CN117745109A - 一种基于多能互补的低碳性优化供能方式确定方法及系统 - Google Patents
一种基于多能互补的低碳性优化供能方式确定方法及系统 Download PDFInfo
- Publication number
- CN117745109A CN117745109A CN202410190404.5A CN202410190404A CN117745109A CN 117745109 A CN117745109 A CN 117745109A CN 202410190404 A CN202410190404 A CN 202410190404A CN 117745109 A CN117745109 A CN 117745109A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- heat supply
- target
- heat
- emission factor
- 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 220
- 238000000034 method Methods 0.000 title claims abstract description 51
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 189
- 238000010438 heat treatment Methods 0.000 claims abstract description 114
- 230000020169 heat generation Effects 0.000 claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 38
- 239000000446 fuel Substances 0.000 claims description 34
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 34
- 239000003245 coal Substances 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 21
- 238000005338 heat storage Methods 0.000 claims description 19
- 239000003345 natural gas Substances 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 16
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 9
- 239000002737 fuel gas Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多能互补的低碳性优化供能方式确定方法及系统，其中方法包括：构建目标供热区域内的负荷预测模型，基于负荷预测模型，获取目标供热区域预设期间的负荷需求；基于目标供热区域内的电力生产数据以及目标供热区域外的电力输入数据，计算目标供热区域的电力动态碳排放因子；基于电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；基于电力动态碳排放因子、含碳量，建立供热站的碳排放模型目标函数，并设置碳排放模型目标函数的约束条件；基于约束条件，在满足负荷需求的前提下，对碳排放模型目标函数进行求解，确定目标供热区域的供能方式。
Description
技术领域
本发明涉及低碳供能技术领域 ，更具体地，涉及一种基于多能互补的低碳性优化供能方式确定方法及系统。
背景技术
供热站作为供热区域的能源系统的重要组成部分，其能源利用效率和碳排放控制对供热区域的可持续发展至关重要。相同的供热量下，供热站的碳排放量一方面受到所消耗的能源类别及对应的碳排放因子的影响，一方面还受到能源利用效率的影响。只有综合考虑这两方面，协调各供热设备的运行，才能降低供热站热力供应的单位含碳量，实现供热站的低碳运营。
因此，需要一种技术，以确定基于供热区域的供热站多能互补的低碳性优化供能方式。
发明内容
本发明技术方案提供一种基于多能互补的低碳性优化供能方式确定方法及系统，以解决如何基于供热区域的供热站多能互补确定低碳性优化供能方式的问题。
为了解决上述问题，本发明提供了一种基于多能互补的低碳性优化供能方式确定方法，所述方法包括：
构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求；
基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子；
基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，并设置所述碳排放模型目标函数的约束条件；
基于所述约束条件，在满足所述负荷需求的前提下，对所述碳排放模型目标函数进行求解，确定所述供热站的供能方式。
优选地，所述构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求，包括：
所述负荷预测模型为神经网络负荷模型；
将所述目标供热区域内的气象数据、生产数据作为输入变量，基于设定的预测时间步长，通过所述神经网络负荷模型对负荷需求进行预测，获取所述目标供热区域预设期间的负荷需求。
优选地，所述基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子，包括：
电力动态碳排放因子的计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时目标供热区域外部输入的电功率；/>为t时目标供热区域内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；/>为目标供热区域内部产生的电能的碳排放因子。
优选地，所述目标供热区域内部产生的电能的碳排放因子计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
优选地，所述基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量，包括：
不同时刻单位产热量的含碳量的计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量；/>为t时目标供热区域电力的动态碳排放因子；/>为t时供热站的产热量。
优选地，t时供热站的产热量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号；
所述t时供热站供热设备的耗燃气量的计算公式为：
其中，为t时产热设备的能耗量； i代表不同设备类型；j代表同一类型设备的不同编号；
所述t时供热站供热设备的耗电量的计算公式为：
其中，为t时产热设备的能耗量； i代表不同设备类型；j代表同一类型设备的不同编号。
优选地，所述基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，包括：
其中，为t时供热站的产热量；/>为t时供热站供热设备的耗燃气量；/>为t时供热站供热设备的耗电量；/>为t时刻单位产热量的含碳量；为t时天然气的碳排放因子；/>为t时目标供热区域电力的动态碳排放因子；C为供热站的碳排放量。
优选地，所述设置所述碳排放模型目标函数的约束条件，包括：
其中为产热设备的装机容量；i代表不同设备类型；j代表同一类型设备的不同编号；
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，<0,蓄热设备为放热状态。
基于本发明的一个方面，本发明一种基于多能互补的低碳性优化供能方式确定系统，所述系统包括：
预测单元，用于构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求；
第一计算单元，用于基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子；
第二计算单元，用于基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
建立单元，用于基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，并设置所述碳排放模型目标函数的约束条件；
结果单元，用于基于所述约束条件，在满足所述负荷需求的前提下，对所述碳排放模型目标函数进行求解，确定所述供热站的供能方式。
优选地，所述预测单元，用于构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求，还用于：
所述负荷预测模型为神经网络负荷模型；
将所述目标供热区域内的气象数据、生产数据作为输入变量，基于设定的预测时间步长，通过所述神经网络负荷模型对负荷需求进行预测，获取所述目标供热区域预设期间的负荷需求。
优选地，所述第一计算单元，用于基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子，还用于：
电力动态碳排放因子的计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时目标供热区域外部输入的电功率；/>为t时目标供热区域内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；/>为目标供热区域内部产生的电能的碳排放因子。
优选地，所述目标供热区域内部产生的电能的碳排放因子计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
优选地，所述第二计算单元，用于基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量，还用于：
不同时刻单位产热量的含碳量的计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量；/>为t时目标供热区域电力的动态碳排放因子；/>为t时供热站的产热量。
优选地，t时供热站的产热量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
所述t时供热站供热设备的耗燃气量的计算公式为：
所述t时供热站供热设备的耗电量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
优选地，所述建立单元，用于基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，还用于：
其中，为t时供热站的产热量；/>为t时供热站供热设备的耗燃气量；/>为t时供热站供热设备的耗电量；/>为t时刻单位产热量的含碳量；为t时天然气的碳排放因子；/>为t时目标供热区域电力的动态碳排放因子；C为供热站的碳排放量。
优选地，所述建立单元，用于设置所述碳排放模型目标函数的约束条件，还用于：
其中为产热设备的装机容量；i代表不同设备类型；j代表同一类型设备的不同编号；
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，/><0,蓄热设备为放热状态。
基于本发明的另一方面，本发明提供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程序，所述计算机程序用于执行一种基于多能互补的低碳性优化供能方式确定方法。
基于本发明的另一方面，本发明提供一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；其中，
所述存储器，用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现一种基于多能互补的低碳性优化供能方式确定方法。
本发明技术方案提供一种基于多能互补的低碳性优化供能方式确定方法及系统，其中方法包括：构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求；基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域内电力动态碳排放因子；基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，并设置所述碳排放模型目标函数的约束条件；基于所述约束条件，在满足所述负荷需求的前提下，对所述碳排放模型目标函数进行求解，确定所述供热站的供能方式。本发明技术方案提供一种面向供热区域的供热站供热的低碳优化分析方法，将传统的以用户侧需求为中心的能源供给方式，转变为在满足用户侧需求的基础上，综合考虑园区供热站的低碳运行，以热力供给的低碳性为评价标准，充分利用供热站多类供热设备的特点，因地制宜，协调各设备出力，实现供热站的低碳运行。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施方式的一种基于多能互补的低碳性优化供能方式确定方法流程图；以及
图2为根据本发明优选实施方式的一种基于多能互补的低碳性优化供能方式确定系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的一种基于多能互补的低碳性优化供能方式确定方法流程图。
当前供热区域内供热站的供能形式主要以满足用能侧的负荷需求响应为目的，难以结合供热区域用能的绿色低碳建设目标进行协调优化。因此，本发明在满足用户侧用热负荷需求的基础上，考虑了供热区域的低碳建设需求，提供一种更适合低碳供热区域建设的供热站能源供给的低碳性优化分析方法，充分利用供热站多供热设备类型的特点，将供热设备的运行与供热区域电力碳排放因子的动态变化结合起来，多能互补，降低供热站热力供应的单位含碳量，实现供热站的低碳运行。本发明以园区作为供热区域进行举例说明。
如图1所示，本发明提供一种基于多能互补的低碳性优化供能方式确定方法，方法包括：
步骤101：构建目标供热区域内的负荷预测模型，基于负荷预测模型，获取目标供热区域预设期间的负荷需求；
优选地，构建目标供热区域内的负荷预测模型，基于负荷预测模型，获取目标供热区域预设期间的负荷需求，包括：
负荷预测模型为神经网络负荷模型；
将目标供热区域内的气象数据、生产数据作为输入变量，基于设定的预测时间步长，通过神经网络负荷模型对负荷需求进行预测，获取目标供热区域预设期间的负荷需求。
本发明构建供能站的神经网络负荷预测模型，通过设定预测时间步长，预测时间步长内的负荷相对稳定，预测得到供能站的各类能源需量（电、冷、热），主要以当日的气象参数、用能侧的生产计划、生产班次情况、产品单耗等信息为负荷预测模型的输入变量。
本发明通过构建的园区供热站的神经网络负荷预测模型，对供热站的负荷进行预测，得到供热站一日内的负荷曲线，各个时刻的热负荷需求为，t=0,1,2……23。
步骤102：基于目标供热区域内的电力生产数据以及目标供热区域外的电力输入数据，计算目标供热区域的电力动态碳排放因子；
优选地，基于目标供热区域内的电力生产数据以及目标供热区域外的电力输入数据，计算目标供热区域的电力动态碳排放因子，包括：
电力动态碳排放因子的计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时目标供热区域外部输入的电功率；/>为t时目标供热区域内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；/>为目标供热区域内部产生的电能的碳排放因子。
优选地，目标供热区域内部产生的电能的碳排放因子计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
本发明获取园区电力的动态碳排放因子。根据园区内的电力生产数据及园区外部的电力输入数据，计算得到园区内的电力动态碳排放因子，其计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时园区外部输入的电功率，/>为t时园区内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；为园区内部产生的电能的碳排放因子，其计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
步骤103：基于电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
优选地，基于电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量，包括：
不同时刻单位产热量的含碳量的计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量；/>为t时目标供热区域电力的动态碳排放因子；/>为t时供热站的产热量。
优选地，t时供热站的产热量的计算公式为：
其中，为t时产热设备的能耗量；为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
t时供热站供热设备的耗燃气量的计算公式为：
t时供热站供热设备的耗电量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
本发明的电力碳排放因子的实时变化，以及环境因素的变化会影响单位产热量的含碳量，供热站的供热设备类型包括：燃气锅炉、电锅炉、热泵、蓄热设备。不同时刻单位产热量的含碳量计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量，/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量，/>为t时园区电力的动态碳排放因子；/>为t时供热站的产热量；
其中，为t时产热设备的能耗量，/>为t时产热设备的热效率；i代表不同设备类型，1为燃气锅炉，2为电锅炉，3为热泵。j代表同一类型设备的不同编号。
步骤104：基于电力动态碳排放因子、含碳量，建立目标供热区域内的供热站的碳排放模型目标函数，并设置碳排放模型目标函数的约束条件；
优选地，基于电力动态碳排放因子、含碳量，建立供热站的碳排放模型目标函数，包括：
其中，为t时供热站的产热量；/>为t时供热站供热设备的耗燃气量；/>为t时供热站供热设备的耗电量；/>为t时刻单位产热量的含碳量；为t时天然气的碳排放因子；/>为t时目标供热区域电力的动态碳排放因子；C为供热站的碳排放量。
优选地，设置碳排放模型目标函数的约束条件，包括：
其中为产热设备的装机容量；i代表不同设备类型；j代表同一类型设备的不同编号；
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，/><0,蓄热设备为放热状态。
本发明构建供热站碳排放模型目标函数。以供热站的碳排放量最低为优化目标，目标优化函数为：
C为供热站的碳排放量。
本发明建立目标函数的约束条件：
其中为产热设备的装机容量，i代表不同设备类型，1为燃气锅炉，2为电锅炉，3为热泵。j代表同一类型设备的不同编号。/>
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，/><0,蓄热设备为放热状态。
步骤105：基于约束条件，在满足负荷需求的前提下，对碳排放模型目标函数进行求解，确定供热站的供能方式。
本发明根据约束条件进行求解，得到相应时段内的设备运行策略自动下发至设备端，使供热站在满足负荷需求的前提下，在单位产热量的含碳量较高时，减少直接由产热设备进行供热的占比，由蓄热设备放热进行热量补足；在单位产热量的含碳量较低时，增大产热设备的产热功率，在满足用户侧用热负荷的同时，蓄热设备将多余的热量进行存储。
图2为根据本发明优选实施方式的一种基于多能互补的低碳性优化供能方式确定系统结构图。
如图2所示，本发明提供一种基于多能互补的低碳性优化供能方式确定系统，系统包括：
预测单元201，用于构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取目标供热区域预设期间的负荷需求；
第一计算单元202，用于基于目标供热区域内的电力生产数据以及目标供热区域外的电力输入数据，计算目标供热区域的电力动态碳排放因子；
第二计算单元203，用于基于电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
建立单元204，用于基于电力动态碳排放因子、含碳量，建立目标供热区域内的供热站的碳排放模型目标函数，并设置碳排放模型目标函数的约束条件；
结果单元205，用于基于约束条件，在满足负荷需求的前提下，对碳排放模型目标函数进行求解，确定供热站的供能方式。
优选地，预测单元201，用于构建目标供热区域内的负荷预测模型，基于负荷预测模型，获取目标供热区域预设期间的负荷需求，还用于：
负荷预测模型为神经网络负荷模型；
将目标供热区域内的气象数据、生产数据作为输入变量，基于设定的预测时间步长，通过神经网络负荷模型对负荷需求进行预测，获取目标供热区域预设期间的负荷需求。
优选地，第一计算单元202，用于基于目标供热区域内的电力生产数据以及目标供热区域外的电力输入数据，计算目标供热区域的电力动态碳排放因子，还用于：
电力动态碳排放因子的计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时目标供热区域外部输入的电功率；/>为t时目标供热区域内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；/>为目标供热区域内部产生的电能的碳排放因子。
优选地，目标供热区域内部产生的电能的碳排放因子计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
优选地，第二计算单元203，用于基于电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量，还用于：
不同时刻单位产热量的含碳量的计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量；/>为t时目标供热区域电力的动态碳排放因子；/>为t时供热站的产热量。
优选地，t时供热站的产热量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
t时供热站供热设备的耗燃气量的计算公式为：
t时供热站供热设备的耗电量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
优选地，建立单元204，用于基于电力动态碳排放因子、含碳量，建立供热站的碳排放模型目标函数，还用于：
其中，为t时供热站的产热量；/>为t时供热站供热设备的耗燃气量；为t时供热站供热设备的耗电量；/>为t时刻单位产热量的含碳量；/>为t时天然气的碳排放因子；/>为t时目标供热区域电力的动态碳排放因子；C为供热站的碳排放量。
优选地，建立单元204，用于设置碳排放模型目标函数的约束条件，还用于：
其中为产热设备的装机容量；i代表不同设备类型；j代表同一类型设备的不同编号；
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，/><0,蓄热设备为放热状态。
本发明提供一种基于多能互补的低碳性优化供能方式确定系统200与本发明提供一种基于多能互补的低碳性优化供能方式确定方法100相对应，在此不再进行赘述。
基于本发明的另一方面，本发明提供一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机程序，计算机程序用于执行一种基于多能互补的低碳性优化供能方式确定方法。
基于本发明的另一方面，本发明提供一种电子设备，其特征在于，电子设备包括：处理器和存储器；其中，
存储器，用于存储处理器可执行指令的存储器；
处理器，用于从存储器中读取可执行指令，并执行指令以实现一种基于多能互补的低碳性优化供能方式确定方法。
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（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于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的装置。
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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于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的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
Claims (10)
1.一种基于多能互补的低碳性优化供能方式确定方法，所述方法包括：
构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求；
基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子；
基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，并设置所述碳排放模型目标函数的约束条件；
基于所述约束条件，在满足所述负荷需求的前提下，对所述碳排放模型目标函数进行求解，确定所述供热站的供能方式。
2.根据权利要求1所述的方法，所述构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求，包括：
所述负荷预测模型为神经网络负荷模型；
将所述目标供热区域内的气象数据、生产数据作为输入变量，基于设定的预测时间步长，通过所述神经网络负荷模型对负荷需求进行预测，获取所述目标供热区域预设期间的负荷需求。
3.根据权利要求1所述的方法，所述基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子，包括：
电力动态碳排放因子的计算公式为：
=/>
其中：采用该省市电网的平均碳排放因子；/>为t时目标供热区域外部输入的电功率；/>为t时目标供热区域内部产生的发电功率，包括燃气发电功率、燃煤发电功率、以及包含风力发电功率、光伏发电功率在内的可再生能源发电功率；/>为目标供热区域内部产生的电能的碳排放因子。
4.根据权利要求3所述的方法，所述目标供热区域内部产生的电能的碳排放因子计算公式为：
=/>
其中为t时燃气发电设备的耗燃气量；/>为t时天然气的碳排放因子；为t时燃煤发电设备的燃煤量；/>为t时煤的碳排放因子。
5.根据权利要求1所述的方法，所述基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量，包括：
不同时刻单位产热量的含碳量的计算公式为：
=/>
其中，为t时供热站供热设备的耗燃气量；/>为t时天然气的碳排放因子；/>为t时供热站供热设备的耗电量；/>为t时目标供热区域电力的动态碳排放因子；/>为t时供热站的产热量。
6.根据权利要求5所述的方法，t时供热站的产热量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号；
所述t时供热站供热设备的耗燃气量的计算公式为：
其中，为t时产热设备的能耗量； i代表不同设备类型；j代表同一类型设备的不同编号；
所述t时供热站供热设备的耗电量的计算公式为：
其中，为t时产热设备的能耗量；/>为t时产热设备的热效率；i代表不同设备类型；j代表同一类型设备的不同编号。
7.根据权利要求1所述的方法，所述基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，包括：
其中，为t时供热站的产热量；/>为t时供热站供热设备的耗燃气量；为t时供热站供热设备的耗电量；/>为t时刻单位产热量的含碳量；/>为t时天然气的碳排放因子；/>为t时目标供热区域电力的动态碳排放因子；C为供热站的碳排放量。
8.根据权利要求7所述的方法，所述设置所述碳排放模型目标函数的约束条件，包括：
其中，为t时的负荷需求；/>为产热设备的装机容量；i代表不同设备类型；j代表同一类型设备的不同编号；
其中为蓄热设备在t时刻的蓄热功率，/>>0,蓄热设备为蓄热状态，/><0,蓄热设备为放热状态。
9.一种基于多能互补的低碳性优化供能方式确定系统，所述系统包括：
预测单元，用于构建目标供热区域内的负荷预测模型，基于所述负荷预测模型，获取所述目标供热区域预设期间的负荷需求；
第一计算单元，用于基于所述目标供热区域内的电力生产数据以及所述目标供热区域外的电力输入数据，计算所述目标供热区域的电力动态碳排放因子；
第二计算单元，用于基于所述电力动态碳排放因子，计算不同供能方式不同时刻单位产热量的含碳量；
建立单元，用于基于所述电力动态碳排放因子、所述含碳量，建立所述目标供热区域内的供热站的碳排放模型目标函数，并设置所述碳排放模型目标函数的约束条件；
结果单元，用于基于所述约束条件，在满足所述负荷需求的前提下，对所述碳排放模型目标函数进行求解，确定所述供热站的供能方式。
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程序，所述计算机程序用于执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190404.5A CN117745109A (zh) | 2024-02-21 | 2024-02-21 | 一种基于多能互补的低碳性优化供能方式确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190404.5A CN117745109A (zh) | 2024-02-21 | 2024-02-21 | 一种基于多能互补的低碳性优化供能方式确定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117745109A true CN117745109A (zh) | 2024-03-22 |
Family
ID=90261310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410190404.5A Pending CN117745109A (zh) | 2024-02-21 | 2024-02-21 | 一种基于多能互补的低碳性优化供能方式确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117745109A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130082925A (ko) * | 2011-12-23 | 2013-07-22 | 주식회사 케이티 | 발전원에 따른 차등적 탄소배출권을 이용한 절감 에너지 거래 방법 및 시스템 |
| CN104881712A (zh) * | 2015-05-19 | 2015-09-02 | 上海电力学院 | 多能互补分布式能源系统及其设备配置与运行优化方法 |
| CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
| CN110796279A (zh) * | 2018-08-02 | 2020-02-14 | 中国电力科学研究院有限公司 | 一种多能互补优化运行方法与系统 |
| CN115239538A (zh) * | 2022-06-16 | 2022-10-25 | 国网浙江省电力有限公司营销服务中心 | 一种基于动态碳排因子的综合能源园区低碳运行优化方法 |
| KR102518281B1 (ko) * | 2022-09-01 | 2023-04-05 | 주식회사 탄소중립연구원 | 탄소 배출량 추정 방법 및 그 장치 |
| CN116151551A (zh) * | 2022-12-26 | 2023-05-23 | 国网河北省电力有限公司电力科学研究院 | 一种电热综合能源系统的调控方法、装置及调控设备 |
-
2024
- 2024-02-21 CN CN202410190404.5A patent/CN117745109A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130082925A (ko) * | 2011-12-23 | 2013-07-22 | 주식회사 케이티 | 발전원에 따른 차등적 탄소배출권을 이용한 절감 에너지 거래 방법 및 시스템 |
| CN104881712A (zh) * | 2015-05-19 | 2015-09-02 | 上海电力学院 | 多能互补分布式能源系统及其设备配置与运行优化方法 |
| CN110796279A (zh) * | 2018-08-02 | 2020-02-14 | 中国电力科学研究院有限公司 | 一种多能互补优化运行方法与系统 |
| CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
| CN115239538A (zh) * | 2022-06-16 | 2022-10-25 | 国网浙江省电力有限公司营销服务中心 | 一种基于动态碳排因子的综合能源园区低碳运行优化方法 |
| KR102518281B1 (ko) * | 2022-09-01 | 2023-04-05 | 주식회사 탄소중립연구원 | 탄소 배출량 추정 방법 및 그 장치 |
| CN116151551A (zh) * | 2022-12-26 | 2023-05-23 | 国网河北省电力有限公司电力科学研究院 | 一种电热综合能源系统的调控方法、装置及调控设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Optimal configuration planning of multi-energy systems considering distributed renewable energy | |
| CN109858759B (zh) | 一种工业园区综合能源平衡调度方法 | |
| Wu et al. | Comparative study of optimization method and optimal operation strategy for multi-scenario integrated energy system | |
| Ge et al. | Increasing operational flexibility of integrated energy systems by introducing power to hydrogen | |
| Ebrahimi et al. | California end-use electrification impacts on carbon neutrality and clean air | |
| Wang et al. | Economic benefits of integrating solar-powered heat pumps into a CHP system | |
| CN109472401B (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
| CN111950807B (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
| CN111144620A (zh) | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 | |
| CN107967560A (zh) | 多能互补分布式能源系统的评价方法、装置、设备和介质 | |
| Bahlawan et al. | Dynamic programming based methodology for the optimization of the sizing and operation of hybrid energy plants | |
| CN109634119A (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
| CN111245024A (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
| Ivanova et al. | District heating technologies: Is it chance for CHP plants in variable and competitive operation conditions? | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN113205208B (zh) | 计及一次能源渗透率的综合能源系统㶲效率能效评估方法 | |
| Saleem et al. | Optimizing renewable polygeneration: A synergetic approach harnessing solar and wind energy systems | |
| Song et al. | Optimal scheduling of zero-carbon integrated energy system considering long-and short-term energy storages, demand response, and uncertainty | |
| CN113723793A (zh) | 园区综合能源系统的实现方法、装置、设备和介质 | |
| CN109376406B (zh) | 供能系统超结构模型、建模方法、计算机设备和存储介质 | |
| CN117745109A (zh) | 一种基于多能互补的低碳性优化供能方式确定方法及系统 | |
| CN116244927A (zh) | 一种零碳岛屿能源系统优化方法、装置、设备和存储介质 | |
| CN114387129A (zh) | 考虑天然气管网的综合能源调度方法、装置、设备及介质 | |
| WO2017090110A1 (ja) | 給湯器制御システム、制御方法及びプログラム | |
| Hussain | Modelica-based simulation for the optimization of a district heating system with variable temperatures |
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 |