CN115829620A - 一种考虑碳排放成本的燃煤机组动态发电成本预测方法 - Google Patents
一种考虑碳排放成本的燃煤机组动态发电成本预测方法 Download PDFInfo
- Publication number
- CN115829620A CN115829620A CN202211166397.2A CN202211166397A CN115829620A CN 115829620 A CN115829620 A CN 115829620A CN 202211166397 A CN202211166397 A CN 202211166397A CN 115829620 A CN115829620 A CN 115829620A
- Authority
- CN
- China
- Prior art keywords
- cost
- unit
- power generation
- curve
- coal
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电力行业的运行监测技术领域,且公开了一种考虑碳排放成本的燃煤机组动态发电成本预测方法,本方法通过对历史数据进行挖掘,建立了燃煤度电成本实时预测模型。区别于已有的实时成本预测方法,本方法考虑了实时碳排放成本的影响,在实时发电成本预测中更贴近实际,预测结果更准确,通过数据挖掘,建立动态预测模型,实现燃煤发电成本的动态预测考虑碳排放成本的影响,对燃煤机组动态成本进行预测,为发电企业在电力市场中的市场报价和机组经济优化运行提供数据支撑,可有效促进发电企业控制和降低生产成本。对于提高企业在市场条件下的竞争力,全面提高企业经济效益具有十分重要的现实意义。
Description
技术领域
本发明涉及电力行业的运行监测技术领域,具体为一种考虑碳排放成本的燃煤机组动态发电成本预测方法。
背景技术
随着电力市场改革的不断推进和深化,燃煤发电企业将只能通过参与电力市场竞价获得上网发电的机会,实现燃煤机组动态发电成本预测是适应电力市场化改革的最有效途径。目前,我国燃煤发电企业在生产成本核算方面主要用到的是“后核算”,实时发电成本计算方法仅存于理论研究。
“后核算”通常以历史月度、季度或年度的实际运行数据为基础,计算发电总成本和相应的单位平均成本。发电成本一般分为可变成本和固定成本。
“后核算”计算总成本和单位平均成本的方式只能反映企业生产成本的总体水平和总体轮廓,显然不能满足并网竞价条件下不同时段竞价的要求。
现有技术将可变成本与总成本的比例固定为85%,同时考虑了环境成本,在一定程度上能满足并网竞价的要求,但其按照固定比例进行估算的方式,将受机组性能、人均GDP、社会生活水平等因素的影响,准确性将大打折扣。同时在考虑环境成本时,粗略地以统计学上的经济损失反映燃煤发电成本的污染物排放成本,与发电企业的实际情况可能存在较大偏差。
而度电成本与边际成本在考虑可变成本时,虽考虑了环保税、排污费,但未考虑碳排放的成本。
燃煤机组的发电成本实际上是在不同的时间、不同的生产条件和发电机组所承载的不同负荷下动态变化的。而“后核算”的计算方法以统计的发电成本仅用于反映企业某一段时间的生产成本,无法反映成本的动态变化,无法为上网竞价提供数据支持。
随着碳市场的不断发展成熟,企业碳排放的成本在发电成本中已成为不可忽视重要因素,在考虑实时成本预测时,也应将实时碳排放成本考虑进去。而现有的实时预测方法中,对碳排放的成本的考虑不周全或与发电企业实际情况存在差距。
发明内容
针对现有技术的不足,本发明提供了一种考虑碳排放成本的燃煤机组动态发电成本预测方法,考虑碳排放成本的影响,对燃煤机组动态成本进行预测,为发电企业在电力市场中的市场报价和机组经济优化运行提供数据支撑,可有效促进发电企业控制和降低生产成本。对于提高企业在市场条件下的竞争力,全面提高企业经济效益具有十分重要的现实意义,解决了现有的实时预测方法中,对碳排放的成本的考虑不周全或与发电企业实际情况存在差距的问题。
为实现上述目的,本发明提供如下技术方案:一种考虑碳排放成本的燃煤机组动态发电成本预测方法,包括以下步骤:步骤一、数据获取;步骤二、数据挖掘与拟合;步骤三、成本预测;
在上述步骤一中,筛选出稳定工况下锅炉、汽轮机的重要运行参数,计算出机组实时煤耗,同时筛选符合工况要求,测点准确的二氧化碳排放量的监测数据,计算出不同负荷率下,机组的实时碳排放强度;
在上述步骤二中,数据挖掘与拟合还包括如下内容:
1)通过二次线性回归拟合法,拟合出负荷率与煤耗以及负荷率与碳排放强度的关系,得到关系中的系数A、B、C以及A1、B1、C1。并用拟合度指标去判定曲线的拟合程度,在95%的置信水平下,拟合度大于80%,则认为拟合程度好;
2)考虑到拟合的曲线与样本数据有关,因此在采集到新的样本后应迭代更新最新的拟合曲线,并代入到下述步骤,迭代更新成本预测模型;
其中,负荷与煤耗拟合曲线为y=Ax2+Bx+C;
负荷与碳排放强度拟合曲线为y1=A1x2+B1x+C1;
在上述步骤三中,成本预测还包括如下内容:
1)首先将获取的燃煤价格P1、燃煤热值Q、未来碳价P2,作为成本预测模型的输入变量;
2)然后按现有常规方法计算出机组单位供电量所供热量配额Ah(按最新的发电企业配额计算公式计算)、单位发电量燃油成本、单位发电量发电用水成本、单位发电量脱硫剂和脱硝剂成本、单位发电量购电成本以及SO2、NOx、粉尘等排污费平均到单位发电量的成本、小时固定成本Z;
3)利用上述输入变量和其他成本计算结果将步骤二2)中拟合的曲线,转化为单位供电量的燃料成本与负荷之间的关系以及单位供电量的碳排放成本与负荷之间的关系曲线;
其中,单位电量供电燃料成本曲线为y2=(Ax2+Bx+C)*1000*P1*29307/(Q*4.1858);
4)将单位电量供电燃料成本以及单位供电量二氧化碳排放成本以及其他变动成本V相加得到单位变动总成本y4=y2+y3+V。
5)将单位变动成本乘以单位小时发电量x并加上单位小时固定成本后得到单位小时的供电总成本曲线y5=(y2+y3+V)*x+Z;
6)对单位小时的供电总成本曲线求导获得边际成本曲线,对单位小时的供电总成本曲线除以单位小时发电量得到度电成本曲线;
度电成本曲线为y7=y2+y3+V+Z/x;
7)在得到度电成本曲线后,机组可根据实时负荷或预测负荷曲线,获得实时的发电成本或预测的发电成本,在得到边际成本曲线后,机组可获得多发1kWh的电量所增加的成本,两者皆为机组在电力市场中的市场报价和机组经济优化运行提供数据支撑。
进一步的,所述步骤三4)中,V为其他变动成本,包括单位发电量燃油成本、单位发电量发电用水成本、单位发电量购电成本以及SO2、NOx、粉尘等排污费平均到单位发电量的成本。
进一步的,所述步骤二2)中,以三个月为一个周期,进行拟合曲线的迭代更新。
进一步的,所述步骤三2)中,机组单位供电量所供热量配额Ah按最新的发电企业配额计算公式计算。
进一步的,所述步骤三2)中,根据财务系统中的年固定成本Z1进行统计求平均得到小时固定成本Z。
综上所述,本发明具有以下有益效果:
本发明通过对历史数据进行挖掘,建立了燃煤度电成本实时预测模型。区别于已有的实时成本预测方法,本方法考虑了实时碳排放成本的影响,在实时发电成本预测中更贴近实际,预测结果更准确。
本发明通过将可变成本、固定成本进行拆解,利用现有的会计账务系统中取得成本计算所需的基础数据,并从实时运行中取到的燃料、水、油、脱硫剂、脱硝剂等数据,并结合实时碳排放数据和碳配额分配机制,通过数据挖掘,建立动态预测模型,实现燃煤发电成本的动态预测。
附图说明
图1为本发明提供的一种考虑碳排放成本的燃煤机组动态发电成本预测方法的方法流程图。
具体实施方式
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,都属于本发明保护的范围。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
请参阅图1,本发明提供了如下实施例:
一种考虑碳排放成本的燃煤机组动态发电成本预测方法,包括以下步骤:
步骤一、数据获取;步骤二、数据挖掘与拟合;步骤三、成本预测;
在上述步骤一中,筛选出稳定工况下锅炉、汽轮机的重要运行参数,计算出机组实时煤耗,同时筛选符合工况要求,测点准确的二氧化碳排放量的监测数据,计算出不同负荷下,机组的实时碳排放强度;
在上述步骤二中,数据挖掘与拟合还包括如下内容:
1)通过二次线性回归拟合法,拟合出负荷与煤耗以及负荷与碳排放强度的关系,得到关系中的系数A、B、C以及A1、B1、C1。并用拟合度指标去判定曲线的拟合程度,在95%的置信水平下,拟合度大于80%,则认为拟合程度好;
2)考虑到拟合的曲线与样本数据有关,因此在采集到新的样本后应迭代更新最新的拟合曲线,并代入到下述步骤,迭代更新成本预测模型,以三个月为一个周期,进行拟合曲线的迭代更新;
其中,负荷与煤耗拟合曲线为y=Ax2+Bx+C;
负荷与碳排放强度拟合曲线为y1=A1x2+B1x+C1;
在上述步骤三中,成本预测还包括如下内容:
1)首先将获取的燃煤价格P1、燃煤热值Q、未来碳价P2,作为成本预测模型的输入变量;
2)然后按现有常规方法计算出机组单位供电量所供热量配额Ah(按最新的发电企业配额计算公式计算)、单位发电量燃油成本、单位发电量发电用水成本、单位发电量脱硫剂和脱硝剂成本、单位发电量购电成本以及SO2、NOx、粉尘等排污费平均到单位发电量的成本、小时固定成本Z;
3)利用上述输入变量和其他成本计算结果将步骤二2)中拟合的曲线,转化为单位供电量的燃料成本与负荷之间的关系以及单位供电量的碳排放成本与负荷之间的关系曲线;
其中,单位电量供电燃料成本曲线为y2=(Ax2+Bx+C)*1000*P1*29307/(Q*4.1858);
4)将单位电量供电燃料成本以及单位供电量二氧化碳排放成本以及其他变动成本V相加得到单位变动总成本y4=y2+y3+V。
5)将单位变动成本乘以单位小时发电量x并加上单位小时固定成本后得到单位小时的供电总成本曲线y5=(y2+y3+V)*x+Z;
6)对单位小时的供电总成本曲线求导获得边际成本曲线,对单位小时的供电总成本曲线除以单位小时发电量得到度电成本曲线;
度电成本曲线为y7=y2+y3+V+Z/x;
7)在得到度电成本曲线后,机组可根据实时负荷率或预测负荷曲线,获得实时的发电成本或预测的发电成本,在得到边际成本曲线后,机组可获得多发1kWh的电量所增加的成本,两者皆为机组在电力市场中的市场报价和机组经济优化运行提供数据支撑。
基于上述,本发明考虑碳排放成本的影响,对燃煤机组动态成本进行预测,为发电企业在电力市场中的市场报价和机组经济优化运行提供数据支撑,可有效促进发电企业控制和降低生产成本。对于提高企业在市场条件下的竞争力,全面提高企业经济效益具有十分重要的现实意义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种考虑碳排放成本的燃煤机组动态发电成本预测方法,包括以下步骤:步骤一、数据获取;步骤二、数据挖掘与拟合;步骤三、成本预测;其特征在于:
在上述步骤一中,筛选出稳定工况下锅炉、汽轮机的重要运行参数,计算出机组实时煤耗,同时筛选符合工况要求,测点准确的二氧化碳排放量的监测数据,计算出不同负荷率下,机组的实时碳排放强度;
在上述步骤二中,数据挖掘与拟合还包括如下内容:
1)通过二次线性回归拟合法,拟合出负荷与煤耗以及负荷与碳排放强度的关系,得到关系中的系数A、B、C以及A1、B1、C1;
2)在采集到新的样本后迭代更新最新的拟合曲线,并代入到下述步骤,迭代更新成本预测模型;
其中,负荷与煤耗拟合曲线为y=Ax2+Bx+C;
负荷与碳排放强度拟合曲线为y1=A1x2+B1x+C1;
在上述步骤三中,成本预测还包括如下内容:
1)首先将获取的燃煤价格P1、燃煤热值Q、未来碳价P2,作为成本预测模型的输入变量;
2)然后按现有常规方法计算出机组单位供电量所供热量配额Ah(按最新的发电企业配额计算公式计算)、单位发电量燃油成本、单位发电量发电用水成本、单位发电量脱硫剂和脱硝剂成本、单位发电量购电成本以及SO2、NOx、粉尘等排污费平均到单位发电量的成本、小时固定成本Z;
3)利用上述输入变量和其他成本计算结果将步骤二2)中拟合的曲线,转化为单位供电量的燃料成本与负荷之间的关系以及单位供电量的碳排放成本与负荷之间的关系曲线;
其中,单位电量供电燃料成本曲线为y2=(Ax2+Bx+C)*1000*P1*29307/(Q*4.1858);
单位供电量二氧化碳排放成本曲线为y3=1000*[(Ae+Ah)-(A1x2+B1x+C1)]*P2;
4)将单位电量供电燃料成本以及单位供电量二氧化碳排放成本以及其他变动成本V相加得到单位变动总成本y4=y2+y3+V。
5)将单位变动成本乘以单位小时发电量x并加上单位小时固定成本后得到单位小时的供电总成本曲线y5=(y2+y3+V)*x+Z;
6)对单位小时的供电总成本曲线求导获得边际成本曲线,对单位小时的供电总成本曲线除以单位小时发电量得到度电成本曲线;
度电成本曲线为y7=y2+y3+V+Z/x;
7)在得到度电成本曲线后,机组可根据实时负荷率或预测负荷曲线,获得实时的发电成本或预测的发电成本。
2.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤二1)中,用拟合度指标去判定曲线的拟合程度。
3.根据权利要求3所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:在95%的置信水平下,拟合度大于80%,则认为拟合程度好。
4.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤二2)中,以三个月为一个周期,进行拟合曲线的迭代更新。
5.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤二2)中,在采集到新的样本后迭代更新最新的拟合曲线是考虑到拟合的曲线与样本数据有关。
6.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤三2)中,机组单位供电量所供热量配额Ah按最新的发电企业配额计算公式计算。
7.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤三4)中,V为其他变动成本,包括单位发电量燃油成本、单位发电量发电用水成本、单位发电量购电成本以及SO2、NOx、粉尘等排污费平均到单位发电量的成本。
8.根据权利要求7所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤三2)中,根据财务系统中的年固定成本Z1进行统计求平均得到小时固定成本Z。
9.根据权利要求1所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:所述步骤三6)中,在得到边际成本曲线后,机组可获得多发1kWh的电量所增加的成本。
10.根据权利要求9所述的一种考虑碳排放成本的燃煤机组动态发电成本预测方法,其特征在于:边际成本和多发1kWh的电量所增加的成本皆为机组在电力市场中的市场报价和机组经济优化运行提供数据支撑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211166397.2A CN115829620A (zh) | 2022-09-23 | 2022-09-23 | 一种考虑碳排放成本的燃煤机组动态发电成本预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211166397.2A CN115829620A (zh) | 2022-09-23 | 2022-09-23 | 一种考虑碳排放成本的燃煤机组动态发电成本预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115829620A true CN115829620A (zh) | 2023-03-21 |
Family
ID=85523906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211166397.2A Pending CN115829620A (zh) | 2022-09-23 | 2022-09-23 | 一种考虑碳排放成本的燃煤机组动态发电成本预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115829620A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196683A (zh) * | 2023-09-26 | 2023-12-08 | 国网宁夏电力有限公司 | 基于lstm的火电企业月内滚动撮合交易竞价系统 |
-
2022
- 2022-09-23 CN CN202211166397.2A patent/CN115829620A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196683A (zh) * | 2023-09-26 | 2023-12-08 | 国网宁夏电力有限公司 | 基于lstm的火电企业月内滚动撮合交易竞价系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Weigt et al. | Price formation and market power in the German wholesale electricity market in 2006 | |
Sioshansi | Retail electricity tariff and mechanism design to incentivize distributed renewable generation | |
Tveten et al. | Solar feed-in tariffs and the merit order effect: A study of the German electricity market | |
Cullen | Measuring the environmental benefits of wind-generated electricity | |
Milligan | Modelling utility‐scale wind power plants. Part 2: Capacity credit | |
CN112465614B (zh) | 一种燃煤发电企业一日经营核算系统与方法 | |
Escobar et al. | Profitability of self-consumption solar PV system in Spanish households: A perspective based on European regulations | |
Weiss et al. | Market designs for a 100% renewable energy system: Case isolated power system of Israel | |
CN115018230A (zh) | 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法 | |
EP4086835A1 (en) | Dynamic non-linear optimization of a battery energy storage system | |
Günther et al. | Prosumage of solar electricity: Tariff design, capacity investments, and power sector effects | |
CN112381268B (zh) | 一种面向电力现货市场的短期燃煤成本预测方法及系统 | |
CN115829620A (zh) | 一种考虑碳排放成本的燃煤机组动态发电成本预测方法 | |
CN111275282A (zh) | 一种火电厂实时成本分析与资源配置优化系统及方法 | |
CN116362584A (zh) | 一种基于用户侧储能容量配置的经济性分析方法 | |
CN112132309A (zh) | 可再生能源发电配额制下售电公司购售电优化方法和系统 | |
Yin et al. | Integrating more renewable electricity into the power system may increase carbon emissions | |
Yu et al. | Research on the investment decisions of PV micro‐grid enterprises under carbon trading mechanisms | |
Cullen et al. | Market dynamics and investment in the electricity sector | |
CN107045660B (zh) | 一种电站热耗煤耗建模评估方法 | |
CN115496378B (zh) | 一种计入风能减排效益的电力系统经济调度方法 | |
Milligan | Modelling utility‐scale wind power plants. Part 1: Economics | |
CN113592507B (zh) | 一种电力现货交易月度收益仿真分析方法及装置 | |
Ela et al. | Long-term resource adequacy, long-term flexibility requirements, and revenue sufficiency | |
CN114580941A (zh) | 市场环境下电力系统的规划评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |