CN116843054A - 一种电力系统额外碳排放责任量化与分摊方法及系统 - Google Patents

一种电力系统额外碳排放责任量化与分摊方法及系统 Download PDF

Info

Publication number
CN116843054A
CN116843054A CN202310598705.7A CN202310598705A CN116843054A CN 116843054 A CN116843054 A CN 116843054A CN 202310598705 A CN202310598705 A CN 202310598705A CN 116843054 A CN116843054 A CN 116843054A
Authority
CN
China
Prior art keywords
carbon emission
unit
renewable energy
emission
thermal power
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
CN202310598705.7A
Other languages
English (en)
Inventor
褚晓东
于斐
叶华
刘玉田
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202310598705.7A priority Critical patent/CN116843054A/zh
Publication of CN116843054A publication Critical patent/CN116843054A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/042—Backward inferencing
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种电力系统额外碳排放责任量化与分摊方法及系统，包括：构建考虑可再生能源不确定性的鲁棒优化机组组合模型；求解鲁棒优化机组组合模型，得到可再生能源并网场景下的机组出力和机组组合；基于求解得到的机组出力和机组组合建立火电机组碳排放模型，拟合火电机组变负荷单位碳排放强度曲线；基于火电机组变负荷单位碳排放强度曲线评估可再生能源理想情况下的等效减排量；基于等效减排量定量测算电力系统的额外碳排放，并基于额外碳排放控制可再生能源机组及火电机组的碳排放量。

Description

一种电力系统额外碳排放责任量化与分摊方法及系统
技术领域
本发明属于电力系统运行与控制技术领域，尤其涉及一种电力系统额外碳排放责任量化与分摊方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
可再生能源因其零碳特性，具有巨大的减排潜力。但是，随着光伏、风电等可再生能源发电在电力系统中渗透率的不断升高，其发电的间歇性、不确定性和波动性不仅对电力系统的安全稳定运行带来巨大挑战，还对电力系统整体运行效率与火电机组的碳排放产生负面影响。
从电力系统整体出发，可再生能源不具有独立性，即不具有独立跟随系统负荷变化的能力。为了适应可再生能源引起的净负荷变化，具有可控性的火电将从基础负荷电源转变为调节电源，被迫频繁调整其出力和启停，将导致火电机组运行效率下降，单位碳排放强度增加，产生额外碳排放。
从碳经济性角度考虑，额外碳排放是可再生能源发电隐藏的外部性，完全由火电承担由可再生能源间接引起、火电直接产生的额外碳排放责任明显有失公平，可再生能源并网导致的额外碳排放量应为火电机组与新能源主体共同承担的碳成本。
目前关于电力系统碳排放责任的研究，主要集中于研究传统发电侧的碳排放，或者是考虑到负荷侧是发电需求的驱动者，以及电网侧存在的网损，使电力系统碳排放责任在电力系统发电侧、负荷侧与电网侧之间分摊。但关于火电机组与可再生能源共同承担的碳责任的研究极少。综述，本发明围绕额外碳排放，研究火电机组与可再生能源共同承担碳责任具有重要理论与应用价值。
发明内容
为克服上述现有技术的不足，本发明提供了一种电力系统额外碳排放责任量化与分摊方法,实现可再生能源导致的额外碳排放的公平性分摊。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
第一方面，公开了一种电力系统额外碳排放责任量化与分摊方法，包括：
构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
求解鲁棒优化机组组合模型，得到有无可再生能源并网两种场景下的机组出力和机组组合；
拟合火电机组变负荷单位碳排放强度曲线，建立火电机组碳排放模型，基于求解模型得到的两种场景的出力结果计算系统碳排放；
基于边际减排因子评估可再生能源理想情况下的等效减排量；
基于可再生能源理想情况下等效减排量与两种场景碳排放之差定量测算电力系统的额外碳排放，并基于合作博弈理论实现火电和可再生能源的额外碳排放责任共同分摊。
作为进一步的技术方案，构建考虑可再生能源不确定性的鲁棒优化机组组合模型时，包括：
构建两阶段鲁棒优化机组组合模型以电力系统总运行成本最小化为目标函数，包括火电机组运行成本与弃电惩罚成本；
构建不确定约束集，用于刻画可再生能源的不确定性；
确定约束条件，包含功率平衡约束、网络传输约束、火电机组爬坡约束、火电机组出力约束、机组启停约束及最小开停机时间约束。
作为进一步的技术方案，求解鲁棒优化机组组合模型时：
分段线性化处理鲁棒优化机组组合模型，将模型转化为线性模型，得到鲁棒优化机组组合问题的紧凑形式表示；
引入不等式约束对应的对偶变量，得到子问题对偶形式表示；
用子问题的最优解的信息构建平面割并添加到主问题约束条件中，得到主问题的数学模型表示；
子问题不断将所求解返回作为主问题的约束条件，同时，主问题也不断返回整数参数至子问题中，通过迭代不断更新约束条件直至最优解。
作为进一步的技术方案，拟合火电机组变负荷单位碳排放强度曲线时，每个机组的运行特性各不相同，选取典型特征，二氧化碳排放强度曲线由燃料的排放强度和给定出力水平下的热耗率推导表示。
作为进一步的技术方案，评估可再生能源理想情况下的等效减排量：
采用边际排放因子评估可再生能源理想情况下的等效替代减排量；
可再生能源发电量替代煤炭发电的理想等效减排量是指同等发电量下，可再生能源发电比最不经济的煤炭发电减少的排放。
作为进一步的技术方案，定量测算电力系统的额外碳排放：
有无可再生能源发电两种情景下的系统碳排放之差作为可再生能源实际减排量，理想等效减排量与实际减排量之差为额外碳排放，通过计算将额外碳排放从电力系统总体碳排放中剥离出来。
作为进一步的技术方案，基于改进Shapley值法分摊可再生能源机组与火电机组之间的额外碳排放责任，包括：
通过引入波动性因子衡量能源主体出力与电网负荷需求之间的相似度，求取发电主体出力和负荷出力的波形相似度来表征发电能源主体的负荷跟随特性；
采用等电量顺负荷法构造出跟随负荷波动的可再生能源主体的等效出力，将可再生能源主体的实际出力与等效出力波形进行相似度对比，以表征可再生能源的负荷跟随特性。
第二方面，公开了一种电力系统额外碳排放责任量化与分摊系统，包括：
组合模型构建模块，被配置为：构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
模型求解模块，被配置为：求解鲁棒优化机组组合模型，得到可再生能源并网场景下的机组出力和机组组合；
碳排放强度曲线模块，被配置为：基于求解得到的机组出力和机组组合建立火电机组碳排放模型，拟合火电机组变负荷单位碳排放强度曲线；
等效减排量评估模块，被配置为：基于火电机组变负荷单位碳排放强度曲线评估可再生能源理想情况下的等效减排量；
碳排放量控制模块，被配置为：基于可再生能源理想情况下等效减排量与两种场景碳排放之差定量测算电力系统的额外碳排放，并基于合作博弈理论实现火电和可再生能源的额外碳排放责任共同分摊。
以上一个或多个技术方案存在以下有益效果：
本发明技术方案能够从电力系统整体出发，考虑到可再生能源由于不具有独立跟随系统负荷变化的能力，揭示了可再生能源并网对电力系统整体运行效率与火电机组的碳排放产生的负面影响。
本发明技术方案基于鲁棒优化构建电力系统短期生产模拟模型，通过求解模型，将有无可再生能源场景的系统碳排放之差作为可再生能源发电的实际碳减排量，与理想情况下可再生能源发电替代的等效减排量相比较，提取出额外碳排放，提供了一种额外碳排放责任量化方法。
本发明技术方案基于合作博弈构建了额外碳排放责任分摊模型，公平合理地分摊火电产生、可再生能源引起的额外碳排放责任，明确火电与可再生能源应该承担的额外碳排放责任。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的一种电力系统额外碳排放责任量化与分摊方法流程图。
图2为本发明实施例1提供的额外排放责任量化方法流程图。
图3为本发明实施例1提供的IEEE RTS-96系统拓扑结构示意图。
图4为本发明实施例1提供的火电机组变负荷碳排放曲线图。
图5为本发明实施例1提供的边际排放因子、负荷24小时曲线图。
图6为本发明实施例1提供的不同可再生能源渗透率下的额外碳排放。
图7为本发明实施例1提供的不同可再生能源渗透率下机组和电力系统单位碳排放强度变化图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种电力系统额外碳排放责任量化与分摊方法，正如背景技术所介绍的，评估电力系统火电与可再生能源主体的碳减排责任具有重要应用价值和意义。因此本实施例提供了一种电力系统额外碳排放责任量化与分摊方法及系统，结合可再生能源的选择性替代作用与火电机组的效率损失两种影响因素，基于鲁棒优化生产模拟与有无可再生能源场景对比，提出火电产生、可再生能源导致的额外碳排放的量化方法，并基于Shapley值法合理分摊火电与可再生能源的额外碳排放责任。
在生产模拟阶段，初始化电力系统负荷、风电、光伏预测数据与预测误差，通过“有无对比法”构造有无可再生能源并网的电力系统场景，构造基于鲁棒优化机组组合的生产模拟模型，采用Benders分解算法求解两种运行场景最恶劣可再生能源出力情况下的系统出力计划。
在碳排放曲线拟合阶段，考虑到可再生能源发电对火电机组效率造成的影响，刻画火电机组出力与单位碳排放强度的关系，基于热耗特性拟合火电机组的变负荷碳排放特性曲线。
在额外碳排放量化阶段，基于边际减排因子评估可再生能源理想情况下的替代碳排放量，基于变负荷碳排放曲线得到有无可再生能源场景下的系统碳排放之差作为可再生能源实际减排量，理想减排量与实际减排量之差为额外碳排放。
在额外碳排放分摊阶段，基于Shapley值法对火电和可再生能源的额外碳排放责任进行初步分摊，进一步提出基于波形相似度的改进Shapley值分摊方法，使分摊结果更公平合理。
考虑可再生能源出力不确定性，基于鲁棒优化机组组合模型进行电力系统短期生产模拟，目标函数为最恶劣可再生能源出力场景下的系统运行成本最优，确定不确定性约束变量、功率平衡约束、网络传输约束、火电机组爬坡约束、火电机组出力约束、机组启停约束、最小开停机时间约束。
基于等效原则构造有无可再生能源并网的两种运行场景，采用Benders分解算法求解生产模拟模型，将模型的min-max-min优化问题分解为主问题与子问题交替迭代求解，最终得到最优收敛解，即两种场景下的最优出力计划。
基于热耗率对火电机组各个负荷率下的单位发电碳排放强度进行拟合，计算有无可再生能源并网两种场景下的系统碳排放，其碳排放之差为可再生能源并网的实际碳减排量。
基于边际排放因子估计理想情况下可再生能源的等效碳减排量。
基于实际减排量与理想情况下可再生能源的等效减排量剥离量化电力系统的额外碳排放，揭示额外碳排放机制。
基于合作博弈构建火电与可再生能源之间的额外碳排放责任分摊机制。
引入波形相似度指标激励能源主体改善负荷跟随特性，采用改进Shapley值法再分摊额外碳排放责任，使分摊结果更合理。
具体实施例参见附图1所示，一种电力系统额外碳排放责任量化与分摊方法，包括以下步骤：
步骤1：基于鲁棒优化生产模拟，确定有无可再生能源场景下的调度出力结果。
步骤1.1：构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
构建两阶段鲁棒优化机组组合模型以电力系统总运行成本最小化为目标函数，包括火电机组运行成本与弃电惩罚成本，旨在找到不确定变量u在不确定集U内最恶劣场景下时经济性最优的调度方案。
目标函数可表示为：
式中：Sg,t为火电机组的启动成本，为启动时间的阶梯函数，只有在机组从停机状态改变为开机状态的时候才会产生启动成本；假设停机成本为0；yg,t为表征机组g启动的0-1变量，yg,t＝1表示机组g从停机状态转变为启动状态；ag、bg、cg为火电机组的煤耗系数；rsr,t为可再生能源的弃电量；R为可再生能源发电集合；υ为可再生能源弃电惩罚价格；Pg,t为机组g在第t时段的出力；ug,t为表征机组g在第t时段的运行状态的0-1变量，1为开机状态，0为停机状态。
鲁棒优化的基本思路是利用有界集合对不确定性参数的波动进行刻画，并根据边界求解最恶劣场景下的最优决策方案。采用盒式不确定集U刻画可再生能源的不确定性，构建不确定约束集可表示为：
式中：假设可再生能源的出力预测误差服从正态分布，记为 为风电、光伏出力预测误差的最大值，通过置信水平确定与调整；/>为风电、光伏出力预测值；Pres,t为t时段的可再生能源出力。
确定约束条件，
建立功率平衡约束：
建立网络传输约束：
式中：I为与节点i相连的节点集合；Pij,max、Pij,min分别为线路i-j传输有功功率的上下限；θj、θi分别为节点j、i节点的电压相角；xij为线路i-j的电抗。
建立火电机组爬坡约束：
式中：和/>分别为火电机组g的向下、向上爬坡速率；T60为一个调度时段。
建立火电机组出力约束：
式中：为火电机组g的最小出力；/>为第g台火电机组的最大出力。
建立机组启停约束：
yg,t-zg,t＝ug,t-ug,t-1 (8)
yg,t+zg,t≤1 (9)
式中：zg,t为表征火电机组g停机的0-1变量，当zg,t＝1时，表示机组g从开机状态转换为停机状态。
建立最小开机时间约束：
式中：为火电机组g的最小开机时间，ξg为初始时刻机组g必须开机的小时数， 为火电机组g在初始时刻前已经启动的小时数。
步骤1.2：基于Benders分解算法求解鲁棒优化机组组合模型；
目标函数中的运行煤耗成本为二次函数，需要进行分段线性化处理，将模型转化为线性模型。鲁棒优化机组组合问题的紧凑形式可表示为：
式中：x为第一阶段表征机组启停状态的决策变量，第一阶段变量不随随机参数变化；cT为机组启停成本系数；y为第二阶段表征机组出力的决策变量；bT为机组运行成本系数向量；u为可再生能源出力；约束条件Ax≥d表示机组启停约束、最小开停机约束；约束条件Gy≥g-Ex-Mu表示不确定性变量约束、功率平衡约束、网络传输约束、火电机组爬坡约束、火电机组出力约束。
将min-max-min优化问题分解为主问题与子问题交替迭代求解。子问题中存在max-min形式的优化问题，无法直接采用优化求解器求解。基于对偶理论将子问题的max-min问题转化为max-max问题，进而构成单层max问题。引入不等式约束对应的对偶变量π，子问题对偶形式可表示为：
式中：x*为主问题中求解确定的最优解。
用子问题的最优解的信息构建平面割并添加到主问题约束条件中，主问题的数学模型可表示为：
式中：η为子问题返回的Benders割；(π*,u*)为子问题确定的最优解；约束第二行、第三行分别为连接主、子问题的Benders最优性割平面和可行性割平面。
子问题不断将所求解返回作为主问题的约束条件，同时，主问题也不断返回整数参数至子问题中，通过迭代不断更新约束条件直至最优解。
通过求解，得到可再生能源并网场景下的机组出力和机组组合，基于场景下的机组出力和机组组合求该场景二氧化碳排放，用于与式(17)关联。
步骤2：拟合火电机组变负荷单位碳排放强度曲线，建立火电机组碳排放模型。
可再生能源发电在挤占了机组的发电空间的同时，会造成火电机组偏离基本运行工况，机组利用效率明显降低，工况恶化引起单位发电碳排放强度增加。
决定火电机组运行中的直接二氧化碳排放量的关键因素是热率、脱硫剂、辅助电耗率和煤质。热率与负荷系数密切相关，负荷系数越高，热率和二氧化碳排放量越少。为了捕捉变负荷发电对火电机组碳排放的影响，详细刻画火电机组变负荷出力与单位碳排放的关系。由于每个机组的运行特性各不相同，选取典型特征，二氧化碳排放强度曲线由燃料的排放强度和给定出力水平下的热耗率推导表示为：
式中：A为机组的在不同负荷率下的单位碳排放强度；ηb、ηp分别为机组的锅炉效率和管道效率；Lhv为燃料低位热值；H为机组热耗率；wc为燃料中碳质量分数；与MC为CO2和碳的摩尔质量；CORcoal为燃煤机组的碳氧化率。
火电机组的二氧化碳排放计算公式为：
Eg,t＝Pg,t·T60·A(Pg,t) (17)
式中，Eg,t为火电机组g在t时刻的碳排放量。
步骤3：评估可再生能源理想情况下的等效减排量。采用边际排放因子评估可再生能源理想情况下的等效替代减排量。可再生能源发电量替代煤炭发电的理想等效减排量是指同等发电量下，可再生能源发电比最不经济的煤炭发电减少的排放，可表示为：
Eres＝EGpj,t·MEFt (18)
式中：EGpj,t为第t小时可再生能源发电量；MEFt为替代燃煤发电机组发电在第t小时的边际排放因子。
边际排放因子指电力系统每额外生产/减少发电所增加/减少的碳排放，反映的是电力系统中响应需求变化的边际发电机组组合的碳排放强度。可再生能源对于电力系统排放的替代效应通过电力需求变化对排放的变化的边际效应体现，边际排放因子可表示为：
式中：ΔEt为t时刻系统碳排放量的变化量；ΔG为t时刻需求变化量，为可再生能源并网前后的负荷变化，即负荷与净负荷的差值。
理想情况下假设按照经济调度原则，在系统运行要求、网络约束和发电机爬坡约束等约束下，发电机按照运行成本的顺序进行调度，可再生能源发电按照从成本低到高的火电机组替代。另外，在理想情况下，不考虑火电效率下降导致的单位碳排放强度变化与可再生能源的波动性，只考虑电网爬坡约束与启停约束。
步骤4：定量测算电力系统的额外碳排放。
鲁棒优化模型用于模拟含可再生能源发电与电力系统中无可再生电力发电两种假设情景的最优发电计划，基于变负荷碳排放曲线得到两种假设情景下的系统碳排放之差作为可再生能源实际减排量，理想等效减排量与实际减排量之差为额外碳排放，将额外碳排放从电力系统总体碳排放中剥离出来，将额外碳排放从电力系统总体碳排放中剥离出来，流程如图2所示，计算公式可表示为：
ΔE＝E2+ERES-E1 (20)
式中：ΔE为额外碳排放；ERES为可再生能源发电理想情况下所替代的碳排放；E1为无可再生能源发电的替代场景的电力系统碳排放，E2为含可再生能源发电的基本场景下的电力系统碳排放，基于式(17)计算得到。
步骤5：基于Shapley值法分摊额外碳排放责任。
步骤5.1：基于传统Shapley值法分摊额外碳排放责任；
针对电力系统可再生能源并网引起的额外碳排放，基于合作博弈理论构建了异质能源主体的额外碳排放责任分摊模型。
博弈论是解决理性决策者之间发生冲突与利益，在互动和相互影响中为了自身利益最大化进行最优决策问题的一种方法。合作博弈强调群体理性，强调整体利益大于个体利益，当整体利益与个体利益冲突时舍弃个体利益，研究人们达成合作时如何合理公平分配合作得到的收益或成本。从碳经济性角度考虑，新能源并网导致的额外碳排放量应为火电机组与新能源主体共同承担的碳成本。那么，这个问题转化成经典的成本分摊问题。
合作博弈中的Shapley值法是用于解决多人合作问题中成本分摊计算问题的一种常用方法，通过Shapley值法基于能源主体对于额外碳排放的边际贡献初步分摊额外碳排放责任，避免了分配上的平均主义。
Shapley值法的主要原理是将责任分摊的公平性建立在每个能源个体的加入联盟时对额外碳排放责任造成的新增额外碳排放增量的比例上。在额外碳排放责任分摊模型中，将火电、光伏、风电看作博弈个体，所有能源主体构成的集合即为N＝{1，…,n}；n为能源主体个数；随机若干数量小于n的发电能源主体形成的发电联盟记为子联盟S，基于Shapley值的分摊量可表示为：
式中：特征函数v(S)表示联盟的碳排放量，可再生能源电站的特征函数为负值，表示为碳排放减少量；|S|为联盟S中包含的能源主体数目；S\{i}为联盟S中除能源主体i外剩余利益主体构成联盟的成本；v(S)-v(S\{i}表示能源主体i加入联盟S，对于联盟S的碳排放量的边际贡献；假定博弈个体加入任意联盟的顺序都是随机的，则能源主体i依次加入联盟的任意一种排序情况出现的概率为1/n！，以特定次序加入联盟S的概率为(|S|-1)！(n-|S|)！/n！。
由于与分配结果之间的差值为可再生能源电站需要承担的额外碳排放责任。分摊的额外碳排放责任计算公式可表达为：
式中：为能源主体分摊的额外碳排放责任。
步骤5.2：基于改进Shapley值法分摊额外碳排放责任；
传统Shapley值注重参与人对联盟的边际贡献，假定参与人的特性相同，忽略了参与个体的差异。通过引入波动性因子修正Shapley值解的等价性对不同发电能源主体差异性的同一化问题，体现激励性与公平性。
可再生能源导致的火电机组额外碳排放不仅与可再生能源出力功率变化有关，还受出力波动规律的影响。如果风电、光伏能够承担跟踪负荷、平衡负荷波动的任务，更有利于火电机组的调度，减少额外的碳排放，即在相同的波动电量下，顺电网负荷需求变化规律波动相较逆负荷需求波动给火电机组带来的额外影响更小。
通过引入波动性因子衡量能源主体出力与电网负荷需求之间的相似度，求取发电主体出力和负荷出力的波形相似度来表征发电能源主体的负荷跟随特性。
采用等电量顺负荷法构造出跟随负荷波动的可再生能源主体的等效出力，将可再生能源主体的实际出力与等效出力波形进行相似度对比，以表征可再生能源的负荷跟随特性。等电量顺负荷法计算公式可表示为：
式中：peq,t、peq,t-1分别为t和t-1时刻可再生能源的等效出力；pres,t为可再生能源的实际出力；Lt、Lt-1分别为t和t-1时刻负荷的出力；T为调度周期。
采用余弦相似度算法作为整体波形相似程度计算的基础，计算可再生能源等效出力和实际出力曲线之间的波形相似度S，可表示为：
S的值越大，表示可再生能源的出力变化规律越接近负荷，对于火电机组调度运行的负担越小，引起的额外碳排放成本越低，相应分摊的碳减排责任越少。
对波形相似度S归一化处理，波动性因子可表示为：
当不考虑个体差异时，能源主体的波动性、可用发电的权重都为1/n，当考虑能源主体个体差异性时，新旧权重差为：
利用ΔKi对Shapley值进行改进，改进后的分摊结果为：
式中，为能源主体i基于改进Shapley值法再分摊得到的额外碳排放责任；ΔKi＞0表明能源主体i在波动性考量中高于平均水平，需要适当增加承担的额外碳排放责任，V(N)为特征函数，特征函数表示为碳排放量。另外，φ为shapley值，基于特征函数的含义，φ本身也表示碳排放量。
本发明技术方案基于鲁棒优化机组组合模型进行短期生产模拟，通过有无对比法构造有无可再生能源并网的电力系统场景，将额外碳排放从系统碳排放中剥离出，提出电力系统额外碳排放责任量化方法，能够揭示额外碳排放机制，基于合作博弈分摊额外碳排放责任，实现可再生能源导致的额外碳排放的公平性分摊。
工程实施例：
本实施例以改进的IEEE RTS-96测试系统为例进行24小时生产模拟，对本发明的具体实现过程进行进一步说明，该算例系统网络结构如图3所示，包含96台发电机、5个风电场、7个光伏电站。光伏、风电的出力预测数据使用Renewables.ninja工具生成，考虑风电、光伏的不确定性，假设可再生能源发电预测误差的方差取预测值10％，不确定量偏离预测值的允许量设置为对于正态分布，置信水平则可以提升到近90％。
假设系统中火电机组所使用煤质相同，碳质量分数为0.76，碳氧化率为98％，管道效率与锅炉效率分别为98％与92％，拟合得到各个机组的单位碳排放强度曲线如图3所示。
对有无可再生能源并网场景分别进行生产模拟，得到运行成本与碳排放量如表1所示。
表1不同场景下运行成本与碳排放量
减排因子可以表征可再生能源的单位减排效果，边际排放因子与负荷曲线在24小时变化如图4所示。边际排放因子在一天的过程中表现出高度的变化性，在深夜和清晨较低，午间边际排放因子较高，与负荷曲线变化趋势大体一致。实际边际排放因子与理论排放因子之差表征额外碳排放大小，差距越大，说明可再生能源导致得额外碳排放越多。由图可知，差距主要在夜间与午间较大，夜间为风电出力大发时期，午间为光伏出力大发时期，与可再生能源的出力密切相关。
对于不同渗透率，基于步骤5计算得到额外碳排放结果如图5所示。额外碳排放量随着渗透率的增大而不断增大，可再生能源渗透率从25％到46％，额外碳排放从5902吨增加到了17096吨。可再生能源的并网发电量越大，对于火电机组运行效率、启停出力的影响越大，导致的额外碳排放量越多。
与无可再生能源并网场景进行比较，不同渗透率下不同容量火电机组的平均单位碳排放强度如图6所示，不同可再生能源渗透率下机组和电力系统单位碳排放强度变化如图7所示。可再生能源并网后，各种火电机组的单位碳排放强度都呈上升趋势。尤其是容量为100MW的火电机组，单位碳排放强度从无可再生能源场景下1.001tCO2/MWh到46％渗透率下的1.213tCO2/MWh，受可再生能源并网的影响，运行效率下降明显；另外，对于容量为50MW的机组，在渗透率较高的场景下才有出力，因为在高渗透率下，需要更多的灵活性资源，50MW虽然煤耗率高，但是由于启停成本较低。
将火电、风电、光伏电站分别用j1、j2、j3表示，每个联盟产生的碳排放如表2所示，负值代表可再生能源产生负的排放。
表2各联盟下的碳排放
采用Shapely值法对于火电、风电、光伏三个能源主体分摊的碳排放进行计算：
从中提取额外碳排放责任的分摊结果，火电、风电、光伏能源主体需要承担的额外碳排放责任分别为：
且满足与额外碳排放结果相符。
对各个能源主体基于等电量-顺负荷法的等效出力与实际出力进行比较，计算得到各个能源主体的波动性因子、再分摊结果如表3所示。考虑波动性，由于火电的可控性，火电承担的额外碳排放责任明显降低。
表3改进Shapley值法分摊结果
实施例二
本实施例的目的是提供一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种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执行上述方法的步骤。
实施例四
本实施例的目的是提供了一种电力系统额外碳排放责任量化与分摊系统，包括：
组合模型构建模块，被配置为：构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
模型求解模块，被配置为：求解鲁棒优化机组组合模型，得到可再生能源并网场景下的机组出力和机组组合；
碳排放强度曲线模块，被配置为：基于求解得到的机组出力和机组组合建立火电机组碳排放模型，拟合火电机组变负荷单位碳排放强度曲线；
等效减排量评估模块，被配置为：基于火电机组变负荷单位碳排放强度曲线评估可再生能源理想情况下的等效减排量；
碳排放量控制模块，被配置为：基于可再生能源理想情况下等效减排量与两种场景碳排放之差定量测算电力系统的额外碳排放，并基于合作博弈理论实现火电和可再生能源的额外碳排放责任共同分摊。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种电力系统额外碳排放责任量化与分摊方法，其特征是，包括：
构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
求解鲁棒优化机组组合模型，得到可再生能源并网场景下的机组出力和机组组合；
基于求解得到的机组出力和机组组合建立火电机组碳排放模型，拟合火电机组变负荷单位碳排放强度曲线；
基于火电机组变负荷单位碳排放强度曲线评估可再生能源理想情况下的等效减排量；
基于可再生能源理想情况下等效减排量与两种场景碳排放之差定量测算电力系统的额外碳排放，并基于合作博弈理论实现火电和可再生能源的额外碳排放责任共同分摊。
2.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，构建考虑可再生能源不确定性的鲁棒优化机组组合模型时，包括：
构建两阶段鲁棒优化机组组合模型以电力系统总运行成本最小化为目标函数，包括火电机组运行成本与弃电惩罚成本；
构建不确定约束集，用于刻画可再生能源的不确定性；
确定约束条件，包含功率平衡约束、网络传输约束、火电机组爬坡约束、火电机组出力约束、机组启停约束及最小开停机时间约束。
3.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，求解鲁棒优化机组组合模型时：
分段线性化处理鲁棒优化机组组合模型，将模型转化为线性模型，得到鲁棒优化机组组合问题的紧凑形式表示；
引入不等式约束对应的对偶变量，得到子问题对偶形式表示；
用子问题的最优解的信息构建平面割并添加到主问题约束条件中，得到主问题的数学模型表示；
子问题不断将所求解返回作为主问题的约束条件，同时，主问题也不断返回整数参数至子问题中，通过迭代不断更新约束条件直至最优解。
4.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，拟合火电机组变负荷单位碳排放强度曲线时，每个机组的运行特性各不相同，选取典型特征，二氧化碳排放强度曲线由燃料的排放强度和给定出力水平下的热耗率推导表示。
5.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，评估可再生能源理想情况下的等效减排量：
采用边际排放因子评估可再生能源理想情况下的等效替代减排量；
可再生能源发电量替代煤炭发电的理想等效减排量是指同等发电量下，可再生能源发电比最不经济的煤炭发电减少的排放。
6.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，定量测算电力系统的额外碳排放：
基于等效原则量化可再生能源导致的额外碳排放，通过计算将额外碳排放从电力系统总体碳排放中剥离出来。
7.如权利要求1所述的一种电力系统额外碳排放责任量化与分摊方法，其特征是，基于额外碳排放控制可再生能源机组及火电机组的碳排放量时，需要基于改进Shapley值法分摊额外碳排放责任，包括：
通过引入波动性因子衡量能源主体出力与电网负荷需求之间的相似度，求取发电主体出力和负荷出力的波形相似度来表征发电能源主体的负荷跟随特性；
采用等电量顺负荷法构造出跟随负荷波动的可再生能源主体的等效出力，将可再生能源主体的实际出力与等效出力波形进行相似度对比，以表征可再生能源的负荷跟随特性。
8.一种电力系统额外碳排放责任量化与分摊系统，其特征是，包括：
组合模型构建模块，被配置为：构建考虑可再生能源不确定性的鲁棒优化机组组合模型；
模型求解模块，被配置为：求解鲁棒优化机组组合模型，得到可再生能源并网场景下的机组出力和机组组合；
碳排放强度曲线模块，被配置为：基于求解得到的机组出力和机组组合建立火电机组碳排放模型，拟合火电机组变负荷单位碳排放强度曲线；
等效减排量评估模块，被配置为：基于火电机组变负荷单位碳排放强度曲线评估可再生能源理想情况下的等效减排量；
碳排放量控制模块，被配置为：基于可再生能源理想情况下等效减排量与两种场景碳排放之差定量测算电力系统的额外碳排放，并基于合作博弈理论实现火电和可再生能源的额外碳排放责任共同分摊。
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。
CN202310598705.7A 2023-05-24 2023-05-24 一种电力系统额外碳排放责任量化与分摊方法及系统 Pending CN116843054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310598705.7A CN116843054A (zh) 2023-05-24 2023-05-24 一种电力系统额外碳排放责任量化与分摊方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310598705.7A CN116843054A (zh) 2023-05-24 2023-05-24 一种电力系统额外碳排放责任量化与分摊方法及系统

Publications (1)

Publication Number Publication Date
CN116843054A true CN116843054A (zh) 2023-10-03

Family

ID=88158903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310598705.7A Pending CN116843054A (zh) 2023-05-24 2023-05-24 一种电力系统额外碳排放责任量化与分摊方法及系统

Country Status (1)

Country Link
CN (1) CN116843054A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118095902A (zh) * 2024-04-16 2024-05-28 浙江大学 一种基于时序生产模拟的电力系统碳减排潜力评估方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118095902A (zh) * 2024-04-16 2024-05-28 浙江大学 一种基于时序生产模拟的电力系统碳减排潜力评估方法

Similar Documents

Publication Publication Date Title
Zhao et al. Two-stage distributionally robust optimization for energy hub systems
Qiu et al. Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties
CN109256799B (zh) 一种基于样本熵的新能源电力系统优化调度方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN107800153B (zh) 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
Zhang et al. Microgrid cooperative distributed energy scheduling (CoDES) considering battery degradation cost
CN116843054A (zh) 一种电力系统额外碳排放责任量化与分摊方法及系统
CN111682529B (zh) 一种基于节点电价信息的移动储能车灵活调度方法
CN110570020A (zh) 适应区域交直流混联电网的中长期交易电量安全校核方法
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN111817296A (zh) 一种微电网用电能调度方法及系统
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN108288132B (zh) 一种基于源荷互动电力系统调度的建模方法
CN113488995B (zh) 基于储能成本的共享储能容量优化配置方法和装置
CN107910866A (zh) 一种考虑需求侧响应不确定性的电力系统日前优化调度方法
Hammad et al. Grid-independent cooperative microgrid networks with high renewable penetration
CN115296345B (zh) 一种燃气发电机组启停-出力-备用联合优化方法及装置
Bruninx et al. Improved energy storage system & unit commitment scheduling
CN114389262A (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
CN108418213B (zh) 一种基于源荷互动电力系统调度的方法
CN113078647A (zh) 一种灵活电力负荷集群的爬坡能力评估方法
CN113065707A (zh) 能源调度方法及装置
CN116523193B (zh) 一种虚拟电厂储能调度方法、装置、电子设备及存储介质

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