CN117422238A - 减碳需求响应策略确定方法、装置、电子设备及存储介质 - Google Patents
减碳需求响应策略确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117422238A CN117422238A CN202311353890.XA CN202311353890A CN117422238A CN 117422238 A CN117422238 A CN 117422238A CN 202311353890 A CN202311353890 A CN 202311353890A CN 117422238 A CN117422238 A CN 117422238A
- Authority
- CN
- China
- Prior art keywords
- demand response
- chromosome
- economic benefit
- response strategy
- carbon
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 143
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 142
- 230000004044 response Effects 0.000 title claims abstract description 114
- 230000009467 reduction Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 61
- 210000000349 chromosome Anatomy 0.000 claims abstract description 114
- 230000008901 benefit Effects 0.000 claims abstract description 94
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 230000002068 genetic effect Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 43
- 230000005611 electricity Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000006399 behavior Effects 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
- 238000009472 formulation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/0631—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种减碳需求响应策略确定方法、装置、电子设备及存储介质。该方法包括:构建以电力系统经济收益最大化为优化目标的目标函数;对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。上述技术方案,减碳需求响应策略的确定既考虑了经济收益,也考虑了碳排放量,从而得到电力系统经济效益和减碳效果最佳的需求响应策略,提升了需求响应策略的准确性和可靠性。
Description
技术领域
本发明涉及电力供应技术领域,尤其涉及一种减碳需求响应策略确定方法、装置、电子设备及存储介质。
背景技术
电力系统作为国家基础设施的重要组成部分,对于经济发展和人民生活具有重要意义。
在电力系统中,现有需求响应策略的制定大多仅以经济收益为目标,存在需求响应策略制定不准确与不可靠的问题。
发明内容
本发明提供了一种减碳需求响应策略确定方法、装置、电子设备及存储介质,以提升需求响应策略的准确性和可靠性。
根据本发明的一方面,提供了一种减碳需求响应策略确定方法,包括:
构建以电力系统经济收益最大化为优化目标的目标函数;
对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
根据本发明的另一方面,提供了一种减碳需求响应策略确定装置,包括:
目标函数构建模块,用于构建以电力系统经济收益最大化为优化目标的目标函数;
遗传算法求解模块,用于对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
需求响应策略生成模块,用于基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的减碳需求响应策略确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的减碳需求响应策略确定方法。
本发明实施例的技术方案,在减碳需求响应策略确定过程中,既考虑了经济收益,也考虑了碳排放量,从而得到电力系统经济效益和减碳效果最佳的需求响应策略,提升了需求响应策略的准确性和可靠性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种减碳需求响应策略确定方法的流程图;
图2是根据本发明实施例提供的一种减碳需求响应策略确定方法的流程图;
图3是根据本发明实施例提供的一种减碳需求响应策略确定方法的流程图;
图4是根据本发明实施例提供的一种电力系统的拓扑网络结构示意图;
图5是根据本发明实施例提供的一种需求响应策略实施前的各用户典型日内用电需求汇总图;
图6是根据本发明实施例提供的一种需求响应策略实施后的各用户典型日内用电需求汇总图;
图7是根据本发明实施例提供的一种需求响应策略实施前后的负荷逐时用电情况汇总图;
图8是根据本发明实施例提供的一种需求响应策略实施前后的系统逐时碳排放情况汇总图;
图9是根据本发明实施例提供的一种需求响应策略实施前后的新能源机组逐时注入功率情况汇总图;
图10是根据本发明实施例提供的一种减碳需求响应策略确定装置的结构示意图;
图11是实现本发明实施例的减碳需求响应策略确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的一种减碳需求响应策略确定方法的流程图,本实施例可适用于电力系统进行减碳需求响应策略自动制定的情况,该方法可以由减碳需求响应策略确定装置来执行,该减碳需求响应策略确定装置可以采用硬件和/或软件的形式实现,该减碳需求响应策略确定装置可配置于计算机终端等电子设备中。如图1所示,该方法包括:
S110、构建以电力系统经济收益最大化为优化目标的目标函数。
S120、对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
S130、基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
在本公开实施例中,目标函数是以电力系统的电网运营商的日内实际经济收益最大化为优化目标而建立的函数。
可选的,以电力系统经济收益最大化为优化目标的目标函数具体为:
其中,y表示用户参与需求响应后的最终日内用电费用总和;fbi(t)表示需求响应策略实施后t时刻第i个负荷节点的电力需求;fai(t)表示需求响应策略实施前t时刻第i个负荷节点的电力需求;bi(t)表示t时刻第i个用户参与需求响应的补贴价格;zi(t)表示当地的实时电价。
可选的,以电力系统经济收益最大化为优化目标的目标函数的约束条件包括以下约束中的一项或多项:机组出力及负荷变化区间约束、逐时供需平衡约束和系统运行日内总量约束。
可选的,机组出力及负荷变化区间约束为:
0.3fai(t)≤fbi(t)≤3fai(t);t=1,…,24;i=1,…,11;
其中,gbk(t)表示需求响应策略实施前后t时刻第k机组的发电量;表示t时刻第k机组的出力上限;
所述逐时供需平衡约束为:
所述系统运行日内总量约束为:
其中,gak(t)表示需求响应策略实施前t时刻第k机组的发电量,k为2或3。需要说明的是,第2机组和第3机组可以为新能源机组,其发电过程不产生碳排放量,换言之,通过使用新能源机组进行发电可以降低电力系统的碳排放量。
在本公开实施例中,对以电力系统经济收益最大化为优化目标的目标函数进行遗传运算的步骤可以包括但不限于:随机生成初始种群;建立种群各染色体的适应度值计算模型;根据初始种群与种群各染色体的适应度值计算模型完成选择算子运算,进而根据选择算子运算后的新种群进行交叉和变异计算,直至满足遗传运算停止条件,将遗传算法与目标函数、碳流追踪与解析模型进行耦合,从而计算得到各染色体的经济收益以及各染色体的碳排放量。其中,碳流追踪与解析模型是指电力系统网损的双向分摊模型。
可选的,碳流追踪与解析模型可以为:
RGk=Re[ΔSGk]EGk;
其中,RLi表示负荷节点i的碳流率,碳流率是指用户每小时用电所产生的等效于发电侧的碳排放量,P′Li和P′it分别表示节点负荷以及支路功率中各发电机的有功分量,P′i表示负荷节点i的注入功率,表示系统功率的逆流跟踪矩阵,P′Gk表示机组k的电源有功净出力,EGk表示机组k的发电量;ΔSGk表示电源承担的网损量;Rit表示支路i-t的碳流率,表示单位时间内随潮流而通过的碳流量;RGk表示机组k承担的网损碳流率;Re表示取复数ΔSGk的实部。
在本公开实施例中,可以对各染色体的经济收益以及各染色体的碳排放量进行综合评估和排序,从而得到生成减碳需求响应策略。
本发明实施例的技术方案,在减碳需求响应策略确定过程中,既考虑了经济收益,也考虑了碳排放量,从而得到电力系统经济效益和减碳效果最佳的需求响应策略,提升了需求响应策略的准确性和可靠性。
图2为本发明实施例提供的一种减碳需求响应策略确定方法的流程图,本实施例的方法与上述实施例中提供的减碳需求响应策略确定方法中各个可选方案可以结合。本实施例提供的减碳需求响应策略确定方法进行了进一步优化。可选的,对以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量,包括:获取种群规模信息、交叉概率和变异概率;基于种群规模信息、交叉概率和变异概率,对以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
如图2所示,该方法包括:
S210、构建以电力系统经济收益最大化为优化目标的目标函数。
S220、获取种群规模信息、交叉概率和变异概率。
S230、基于所述种群规模信息、所述交叉概率和所述变异概率,对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
S240、基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
示例性的,种群规模信息可以设置为50,即一代染色体个数为50个;交叉概率可以设置为0.7;变异概率可以设置为0.1;进而对以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,迭代500次,从中选出最优种群和最优种群对应的染色体,染色体可以包含机组信息和负荷信息,进而确定各染色体的经济收益以及各染色体的碳排放量,各染色体的经济收益可以包括最大经济收益、最小经济收益等,各染色体的碳排放量可以包括最大碳排放量、最小碳排放量等。
具体的,可以根据上述约束条件随机生成初始种群,基于以电力系统经济收益最大化为优化目标的目标函数,建立各染色体的适应度值计算模型:
其中,fitness表示染色体的适应度值。
进而可以根据上述初始种群与各染色体的适应度值计算模型完成选择算子运算,进而根据选择算子运算后的新种群进行交叉和变异计算。具体而言,本公开实施例可以通过如下公式完成交叉和变异计算:
i=N×r1;j=N×r2;k=ceiling(lenchrom×r3);
其中,pi表示第i个染色体被选中的概率,Pi表示第i个染色体的累计概率;r1、r2、r3、r4、r5、r6分别表示范围在0-1内的随机数,其中,r1、r2用于控制交叉染色体,r3用于控制交叉点位,r4用于控制交叉后形成新的基因值,r5用于控制变异点位,r6用于控制随机变异方向;ceiling表示向上取整函数;lenchrom表示染色体长度;表示第i个染色体的第k个基因点位;/>分别表示根据机组出力及负荷变化区间约束确定的决策变量的上界和下界。
直至满足遗传运算停止条件,则保存最优种群并挑选适应度值最小的染色体作为遗传算法的输出结果,即实现电网运营商日内实际经济收益最大目标的最优种群和染色体;否则,继续执行交叉与变异。进而将遗传算法输出结果与目标函数、碳流追踪与解析模型进行耦合,从而计算得到各染色体的经济收益以及各染色体的碳排放量。
本发明实施例的技术方案,根据种群规模信息、交叉概率和变异概率,对以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到了电网运营商日内实际经济收益最大目标的最优种群和染色体,进而确定了各染色体的经济收益以及各染色体的碳排放量,实现了经济收益与碳排放量的最优选取。
图3为本发明实施例提供的一种减碳需求响应策略确定方法的流程图,本实施例的方法与上述实施例中提供的减碳需求响应策略确定方法中各个可选方案可以结合。如图3所示,该方法包括:
S310、构建以电力系统经济收益最大化为优化目标的目标函数。
S320、对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
S330、基于层次分析方法确定所述各染色体的经济收益对应的第一权重系数以及所述各染色体的碳排放量对应的第二权重系数。
S340、基于所述各染色体的经济收益、所述各染色体的碳排放量、所述各染色体的经济收益对应的第一权重系数和所述各染色体的碳排放量对应的第二权重系数,确定得到各染色体的综合评估结果。
S350、对各所述染色体的综合评估结果进行排序,基于排序结果确定减碳需求响应策略。
在本公开实施例中,可以根据预先建立的层次分析结构模型以及一致性检验模型,确定各染色体的经济收益对应的第一权重系数以及各染色体的碳排放量对应的第二权重系数;进而可以将各染色体的经济收益与第一权重系数相乘,得到各染色体的第一评估结果,将各染色体的碳排放量与第二权重系数相乘,得到各染色体的第二评估结果,将第一评估结果与第二评估结果相加,得到各染色体的综合评估结果。进而对各染色体的综合评估结果进行排序,可以将排序结果中综合评估结果最小的染色体对应的需求响应策略确定为减碳需求响应策略。
示例性的,采用层次分析法,计算得到的经济收益和碳排放量两个指标的权重系数分别可以为0.65和0.35,且满足一致性检验要求。在此基础上,运用权重加和法,确定各染色体的综合评估结果,进而根据综合评估结果最小的染色体生成减碳需求响应策略。
具体的,层次分析结构模型可以为:
其中,[J]nm为n阶方阵;N表示决策准则个数;xN表示基于专家咨询得到的准则N的重要程度分值。例如,xN取1时代表经济收益与碳排放量具有同等重要性,xN取9时意味着前者比后者极端重要,xN取2-8时代表介于上述判断的各分级水平。一致性检验模型可以为:
CR=CI/RI;
CI=(λmax-n)(n-1);
其中,CI表示一致性指标;CR表示一致性比例;RI表示平均一致性指标,其可以由RI值表确定;λmax表示矩阵最大特征根。
图4是本发明实施例提供的一种电力系统的拓扑网络结构示意图。如图4所示,G1-G5分别表示不同的发电机组;L2-L6、L9-14分别表示不同的负荷节点,BUS1-BUS14分别表示拓扑网络的连接线。图5是本发明实施例提供的一种需求响应策略实施前的各用户典型日内用电需求汇总图,由图5可知,L3、L4和L9的用电情况较为相似,应为同一类型用户;L2、L5和L12的用电情况较为相似;L10和L11的用电行为较为相似。
图6是本发明实施例提供的一种需求响应策略实施后的各用户典型日内用电需求汇总图。将图5与图6进行对比可知,减碳需求响应策略的实施,各个负荷成员的用电尖峰和低谷时刻均发生了不同程度的转移,系统的逐时用电需求总量也对应发生变化,具体详见图7。图7是本发明实施例提供的一种需求响应策略实施前后的负荷逐时用电情况汇总图。
图8是本发明实施例提供的一种需求响应策略实施前后的系统逐时碳排放情况汇总图;表1为需求响应策略实施前后用户在用电高峰时刻的负荷碳流率对比情况;表2为需求响应策略实施前后用户在低谷时刻的负荷碳流率对比情况。由表1和表2可知,电力系统的整体用电行为响应了减碳需求响应策略,碳排放量呈下降趋势,电力系统减碳效果明显。
图9是本发明实施例提供的一种需求响应策略实施前后的新能源机组逐时注入功率情况汇总图;由图9可知,在实施减碳需求响应策略以后,电力系统注入的新能源机组的发电功率明显上升,合计增加了389.48MW;其中,光伏机组的注入功率占总功率的比例从减碳需求响应策略实施前的7.37%提高到实施后的15.95%;风电机组则从22.21%提高到了32.14%。需要说明的是,正是由于系统的新能源消纳量的大幅提升,使得系统的碳排放量明显下降,对比减碳需求响应策略实施前的日内总碳排放量,减碳需求响应策略实施后的日内总碳排放量明显下降,有效促进了电力系统的绿色低碳转型。
表1
表2
图10为本发明实施例提供的一种减碳需求响应策略确定装置的结构示意图。如图10所示,该装置包括:
目标函数构建模块410,用于构建以电力系统经济收益最大化为优化目标的目标函数;
遗传算法求解模块420,用于对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
需求响应策略生成模块430,用于基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
本发明实施例的技术方案,在减碳需求响应策略确定过程中,既考虑了经济收益,也考虑了碳排放量,从而得到电力系统经济效益和减碳效果最佳的需求响应策略,提升了需求响应策略的准确性和可靠性。
在一些可选的实施方式中,所述以电力系统经济收益最大化为优化目标的目标函数为:
其中,y表示用户参与需求响应后的最终日内用电费用总和;fbi(t)表示需求响应策略实施后t时刻第i个负荷节点的电力需求;fai(t)表示需求响应策略实施前t时刻第i个负荷节点的电力需求;bi(t)表示t时刻第i个用户参与需求响应的补贴价格;zi(t)表示当地的实时电价。
在一些可选的实施方式中,所述以电力系统经济收益最大化为优化目标的目标函数的约束条件包括以下约束中的一项或多项:机组出力及负荷变化区间约束、逐时供需平衡约束和系统运行日内总量约束。
在一些可选的实施方式中,所述机组出力及负荷变化区间约束为:
0.3fai(t)≤fbi(t)≤3fai(t);t=1,…,24;i=1,…,11;
其中,gbk(t)表示需求响应策略实施前后t时刻第k机组的发电量;表示t时刻第k机组的出力上限;
所述逐时供需平衡约束为:
所述系统运行日内总量约束为:
其中,gak(t)表示需求响应策略实施前t时刻第k机组的发电量,k为2或3。
在一些可选的实施方式中,遗传算法求解模块420,具体可以用于:
获取种群规模信息、交叉概率和变异概率;
基于所述种群规模信息、所述交叉概率和所述变异概率,对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
在一些可选的实施方式中,需求响应策略生成模块430,包括:
权重系数确定单元,用于基于层次分析方法确定所述各染色体的经济收益对应的第一权重系数以及所述各染色体的碳排放量对应的第二权重系数;
综合评估结果确定单元,用于基于所述各染色体的经济收益、所述各染色体的碳排放量、所述各染色体的经济收益对应的第一权重系数和所述各染色体的碳排放量对应的第二权重系数,确定得到各染色体的综合评估结果;
减碳需求响应策略确定单元,用于对各所述染色体的综合评估结果进行排序,基于排序结果确定减碳需求响应策略。
在一些可选的实施方式中,减碳需求响应策略确定单元,具体还用于:
将排序结果中综合评估结果最小的染色体对应的需求响应策略确定为减碳需求响应策略。
本发明实施例所提供的减碳需求响应策略确定装置可执行本发明任意实施例所提供的减碳需求响应策略确定方法,具备执行方法相应的功能模块和有益效果。
图11示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图11所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。I/O接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如减碳需求响应策略确定方法,该方法包括:
构建以电力系统经济收益最大化为优化目标的目标函数;
对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
在一些实施例中,减碳需求响应策略确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的减碳需求响应策略确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行减碳需求响应策略确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、系统级芯片(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种减碳需求响应策略确定方法,其特征在于,包括:
构建以电力系统经济收益最大化为优化目标的目标函数;
对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
2.根据权利要求1所述的方法,其特征在于,所述以电力系统经济收益最大化为优化目标的目标函数为:
其中,y表示用户参与需求响应后的最终日内用电费用总和;fbi(t)表示需求响应策略实施后t时刻第i个负荷节点的电力需求;fai(t)表示需求响应策略实施前t时刻第i个负荷节点的电力需求;bi(t)表示t时刻第i个用户参与需求响应的补贴价格;zi(t)表示当地的实时电价。
3.根据权利要求2所述的方法,其特征在于,所述以电力系统经济收益最大化为优化目标的目标函数的约束条件包括以下约束中的一项或多项:机组出力及负荷变化区间约束、逐时供需平衡约束和系统运行日内总量约束。
4.根据权利要求3所述的方法,其特征在于,所述机组出力及负荷变化区间约束为:
0.3fai(t)≤fbi(t)≤3fai(t);t=1,…,24;i=1,…,11;
其中,gbk(t)表示需求响应策略实施前后t时刻第k机组的发电量;表示t时刻第k机组的出力上限;
所述逐时供需平衡约束为:
所述系统运行日内总量约束为:
其中,gak(t)表示需求响应策略实施前t时刻第k机组的发电量,k为2或3。
5.根据权利要求1所述的方法,其特征在于,所述对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量,包括:
获取种群规模信息、交叉概率和变异概率;
基于所述种群规模信息、所述交叉概率和所述变异概率,对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量。
6.根据权利要求1所述的方法,其特征在于,所述基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略,包括:
基于层次分析方法确定所述各染色体的经济收益对应的第一权重系数以及所述各染色体的碳排放量对应的第二权重系数;
基于所述各染色体的经济收益、所述各染色体的碳排放量、所述各染色体的经济收益对应的第一权重系数和所述各染色体的碳排放量对应的第二权重系数,确定得到各染色体的综合评估结果;
对各所述染色体的综合评估结果进行排序,基于排序结果确定减碳需求响应策略。
7.根据权利要求6所述的方法,其特征在于,所述基于排序结果确定减碳需求响应策略,包括:
将排序结果中综合评估结果最小的染色体对应的需求响应策略确定为减碳需求响应策略。
8.一种减碳需求响应策略确定装置,其特征在于,包括:
目标函数构建模块,用于构建以电力系统经济收益最大化为优化目标的目标函数;
遗传算法求解模块,用于对所述以电力系统经济收益最大化为优化目标的目标函数进行遗传运算,得到各染色体的经济收益以及各染色体的碳排放量;
需求响应策略生成模块,用于基于所述各染色体的经济收益以及各染色体的碳排放量生成减碳需求响应策略。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的减碳需求响应策略确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的减碳需求响应策略确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311353890.XA CN117422238A (zh) | 2023-10-18 | 2023-10-18 | 减碳需求响应策略确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311353890.XA CN117422238A (zh) | 2023-10-18 | 2023-10-18 | 减碳需求响应策略确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117422238A true CN117422238A (zh) | 2024-01-19 |
Family
ID=89525788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311353890.XA Pending CN117422238A (zh) | 2023-10-18 | 2023-10-18 | 减碳需求响应策略确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422238A (zh) |
-
2023
- 2023-10-18 CN CN202311353890.XA patent/CN117422238A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113159835B (zh) | 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备 | |
WO2019196427A1 (zh) | 基于支撑故障事件约束机组组合的备用优化方法和装置 | |
CN112633316A (zh) | 一种基于边界估值理论的负荷预测方法和装置 | |
CN109978268A (zh) | 一种短期负荷预测方法、系统及相关装置 | |
CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
WO2024056051A1 (zh) | 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备 | |
CN117371845A (zh) | 一种发电企业碳绩效评估方法、装置、电子设备及介质 | |
CN117332896A (zh) | 多层集成学习的新能源小时间尺度功率预测方法及系统 | |
CN115833101B (zh) | 电力调度方法、装置、电子设备和存储介质 | |
CN116485022A (zh) | 园区未来年的碳排放估计方法、装置、设备及介质 | |
CN117422238A (zh) | 减碳需求响应策略确定方法、装置、电子设备及存储介质 | |
CN116245253A (zh) | 变电站规划方案确定方法、装置、电子设备及存储介质 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
CN117788015A (zh) | 一种节能降碳组合策略优化方法、装置、设备及存储介质 | |
CN117252612A (zh) | 一种供售电方案的确定方法、装置、电子设备及存储介质 | |
CN116404650A (zh) | 一种电网供电区域划分方法、装置、设备及存储介质 | |
CN117132018A (zh) | 碳-电协同系统演化驱动度量方法、装置、设备及介质 | |
CN116882812A (zh) | 建筑能耗评估方法、装置、设备以及存储介质 | |
CN116646991A (zh) | 电力系统的发电调度方法、装置、设备及存储介质 | |
CN117974220A (zh) | 配电网功率互济设备的选址定容方法、装置、设备和介质 | |
CN117252444A (zh) | 配电网规划方法、装置、电子设备及存储介质 | |
CN117293923A (zh) | 电网的日前调度计划生成方法、装置、设备及存储介质 | |
CN116362609A (zh) | 一种电网工程大数据的经济技术评价方法 | |
CN117787773A (zh) | 评估信息生成方法、装置、设备及平台 |
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 |