CN116050701B - 一种计及碳流的电力系统节点重要度评估方法 - Google Patents
一种计及碳流的电力系统节点重要度评估方法 Download PDFInfo
- Publication number
- CN116050701B CN116050701B CN202211433509.6A CN202211433509A CN116050701B CN 116050701 B CN116050701 B CN 116050701B CN 202211433509 A CN202211433509 A CN 202211433509A CN 116050701 B CN116050701 B CN 116050701B
- Authority
- CN
- China
- Prior art keywords
- node
- carbon
- network
- index
- flow
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 221
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 218
- 238000011156 evaluation Methods 0.000 title claims description 32
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 57
- 239000013598 vector Substances 0.000 claims description 26
- 230000008901 benefit Effects 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 4
- 150000001721 carbon Chemical class 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 230000003647 oxidation Effects 0.000 claims description 2
- 238000007254 oxidation reaction Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000005206 flow analysis Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种计及碳流的电力系统节点重要度评估方法,包括:构建电力系统网络模型,获取所述电力系统网络模型中的节点,其中所述电力系统网络模型包括碳流网络和信息流网络;基于所述碳流网络获取节点碳流指标,基于所述节点碳流指标,获取节点碳流重要度值;基于所述碳流网络和所述信息流网络,获取修正参数;基于所述信息流网络,获取节点信息流重要度值;基于所述节点碳流重要度值、所述修正参数和所述信息流重要度值数,获取电力系统节点重要度值。本发明通过使用潮流计算,将电能指标转换为碳流指标,使全环节的碳排放责任细分,从而由电视角转换为碳视角来评估节点的重要程度。
Description
技术领域
本发明属于电力系统技术领域,尤其涉及一种计及碳流的电力系统节点重要度评估方法。
背景技术
在电力行业,传统的碳排放量计算采用宏观统计法(文献1“电力系统发电侧和负荷侧共同碳责任分摊方法”,陈丽霞,孙弢,周云,等,电力系统自动化,2018,42(19):106-111),通过能源消耗量的统计数据进行统计计算。虽然此方法简单且实用,但是无法在电力系统中对碳排放进行责任细分,进而不能够为电力行业节能减排提供更多数据支撑与方向引导,碳流分析法也就因此而产生(文献2“Carbon emission flow from generation todemand:a network-based modeling”,Kang C,Zhou T,Chen Q,et al.IEEE Transactionson Smart Grid,2015,6(5):2386-2394.)。碳流分析法通常与潮流分析相融合,并结合节点碳势、碳流率、碳排放强度等相关参数对碳排放具体流向进行准确跟踪,从而可进一步将发电厂的排放公平分摊到各节点负荷,实现了电力系统碳流分析理论的巨大发展和进步。文献3(“电力系统碳排放流分析理论初探”,周天睿,康重庆,徐乾耀等,电力系统自动化,2012,36(7):38-43.)结合网络分析技术,提出一种依附于潮流而存在的虚拟网络流的思想,给出了有关碳排放计算的关键指标和概念以及碳流分析理论的基本体系和框架。文献4(“碳排放流在电力网络中分布的特性与机理分析”,周天睿,康重庆,徐乾耀等,电力系统自动化,2012,36(15):39-44)基于碳排放流的概念,进一步挖掘有功潮流分布及节点碳势的联系。文献5(龚钢军,张哲宁,张心语,高爽,苏畅,陆俊,中国电机工程学报,2020,40(17):5412-54)的分布式信息能源耦合系统中的节点重要度综合评估方法,通过电网与电力通信网的耦合,有效地将基于能量流与信息流的节点重要度结合,提供了一种解决综合评价问题的思路。
上述现有技术中体现了电力系统碳排放的特点,但是所提的评估方法主要还是作用于配电网,其信息侧的业务与源端还是存在一定差别,没有考虑到整个电力系统的情况,并且是从电视角来评估节点,而不是从碳视角来进行思考。因此,本申请公开了一种计及碳流的电力系统节点重要度评估方法。
发明内容
本发明的目的在于提出一种计及碳流的电力系统节点重要度评估方法,实现以碳排放流为主,以信息流为辅的节点重要度计算。
为实现上述目的,本发明提供了一种计及碳流的电力系统节点重要度评估方法,包括:
构建电力系统网络模型,获取所述电力系统网络模型中的节点,其中所述电力系统网络模型包括碳流网络和信息流网络;
基于所述碳流网络获取节点碳流指标,基于所述节点碳流指标,获取节点碳流重要度值;基于所述碳流网络和所述信息流网络,获取修正参数;基于所述信息流网络,获取节点信息流重要度值;
基于所述节点碳流重要度值、所述修正参数和所述信息流重要度值数,获取电力系统节点重要度值。
优选的,所述节点碳流指标包括节点碳势和节点碳排放强度。
优选的,获取所述节点碳势和节点碳排放强度包括:
获取各机组的碳排放强度,并构建潮流分布矩阵;
根据所述各机组的碳排放强度和所述潮流分布矩阵,获取所述节点碳势和所述节点碳排放强度。
优选的,基于所述节点碳流指标,获取节点碳流重要度值包括:
对所述节点碳流指标进行归一化处理,获得处理后的碳流数据;
基于所述碳流数据获取指标项矩阵,计算各指标项的对比性及矛盾性;
根据所述各指标项的对比性及矛盾性,计算所述各指标项的信息承载量,并将所述各指标项的信息承载量转化为所述各指标项的权重;
基于所述指标项矩阵,获得所述指标项矩阵的正负理想解向量;
基于所述正负理想解向量和所述各指标项的权重,获得各节点的群体效益值和个体遗憾值;
基于所述各节点的群体效益值和个体遗憾值,获得所述节点碳流重要度值。
优选的,所述节点碳流重要度值表示为:
式中,Qi为折中值,Si为群体效益值,Ri为个体遗憾值,v为决策机制系数。
优选的,基于碳流网络和信息流网络,获取的修正参数包括:基于所述碳流网络的拓扑结构指标矩阵和所述信息流网络的拓扑结构指标矩阵,获取所述修正参数,其所述修正参数的表达式为:
其中,μi为信息流重要度的修正参数,与/>分别是相同的节点在碳流网络的拓扑结构指标矩阵的和信息流网络的拓扑结构指标矩阵,N为矩阵/>中元素的个数。
优选的,获取所述基于碳流网络的拓扑结构指标矩阵和信息流网络的拓扑结构指标矩阵,获取修正参数之前还包括:
基于节点度数、节点介数、节点聚集系数、节点效率值对所述节点进行拓扑结构评估,获得所述信息流网络的拓扑结构指标。
优选的,基于所述信息流网络的拓扑结构指标,获取任一所述节点在碳流网络的拓扑结构指标矩阵和在信息流网络的拓扑结构指标矩阵;
优选的,基于所述节点碳流重要度值、所述修正参数和所述信息流重要度值,获得所述电力系统节点重要度值的方法为:
所述节点碳流重要度值+所述修正参数×所述信息流重要度值=所述电力系统节点重要度值。
本申请技术效果:
(1)相较于原有的配电网节点重要度评估方法,本发明的评估方法通过使用潮流计算,将电能指标转换为碳流指标,使全环节的碳排放责任细分,从而由电视角转换为碳视角来评估节点的重要程度;
(2)本发明的评估方法在配电网的基础上加上了源端节点评估,形成了更为完善的电力系统节点评估方法;
(3)本发明评估方法在碳流的基础上结合了节点的信息流指标来对节点进行综合评估,更符合信息化时代的发展要求;
(4)使用本发明评估方法对节点进行重要度评估,可根据节点的重要度值以及线路的总重要度值的大小来有针对性地对源端进行系统性改造,从而进一步去实现“双碳”目标。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例基于碳流的电力系统节点重要度评估方法流程图;
图2为本发明实施例基于碳流的电力系统节点重要度评估方法结构图;
图3为本发明实施例节点重要度权重计算流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1-3所示,本实施例中提供一种计及碳流的电力系统节点重要度评估方法,包括以下步骤:
一种计及碳流的电力系统节点重要度评估方法,包括:
构建电力系统网络模型,获取所述电力系统网络模型中的节点,其中所述电力系统网络模型包括碳流网络和信息流网络;
基于所述碳流网络获取节点碳流指标,基于所述节点碳流指标,获取节点碳流重要度值;基于所述碳流网络和所述信息流网络,获取修正参数;基于所述信息流网络,获取节点信息流重要度值;
基于所述节点碳流重要度值、所述修正参数和所述信息流重要度值数,获取电力系统节点重要度值。
优选的,所述节点碳流指标包括节点碳势和节点碳排放强度。
优选的,获取所述节点碳势和节点碳排放强度包括:
获取各机组的碳排放强度,并构建潮流分布矩阵;
根据所述各机组的碳排放强度和所述潮流分布矩阵,获取所述节点碳势和所述节点碳排放强度。
优选的,基于所述节点碳流指标,获取节点碳流重要度值包括:
对所述节点碳流指标进行归一化处理,获得处理后的碳流数据;
基于所述碳流数据获取指标项矩阵,计算各指标项的对比性及矛盾性;
根据所述各指标项的对比性及矛盾性,计算所述各指标项的信息承载量,并将所述各指标项的信息承载量转化为所述各指标项的权重;
基于所述指标项矩阵,获得所述指标项矩阵的正负理想解向量;
基于所述正负理想解向量和所述各指标项的权重,获得各节点的群体效益值和个体遗憾值;
基于所述各节点的群体效益值和个体遗憾值,获得所述节点碳流重要度值。
优选的,所述节点碳流重要度值表示为:
式中,Qi为折中值,Si为群体效益值,Ri为个体遗憾值,v为决策机制系数。
优选的,基于碳流网络和信息流网络,获取的修正参数包括:基于所述碳流网络的拓扑结构指标矩阵和所述信息流网络的拓扑结构指标矩阵,获取所述修正参数,其所述修正参数的表达式为:
其中,μi为信息流重要度的修正参数,与/>分别是相同的节点在碳流网络的拓扑结构指标矩阵的和信息流网络的拓扑结构指标矩阵,N为矩阵/>中元素的个数。
优选的,获取所述基于碳流网络的拓扑结构指标矩阵和信息流网络的拓扑结构指标矩阵,获取修正参数之前还包括:
基于节点度数、节点介数、节点聚集系数、节点效率值对所述节点进行拓扑结构评估,获得所述信息流网络的拓扑结构指标。
优选的,基于所述信息流网络的拓扑结构指标,获取任一所述节点在碳流网络的拓扑结构指标矩阵和在信息流网络的拓扑结构指标矩阵;
优选的,基于所述节点碳流重要度值、所述修正参数和所述信息流重要度值,获得所述电力系统节点重要度值的方法为:
所述节点碳流重要度值+所述修正参数×所述信息流重要度值=所述电力系统节点重要度值。
网络碳排放强度计算
第一步:确定网络的网络拓扑结构,初始化网络中的节点状态;
第二步:构建功率平衡等式1、2,得到机组的有功、无功功率输出,PGi、QGi分别为接入节点i的发电机的有功和无功输出,PLi、QLi分别为接入节点i的有功、无功负荷;
第三步:对方程进行求解,得出网络中节点的电压Ui和相角δi;
第四步:根据支路的上游输入功率Pij和支路连接机组输入功率PGi,构建潮流分布矩阵Au,PG为各机组有功功率向量,P为节点流过功率向量。
AuP=PG (3)
其中Au的元素为
式中,Pij是由i点流出经过网络损耗后输入节点j的有功功率。
第五步:根据机组的运行状态和功率输出,得出各机组的碳排放强度。
第六步:根据机组的碳排放强度和潮流分布矩阵Au,计算出各节点的碳排放强度以及碳势。
火电机组碳排放强度为:
式中:为二氧化碳的摩尔质量;Mc为碳的摩尔质量;μi为机组i的燃煤含碳率;为机组i燃煤的碳氧化率;σi为碳捕集率。
k个机组碳排放强度向量EG:
EG=[EG1,EG2,...,EGk]T (6)
节点碳势所组成的向量E的计算公式为:
节点碳势en用于描述节点n的碳排放强度,即在节点消耗单位电量所造成的等效于发电侧的碳排放值。设具有N个节点,即n=1,2,...,N。同时L为节点a相连的所有支路集合,Pb为支路有功潮流,有
式中Rc为支路碳流率,即为单位时间内某条支路上通过的碳流量,机组i所需承担的流经支路k-j的有功功率的碳流率为
Rkj,Gi=Pkj,GiEGi (9)
通过以上(1)-(9)式即可完成对整个电网碳流的细分,得到所需的节点碳排放强度以及节点碳势。
节点碳流重要度计算
在得到节点碳排放强度与节点碳势之后,需要对节点进行碳流重要度评估,将包括节点碳排放强度和节点碳势的碳流指标转化为节点碳流重要度值。
第一步:将所得的全部节点的碳流指标列表并进行归一化处理,处理方法为:
处理过后的碳流数据即可按照图3所示流程求得节点碳流重要度。
第二步:将处理后的数据整理得到指标项矩阵并获取各指标项的对比性及矛盾性。指标项j的对比性用其标准差来表示,有:
其中是指标项j的归一化指标均值,有:
指标项的矛盾性反映的是不同指标之间的相关程度,若越呈现正相关性,则矛盾性数值越小。设指标项j的矛盾性为fj,有:
其中rkj表示指标项k与指标项j之间的线性相关系数,有:
其中Cov(Xk,Xj)是指标项k与指标项j的协方差,Var(Xk)和Var(Xj)分别为指标项k与指标项j的方差,有:
第三步:计算指标项j的信息承载量Cj,其计算式为:
Cj=σjfj (17)
第四步:将所得的指标项信息承载量转化为相应的权重,有:
第五步:在指标项矩阵X中找到指标项的正理想解向量F+和负理想解向量F-,其表达式分别为:
其中,和/>分别为指标项矩阵X中指标项j所在列的最大值与最小值。
第六步:由正负理想解向量计算得到各节点的群体效益值Si和个体遗憾值Ri,其计算式分别为:
第七步:由算求得的群体效益值Si和个体遗憾值Ri计算得到折中值Qi,并令该折中值即为所求的节点重要度值
其中v是决策机制系数,此处取v=0.7。
按照上述流程即可将节点碳流指标转换为节点碳流重要度值
节点信息流重要度计算
控制中心实时获取节点相关参数,从而在原本的碳流网络的基础上形成了具有信息业务的复杂整体网络。由于源端不同于配电网,不同节点的信息业务比较接近,无法通过业务的相关重要性来决定节点的相对信息流重要度,为了评估整个电力系统的节点,需要通过信息流网络的拓扑结构来进行信息流重要度评估。
为得到节点信息流重要度,首先要得到节点的信息流指标。由复杂网络理论,从节点度数、节点介数、节点聚集系数、节点效率值4个角度对所选的节点进行拓扑结构评估。具体指标如下:
(1)节点度数:电力系统网络与整体网络的节点度数分别表示为分别表示在电力系统网络与复杂网络内与节点vi直接关联的链路数;由于能量流具有有+向性,对节点度数也需要进行区分,以节点vi为链路起点的链路数为节点出度deg+(vi),以节点vi为终点的链路数为节点出度deg-(vi),有
(2)节点介数B:以节点介数B来表示节点vi在网络全局的影响程度,有
式(18)中,δjk为节点vj到vk的最短路由原则下的路径数,δjk(i)为δjk中经由vi的路径数。
(3)节点聚集系数C:节点vi的聚集系数Ci用来描述其与相邻节点之间的连接情况,集结成团的程度,有
式(3)中n为所在网络的节点总数。
(4)节点效率值节点效率值又称节点平均跳数,反映节点vi与其他节点之间联系的紧密程度,有
式(27)中,dij为在最短路由原则下从节点vi到vj所经过的节点个数,即跳数。
根据式(24)-(27)可知,信息流网络内任一节点的拓扑关系均可由矩阵的形式来表示得到/>即得到了所有评估节点的信息流指标,同理可得碳流网络内所有节点的网络拓扑结构矩阵/>将得到的信息流指标同计算碳流重要度的流程一样,通过列表、数据归一化处理、求取各指标项的对比性及矛盾性等步骤计算得到信息流重要度,即
第一步:将所得的全部节点的信息流网络拓扑结构指标列表并进行归一化处理,处理方法为:
第二步:将处理后的数据整理得到指标项矩阵并获取各指标项的对比性及矛盾性。指标项j的对比性用其标准差来表示,有:
其中是指标项j的归一化指标均值,有:
设指标项j的矛盾性为fj,有:
其中rkj表示指标项k与指标项j之间的线性相关系数,有:
其中Cov(Xk,Xj)是指标项k与指标项j的协方差,Var(Xk)和Var(Xj)分别为指标项k与指标项j的方差,有:
第三步:计算指标项j的信息承载量Cj,其计算式为:
Cj=σjfj
第四步:将所得的指标项信息承载量转化为相应的权重,有:
第五步:在指标项矩阵X中找到指标项的正理想解向量F+和负理想解向量F-,其表达式分别为:
其中,和/>分别为指标项矩阵X中指标项j所在列的最大值与最小值。
第六步:由正负理想解向量计算得到各节点的群体效益值Si和个体遗憾值Ri,其计算式分别为:
第七步:由算求得的群体效益值Si和个体遗憾值Ri计算得到折中值Qi,并令该折中值即为所求的节点重要度值Ii:
其中v是决策机制系数,此处取v=0.7。
由以上步骤,即可同求碳流重要度一样求得信息流重要度。
节点综合重要度值
分别求得节点碳流与信息流重要度值后,需确定信息流的修正参数来平衡碳流重要度与信息流重要度的比例,从而计算节点的综合重要度值,以实现此节点评估方法以碳流为主,信息流为辅的要求。为求得该修正参数,需研究碳流网络节点在实际电力系统网络添加控制中心前后网络拓扑结构的变化情况,上述提及的碳流网络以及信息流网络实际上分别指添加控制中心前后的电力系统网络,并将其转化成修正参数,有:
式(28)中,μi为信息流重要度的修正参数,与/>分别是相同的节点在碳流网络和添加了信息流网络时的拓扑结构指标矩阵,N为矩阵/>中元素的个数,即N=4。
由以上所求得的碳流重要度、信息流重要度以及修正参数,按图2所示的评估结果的计算方法即可求得节点的综合重要度。
本发明技术效果:
(1)相较于原有的配电网节点重要度评估方法,本发明的评估方法通过使用潮流计算,将电能指标转换为碳流指标,使全环节的碳排放责任细分,从而由电视角转换为碳视角来评估节点的重要程度;
(2)本发明的评估方法在配电网的基础上加上了源端节点评估,形成了更为完善的电力系统节点评估方法;
(3)本申请评估方法在碳流的基础上结合了节点的信息流指标来对节点进行综合评估,更符合信息化时代的发展要求;
(4)使用本发明评估方法对节点进行重要度评估,可根据节点的重要度值以及线路的总重要度值的大小来有针对性地对源端进行系统性改造,从而进一步去实现“双碳”目标。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (1)
1.一种计及碳流的电力系统节点重要度评估方法,其特征在于,包括:
步骤S1、构建电力系统网络模型,获取所述电力系统网络模型中的节点,其中,所述电力系统网络模型包括碳流网络和信息流网络;
步骤S2、其包括步骤21和步骤22;
步骤21、基于所述碳流网络获取节点碳流指标;所述节点碳流指标包括节点碳势和节点碳排放强度;
步骤21具体包括:获取各机组的碳排放强度,并构建潮流分布矩阵;根据所述各机组的碳排放强度和所述潮流分布矩阵,获取所述节点碳势和所述节点碳排放强度,包括步骤A01-A06,如下:
第A01步:确定碳流网络的网络拓扑结构,初始化碳流网络中的节点状态;
第A02步:构建功率平衡等式和以得到机组的有功功率输出和无功功率输出;其中,PGi、QGi分别为接入的节点i的发电机的有功输出和无功输出,PLi、QLi分别为接入的节点i的有功负荷和无功负荷;
第A03步:对步骤A02进行求解,得出碳流网络中相角δij和节点i的电压Ui;
第A04步:构建潮流分布矩阵Au,其中,Au的元素为AuP=PG;PG为各机组有功功率向量,P为节点流过功率向量,Pji是由节点i流出经过网络损耗后输入节点j的有功功率;
第A05步:根据机组的运行状态和功率输出,得出各机组的碳排放强度;
第A06步:根据机组的碳排放强度和潮流分布矩阵Au,计算出各节点的碳排放强度以及碳势;
其中,机组碳排放强度为: 为二氧化碳的摩尔质量;Mc为碳的摩尔质量;μm为机组m的燃煤含碳率;/>为机组m燃煤的碳氧化率;σm为碳捕集率;k个机组碳排放强度向量EG为:EG=[EG1,EG2,...,EGk]T;
节点碳势组成的向量E的计算公式为:
节点碳势ei用于描述节点i的碳排放强度,即在节点消耗单位电量所造成的等效于发电侧的碳排放值,
L为节点i相连的所有支路集合,
Pb为支路有功潮流,
Rc为支路碳流率,即为单位时间内某条支路上通过的碳流量;
机组m所需承担的流经支路i-j的有功功率的碳流率为:Rij,Gm=Pij,Gm EGm;
通过上述步骤A01-A06即完成对整个碳流网络的细分,得到节点碳排放强度以及节点碳势;
步骤22、基于所述节点碳流指标,获取节点碳流重要度值,具体包括步骤B01-B06,如下:
第B01步:对所述节点碳流指标进行归一化处理,获得处理后的碳流数据;归一化处理方法为:
第B02步:基于所述碳流数据获取碳流网络的指标项矩阵X=(xiq)N×M,计算碳流网络中各指标项的对比性及矛盾性;碳流网络中指标项q的对比性用其标准差σq来表示,碳流网络中指标项q的矛盾性为fq,ryq表示指标项y与指标项q之间的线性相关系数,/>Cov(Xy,Xq)是指标项y与指标项q的协方差;Var(Xy)和Var(Xq)分别为指标项y与指标项q的方差;
第B03步:根据所述碳流网络中各指标项的对比性及矛盾性,计算碳流网络中各指标项的信息承载量;其中,碳流网络中指标项q的信息承载量Cq=σqfq;
第B04步:将所述碳流网络中各指标项的信息承载量转化为碳流网络中各指标项的权重;其中,碳流网络中指标项q的权重
第B05步:在所述碳流网络的指标项矩阵中找到碳流网络的指标项矩阵的正理想解向量F+和负理想解向量F-,其中,/>和/>分别为指标项矩阵X中指标项q所在列的最大值与最小值;
第B06步:基于所述碳流网络的指标项矩阵的正理想解向量和负理想解向量和所述碳流网络中各指标项的权重,计算得到碳流网络中各节点的群体效益值Si和个体遗憾值Ri,
第B07步:基于所述碳流网络中各节点的群体效益值Si和个体遗憾值Ri,计算得到碳流网络的折中值Qi,并令该碳流网络的折中值为所求的节点碳流重要度值其中,v为决策机制系数;通过上述步骤B01-B07即完成将节点碳流指标转换为节点碳流重要度值;
步骤S3、基于所述信息流网络,获取节点信息流重要度值;基于节点度数、节点介数、节点聚集系数、节点效率值在信息流网络中对节点进行拓扑结构评估,获得信息流网络的任一节点的拓扑结构指标矩阵其中,节点度数以节点i为链路起点的链路数为节点出度/>以节点i为终点的链路数为节点出度/>节点介数/>其表示节点i在网络全局的影响程度,δjo为节点j到节点o的最短路由原则下的路径数,δjo(i)为δjo中经由节点i的路径数;节点聚集系数节点效率值/>dij为在最短路由原则下从节点i到j所经过的节点个数,即跳数;同理,基于节点度数、节点介数、节点聚集系数、节点效率值在碳流网络中对节点进行拓扑结构评估,获得碳流网络的任一节点的拓扑结构指标矩阵/>将所述信息流网络的任一节点的拓扑结构指标矩阵/>作为节点信息流指标/>
而后,和计算节点碳流重要度值的流程及公式一样,获取节点信息流重要度值的具体步骤包括C01-C06,如下:
第C01步:对所述节点信息流指标进行归一化处理,获得处理后的信息流数据;
第C02步:基于所述信息流数据获取信息流网络的指标项矩阵,计算信息流网络中各指标项的对比性及矛盾性;
第C03步:根据所述信息流网络中各指标项的对比性及矛盾性,计算信息流网络中各指标项的信息承载量;
第C04步:将所述信息流网络中各指标项的信息承载量转化为信息流网络中各指标项的权重;
第C05步:在所述信息流网络的指标项矩阵中找到信息流网络的指标项矩阵的正理想解向量和负理想解向量,
第C06步:由所述信息流网络的指标项矩阵的正理想解向量和负理想解向量和所述信息流网络中各指标项的权重,计算得到信息流网络中各节点的群体效益值和个体遗憾值;
第C07步:基于所述信息流网络中各节点的群体效益值和个体遗憾值,计算得到信息流网络的折中值,并令该信息流网络的折中值为所求的节点信息流重要度值Ii;
步骤S4、基于所述碳流网络和所述信息流网络,获取修正参数,包括:基于所述碳流网络的拓扑结构指标矩阵和所述信息流网络的拓扑结构指标矩阵,获取所述修正参数,所述修正参数的表达式为:
其中,μi为修正参数;
步骤S5、基于所述节点碳流重要度值、所述节点信息流重要度值和所述修正参数获取电力系统节点重要度值,具体为:所述节点碳流重要度值+所述修正参数×所述信息流重要度值=所述电力系统节点重要度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433509.6A CN116050701B (zh) | 2022-11-16 | 2022-11-16 | 一种计及碳流的电力系统节点重要度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433509.6A CN116050701B (zh) | 2022-11-16 | 2022-11-16 | 一种计及碳流的电力系统节点重要度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116050701A CN116050701A (zh) | 2023-05-02 |
CN116050701B true CN116050701B (zh) | 2023-12-15 |
Family
ID=86119606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211433509.6A Active CN116050701B (zh) | 2022-11-16 | 2022-11-16 | 一种计及碳流的电力系统节点重要度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050701B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014173131A1 (zh) * | 2013-04-23 | 2014-10-30 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
CN104391919A (zh) * | 2014-11-20 | 2015-03-04 | 上海交通大学 | 智能电网地理可视化实现系统及方法 |
CN105375472A (zh) * | 2015-11-23 | 2016-03-02 | 国家电网公司 | 一种智能配电网低碳效益评估方法 |
CN106251095A (zh) * | 2016-09-06 | 2016-12-21 | 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 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107769192A (zh) * | 2017-09-18 | 2018-03-06 | 华北电力大学 | 一种供用电网络节点/支路碳流计算方法 |
CN111160716A (zh) * | 2019-12-10 | 2020-05-15 | 国网经济技术研究院有限公司 | 基于潮流介数的大电网脆弱性评估方法 |
RU2734319C1 (ru) * | 2019-11-07 | 2020-10-15 | Федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" | Способ оценивания режимных параметров энергосистемы с использованием уравнений балансов мощности или энергии |
CN113886767A (zh) * | 2021-08-30 | 2022-01-04 | 国网江苏省电力有限公司 | 一种电力系统碳排放流实时计算方法 |
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 |
WO2022134596A1 (zh) * | 2020-12-23 | 2022-06-30 | 南京邮电大学 | 一种计及新能源影响的主动配电网脆弱节点辨识方法 |
CN114881401A (zh) * | 2022-03-28 | 2022-08-09 | 国网江西省电力有限公司电力科学研究院 | 一种配电网与通信网耦合程度量化的评价方法 |
CN114936745A (zh) * | 2022-04-12 | 2022-08-23 | 国网浙江省电力有限公司经济技术研究院 | 一种基于碳成本分摊的电力系统碳排放量降低方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9054531B2 (en) * | 2011-07-19 | 2015-06-09 | Carnegie Mellon University | General method for distributed line flow computing with local communications in meshed electric networks |
JP6715740B2 (ja) * | 2016-10-13 | 2020-07-01 | 株式会社日立製作所 | 電力系統の潮流監視装置、電力系統安定化装置および電力系統の潮流監視方法 |
-
2022
- 2022-11-16 CN CN202211433509.6A patent/CN116050701B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014173131A1 (zh) * | 2013-04-23 | 2014-10-30 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
CN104391919A (zh) * | 2014-11-20 | 2015-03-04 | 上海交通大学 | 智能电网地理可视化实现系统及方法 |
CN105375472A (zh) * | 2015-11-23 | 2016-03-02 | 国家电网公司 | 一种智能配电网低碳效益评估方法 |
CN106251095A (zh) * | 2016-09-06 | 2016-12-21 | 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 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107769192A (zh) * | 2017-09-18 | 2018-03-06 | 华北电力大学 | 一种供用电网络节点/支路碳流计算方法 |
RU2734319C1 (ru) * | 2019-11-07 | 2020-10-15 | Федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" | Способ оценивания режимных параметров энергосистемы с использованием уравнений балансов мощности или энергии |
CN111160716A (zh) * | 2019-12-10 | 2020-05-15 | 国网经济技术研究院有限公司 | 基于潮流介数的大电网脆弱性评估方法 |
WO2022134596A1 (zh) * | 2020-12-23 | 2022-06-30 | 南京邮电大学 | 一种计及新能源影响的主动配电网脆弱节点辨识方法 |
CN113886767A (zh) * | 2021-08-30 | 2022-01-04 | 国网江苏省电力有限公司 | 一种电力系统碳排放流实时计算方法 |
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 |
CN114881401A (zh) * | 2022-03-28 | 2022-08-09 | 国网江西省电力有限公司电力科学研究院 | 一种配电网与通信网耦合程度量化的评价方法 |
CN114936745A (zh) * | 2022-04-12 | 2022-08-23 | 国网浙江省电力有限公司经济技术研究院 | 一种基于碳成本分摊的电力系统碳排放量降低方法及装置 |
Non-Patent Citations (5)
Title |
---|
A New Power System Source-End Low Carbonization Evaluation System Considering Carbon Control Model;龚钢军 等;《energies》;第16卷(第1期);全文 * |
An Ecological, Power Lean, Comprehensive Marketing Evaluation System Based on DEMATEL–CRITIC and VIKOR: A Case Study of Power Users in Northeast China;龚钢军 等;《energies》;第15卷(第11期);全文 * |
Coupled Model and Node Importance Evaluation of Electric Power Cyber-Physical Systems Considering Carbon Power Flow;龚钢军 等;《energies》;第15卷(第21期);全文 * |
基于电网功率分布的碳排放流计算方法;李岩松 等;电网技术(第03期);全文 * |
碳排放流在电力网络中分布的特性与机理分析;周天睿 等;电力系统自动化(第15期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116050701A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Distributed optimal energy management for energy internet | |
Yang et al. | Privacy-preserving transactive energy management for IoT-aided smart homes via blockchain | |
Liu et al. | Distributed economic dispatch in microgrids based on cooperative reinforcement learning | |
Wang et al. | Risk-limiting load restoration for resilience enhancement with intermittent energy resources | |
Rawa et al. | Economical-technical-environmental operation of power networks with wind-solar-hydropower generation using analytic hierarchy process and improved grey wolf algorithm | |
Wang et al. | A novel charging scheme for electric vehicles with smart communities in vehicular networks | |
Kou et al. | A scalable and distributed algorithm for managing residential demand response programs using alternating direction method of multipliers (ADMM) | |
Yaşar et al. | A new hybrid approach for nonconvex economic dispatch problem with valve-point effect | |
Shahraeini et al. | Comparison between communication infrastructures of centralized and decentralized wide area measurement systems | |
Chang et al. | A distributed robust optimization approach for the economic dispatch of flexible resources | |
Kou et al. | A comprehensive scheduling framework using SP-ADMM for residential demand response with weather and consumer uncertainties | |
Barbeiro et al. | State estimation in distribution smart grids using autoencoders | |
Liu et al. | Locational marginal pricing basics for restructured wholesale power markets | |
Fang et al. | Deep reinforcement learning for scenario-based robust economic dispatch strategy in internet of energy | |
Latifi et al. | A Bayesian real-time electric vehicle charging strategy for mitigating renewable energy fluctuations | |
Zuo et al. | A two-layer hybrid optimization approach for large-scale offshore wind farm collector system planning | |
Pinto et al. | Security constrained unit commitment: network modeling and solution issues | |
Bahrami et al. | A decentralized framework for real-time energy trading in distribution networks with load and generation uncertainty | |
Madbhavi et al. | Enhanced tensor completion based approaches for state estimation in distribution systems | |
Zhang et al. | Guest editorial special issue on communications and data analytics in smart grid | |
Muñoz et al. | Case study of the increase in capacity of transmission lines in the Chilean system through probabilistic calculation model based on dynamic thermal rating | |
Guo et al. | Incorporate day-ahead robustness and real-time incentives for electricity market design | |
Doostizadeh et al. | A novel cooperative decentralized framework based on peer‐to‐peer energy transactions in networked microgrids to improve the resilience | |
Song et al. | Dynamic thermal line rating model of conductor based on prediction of meteorological parameters | |
Tiong et al. | A two-stage stochastic multi-objective resilience optimization model for network expansion of interdependent power–water networks under disruption |
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 |