【技术实现步骤摘要】
本专利技术属于碳排放，尤其涉及一种基于数据驱动的电网侧碳排放全局灵敏度分析方法。
技术介绍
1、碳排放测算和预测是实现双碳目标的前提和基础，而研究碳排放影响因素与碳排放的关系是其中的重要环节。碳排放的预测易受多种因素影响，其中有能源因素、经济因素、技术因素等。由于影响因素的多样性与复杂性，如何全面的分析碳排放影响因素，提取出具有代表性的主要因素，提高预测精度的准确性，有待深入研究。碳排放影响因素的研究方法主要包括单一分解法与组合识别法。单一分解法是通过定量分解碳排放量中驱动因素，得出单个因素对碳排放的贡献程度。单一分解法存在时间最长，理论相对完善，但识别出的关键影响因素较少，且受预测背景的影响较大，容易导致预测偏差。组合识别法是单一分解法的衍生与发展，在一定程度上更具全面性和科学性，可以有效弥补单一分解法的不足。组合识别法能够综合考虑多个层面、多个要素对碳排放的影响因素并进行分析，从大量相似变量中提取出少数关键变量，预测结果的误差相对较小。然而组合识别模型的不同会导致识别出的关键因素存在差异，因此其效果需要进一步的探究。
2、由于碳排放类型可以分为直接碳排放、间接碳排放、其他碳排放与六氟化硫逸散直接排放，每一种碳排放的影响因素均较多，如直接碳排放包括交通运输排放、固定场所燃料燃烧排放。而固定场所燃料燃烧排放又受天然气用量、液化石油气用量、燃料油用量的影响。上述参数必然对碳排放的影响程度存在差异。目前尚无利用代理模型方法对电网侧碳排放影响参数进行研究的案例，为此我们提出一种基于数据驱动的电网侧碳排放全局灵敏度分析方法，
技术实现思路
1、本专利技术的目的在于提供一种基于数据驱动的电网侧碳排放全局灵敏度分析方法，旨在解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于数据驱动的电网侧碳排放全局灵敏度分析方法，包括以下步骤：
4、步骤一、获取近年来碳排放影响因素数据，并计算电网侧直接碳排放量、间接碳排放量、其他碳排放量与六氟化硫逸散排放量；
5、步骤二、基于数据驱动建立碳排放代理模型；
6、步骤三、将碳排放代理模型的系数与sobol全局灵敏度分析方法相结合，计算电网侧不同影响因素的全局灵敏度指标。
7、进一步的，所述步骤一的具体步骤如下：
8、直接碳排放包括交通运输消耗的汽油和柴油燃烧排放以及固定场所消耗的天然气、燃料油和液化石油气燃烧排放，核算公式如下：
9、式1：；
10、上式中，为燃料燃烧产生的二氧化碳直接排放总量；为第i种燃料的消耗量；为第i种燃料燃烧对应的碳排放因子；
11、间接碳排放包括使用电力排放和使用热力排放，核算公式如下：
12、式2：；
13、上式中，为二氧化碳间接排放总量；、分别为用电量、外购热力；、分别为供电排放因子、热力排放因子；
14、其他碳排放包括输配电损失引起的排放，核算公式如下：
15、式3：；
16、上式中，为输配电损失引起的二氧化碳排放总量；、分别为供电量、售电量；为电网供电排放因子；
17、六氟化硫逸散排放的核算公式如下：
18、式4：；
19、上式中，为六氟化硫逸散的温室气体排放量；为含六氟化硫设备运行泄漏的温室气体量；为含六氟化硫设备检修泄漏的温室气体排放量；为含六氟化硫设备退役泄漏的温室气体排放量。
20、进一步的，所述步骤二的具体步骤如下：
21、根据所述步骤一的计算数据，分别将汽油消耗量、柴油消耗量、天然气用量、液化石油气用量和燃料油用量作为输入变量，对应的直接碳排放量数据作为输出；将用电量和外购热力作为输入变量，对应的间接碳排放量数据作为输出；将供电量和售电量作为输入变量，对应的其他碳排放量数据作为输出；将运行设备补入的绝缘气体量、检修设备绝缘气体容量、检修设备绝缘气体实际回收量、退役设备绝缘气体容量和退役设备绝缘气体实际回收量数据作为输入变量，六氟化硫逸散直接碳排放量作为输出；基于数据驱动的方法，建立碳排放代理模型。
22、进一步的，所述步骤二中，建立碳排放代理模型的方法如下：
23、设碳排放计算的原模型为y(ξ)，利用混沌多项式展开法对原模型进行展开，得到：
24、式5：；
25、上式中，是混沌多项式展开项的系数，d为模型输入变量的维度，为d维输入变量，即影响碳排放的相关因素，是大小为d的多索引，为各维变量对应的正交多项式基构建的正交多项式；
26、假设为输入变量对应的正交多项式基：
27、式6：；
28、上式中， 是的展开系数；
29、根据各个输入变量的各阶矩构建对应的正交多项式基及正交条件，得到式7和式8：
30、式7：；
31、式8：；
32、上式中，μ为权函数，δ为狄拉克函数，根据任意k阶多项式与其所有低次多项式的正交性得到式9：
33、式9：<mstyle displaystyle="true" mathcolor="#000000"><mtable columnalign="left"><mtr><mtd><mstyle displaystyle="true"><munder><mo>∫</mo><mrow><mi>ξ</mi><mi>∈ω</mi></mrow></munder><mrow><mrow><mo>[</mo><mstyle displaystyle="true"><munderover><mo>∑</mo><mrow><mi>i</mi><mi>=</mi><mn>0</mn></mrow><mi>k</mi></munderover><mrow><msubsup><mi>q</mi><mi>i</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></msubsup><msup><mi>ξ</mi><mi>i&本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，所述步骤二的具体步骤如下：
3.根据权利要求2所述的基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，所述步骤二中，建立碳排放代理模型的方法如下：
4.根据权利要求1所述的基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，所述步骤三的具体步骤如下：
【技术特征摘要】
1.一种基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数据驱动的电网侧碳排放全局灵敏度分析方法，其特征在于，所述步骤二的具体步骤如下：
3.根据权利要求...
【专利技术属性】
技术研发人员：张圆美，高晓峰，鲁宇，王静，陈沛光，时雨，姜明磊，胡维国，
申请(专利权)人：国网吉林省电力有限公司经济技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。