种碳排放量监测方法、装置、设备及可读存储介质 |
CN115860287B (zh) * | 2023-03-02 | 2023-05-12 | 东方电气集团科学技术研究院有限公司 | 一种用于储能与发电机组的低碳经济性调度方法 |
CN116151134B (zh) * | 2023-04-23 | 2023-07-18 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种二氧化碳排放计量方法 |
CN116231657B (zh) * | 2023-05-09 | 2023-09-29 | 国网浙江省电力有限公司 | 一种输配电网全局碳流分布式确定方法及装置 |
CN116680880A (zh) * | 2023-05-24 | 2023-09-01 | 国家电网有限公司大数据中心 | 考虑区域专线输送的省间电力碳排放因子核算方法及装置 |
CN116703040B (zh) * | 2023-08-07 | 2023-10-10 | 四川发展环境科学技术研究院有限公司 | 一种碳减排核算方法 |
CN116823296B (zh) * | 2023-08-31 | 2024-02-02 | 国网山东省电力公司营销服务中心(计量中心) | 一种用电侧碳排放确定方法、系统、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723175A (zh) * | 2022-05-09 | 2022-07-08 | 东南大学 | 一种综合能源系统能量流和碳流分布的计算方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101489533B1 (ko) * | 2010-11-29 | 2015-02-03 | 엘에스산전 주식회사 | 가용송전용량 선정방법 |
CN106251095B (zh) * | 2016-09-06 | 2020-04-17 | 清华大学 | 一种电力系统碳排放实时计量的方法及碳表系统 |
CN108985532B (zh) * | 2017-06-02 | 2021-05-11 | 上海交通大学 | 基于碳排放的网源荷调度评估系统及方法 |
CN109242365B (zh) * | 2018-11-06 | 2022-01-14 | 国电南瑞科技股份有限公司 | 一种电-热互联综合能源系统的区间潮流计算方法 |
CN111178671A (zh) * | 2019-11-29 | 2020-05-19 | 国网浙江省电力有限公司 | 一种基于多能源检测参数的综合能源系统能效提高方法 |
CN114186805A (zh) * | 2021-11-23 | 2022-03-15 | 中国矿业大学 | 考虑实时电源成分及电能替代减碳效益的园区碳计量方法 |
CN114662877A (zh) * | 2022-03-10 | 2022-06-24 | 国网江苏省电力有限公司营销服务中心 | 一种基于复功率潮流的碳流排放追踪评级方法 |
-
2022
- 2022-09-23 CN CN202211165957.2A patent/CN115238597B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723175A (zh) * | 2022-05-09 | 2022-07-08 | 东南大学 | 一种综合能源系统能量流和碳流分布的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115238597A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115238597B (zh) | 涉及园区级综合能源系统源网荷碳排放模型的构建方法 | |
Ahmadi et al. | Exergy, exergoeconomic and environmental analyses and evolutionary algorithm based multi-objective optimization of combined cycle power plants | |
Ahmadi et al. | Thermodynamic and exergoenvironmental analyses, and multi-objective optimization of a gas turbine power plant | |
Suresh et al. | ANN-GA based optimization of a high ash coal-fired supercritical power plant | |
CN103440528B (zh) | 基于耗差分析的火电机组运行优化方法及装置 | |
Strušnik et al. | Exergoeconomic machine-learning method of integrating a thermochemical Cu–Cl cycle in a multigeneration combined cycle gas turbine for hydrogen production | |
CN103729691B (zh) | 基于均匀设计的多目标配煤方法 | |
CN108197768A (zh) | 一种能源系统与管网布局联合优化方法 | |
Sun et al. | Capacity planning and optimization for integrated energy system in industrial park considering environmental externalities | |
Bartnik | The modernization potential of gas turbines in the coal-fired power industry: thermal and economic effectiveness | |
Chang et al. | A new biomass-based hybrid energy system integrated with a flue gas condensation process and energy storage option: an effort to mitigate environmental hazards | |
CN105783112A (zh) | 一种多热源集中供热系统智能调度和运行规划方法 | |
Vannoni et al. | Integration of a flue gas condensing heat pump within a combined cycle: Thermodynamic, environmental and market assessment | |
Anvari et al. | Multi-objective optimization of a proposed multi-generation cycle based on Pareto diagrams: Performance improvement, cost reduction, and CO2 emissions | |
Mehrpanahi et al. | Multi-objective linear regression based optimization of full repowering a single pressure steam power plant | |
Wang et al. | Optimizing thermal–electric load distribution of large-scale combined heat and power plants based on characteristic day | |
Kler et al. | Co-optimization of thermal power plant flowchart, thermodynamic cycle parameters, and design parameters of components | |
Kesgin et al. | Simulation of thermodynamic systems using soft computing techniques | |
Nikam et al. | Parametric analysis and optimization of 660 MW supercritical power plant | |
Li et al. | The improved distribution method of negentropy and performance evaluation of CCPPs based on the structure theory of thermoeconomics | |
Aguilar et al. | Prediction of performance, energy savings and increase in profitability of two gas turbine steam generator cogeneration plant, based on experimental data | |
Mao et al. | Proposal and assessment of a novel power and freshwater production system for the heat recovery of diesel engine | |
Eke et al. | Exergy and Environmental Assessment of a Steam Power Plant: A Case Study of Nigeria | |
Zhang et al. | Comprehensive energy efficiency analysis of ultra-supercritical thermal power units | |
Akrami et al. | Techno-economic evaluation of a novel bio-energy system integrated with carbon capture and utilization technology in greenhouses |
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 |