CN117114212A - 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 - Google Patents
基于全周期点流模型的发电侧碳排放趋势预测方法及装置 Download PDFInfo
- Publication number
- CN117114212A CN117114212A CN202311385443.2A CN202311385443A CN117114212A CN 117114212 A CN117114212 A CN 117114212A CN 202311385443 A CN202311385443 A CN 202311385443A CN 117114212 A CN117114212 A CN 117114212A
- Authority
- CN
- China
- Prior art keywords
- power
- carbon emission
- target area
- full
- power generation
- 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
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 123
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000010248 power generation Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 16
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 239000003245 coal Substances 0.000 claims description 74
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000006229 carbon black Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/04—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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于全周期点‑流模型的发电侧碳排放趋势预测方法、存储介质和装置。该方法包括以下步骤：通过步骤X1至X3计算目标区域i单位用电的全周期碳排放，在步骤X1中还执行的步骤Y，计算目标区域i的电力源覆盖率，判断电力源覆盖率是否达到预设程度；若判断结果为达到，则以全国电力传输线损率均值作为目标区域i内供电线损率ρ i；若判断结果为未达到，则调用目标区域i的同期电量输出和用电量数据，以这两者的差值与电量输出的比值作为目标区域i内供电线损率ρ i；实现对目标区域i内供电线损率ρ i的自适应调整。并通过步骤Z，根据全周期碳排数据，基于STIRPAT模型执行发电侧碳排放趋势预测。
Description
技术领域
本发明涉及电力技术领域，尤其涉及基于全周期点-流模型的发电侧碳排放趋势预测方法、存储介质和预测装置。
背景技术
电力行业中火电生产、使用产生大量碳排放，电力行业达峰路径下的减碳指标使得相关企业对碳排放的预测方法有极大需求。比如，现有技术研究的电力行业全周期点-流模型，见图1，与某省份A关联的碳排放量既包括该省自产自用电能产生的碳排放，也包括煤炭省间调运产生的碳排放和通过电力省间输送获取的外部电力的碳排放；在此基础上，专利文献CN115829207A公开了全周期碳排放模型的相关内容，基于全周期碳排放模型能够实现对碳排放数据的监测，进而实现以历史数据对未来碳排放的预测。
电力行业全周期排放的煤炭供应、电厂发电、电力传输三个环节在碳排放的监测和预测中情况各不相同。电厂发电环节的碳排放监测和预测技术已经相对完善。煤炭供应环节利用历年《煤炭工业年鉴》、中国工程科技知识中心的相关数据构建省际间的煤炭O-D流表，由于煤炭供应具有定点集中的特性，省际间的煤炭O-D流表能够有效反应省间煤炭流量。电力传输环节利用历年《电力工业统计资料汇编》《年电力市场年报》《中国电力行业年度发展报告》的相关数据构建省际间的电力O-D流表，进而确定各省间电力传输量数据，并且，以各省间电力传输量数据结合历年《中国能源统计年鉴》中的电力调出与调入数据，确定全国省间电力传输损耗，进而计算全国平均省间电力传输线损率，即全国省间电力调出与调入的差值占调出的比例；利用全国发电量、用电量，确定全国电力总损耗，进而计算全国平均省内电力传输线损率，即全国电力总损耗与省间电力传输损耗的差值占未调出电量的比例；以此确认省间电力调入、调出的碳排放分配比例。但是，由于用电区域的分散性，使得电力传输环节的省内传输部分，再根据现有技术以省内电力传输线损率取平均来计算省内各区域碳排放分配比例有相对误差性。如何在碳排放预测中减少省内电力传输误差成为本领域需要解决的问题之一。
发明内容
本发明所要解决的技术问题是提供一种基于全周期点-流模型的发电侧碳排放趋势预测方法、用于存储该计算机程序的计算机可读存储介质以及包括该存储介质的电力网碳排放预测装置，该装置能够执行上述计算机程序从而实现该碳排放预测方法，该碳排放预测方法能够在碳排放预测中减少省内电力传输误差的影响。
为了解决上述技术问题，第一方面，本发明提供了基于全周期点-流模型的发电侧碳排放趋势预测方法，基于预设的碳排放全周期点-流模型执行如下步骤X1至X3，以计算得到目标区域i历史的全周期碳排数据；
X1. 调取目标区域i的自产自用电力数据，读取本省煤炭供应碳排放ocm i以及目标区域i的发电自用占比eo i 、电厂供电排放系数ef i和目标区域i内供电线损率ρ i；计算得到本省电厂供电碳排放oem i，；
X2. 调取目标区域i的煤炭调运输入数据，读取煤炭供应碳排放fcm i；
X3. 调取目标区域i的电力调运输入数据，读取电力来源在目标区域i以外的外电厂为目标区域i供电时由电力输送产生的供电碳排放lem i和煤炭供应碳排放lcm i；以及该外电厂自身来自外部调运煤炭的煤炭供应碳排放scm i；
根据步骤X1至X3，目标区域i单位用电的全周期碳排放为：
um i =oem i +ocm i +fcm i +lem i +lcm i +scm i；
还包括如下步骤Y和Z：
在步骤X1中执行的步骤Y，计算目标区域i的电力源覆盖率，判断电力源覆盖率是否达到预设程度；若判断结果为达到，则以全国电力传输线损率均值作为目标区域i内供电线损率ρ i；若判断结果为未达到，则调用目标区域i的同期电量输出和用电量数据，以这两者的差值与电量输出的比值作为目标区域i内供电线损率ρ i；实现对目标区域i内供电线损率ρ i的自适应调整；
步骤Z，根据全周期碳排数据，基于STIRPAT模型执行发电侧碳排放趋势预测。
进一步地，所述步骤X1至X3是以预设的监测周期循环执行的。
进一步地，所述电力源覆盖率是指在目标区域i的范围内单位面积为目标区域i供电的电力源数量。
进一步地，所述目标区域是指：在电网拓扑结构中，以电力源为原点向周边延伸出预设距离的范围区域。
进一步地，所述电力源为火电厂或者火电传输的枢纽变电站。
进一步地，所述向周边延伸出预设距离是指：电网拓扑结构中，以所述电力源为原点的各个拓扑分支的线缆长度。
进一步地，所述各个拓扑分支的线缆长度不全相同，每条分支的线缆长度与该分支上到电力源之间的变电和/或配电设备数量均负相关。
进一步地，包括在所述步骤Z前执行的碳排放预测量预估步骤：在历史碳排放数据中查询上一监测周期相对上一年度的环比增长率，若环比增长率的绝对值大于预设阈值，则调取本监测周期上一年度碳排放量，以本监测周期上一年度碳排放量×（1+环比增长率）的计算结果作为本监测周期的碳排放预测量。
第二方面，本发明提供了一种计算机可读存储介质，其上存储有可执行的计算机程序，该计算机程序被执行时实现如上所述的基于全周期点-流模型的发电侧碳排放趋势预测方法。
第三方面，本发明提供看一种电力网碳排放预测装置，包括处理器和计算机可读存储介质，该计算机可读存储介质是如上所述的计算机可读存储介质，上述处理器执行该计算机可读存储介质中的计算机程序从而实现如上所述的基于全周期点-流模型的发电侧碳排放趋势预测方法。
本发明基于全周期点-流模型的发电侧碳排放趋势预测方法，利用现有技术的全周期碳排放模型，通过调用目标区域i的自产自用电力数据、煤炭调运输入数据和电力调运输入数据，计算得到目标区域i单位用电的全周期碳排放为：um i =oem i +ocm i +fcm i +lem i +lcm i +scm i，进一步地，对于其中计算本省电厂供电碳排放需用到的参数内供电线损率ρ i；通过判断目标区域i电力源覆盖率是否达到预设程度实现取值的择优选择，在电力源覆盖率高损耗小时使用全国电力传输线损率均值，而电力源覆盖率低损耗大时改为使用目标区域i同期电量输出和用电量数据计算目标区域i内供电线损率ρ i，实现对目标区域i内供电线损率ρ i的自适应调整，在碳排放预测中减少省内电力传输误差的影响。
附图说明
图1是现有技术中电力行业全周期点-流模型的示意图。
图2是本发明基于全周期点-流模型的发电侧碳排放趋势预测方法的流程示意图。
具体实施方式
以下结合具体实施方式对本发明创造作进一步详细说明。
电力网碳排放预测装置包括处理器和计算机可读存储介质，该计算机可读存储介质中存储有可执行的计算机程序，上述处理器执行该计算机可读存储介质中的计算机程序，从而实现如图2所示的基于全周期点-流模型的发电侧碳排放趋势预测方法。下文通过实例来说明该方法的执行流程。
本实施例基于预设的全周期碳排放模型执行如下步骤X1至X3，以计算得到目标区域i历史的全周期碳排数据。
X1. 调取目标区域i的自产自用电力数据，读取本省煤炭供应碳排放ocm i以及目标区域i的发电自用占比eo i 、电厂供电排放系数ef i和目标区域i内供电线损率ρ i；计算得到本省电厂供电碳排放oem i，。
对目标区域i内供电线损率ρ i执行步骤Y：计算目标区域i的电力源覆盖率，判断电力源覆盖率是否达到预设程度；若判断结果为达到，则以全国电力传输线损率均值作为目标区域i内供电线损率ρ i；若判断结果为未达到，则调用目标区域i的同期电量输出和用电量数据，以这两者的差值与电量输出的比值作为目标区域i内供电线损率ρ i；实现对目标区域i内供电线损率ρ i的自适应调整。本实施例通过判断目标区域i电力源覆盖率是否达到预设程度实现取值的择优选择，在碳排放预测中减少省内电力传输误差的影响。
X2. 调取目标区域i的煤炭调运输入数据，读取煤炭供应碳排放fcm i；
X3. 调取目标区域i的电力调运输入数据，读取电力来源在目标区域i以外的外电厂为目标区域i供电时由电力输送产生的供电碳排放lem i和煤炭供应碳排放lcm i；以及该外电厂自身来自外部调运煤炭的煤炭供应碳排放scm i；
根据步骤X1至X3，目标区域i单位用电的全周期碳排放为：
um i =oem i +ocm i +fcm i +lem i +lcm i +scm i。
以下详述步骤X1至X3的实现过程。
（1）用于描述电力流信息的电力行业全周期点-流模型。
电力行业全周期点-流模型是一种刻画单元点与活动流的模型，多个单元点相互间由活动流连接，每一个单元点与每一条活动流都蕴含着一定的信息，且点与以点为中心的相关流之间存在着某种平衡关系。电力行业点-流模型用于描述中国各省点与各省间电力流信息，对于任一省，都存在电力平衡关系，即电力产用平衡，如式（1）。
（1）
其中，GE i表示i省发电量；EN il表示l省输入至i省的电量；ET i表示i省电力调出量；UE i表示i省用电量；ES i表示i省的省内供电损耗量，将损耗分配给发电侧，则点-流模型可由式（2）表示。
（2）
其中，EO i表示i省发电自用量；ρ i为i省内供电线损率。电力行业全周期分析（LCA）是指对电力行业进行分析时，不仅要评价电厂发电直接产生的影响，还要考虑与电厂发电相关的伴随效应，要求详细研究电力产业链中各能源活动产生的影响，因此基于全周期考虑的电力行业点—流模型应扩展为各省点与各省间能源流信息。通常电力生产形式主要包括火力发电（即煤电）、水力发电、风力发电、太阳能发电、核能发电，而除煤炭外的其他资源属于无法调运且不产生排放的绿色能源，因此电力行业全周期点-流模型中的能源信息还应包括与电力相关的煤炭。电力可以通过燃煤产生，即电力暗含了一定量的耗煤，根据电力产用平衡关系，电力用煤也存在着平衡关系，即煤炭供消平衡，如式（3）。
（3）
其中，UC i表示i省用电耗煤量；eu i表示i省电厂供电煤耗系数；ρ′ il为省间供电线损率。
（4）
其中，co i表示i省煤炭自用量占总用煤比，即co i = CO i / C i，其中CO i为i省煤炭自用量，C i为i省用煤量，意味着i省单位电厂供电耗煤中i省煤炭的份额；cn ij表示j省调入至i省的煤炭量占总用煤比，即cn ij = CN ij /C i，其中CN ij为j省调运至i省煤炭量，意味着i省单位电厂供电耗煤中j省煤炭的份额。且存在CO i +∑CN ij = C i。
式（2）、式（4）构成了电力行业全周期点-流模型，对于任一省，除了存在电力平衡关系外，还存在与电力相关的煤炭平衡关系。本实施例的i省以省份A为例(以下简称A省)，见图1，电力行业的全周期点—流模型所包含的信息分为六个部分：
一是A省的电力生产，部分在A省流动，部分调出至其他省；
二是A省的煤炭生产，部分在A省内流动至煤电厂，部分调出至其他省；
三是A省电力用煤部分来源于B省、E省，存在B省、E省部分煤炭生产进而调运至A省，因此将B省、E省定义为A省的一级煤炭调运省；
四是A省的用电部分来源于B省、C省，存在B省、C省的电力生产进而输送至A省，因此将B省、C省定义为A省的电力输送省；
五是B省、C省在电力生产过程中所用的本省煤炭的生产及省内流动至煤电厂；
六是C省作为A省的电力输送省，其电力用煤部分来源于B省、D省，存在B省、D省部分煤炭生产进而调运至C省，于C省发电后以电力的形式输送至A省，并未向A省直接调运，因此将B省、D省定义为 A省的二级煤炭调运省。
（2）根据上述电力行业全周期点—流模型构建表征碳足迹的全周期碳排放模型。
电力行业中的各项能源活动都会产生碳排放，根据构建的电力行业全周期点—流模型，可得电力行业全周期碳排放UM i包括电力部分排放UEM i和煤炭部分排放UCM i，如式（5），
（5）
其中电力部分碳排放包括本省和电力输送省的供电排放，如式（6）；
（6）
煤炭部分碳排放包括A省本省、一级煤炭调运省、电力输送省、二级煤炭调运省的煤炭供应排放，如式（7）。
（7）
其中，ef i表示i省电厂供电排放系数；cf i表示i省内煤炭供应排放系数；cf ′ il表示j省调运至i省的煤炭省间供应排放系数。将式（6）、式（7）两端同时除以用电量UE i，可得各省电力行业全周期碳排放系数um i。根据省电与能源流关系，单位用电的全周期碳排放足迹涉及六个部分：
一是A省的电厂供电排放部分，即本省电厂供电碳排放oem i，如式（8）；
（8）
二是A省的煤炭生产进而省内运输至电厂过程的排放，即本省煤炭供应碳排放ocm i，如式（9）；
（9）
三是B省、E省煤炭生产进而调运至A省过程的排放，即一级煤炭调运省煤炭供应碳排放fcm i，如式（10）；
（10）
四是B省、C省的电厂发电进而传输至A省过程的排放，即电力输送省电厂供电碳排放lem i，如式（11）；
（11）
五是B省、C省的煤炭的生产进而省内运输至电厂过程的排放，即电力输送省煤炭供应碳排放lcm i，如式（12）；
（12）
六是B省、D省煤炭生产进而调运至 C省过程的排放，即二级煤炭调运省煤炭供应碳排放scm i，如式（13）。
（13）
其中，eo i表示i省发电自用占总用电比，即eo i = EO i /UE i；en il表示l省传输至i省的电量占i省总用电比例，即en il = EN il /UE i。
综上，本实施例基于全周期点-流模型的发电侧碳排放趋势预测方法，利用现有技术的全周期碳排放模型，通过调用目标区域i的自产自用电力数据、煤炭调运输入数据和电力调运输入数据，计算得到目标区域i单位用电的全周期碳排放，即i省单位用电的全周期碳排放为um i =oem i +ocm i +fcm i +lem i +lcm i +scm i。
在本实施例得到的目标区域历史碳排放数据基础上，该碳排放预测装置预存有基于STIRPAT模型执行碳排放趋势预测分析的计算机程序，该计算机程序执行时实现通过人口、经济以及技术水平的发展情况对目标区域所在省级层面的发电侧产生的碳排放进行趋势预测。
该基于STIRPAT模型执行的碳排放趋势预测分析主体架构通过现有技术实现，“STIRPAT(Stochastic Impacts by Regression on Population,Affluence,andTechnology)可拓展的随机性的环境影响评估模型，在碳排放趋势预测应用场景中已普遍使用，本实施例的碳排放趋势预测分析以影响环境结果I的三个方面：人口因素P、经济因素A、技术因素T作为一级变量，基于《中国统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、WIND数据库等将一级变量P、A、T分别扩展为多个二级变量，再通过熵权法确定各二级变量权重，从而构建复合指标进行回归估计，实现对碳排放趋势预测分析。
主要变量设置表如下：
本实施例的碳排放预测装置实现的基于STIRPAT模型在执行碳排放趋势预测分析时受到多数据来源更新不同步影响，在预测及时性上有所欠缺。本实施例提供在历史碳排放数据中查询上一监测周期相对上一年度的环比增长率，若环比增长率的绝对值大于预设阈值，则调取本监测周期上一年度碳排放量，以本监测周期上一年度碳排放量×（1+环比增长率）的计算结果作为本监测周期的碳排放预测量，为企业提供快速且相对准确的碳排放预测量。
如上仅为本发明创造的实施方式，不以此限定专利保护范围。本领域技术人员在本发明创造的基础上作出非实质性的变化或替换，仍落入专利保护范围。
Claims (10)
1.一种基于全周期点-流模型的发电侧碳排放趋势预测方法，基于预设的碳排放全周期点-流模型执行如下步骤X1至X3，以计算得到目标区域i历史的全周期碳排数据；
X1. 调取目标区域i的自产自用电力数据，读取本省煤炭供应碳排放ocm i以及目标区域i的发电自用占比eo i 、电厂供电排放系数ef i和目标区域i内供电线损率ρ i；计算得到本省电厂供电碳排放oem i，；
X2. 调取目标区域i的煤炭调运输入数据，读取煤炭供应碳排放fcm i；
X3. 调取目标区域i的电力调运输入数据，读取电力来源在目标区域i以外的外电厂为目标区域i供电时由电力输送产生的供电碳排放lem i和煤炭供应碳排放lcm i；以及该外电厂自身来自外部调运煤炭的煤炭供应碳排放scm i；
根据步骤X1至X3，目标区域i单位用电的全周期碳排放为：
um i =oem i +ocm i +fcm i +lem i +lcm i +scm i；
其特征是，还包括如下步骤Y和Z：
在步骤X1中执行的步骤Y，计算目标区域i的电力源覆盖率，判断电力源覆盖率是否达到预设程度；若判断结果为达到，则以全国电力传输线损率均值作为目标区域i内供电线损率ρ i；若判断结果为未达到，则调用目标区域i的同期电量输出和用电量数据，以这两者的差值与电量输出的比值作为目标区域i内供电线损率ρ i；实现对目标区域i内供电线损率ρ i的自适应调整；
步骤Z，根据全周期碳排数据，基于STIRPAT模型执行发电侧碳排放趋势预测。
2.如权利要求1所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述步骤X1至X3是以预设的监测周期循环执行的。
3.如权利要求1所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述电力源覆盖率是指在目标区域i的范围内单位面积为目标区域i供电的电力源数量。
4.如权利要求1所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述目标区域是指：在电网拓扑结构中，以电力源为原点向周边延伸出预设距离的范围区域。
5.如权利要求3或4所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述电力源为火电厂或者火电传输的枢纽变电站。
6.如权利要求4所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述向周边延伸出预设距离是指：电网拓扑结构中，以所述电力源为原点的各个拓扑分支的线缆长度。
7.如权利要求6所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，所述各个拓扑分支的线缆长度不全相同，每条分支的线缆长度与该分支上到电力源之间的变电和/或配电设备数量均负相关。
8.如权利要求1所述的基于全周期点-流模型的发电侧碳排放趋势预测方法，其特征是，包括在所述步骤Z前执行的碳排放预测量预估步骤：在历史碳排放数据中查询上一监测周期相对上一年度的环比增长率，若环比增长率的绝对值大于预设阈值，则调取本监测周期上一年度碳排放量，以本监测周期上一年度碳排放量×（1+环比增长率）的计算结果作为本监测周期的碳排放预测量。
9.一种计算机可读存储介质，其上存储有可执行的计算机程序，其特征是，该计算机程序被执行时实现如权利要求1至8当中任一项所述的基于全周期点-流模型的发电侧碳排放趋势预测方法。
10.一种电力网碳排放预测装置，包括处理器和计算机可读存储介质，其特征是，该计算机可读存储介质是如权利要求9所述的计算机可读存储介质，上述处理器执行该计算机可读存储介质中的计算机程序从而实现如权利要求1至8当中任一项所述的基于全周期点-流模型的发电侧碳排放趋势预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311385443.2A CN117114212B (zh) | 2023-10-25 | 2023-10-25 | 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311385443.2A CN117114212B (zh) | 2023-10-25 | 2023-10-25 | 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114212A true CN117114212A (zh) | 2023-11-24 |
| CN117114212B CN117114212B (zh) | 2024-03-12 |
Family
ID=88798804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311385443.2A Active CN117114212B (zh) | 2023-10-25 | 2023-10-25 | 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114212B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011170805A (ja) * | 2010-02-22 | 2011-09-01 | Chugoku Electric Power Co Inc:The | 排出量予測システム、排出量予測方法およびプログラム |
| CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
| CN114219185A (zh) * | 2022-01-29 | 2022-03-22 | 国网(苏州)城市能源研究院有限责任公司 | 一种基于不确定集的城市规模工业碳排放量预测方法 |
| US20230015077A1 (en) * | 2021-07-19 | 2023-01-19 | Ford Global Technologies, Llc | Real-time carbon footprint estimation |
| CN115640876A (zh) * | 2022-09-27 | 2023-01-24 | 国网上海市电力公司 | 一种基于改进stirpat模型的电力能源碳排放预测方法 |
| CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
| CN115829207A (zh) * | 2022-12-06 | 2023-03-21 | 国网福建省电力有限公司 | 一种电力行业碳排放责任计算方法及终端 |
| CN116911503A (zh) * | 2023-07-21 | 2023-10-20 | 国网福建省电力有限公司经济技术研究院 | 一种电力系统碳排放预测方法及终端 |
-
2023
- 2023-10-25 CN CN202311385443.2A patent/CN117114212B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011170805A (ja) * | 2010-02-22 | 2011-09-01 | Chugoku Electric Power Co Inc:The | 排出量予測システム、排出量予測方法およびプログラム |
| US20230015077A1 (en) * | 2021-07-19 | 2023-01-19 | Ford Global Technologies, Llc | Real-time carbon footprint estimation |
| CN113723718A (zh) * | 2021-11-03 | 2021-11-30 | 国网北京市电力公司 | 一种能源碳排放预测方法、装置、设备及介质 |
| CN114219185A (zh) * | 2022-01-29 | 2022-03-22 | 国网(苏州)城市能源研究院有限责任公司 | 一种基于不确定集的城市规模工业碳排放量预测方法 |
| CN115640876A (zh) * | 2022-09-27 | 2023-01-24 | 国网上海市电力公司 | 一种基于改进stirpat模型的电力能源碳排放预测方法 |
| CN115759335A (zh) * | 2022-10-12 | 2023-03-07 | 湖南能源大数据中心有限责任公司 | 一种新型碳排放预测模型 |
| CN115829207A (zh) * | 2022-12-06 | 2023-03-21 | 国网福建省电力有限公司 | 一种电力行业碳排放责任计算方法及终端 |
| CN116911503A (zh) * | 2023-07-21 | 2023-10-20 | 国网福建省电力有限公司经济技术研究院 | 一种电力系统碳排放预测方法及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117114212B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
| CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
| CN110276489B (zh) | 基于㶲损最低的多能量枢纽分布式优化调度方法及系统 | |
| CN104680253A (zh) | 基于可靠性与经济性相协调的配电网规划投资优化方法 | |
| CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
| CN106096849A (zh) | 分布式光伏接入电网综合评价系统及方法 | |
| CN111091239A (zh) | 基于差分进化算法的能源服务商电价策略制定方法及装置 | |
| CN102208834B (zh) | 智能电网调度系统及方法 | |
| CN109245096A (zh) | 一种主动配电网最大供电能力计算方法 | |
| CN117114212B (zh) | 基于全周期点流模型的发电侧碳排放趋势预测方法及装置 | |
| CN108695893A (zh) | 一种省级电网新能源弃电量影响因素分解方法 | |
| CN115619159A (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| Ma et al. | Evaluation model for economic operation of active distribution network orienting to energy internet | |
| CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
| CN110034563B (zh) | 基于多省分配的可再生能源发电消纳方法 | |
| CN113487089A (zh) | 一种单边市场下激励型需求响应的最优补偿价格计算方法 | |
| CN114583762A (zh) | 一种考虑多分区火电均衡调度的日电力电量平衡分析方法 | |
| CN112561299A (zh) | 一种园区综合能源源荷储精准画像系统 | |
| CN113489054A (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
| CN109447369A (zh) | 一种基于模拟退火算法的考虑多因素的产能端功率分配方法 | |
| CN113852136B (zh) | 一种新能源基地外送方案的电源配置方法及装置 | |
| Wang et al. | Research on energy management of integrated energy systems considering multi-agent | |
| CN112270432B (zh) | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 | |
| CN117117876B (zh) | 电网全要素资源协调控制方法及系统 |
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 |