CN115511201A - 一种双碳调控方法、装置、电子设备、存储介质及程序产品 - Google Patents
一种双碳调控方法、装置、电子设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN115511201A CN115511201A CN202211261634.3A CN202211261634A CN115511201A CN 115511201 A CN115511201 A CN 115511201A CN 202211261634 A CN202211261634 A CN 202211261634A CN 115511201 A CN115511201 A CN 115511201A
- Authority
- CN
- China
- Prior art keywords
- carbon
- carbon reduction
- reduction measure
- regulation
- measure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 844
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title claims abstract description 53
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 711
- 230000009467 reduction Effects 0.000 claims abstract description 619
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000000694 effects Effects 0.000 claims abstract description 42
- 230000001105 regulatory effect Effects 0.000 claims abstract description 37
- 230000001276 controlling effect Effects 0.000 claims abstract description 22
- 230000009977 dual effect Effects 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 12
- 230000008520 organization Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000007774 longterm Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 20
- 238000013500 data storage Methods 0.000 description 12
- 230000005611 electricity Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004146 energy storage Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009919 sequestration Effects 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000035425 carbon utilization Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002747 voluntary 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
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Carbon And Carbon Compounds (AREA)
Abstract
本发明公开了一种双碳调控方法、装置、电子设备、存储介质及程序产品。双碳全生命周期根据进行双碳调控时间的长短划分为至少两个时间维度,该双碳调控方法包括:获取各个时间维度的减碳措施,减碳措施包含至少一项减碳措施信息;获取减碳需求曲线;减碳需求曲线是以时间作为横坐标的包括各个时间维度的减碳效果曲线;根据各个时间维度的减碳措施信息,以减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的减碳措施进行优化调控,得到调控结果。本发明实施例的技术方案降低了减碳成本,提高效率,实现双碳工作全生命周期的多维优化调控。
Description
技术领域
本发明实施例涉及双碳技术领域,尤其涉及一种双碳调控方法、装置、电子设备、存储介质及程序产品。
背景技术
双碳工作是一个复杂而长期的任务,为了应对双碳挑战,科学实现碳达峰和碳中和,需要多方通力协作,且需要数字化、智能化系统作为协作平台统筹优化管理双碳工作。而现有的减碳调控方法对双碳全生命周期未达到统筹兼顾,效率低下,导致双碳主体未完成双碳考核任务或者给双碳主体的经营发展带来负面影响。并且由于现有的减碳调控方法未对双碳全生命周期中减碳措施的技术发展和成本波动进行较好地处理,导致为双碳主体带来较高的减碳成本和运营风险。
发明内容
本发明提供一种双碳调控方法、装置、电子设备、存储介质及程序产品,以实现双碳工作全生命周期的多维优化调控,降低减碳成本,提高效率。
根据本发明的一方面,提供了一种双碳调控方法,双碳全生命周期根据进行双碳调控时间的长短划分为至少两个时间维度,该双碳调控方法包括:
获取各个时间维度的减碳措施,所述减碳措施包含至少一项减碳措施信息;
获取减碳需求曲线;所述减碳需求曲线是以时间作为横坐标的包括各个所述时间维度的减碳效果曲线;
根据各个时间维度的所述减碳措施信息,以所述减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的所述减碳措施进行优化调控,得到调控结果。
可选的,所述减碳措施信息至少包括减碳措施指标、减碳措施见效周期、减碳措施任务计划、减碳措施出力数据和减碳措施运行数据中的至少一项。
可选的,所述得到调控结果的方法,包括:
根据各个时间维度的所述减碳措施的所述减碳措施信息,计算各个所述减碳措施的减碳曲线;
根据各个所述减碳措施的禀赋条件和所述减碳曲线,确定双碳全生命周期中各个时间维度的减碳措施组合方式;其中,所述禀赋条件包括:技术成熟度、经济性、减碳效果、可获得性、资源禀赋和安全性中的至少一种;
调控各个时间维度的所述减碳措施组合方式中的所述减碳措施任务计划和所述减碳措施出力数据,实现双碳全生命周期协同优化。
可选的,在确定双碳全生命周期中各个时间维度的减碳措施组合方式之时,包括:
根据所述禀赋条件中的至少一种,对所述减碳措施进行优先级排序;
结合所述减碳措施的优先级排序,确定各个时间维度的减碳措施组合方式以及所述减碳措施组合方式中的各个所述减碳措施的出力。
可选的,所述得到调控结果的方法,还包括:
获取减碳措施干系因素数据;其中,所述减碳措施干系因素数据包括:双碳政策法规、双碳标准、组织经营发展规划、组织运营安全要求和减碳措施技术发展中的至少一种;
根据所述减碳措施干系因素和各个时间维度的所述减碳措施,调控各个所述减碳措施的所述减碳措施任务计划和所述减碳措施出力数据,以达到所述减碳需求曲线的减碳效果。
可选的,所述得到调控结果的方法,还包括:
实时监测所述减碳措施干系因素数据的变化,更新所述减碳措施干系因素数据;
实时监测各个时间维度的所述减碳措施的运行状态,获取所述减碳措施运行数据;
根据更新的所述减碳措施干系因素数据和所述减碳措施运行数据,实时调控各个时间维度的所述减碳措施组合方式及所述减碳措施的出力,以达到双碳全生命周期的闭环动态调控优化。
可选的,实时调控各个时间维度的所述减碳措施组合方式及所述减碳措施的出力,包括:
在各个时间维度内,对各个所述减碳措施进行调控,得到协同优化的所述减碳措施组合方式及所述减碳措施的出力;
或者,在各个时间维度之间,对各个所述减碳措施进行调控,得到协同优化的所述减碳措施组合方式及所述减碳措施的出力。
可选的,所述寻优算法包括:深度学习算法、蚁群优化算法、粒子群优化算法和熵权法中的至少一种。
根据本发明的另一方面,提供了一种双碳调控装置,该双碳调控装置包括:
减碳措施获取模块,用于获取各个时间维度的减碳措施,所述减碳措施包含至少一项减碳措施信息;
需求曲线获取模块,用于获取减碳需求曲线;所述减碳需求曲线是以时间作为横坐标的包括各个所述时间维度的减碳效果曲线;
双碳优化调控模块,用于根据各个时间维度的所述减碳措施信息,以所述减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的所述减碳措施进行优化调控,得到调控结果。
根据本发明的另一方面,还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的双碳调控方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现上述第一方面所述的双碳调控方法。
根据本发明的另一方面,还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现上述第一方面所述的双碳调控方法。
本发明实施例的技术方案通过获取各个时间维度的减碳措施以及减碳措施信息,并获取减碳需求曲线,采用寻优算法,以减碳需求曲线为调控目标,统筹规划双碳工作全生命周期中各个时间维度的减碳措施,从而得到调控结果,提高了双碳调控的时间精细度,并在减碳效果不满足减碳需求曲线的要求时,可及时调整减碳措施,以实现双碳工作全生命周期的多维优化调控,且降低减碳成本,提高效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种双碳调控方法的流程示意图;
图2是根据本发明实施例提供的一种双碳调控方法中步骤S130的流程示意图;
图3是根据本发明实施例提供的一种减碳措施的减碳曲线;
图4是根据本发明实施例提供的又一种减碳措施的减碳曲线;
图5是根据本发明实施例提供的又一种减碳措施的减碳曲线;
图6是根据本发明实施例提供的一种双碳调控方法中步骤S1302的具体流程示意图;
图7是根据本发明实施例提供的又一种双碳调控方法的流程示意图;
图8是根据本发明实施例提供的又一种双碳调控方法的流程示意图;
图9是根据本发明实施例提供的一种双碳调控装置的结构示意图;
图10是根据本发明实施例提供的又一种双碳调控装置的结构示意图;
图11是根据本发明实施例提供的又一种双碳调控装置的结构示意图;
图12是根据本发明实施例提供的又一种双碳调控装置的结构示意图;
图13是根据本发明实施例提供的又一种双碳调控装置的结构示意图;
图14是根据本发明实施例提供的一种双碳调控装置数据存储结构的示意图;
图15是根据本发明实施例提供的又一种双碳调控装置数据存储结构的示意图;
图16是根据本发明实施例提供的一种应用场景下双碳调控装置的结构示意图;
图17是根据本发明实施例提供的又一种应用场景下双碳调控装置的结构示意图;
图18是根据本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种双碳调控方法。本发明实施例对双碳调控方法的应用范围不作限制,例如,双碳调控方法可适用于各级政府、企业、事业单位、各类组织及个人等具有开展碳中和要求的主体,以下称为双碳调控主体。本发明实施例对双碳调控方法的应用场景也不作限制,例如,双碳调控方法可适用于制造业、高排放企业和办公建筑等场景。该双碳调控方法可以由双碳调控装置执行,该装置可以由软件和/或硬件实现,该装置可以集成于计算机、服务器等电子设备中。
本发明实施例提供的双碳调控方法对双碳工作全生命周期的减碳措施进行调控。其中,双碳工作全生命周期可根据双碳工作需要以及减碳措施调控需要进行任意划分,划分的时间维度数量在此不作限制。例如,可将双碳工作全生命周期划分为长期、中短期和当期三个时间维度;或者也可将双碳工作全生命周期划分为长期、中期、短期和当期四个时间维度。
图1为本发明实施例提供的一种双碳调控方法的流程示意图。如图1所示,该双碳调控方法包括如下步骤:
S110、获取各个时间维度的减碳措施,减碳措施包含至少一项减碳措施信息。
具体地,各个时间维度对应包含多项减碳措施,示例性地,以双碳工作全生命周期包含长期、中短期和当期三个时间维度为例,减碳措施可对应包括长期减碳措施、中短期减碳措施和当期减碳措施。其中,长期减碳措施是在较长时间周期内规划、设计和实施的减碳措施,较长时间周期是指双碳工作全生命周期划分的大阶段。长期减碳措施具有战略性和长期性,影响重大。中短期减碳措施是在中短期时间周期内规划、设计和实施的减碳措施,中短期时间是指双碳工作全生命周期细分后的阶段。当期减碳措施是在当前时间周期内规划、设计、实施的减碳措施,当期减碳措施可在较短时间内见效,当前时间是指双碳工作全生命周期内正在进行的阶段。
各个减碳措施中均包含至少一项减碳措施信息,示例性地,减碳措施信息包括减碳措施指标、减碳措施见效周期、减碳措施任务计划、减碳措施出力数据和减碳措施运行数据中的至少一种。其中,减碳措施指标是指减碳措施指标名称及数值,例如,减碳措施指标可以是年减碳总量、年固碳总量、年节能率、年节能总量、年抵消碳排总量、年利用碳资源总量等。减碳措施指标可细分至双碳调控主体的部门、产线、楼宇、区域、具体经营活动等,可提高调控的精细度。减碳措施见效周期是指从规划、设计、实施、运行至停止实施的减碳措施全生命周期时间线,各个减碳措施具有各自的减碳措施见效周期。减碳措施任务计划是指减碳措施对应启动实施和终止实施的时间。减碳措施出力数据是指减碳措施实际输出与额定输出之比或减碳措施实际出力总量,并且由于某些条件的限制,减碳措施出力数据具有上限值。减碳措施运行数据是指减碳措施实施运行后的监测数据,减碳措施运行数据可以包括实际减碳效果、投建和运行成本以及装置、系统或管理措施运行数据等。
S120、获取减碳需求曲线;减碳需求曲线是以时间作为横坐标的包括各个时间维度的减碳效果曲线。
具体地,减碳需求曲线是双碳调控主体在一个时间段内进行双碳工作需要达到的调控要求。减碳需求曲线的横坐标为时间,纵坐标为减碳措施指标。减碳需求曲线可表示随时间变化的各个时间维度的减碳效果。
S130、根据各个时间维度的减碳措施信息,以减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的减碳措施进行优化调控,得到调控结果。
其中,寻优算法包括深度学习算法、蚁群优化算法、粒子群优化算法和熵权法中的至少一种。对双碳工作全生命周期划分多个时间维度,分别对各个时间维度进行双碳调控,可提高双碳调控时间的精细度,使双碳全生命周期中的各个时间维度的减碳效果均达到减碳需求曲线的减碳要求,实现协同优化。若仅对双碳工作进行整个过程的、长期的减碳措施调控,可能导致双碳工作在当前时期内或短时期内无法达到减碳需求曲线要求的减碳效果,无法实现双碳全生命周期的协同优化。
利用寻优算法统筹规划各个时间维度的各个减碳措施信息,优化调控各个时间维度的减碳措施的实施,以保证在因外界因素导致双碳调控效果不满足减碳需求曲线时,可及时对当期减碳措施或者中短期减碳措施进行调整,从而满足减碳需求曲线的要求,降低减碳成本,并提高减碳效率,实现双碳工作全生命周期的协同优化。
本实施例的技术方案通过获取各个时间维度的减碳措施以及减碳措施信息,并获取减碳需求曲线,采用寻优算法,以减碳需求曲线为调控目标,统筹规划双碳工作全生命周期中各个时间维度的减碳措施,从而得到调控结果,提高了双碳调控的时间精细度,并在减碳效果不满足减碳需求曲线的要求时,可及时调整减碳措施,以实现双碳工作全生命周期的多维优化调控,且降低减碳成本,提高效率。
可选的,图2是本发明实施例提供的一种双碳调控方法中步骤S130的流程示意图。在上述实施例的基础上,如图2所示,得到调控结果的方法,包括:
S1301、根据各个时间维度的减碳措施的减碳措施信息,计算各个减碳措施的减碳曲线。
具体地,根据减碳措施信息中的减碳措施指标和减碳措施见效周期,可得到各个减碳措施相应的减碳曲线。减碳曲线的横坐标表示减碳措施生命周期,纵坐标表示减碳效果。通过调控减碳措施任务计划,可调节减碳曲线的横坐标;通过调控减碳措施出力数据,可调节减碳曲线的纵坐标。减碳曲线表示该减碳措施的减碳效果随时间的变化情况,并且在地点或双碳法规发生变化时,减碳措施的减碳曲线也会发生相应的变化。
示例性地,图3是本发明实施例提供的一种减碳措施的减碳曲线,图4是本发明实施例提供的又一种减碳措施的减碳曲线,图5是本发明实施例提供的又一种减碳措施的减碳曲线。参见图3-图5,其中,图3示出了“屋顶光伏”项目减碳措施的减碳曲线。根据“屋顶光伏”项目的可研数据,光伏组件发出的每度电乘以当地电网每度电的碳排因子系数即得到减碳量。由减碳量和发出电所经历的时间即可得到如图3所示的减碳曲线。在图3的减碳曲线中,0~T0时间段表示“屋顶光伏”项目从启动设计、建设到投入运行的时间周期,T0~T1时间段表示“屋顶光伏”项目中光伏组件的运行寿命,即在T1时间点之后,光伏组件不能继续发电,则无法达到减碳效果。
图4示出了“购买绿电”减碳措施的减碳曲线,提前一个月购买次月的需求量,可得到图4所示的减碳曲线。其中,0~T0时间段表示购买绿电的时间周期,T0~T1时间段表示绿电产生的减碳效果。在T1时间点之后,购买的本月绿电电量使用完毕,不再具有减碳效果,需进行下一月绿电购买的时间周期。
图5示出了“植树造林”减碳措施的减碳曲线。根据国家林业标准中提供的植被固碳公式G植物固碳=1.63R碳×A×B年,其中,G植物固碳表示植被的年固碳量,R碳表示二氧化碳中碳的含量,R碳为27.27%,A表示林分面积,B年表示林分单位净生产力。国家林业标准为森林生态系统服务功能评估规范LY/T1721-2008。如图5所示,0~T0时间段表示树林培育期,T0之后的时间周期表示植树造林的减碳效果,其中,T1时间点表示植树造林减碳效果的峰值。
S1302、根据各个减碳措施的禀赋条件和减碳曲线,确定双碳全生命周期中各个时间维度的减碳措施组合方式;其中,禀赋条件包括:技术成熟度、经济性、减碳效果、可获得性、资源禀赋和安全性中的至少一种。
具体地,根据各个减碳措施的减碳曲线,以减碳需求曲线作为调控目标,可初步确定各时间维度的减碳措施组合方式以及减碳措施出力数据。禀赋条件可以包括技术成熟度、经济性、减碳效果、可获得性、资源禀赋和安全性中的至少一种。示例性地,经济性可以包括减碳措施的单位减碳成本。其中,单位减碳成本是指一项减碳措施减少1吨碳排放量的成本,由单位减碳成本即可得到相应减碳措施的减碳成本。进一步地,可以根据禀赋条件从初步确定出的减碳措施组合方式以及减碳措施出力数据中选择最优者,且各时间维度可以包括一项或多项减碳措施,以确定最合适的减碳措施组合方式。对于各时间维度中的各个减碳措施,调控减碳措施出力数据,以达到减碳需求曲线的目标。
S1303、调控各个时间维度的减碳措施组合方式中的减碳措施任务计划和减碳措施出力数据,实现双碳全生命周期协同优化。
具体地,调控减碳措施组合方式中各个减碳措施的启动实施时间和终止实施时间以及减碳措施的出力。示例性地,在减碳要求较低的时间段内,安排在达到减碳措施出力上限时减碳效果较小的减碳措施,并调控减碳措施的出力数据。若减碳效果较小的减碳措施任务计划实施较晚,可适当将该减碳措施的任务计划提前,从而实现双碳全生命周期协同优化。
可选的,图6是本发明实施例提供的一种双碳调控方法中步骤S1302的具体流程示意图。在上述实施例的基础上,如图6所示,在确定双碳全生命周期中各个时间维度的减碳措施组合方式之时,包括:
S13021、根据禀赋条件中的至少一种,对减碳措施进行优先级排序。
具体地,根据禀赋条件可对各个减碳措施进行排序,将禀赋条件较好(例如:单位减碳成本较低)的减碳措施排序为优先级较高的减碳措施。
S13022、结合减碳措施的优先级排序,确定各个时间维度的减碳措施组合方式以及减碳措施组合方式中的各个减碳措施的出力。
具体地,在调控各个时间维度的减碳措施,确定减碳措施组合方式时,优先选择优先级排序较高的减碳措施,通过调控各个减碳措施的出力数据,以实现双碳工作全生命周期协同优化。
示例性地,在2022年、2023年、2024年、2025年、2026年的减碳需求曲线中表示的减碳总量分别为100万吨、110万吨、120万吨、140万吨、160万吨,调控各个减碳措施任务计划和各个减碳措施出力数据,使得在时间周期和减碳总量方面,各个减碳措施组合后得到的减碳效果与减碳需求曲线匹配。优选优先级排序高的减碳措施组合和出力,使各个减碳措施的出力周期在2022年、2023年、2024年、2025年、2026年的减碳总量分别能达到100万吨、110万吨、120万吨、140万吨、160万吨。由于禀赋条件和标准限制等,部分减碳措施的出力数据具有上限值。例如,选择优先级排序高的减碳措施组合中包含减碳措施A,若将减碳措施A的出力数据调控至上限值,仍未能达到减碳需求曲线的减碳效果,则继续选择优先级排序仅低于减碳措施A的减碳措施B,以实现双碳工作全生命周期协同优化。如此通过择优选用减碳措施组合方式,并调整减碳措施任务计划及出力数据进行双碳调控,尽可能减少了双碳调控主体参与双碳调控的成本,降低执行双碳工作对双碳调控主体自身发展的影响,从而既达到减碳需求曲线的双碳调控效果,又满足双碳调控主体的自身运营及发展要求。
可选的,图7是本发明实施例提供的又一种双碳调控方法的流程示意图。在上述实施例的基础上,如图7所示,得到调控结果的方法,还包括:
S210、获取减碳措施干系因素数据;其中,减碳措施干系因素数据包括:双碳政策法规、双碳标准、组织经营发展规划、组织运营安全要求和减碳措施技术发展中的至少一种。
具体地,减碳措施干系因素是影响减碳措施的组合方式以及减碳措施出力数据的相关各方面的因素,且减碳措施干系因素可以包括一项或多项,在此不作限制。其中,双碳政策法规、双碳标准包括政府相关机构指定的强制性或倡导性自愿减排双碳政策、法规等和双碳组织制定的规则、标准等。例如,双碳相关政策可以包括各级政府双碳规划、双碳相关激励政策和双碳相关惩罚政策等;双碳法规可以包括大气污染防治法和节能法等;双碳相关标准可以包括绿色工厂和低碳建筑等。双碳组织是以促进减碳、碳中和、节能减排为目的而成立的各类组织和相关行业标准化组织,例如:双碳组织可以包括RE100,EP100,ISO等。根据双碳工作的目的和面向对象不同,双碳组织可以是国内组织,也可以是国际组织。组织经营发展规划可以包括经营增长计划、生产增长计划和组织双碳计划等。减碳措施技术发展可以包括低碳替代、低排放替代、节能减排、工业节能、固碳和碳资源化利用等。
S220、根据减碳措施干系因素和各个时间维度的减碳措施,调控各个减碳措施的减碳措施任务计划和减碳措施出力数据,以达到减碳需求曲线的减碳效果。
具体地,减碳措施干系因素包括干系因素指标数据、各个干系因素的运行数据以及结果预测数据,根据减碳措施干系因素的各项数据,调控各个时间维度的减碳措施启动实施的时间,即调控减碳措施见效的时间周期,并调控各个时间维度的减碳措施的出力数据。
示例性地,在政府A的双碳规划要求下,双碳调控主体B需在2022年、2023年和2024年分别减碳100万吨、110万吨和120万吨。基于政府A的双碳规划要求,双碳调控主体B采取减碳措施a、减碳措施b和减碳措施c的组合方式实施减碳措施。根据双碳调控主体B需要达到的减碳需求曲线,调控减碳措施a在2022年启动实施至2023年停止实施,减碳措施b在2023年启动实施至2024年停止实施,减碳措施c在2022年启动实施至2024年停止实施;并且调控减碳措施a出力80%,减碳措施b出力70%,减碳措施c出力90%。按照以上调控结果实施减碳措施,可实现双碳调控主体B的减碳成本较低、减碳效率较高,且在双碳全生命周期的协同优化。
可选的,图8是本发明实施例提供的又一种双碳调控方法的流程示意图。在上述实施例的基础上,如图8所示,得到调控结果的方法,还包括:
S210、获取减碳措施干系因素数据。
S220、根据减碳措施干系因素和各个时间维度的减碳措施,调控各个减碳措施的减碳措施任务计划和减碳措施出力数据,以达到减碳需求曲线的减碳效果。
S230、实时监测减碳措施干系因素数据的变化,更新减碳措施干系因素数据。
具体地,减碳措施干系因素对减碳效果具有一定的影响,因此,可实时监测减碳措施干系因素数据,或者当减碳措施干系因素数据发生变化时,可进行提示,从而及时更新变化后的减碳措施干系因素数据。需要说明的是,对于不同时间维度的减碳措施,实时监测减碳措施干系因素数据的时间周期不同。
示例性地,对于当期减碳措施,由于减碳措施见效周期较短,因此,可实时监测减碳措施干系因素数据的变化;对于中短期减碳措施,由于减碳措施见效周期较长,因此,可以一定的时间周期对减碳措施干系因素数据的变化进行监测,例如,对于中短期减碳措施,可选择以三个月或半年为时间周期进行监测,在此不作限制;对于长期减碳措施,由于减碳措施见效周期很长,因此,可以较长的时间周期监测减碳措施干系因素的变化,例如,对于长期减碳措施,可选择以一年或两年为时间周期进行监测,且随减碳措施实施时间的增长,可调整监测减碳措施干系因素数据的时间周期,以实现及时更新变化后的减碳措施干系因素数据。
S240、实时监测各个时间维度的减碳措施的运行状态,获取减碳措施运行数据。
具体地,以减碳需求曲线为调控目标,根据减碳措施干系因素,调控各个时间维度的减碳措施,得到合适的减碳措施组合方式,并启动实施相应的减碳措施。在各个减碳措施运行过程中,实施获取减碳措施运行数据。需要说明的是,此处对减碳措施运行数据的实时获取与上述对减碳措施干系因素数据的实时监测,可采取相同的监测时间周期,也可调整不同的监测时间周期,在此不作限制。
S250、根据更新的减碳措施干系因素数据和减碳措施运行数据,实时调控各个时间维度的减碳措施组合方式及减碳措施的出力,以达到双碳全生命周期的闭环动态调控优化。
具体地,在监测到减碳措施干系因素数据发生变化或者当前减碳措施组合方式及出力未能达到减碳需求曲线的减碳效果时,对各个时间维度的减碳措施组合方式进行实时调控,得到更新的减碳措施组合方式,并对各个减碳措施出力数据进行调控。其中,在实时调控时,可在各个时间维度内,对各个减碳措施进行调控,得到协同优化的减碳措施组合方式及减碳措施的出力;或者,在各个时间维度之间,对各个减碳措施进行调控,得到协同优化的减碳措施组合方式及减碳措施的出力。并且一个时间维度内可以采取一项或多项减碳措施,一项减碳措施也可以一个时间维度或多个时间维度实施。
示例性地,一项减碳措施可在各个时间维度之间进行实时调控。对于“购买绿证”的中期减碳措施,若监测到当前时间周期的绿证价格处于低谷,且预测到绿证价格在未来会升高,则当前“购买绿证”减碳措施的优先级排序提前,并且减碳措施见效周期符合当期减碳措施的减碳需求。因此,将“购买绿证”的减碳措施调控至当期时间维度实施,并且可相应减少高成本的当期减碳措施的出力或者延迟高成本当期减碳措施的任务计划,推迟高成本当期减碳措施的实施。
在每个时间维度内的各个减碳措施也可进行实时调控。当期减碳措施可以包括“屋顶光伏”、“储能系统存储能源”和“负荷能效管理”,在正午等光照充足的时间段,“屋顶光伏”的功率大,光伏组件发出的电能充足。为使充足的电能不被浪费,可调控“负荷能效管理”减碳措施的出力,安排更多的负荷在发电充足的时间段内消纳光伏组件发的电能,而减少电网电能的使用量,从而可减少电网发电的碳排放量。若负荷仍无法将光伏组件发出的电能完全消纳,可执行“储能系统存储能源”的减碳措施,将过剩的电能存储于储能系统。当负荷的需电量大于光伏组件的发电量时,储能系统可将存储的电能输出,供负荷使用,以尽可能减少电网电能的使用量,降低碳排放量,实现当期各个减碳措施的协同优化。
本发明实施例还提供一种双碳调控装置。图9是本发明实施例提供的一种双碳调控装置的结构示意图。如图9所示,该双碳调控装置包括:
减碳措施获取模块100,用于获取各个时间维度的减碳措施,减碳措施包含至少一项减碳措施信息;
需求曲线获取模块200,用于获取减碳需求曲线;减碳需求曲线是以时间作为横坐标的包括各个时间维度的减碳效果曲线;
双碳优化调控模块300,用于根据各个时间维度的减碳措施信息,以减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的减碳措施进行优化调控,得到调控结果。
上述双碳调控装置可执行本发明任意实施例所提供的双碳调控方法,具备执行方法相应的功能模块和有益效果。具体地,减碳措施获取模块100将各个时间维度的减碳措施输出至双碳优化调控模块300,需求曲线获取模块200将表示双碳调控主体需要达到的减碳效果的减碳需求曲线输出至双碳优化调控模块300。同时,减碳措施获取模块100也可接受双碳优化调控模块300的调控。
由于双碳工作全生命周期可根据双碳工作需要以及减碳措施调控需要进行任意划分,因此,减碳措施获取模块100还可根据时间维度划分为多个单元,以下实施例将对按照不同时间维度划分的双碳调控装置的结构进行说明。
可选的,图10是本发明实施例提供的又一种双碳调控装置的结构示意图,图11是本发明实施例提供的又一种双碳调控装置的结构示意图。在上述各实施例的基础上,参见图10,减碳措施获取模块100还包括:长期减碳措施获取单元101、中短期减碳措施获取单元102和当期减碳措施获取单元103。长期减碳措施获取单元101、中短期减碳措施获取单元102和当期减碳措施获取单元103也可接受双碳优化调控模块300的调控。
或者,参见图11,减碳措施获取模块100还包括:长期减碳措施获取单元101、中期减碳措施获取单元102、短期减碳措施获取单元103和当期减碳措施获取单元104。长期减碳措施获取单元101、中期减碳措施获取单元102、短期减碳措施获取单元103和当期减碳措施获取单元104均可接受双碳优化调控模块300的调控。
可选的,图12是本发明实施例提供的又一种双碳调控装置的结构示意图。在上述各实施例的基础上,参见图12,该双碳调控装置还包括:减碳措施干系因素获取模块400;减碳措施干系因素获取模块400用于将更新的减碳措施干系因素输出至双碳优化调控模块300,使双碳优化调控模块300可根据更新的减碳措施干系因素实时调控减碳措施组合方式及出力,实现双碳全生命周期协同优化。
可选的,图13是本发明实施例提供的又一种双碳调控装置的结构示意图。在上述各实施例的基础上,参见图13,长期减碳措施获取单元101包括长期减碳措施1、长期减碳措施2、……、长期减碳措施m,中短期减碳措施获取单元102包括中短期减碳措施1、中短期减碳措施2、……、中短期减碳措施n,当期减碳措施获取单元103包括当期减碳措施1、当期减碳措施2、……、当期减碳措施k。其中,m、n、k均为大于或等于1的正整数,即各个减碳措施获取单元中可包括一项或多项减碳措施。
可选的,图14是本发明实施例提供的一种双碳调控装置数据存储结构的示意图,图15是本发明实施例提供的又一种双碳调控装置数据存储结构的示意图。在上述各实施例的基础上,参见图14,长期减碳措施获取单元101、中短期减碳措施获取单元102和当期减碳措施获取单元103中的数据存储结构可以是横向存储结构。示例性地,以长期减碳措施获取单元101为例,长期减碳措施获取单元101包括第一存储区域、第二存储区域、……、第m存储区域。其中,每个存储区域存储一项减碳措施的各个减碳措施信息,例如,减碳措施信息可以包括:减碳措施指标、减碳措施见效周期、减碳措施任务计划、减碳措施出力数据和减碳措施运行数据等。
参见图15,长期减碳措施获取单元101、中短期减碳措施获取单元102和当期减碳措施获取单元103中的数据存储结构也可以是纵向存储结构。示例性地,以长期减碳措施获取单元101为例,长期减碳措施获取单元101包括第一存储区域、第二存储区域、……、第m存储区域。其中,每个存储区域存储各个减碳措施的同一项减碳措施信息。例如,图15中示出了长期减碳措施获取单元101包括第一存储区域、第二存储区域、第三存储区域、第四存储区域、第五存储区域、第六存储区域和第七存储区域。第一存储区域包括长期减碳措施1的减碳措施指标、长期减碳措施2的减碳措施指标、……、长期减碳措施m的减碳措施指标;第二存储区域包括长期减碳措施1的减碳措施见效周期、长期减碳措施2的减碳措施见效周期、……、长期减碳措施m的减碳措施见效周期。其他存储区域包括的减碳措施信息如图15所示,在此不做赘述。
对于不同存储结构的减碳措施获取单元,横向存储结构便于调取各个减碳措施对应的减碳措施信息,纵向存储结构便于对其中一项减碳措施的其中一项减碳措施信息进行修改、删除或添加。
图14和图15分别示出了横向存储结构和纵向存储结构的数据存储结构,在各个存储区域中,各个减碳措施信息均具有唯一的ID编号,并且各个减碳措施信息均与减碳措施信息中的减碳措施名称的ID编号建立映射关系。其中,减碳措施名称是减碳措施信息中的可选信息,为了便于区分各减碳措施,减碳措施信息中通常包含减碳措施名称。当双碳优化调控模块300获取减碳措施信息时,通过减碳措施名称的ID编号,根据映射关系,可迅速且准确地获取该项减碳措施的各个减碳措施信息。
需要说明的是,对于横向存储结构的数据存储结构,在获取减碳措施信息时,只需将一个存储区域中存储的各个减碳措施信息获取到即可;对于纵向存储结构的数据存储结构,各个存储区域中存储的多条减碳措施信息可以与减碳措施名称一一对应,每条减碳措施信息具有唯一ID编号,每个减碳措施名称也具有唯一ID编号,减碳措施信息的ID编号与对应的减碳措施名称的ID编号建立映射关系。各个存储区域中存储的多条减碳措施信息也可以不与减碳措施名称一一对应,对于一个存储区域中内容相同的减碳措施信息,可只存储一条,该减碳措施信息具有多个ID编号,从而与多项减碳措施的减碳措施名称建立映射关系,便于数据获取。
示例性地,当期减碳措施获取模块103中包括:“屋顶光伏”减碳措施和“购买绿电”减碳措施,且“屋顶光伏”减碳措施的见效周期和“购买绿电”减碳措施的减碳措施见效周期均为一个月。因此,在减碳措施见效周期的存储区域中,无需存储两条相同的“见效周期为一个月”的减碳措施信息,可只存储一条“见效周期为一个月”的减碳措施信息,该条减碳措施信息具有两个ID编号,两个ID编号分别与“屋顶光伏”减碳措施的ID编号以及“购买绿电”减碳措施的ID编号建立映射关系,从而便于准确获取减碳措施信息,且减小数据存储量,节省存储空间。数据的存储格式可以是枚举、KEY-VALUE和/或JSON字符串等。
需要说明的是,图14和图15仅示出了各个减碳措施的通用减碳措施信息的数据存储结构,减碳措施获取模块100中的各个减碳措施还可以包括特有的减碳措施信息。因此,存在数据存储区域中只包含部分减碳措施的特有减碳措施信息。
可选的,图16是本发明实施例提供的一种应用场景下双碳调控装置的结构示意图,图17是本发明实施例提供的又一种应用场景下双碳调控装置的结构示意图。在上述各实施例的基础上,参见图16,长期减碳措施获取单元101中的长期减碳措施包括:产品的低碳设计措施、采用低碳原料替代高碳原料和低碳生产;中短期减碳措施获取单元102中的中短期减碳措施包括:绿证交易、绿电交易和森林固碳;当期减碳措施获取单元103中的当期减碳措施包括:采用清洁的综合能源、提高运输电气化程度的交通物流节能措施和杜绝“长明灯”的办公节能措施。图16示出的双碳调控装置适用于制造业企业的双碳调控工作。
参见图17,长期减碳措施获取单元101中的长期减碳措施包括:产品的低碳设计措施、采用低碳原料替代高碳原料和碳资源利用;中短期减碳措施获取单元102中的中短期减碳措施包括:碳排放额度交易、绿色资产交易和固碳;当期减碳措施获取单元103中的当期减碳措施包括:采用清洁的综合能源、技术节能的工业节能措施和杜绝“长明灯”的办公节能措施。图17示出的双碳调控装置适用于碳排放量高的企业的双碳调控工作,例如,火力发电厂、水泥厂等。
本发明实施例还提供了一种电子设备。图18为本发明实施例提供的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图18所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如双碳调控方法。
在一些实施例中,双碳调控方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的双碳调控方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行双碳调控方法。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种双碳调控方法,其特征在于,双碳全生命周期根据进行双碳调控时间的长短划分为至少两个时间维度,所述双碳调控方法包括:
获取各个时间维度的减碳措施,所述减碳措施包含至少一项减碳措施信息;
获取减碳需求曲线;所述减碳需求曲线是以时间作为横坐标的包括各个所述时间维度的减碳效果曲线;
根据各个时间维度的所述减碳措施信息,以所述减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的所述减碳措施进行优化调控,得到调控结果。
2.根据权利要求1所述的双碳调控方法,其特征在于,所述减碳措施信息至少包括减碳措施指标、减碳措施见效周期、减碳措施任务计划、减碳措施出力数据和减碳措施运行数据中的至少一种。
3.根据权利要求2所述的双碳调控方法,其特征在于,所述得到调控结果的方法,包括:
根据各个时间维度的所述减碳措施的所述减碳措施信息,计算各个所述减碳措施的减碳曲线;
根据各个所述减碳措施的禀赋条件和所述减碳曲线,确定双碳全生命周期中各个时间维度的减碳措施组合方式;其中,所述禀赋条件包括:技术成熟度、经济性、减碳效果、可获得性、资源禀赋和安全性中的至少一种;
调控各个时间维度的所述减碳措施组合方式中的所述减碳措施任务计划和所述减碳措施出力数据,实现双碳全生命周期协同优化。
4.根据权利要求3所述的双碳调控方法,其特征在于,在确定双碳全生命周期中各个时间维度的减碳措施组合方式之时,包括:
根据所述禀赋条件中的至少一种,对所述减碳措施进行优先级排序;
结合所述减碳措施的优先级排序,确定各个时间维度的减碳措施组合方式以及所述减碳措施组合方式中的各个所述减碳措施的出力。
5.根据权利要求2-4中任一项所述的双碳调控方法,其特征在于,所述得到调控结果的方法,还包括:
获取减碳措施干系因素数据;其中,所述减碳措施干系因素数据包括:双碳政策法规、双碳标准、组织经营发展规划、组织运营安全要求和减碳措施技术发展中的至少一种;
根据所述减碳措施干系因素和各个时间维度的所述减碳措施,调控各个所述减碳措施的所述减碳措施任务计划和所述减碳措施出力数据,以达到所述减碳需求曲线的减碳效果。
6.根据权利要求5所述的双碳调控方法,其特征在于,所述得到调控结果的方法,还包括:
实时监测所述减碳措施干系因素数据的变化,更新所述减碳措施干系因素数据;
实时监测各个时间维度的所述减碳措施的运行状态,获取所述减碳措施运行数据;
根据更新的所述减碳措施干系因素数据和所述减碳措施运行数据,实时调控各个时间维度的所述减碳措施组合方式及所述减碳措施的出力,以达到双碳全生命周期的闭环动态调控优化。
7.根据权利要求6所述的双碳调控方法,其特征在于,实时调控各个时间维度的所述减碳措施组合方式及所述减碳措施的出力,包括:
在各个时间维度内,对各个所述减碳措施进行调控,得到协同优化的所述减碳措施组合方式及所述减碳措施的出力;
或者,在各个时间维度之间,对各个所述减碳措施进行调控,得到协同优化的所述减碳措施组合方式及所述减碳措施的出力。
8.根据权利要求1所述的双碳调控方法,其特征在于,所述寻优算法包括:深度学习算法、蚁群优化算法、粒子群优化算法和熵权法中的至少一种。
9.一种双碳调控装置,其特征在于,包括:
减碳措施获取模块,用于获取各个时间维度的减碳措施,所述减碳措施包含至少一项减碳措施信息;
需求曲线获取模块,用于获取减碳需求曲线;所述减碳需求曲线是以时间作为横坐标的包括各个所述时间维度的减碳效果曲线;
双碳优化调控模块,用于根据各个时间维度的所述减碳措施信息,以所述减碳需求曲线为调控目标,采用寻优算法,对各个时间维度的所述减碳措施进行优化调控,得到调控结果。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的双碳调控方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的双碳调控方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的双碳调控方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261634.3A CN115511201A (zh) | 2022-10-14 | 2022-10-14 | 一种双碳调控方法、装置、电子设备、存储介质及程序产品 |
EP23203186.4A EP4354369A1 (en) | 2022-10-14 | 2023-10-12 | Control method and apparatus for dual carbon, electronic device, storage medium, and program product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261634.3A CN115511201A (zh) | 2022-10-14 | 2022-10-14 | 一种双碳调控方法、装置、电子设备、存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115511201A true CN115511201A (zh) | 2022-12-23 |
Family
ID=84510806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211261634.3A Pending CN115511201A (zh) | 2022-10-14 | 2022-10-14 | 一种双碳调控方法、装置、电子设备、存储介质及程序产品 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP4354369A1 (zh) |
CN (1) | CN115511201A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236906A (zh) * | 2023-11-14 | 2023-12-15 | 国网安徽省电力有限公司经济技术研究院 | 一种适应电-碳市场协同发展的减碳成本分析方法 |
-
2022
- 2022-10-14 CN CN202211261634.3A patent/CN115511201A/zh active Pending
-
2023
- 2023-10-12 EP EP23203186.4A patent/EP4354369A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236906A (zh) * | 2023-11-14 | 2023-12-15 | 国网安徽省电力有限公司经济技术研究院 | 一种适应电-碳市场协同发展的减碳成本分析方法 |
CN117236906B (zh) * | 2023-11-14 | 2024-02-02 | 国网安徽省电力有限公司经济技术研究院 | 一种适应电-碳市场协同发展的减碳成本分析方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4354369A1 (en) | 2024-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Risk-averse stochastic operation of a power system integrated with hydrogen storage system and wind generation in the presence of demand response program | |
Chen et al. | Two market models for demand response in power networks | |
Haidar et al. | New consumer-dependent energy management system to reduce cost and carbon impact in smart buildings | |
CN108268973A (zh) | 不确定两阶段机会约束低碳电力优化规划方法 | |
CN115511201A (zh) | 一种双碳调控方法、装置、电子设备、存储介质及程序产品 | |
CN112308411A (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
Han et al. | Dynamic game optimization control for shared energy storage in multiple application scenarios considering energy storage economy | |
CN110991768A (zh) | 一种电量预测方法和系统 | |
CN110797872A (zh) | 用户侧储能容量配置方法、装置、设备及存储介质 | |
CN117455264A (zh) | 一种农村典型应用场景碳减排综合价值评估方法 | |
Benblidia et al. | Power dispatching in cloud data centers using smart microgrids: A game theory approach | |
CN116485022A (zh) | 园区未来年的碳排放估计方法、装置、设备及介质 | |
CN116843152A (zh) | 面向电力-数据服务的互联网数据中心双层规划方法 | |
Wu | [Retracted] A Model‐Driven Analysis of the Relationship between Innovation and Growth in a Green Low‐Carbon Economy Based on Open Public Data | |
Montanari et al. | Real time market models and prosumer profiling | |
CN108695907A (zh) | 一种微电网多时间尺度优化调度方法 | |
Wang et al. | Electricity and carbon-aware task scheduling in geo-distributed internet data centers | |
CN109740178B (zh) | 多租户数据中心能效优化方法、系统及联合建模方法 | |
CN108270237A (zh) | 基于分布式光伏电源的并网控制以及调度的方法 | |
CN111784409B (zh) | 用于配置削峰措施的模型构建方法、装置、设备及介质 | |
Nøland et al. | Will Energy-Hungry AI Create a Baseload Power Demand Boom? | |
Yang et al. | Multi-Data Center Tie-line Power Smoothing Method Based on Demand Response | |
CN116384675A (zh) | 用于配置数据中心的方法、装置、设备和存储介质 | |
CN117808247A (zh) | 一种零碳排放管理方法、装置、电子设备及存储介质 | |
CN117314190A (zh) | 低碳管控方法、装置、电子设备、介质和程序产品 |
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 |