CN115935132A - 一种基于电网运行的间接碳排放核算方法、装置及介质 - Google Patents
一种基于电网运行的间接碳排放核算方法、装置及介质 Download PDFInfo
- Publication number
- CN115935132A CN115935132A CN202211242239.0A CN202211242239A CN115935132A CN 115935132 A CN115935132 A CN 115935132A CN 202211242239 A CN202211242239 A CN 202211242239A CN 115935132 A CN115935132 A CN 115935132A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power
- node
- power grid
- unit
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于电网运行的间接碳排放核算方法、装置及介质,其特征在于,所述方法包括以下步骤:步骤1,对电网发电侧和输电侧中每一节点的单位碳排放强度进行计算,并基于所述电网的拓扑连接关系构建碳排放强度矩阵;其中,电网发电侧节点的单位碳排放强度基于对该节点上所述火电机组的实际煤耗、蒸汽储能、燃煤燃烧状态确定;步骤2,基于所述电网中每个发电设备和每条输电支路的运行功率、所述碳排放强度矩阵,核算所述电网的碳排放量,以实现对所述电网运行状态的调控。本发明思路清晰,算法准确,计算结果置信度高,为电网的碳排放量提供了有效可靠的依据。
Description
技术领域
本发明涉及电力系统领域,更具体的,涉及一种基于电网运行的间接碳排放核算方法、装置及介质。
背景技术
电力系统是碳排放的主要来源,二氧化碳排放约占全社会碳排放总量的40%左右。随着双碳目标的提出,电力系统面临着前所未有的减碳压力。
然而,电力系统的碳排放相对于其他行业呈现出不同的规律:电力系统的直接碳排放集中在发电侧、输电侧。由于发电侧发电方式种类较多、清洁能源发电与化石能源发电方式并存,发出的电能混合进入电网,造成了电网内部的碳排放归属不清晰、核算难、核算结果不准确等问题。
针对上述问题,亟需一种基于电网运行的间接碳排放核算方法、装置及介质。
发明内容
为解决现有技术中存在的不足,本发明提供一种基于电网运行的间接碳排放核算方法、装置及介质,该方法通过对电力系统中重要的碳排放部分发电侧和输电侧中每个节点的碳排放强度进行分析,从而准确的获取到电网的总碳排放量。
本发明采用如下的技术方案。
本发明第一方面,涉及一种基于电网运行的间接碳排放核算方法,方法包括以下步骤:步骤1,对电网发电侧和输电侧中每一节点的单位碳排放强度进行计算,并基于电网的拓扑连接关系构建碳排放强度矩阵;其中,电网发电侧节点的单位碳排放强度基于对该节点上火电机组的实际煤耗、蒸汽储能、燃煤燃烧状态确定;步骤2,基于电网中每个发电设备和每条输电支路的运行功率、碳排放强度矩阵,核算电网的碳排放量,以实现对电网运行状态的调控。
优选的,电网发电侧的节点包括火电机组发电节点、风电机组发电节点、水力机组发电节点;其中,风电机组发电节点、水力机组发电节点的单位碳排放强度为0。
优选的,第i台火电机组发电节点的单位碳排放强度为
其中,ki为火电机组i单位发电量的煤耗,
Q′net为单位标准燃煤的蒸汽储能,
Qnet为火电机组i中单位实用燃煤的蒸汽储能,
μi为火电机组i中气体传感器的采集度,
Car为火电机组i中燃煤的含碳率,
Ca为火电机组i中燃煤残渣的含碳率,
R为二氧化碳中碳的摩尔比。
优选的,火电机组中单位实用燃煤的蒸汽储能是在火电机组的出力恒定的条件下针对预设时间段内火电机组总燃煤消耗量、总蒸汽储能量计算得到的。
优选的,火电机组中燃煤残渣是基于在线监测与分析装置对燃煤残渣中的特征元素的含量进行实时采集和测算获得的。
优选的,火电机组中气体传感器的采集度是对碳气体浓度进行温度补偿后获取的;其中,温度补偿的补偿参数基于传感器采集的环境温度计算获得。
优选的,输电侧中节点j的单位碳排放强度eTj为
其中,Pkj为节点j的上游节点k向支路k-j中注入的有功功率,
eTk为节点j的上游节点k的单位碳排放强度,
PGj为节点j的上游火电机组的发电功率,
N+为节点j的所有上游节点的集合。
优选的,输电支路的运行功率为
其中,Ui、Uj分别为节点j和节点k的电压幅值,
Kjk为节点j和节点k之间的电压变比,
Gjk为节点j和节点k之间的电导,
θjk为节点j和节点k之间的电压相角差。
优选的,碳排放强度矩阵为ET由电网中所有输电侧节点的单位碳排放强度eTj组合而成。
优选的,电网的碳排放量为
其中,k为电网中的所有支路的集合,取值范围为1至B,t为碳排放的核算时段,取值范围为1至T。
本发明第二方面,涉及一种基于电网运行的间接碳排放核算装置,装置包括处理器和存储介质;其中,存储介质用于存储指令;处理器用于根据指令进行操作以执行根本发明第一方面方法的步骤。
本发明第三方面,涉及一种介质,为计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现本发明第一方面中方法的步骤。
本发明的有益效果在于,与现有技术相比,本发明中一种基于电网运行的间接碳排放核算方法、装置及介质,能够通过对电力系统中重要的碳排放部分发电侧和输电侧中每个节点的碳排放强度进行分析,从而准确的获取到电网的总碳排放量。本发明思路清晰,算法准确,计算结果置信度高,为电网的碳排放量提供了有效可靠的依据。
本发明的有益效果还包括:
1、本发明中在核算火电机组发电量的过程中充分考量了入炉燃煤与标准燃煤的低位发热量的差异,燃煤残渣中的含碳率等参数,并针对上述参数对火电机组的单位煤耗计算过程进行了合理改进。在改进的过程中,克服了火电燃炉中煤炭不完全燃烧、热量无法完全转化成电能所导致的误差对碳排放核算的影响,使得计算结果更为准确。
2、本发明中充分考虑到了各个环节中的碳损耗,例如燃煤不完全燃烧所导致的残渣中的碳残留、放置于火电机组内部的针对碳元素的气体传感器的采集精度不高所导致的碳遗漏,并在此基础上,修改了火电机组的单位碳排放强度,使得火电机组的碳排放量的取值与火电机组的实际碳排放更加一致,为电力系统的安全环保运行、可控调节方案提供了有力支撑和准确依据。
附图说明
图1为本发明一种基于电网运行的碳排放核算方法的步骤流程示意图;
图2为本发明一种基于电网运行的碳排放核算方法中分布式电网的拓扑结构示意图;
图3为本发明一种基于电网运行的碳排放核算方法中分布式电网各个节点单位碳排放强度的时序图。
具体实施方式
为使本发明的目的、技术方案和优点更加清晰,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本发明所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有做出创造性劳动的前提下,根据本发明中记载的实施例而获得的所有其它本发明中未记载的实施例,都应当属于本发明的保护范围。
图1为本发明一种基于电网运行的碳排放核算方法的步骤流程示意图。如图1所示,一种基于电网运行的碳排放核算方法,方法包括步骤1至步骤2。
步骤1,对电网发电侧和输电侧中每一节点的单位碳排放强度进行计算,并基于电网的拓扑连接关系构建碳排放强度矩阵;其中,电网发电侧节点的单位碳排放强度基于对该节点上所述火电机组的实际煤耗、蒸汽储能、燃煤燃烧状态确定。
可以理解的是,电网中对煤炭等含碳物质消耗最大的环节是发电环节,因此,本发明首先针对电网中的电源部分构建碳排放核算模型。本发明考虑到现有技术的分布式电网中,除了传统的火电机组之外,还存在大量的风力发电设备和水力发电设备等新能源机组,而这些机组在实际的发电过程中,是不会产生任何碳排放的,因此,本发明中将这些机组的碳排放量进行了限制。
而火电机组的实际运行煤耗、单位煤耗的蒸汽储能、燃煤燃烧的完全度等情况则根据不同型号、不同使用年限、不同运行状态的火电机组而存在较大的差异,因此本发明中着重探讨了上述参数的采集方式、计算方法的改进,从而提高了核算方法的精确度。这部分内容将在后文中着重描述。
优选的,电网发电侧的节点包括火电机组发电节点、风电机组发电节点、水力机组发电节点;其中,风电机组发电节点、水力机组发电节点的单位碳排放强度为0。
除此之外,火电机组作为电力系统中最为重要的电能来源,同时也是电力系统中最大的碳排放来源。因此,对于火电机组的碳排放量估计的准确与否,决定了本罚命中碳排放核算方法的最终效果。
优选的,第i台火电机组发电节点的单位碳排放强度为
其中,ki为火电机组i单位发电量的煤耗,Q′net为单位标准燃煤的蒸汽储能,Qnet为火电机组i中单位实用燃煤的蒸汽储能,μi为火电机组i中气体传感器的采集度,Car为火电机组i中燃煤的含碳率,Ca为火电机组i中燃煤残渣的含碳率,R为二氧化碳中碳的摩尔比。
可以理解的是,本发明中,为了确保对火电机组的单位碳排放强度进行精准的估算,对现有技术中的公式进行了改进。
首先,考虑到不同火电机组在进行实际发电的过程中,会对类似于标准燃煤的煤炭原料进行破碎、干燥、化验等诸多预处理,因此火电机组在实际的煤炭燃烧过程中,所应用的燃煤并不能够完全等同、或近似于标准燃煤。这里提及的标准燃煤可以是根据燃煤的特性所提供的具有各项标准指标的虚拟燃煤,对于虚拟燃煤进行燃烧仿真试验,可以获得燃煤的热效率等相关指标。在现有技术中,为了方便计算,经常将这类标准燃煤的相关指标直接作为火电机组单位发电量煤耗的计算参数,这种计算过程虽然较为简便,但是导致了大量的误差。当火电机组的实际燃煤情况与标准燃煤的燃烧情况存在较大偏差时,由于火电机组占据了电网中电能供应的最主要比例,这将导致碳排放量估算的重大错误。
另一方面,随着火电机组的型号、产能、功率、使用年限等参数的不同,进入各个火电机组中进行掺烧的煤炭成分也与单一的标准燃煤之间存在一定的差距。因此,本发明中,考虑到实际上进入到火电机组燃煤炉中的实际燃煤的燃烧情况,计算了两者的比例关系并将这一差异记录至煤耗的计算公式中。
优选的,火电机组中单位实用燃煤的蒸汽储能是在火电机组的出力恒定的条件下针对预设时间段内火电机组总燃煤消耗量、总蒸汽储能量计算得到的。
可以理解的是,蒸汽储能可通过发电厂燃煤效率测试获取,根据一段时间内电厂锅炉燃煤量与和所获取的蒸汽储能,完成单位实用燃煤的蒸汽储能计算。为了确保计算结果准确,本发明在测算过程,使得该火电机组的出力保持恒定。
容易理解的是,本发明的方法默认是电网处于稳态运行,也就是每台火电机组的出力均保持恒定时的碳排放核算。然而,实际情况下,每台火电机组的出力未必能够保持恒定,在这种情况下,也可以考虑预先计算出火电机组对应于不同出力情况下的单位实用燃煤的蒸汽储能,从而根据火电机组的出力调节情况,以不同的单位实用燃煤的蒸汽储能的作为加权指标,计算较长时间段内的碳排放强度。根据本发明的思路,当火电机组出力发生调节时,对下文中的计算公式进行相应的调整即可实现类似的碳排放核算。
另外,蒸汽储能是指当燃煤燃烧过程中,储存于水蒸气中的能量,这部分能量会作为电能转化的主要来源。因此,本发明中并不直接考虑燃煤燃烧过程中所产生的所有热量,而只是考虑储存于水蒸气中的低位热量。
进一步的,本发明中除了将燃煤的情况进一步精确化之外,还考虑到燃煤的不完全燃烧的问题。对于部分火电机组来说,由于燃煤存在严重的燃烧不完全的情况,因此现有技术中对于碳排放量的核算会相对于实际指标来说超出很多,这极大影响了电力系统的经济性,使得电网无法充分准确的判断其自身的碳排放量,并导致产能下降等问题。
优选的,火电机组中燃煤残渣是基于在线分析与监测装置对燃煤残渣中的特征元素的含量进行实时采集和测算获得的。
本发明中,这对这种情况进行了改进。通过采集掺烧过后的燃煤残渣,进行抽样测试,检测燃煤残渣和燃煤灰质中的含碳率,并将这种含碳率刨除于碳排放的核算指标中。为了采集燃烧过程中实际产生的炉渣和飞灰,以使得计算的结果更为准确,本发明还安装了在线分析装置,通过在线监测的方式采集电厂燃煤的炉渣和飞灰中所含有的能够表征其含量的特征元素,以及计算这类元素的含量,然后通过在线分析,得到真实准确的计算结果。相比于实验室分析计算出的标准数据来说,实际采集方法更为准确。
除此之外,由于火电机组中配套的二氧化碳、一氧化碳等气体传感器会实时采集含碳气体的浓度,然而这种方式采集的碳气体浓度,受温度影响较大,因此这种采集方式本身也存在一定的误差。为此本发明中采用了在传感器单元增加温度补偿装置的方式,克服了这种问题,同时引入了采集度指标,充分考虑到传感器对于气体采集的不足,这里的采集度,可以理解为基于碳气体浓度的取值进行简单运算(例如加、减、倒数运算等)得到的一个指标,该指标能够表征出传感器实际采集气体的不足程度。
优选的,火电机组中气体传感器的采集度是对碳气体浓度进行温度补偿后获取的;温度补偿的补偿参数基于所述传感器采集的环境温度计算获得。
通常来说,随着温度的升高,二氧化碳、一氧化碳等气体分子的运动速度会升高,因此传感器能够较为轻易的检测到浓度较低的碳气体分子。而当温度降低时,气体分子的活跃程度大幅降低,部分气体分子完全无法被传感器采集到。对于火电机组来说,处于工作状态和非工作状态下的环境温差是非常大的。因此传感器的采集准确度也存在一定偏差。
另一方面,长时间处于使用状态下的气体传感器,也会存在一定程度的温漂现象,对于每一个不同使用寿命的传感器来说,其采集的原始数据中也存在着相对固定的检测误差。
针对这种问题,本发明能够在传感器上增加温度采集装置,采集传感器所在的环境温度。同时,本发明中的温度补偿装置也能够根据当前的环境温度来计算一个补偿参数,该参数能够作为补偿系数与传感器的实际采集值进行加权,或实现类似于加权的数学运算,通过这种方式,就可以避免温度的影响,而使得碳气体的采集浓度更加精确。
本发明中所采用的单位标准燃煤的蒸汽储能的取值可以为2.93076×104千焦每千克。另外,二氧化碳中碳的摩尔比R的取值为44/12。
通过上述方法,本发明中可以计算得到多种不同电网电源的单位碳排放强度,对于这些碳排放强度,以各个电源的实际发电量作为权重,进行求和计算后,就可以获得电网中发电侧的总碳排放量了。
当然,为了综合计算发电侧和输电侧的情况,本发明还需要根据电网潮流,从发电侧出发,向输电侧寻找每一个节点上的碳排放强度。
优选的,输电侧中节点j的单位碳排放强度eTj为
其中,Pkj为节点j的上游节点k向支路k-j中注入的有功功率,eTk为节点j的上游节点k的单位碳排放强度,PGj为节点j的上游火电机组的发电功率,N+为节点j的所有上游节点的集合。
需要说明的是,在电源分布式布置的电网中,电网中各条支路上的潮流流向并不完全一致,因此,在对这类电网进行各个节点上单位碳排放强度的计算过程中,应当判定该节点的所有上游节点的单位碳排放强度指标是否已经为已知量。如果所有上游节点的单位碳排放强度指标为已知量,则可以对于当前的节点进行计算。如果并非已知量,则需要回溯至上游节点,并在计算完成上游节点的指标后,再对当前指标进行计算。
本发明在采用这一计算公式对电网中的众多节点进行运算时,也根据上文中描述的规则,对于节点的条件预先进行判定,当该节点的所有上游节点的指标为已知量后,才判定当前节点符合预设条件,并能够实现指标的计算。通过这种方式,本发明能够最大的节约计算机运算的能力,并快速的获取计算结果。
步骤2,基于电网中每个发电设备和每条输电支路的运行功率、碳排放强度矩阵,核算电网的碳排放量,以实现对电网运行状态的调控。
在对每一个节点的指标进行计算后,通过电网的拓扑结构,就可以构建多个节点之间的关联矩阵,并生成相应的碳排放强度矩阵。
优选的,输电支路的运行功率为
其中,Ui、Uj分别为节点j和节点k的电压幅值,Kjk为节点j和节点k之间的电压变比,Gjk为节点j和节点k之间的电导,θjk为节点j和节点k之间的电压相角差。
可以理解的是,本发明中的输电支路的运行功率可以根据输电支路上支路终端的两个节点上相应该支路的流入流出功率的差值进行获取。因此,根据电网潮流的通用运算方法,可以求解得到该支路的运行功率值。
优选的,碳排放强度矩阵为ET由电网中所有输电侧节点的单位碳排放强度eTj组合而成。类似于碳排放强度矩阵,本发明中也可以获取到节点之间的各个支路所形成的运行功率矩阵。
优选的,电网的碳排放量为
其中,k为电网中的所有支路的集合,取值范围为1至B,t为碳排放的核算时段,取值范围为1至T。
根据上述两个矩阵中的取值,进行加权求和,最终可以得到电网在一个较长的时间段下的总的碳排放量。
图2为本发明一种基于电网运行的碳排放核算方法中分布式电网的拓扑结构示意图。如图2所示,本发明一实施例中包括了图中的网络拓扑结构。由于节点3上设置的电源为风电机组,其碳排放强度为0,而同时1、2、6、8上接入有火电机组,并且机组的燃煤含碳率为0.85。采用本发明中的方式对该实际燃煤的单位蒸汽储能进行计算,获得该指标为2.472×104千焦每千克。燃烧后的残渣含碳率为2%,由此计算得到节点1和8的单位煤耗为2.43kg/kWh,而节点2和6上的发电煤耗则为1.46kg/kWh。由此分别得到不同节点上的碳排放强度为876克每千瓦时、526克每千瓦时。
图3为本发明一种基于电网运行的碳排放核算方法中分布式电网各个节点单位碳排放强度的时序图。如图3所示,在该电网中,对于各个不同节点上的碳排放强度进行计算,可以发现,部分发电机组所在的节点上呈现出较强的稳定性,其碳排放强度不随时间的变化而变化,另外部分支路上存在的节点则因为负载变化等因素,表现出了较强的峰谷特性。因此,通过本发明中的核算结果,能够合理的调控电网中各个节点的碳排放程度,使其不仅能够适应负荷用电的需求,也能够满足较低碳排放的规定。具体来说,当碳排放核算结果超过预设指标时,就降低部分火电机组的发电量,更新火电机组的碳排放发电效率或优化输电侧网络拓扑结构,以提高碳排放效率。
本发明第二方面,涉及一种基于电网运行的碳排放核算装置,装置包括处理器和存储介质;其中,存储介质用于存储指令;处理器用于根据指令进行操作以执行根据本发明第一方面中所述方法的步骤。
可以理解的是,基于电网运行的碳排放核算装置为了实现上述本申请实施例提供的方法中的各功能,包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对基于电网运行的碳排放核算装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
装置包括至少一个处理器,总线系统以及至少一个通信接口。
处理器可以是中央处理器(Central Processing Unit,CPU),还可以由现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)、专用集成电路(Application-specific integrated circuit,ASIC)或其他硬件代替,或者,FPGA或其他硬件与CPU共同作为处理器。
存储器可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-onlymemory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
硬盘可以为机械盘或固态硬盘(Solid State Drive,SSD)等。接口卡可以是主机总线适配器(Host Bus Adapter,HBA)、独立硬盘冗余阵列卡(Redundant ArrayofIndependent Disks,RID)、扩展器卡(Expander)或网络接口控制器(NetworkInterfaceController,NIC)等,本发明实施例对此不作限定。硬盘模组中的接口卡与硬盘通信。存储节点与硬盘模组的接口卡通信,从而访问硬盘模组中的硬盘。
硬盘的接口可以为串行连接小型计算机系统接口(Serial AttachedSmallComputer System Interface,SAS)、串行高级技术附件(Serial AdvancedTechnologyAttachment,SATA)或高速串行计算机扩展总线标准(PeripheralComponentInterconnect express,PCIe)等。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本发明第三方面,涉及一种介质,为计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面方法的步骤。
计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,简称DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solidstatedisk,简称SSD))等。
本发明的有益效果在于,与现有技术相比,本发明中一种基于电网运行的碳排放核算方法、装置及介质,能够通过对电力系统中重要的碳排放部分发电侧和输电侧中每个节点的碳排放强度进行分析,从而准确的获取到电网的总碳排放量。本发明思路清晰,算法准确,计算结果置信度高,为电网的碳排放量提供了有效可靠的依据。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种基于电网运行的间接碳排放核算方法,其特征在于,所述方法包括以下步骤:
步骤1,对电网发电侧和输电侧中每一节点的单位碳排放强度进行计算,并基于所述电网的拓扑连接关系构建碳排放强度矩阵;其中,电网发电侧节点的单位碳排放强度基于对该节点上所述火电机组的实际煤耗、蒸汽储能、燃煤燃烧状态确定;
步骤2,基于所述电网中每个发电设备和每条输电支路的运行功率、所述碳排放强度矩阵,核算所述电网的碳排放量,以实现对所述电网运行状态的调控。
2.根据权利要求1中所述的一种基于电网运行的间接碳排放核算方法,其特征在于:
所述电网发电侧的节点包括火电机组发电节点、风电机组发电节点、水力机组发电节点;
其中,所述风电机组发电节点、水力机组发电节点的所述单位碳排放强度为0。
4.根据权利要求3中所述的一种基于电网运行的间接碳排放核算方法,其特征在于:
所述火电机组中单位实用燃煤的蒸汽储能是在所述火电机组的出力恒定的条件下针对预设时间段内所述火电机组总燃煤消耗量、总蒸汽储能量计算得到的。
5.根据权利要求4中所述的一种基于电网运行的间接碳排放核算方法,其特征在于:
所述火电机组中燃煤残渣是基于在线监测与分析装置对所述燃煤残渣中的特征元素的含量进行实时采集和测算获得的。
6.根据权利要求5中所述的一种基于电网运行的间接碳排放核算方法,其特征在于:
所述火电机组中气体传感器的采集度是对碳气体浓度进行温度补偿后获取的;
其中,所述温度补偿的补偿参数基于所述传感器采集的环境温度计算获得。
9.根据权利要求8中所述的一种基于电网运行的间接碳排放核算方法,其特征在于:
所述碳排放强度矩阵为ET由所述电网中所有输电侧节点的单位碳排放强度eTj组合而成。
11.一种基于电网运行的间接碳排放核算装置,其特征在于:
所述装置包括处理器和存储介质;其中,
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-10任一项所述方法的步骤。
12.一种介质,为计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211242239.0A CN115935132A (zh) | 2022-10-11 | 2022-10-11 | 一种基于电网运行的间接碳排放核算方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211242239.0A CN115935132A (zh) | 2022-10-11 | 2022-10-11 | 一种基于电网运行的间接碳排放核算方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115935132A true CN115935132A (zh) | 2023-04-07 |
Family
ID=86653270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211242239.0A Pending CN115935132A (zh) | 2022-10-11 | 2022-10-11 | 一种基于电网运行的间接碳排放核算方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115935132A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
-
2022
- 2022-10-11 CN CN202211242239.0A patent/CN115935132A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407967A (zh) * | 2023-12-15 | 2024-01-16 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
CN117407967B (zh) * | 2023-12-15 | 2024-03-22 | 成都航空职业技术学院 | 一种集成房屋的碳排放监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458724B (zh) | 一种基于神经网络预测火电机组深度调峰能力的方法 | |
CN115935132A (zh) | 一种基于电网运行的间接碳排放核算方法、装置及介质 | |
CN112881938B (zh) | 一种严重高温环境下避雷器寿命指征试验评估方法 | |
CN114757380A (zh) | 一种火电厂故障预警系统、方法、电子设备及存储介质 | |
CN110932320A (zh) | 自动发电控制系统分布式模型预测控制器设计方法 | |
CN105573261A (zh) | 一种电厂锅炉燃烧的优化监控方法 | |
WO2014203376A1 (ja) | 電力系統監視制御装置および電力系統監視制御方法 | |
CN109858125B (zh) | 一种基于径向基神经网络的火电机组供电煤耗计算方法 | |
CN116993388A (zh) | 一种电力系统中动态碳排放因子的确认方法及系统 | |
CN102226772A (zh) | 电厂锅炉飞灰含碳量测量装置 | |
CN103914063A (zh) | 回转式空预器在线性能诊断系统及方法 | |
Chen et al. | Application of deep learning modelling of the optimal operation conditions of auxiliary equipment of combined cycle gas turbine power station | |
EP2644850B1 (en) | A system for analyzing operation of power plant units and a method for analyzing operation of power plant units | |
CN201965099U (zh) | 电厂锅炉飞灰含碳量测量装置 | |
CN112800672B (zh) | 锅炉粘污系数的评估方法、系统、介质及电子设备 | |
Sultanov et al. | Electrical generator unit technical and economic indexes parameter study | |
CN111985681A (zh) | 数据预测方法、模型训练方法、装置、设备 | |
Zheng et al. | Prediction of NOx concentration from coal combustion using LS-SVR | |
Kanchan et al. | Revolutionizing Renewable Sources of Energy using IoT: Impact and Challenges | |
Zhao et al. | Thermodynamic Performance Study on the 600 MW Direct Air-Cooled Power Plant | |
Xiong et al. | Application of improved particle swarm algorithm to power source capacity optimization in multi-energy industrial parks | |
CN111445131B (zh) | 一种锅炉的调整操作评价方法及相关设备 | |
Zhang et al. | Energy consumption and carbon emission measurement online detection method based on hybrid particle swarm optimization algorithm | |
KR102393137B1 (ko) | 풍력 발전기의 기여도 산출방법 및 그 기록매체 | |
Song et al. | Neural Network-based Modeling or Boiler Combustion Control System for Power Generation |
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 |