CN117477675B - 一种基于能源调度的碳排放优化方法及系统 - Google Patents
一种基于能源调度的碳排放优化方法及系统 Download PDFInfo
- Publication number
- CN117477675B CN117477675B CN202311822244.3A CN202311822244A CN117477675B CN 117477675 B CN117477675 B CN 117477675B CN 202311822244 A CN202311822244 A CN 202311822244A CN 117477675 B CN117477675 B CN 117477675B
- Authority
- CN
- China
- Prior art keywords
- power generation
- cleaning
- date
- information
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 24
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000004140 cleaning Methods 0.000 claims abstract description 150
- 230000005611 electricity Effects 0.000 claims abstract description 149
- 238000010248 power generation Methods 0.000 claims abstract description 127
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- H02J3/38—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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于能源调度的碳排放优化方法及系统，涉及碳排放优化技术领域，包括如下步骤：获取用电量以及检测日期，对用电量进行分组，对检测日期进行标记输出发电计划；获取日清洁电量，计算清洁区间，计算日清洁电量位于清洁区间的概率，输出预计清洁量；接收发电信息，基于发电信息计算火力发电量；控制火力发电量或预计清洁量进行供电或存储，本发明用于解决现有的基于能源调度碳排放优化技术缺少对清洁能源发电量的分析以及调度，导致仅对火力发电的碳排放进行优化难度较大且需要实时进行调整导致优化不够智能的问题。
Description
技术领域
本发明涉及碳排放优化技术领域，尤其涉及一种基于能源调度的碳排放优化方法及系统。
背景技术
在人类日常活动中，无时无刻不在排放二氧化碳，例如汽车燃烧汽油、居民使用天然气等，这种通过直接燃烧化石燃料产生的二氧化碳排放被称为直接排放；生活中电力使用过程不产生二氧化碳，但在生产电力的过程中会产生二氧化碳，因此被称为间接排放。
现有的技术中，通常都是对火力发电的碳排放量进行分析，缺少对通过能源调度实现减少碳排放量的分析，比如在申请公开号为CN114825459A的中国专利中，公开了负荷密集型智慧园区用户参与碳排放控制的能源调度方法，该方案就是通过建立碳排放模型，对模型进行优化获取最优能源调度方法，缺少对清洁发电装置的发电量进行能源调度的分析，鉴于此，有必要对现有的基于能源调度的碳排放优化方法及系统进行优化。
发明内容
针对现有技术存在的不足，本发明提供了一种基于能源调度的碳排放优化方法及系统，通过对用电量以及清洁发电量进行计算分析，并计算得到火力发电量，再根据当前日期控制电量进行存储或放电；以解决现有的基于能源调度碳排放优化技术缺少对清洁能源发电量的分析以及调度，导致仅对火力发电的碳排放进行优化难度较大且需要实时进行调整导致优化不够智能的问题。
为了实现上述目的，本发明是通过如下的技术方案来实现：第一方面，基于智慧电力的直流电流检测方法，包括如下步骤：
步骤S1，获取用电量以及检测日期，基于检测日期对用电量进行分组，对每个分组中的用电量进行分析计算，基于计算结果对检测日期进行标记，输出日期档；基于日期档对用电量进行分析，输出发电计划；
步骤S2，获取日清洁电量，对日清洁电量进行计算以及划分，得到清洁区间，计算日清洁电量位于清洁区间的概率，基于计算结果输出预计清洁量；
步骤S3，接收发电信息，基于发电信息计算火力发电量；
步骤S4，获取当前日期；对用电量、日期档以及预计清洁量进行分析计算，输出电量调整信息；基于电量调整信息以及当前日期控制火力发电量或预计清洁量进行供电或存储；
进一步地，所述步骤S1包括如下子步骤：
步骤S1011，从电力信息数据库中获取第一参考天数内的用电量以及用电量的检测日期，所述检测日期包括周一至周日共七种不同种类；
步骤S1012，将检测日期相同的用电量划分至相同的分组，并按递增的方式进行排列，得到用电量序列；
步骤S1013，计算用电量序列的中值，计算大于用电量序列的中值的用电量的平均值，标记为第i预电量，其中i为正整数。
进一步地，所述日期档包括第一档日期以及第二档日期，所述步骤S1还包括如下子步骤：
步骤S1021，将预电量按递增的方式进行排序，得到预电量序列；
步骤S1022，计算预电量序列中两两相邻的预电量的差值，标记为预电差值；
步骤S1023，将最大的预电差值对应的两个预电量中数值大的预电量标记为划分电量，将预电量序列中位于划分电量右侧的预电量以及划分电量对应的检测日期标记为第一档日期；将预电量序列中位于划分电量左侧的预电量对应的检测日期标记为第二档日期；
进一步地，所述发电信息包括第一发电信息以及第二发电信息，所述步骤S1还包括如下子步骤：
步骤S1031，计算第一档日期的数量，标记为第一日期量；计算第二档日期的数量，标记为第二日期量；
步骤S1032，比较第一日期量与第二日期量的大小，当第一日期量大于第二日期量时，输出第一发电信息；当第一日期量小于第二日期量时，输出第二发电信息。
进一步地，所述步骤S2包括如下子步骤：
步骤S2011，从电力信息数据库中获取第一参考天数的日清洁电量；
步骤S2012，计算日清洁电量的平均值，标记为平均清洁量；
步骤S2013，计算日清洁电量的最小值与平均清洁量的差值的绝对值，标记为第一清洁差值；计算日清洁电量的最大值与平均清洁量的差值，标记为第二清洁差值；
步骤S2014，比较第一清洁差值以及第二清洁差值的大小，当第一清洁差值大于或等于第二清洁差值时，输出上接近信息；当第一清洁差值小于第二清洁差值时，输出下接近信息。
进一步地，所述步骤S2还包括如下子步骤：
步骤S2021，计算日清洁电量的方差，标记为单位计算量；
步骤S2022，接收接近信息，所述接近信息包括上接近信息以及下接近信息；
当接收到上接近信息时，将单位计算量乘以第一系数后加上平均清洁量后作为清洁区间右端点；将平均清洁量减去单位计算量后作为清洁区间的左端点；
当接收到下接近信息时，将平均清洁量减去单位计算量乘以第一系数后作为清洁区间左端点；将平均清洁量加上单位计算量后作为清洁区间的右端点；
步骤S2023，计算日清洁电量位于清洁区间的概率，标记为区间判断概率；
步骤S2024，比较区间判断概率，当区间判断概率大于或等于第一概率阈值时，计算清洁区间的中值，标记为预计清洁量，输出预计清洁量；
步骤S2025，当区间判断概率小于第一概率阈值时，将清洁区间的右端点加上第二系数的单位计算量，再次计算区间判断概率，再次执行步骤S2024或步骤S2025。
进一步地，所述步骤S3包括如下子步骤：
步骤S301，接收发电信息；
步骤S302，基于发电信息计算火力发电量；
步骤S303，输出火力发电量。
进一步地，所述计算火力发电量包括：
当接收到第一发电信息时，通过用电差值计算公式计算得到第一用电差值，所述用电差值计算公式配置为：ECZ＝EP2max－EP1max；其中ECZ为用电差值，EP1max为检测日期为第一档日期中最大的预电量，EP2max为检测日期为第二档日期中最大的预电量；
计算预计清洁量减去第一用电差值的值，标记为用电判断值；
判断用电判断值的正负，当用电判断值为正时，将EP1max标记为火力发电量；
当用电判断值为负时，将EP1加上二倍的用电判断值后标记为火力发电量；
当接收到第二发电信息时，利用火力电量计算公式计算得到火力发电量；
所述火力电量计算公式配置为：TPG=EP2max-EQG；其中TPG为火力发电量，EP2max为检测日期为第二档日期中最大的预电量，EQG为预计清洁量。
进一步地，所述电量调整信息包括火力存储信息以及清洁供电信息，所述步骤S4包括如下子步骤：
步骤S401，计算TPG与EP1max的差值，标记为第二用电差值；
判断第二用电差值的正负，当第二用电差值为正时，输出火力存储信息，所述火力存储信息包括第二用电差值；当第二用电差值为负或为0时，输出清洁供电信息，所述清洁供电信息包括第二用电差值；
步骤S402，获取发电信息以及当前日期，当发电信息为第一发电信息，当前日期为第一档日期时，控制火力发电量进行供电，将预计清洁量通过电能存储系统进行存储；
当发电信息为第一发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电；
步骤S403，当发电信息为第二发电信息，当前日期为第一档日期时，接收电量调整信息，当接收火力存储信息时，控制火力发电量进行供电，控制火力发电量中第二用电差值的电量以及预计清洁电量通过电能存储系统进行存储；
当接收清洁供电信息时，控制火力发电量以及第二用电差值的清洁供电量进行供电，控制剩余的清洁控制电量进行存储；
当发电信息为第二发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电。
第二方面，本申请提供一种基于能源调度的碳排放优化系统，包括用电分析模块、发电分析模块以及减排控制模块；
所述用电分析模块用于基于检测日期对用电量进行分组，对分组中的用电量进行计算分析，基于分析结果将检测日期进行划分，输出日期档；对日期档进行分析，基于分析结果输出发电信息；
所述发电分析模块用于获取日清洁电量，对日清洁电量进行计算分析，基于计算分析结果输出预计清洁量；
所述减排控制模块用于对用电量、日期档以及预计清洁量进行分析计算，基于计算结果输出火力发电量以及电量调整信息；还用于获取当前日期，基于当前日期以及电量调整信息控制火力发电量以及预计清洁量进行供电或存储。
本发明的有益效果：本发明通过对用电量进行分组，对分组的用电量进行计算，并对检测日期进行划分，计算不同档位的检测日期的数量，以此为基础判断一周内用电量的高低的情况；这样能够判断用电量与检测日期的关系，再依据一周内不同天数的用电量的高低次数输出发电信息，能够在后续分析中适应由日期变化导致用电量的变化，提高了对用电量分析的智能性；
本发明还通过对日清洁电量进行分析，得到初步的接近信息，基于接近信息以及日清洁电量的最大值以及最小值进行判断，得到清洁区间，计算日清洁电量位于清洁区间的概率，通过多次设置区间的右端点能够得到最为符合多数日清洁电量位于的区间，将区间的右端点设置为预计清洁量，这样的好处在于，在不出现极端天气或突发情况下，大多数预计清洁量都位于清洁区间内，能够避免对清洁能源发电量判断不够准确导致无法准确设置火力发电的情况出现。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，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
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：
图1为本发明的方法的步骤流程图；
图2为本发明的系统的原理框图；
图3为本发明的日清洁电量的散点图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例1，请参阅图1所示，本发明提供一种基于能源调度的碳排放优化方法包括如下步骤：
步骤S1，获取用电量以及检测日期，基于检测日期对用电量进行分组，对每个分组中的用电量进行分析计算，基于计算结果对检测日期进行标记，输出日期档；基于日期档对用电量进行分析，输出发电计划；步骤S1还包括如下子步骤：
步骤S1011，从电力信息数据库中获取第一参考天数内的用电量以及用电量的检测日期，检测日期包括周一至周日共七种不同种类；
在具体实施时，第一参考天数设置为28天；其中周一至周日每个检测日期出现相同次数；
需要说明的是，由于上班休班等原因，可能会导致一周内不同日期存在不同的用电量，例如在工作日多数人需要在公司工作，学生需要上课，而在休息日多数人在家中，可能会导致工作日的用电量明显大于或小于休息日的用电量，而发电厂的发电量没有改变，因此当存在休息日与工作日用电量不同或其他一周内用电量存在明显不同情况时，此时多余的电量由于没有进行控制会被损耗，所以需要对一周内不同日期的用电量进行细致分析，以实现将多余的发电量进行存储，在其他时候进行放电，从而提高能源利用率，实现减少碳排放；
步骤S1012，将检测日期相同的用电量划分至相同的分组，并按递增的方式进行排列，得到用电量序列；
步骤S1013，计算用电量序列的中值，计算大于用电量序列的中值的用电量的平均值，标记为第i预电量，其中i为正整数；
需要说明的是，计算大于中值的平均值相较于直接使用平均值更符合多数时期的用电量；
步骤S1021，将预电量按递增的方式进行排序，得到预电量序列；
步骤S1022，计算预电量序列中两两相邻的预电量的差值，标记为预电差值；
步骤S1023，将最大的预电差值对应的两个预电量中数值大的预电量标记为划分电量，将预电量序列中位于划分电量右侧的预电量以及划分电量对应的检测日期标记为第一档日期；将预电量序列中位于划分电量左侧的预电量对应的检测日期标记为第二档日期；
需要说明的是，将最大的预电差值作为划分电量，能够让位于划分电量右侧的预电量全部明显大于每个位于划分电量左侧的预电量；
步骤S1031，计算第一档日期的数量，标记为第一日期量；计算第二档日期的数量，标记为第二日期量；
步骤S1032，比较第一日期量与第二日期量的大小，当第一日期量大于第二日期量时，输出第一发电信息；当第一日期量小于第二日期量时，输出第二发电信息；
需要说明的是，由于一周存在7个不同日期，因此不存在第一日期量等于第二日期量的情况出现；并且例如当第一日期大于第二日期量时，最少一周内有三天用电量较少，该天多余的发电量可以进行存储；由于步骤S1023的计算方法，因此最少会存在一天第一日期或一天第二日期，不会存在仅有一种日期档导致划分分析没有意义的情况出现；
请参阅图3所示，图3中T1为日清洁电量，T2为平均清洁量；T1为图中圆形区域，T2为图中虚线区域；
步骤S2，获取日清洁电量，对日清洁电量进行计算以及划分，得到清洁区间，计算日清洁电量位于清洁区间的概率，基于计算结果输出预计清洁量；
步骤S2还包括如下子步骤：
步骤S2011，从电力信息数据库中获取第一参考天数的日清洁电量；
步骤S2012，计算日清洁电量的平均值，标记为平均清洁量；
步骤S2013，计算日清洁电量的最小值与平均清洁量的差值的绝对值，标记为第一清洁差值；计算日清洁电量的最大值与平均清洁量的差值，标记为第二清洁差值；
步骤S2014，比较第一清洁差值以及第二清洁差值的大小，当第一清洁差值大于或等于第二清洁差值时，输出上接近信息；当第一清洁差值小于第二清洁差值时，输出下接近信息；
需要说明的是，如图3所示，当第一清洁差值大于第二清洁差值时，在图中表示为数据点距离平均值虚线越远，而最大的日清洁电量距平均值虚线较最小的更近，能够判断位于平均值虚线两侧那侧的数据离散度更小，从而方便后续进行接近分析；
步骤S2021，计算日清洁电量的方差，标记为单位计算量；
步骤S2022，接收接近信息，接近信息包括上接近信息以及下接近信息；
当接收到上接近信息时，将单位计算量乘以第一系数后加上平均清洁量后作为清洁区间右端点；将平均清洁量减去单位计算量后作为清洁区间的左端点；
当接收到下接近信息时，将平均清洁量减去单位计算量乘以第一系数后作为清洁区间左端点；将平均清洁量加上单位计算量后作为清洁区间的右端点；
在具体实施时，第一系数设置为0.2；
步骤S2023，计算日清洁电量位于清洁区间的概率，标记为区间判断概率；
步骤S2024，比较区间判断概率，当区间判断概率大于或等于第一概率阈值时，计算清洁区间的中值，标记为预计清洁量，输出预计清洁量；
步骤S2025，当区间判断概率小于第一概率阈值时，将清洁区间的右端点加上第二系数的单位计算量，再次计算区间判断概率，再次执行步骤S2024或步骤S2025；
在具体实施时，第一概率阈值设置为0.7，表示至少有70%的日清洁电量位于清洁区间内时，才输出预计清洁量；
步骤S3，接收发电信息，基于发电信息计算火力发电量；
步骤S3还包括如下子步骤：
步骤S301，接收发电信息；
步骤S302，当接收到第一发电信息时，通过用电差值计算公式计算得到第一用电差值，用电差值计算公式配置为：ECZ＝EP2max－EP1max；其中ECZ为用电差值，EP1max为检测日期为第一档日期中最大的预电量，EP2max为检测日期为第二档日期中最大的预电量；
计算预计清洁量减去第一用电差值的值，标记为用电判断值；
判断用电判断值的正负，当用电判断值为正时，将EP1max标记为火力发电量；
当用电判断值为负时，将EP1加上二倍的用电判断值后标记为火力发电量；
需要说明的是，由于预计清洁量以及预电量不是完全准确的，因此当用电判断值等于0时，为了避免出现发电量不足需要零时更改发电情况的出现，提前将EP1加上二倍的用电判断值作为火力发电量，以适应的多的情况；
当接收到第二发电信息时，利用火力电量计算公式计算得到火力发电量；
火力电量计算公式配置为：TPG=EP2max-EQG；其中TPG为火力发电量，EP2max为检测日期为第二档日期中最大的预电量，EQG为预计清洁量；
步骤S303，输出火力发电量；
步骤S4，获取当前日期；对用电量、日期档以及预计清洁量进行分析计算，输出电量调整信息；基于电量调整信息以及当前日期控制火力发电量或预计清洁量进行供电或存储；步骤S4还包括如下子步骤：
步骤S401，计算TPG与EP1max的差值，标记为第二用电差值；
判断第二用电差值的正负，当第二用电差值为正时，输出火力存储信息，火力存储信息包括第二用电差值；当第二用电差值为负或为0时，输出清洁供电信息，清洁供电信息包括第二用电差值；
步骤S402，获取发电信息以及当前日期，当发电信息为第一发电信息，当前日期为第一档日期时，控制火力发电量进行供电，将预计清洁量通过电能存储系统进行存储；
当发电信息为第一发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电；
步骤S403，当发电信息为第二发电信息，当前日期为第一档日期时，接收电量调整信息，当接收火力存储信息时，控制火力发电量进行供电，控制火力发电量中第二用电差值的电量以及预计清洁电量通过电能存储系统进行存储；
当接收清洁供电信息时，控制火力发电量以及第二用电差值的清洁供电量进行供电，控制剩余的清洁控制电量进行存储；
当发电信息为第二发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电。
实施例2，请参阅图2所示，第二方面，本发明提供一种基于能源调度的碳排放优化系统，包括用电分析模块、发电分析模块以及减排控制模块；
用电分析模块用于基于检测日期对用电量进行分组，对分组中的用电量进行计算分析，基于分析结果将检测日期进行划分，输出日期档；对日期档进行分析，基于分析结果输出发电信息；
发电分析模块用于获取日清洁电量，对日清洁电量进行计算分析，基于计算分析结果输出预计清洁量；
减排控制模块用于对用电量、日期档以及预计清洁量进行分析计算，基于计算结果输出火力发电量以及电量调整信息；还用于获取当前日期，基于当前日期以及电量调整信息控制火力发电量以及预计清洁量进行供电或存储。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory，简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种基于能源调度的碳排放优化方法，其特征在于，包括如下步骤：
步骤S1，获取用电量以及检测日期，基于检测日期对用电量进行分组，对每个分组中的用电量进行分析计算，基于计算结果对检测日期进行标记，输出日期档；基于日期档对用电量进行分析，输出发电信息；
步骤S2，获取日清洁电量，对日清洁电量进行计算以及划分，得到清洁区间，计算日清洁电量位于清洁区间的概率，基于计算结果输出预计清洁量；
步骤S3，接收发电信息，基于发电信息计算火力发电量；
步骤S4，获取当前日期；对用电量、日期档以及预计清洁量进行分析计算，输出电量调整信息；基于电量调整信息以及当前日期控制火力发电量或预计清洁量进行供电或存储；
所述步骤S1包括如下子步骤：
步骤S1011，从电力信息数据库中获取第一参考天数内的用电量以及用电量的检测日期，所述检测日期包括周一至周日共七种不同种类；
步骤S1012，将检测日期相同的用电量划分至相同的分组，并按递增的方式进行排列，得到用电量序列；
步骤S1013，计算用电量序列的中值，计算大于用电量序列的中值的用电量的平均值，标记为第i预电量，其中i为正整数；
所述日期档包括第一档日期以及第二档日期，所述步骤S1还包括如下子步骤：
步骤S1021，将预电量按递增的方式进行排序，得到预电量序列；
步骤S1022，计算预电量序列中两两相邻的预电量的差值，标记为预电差值；
步骤S1023，将最大的预电差值对应的两个预电量中数值大的预电量标记为划分电量，将预电量序列中位于划分电量右侧的预电量以及划分电量对应的检测日期标记为第一档日期；将预电量序列中位于划分电量左侧的预电量对应的检测日期标记为第二档日期；
所述发电信息包括第一发电信息以及第二发电信息，所述步骤S1还包括如下子步骤：
步骤S1031，计算第一档日期的数量，标记为第一日期量；计算第二档日期的数量，标记为第二日期量；
步骤S1032，比较第一日期量与第二日期量的大小，当第一日期量大于第二日期量时，输出第一发电信息；当第一日期量小于第二日期量时，输出第二发电信息；
所述步骤S2包括如下子步骤：
步骤S2011，从电力信息数据库中获取第一参考天数的日清洁电量；
步骤S2012，计算日清洁电量的平均值，标记为平均清洁量；
步骤S2013，计算日清洁电量的最小值与平均清洁量的差值的绝对值，标记为第一清洁差值；计算日清洁电量的最大值与平均清洁量的差值，标记为第二清洁差值；
步骤S2014，比较第一清洁差值以及第二清洁差值的大小，当第一清洁差值大于或等于第二清洁差值时，输出上接近信息；当第一清洁差值小于第二清洁差值时，输出下接近信息；
所述步骤S2还包括如下子步骤：
步骤S2021，计算日清洁电量的方差，标记为单位计算量；
步骤S2022，接收接近信息，所述接近信息包括上接近信息以及下接近信息；
当接收到上接近信息时，将单位计算量乘以第一系数后加上平均清洁量后作为清洁区间右端点；将平均清洁量减去单位计算量后作为清洁区间的左端点；
当接收到下接近信息时，将平均清洁量减去单位计算量乘以第一系数后作为清洁区间左端点；将平均清洁量加上单位计算量后作为清洁区间的右端点；
步骤S2023，计算日清洁电量位于清洁区间的概率，标记为区间判断概率；
步骤S2024，比较区间判断概率，当区间判断概率大于或等于第一概率阈值时，计算清洁区间的中值，标记为预计清洁量，输出预计清洁量；
步骤S2025，当区间判断概率小于第一概率阈值时，将清洁区间的右端点加上第二系数的单位计算量，再次计算区间判断概率，再次执行步骤S2024或步骤S2025。
2.根据权利要求1所述的一种基于能源调度的碳排放优化方法，其特征在于，所述步骤S3包括如下子步骤：
步骤S301，接收发电信息；
步骤S302，基于发电信息计算火力发电量；
步骤S303，输出火力发电量。
3.根据权利要求2所述的一种基于能源调度的碳排放优化方法，其特征在于，所述计算火力发电量包括：
当接收到第一发电信息时，通过用电差值计算公式计算得到第一用电差值，所述用电差值计算公式配置为：ECZ＝EP2max－EP1max；其中ECZ为用电差值，EP1max为检测日期为第一档日期中最大的预电量，EP2max为检测日期为第二档日期中最大的预电量；
计算预计清洁量减去第一用电差值的值，标记为用电判断值；
判断用电判断值的正负，当用电判断值为正时，将EP1max标记为火力发电量；
当用电判断值为负时，将EP1加上二倍的用电判断值后标记为火力发电量；
当接收到第二发电信息时，利用火力电量计算公式计算得到火力发电量；
所述火力电量计算公式配置为：TPG=EP2max-EQG；其中TPG为火力发电量，EP2max为检测日期为第二档日期中最大的预电量，EQG为预计清洁量。
4.根据权利要求3所述的一种基于能源调度的碳排放优化方法，其特征在于，所述电量调整信息包括火力存储信息以及清洁供电信息，所述步骤S4包括如下子步骤：
步骤S401，计算TPG与EP1max的差值，标记为第二用电差值；
判断第二用电差值的正负，当第二用电差值为正时，输出火力存储信息，所述火力存储信息包括第二用电差值；当第二用电差值为负或为0时，输出清洁供电信息，所述清洁供电信息包括第二用电差值；
步骤S402，获取发电信息以及当前日期，当发电信息为第一发电信息，当前日期为第一档日期时，控制火力发电量进行供电，将预计清洁量通过电能存储系统进行存储；
当发电信息为第一发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电；
步骤S403，当发电信息为第二发电信息，当前日期为第一档日期时，接收电量调整信息，当接收火力存储信息时，控制火力发电量进行供电，控制火力发电量中第二用电差值的电量以及预计清洁电量通过电能存储系统进行存储；
当接收清洁供电信息时，控制火力发电量以及第二用电差值的清洁供电量进行供电，控制剩余的清洁控制电量进行存储；
当发电信息为第二发电信息，当前日期为第二档日期时，控制火力发电量以及预计清洁量进行供电。
5.适用于权利要求1-4任一项所述的一种基于能源调度的碳排放优化方法的系统，其特征在于，包括用电分析模块、发电分析模块以及减排控制模块；
所述用电分析模块用于基于检测日期对用电量进行分组，对分组中的用电量进行计算分析，基于分析结果将检测日期进行划分，输出日期档；对日期档进行分析，基于分析结果输出发电信息；
所述发电分析模块用于获取日清洁电量，对日清洁电量进行计算分析，基于计算分析结果输出预计清洁量；
所述减排控制模块用于对用电量、日期档以及预计清洁量进行分析计算，基于计算结果输出火力发电量以及电量调整信息；还用于获取当前日期，基于当前日期以及电量调整信息控制火力发电量以及预计清洁量进行供电或存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311822244.3A CN117477675B (zh) | 2023-12-27 | 2023-12-27 | 一种基于能源调度的碳排放优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311822244.3A CN117477675B (zh) | 2023-12-27 | 2023-12-27 | 一种基于能源调度的碳排放优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117477675A CN117477675A (zh) | 2024-01-30 |
| CN117477675B true CN117477675B (zh) | 2024-05-03 |
Family
ID=89626053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311822244.3A Active CN117477675B (zh) | 2023-12-27 | 2023-12-27 | 一种基于能源调度的碳排放优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117477675B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5970146B1 (ja) * | 2015-11-16 | 2016-08-17 | 株式会社電力システムズ・インスティテュート | 太陽光発電装置を含む電力系統の制御方法及び制御システム |
| CN107276080A (zh) * | 2017-06-28 | 2017-10-20 | 国网山东省电力公司经济技术研究院 | 一种节能减排发展目标贡献率的计算方法 |
| CN115169994A (zh) * | 2022-09-05 | 2022-10-11 | 北京宇乾能源科技有限责任公司 | 一种多种清洁能源互补控制决策处理方法及系统 |
| CN115630743A (zh) * | 2022-11-02 | 2023-01-20 | 国网安徽省电力有限公司经济技术研究院 | 一种基于源网荷储互动的减碳微网日前能量优化方法 |
-
2023
- 2023-12-27 CN CN202311822244.3A patent/CN117477675B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5970146B1 (ja) * | 2015-11-16 | 2016-08-17 | 株式会社電力システムズ・インスティテュート | 太陽光発電装置を含む電力系統の制御方法及び制御システム |
| CN107276080A (zh) * | 2017-06-28 | 2017-10-20 | 国网山东省电力公司经济技术研究院 | 一种节能减排发展目标贡献率的计算方法 |
| CN115169994A (zh) * | 2022-09-05 | 2022-10-11 | 北京宇乾能源科技有限责任公司 | 一种多种清洁能源互补控制决策处理方法及系统 |
| CN115630743A (zh) * | 2022-11-02 | 2023-01-20 | 国网安徽省电力有限公司经济技术研究院 | 一种基于源网荷储互动的减碳微网日前能量优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117477675A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mehrtash et al. | An enhanced optimal PV and battery sizing model for zero energy buildings considering environmental impacts | |
| CN105870976B (zh) | 一种基于能源环境效率的低碳调度方法和装置 | |
| CN104158203A (zh) | 一种微电网电源容量优化配置方法 | |
| Ji et al. | Robust regional low-carbon electricity system planning with energy-water nexus under uncertainties and complex policy guidelines | |
| Shipman et al. | We got the power: Predicting available capacity for vehicle-to-grid services using a deep recurrent neural network | |
| Yang et al. | A Selection Hyper‐Heuristic Algorithm for Multiobjective Dynamic Economic and Environmental Load Dispatch | |
| CN111275185A (zh) | 一种能源使用状态预警方法、装置、设备和存储介质 | |
| CN117477675B (zh) | 一种基于能源调度的碳排放优化方法及系统 | |
| CN108197714A (zh) | 利用机器学习模型进行工作模式判决的方法及装置 | |
| Monterrat et al. | Integration Cost of Variable Renewable Resources to Power Systems–A Techno-economic Assessment in European Countries | |
| CN113809365B (zh) | 氢燃料电池系统电压衰减的确定方法、系统及电子设备 | |
| CN109878370B (zh) | 一种电动汽车集群的充电方法和装置 | |
| CN114696328A (zh) | 电力线损分析方法、系统及存储介质 | |
| CN112116216A (zh) | 一种基于多对象多维度的新能源消纳评价方法及系统 | |
| CN109449935B (zh) | 一种基于能源互联的时序生产模拟方法及系统 | |
| Addison et al. | Goodness of fit of probabilistic models for electric vehicle charging behaviour | |
| CN118137500B (zh) | 光伏发电预测方法及装置 | |
| Serna-Suárez et al. | Storage system scheduling effects on the life of lead-acid batteries | |
| Wang et al. | A probabilistic day-ahead scheduling with considering wind power curtailment | |
| CN118484740A (zh) | 基于边缘计算的用电行为安全分析方法、系统及存储介质 | |
| Denafas et al. | Predicting CO2 and SO2 emissions in the Baltic States through reorganization of energy infrastructure | |
| Daun et al. | Artificial intelligence for assessing the security of electricity supply | |
| Ng | Markov chain-based modeling of electric vehicle power consumption | |
| CN118297488A (zh) | 一种基于用电量分析的企业监测管理方法与系统 | |
| Han et al. | An Extreme Scenario Reduction Algorithm for Multi-time Scale Net-Load |
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 |