System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于能源系统决策,尤其涉及基于动态碳排放因子的含氢综合能源优化调度方法及系统。
技术介绍
1、随着全球气候变暖和环境保护意识的增强,减少碳排放、实现清洁能源供给是当前能源系统面临的一大挑战。传统化石能源虽然供应稳定,但碳排放量较高,而可再生能源如风电虽然清洁但存在不确定性。氢能和天然气掺氢等新兴能源方式有望在未来发挥重要作用,但也需要评估其整个供应链的碳排放情况。
2、因此,对多种能源形式进行综合考虑,建立科学的碳排放评估模型并优化调度策略,成为实现清洁低碳供能的关键。专利技术人发现,传统的碳排放计算方法较为单一,难以应对多能源耦合系统的复杂情况。同时,可再生能源的不确定性给优化调度带来了新的问题。
3、现有的基于碳排放流计算的动态碳排放因子模型,未充分考虑多能源的情景,而且随着氢能的广泛应用,特别是天然气掺氢与电解水制备绿氢技术的兴起,如何平衡碳排放与经济性之间的关系变得日益重要。
技术实现思路
1、为克服上述现有技术的不足,本专利技术提供了基于动态碳排放因子的含氢综合能源优化调度方法及系统,考虑了多能源的场景,同时考虑了风电、负荷的不确定性,实现了在满足一定经济收益前提下碳排放的最小化。
2、为实现上述目的,本专利技术的一个或多个实施例提供了如下技术方案:
3、本专利技术第一方面提供了基于动态碳排放因子的含氢综合能源优化调度方法。
4、基于动态碳排放因子的含氢综合能源优化调度方法,包括以下步骤:
6、建立多能源碳排放潮流模型,计算各节点的电力、氢能和掺氢天然气的节点碳势;
7、考虑风电输出和负荷的不确定性,基于风电场出力和负荷的预测误差,描述节点碳势的不确定性分布,建立混合动态碳排放因子不确定性模型;
8、基于混合动态碳排放因子不确定性模型,得到动态碳排放因子预测值,以系统运行成本最小化为目标,建立综合能源系统优化调度模型;
9、基于信息间隙决策理论,对综合能源系统优化调度模型进行优化并求解,确定各时段动态碳排放因子实际值的可行范围;
10、基于本时段灰绿氢比例和天然气掺氢比例,计算下一时段的动态碳排放因子,并判断下一时段的动态碳排放因子是否落入对应的可行范围,若是,则将本时段灰绿氢比例和天然气掺氢比例作为下一时段灰绿氢比例和天然气掺氢比例,得到下一时段的最优决策。
11、本专利技术第二方面提供了基于动态碳排放因子的含氢综合能源优化调度系统。
12、基于动态碳排放因子的含氢综合能源优化调度系统,包括:
13、预测模块,被配置为:基于风电场出力和电、气、氢负荷的历史数据,对风电场出力和电、气、氢负荷进行预测;
14、节点碳势计算模块,被配置为:建立多能源碳排放潮流模型,计算各节点的电力、氢能和掺氢天然气的节点碳势;
15、混合动态碳排放因子不确定性模型建立模块,被配置为:考虑风电输出和负荷的不确定性,基于风电场出力和负荷的预测误差,描述节点碳势的不确定性分布,建立混合动态碳排放因子不确定性模型;
16、综合能源系统优化调度模型建立模块,被配置为:基于混合动态碳排放因子不确定性模型,得到动态碳排放因子预测值,以系统运行成本最小化为目标,建立综合能源系统优化调度模型;
17、求解模块,被配置为:基于信息间隙决策理论,对综合能源系统优化调度模型进行优化并求解,确定各时段动态碳排放因子实际值的可行范围;
18、判断模块,被配置为:基于本时段灰绿氢比例和天然气掺氢比例,计算下一时段的动态碳排放因子,并判断下一时段的动态碳排放因子是否落入对应的可行范围,若是,则将本时段灰绿氢比例和天然气掺氢比例作为下一时段灰绿氢比例和天然气掺氢比例,得到下一时段的最优决策。
19、本专利技术第三方面提供了计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本专利技术第一方面所述的基于动态碳排放因子的含氢综合能源优化调度方法中的步骤。
20、本专利技术第四方面提供了电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本专利技术第一方面所述的基于动态碳排放因子的含氢综合能源优化调度方法中的步骤。
21、以上一个或多个技术方案存在以下有益效果:
22、1.本专利技术提供了一种基于动态碳排放因子的含氢综合能源优化调度方法及系统,使用cnn-lstm对风电、负荷进行预测,综合考虑电力、掺氢天然气以及氢气综合供应的碳排放,建立多能源碳排放潮流模型,计算出各节点的多能源节点碳势,解决了传统潮流计算无法考虑多种能源的碳排放影响,难以评估综合能源系统的碳排放水平的问题。
23、2.本专利技术考虑了风电、负荷不确定性,并将节点碳势在空间上进行平均化处理,建立混合动态碳排放因子不确定性模型,解决了传统碳排放因子模型忽略了风电、负荷随机波动对碳排放影响的问题。
24、3.本专利技术基于动态碳排放因子,考虑各节点电气氢负荷,以经济性为目标建立起综合能源系统优化调度模型,利用信息间隙决策理论(igdt)对模型进行优化,建立机会igdt调度模型和鲁棒igdt调度模型,求出在满足足够收益的前提下各时段的混合动态碳排放因子的范围,解决了权衡碳排放和经济收益两大目标的问题。
25、4.本专利技术利用预测的负荷量与风电量,以本小时的灰氢、绿氢供应比例与天然气掺氢比例计算下一小时的混合动态碳排放因子,若碳排放因子不在范围内,采用粒子群算法重新确定灰氢、绿氢供应比例与天然气掺氢比例,若在范围内,则输出最优决策,得出下一时段灰绿氢比和天然气掺氢比,解决了动态确定下一时段的最优运行策略问题。
26、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
3.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
4.如权利要求3所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于,所述节点碳势不确定性模型,具体为:
5.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
6.如权利要求5所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
7.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于,若计算出的下一时段的动态碳排放因子未落入对应的可行范围,则利用粒子群算法重新调整本时段灰绿氢比例、天然气掺氢比例,直至符合可行范围。
8.基于动态碳排放因子的含氢综合能源优化调度系统,其特征在于:包括:
9.计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7
10.电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于动态碳排放因子的含氢综合能源优化调度方法中的步骤。
...【技术特征摘要】
1.基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
3.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
4.如权利要求3所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于,所述节点碳势不确定性模型,具体为:
5.如权利要求1所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
6.如权利要求5所述的基于动态碳排放因子的含氢综合能源优化调度方法,其特征在于:
7.如权利要求1所述的基于动态碳排放因子的...
【专利技术属性】
技术研发人员:王瑞琪,宿柏华,汪明,张存明,李延真,梁雅洁,张帅,孟凡波,梁慧媛,朱国梁,贺艳辉,曹桉恺,黄兴,于振,史弘,司祎,
申请(专利权)人:国网山东综合能源服务有限公司,
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。