CN116663823A - 融合精准碳数据的配电能源网格碳排放最优规划方法及系统 - Google Patents

融合精准碳数据的配电能源网格碳排放最优规划方法及系统 Download PDF

Info

Publication number
CN116663823A
CN116663823A CN202310598787.5A CN202310598787A CN116663823A CN 116663823 A CN116663823 A CN 116663823A CN 202310598787 A CN202310598787 A CN 202310598787A CN 116663823 A CN116663823 A CN 116663823A
Authority
CN
China
Prior art keywords
carbon
representing
power
carbon emission
energy
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.)
Granted
Application number
CN202310598787.5A
Other languages
English (en)
Other versions
CN116663823B (zh
Inventor
岳付昌
梁睿
任孝峰
伏祥运
刘晗
李红
李光熹
崔景侠
宋家康
冯子烜
黄宏旭
王琛
张乐
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.)
Jiangsu Xinkuang Energy Technology Co ltd
State Grid Jiangsu Electric Power Co Ltd
Lianyungang Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Jiangsu Xinkuang Energy Technology Co ltd
State Grid Jiangsu Electric Power Co Ltd
Lianyungang Power Supply Co of State Grid Jiangsu 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 Jiangsu Xinkuang Energy Technology Co ltd, State Grid Jiangsu Electric Power Co Ltd, Lianyungang Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Jiangsu Xinkuang Energy Technology Co ltd
Priority to CN202310598787.5A priority Critical patent/CN116663823B/zh
Publication of CN116663823A publication Critical patent/CN116663823A/zh
Application granted granted Critical
Publication of CN116663823B publication Critical patent/CN116663823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)

Abstract

本发明提供一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统，包括：获取区域配电网电源侧和用户负荷侧碳排放数据，构建区域电力系统电源出力模型，针对不同用电行为产生的电能消耗进行碳排放赋权，构建精准碳排放模型；根据可再生能源聚类信息，结合地区可再生能源特征，拟合光伏阵列、分布式风电机组和海上风电机组的出力数据；构建电动汽车可中断型与可时移型联合负荷模型；根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数及约束条件，求解配电能源网格碳排放最优规划方案。本发明满足配电能源网格规划碳排放水平最优的需求。

Description

融合精准碳数据的配电能源网格碳排放最优规划方法及系统
技术领域
本发明涉及配电网规划技术领域，尤其涉及一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统。
背景技术
近年来，随着国家“碳达峰，碳中和”战略的不断深化实施，在区域配电网运行过程中，可再生能源接入比例日益增加，电网线路中吸纳的源端种类复杂多样。同时，随着新能源技术产品在用户侧的不断推广，负荷种类和需求量水平的随机性和波动性的不断提高，对碳计量、碳追踪需求下的低碳规划提出了更高的要求，也为配电网的低碳、安全运行带来了挑战。配电网网格化规划可以合理布局供电路径，便于后期线路的维护升级，且能够优化电力系统调度安排。网格化规划首先需要对负荷的大小和用能特征进行分析判断并留有一定的裕度，在此基础上依据配电网区域内电气、地理条件以及负荷用能特点的不同将供电区域进一步分成若干个小的供电区块，每一个供电区块都应有其独立且特定的供电范围，且需要满足不同属性用户的差异化可靠性需求。因此，需要针对不同的源端和负荷侧能源行为的碳排放水平，兼顾源端和负荷侧能源供、用能水平的差异性，建立融合精准碳数据的配电能源网格碳排放最优规划模型。
发明内容
本发明的目的在于提供了一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统，以解决配电能源网格低碳规划的问题，满足配电能源网格规划碳排放水平最优的需求。
实现本发明目的的技术解决方案为：本发明实施例提供了一种融合精准碳数据的配电能源网格碳排放最优规划方法，包括：
从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；
基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型，基于获取的区域配电网电源侧和用户负荷侧碳排放数据，通过精准碳排放模型计算出精准碳排放数据；
根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；
根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案。
进一步地，根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案，具体包括：
根据所述主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数，计算在所述配电能源网格上，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本的初始值和所述配电能源网格年碳税成本最优目标函数初始值；
根据所述年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本初始值、所述配电能源网格年碳税成本最优目标函数初始值和所述约束条件，根据优化算法给出的规划方案集，计算在所述方案集中，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本最终值和所述配电能源网格年碳税成本最优目标函数的最终值；
根据在所述方案集中，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本最终值和所述配电能源网格年碳税成本最优目标函数的最终值，确定所述方案集中的最佳规划方案。
进一步地，所述构建涉及电源成分变化的区域电力系统电源出力模型、对产生的电能消耗进行碳排放赋权，构建精准碳排放模型具体包括：
t时段内电源侧发电量为
其中，n表示清洁电源种类，r表示第r种清洁能源；m表示化石燃料电源种类，v表示第v种化石燃料能源；表示t时段第r种清洁电源的发电量；/>表示t时段第v种化石燃料电源的发电量；
由此所述t时段各电源成分所占份额为：
第r种清洁电源所占份额为：
第v种化石燃料电源所占份额为：
且有，
定义电能碳排放因子为每一种能源燃烧或使用过程中单位能源所产生的碳排放数量，CF为碳排放因子，第r种清洁能源所对应的碳排放因子为CFr，第v种化石能源所对应的碳排放因子为CFv，则源侧t时段的碳排放量为：
其中，表示源侧t时段的碳排放量。
进一步地，所述根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据具体包括：
根据蒙特卡洛随机抽样法模拟得到的大量风机、光伏出力场景，基于k-means场景聚类方法将出力场景缩减为3种场景类别各7个日出力场景，并得出场景类别和日出力场景对应的权重；
风电机组类别分为两种，第一类风电机组采用分布式并网发电；第二类风电机组采用海上风电机组；
风机、光伏出力包含贫、平、富3种场景类别，分别对应各类机组出力水平20％以下、20％～50％和50％以上，记作Si，i＝1,2,3，代表贫、平、富；7个日出力场景Dj，j＝1,2,…,7。
利用场景类别权重，通过随机选取得到风机、光伏出力场景类别，并继续利用日出力场景权重/>(陆上分布式风机)、/>以及/>(海上风机)，通过随机选取在所选取场景类别下的风光日出力场景，拟合得到分布式风机、光伏以及海上风机日出力数据/> 和/>
进一步地，用户负荷侧的用能需求(负荷需求量)数据除了包含公知的数据外还包含电动汽车负荷需求量；采用可时移型负荷与可中断性负荷联合建模的方式对电动汽车的充电行为进行刻画。可时移负荷完成工作所需的总电量一定，但是对工作时间段有一定的弹性，因此，该类型负荷所消耗的电能在一定时间段内可以转移，当有大量负荷聚合后，其负荷特性便十分明显，负荷转移的效果和工业园区内规律运行的电动汽车类似；可中断负荷在运行过程中可关断、提高或降低功率运行，与城市区域内电动汽车负荷的随机充电行为有相似之处，电动汽车可中断型与可时移型联合负荷模型为：
其中，AEV表示电动汽车充电行为的总集，表示t时段电动汽车负荷需求量最大值，Pa,max表示能源网格内允许可中断负荷退出的最大有功功率值，/>表示t时刻可中断负荷退出的有功功率，Pa,e为能源网格内工业园区规律运行的电动汽车平均负荷需求量。
进一步地，所述配电能源网格年碳税成本最优目标函数为
min F＝Fs+Fow+Fd+Fp；
其中，Fs表示配电网能源网格各主体设备安装碳税成本，Fow表示配电网能源网格运行年碳计量成本，Fd表示离域补偿运行碳税成本，Fp表示负荷侧用能负碳排放效应成本。
进一步地，所述配电能源网格各体设备安装碳税成本模型为：
其中，Fs表示所述各体设备安装碳计量成本，CPV,unit表示分布式光伏最小模块单元容量安装碳税计算因子，CWG,unit表示分布式风电机组最小模块单元容量安装碳税计算因子，NPV,m表示节点m处的光伏安装数量，NWG,m表示节点m处风电机组的安装数量，PPV,unit表示分布式光伏最小模块单元额定容量，PWG,unit表示风电机组最小模块单元额定容量，N1表示光伏安装节点数，N2表示风电机组安装节点数。所述模型中，核能发电厂(NPP)、海上风电基站(OWP)、火力发电厂(TPP)和燃气轮机(GT)的安装碳税成本以整体安装容量为计量依据。COWP,unit表示海上风电基站单位容量安装碳税计算因子，POWP,unit表示海上风电基站装机总容量，CTPP,unit表示火力发电厂单位容量安装碳税计算因子，PTPP,unit表示火力发电厂装机总容量，CGT,unit表示燃气轮机单位容量安装碳税计算因子，PGT,unit表示燃气轮机装机总容量，CNPP表示核电站的建造碳税成本。
进一步地，所述碳税计算因子Ck由碳排放因子CFk计算得来，所述配电网能源网格碳税计算因子Ck为
Ck＝λCFk；
其中，λ表示经济性碳转化系数，单位为元/kgCO2，k表征碳税类别。
进一步地，所述配电网能源网格运行年碳税成本模型为：
其中，T表示年小时数，CPV,ow表示分布式光伏运行输出单位出力的碳税计算因子，为分布式光伏在节点m处t时段出力，CWG,ow表示分布式风电机组运行输出单位出力的碳税计算因子，/>表示分布式风电机组在节点m处t时段出力，COWP,ow表示海上风电机组运行输出单位出力的碳税计算因子，/>表示t时段海上风电机组运行出力，COWP,ow表示海上风电机组运行输出单位功率的碳税计算因子，CTPP,ow表示火力发电厂运行输出单位出力的碳税计算因子，/>表示t时段火力发电厂运行出力情况，CGT,ow表示燃气轮机运行输出单位出力的碳税计算因子，/>表示t时段燃气轮机运行出力，/>表示t时段有功网损，CL,loss表示运行中有功网损碳税计算因子，/>表示t时段储能损耗，CCh,loss表示运行中储能损耗碳税计算因子，t默认时段间隔为1小时。
进一步地，所述配电网能源网格中用户离域补偿运行碳税成本模型为：
其中，Cd,p表示用户离域补偿运行碳税计算因子，表示用户负荷缺额量，χp为第p个负荷的权重系数，P为网格区域负荷类型总数，Pp为负荷需求量，/>和/>表示源端l中心的横、纵坐标，xp和yp表示第p个负荷中心的横、纵坐标，/>表示源端l的出力裕量，Cd,F表示用户负荷缺额量的单位惩罚碳税计算因子，Sk为视在功率，/>为功率因数。
进一步地，所述负荷侧用能负碳排放效应成本模型为：
其中，Fp表示负荷侧用能负碳排放效应成本，Cd,G表示差额单位惩罚碳税计算因子，表示t时刻源端l出力，/>表示t时刻p类型负荷侧用能需求量。
进一步地，所述配电能源网格应满足潮流等式约束为：
其中，Pm表示节点m处的注入有功功率，Qm表示节点m处的注入无功功率，Um为节点m处的电压幅值，Uk为节点k处的电压幅值，Gmk和Bmk分别表示系统导纳矩阵的实部和虚部，θmk为节点m和k的电压相角差。
所述电压不等式约束，即各节点电压机会不等式约束条件为
Pr{Umin≤Umk≤Umax}≥βU；
其中，Pr表示事件概率集合，Umin表示节点电压下限，Umax表示节点电压上限，βU电网电压置信水平；
分布式的风电机组和光伏会在接入节点造成电压偏移影响，为保障电网电能质量，各节点电压偏移量不等式约束条件为
其中，表示t时刻风电机组和光伏产生的电压偏移量，χgrid_max表示配电网容许最电压偏移量，ULine表示馈线电压。
一种融合精准碳数据的配电能源网格碳排放最优规划系统，包括碳排放数据采集单元、数据模型构建单元、成本模型构建单元和最优规划方案求解单元，
其中：
所述碳排放数据采集单元用于从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
所述数据模型构建单元用于：根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型得到电源侧和用户负荷侧精准碳排放数据；根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
所述成本模型构建单元考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
所述最优规划方案求解单元根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，求解所述配电能源网格碳排放最优规划方案。
与现有技术相比，本发明的有益效果为：本申请以用户侧精准碳排放数据驱动配电能源网格的规划，在高比例可再生能源接入环境下优选出配电能源网格规划方案，根据不同用电行为，对产生的电能消耗进行碳排放赋权，根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据，引入电源侧和负荷侧碳税计算因子作为经济指标，综合考虑了网格运行均衡性(即用户离域补偿运行碳税成本模型)和碳排放经济性(即配电能源网格年碳税成本最优目标函数)，满足配电能源网格规划碳排放水平最优的需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种融合精准碳数据的配电能源网格碳排放最优规划方法的实施流程图。
图2是本发明实施例提供的风机、光伏出力不确定性数据拟合过程图。
图3是本发明实施例提供的网格内源端供能及用户负荷离域运行情况示意图。
图4是本发明实施例提供的配电能源网格年碳税成本最优目标函数求解流程图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
结合图1，一种融合精准碳数据的配电能源网格碳排放最优规划方法具体包括：
步骤101，从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据。
区域配电网电源侧和用户负荷侧碳排放数据由区域配电网实际监管部门通过碳排放实际检测数据和对未来碳排放数据的预测数据共同构成，该数据来源于配电能源网格所述区域配电网电源侧和用户负荷侧，该表述应同时包含检测碳排放数据所必须的实时配电网各层级数据。
可选的，实时电网数据可以包括数字孪生配电网的节点数、节点编号、现有线路的起始节点编号、终止节点编号、各条线路阻抗参数、各节点负荷有功功率和无功功率等数据。
步骤102，根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；根据不同负荷用电行为产生的电能消耗量，进行碳排放赋权，构建精准碳排放模型；
可选的，涉及电源成分变化的区域电力系统电源出力模型、针对不同用电行为产生的电能消耗进行碳排放赋权表述如下。
t时段内电源侧发电量(电力系统电源出力模型)为：
其中，n表示清洁电源种类，r表示第r种清洁能源；m表示化石燃料电源种类，v表示第v种化石燃料能源。表示t时段第r种清洁电源的发电量；/>表示t时段第v种化石燃料电源的发电量；
由此所述t时段各电源成分所占份额(碳排放赋权值)为：
第r种清洁电源所占份额为：
第v种化石燃料电源所占份额为：
且有，
定义电能碳排放因子为每一种能源燃烧或使用过程中单位能源所产生的碳排放数量，CF为碳排放因子，第r种清洁能源所对应的碳排放因子为CFr，第v种化石能源所对应的碳排放因子为CFv，则源侧t时段的碳排放量为：
其中，表示源侧t时段的碳排放量。
步骤103，根据考虑不确定性的分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据拟合方法；结合图2，具体包括：
步骤201，根据蒙特卡洛随机抽样法模拟得到的大量风机、光伏出力场景；
步骤202，基于k-means场景聚类方法将出力场景缩减为3种场景类别各7个日出力场景。出场景类别和日出力场景对应的权重；
可选的，风机、光伏出力包含贫、平、富3种场景类别，分别对应各类机组出力水平20％以下、20％～50％和50％以上，记作Si，i＝1,2,3，代表贫、平、富；7个日出力场景Dj，j＝1,2,…,7；
所述风电机组类别分为两种，第一类风电机组采用分布式并网发电；第二类风电机组采用海上风电机组；
步骤203，根据聚类数据，计算场景类别和日出力场景权重；
步骤204，根据场景类别权重，随机选取得到风机、光伏出力场景类别；
步骤205，根据日出力场景权重，随机选取在所选取场景类别下的风光日出力场景；
步骤206，根据日出力场景权重，拟合得到分布式风机、光伏以及海上风机日出力数据；
利用场景类别权重，通过随机选取得到风机、光伏出力场景类别，并继续利用日出力场景权重/>(陆上分布式风机)、/>以及/>(海上风机)，通过计算机随机选取在所选取场景类别下的风光日出力场景，拟合得到分布式风机、光伏以及海上风机日出力数据/> 和/>
步骤104，本发明的负荷侧的用能需求数据除了包含公知的数据外还包含电动汽车可中断型与可时移型联合负荷模型的输出数据，因此根据电动汽车可中断型与可时移型联合负荷建模。
可选的，
其中，AEV表示电动汽车充电行为的总集，表示t时段电动汽车负荷需求量最大值，Pa,max表示能源网格内允许可中断负荷退出的最大有功功率值，/>表示t时刻可中断负荷退出的有功功率，Pa,e为能源网格内工业园区规律运行的电动汽车平均负荷需求量；
其中，AEV表示电动汽车充电行为的总集，表示t时段电动汽车负荷需求量最大值，Pa,max表示能源网格内允许可中断负荷退出的最大有功功率值，/>表示t时刻可中断负荷退出的有功功率，Pa,e为能源网格内工业园区规律运行的电动汽车平均负荷需求量。
步骤105，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标。
可选的，碳税计算因子Ck由碳排放因子CFk计算求得，所述配电网能源网格碳税计算因子Ck为：
Ck＝λCFk；
其中，λ表示经济性碳转化系数，单位为元/kgCO2，k表征碳税类别。
步骤106，根据电源侧和用户负荷侧精准碳排放数据，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型。
可选的，所述配电能源网格各主体设备安装碳税成本模型为：
其中，Fs表示所述各体设备安装碳计量成本，CPV,unit表示分布式光伏最小模块单元容量安装碳税计算因子，CWG,unit表示分布式风电机组最小模块单元容量安装碳税计算因子，NPV,m表示节点m处的光伏安装数量，NWG,m表示节点m处风电机组的安装数量，PPV,unit表示分布式光伏最小模块单元额定容量，PWG,unit表示风电机组最小模块单元额定容量，N1表示光伏安装节点数，N2表示风电机组安装节点数。所述模型中，核能发电厂(NPP)、海上风电基站(OWP)、火力发电厂(TPP)和燃气轮机(GT)的安装碳税成本以整体安装容量为计量依据。COWP,unit表示海上风电基站单位容量安装碳税计算因子，POWP,unit表示海上风电基站装机总容量，CTPP,unit表示火力发电厂单位容量安装碳税计算因子，PTPP,unit表示火力发电厂装机总容量，CGT,unit表示燃气轮机单位容量安装碳税计算因子，PGT,unit表示燃气轮机装机总容量，CNPP表示核电站的建造碳税成本。
可选的，所述配电网能源网格运行年碳税成本模型为
其中，T表示年小时数，CPV,ow表示分布式光伏运行输出单位出力的碳税计算因子，为分布式光伏在节点m处t时段出力，CWG,ow表示分布式风电机组运行输出单位出力的碳税计算因子，/>表示分布式风电机组在节点m处t时段出力，COWP,ow表示海上风电机组运行输出单位出力的碳税计算因子，/>表示t时段海上风电机组运行出力，COWP,ow表示海上风电机组运行输出单位功率的碳税计算因子，CTPP,ow表示火力发电厂运行输出单位出力的碳税计算因子，/>表示t时段火力发电厂运行出力情况，CGT,ow表示燃气轮机运行输出单位出力的碳税计算因子，/>表示t时段燃气轮机运行出力，/>表示t时段有功网损，CL,loss表示运行中有功网损碳税计算因子，/>表示t时段储能损耗，CCh,loss表示运行中储能损耗碳税计算因子，t默认时段间隔为1小时。
图3是本发明实施例提供的网格内源端供能及用户负荷离域运行情况示意图，可选的，在配电能源网格规划中，为了优化电力系统调度安排、供电路径及负荷用电特征符合度，需要考虑源端和负荷侧的电气距离进行最优网格化架构。但是，在实际运行中，由于配电网网架中，可再生能源的比例不断升高，可再生能源出力的不确定性以及电动汽车等用电负荷的随机性导致网格内源荷不匹配的情况时有发生，此时需要由电气距离较远或具有额外裕量的非本网格内源端对用电负荷进行补偿供能。因此，在配电能源网格运行中，需要考虑该过程中的离域补偿运行碳计量成本。
以k类型源端为实施例，如图3所示，图3中I类负荷为临界负荷，II类负荷为域内负荷，源端这两种类型的负荷供应水平较好，不存在离域补偿运行行为；而III类负荷为离域负荷，此种类型负荷的部分用电需求超过k类型源端供电范围，Δdp为III类负荷离域差额，此时由非本网格内的源端进行补偿供能时会产生计划外碳排放量。虚线范围表示n类型源端补偿供应能力和馈线终端相应能力范围界限。本发明对离域负荷综合考虑电气距离和网格外源端裕量补偿能力建立离域补偿运行碳计量成本模型，所述配电网能源网格中用户离域补偿运行碳税成本模型为：
其中，Cd,p表示用户离域补偿运行碳税计算因子，表示用户负荷缺额量，χp为第p个负荷的权重系数，P为网格区域负荷类型总数，Pp为负荷需求量，/>和/>表示源端l中心的横、纵坐标，xp和yp表示第p个负荷中心的横、纵坐标，/>表示源端l的出力裕量，Cd,F表示用户负荷缺额量的单位惩罚碳税计算因子，Sk为视在功率，/>为功率因数。
可选的，负荷侧用能负碳排放效应成本模型为：
其中，Fp表示负荷侧用能负碳排放效应成本，Cd,G表示差额单位惩罚碳税计算因子，表示t时刻源端l出力，/>表示t时刻p类型负荷侧用能需求量。
步骤107，构建配电能源网格年碳税成本最优目标函数以及约束条件。
可选的，配电能源网格年碳税成本最优目标函数为：
min F＝Fs+Fow+Fd+Fp；
其中，Fs表示配电网能源网格各主体设备安装碳税成本，Fow表示配电网能源网格运行年碳计量成本，Fd表示离域补偿运行碳税成本，Fp表示负荷侧用能负碳排放效应成本。
可选的，所述配电能源网格应满足潮流等式约束为：
其中，Pm表示节点m处的注入有功功率，Qm表示节点m处的注入无功功率，Um为节点m处的电压幅值，Uk为节点k处的电压幅值，Gmk和Bmk分别表示系统导纳矩阵的实部和虚部，θmk为节点m和k的电压相角差。
所述电压不等式约束，即各节点电压机会不等式约束条件为：
Pr{Umin≤Umk≤Umax}≥βU；
其中，Pr表示事件概率集合，Umin表示节点电压下限，Umax表示节点电压上限，βU电网电压置信水平。
分布式的风电机组和光伏会在接入节点造成电压偏移影响，为保障电网电能质量，各节点电压偏移量不等式约束条件为：
其中，表示t时刻风电机组和光伏产生的电压偏移量，χgrid_max表示配电网容许最电压偏移量，ULine表示馈线电压。
图4是本发明实施例提供的配电能源网格年碳税成本最优目标函数求解流程图，最优目标函数求解具体包括：
步骤401，读取碳排放基本参数和系统初始化状态量，在配电能源网格源端进行分布式风机、光伏出力的拟合、主体设备的安装碳税成本参数和运行碳税参数，在用户负荷侧，引入负荷数据并对聚类情况进行分区分级处理。
步骤402，按IWOA算法流程生成种群，将规划方案信息代入模型，求解计算配电能源网格年碳税成本模型函数，计算距离目标的差值，更新个体位置，计算当前最优解。
可选的，通过搜索空间中个体鲸鱼的位置信息共享机制与最优位置更新，鲸鱼种群中的其他个体向最优个体位置环绕靠近，并持续更新优化自身所处位置，同时，引入差分变异干扰因子，跳出局部最优。
步骤403，检测运行中负荷用能情况，检测系统网段安全运行数据，整理最优解数据，并判断是否达到最大迭代数和函数是否收敛，若判断目标函数不收敛，则随机更新位置，自适应惯性权重随机更新，同样，含权重因子的螺旋位置更新。
一种融合精准碳数据的配电能源网格碳排放最优规划系统，包括碳排放数据采集单元、数据模型构建单元、成本模型构建单元和最优规划方案求解单元，
其中：
所述碳排放数据采集单元用于从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
所述数据模型构建单元用于：根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型得到电源侧和用户负荷侧精准碳排放数据；根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
所述成本模型构建单元考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
所述最优规划方案求解单元根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，求解所述配电能源网格碳排放最优规划方案。
该系统包括方法的全部技术特征，在此不再累述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个融合精准碳数据的配电能源网格碳排放最优规划方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (14)

1.一种融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，包括：
从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；
基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型得到电源侧和用户负荷侧精准碳排放数据；
根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；
根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案。
2.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，电源侧的所述电源出力模型为：
其中，表示t时段内电源侧发电量，n表示清洁电源种类，r表示第r种清洁能源；m表示化石燃料电源种类，v表示第v种化石燃料能源，/>表示t时段第r种清洁电源的发电量；表示t时段第v种化石燃料电源的发电量；
第r种清洁电源所占份额，即碳排放赋权值为：
第v种化石燃料电源所占份额为：
且有，
3.根据权利要求2所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，电源侧的所述精准碳排放模型为：
其中，CF为碳排放因子，表示源侧t时段的碳排放量，CFr为第r种清洁能源所对应的碳排放因子，CFv为第v种化石能源所对应的碳排放因子。
4.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据具体包括：
根据蒙特卡洛随机抽样法模拟得到分布式光伏阵列、分布式风电机组和海上风电机组出力场景，基于k-means场景聚类方法将出力场景缩减为贫、平、富3种场景类别，分别对应各类机组出力水平20％以下、20％～50％和50％以上，记作Si，i＝1,2,3，代表贫、平、富，各场景类别包括7个日出力场景，记作Dj，j＝1,2,…,7，并得出场景类别和7个日出力场景对应的权重；
通过随机选取在所选取场景类别下的日出力场景，拟合得到分布式风电机组、分布式光伏阵列和海上风电机组日出力数据和/>
5.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述电动汽车可中断型与可时移型联合负荷模型为：
其中，AEV表示电动汽车充电行为的总集，表示t时段电动汽车负荷需求量最大值，Pa,max表示能源网格内允许可中断负荷退出的最大有功功率值，/>表示t时刻可中断负荷退出的有功功率，Pa,e为能源网格内工业园区规律运行的电动汽车平均负荷需求量。
6.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述碳税计算因子Ck为：
Ck＝λCFk
其中，CFk为碳排放因子，λ表示经济性碳转化系数，单位为元/kgCO2，k表征碳税类别。
7.根据权利要求6所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述主体设备安装碳税成本模型为：
其中，Fs表示所述各体设备安装碳计量成本，CPV,unit表示分布式光伏最小模块单元容量安装碳税计算因子，CWG,unit表示分布式风电机组最小模块单元容量安装碳税计算因子，NPV,m表示节点m处的光伏安装数量，NWG,m表示节点m处风电机组的安装数量，PPV,unit表示分布式光伏最小模块单元额定容量，PWG,unit表示风电机组最小模块单元额定容量，N1表示光伏安装节点数，N2表示风电机组安装节点数，所述模型中，核能发电厂、海上风电基站、火力发电厂和燃气轮机的安装碳税成本以整体安装容量为计量依据，COWP,unit表示海上风电基站的安装碳税计算因子，POWP,unit表示海上风电基站装机总容量，CTPP,unit表示火力发电厂的安装碳税计算因子，PTPP,unit表示火力发电厂装机总容量，CGT,unit表示燃气轮机的安装碳税计算因子，PGT,unit表示燃气轮机装机总容量，CNPP表示核电站的建造碳税成本。
8.根据权利要求7所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述运行碳税成本模型为：
其中，T表示年小时数，CPV,ow表示分布式光伏运行输出单位出力的碳税计算因子，为分布式光伏在节点m处t时段出力，CWG,ow表示分布式风电机组运行输出单位出力的碳税计算因子，/>表示分布式风电机组在节点m处t时段出力，COWP,ow表示海上风电机组运行输出单位出力的碳税计算因子，/>表示t时段海上风电机组运行出力，COWP,ow表示海上风电机组运行输出单位功率的碳税计算因子，CTPP,ow表示火力发电厂运行输出单位出力的碳税计算因子，/>表示t时段火力发电厂运行出力情况，CGT,ow表示燃气轮机运行输出单位出力的碳税计算因子，/>表示t时段燃气轮机运行出力，/>表示t时段有功网损，CL,loss表示运行中有功网损碳税计算因子，/>表示t时段储能损耗，CCh,loss表示运行中储能损耗碳税计算因子。
9.根据权利要求8所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述离域补偿运行碳税成本模型为：
Cd,p表示用户离域补偿运行碳税计算因子，表示用户负荷缺额量，χp为第p个负荷的权重系数，P为网格区域负荷类型总数，Pp为负荷需求量，/>和/>表示源端l中心的横、纵坐标，xp和yp表示第p个负荷中心的横、纵坐标，/>表示源端l的出力裕量，Cd,F表示用户负荷缺额量的单位惩罚碳税计算因子，Sk为视在功率，/>为功率因数。
10.根据权利要求9所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述负荷侧用能负碳排放效应成本模型为：
其中，Fp表示负荷侧用能负碳排放效应成本，Cd,G表示差额单位惩罚碳税计算因子，表示t时刻源端l出力，/>表示t时刻p类型负荷侧用能需求量。
11.根据权利要求10所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述配电能源网格年碳税成本最优目标函数为：
min F＝Fs+Fow+Fd+Fp
其中，Fs表示配电网能源网格各主体设备安装碳税成本，Fow表示配电网能源网格运行年碳计量成本，Fd表示离域补偿运行碳税成本，Fp表示负荷侧用能负碳排放效应成本；
所述约束条件包括：潮流等式约束、电压不等式约束、节点电压偏移量不等式约束。
12.根据权利要求11所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述潮流等式约束为：
其中，Pm表示节点m处的注入有功功率，Qm表示节点m处的注入无功功率，Um为节点m处的电压幅值，Uk为节点k处的电压幅值，Gmk和Bmk分别表示系统导纳矩阵的实部和虚部，θmk为节点m和k的电压相角差；
所述电压不等式约束，即各节点电压机会不等式约束条件为：
Pr{Umin≤Umk≤Umax}≥βU；
其中，Pr表示事件概率集合，Umin表示节点电压下限，Umax表示节点电压上限，βU电网电压置信水平；
各节点电压偏移量不等式约束条件为：
其中，表示t时刻风电机组和光伏产生的电压偏移量，χgrid_max表示配电网容许最电压偏移量，ULine表示馈线电压。
13.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述配电能源网格碳排放最优规划方案通过IWOA算法，基于年时间尺度求解配电能源网格年碳税成本最优目标函数确定。
14.一种基于权利要求1所述融合精准碳数据的配电能源网格碳排放最优规划方法的系统，其特征在于，包括碳排放数据采集单元、数据模型构建单元、成本模型构建单元和最优规划方案求解单元，其中：
所述碳排放数据采集单元用于从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
所述数据模型构建单元用于：根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型得到电源侧和用户负荷侧精准碳排放数据；根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
所述成本模型构建单元考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
所述最优规划方案求解单元根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，求解所述配电能源网格碳排放最优规划方案。
CN202310598787.5A 2023-05-25 2023-05-25 融合精准碳数据的配电能源网格碳排放最优规划方法及系统 Active CN116663823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310598787.5A CN116663823B (zh) 2023-05-25 2023-05-25 融合精准碳数据的配电能源网格碳排放最优规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310598787.5A CN116663823B (zh) 2023-05-25 2023-05-25 融合精准碳数据的配电能源网格碳排放最优规划方法及系统

Publications (2)

Publication Number Publication Date
CN116663823A true CN116663823A (zh) 2023-08-29
CN116663823B CN116663823B (zh) 2024-08-02

Family

ID=87709074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310598787.5A Active CN116663823B (zh) 2023-05-25 2023-05-25 融合精准碳数据的配电能源网格碳排放最优规划方法及系统

Country Status (1)

Country Link
CN (1) CN116663823B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371650A (zh) * 2023-10-09 2024-01-09 国网江苏省电力有限公司连云港供电分公司 考虑负荷侧电能替代的配电网精准碳计量方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317325A (zh) * 2017-06-28 2017-11-03 国网山东省电力公司经济技术研究院 一种考虑碳排放流的低碳电源电网规划模型
US20180031533A1 (en) * 2016-07-29 2018-02-01 Cooper Technologies Company System and method for real-time carbon emissions calculation for electrical devices
CN109524957A (zh) * 2018-11-07 2019-03-26 国网浙江省电力有限公司经济技术研究院 考虑碳交易机制和柔性负荷的综合能源系统优化调度方法
WO2019184344A1 (zh) * 2018-03-29 2019-10-03 华南理工大学 一种微能源网多目标运行控制方法
CN114792201A (zh) * 2022-04-21 2022-07-26 国网河北省电力有限公司经济技术研究院 电力系统低碳经济调度方法及装置
CN114928042A (zh) * 2022-04-27 2022-08-19 华北电力大学 一种计及碳排放成本的增量配电网源-网-储协调规划策略
CN114944670A (zh) * 2022-06-02 2022-08-26 大连海事大学 一种低碳船舶微电网及其分布式能源管理方法
CN114977180A (zh) * 2022-01-21 2022-08-30 宁波市电力设计院有限公司 一种基于负荷侧灵活性资源的微电网低碳优化调度方法
CN115330433A (zh) * 2022-07-12 2022-11-11 国网江苏省电力有限公司新沂市供电分公司 一种基于区块链技术的配电网电力碳排放权联合交易方法
CN115438851A (zh) * 2022-08-31 2022-12-06 南京理工大学 一种考虑极端情况的源网荷储协调运行方法
CN115759709A (zh) * 2022-12-21 2023-03-07 江苏电子信息职业学院 一种计及碳排放的综合能源系统调度方法与装置
CN115936313A (zh) * 2022-12-09 2023-04-07 上海电力大学 一种基于碳责任因子的新能源电力系统源荷碳税分摊方法
CN115940213A (zh) * 2022-12-16 2023-04-07 国网山东省电力公司经济技术研究院 考虑碳排放的配电网源网荷储协同优化规划方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180031533A1 (en) * 2016-07-29 2018-02-01 Cooper Technologies Company System and method for real-time carbon emissions calculation for electrical devices
CN107317325A (zh) * 2017-06-28 2017-11-03 国网山东省电力公司经济技术研究院 一种考虑碳排放流的低碳电源电网规划模型
WO2019184344A1 (zh) * 2018-03-29 2019-10-03 华南理工大学 一种微能源网多目标运行控制方法
CN109524957A (zh) * 2018-11-07 2019-03-26 国网浙江省电力有限公司经济技术研究院 考虑碳交易机制和柔性负荷的综合能源系统优化调度方法
CN114977180A (zh) * 2022-01-21 2022-08-30 宁波市电力设计院有限公司 一种基于负荷侧灵活性资源的微电网低碳优化调度方法
CN114792201A (zh) * 2022-04-21 2022-07-26 国网河北省电力有限公司经济技术研究院 电力系统低碳经济调度方法及装置
CN114928042A (zh) * 2022-04-27 2022-08-19 华北电力大学 一种计及碳排放成本的增量配电网源-网-储协调规划策略
CN114944670A (zh) * 2022-06-02 2022-08-26 大连海事大学 一种低碳船舶微电网及其分布式能源管理方法
CN115330433A (zh) * 2022-07-12 2022-11-11 国网江苏省电力有限公司新沂市供电分公司 一种基于区块链技术的配电网电力碳排放权联合交易方法
CN115438851A (zh) * 2022-08-31 2022-12-06 南京理工大学 一种考虑极端情况的源网荷储协调运行方法
CN115936313A (zh) * 2022-12-09 2023-04-07 上海电力大学 一种基于碳责任因子的新能源电力系统源荷碳税分摊方法
CN115940213A (zh) * 2022-12-16 2023-04-07 国网山东省电力公司经济技术研究院 考虑碳排放的配电网源网荷储协同优化规划方法及装置
CN115759709A (zh) * 2022-12-21 2023-03-07 江苏电子信息职业学院 一种计及碳排放的综合能源系统调度方法与装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐涛;: "碳税机制下微电网优化调度研究", 电力学报, no. 03, 30 May 2019 (2019-05-30) *
曾鸣;秦湘灵;马向春;杨玲玲;田廓;: "计及碳排放约束的电力综合资源规划模型与模拟分析", 华东电力, no. 08, 24 August 2010 (2010-08-24) *
梁易乐;黄少伟;张星;田芳;魏;刘锋;梅生伟;: "基于主从博弈的碳排放税制定方法", 系统科学与数学, no. 08, 15 August 2016 (2016-08-15) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371650A (zh) * 2023-10-09 2024-01-09 国网江苏省电力有限公司连云港供电分公司 考虑负荷侧电能替代的配电网精准碳计量方法及系统
CN117371650B (zh) * 2023-10-09 2024-06-07 国网江苏省电力有限公司连云港供电分公司 考虑负荷侧电能替代的配电网精准碳计量方法及系统

Also Published As

Publication number Publication date
CN116663823B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
Zargar et al. Development of a Markov-chain-based solar generation model for smart microgrid energy management system
Guo et al. Multi‐objective stochastic optimal planning method for stand‐alone microgrid system
Salkuti Day-ahead thermal and renewable power generation scheduling considering uncertainty
Elnozahy et al. Efficient metaheuristic Utopia-based multi-objective solutions of optimal battery-mix storage for microgrids
Mohamad et al. Multi-objective optimization of solar/wind penetration in power generation systems
Wang et al. Joint energy disaggregation of behind-the-meter PV and battery storage: A contextually supervised source separation approach
CN110110948B (zh) 一种多目标分布式电源优化配置方法
Li et al. Optimal battery schedule for grid-connected photovoltaic-battery systems of office buildings based on a dynamic programming algorithm
CN113410854B (zh) 一种多类型储能系统优化运行方法
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
Noorollahi et al. A scenario-based approach for optimal operation of energy hub under different schemes and structures
Xu et al. Implementation of repowering optimization for an existing photovoltaic‐pumped hydro storage hybrid system: A case study in Sichuan, China
CN116663823B (zh) 融合精准碳数据的配电能源网格碳排放最优规划方法及系统
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Huang et al. An efficient probabilistic approach based on area grey incidence decision making for optimal distributed generation planning
Samakpong et al. Optimal power flow incorporating renewable uncertainty related opportunity costs
Khunkitti et al. Optimal location and sizing of BESS for performance improvement of distribution systems with high DG penetration
Muleta et al. Techno-economic analysis and design of hybrid renewable energy microgrid for rural electrification
Murugesan et al. Cost optimization of PV-diesel systems in nanogrid using LJ Cuckoo search and its application in mobile towers
CN117575709A (zh) 基于CVaR的多能虚拟电厂分布式点对点电热碳联合交易方法
Dik et al. Towards sustainable urban living: A holistic energy strategy for electric vehicle and heat pump adoption in residential communities
Ranaweera et al. Hybrid energy system for rural electrification in sri lanka: Design study
Pandit et al. Design optimization of microgrid incorporating battery exchange-based electric vehicles
CN109754128A (zh) 一种计及气象波动特性差异典型场景的风/光/储/柴微电网优化配置方法
CN117391402B (zh) 一种面向碳中和的智慧工厂多能协同优化方法

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
GR01 Patent grant
GR01 Patent grant