CN115936367A - 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置 - Google Patents

一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置 Download PDF

Info

Publication number
CN115936367A
CN115936367A CN202211566221.6A CN202211566221A CN115936367A CN 115936367 A CN115936367 A CN 115936367A CN 202211566221 A CN202211566221 A CN 202211566221A CN 115936367 A CN115936367 A CN 115936367A
Authority
CN
China
Prior art keywords
new energy
carbon emission
power
user
responsibility
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
Application number
CN202211566221.6A
Other languages
English (en)
Inventor
胡伟
沈煜
孔祥玉
杨帆
雷杨
杨志淳
卢文棋
刘茂
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.)
Tianjin University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Tianjin University
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei 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 Tianjin University, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Tianjin University
Priority to CN202211566221.6A priority Critical patent/CN115936367A/zh
Publication of CN115936367A publication Critical patent/CN115936367A/zh
Pending legal-status Critical Current

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

一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置，所述方法包括：根据用户清洁电能的使用量，对用户进行碳排放的责任分摊；考虑出力功率波动、预测准确等因素，评估新能源出力的可靠性；搭建具有不同优化目标的模型，分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标；通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。本发明能公平考虑多个主体在碳排放方面的责任与贡献分摊，降低新能源功率波动，减少新能源弃电，提高清洁能源的消纳水平以减少碳排放量，在高比例新能源接入的配电网中实现兼顾安全、经济与碳环保的公平优化调度。

Description

一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法 及装置
技术领域
本发明涉及清洁新能源消纳与优化调度领域，具体是一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置。
背景技术
过度碳排放导致全球变暖，严重威胁地球未来可持续发展。风电、光电等新能源发电具有清洁、污染少等优点，但同时也存在着很强的波动性和不确定性，需要制定合理的调度计划，使得用户参与需求响应，帮助新能源进行安全经济的平滑消纳。但是，现有的电力市场机制没有清晰划分不同主体之间的责任，尤其在考虑碳排放责任时，无法保证电能市场交易的公平，不利于各方积极主动配合调度。因此，需要进行不同主体之间的碳排放责任分摊，在调度优化时综合考虑碳排放、安全运行与经济优化的结合，保证新能源发电商、电力用户和配电网等多个主体的利益。
在进行高比例新能源的消纳时，现有研究主要集中于市场机制、优化调度和需求响应挖掘。0建立了去中心化的两层交易机制，使得大量不同类型小用户可以直接参与市场交易。0基于P2P建立市场，利用可连续调整的负荷匹配波动的光伏，减少新能源弃电。0提出的分布电能交易市场充分利用电动汽车资源，进行高精准度和低成本的负荷调控。以上研究多集中于通过需求响应提高交易经济性，很少涉及安全、低碳环境等方面的优化调度。0基于区间估计，从单目标优化扩展到多目标优化，联合考虑了安全、经济和电能质量问题。0提出了混合经济环境优化模型，用贝叶斯模型简化CEF碳排放模型。0研究了双边碳税收机制，尝试将碳成本转移到终端用户侧。但是，上述研究依然面临一个严峻挑战：没有明确划分主体的多项责任，无法保证长期交易的公平性，不利于激发用户需求响应潜力，无法实现经济、安全和环保的联合优化。
参考文献
0F.Luo,Z.Y.Dong,G.Liang,J.Murata and Z.Xu,"A Distributed ElectricityTradingSystem in Active Distribution Networks Based on Multi-Agent Coalitionand Blockchain,"inIEEE Transactions on Power Systems,vol.34,no.5,pp.4097-4108,Sept.2019.
0Z.Zhang,R.Li and F.Li,"A Novel Peer-to-Peer Local Electricity Marketfor JointTrading of Energy and Uncertainty,"in IEEE Transactions on SmartGrid,vol.11,no.2,pp.
1205-1215,March 2020.
0Y.Li and B.Hu,"An Iterative Two-Layer Optimization Charging andDischargingTrading Scheme for Electric Vehicle Using Consortium Blockchain,"in IEEE Transactionson Smart Grid,vol.11,no.3,pp.2627-2637,May 2020.
0Kong.Xiangyu,Kong.Deqian,Yao.Jingtao,"8.Online pricing of demandresponsebased on long short-term memory and reinforcement learning,"inApplied Energy,vol.271,pp.114945,Aug 2020.
0Y.Li,P.Wang,"Multi-Objective Optimal Dispatch of Microgrid UnderUncertaintiesvia Interval Optimization,"in IEEE Transactions on Smart Grid,vol.10,no.2,pp.2046-2058,March 2019.
发明内容
本发明的目的在于提供一种基于考虑多主体碳排放责任分摊的新能源消纳优化调度方法，能公平考虑新能源发电商和用户在碳排放方面的责任与贡献，推动各主体积极参与新能源消纳调度，便于在高比例新能源接入的配网中实现兼顾安全、经济与碳环保的公平优化调度。
为解决上述技术问题，本发明采用如下技术方案：
一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法，包括以下步骤：
根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子；
对新能源发电商的可靠性进行评估，得到新能源可靠性因子；
分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括配网层安全优化模型、区域碳排放控制优化模型、新能源设备经济优化模型以及电力用户的优化模型，并将所述碳排放责任因子和所述新能源可靠性因子作为参数加入目标方程中；
基于所搭建的具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。
进一步的，所述根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子，包括如下步骤：
根据用户节点的固有特性及连接支路数，确定各个用户节点的碳排放参数
Figure BDA0003986681210000021
和
Figure BDA0003986681210000022
其中，
Figure BDA0003986681210000023
和
Figure BDA0003986681210000024
分别表示支路电流和用户节点注入功率的碳排放强度系数；
引入碳排放流模型，该模型利用需求侧的节点功率计算相关的碳排放强度，根据各个节点流入的负荷有功功率和碳排放参数，计算节点碳排放量：
Figure BDA0003986681210000025
其中，对于t时刻的用户节点j，
Figure BDA0003986681210000026
指用户负荷用能带来的节点碳排放强度，
Figure BDA0003986681210000027
表示支路流过功率，
Figure BDA0003986681210000028
表示该节点注入的发电量；
根据碳排放比例共享原则，使用全部范围内用户节点碳排放量，计算各个用户节点对应的碳减排比重，即该用户碳减排量所占总用户碳减排量的比重：
Figure BDA0003986681210000029
其中，
Figure BDA00039866812100000210
指用户j在t时刻的碳排放责任因子，
Figure BDA00039866812100000211
指用户节点用能功率；
基于用户的需求响应特性，计算碳排放责任因子αj来综合评估用户在调度过程中所做的贡献，责任因子考虑了用户在需求响应和碳减排方面的意愿和能力，由两部分组成，第一部分是用户通过调整能源消耗来弥补新能源输出的不足，减少新能源的弃电和功率波动，第二部分代表用户对减少碳排放的贡献：
Figure BDA0003986681210000031
Figure BDA0003986681210000032
Figure BDA0003986681210000033
Figure BDA0003986681210000034
其中，对于时刻t的用户i，
Figure BDA0003986681210000035
是指需求响应功率；
Figure BDA0003986681210000036
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000037
表示用户的实际耗电量。
进一步的，所述对新能源发电商的可靠性进行评估，得到新能源可靠性因子，包括如下步骤：
根据新能源预测出力与新能源实际可出力功率数据，计算新能源出力的预测准确性因子
Figure BDA0003986681210000038
Figure BDA0003986681210000039
其中，对t时刻的新能源发电商i，
Figure BDA00039866812100000310
为预测新能源出力功率，
Figure BDA00039866812100000311
为实际新能源出力功率；
根据新能源相邻两时刻的出力功率，计算新能源的有功功率出力波动因子：
Figure BDA00039866812100000312
根据新能源的清洁能源发电量，按出力比重，计算各个新能源发电商在碳排放减少量中的贡献：
Figure BDA00039866812100000313
其中，
Figure BDA00039866812100000314
指新能源发电商由清洁能源供能带来的碳减排强度因子，
Figure BDA00039866812100000315
为t时刻新能源发电商i的发电量；
基于马氏距离的思想计算新能源发电商的可靠性因子ri：
Figure BDA00039866812100000316
Figure BDA00039866812100000317
其中，Xi N表示得到的新能源发电商i的列向量，μN是均值列向量，∑-1表示协方差矩阵运算过程。
进一步的，所述分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括如下步骤：
搭建配网层安全优化模型，配网层由配网公司负责全配网的安全，优化目标为保证功率平衡，并处理由新能源不确定性造成的功率波动，保证良好的电能质量，配网层安全优化模型的公式包含两项，第一项为新能源有功功率波动影响，第二项为对不平衡电量的限制：
Figure BDA0003986681210000041
Figure BDA0003986681210000042
Figure BDA0003986681210000043
Figure BDA0003986681210000044
Figure BDA0003986681210000045
Figure BDA0003986681210000046
其中，约束条件为任意时刻负荷用电与新能源出力功率平衡、新能源出力限制和用户需求响应负荷调整范围，
Figure BDA0003986681210000047
表示输出功率波动的分段函数，η是确保权力平衡的惩罚因素，Pi Gmax表示新能源发电商i的出力上限限制，
Figure BDA0003986681210000048
和
Figure BDA0003986681210000049
是用户j的用能负荷调整的上下限制；
搭建区域碳排放控制优化模型，在区域层，电力交易中心优化目标为控制碳排放量，包含两部分：减少新能源弃电，用更多的新能源发电取代传统火电；促进新能源区域内就地消纳，减少长距离跨区输送造成的电能损耗和碳排放，区域碳排放控制优化模型如下：
Figure BDA00039866812100000410
Figure BDA00039866812100000411
其中，约束条件为输电馈线上下限输电能力范围，
Figure BDA00039866812100000412
指新能源发电商的可能最大输出；
Figure BDA00039866812100000413
是线路n的线路损耗因子；
Figure BDA00039866812100000414
是支路n在时间t的功率，Plmax和Plmin表示支路的功率限制；
根据步所述新能源可靠性因子ri，搭建新能源设备经济优化模型，资源设备层包含发电商和电力用户两个主体，它们根据参考电价，调整交易价格，参与市场协商，获取各自的最大利益，新能源发电商的优化目标为获取最大售电净收益，分为售电收益、需求响应补偿成本和可靠性因子潜在价值三部分，新能源设备经济优化模型如下：
Figure BDA0003986681210000051
Figure BDA0003986681210000052
其中，约束条件为新能源出力售电电价波动范围，
Figure BDA0003986681210000053
表示t时刻新能源发电商i的正常投标电价，
Figure BDA0003986681210000054
表示需求响应电价；
根据计算得到的碳排放责任因子αj，建立电力用户的优化模型，目标为最小化用电成本，分为需求响应收益、用电成本和回报因子潜在价值三部分，因为碳排放责任因子αj会影响用户的长期交易收益情况，所以它被加入优化目标中，电力用户的优化模型为：
Figure BDA0003986681210000055
其中，
Figure BDA0003986681210000056
表示第j个用户在t时段需求响应的收益价格，
Figure BDA0003986681210000057
为用户j在t时段的用电价格，
Figure BDA0003986681210000058
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000059
表示用户的实际耗电量，NT为总响应时段数量，NU为总用户数量。
进一步的，所述基于所搭建的具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳，包括如下步骤：
根据所述配网层安全优化模型，使用强化学习Q-learning方法首先进行配网整体安全优化调度计划的求解，得到配网调度计划，所述配网调度计划包括各个时段全网整体的新能源出力功率和用户需求响应总量；
基于所述配网调度计划，根据所述区域碳排放控制优化模型，进行区域内碳减排优化模型求解，得到区域调度计划，所述区域调度计划包括各个区域内全部新能源的出力总功率和全部用户的需求响应总量；
基于所述区域调度计划，根据所述新能源设备经济优化模型和电力用户的优化模型，得到调度指令，所述调度指令包括区域内部不同时段每一个新能源发电商的出力计划和用户的需求响应负荷调整量；
将所述调度指令下达给用户和新能源，即不同时段新能源发电商的出力计划和用户的需求响应负荷调整量，执行并完成考虑碳排放责任分摊的新能源消纳优化。
一种考虑多主体碳排放责任分摊的新能源消纳优化调度装置，包括：
碳排放责任因子获取模块，用于根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子；
新能源可靠性因子获取模块，用于对新能源发电商的可靠性进行评估，得到新能源可靠性因子；
优化模型建立模块，用于分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括配网层安全优化模型、区域碳排放控制优化模型、新能源设备经济优化模型以及电力用户的优化模型，并将所得碳排放责任因子和新能源可靠性因子作为参数加入目标方程中；
调度计划获取模块，用于基于所搭建具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。
进一步的，碳排放责任因子获取模块根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子，包括：
根据用户节点的固有特性及连接支路数，确定各个用户节点的碳排放参数
Figure BDA0003986681210000061
和
Figure BDA0003986681210000062
其中，
Figure BDA0003986681210000063
和
Figure BDA0003986681210000064
分别表示支路电流和用户节点注入功率的碳排放强度系数；
引入碳排放流模型，该模型利用需求侧的节点功率计算相关的碳排放强度，根据各个节点流入的负荷有功功率和碳排放参数，计算节点碳排放量：
Figure BDA0003986681210000065
其中，对于t时刻的用户节点j，
Figure BDA0003986681210000066
指用户负荷用能带来的节点碳排放强度，
Figure BDA0003986681210000067
表示支路流过功率，
Figure BDA0003986681210000068
表示该节点注入的发电量；
根据碳排放比例共享原则，使用全部范围内用户节点碳排放量，计算各个用户节点对应的碳减排比重，即该用户碳减排量所占总用户碳减排量的比重：
Figure BDA0003986681210000069
其中，
Figure BDA00039866812100000610
指用户j在t时刻的碳排放责任因子，
Figure BDA00039866812100000611
指用户节点用能功率；
基于用户的需求响应特性，计算碳排放责任因子αj来综合评估用户在调度过程中所做的贡献，责任因子考虑了用户在需求响应和碳减排方面的意愿和能力，由两部分组成，第一部分是用户通过调整能源消耗来弥补新能源输出的不足，减少新能源的弃电和功率波动，第二部分代表用户对减少碳排放的贡献：
Figure BDA00039866812100000612
Figure BDA00039866812100000613
Figure BDA00039866812100000614
Figure BDA0003986681210000071
其中，对于时刻t的用户i，
Figure BDA0003986681210000072
是指需求响应功率；
Figure BDA0003986681210000073
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000074
表示用户的实际耗电量。
进一步的，新能源可靠性因子获取模块对新能源发电商的可靠性进行评估，得到新能源可靠性因子，包括：
根据新能源预测出力与新能源实际可出力功率数据，计算新能源出力的预测准确性因子
Figure BDA0003986681210000075
Figure BDA0003986681210000076
其中，对t时刻的新能源发电商i，
Figure BDA0003986681210000077
为预测新能源出力功率，
Figure BDA0003986681210000078
为实际新能源出力功率；
根据新能源相邻两时刻的出力功率，计算新能源的有功功率出力波动因子：
Figure BDA0003986681210000079
根据新能源的清洁能源发电量，按出力比重，计算各个新能源发电商在碳排放减少量中的贡献：
Figure BDA00039866812100000710
其中，
Figure BDA00039866812100000711
指新能源发电商由清洁能源供能带来的碳减排强度因子，
Figure BDA00039866812100000712
为t时刻新能源发电商i的发电量；
基于马氏距离的思想计算新能源发电商的可靠性因子ri：
Figure BDA00039866812100000713
Figure BDA00039866812100000714
其中，
Figure BDA00039866812100000715
表示得到的新能源发电商i的列向量，μN是均值列向量，∑-1表示协方差矩阵运算过程。
进一步的，优化模型建立模块分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括：
搭建配网层安全优化模型，配网层由配网公司负责全配网的安全，优化目标为保证功率平衡，并处理由新能源不确定性造成的功率波动，保证良好的电能质量，配网层安全优化模型的公式包含两项。第一项为新能源有功功率波动影响，第二项为对不平衡电量的限制：
Figure BDA00039866812100000716
Figure BDA0003986681210000081
Figure BDA0003986681210000082
Figure BDA0003986681210000083
Figure BDA0003986681210000084
Figure BDA0003986681210000085
其中，约束条件为任意时刻负荷用电与新能源出力功率平衡、新能源出力限制和用户需求响应负荷调整范围，
Figure BDA0003986681210000086
表示输出功率波动的分段函数，η是确保权力平衡的惩罚因素，Pi Gmax表示新能源发电商i的出力上限限制，
Figure BDA0003986681210000087
和
Figure BDA0003986681210000088
是用户j的用能负荷调整的上下限制；
搭建区域碳排放控制优化模型，在区域层，电力交易中心优化目标为控制碳排放量，包含两部分：减少新能源弃电，用更多的新能源发电取代传统火电；促进新能源区域内就地消纳，减少长距离跨区输送造成的电能损耗和碳排放，区域碳排放控制优化模型如下：
Figure BDA0003986681210000089
Figure BDA00039866812100000810
其中，约束条件为输电馈线上下限输电能力范围，
Figure BDA00039866812100000811
指新能源发电商的可能最大输出；
Figure BDA00039866812100000812
是线路n的线路损耗因子；
Figure BDA00039866812100000813
是支路n在时间t的功率，Plmax和Plmin表示支路的功率限制；
根据步所述新能源可靠性因子ri，搭建新能源设备经济优化模型，资源设备层包含发电商和电力用户两个主体，它们根据参考电价，调整交易价格，参与市场协商，获取各自的最大利益，新能源发电商的优化目标为获取最大售电净收益，分为售电收益、需求响应补偿成本和可靠性因子潜在价值三部分，新能源设备经济优化模型如下：
Figure BDA00039866812100000814
Figure BDA00039866812100000815
其中，约束条件为新能源出力售电电价波动范围，
Figure BDA00039866812100000816
表示t时刻新能源发电商i的正常投标电价，
Figure BDA00039866812100000817
表示需求响应电价；
根据计算得到的碳排放责任因子αj，建立电力用户的优化模型，目标为最小化用电成本，分为需求响应收益、用电成本和回报因子潜在价值三部分，因为碳排放责任因子αj会影响用户的长期交易收益情况，所以它被加入优化目标中，电力用户的优化模型为：
Figure BDA0003986681210000091
其中，
Figure BDA0003986681210000092
表示第j个用户在t时段需求响应的收益价格，
Figure BDA0003986681210000093
为用户j在t时段的用电价格，
Figure BDA0003986681210000094
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000095
表示用户的实际耗电量。NT为总响应时段数量，NU为总用户数量。
进一步的，调度计划获取模块基于所搭建具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳，包括：
根据所述配网层安全优化模型，使用强化学习Q-learning方法首先进行配网整体安全优化调度计划的求解，得到配网调度计划，所述配网调度计划包括各个时段全网整体的新能源出力功率和用户需求响应总量；
基于所述配网调度计划，根据所述区域碳排放控制优化模型，进行区域内碳减排优化模型求解，得到区域调度计划，所述区域调度计划包括各个区域内全部新能源的出力总功率和全部用户的需求响应总量；
基于所述区域调度计划，根据所述新能源设备经济优化模型和电力用户的优化模型，得到调度指令，所述调度指令包括区域内部不同时段每一个新能源发电商的出力计划和用户的需求响应负荷调整量；
将所述调度指令下达给用户和新能源，即不同时段新能源发电商的出力计划和用户的需求响应负荷调整量，执行并完成考虑碳排放责任分摊的新能源消纳优化。
本发明提供的技术方案的有益效果是：
(1)在新能源消纳层面，该考虑多主体碳排放责任分摊的新能源消纳优化方法，从预测出力准确性、并网功率波动等方面出发，充分考虑不同新能源发电商在并网时的清洁电能质量，可以推动新能源发电商通过提高电能质量获得更优的出力收益，形成正向激励循环，不仅促进新能源并网的安全稳定运行水平，还可以提高新能源发电商的经济收益。
(2)在居民用户响应层面，该考虑多主体碳排放责任分摊的新能源消纳优化方法，可以结合用户自身用电习惯、响应能力等方面，评估用户在碳排放中应该承担的责任，从而更科学合理地制定用户的用能调整调度计划。通过计算责任因子来综合评估用户在碳减排和新能源平滑消纳过程中所做的贡献，使用户获得与贡献对等的经济效益，从而激励用户主动参与到碳减排与需求响应中，帮助实现环保经济的新能源用能。
(3)在社会层面，该考虑多主体碳排放责任分摊的新能源消纳优化方法，能够为政策制定者、电网调度人员、高效研究师生、销售人员等提供碳减排责任分摊与调度计划制定的参考，可以有效推动满足社会未来发展需求的战略制定，进行实际碳减排、电能调度与电力用户响应管理的应用，为研究人员提供探索新能源消纳环境下碳减排策略的参考，促使能源销售管理人员充分挖掘用户侧响应潜能，从整体上调动用户侧响应新能源平滑消纳需求，保证电力系统运行安全稳定，实现清洁环保电能的使用，降低碳排放，有效提升社会能源智能互动水平与管理技术的发展。
附图说明
图1为用户责任因子计算方法图；
图2为新能源可靠性因子计算方法图；
图3为一种考虑多主体碳减排责任分摊的新能源消纳优化调度方法流程图；
图4为不同区域的用户负荷量；
图5为不同区域的用户需求响应量及对应激励电价；
图6为碳排放变化量对比；
图7为可靠性因子对新能源收益的影响。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
请参阅图1-3，本发明实施例所提的一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法，包括用户碳排放的责任分摊、新能源可靠性评估、分层优化目标确定、强化学习调度计划制定四个关键步骤。详见下文描述：
步骤1：用户碳排放的责任分摊，具体包括如下步骤：
步骤1.1：根据用户节点的固有特性及连接支路数，确定各个用户节点的碳排放参数
Figure BDA0003986681210000101
和
Figure BDA0003986681210000102
其中，
Figure BDA0003986681210000103
和
Figure BDA0003986681210000104
分别表示支路电流和用户节点注入功率的碳排放强度系数。
步骤1.2：引入碳排放流模型，该模型利用需求侧的节点功率计算相关的碳排放强度，根据各个节点流入的负荷有功功率和碳排放参数，计算节点碳排放量：
Figure BDA0003986681210000105
其中，对于t时刻的用户节点j，
Figure BDA0003986681210000106
指用户负荷用能带来的节点碳排放强度，
Figure BDA0003986681210000107
表示支路流过功率，
Figure BDA0003986681210000108
表示该节点注入的发电量。
步骤1.3：根据碳排放比例共享原则，使用全部范围内用户节点碳排放量，计算各个用户节点对应的碳减排比重，即该用户碳减排量所占总用户碳减排量的比重：
Figure BDA0003986681210000109
其中，
Figure BDA00039866812100001010
指用户j在t时刻的碳减排因子，
Figure BDA00039866812100001011
指用户节点用能功率。
步骤1.4：基于用户的需求响应特性，计算碳排放责任因子αj来综合评估用户在调度过程中所做的贡献，责任因子考虑了用户在需求响应和碳减排方面的意愿和能力，由两部分组成，第一部分是用户通过调整能源消耗来弥补新能源输出的不足，减少新能源的弃电和功率波动，第二部分代表用户对减少碳排放的贡献：
Figure BDA0003986681210000111
Figure BDA0003986681210000112
Figure BDA0003986681210000113
Figure BDA0003986681210000114
其中，对于时刻t的用户i，
Figure BDA0003986681210000115
是指需求响应功率；
Figure BDA0003986681210000116
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000117
表示用户的实际耗电量。
步骤2：新能源可靠性评估。基于历史数据，引进新能源可靠性因子，用来评估不同新能源发电商的历史出力质量与守信程度，作为它参与电力市场交易优先等级和结算的参考指标。具体包括如下步骤：
步骤2.1：根据新能源预测出力与新能源实际可出力功率数据，计算新能源出力的预测准确性因子
Figure BDA0003986681210000118
Figure BDA0003986681210000119
其中，对t时刻的新能源发电商i，
Figure BDA00039866812100001110
为预测新能源出力功率，
Figure BDA00039866812100001111
为实际新能源出力功率。
步骤2.2：根据新能源相邻两时刻的出力功率，计算新能源的有功功率出力波动因子。
Figure BDA00039866812100001112
步骤2.3：根据新能源的清洁能源发电量，按出力比重，计算各个新能源发电商在碳排放减少量中的贡献：
Figure BDA00039866812100001113
其中，
Figure BDA00039866812100001114
指新能源发电商由清洁能源供能带来的碳减排强度因子，
Figure BDA00039866812100001115
为t时刻新能源发电商i的发电量。
步骤2.4：综合计算新能源发电商的可靠性因子ri。由于它们单位量纲不同，但相互有联系，因此基于马氏距离的思想进行可靠性因子的计算：
Figure BDA00039866812100001116
Figure BDA00039866812100001117
其中，
Figure BDA0003986681210000121
表示由步骤2.1、2.2、2.3中得到的新能源发电商i的列向量，μN是均值列向量，∑-1表示协方差矩阵运算过程。
步骤3：分层优化目标确定。为了兼顾调度的经济、安全和低碳环保，本文从配网层、区域层和资源设备层出发，提出了一个分层多主体优化模型，并将步骤1所得碳排放责任因子和步骤2所得可新能源可靠性因子作为参数加入目标方程中，具体包括如下步骤：
步骤3.1：搭建配网层安全优化模型。配网层由配网公司负责全配网的安全，优化目标为保证功率平衡，并处理由新能源不确定性造成的功率波动，保证良好的电能质量。它的公式包含两项，第一项为新能源有功功率波动影响，第二项为对不平衡电量的限制。
Figure BDA0003986681210000122
Figure BDA0003986681210000123
Figure BDA0003986681210000124
Figure BDA0003986681210000125
Figure BDA0003986681210000126
Figure BDA0003986681210000127
其中，约束条件为任意时刻负荷用电与新能源出力功率平衡、新能源出力限制和用户需求响应负荷调整范围。
Figure BDA0003986681210000128
表示输出功率波动的分段函数。η是确保权力平衡的惩罚因素。Pi Gmax表示新能源发电商i的出力上限限制。
Figure BDA0003986681210000129
和
Figure BDA00039866812100001210
是用户j的用能负荷调整的上下限制。
步骤3.2：搭建区域碳排放控制优化模型。在区域层，电力交易中心优化目标主要为控制碳排放量，主要包含两部分：减少新能源弃电，用更多的新能源发电取代传统火电；促进新能源区域内就地消纳，减少长距离跨区输送造成的电能损耗和碳排放。区域碳排放控制优化模型如下：
Figure BDA00039866812100001211
Figure BDA00039866812100001212
其中，约束条件为输电馈线上下限输电能力范围。
Figure BDA00039866812100001213
指新能源发电商的可能最大输出；
Figure BDA00039866812100001214
是线路n的线路损耗因子；
Figure BDA00039866812100001215
是支路n在时间t的功率，Plmax和Plmin表示支路的功率限制。
步骤3.3：根据步骤2.4中得到的新能源可靠性因子ri，搭建新能源设备经济优化模型。资源设备层包含发电商和电力用户两个主体，它们根据参考电价，调整交易价格，参与市场协商，获取各自的最大利益。新能源发电商的优化目标为获取最大售电净收益，分为售电收益、需求响应补偿成本和可靠性因子潜在价值三部分。新能源设备经济优化模型如下：
Figure BDA0003986681210000131
Figure BDA0003986681210000132
其中，约束条件为新能源出力售电电价波动范围(上下限)。
Figure BDA0003986681210000133
表示t时刻新能源发电商i的正常投标电价，
Figure BDA0003986681210000134
表示需求响应电价。
步骤3.4：根据步骤1.4中计算得到的碳排放责任因子αj，建立电力用户的优化模型。目标为最小化用电成本，分为需求响应收益、用电成本和回报因子潜在价值三部分。因为碳排放责任因子αj会影响用户的长期交易收益情况，所以它被加入优化目标中。电力用户的优化模型为：
Figure BDA0003986681210000135
其中，
Figure BDA0003986681210000136
表示第j个用户在t时段需求响应的收益价格，
Figure BDA0003986681210000137
为用户j在t时段的用电价格，
Figure BDA0003986681210000138
代表响应之前的预估计划耗电量，
Figure BDA0003986681210000139
表示用户的实际耗电量。NT为总响应时段数量，NU为总用户数量。
步骤4：基于步骤3所列模型，强化学习制定调度计划，具体包括如下步骤：
步骤4.1：根据步骤3.1的配网层安全优化模型，使用强化学习Q-learning方法首先进行配网整体安全优化调度计划的求解，得到配网调度计划，所述配网调度计划包括各个时段全网整体的新能源出力功率和用户需求响应总量；
步骤4.2：基于步骤4.1得到的配网调度计划，根据步骤3.2的区域碳排放控制优化模型，进行区域内碳减排优化模型求解，得到区域调度计划，所述区域调度计划包括各个区域内全部新能源的出力总功率和全部用户的需求响应总量；
步骤4.3：基于步骤4.2得到的区域调度计划，根据步骤3.3的新能源设备经济优化模型和步骤3.4的电力用户的优化模型，得到调度指令，包括区域内部不同时段每一个新能源发电商的出力计划和用户的需求响应负荷调整量；
步骤4.4：将步骤4.3得到的调度指令下达给用户和新能源，即不同时段新能源发电商的出力计划和用户的需求响应负荷调整量，执行并完成考虑碳排放责任分摊的新能源消纳优化。
说明：以上所有步骤均可使用Python3.7编写，为了实现更为方便，计算更为高效，建议在TensorFlow2.2平台实现，使用Keras版本为2.3.1。
本发明实施例还提供一种考虑多主体碳排放责任分摊的新能源消纳优化调度装置，包括：
碳排放责任因子获取模块，用于根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子；
新能源可靠性因子获取模块，用于对新能源发电商的可靠性进行评估，得到新能源可靠性因子；
优化模型建立模块，用于分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括配网层安全优化模型、区域碳排放控制优化模型、新能源设备经济优化模型以及电力用户的优化模型，并将所得碳排放责任因子和新能源可靠性因子作为参数加入目标方程中；
调度计划获取模块，用于基于所搭建具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。
本发明实施例还提供一种考虑多主体碳排放责任分摊的新能源消纳优化调度系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法。
算例分析
本发明在包含A、B、C三个区域的系统中验证了所提模型。线路功率损失率为0.5％，假设可以忽略同一个区域内的线损，只考虑跨区电能输送过程中的损耗。最大馈线容量为300kW，最高电价为2kWh/$。碳排放密度为0.65kg/kWh。仿真结果如下：
1.激励价格和负荷需求响应量
在考虑激励价格后，需求响应前后三个区域的功耗如图所示。如图4可见，用户调整了电能使用时间后，整体功率波动和峰谷差减小。具体的用户需求响应量及对应的激励电价如图5所示。
2.碳减排效果
由图6可知，经过专利所提方法进行优化后，系统的碳排放总量下降。减少的部分主要是由于调度过程中电力线路电能损耗减少，以及清洁可再生发电增加，弃电量减少，火电使用的减少使得碳排放减少。
3.新能源发电商可靠性因子与长期收益
本发明在是否考虑可靠性因子的情况下，分别比较了新能源发电商的优化收益，结果如图7所示。在考虑可靠性因素时，发电商的早期时段收益较低，但在后续阶段持续稳步增长。总体来说，良好的可靠性可以使发电机获得更多的长期利益。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (10)

1.一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法，其特征在于，包括以下步骤：
根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子；
对新能源发电商的可靠性进行评估，得到新能源可靠性因子；
分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括配网层安全优化模型、区域碳排放控制优化模型、新能源设备经济优化模型以及电力用户的优化模型，并将所述碳排放责任因子和所述新能源可靠性因子作为参数加入目标方程中；
基于所搭建的具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。
2.根据权利要求1所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法，其特征在于，所述根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子，包括如下步骤：
根据用户节点的固有特性及连接支路数，确定各个用户节点的碳排放参数
Figure FDA0003986681200000011
和
Figure FDA0003986681200000012
其中，
Figure FDA0003986681200000013
和
Figure FDA0003986681200000014
分别表示支路电流和用户节点注入功率的碳排放强度系数；
引入碳排放流模型，该模型利用需求侧的节点功率计算相关的碳排放强度，根据各个节点流入的负荷有功功率和碳排放参数，计算节点碳排放量：
Figure FDA0003986681200000015
其中，对于t时刻的用户节点j，
Figure FDA0003986681200000016
指用户负荷用能带来的节点碳排放强度，
Figure FDA0003986681200000017
表示支路流过功率，
Figure FDA0003986681200000018
表示该节点注入的发电量；
根据碳排放比例共享原则，使用全部范围内用户节点碳排放量，计算各个用户节点对应的碳减排比重，即该用户碳减排量所占总用户碳减排量的比重：
Figure FDA0003986681200000019
其中，
Figure FDA00039866812000000110
指用户j在t时刻的碳排放责任因子，
Figure FDA00039866812000000111
指用户节点用能功率；
基于用户的需求响应特性，计算碳排放责任因子αj来综合评估用户在调度过程中所做的贡献，责任因子考虑了用户在需求响应和碳减排方面的意愿和能力，由两部分组成，第一部分是用户通过调整能源消耗来弥补新能源输出的不足，减少新能源的弃电和功率波动，第二部分代表用户对减少碳排放的贡献：
Figure FDA00039866812000000112
Figure FDA0003986681200000021
Figure FDA0003986681200000022
Figure FDA0003986681200000023
其中，对于时刻t的用户i，
Figure FDA0003986681200000024
是指需求响应功率；
Figure FDA0003986681200000025
代表响应之前的预估计划耗电量，
Figure FDA0003986681200000026
表示用户的实际耗电量。
3.根据权利要求1所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法，其特征在于，所述对新能源发电商的可靠性进行评估，得到新能源可靠性因子，包括如下步骤：
根据新能源预测出力与新能源实际可出力功率数据，计算新能源出力的预测准确性因子
Figure FDA0003986681200000027
Figure FDA0003986681200000028
其中，对t时刻的新能源发电商i，
Figure FDA0003986681200000029
为预测新能源出力功率，
Figure FDA00039866812000000210
为实际新能源出力功率；
根据新能源相邻两时刻的出力功率，计算新能源的有功功率出力波动因子：
Figure FDA00039866812000000211
根据新能源的清洁能源发电量，按出力比重，计算各个新能源发电商在碳排放减少量中的贡献：
Figure FDA00039866812000000212
其中，
Figure FDA00039866812000000213
指新能源发电商由清洁能源供能带来的碳减排强度因子，
Figure FDA00039866812000000214
为t时刻新能源发电商i的发电量；
基于马氏距离的思想计算新能源发电商的可靠性因子ri：
Figure FDA00039866812000000215
Figure FDA00039866812000000216
其中，
Figure FDA00039866812000000217
表示得到的新能源发电商i的列向量，μN是均值列向量，∑-1表示协方差矩阵运算过程。
4.根据权利要求3所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法，其特征在于，所述分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括如下步骤：
搭建配网层安全优化模型，配网层由配网公司负责全配网的安全，优化目标为保证功率平衡，并处理由新能源不确定性造成的功率波动，保证良好的电能质量，配网层安全优化模型的公式包含两项，第一项为新能源有功功率波动影响，第二项为对不平衡电量的限制：
Figure FDA0003986681200000031
Figure FDA0003986681200000032
Figure FDA0003986681200000033
Figure FDA0003986681200000034
Figure FDA0003986681200000035
Figure FDA0003986681200000036
其中，约束条件为任意时刻负荷用电与新能源出力功率平衡、新能源出力限制和用户需求响应负荷调整范围，
Figure FDA0003986681200000037
表示输出功率波动的分段函数，η是确保权力平衡的惩罚因素，Pi Gmax表示新能源发电商i的出力上限限制，
Figure FDA0003986681200000038
和
Figure FDA0003986681200000039
是用户j的用能负荷调整的上下限制；
搭建区域碳排放控制优化模型，在区域层，电力交易中心优化目标为控制碳排放量，包含两部分：减少新能源弃电，用更多的新能源发电取代传统火电；促进新能源区域内就地消纳，减少长距离跨区输送造成的电能损耗和碳排放，区域碳排放控制优化模型如下：
Figure FDA00039866812000000310
Figure FDA00039866812000000311
其中，约束条件为输电馈线上下限输电能力范围，
Figure FDA00039866812000000312
指新能源发电商的可能最大输出；
Figure FDA00039866812000000313
是线路n的线路损耗因子；
Figure FDA00039866812000000314
是支路n在时间t的功率，Plmax和Plmin表示支路的功率限制；
根据步所述新能源可靠性因子ri，搭建新能源设备经济优化模型，资源设备层包含发电商和电力用户两个主体，它们根据参考电价，调整交易价格，参与市场协商，获取各自的最大利益，新能源发电商的优化目标为获取最大售电净收益，分为售电收益、需求响应补偿成本和可靠性因子潜在价值三部分，新能源设备经济优化模型如下：
Figure FDA00039866812000000315
Figure FDA0003986681200000041
其中，约束条件为新能源出力售电电价波动范围，
Figure FDA0003986681200000042
表示t时刻新能源发电商i的正常投标电价，
Figure FDA0003986681200000043
表示需求响应电价；
根据计算得到的碳排放责任因子αj，建立电力用户的优化模型，目标为最小化用电成本，分为需求响应收益、用电成本和回报因子潜在价值三部分，电力用户的优化模型为：
Figure FDA0003986681200000044
其中，
Figure FDA0003986681200000045
表示第j个用户在t时段需求响应的收益价格，
Figure FDA0003986681200000046
为用户j在t时段的用电价格，
Figure FDA0003986681200000047
代表响应之前的预估计划耗电量，
Figure FDA0003986681200000048
表示用户的实际耗电量，NT为总响应时段数量，NU为总用户数量。
5.根据权利要求4所述的考虑多主体碳排放责任分摊的新能源消纳优化调度方法，其特征在于，其特征在于，所述基于所搭建的具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳，包括如下步骤：
根据所述配网层安全优化模型，使用强化学习Q-learning方法首先进行配网整体安全优化调度计划的求解，得到配网调度计划，所述配网调度计划包括各个时段全网整体的新能源出力功率和用户需求响应总量；
基于所述配网调度计划，根据所述区域碳排放控制优化模型，进行区域内碳减排优化模型求解，得到区域调度计划，所述区域调度计划包括各个区域内全部新能源的出力总功率和全部用户的需求响应总量；
基于所述区域调度计划，根据所述新能源设备经济优化模型和电力用户的优化模型，得到调度指令，所述调度指令包括区域内部不同时段每一个新能源发电商的出力计划和用户的需求响应负荷调整量；
将所述调度指令下达给用户和新能源，即不同时段新能源发电商的出力计划和用户的需求响应负荷调整量，执行并完成考虑碳排放责任分摊的新能源消纳优化。
6.一种考虑多主体碳排放责任分摊的新能源消纳优化调度装置，其特征在于，包括：
碳排放责任因子获取模块，用于根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子；
新能源可靠性因子获取模块，用于对新能源发电商的可靠性进行评估，得到新能源可靠性因子；
优化模型建立模块，用于分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括配网层安全优化模型、区域碳排放控制优化模型、新能源设备经济优化模型以及电力用户的优化模型，并将所得碳排放责任因子和新能源可靠性因子作为参数加入目标方程中；
调度计划获取模块，用于基于所搭建具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳。
7.根据权利要求6所述的考虑多主体碳排放责任分摊的新能源消纳优化调度装置，其特征在于，其特征在于，碳排放责任因子获取模块根据用户清洁电能的使用量，对用户进行碳排放的责任分摊，得到碳排放责任因子，包括：
根据用户节点的固有特性及连接支路数，确定各个用户节点的碳排放参数
Figure FDA0003986681200000051
和
Figure FDA0003986681200000052
其中，
Figure FDA0003986681200000053
和
Figure FDA0003986681200000054
分别表示支路电流和用户节点注入功率的碳排放强度系数；
引入碳排放流模型，该模型利用需求侧的节点功率计算相关的碳排放强度，根据各个节点流入的负荷有功功率和碳排放参数，计算节点碳排放量：
Figure FDA0003986681200000055
其中，对于t时刻的用户节点j，
Figure FDA0003986681200000056
指用户负荷用能带来的节点碳排放强度，
Figure FDA0003986681200000057
表示支路流过功率，
Figure FDA0003986681200000058
表示该节点注入的发电量；
根据碳排放比例共享原则，使用全部范围内用户节点碳排放量，计算各个用户节点对应的碳减排比重，即该用户碳减排量所占总用户碳减排量的比重：
Figure FDA0003986681200000059
其中，
Figure FDA00039866812000000510
指用户j在t时刻的碳排放责任因子，
Figure FDA00039866812000000511
指用户节点用能功率；
基于用户的需求响应特性，计算碳排放责任因子αj来综合评估用户在调度过程中所做的贡献，责任因子考虑了用户在需求响应和碳减排方面的意愿和能力，由两部分组成，第一部分是用户通过调整能源消耗来弥补新能源输出的不足，减少新能源的弃电和功率波动，第二部分代表用户对减少碳排放的贡献：
Figure FDA00039866812000000512
Figure FDA00039866812000000513
Figure FDA00039866812000000514
Figure FDA00039866812000000515
其中，对于时刻t的用户i，
Figure FDA00039866812000000516
是指需求响应功率；
Figure FDA00039866812000000517
代表响应之前的预估计划耗电量，
Figure FDA00039866812000000518
表示用户的实际耗电量。
8.根据权利要求6所述的考虑多主体碳排放责任分摊的新能源消纳优化调度装置，其特征在于，其特征在于，新能源可靠性因子获取模块对新能源发电商的可靠性进行评估，得到新能源可靠性因子，包括：
根据新能源预测出力与新能源实际可出力功率数据，计算新能源出力的预测准确性因子
Figure FDA0003986681200000061
Figure FDA0003986681200000062
其中，对t时刻的新能源发电商i，
Figure FDA0003986681200000063
为预测新能源出力功率，
Figure FDA0003986681200000064
为实际新能源出力功率；
根据新能源相邻两时刻的出力功率，计算新能源的有功功率出力波动因子：
Figure FDA0003986681200000065
根据新能源的清洁能源发电量，按出力比重，计算各个新能源发电商在碳排放减少量中的贡献：
Figure FDA0003986681200000066
其中，
Figure FDA0003986681200000067
指新能源发电商由清洁能源供能带来的碳减排强度因子，
Figure FDA0003986681200000068
为t时刻新能源发电商i的发电量；
基于马氏距离的思想计算新能源发电商的可靠性因子ri：
Figure FDA0003986681200000069
Figure FDA00039866812000000610
其中，
Figure FDA00039866812000000611
表示得到的新能源发电商i的列向量，μN是均值列向量，∑-1表示协方差矩阵运算过程。
9.根据权利要求6所述的考虑多主体碳排放责任分摊的新能源消纳优化调度装置，其特征在于，其特征在于，优化模型建立模块分别以实现配网层安全稳定、区域碳减排和提升各参与者效益为目标，搭建具有不同优化目标的模型，包括：
搭建配网层安全优化模型，配网层由配网公司负责全配网的安全，优化目标为保证功率平衡，并处理由新能源不确定性造成的功率波动，保证良好的电能质量，配网层安全优化模型的公式包含两项。第一项为新能源有功功率波动影响，第二项为对不平衡电量的限制：
Figure FDA00039866812000000612
Figure FDA00039866812000000613
Figure FDA0003986681200000071
Figure FDA0003986681200000072
Figure FDA0003986681200000073
Figure FDA0003986681200000074
其中，约束条件为任意时刻负荷用电与新能源出力功率平衡、新能源出力限制和用户需求响应负荷调整范围，
Figure FDA0003986681200000075
表示输出功率波动的分段函数，η是确保权力平衡的惩罚因素，Pi Gmax表示新能源发电商i的出力上限限制，
Figure FDA0003986681200000076
和
Figure FDA0003986681200000077
是用户j的用能负荷调整的上下限制；
搭建区域碳排放控制优化模型，在区域层，电力交易中心优化目标为控制碳排放量，包含两部分：减少新能源弃电，用更多的新能源发电取代传统火电；促进新能源区域内就地消纳，减少长距离跨区输送造成的电能损耗和碳排放，区域碳排放控制优化模型如下：
Figure FDA0003986681200000078
Figure FDA0003986681200000079
其中，约束条件为输电馈线上下限输电能力范围，
Figure FDA00039866812000000710
指新能源发电商的可能最大输出；
Figure FDA00039866812000000711
是线路n的线路损耗因子；
Figure FDA00039866812000000712
是支路n在时间t的功率，Plmax和Plmin表示支路的功率限制；
根据步所述新能源可靠性因子ri，搭建新能源设备经济优化模型，资源设备层包含发电商和电力用户两个主体，它们根据参考电价，调整交易价格，参与市场协商，获取各自的最大利益，新能源发电商的优化目标为获取最大售电净收益，分为售电收益、需求响应补偿成本和可靠性因子潜在价值三部分，新能源设备经济优化模型如下：
Figure FDA00039866812000000713
Figure FDA00039866812000000714
其中，约束条件为新能源出力售电电价波动范围，
Figure FDA00039866812000000715
表示t时刻新能源发电商i的正常投标电价，
Figure FDA00039866812000000716
表示需求响应电价；
根据计算得到的碳排放责任因子αj，建立电力用户的优化模型，目标为最小化用电成本，分为需求响应收益、用电成本和回报因子潜在价值三部分，因为碳排放责任因子αj会影响用户的长期交易收益情况，所以它被加入优化目标中，电力用户的优化模型为：
Figure FDA0003986681200000081
其中，
Figure FDA0003986681200000082
表示第j个用户在t时段需求响应的收益价格，
Figure FDA0003986681200000083
为用户j在t时段的用电价格，
Figure FDA0003986681200000084
代表响应之前的预估计划耗电量，
Figure FDA0003986681200000085
表示用户的实际耗电量。NT为总响应时段数量，NU为总用户数量。
10.根据权利要求6所述的考虑多主体碳排放责任分摊的新能源消纳优化调度装置，其特征在于，其特征在于，调度计划获取模块基于所搭建具有不同优化目标的模型，通过强化学习方法逐层得到新能源发电和用户的调度计划，实现考虑不同主体碳减排责任分摊的新能源经济安全消纳，包括：
根据所述配网层安全优化模型，使用强化学习Q-learning方法首先进行配网整体安全优化调度计划的求解，得到配网调度计划，所述配网调度计划包括各个时段全网整体的新能源出力功率和用户需求响应总量；
基于所述配网调度计划，根据所述区域碳排放控制优化模型，进行区域内碳减排优化模型求解，得到区域调度计划，所述区域调度计划包括各个区域内全部新能源的出力总功率和全部用户的需求响应总量；
基于所述区域调度计划，根据所述新能源设备经济优化模型和电力用户的优化模型，得到调度指令，所述调度指令包括区域内部不同时段每一个新能源发电商的出力计划和用户的需求响应负荷调整量；
将所述调度指令下达给用户和新能源，即不同时段新能源发电商的出力计划和用户的需求响应负荷调整量，执行并完成考虑碳排放责任分摊的新能源消纳优化。
CN202211566221.6A 2022-12-07 2022-12-07 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置 Pending CN115936367A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211566221.6A CN115936367A (zh) 2022-12-07 2022-12-07 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211566221.6A CN115936367A (zh) 2022-12-07 2022-12-07 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置

Publications (1)

Publication Number Publication Date
CN115936367A true CN115936367A (zh) 2023-04-07

Family

ID=86700272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211566221.6A Pending CN115936367A (zh) 2022-12-07 2022-12-07 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置

Country Status (1)

Country Link
CN (1) CN115936367A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823296A (zh) * 2023-08-31 2023-09-29 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
CN117411089A (zh) * 2023-12-15 2024-01-16 西华大学 一种基于动态碳排放责任因子的微网低碳运行方法及系统
CN117458485A (zh) * 2023-12-22 2024-01-26 国网湖北省电力有限公司经济技术研究院 基于减碳潜力实现电力系统运行优化调度的方法及系统
CN117674168A (zh) * 2024-01-31 2024-03-08 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823296A (zh) * 2023-08-31 2023-09-29 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
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
CN117411089A (zh) * 2023-12-15 2024-01-16 西华大学 一种基于动态碳排放责任因子的微网低碳运行方法及系统
CN117411089B (zh) * 2023-12-15 2024-03-08 西华大学 一种基于动态碳排放责任因子的微网低碳运行方法及系统
CN117458485A (zh) * 2023-12-22 2024-01-26 国网湖北省电力有限公司经济技术研究院 基于减碳潜力实现电力系统运行优化调度的方法及系统
CN117458485B (zh) * 2023-12-22 2024-02-27 国网湖北省电力有限公司经济技术研究院 基于减碳潜力实现电力系统运行优化调度的方法及系统
CN117674168A (zh) * 2024-01-31 2024-03-08 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统
CN117674168B (zh) * 2024-01-31 2024-04-16 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统

Similar Documents

Publication Publication Date Title
Li et al. Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game
CN115936367A (zh) 一种考虑多主体碳排放责任分摊的新能源消纳优化调度方法及装置
Moon et al. Balanced charging strategies for electric vehicles on power systems
Jia et al. A bilevel model for optimal bidding and offering of flexible load aggregator in day-ahead energy and reserve markets
Liu et al. Research on cloud energy storage service in residential microgrids
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
Zhang et al. Optimal selection of energy storage system sharing schemes in industrial parks considering battery degradation
Ghosh et al. Strategic prosumers: How to set the prices in a tiered market?
CN117175576A (zh) 一种多微电网系统电碳耦合调控方法、系统及电子设备
Feng et al. Flexible optimal scheduling of power system based on renewable energy and electric vehicles
Boiarkin et al. A novel dynamic pricing model for a microgrid of prosumers with photovoltaic systems
Chen et al. Improved market mechanism for energy storage based on flexible state of energy
Wang et al. Incentive mechanisms to enable fair renewable energy trade in smart grids
Zhao et al. A secure intra-regional-inter-regional peer-to-peer electricity trading system for electric vehicles
Kiedanski et al. Strategy-proof local energy market with sequential stochastic decision process for battery control
Mondal et al. Dynamic price-enabled strategic energy management scheme in cloud-enabled smart grid
CN109785014A (zh) 一种能量共享系统的电价确定方法及系统
CN113065696A (zh) 基于合作博弈和一致性算法的多微网协同优化调度方法
CN109687452B (zh) 一种用于配电网供电能力的分析方法、装置及存储介质
Chemudupaty et al. Impact of Minimum Energy Requirement on Electric Vehicle Charging Costs on Spot Markets
Wu et al. LEM for DERs and flexible loads
Sheikhi et al. Bi‐level equilibrium of energy retailer–smart energy hub game in integrated energy market
Chen et al. Overview of transmission expansion planning in the market environment
Adil et al. Three-stage energy trading framework for retailers, charging stations, and electric vehicles: A game-theoretic approach
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法

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