融合精准碳数据的配电能源网格碳排放最优规划方法及系统技术方案

本发明专利技术提供一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统，包括：获取区域配电网电源侧和用户负荷侧碳排放数据，构建区域电力系统电源出力模型，针对不同用电行为产生的电能消耗进行碳排放赋权，构建精准碳排放模型；根据可再生能源聚类信息，结合地区可再生能源特征，拟合光伏阵列、分布式风电机组和海上风电机组的出力数据；构建电动汽车可中断型与可时移型联合负荷模型；根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数及约束条件，求解配电能源网格碳排放最优规划方案。本发明专利技术满足配电能源网格规划碳排放水平最优的需求。放水平最优的需求。放水平最优的需求。

【技术实现步骤摘要】
融合精准碳数据的配电能源网格碳排放最优规划方法及系统


[0001]本专利技术涉及配电网规划
，尤其涉及一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统。

技术介绍

[0002]近年来，随着国家“碳达峰，碳中和”战略的不断深化实施，在区域配电网运行过程中，可再生能源接入比例日益增加，电网线路中吸纳的源端种类复杂多样。同时，随着新能源技术产品在用户侧的不断推广，负荷种类和需求量水平的随机性和波动性的不断提高，对碳计量、碳追踪需求下的低碳规划提出了更高的要求，也为配电网的低碳、安全运行带来了挑战。配电网网格化规划可以合理布局供电路径，便于后期线路的维护升级，且能够优化电力系统调度安排。网格化规划首先需要对负荷的大小和用能特征进行分析判断并留有一定的裕度，在此基础上依据配电网区域内电气、地理条件以及负荷用能特点的不同将供电区域进一步分成若干个小的供电区块，每一个供电区块都应有其独立且特定的供电范围，且需要满足不同属性用户的差异化可靠性需求。因此，需要针对不同的源端和负荷侧能源行为的碳排放水平，兼顾源端和负荷侧能源供、用能水平的差异性，建立融合精准碳数据的配电能源网格碳排放最优规划模型。

技术实现思路

[0003]本专利技术的目的在于提供了一种融合精准碳数据的配电能源网格碳排放最优规划方法及系统，以解决配电能源网格低碳规划的问题，满足配电能源网格规划碳排放水平最优的需求。
[0004]实现本专利技术目的的技术解决方案为：本专利技术实施例提供了一种融合精准碳数据的配电能源网格碳排放最优规划方法，包括：
[0005]从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；
[0006]根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；
[0007]基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型，基于获取的区域配电网电源侧和用户负荷侧碳排放数据，通过精准碳排放模型计算出精准碳排放数据；
[0008]根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；
[0009]根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；
[0010]考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；
[0011]根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案。
[0012]进一步地，根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案，具体包括：
[0013]根据所述主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数，计算在所述配电能源网格上，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本的初始值和所述配电能源网格年碳税成本最优目标函数初始值；
[0014]根据所述年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本初始值、所述配电能源网格年碳税成本最优目标函数初始值和所述约束条件，根据优化算法给出的规划方案集，计算在所述方案集中，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本最终值和所述配电能源网格年碳税成本最优目标函数的最终值；
[0015]根据在所述方案集中，年时间尺度上主体设备安装碳税成本、运行碳税成本、离域补偿运行碳税成本、负荷侧用能负碳排放效应成本最终值和所述配电能源网格年碳税成本最优目标函数的最终值，确定所述方案集中的最佳规划方案。
[0016]进一步地，所述构建涉及电源成分变化的区域电力系统电源出力模型、对产生的电能消耗进行碳排放赋权，构建精准碳排放模型具体包括：
[0017]t时段内电源侧发电量为
[0018][0019]其中，n表示清洁电源种类，r表示第r种清洁能源；m表示化石燃料电源种类，v表示第v种化石燃料能源；表示t时段第r种清洁电源的发电量；表示t时段第v种化石燃料电源的发电量；
[0020]由此所述t时段各电源成分所占份额为：
[0021]第r种清洁电源所占份额为：
[0022][0023]第v种化石燃料电源所占份额为：
[0024][0025]且有，
[0026][0027]定义电能碳排放因子为每一种能源燃烧或使用过程中单位能源所产生的碳排放数量，CF为碳排放因子，第r种清洁能源所对应的碳排放因子为CF
r
，第v种化石能源所对应的碳排放因子为CF
v
，则源侧t时段的碳排放量为：
[0028][0029]其中，表示源侧t时段的碳排放量。
[0030]进一步地，所述根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据具体包括：
[0031]根据蒙特卡洛随机抽样法模拟得到的大量风机、光伏出力场景，基于k
‑
means场景聚类方法将出力场景缩减为3种场景类别各7个日出力场景，并得出场景类别和日出力场景对应的权重；
[0032]风电机组类别分为两种，第一类风电机组采用分布式并网发电；第二类风电机组采用海上风电机组；
[0033]风机、光伏出力包含贫、平、富3种场景类别，分别对应各类机组出力水平20％以下、20％～50％和50％以上，记作S
i
，i＝1,2,3，代表贫、平、富；7个日出力场景D
j
，j＝1,2,
…
,7。
[0034]利用场景类别权重，通过随机选取得到风机、光伏出力场景类别，并继续利用日出力场景权重(陆上分布式风机)、以及(海上风机)，通过随机选取在所选取场景类别下的风光日出力场景，拟合得到分布式风机、光伏以及海上风机日出力数据以及海上风机日出力数据和
[0035]进一步地，用户负荷侧的用能需求(负荷需求量)数据除了包含公知的数据外还包含电动汽车负荷需求量；采用可时移型负荷与可中断性负荷联合建模的方式对电动汽车的充电行为进行刻画。可时移负荷完成工作所需的总电量一定，但是对工作时间段有一定的弹性，因此，该类型负荷所消耗的电能在一定时间段内可以转移，当有大量负荷聚合后，其负荷特性便十分明显，负荷转移的效果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，包括：从区域配电网的数据层获取区域配电网电源侧和用户负荷侧碳排放数据；根据电源侧的电能成分，构建涉及电源成分变化的区域电力系统电源出力模型；基于电源出力模型，根据不同用电行为，对产生的电能消耗进行碳排放赋权，构建精准碳排放模型得到电源侧和用户负荷侧精准碳排放数据；根据可再生能源聚类信息，结合地区可再生能源特征，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据；根据地区内电动汽车用能特征，给出电动汽车可中断型与可时移型联合负荷模型；考虑可再生能源出力数据和电动汽车负荷需求量，根据电源侧和用户负荷侧精准碳排放数据，引入电源侧和负荷侧碳税计算因子作为经济指标，构建主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型；根据主体设备安装碳税成本模型、运行碳税成本模型、离域补偿运行碳税成本模型、负荷侧用能负碳排放效应成本模型，构建配电能源网格年碳税成本最优目标函数以及约束条件，确定所述配电能源网格碳排放最优规划方案。2.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，电源侧的所述电源出力模型为：其中，表示t时段内电源侧发电量，n表示清洁电源种类，r表示第r种清洁能源；m表示化石燃料电源种类，v表示第v种化石燃料能源，表示t时段第r种清洁电源的发电量；表示t时段第v种化石燃料电源的发电量；第r种清洁电源所占份额，即碳排放赋权值为：第v种化石燃料电源所占份额为：且有，3.根据权利要求2所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，电源侧的所述精准碳排放模型为：其中，CF为碳排放因子，表示源侧t时段的碳排放量，CF
r
为第r种清洁能源所对应的碳排放因子，CF
v
为第v种化石能源所对应的碳排放因子。
4.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，拟合得到分布式光伏阵列、分布式风电机组和海上风电机组的可再生能源出力数据具体包括：根据蒙特卡洛随机抽样法模拟得到分布式光伏阵列、分布式风电机组和海上风电机组出力场景，基于k
‑
means场景聚类方法将出力场景缩减为贫、平、富3种场景类别，分别对应各类机组出力水平20％以下、20％～50％和50％以上，记作S
i
，i＝1,2,3，代表贫、平、富，各场景类别包括7个日出力场景，记作D
j
，j＝1,2,
…
,7，并得出场景类别和7个日出力场景对应的权重；通过随机选取在所选取场景类别下的日出力场景，拟合得到分布式风电机组、分布式光伏阵列和海上风电机组日出力数据和5.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述电动汽车可中断型与可时移型联合负荷模型为：其中，A
EV
表示电动汽车充电行为的总集，表示t时段电动汽车负荷需求量最大值，P
a,max
表示能源网格内允许可中断负荷退出的最大有功功率值，表示t时刻可中断负荷退出的有功功率，P
a,e
为能源网格内工业园区规律运行的电动汽车平均负荷需求量。6.根据权利要求1所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述碳税计算因子C
k
为：C
k
＝λCF
k
其中，CF
k
为碳排放因子，λ表示经济性碳转化系数，单位为元/kgCO2，k表征碳税类别。7.根据权利要求6所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特征在于，所述主体设备安装碳税成本模型为：其中，F
s
表示所述各体设备安装碳计量成本，C
PV,unit
表示分布式光伏最小模块单元容量安装碳税计算因子，C
WG,unit
表示分布式风电机组最小模块单元容量安装碳税计算因子，N
PV,m
表示节点m处的光伏安装数量，N
WG,m
表示节点m处风电机组的安装数量，P
PV,unit
表示分布式光伏最小模块单元额定容量，P
WG,unit
表示风电机组最小模块单元额定容量，N1表示光伏安装节点数，N2表示风电机组安装节点数，所述模型中，核能发电厂、海上风电基站、火力发电厂和燃气轮机的安装碳税成本以整体安装容量为计量依据，C
OWP,unit
表示海上风电基站的安装碳税计算因子，P
OWP,unit
表示海上风电基站装机总容量，C
TPP,unit
表示火力发电厂的安装碳税计算因子，P
TPP,unit
表示火力发电厂装机总容量，C
GT,unit
表示燃气轮机的安装碳税计算因子，P
GT,unit
表示燃气轮机装机总容量，C
NPP
表示核电站的建造碳税成本。8.根据权利要求7所述的融合精准碳数据的配电能源网格碳排放最优规划方法，其特
征在于，所述运行碳税成本模型为：其中，T表示年小时数，C
PV,ow
表示分布式光伏运行输出单位出力的碳税计算因子，为分布式光伏在节点m处t时段出力，C
WG,ow
表示分布式风电机组运行输...

【专利技术属性】
技术研发人员：岳付昌，梁睿，任孝峰，伏祥运，刘晗，李红，李光熹，崔景侠，宋家康，冯子烜，黄宏旭，王琛，张乐，
申请(专利权)人：江苏欣矿能源科技有限公司国网江苏省电力有限公司，
类型：发明
国别省市：