一种负荷碳排放率的短期预测方法技术

本发明专利技术涉及一种负荷碳排放率的短期预测方法，包括：S1、获取电力系统短期潮流数据，根据潮流结果和网架中各发电机组的碳排放因子计算碳排放流，求得网架中各PQ节点的碳排放率；S2、获取样本数据，包括S1中的电力系统用户短期负荷碳排放率数据、温度数据、气象数据和日期数据；S3、对S2中所得训练数据进行归一化处理，使得所有数据均可被系统识别；S4、对S3中已归一化的数据进行负荷碳排放率短期预测建模；S5、使用S4中建立的预测数学模型对各个PQ节点进行碳排放率短期预测；S6、使用各小时的预测值与真实值之差的平均值来评估评估碳排放率预测模型的准确性。本发明专利技术可以有效预测网架中各个PQ节点的碳排放率。架中各个PQ节点的碳排放率。架中各个PQ节点的碳排放率。

【技术实现步骤摘要】
一种负荷碳排放率的短期预测方法


[0001]本专利技术属于电力系统降碳、减碳领域。具体涉及一种负荷碳排放率的短期预测方法，以助力电网达到降碳、减碳的目标。

技术介绍

[0002]目前，随着煤、石油、天然气等这些传统能源的日益枯竭，当今世界已经进入能源危机和气候变暖的时代。电力系统作为依赖这些传统能源的重点高耗能行业，倍受各国科学界和工业界人士的关注，其中我国早已提出了节能减排战略，明确指出电力系统是节能减排的重点领域和重要主体。特别是随着智能电网技术的日益发展，世界各国投入了大量精力研究节能调度技术和加大新能源接入电网的力度，其目的无非是减少常规能源的消耗以及降低温室气体的排放量。因此，准确预测电力系统用户的碳排放率，这对于节能减排具有重大的现实意义。
[0003]目前，国内外仅有对长时间尺度下负荷碳排放量的预测，尚没有对负荷碳排放率进行短期预测的方法与技术。
[0004]因此，本专利技术将提出一种负荷碳排放率的短期预测方法，为短时间尺度优化碳排奠定基础。

技术实现思路

[0005]本专利技术要解决的技术问题是，提供一种具有良好学习能力的、能够准确预测电力系统中各个PQ节点的负荷碳排放率的日负荷碳排放率的预测方法。
[0006]为解决上述技术问题，本专利技术提出一种负荷碳排放率的短期预测方法，包括如下步骤：
[0007]S1、获取电力系统短期潮流数据，根据潮流结果和网架中各发电机组的碳排放因子计算碳排放流，求得网架中各PQ节点的碳排放率；
[0008]S2、获取样本数据，包括S1中的电力系统用户短期负荷碳排放率数据、温度数据、气象数据和日期数据；
[0009]S3、对S2中所得训练数据进行归一化处理，使得所有数据均可被系统识别；
[0010]S4、对S3中已归一化的数据进行负荷碳排放率短期预测建模；
[0011]S5、使用S4中建立的预测数学模型对各个PQ节点进行碳排放率短期预测；
[0012]S6、使用各小时的预测值与真实值之差的平均值来评估评估碳排放率预测模型的准确性。
[0013]在上述的方法，S1中，获得的潮流数据为：网架中发电机组的有功、无功出力及其碳排放因子，网架中所有线路的有功潮流。通过以上数据，计算出各个PQ节点在各个潮流结果下的负荷碳排放率；
[0014]在上述的方法，S2中，获得的样本数据为：
[0015][(x
11
,x
12
,
…
,x
16
,e1),(x
21
,x
22
,
…
,x
26
,e2),
…
,(x
n1
,x
n2
,
…
,x
n6
,e
n
)]ꢀꢀ
(1)
[0016]其中，x
i1
、x
i2
、
…
、x
i6
分别代表第i个日内的日最高温度、日平均温度、日最低温度、日降雨毫米数、日风速和星期类型，e
i
表示第i日内目标节点的碳排放率数据，n表示网架中样本数据的日数。
[0017]在上述的方法，S3将S2中所得数据归一化，即将式(1)中，x
i1
、x
i2
、 x
i3
的温度单位均换算为℃；x
i4
的降雨量单位换算为mm；x
i5
的风速单位换算为为m/s；因工作日与周末用电量不同，导致碳排放率也不相同，先做如下处理：周一x
i6
＝1为0.7，周二至周五x
i6
＝1为0.8，周六x
i6
＝1为0.4，周日x
i6
＝1为0.3，节假日x
i6
＝1为0.1；e
i
的单位换算为tCO2/MW。
[0018]在上述的方法，S4中的具体步骤如下：
[0019]S4.1、为保证算法的运行效率以及预测精度，对样本数据进行标准化处理，使所有样本数据为同一数量级。
[0020]1)用式(2)对温度数据进行标准化处理：
[0021][0022]式中，Δx
i1
、Δx
i2
、Δx
i3
分别表示标准化后的第i日的日最高温度、日平均温度、日最低温度；x1、x2、x3分别表示日最高温度、日平均温度、日最低温度的集合。
[0023]2)用式(3)对碳排放率数据进行标准化处理：
[0024]e
′
i
＝log(e
i
)
ꢀꢀ
(3)
[0025]式中，e
′
i
表示标准化后的第i日内目标节点的碳排放率数据。
[0026]S4.2、计算输入特征数据、距离空间、最小二乘支持向量矩阵，建立计算模型。
[0027]在上述的方法，S4.2中的具体步骤如下：
[0028]S4.2.1、首先计算输入特征数据
[0029]选取每个训练日前1日的日最高温度、日平均温度、日最低温度、日降雨毫米数、日风速和星期类型数据，同一时刻的碳排放率数据，前2日的碳排放率数据以及当日的日最高温度、日平均温度、日最低温度、日降雨毫米数、日风速和星期类型数据作为输入特征Input，如式(4)所示：
[0030]Input＝(x
(i
‑
1)1
,x
(i
‑
1)2
,
…
,x
(i
‑
1)6
,e
(i
‑
1)
,e
i
,x
(i
‑
2)1
,x
(i
‑
2)2
,
…
,x
(i
‑
2)6
)
ꢀꢀ
(4)
[0031]由式(4)可知，需提取前2日的训练数据，且需留出最后1日的测试数据，因此训练样本个数n
′
＝n
‑
3。
[0032]S4.2.2、建立计算模型
[0033]1)支持向量机适应度函数为真实值与预测值的相对误差，如式(5)所示：
[0034][0035]式中，表示第i日内目标节点的预测碳排放率数据。
[0036]2)使用支持向量机对自适应惯性因子使得粒子群的惯性因子在算法运行过程中
根据适应度自动调整，以达到提升搜索效率的目的。对适应度差的粒子进行差分变异，并用改进后的自适应粒子群算法优化支持向量机参数，得到计算模型，使得本专利技术能很好地配合进行负荷碳排放率短期预测。
[0037]在上述的方法，S5中将待预测的PQ节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷碳排放率的短期预测方法，其特征在于，包括如下步骤：S1、获取电力系统短期潮流数据，根据潮流结果和网架中各发电机组的碳排放因子计算碳排放流，求得网架中各PQ节点的碳排放率；S2、获取样本数据，包括S1中的电力系统用户短期负荷碳排放率数据、温度数据、气象数据和日期数据；S3、对S2中所得训练数据进行归一化处理，使得所有数据均可被系统识别；S4、对S3中已归一化的数据进行负荷碳排放率短期预测建模；S5、使用S4中建立的预测数学模型对各个PQ节点进行碳排放率短期预测；S6、使用各小时的预测值与真实值之差的平均值来评估评估碳排放率预测模型的准确性。2.根据权利要求1所述的一种负荷碳排放率的短期预测方法，其特征在于，S1中，获得的潮流数据为：网架中发电机组的有功、无功出力及其碳排放因子，网架中所有线路的有功潮流，通过以上数据，计算出各个PQ节点在各个潮流结果下的负荷碳排放率。3.根据权利要求1所述的一种负荷碳排放率的短期预测方法，其特征在于，S2中，获得的样本数据为：[(x
11
,x
12
,
…
,x
16
,e1),(x
21
,x
22
,
…
,x
26
,e2),
…
,(x
n1
,x
n2
,
…
,x
n6
,e
n
)]
ꢀꢀꢀꢀꢀꢀ
(1)其中，x
i1
、x
i2
、
…
、x
i6
分别代表第i个日内的日最高温度、日平均温度、日最低温度、日降雨毫米数、日风速和星期类型，e
i
表示第i日内目标节点的碳排放率数据，n表示网架中样本数据的日数。4.根据权利要求1所述的一种负荷碳排放率的短期预测方法，其特征在于，S3将S2中所得数据归一化，即将式(1)中，x
i1
、x
i2
、x
i3
的温度单位均换算为℃；x
i4
的降雨量单位换算为mm；x
i5
的风速单位换算为为m/s；因工作日与周末用电量不同，导致碳排放率也不相同，先做如下处理：周一x
i6
＝1为0.7，周二至周五x
i6
＝1为0.8，周六x
i6
＝1为0.4，周日x
i6
＝1为0.3，节假日x
i6
＝1为0.1；e
i
的单位换算为tCO2/MW。5.根据权利要求1所述的一种负荷碳排放率的短期预测方法，其特征在于，S4中的具体步骤如下：S4.1、为保证算法的运行效率以及预测精度，对样本数据进行标准化处理，使所有样本数据为同一数量级；1)用式(2)对温度数据进行标准化处理：式中，Δx
i1
、Δx
i2

【专利技术属性】
技术研发人员：朱险峰，唐爱红，申冉，刘子伟，谢琼瑶，金潇，王庆铭，杨惠源，余文晗，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：