一种基于碳减排潜力的可再生能源配置方法及系统与流程

本发明属于电网规划领域，具体涉及一种基于碳减排潜力的可再生能源配置方法及系统。

背景技术：

1、化石能源的大量燃烧势必会导致温室气体过度排放，随着全球能源需求的不断增加和环境保护意识不断提升，可再生能源作为一种环保且无限可用的能源形式，它的发展有望为全球提供清洁可持续的能源解决方案。通过制定科学合理的可再生能源配置策略，不仅有助于新能源行业的健康发展，还有助于电力企业实现经济效益和环境效益的双赢。

2、目前，常规可再生能源配置方法要么未考虑碳减排潜力以及碳价因素，要么将这些因素当作一个稳定不变的因素进行考虑，这无法体现配置可再生能源带来的碳排放波动以及碳价波动对可再生能源项目的收益影响。同时，无差异化的碳减排潜力以及碳价还将影响预测结果在不同时间尺度下的准确性。

技术实现思路

1、本发明的目的是针对现有技术存在的上述问题，提供一种基于碳减排潜力的可再生能源配置方法及系统。

2、为实现以上目的，本发明的技术方案如下：

3、第一方面，本发明提出一种基于碳减排潜力的可再生能源配置方法，包括：

4、s1、进行可再生能源机组替代火电机组的碳减排潜力预测；

5、s2、基于碳减排潜力预测值构建以可再生能源配置收益最大为目标的可再生能源优化配置模型；

6、s3、求解可再生能源优化配置模型，得到可再生能源配置方案。

7、所述s1包括：

8、s11、以t为每个时段的时间跨度，基于历史数据确定包含各时段可再生能源机组替代火电机组的碳减排潜力值的碳减排潜力时间序列，其中，各时段可再生能源机组替代火电机组的碳减排潜力值根据以下公式计算得到：

9、

10、上式中，cpvkt为第k个时段可再生能源机组替代火电机组的碳减排潜力，cekt,i为第i个火电机组在第k个时段的碳排放量，cfkt,i为可再生能源机组替代第i个火电机组后在第k个时段的碳排放量，cpkt为被替代火电机组能在碳市场上获得的基准收益，s为被替代的火电机组数量；

11、s12、对碳减排潜力时间序列进行经验模态分解，得到n个不同频率的imf分量和1个残差分量；

12、s13、将得到的各分量输入构建的gru神经网络模型中进行训练和预测，得到各分量的预测结果，将所有分量的预测结果叠加即得到可再生能源机组替代火电机组的碳减排潜力预测值。

13、所述s11中，cekt,i采用以下公式计算得到：

14、

15、上式中，pi(t)为第i个火电机组在t时刻的出力，φi(t)为t时刻第i个火电机组所在电网节点碳排放因子；

16、所述cfkt,i采用以下公式计算得到：

17、

18、上式中，eall为可再生能源替代火电机组项目的全生命周期碳排放量，qi为第i个可再生能源机组的容量，ηi为第i个可再生能源机组的机组运行效率，hi为第i个可再生能源机组的年均满负荷发电小时数，tnew,i为第i个可再生能源机组的平均使用寿命；

19、所述cpkt采用以下公式计算得到：

20、

21、上式中，ppkt,j为第k个时段内的第j次碳价波动值，pci为第i个火电机组的容量，tt为碳价波动的时间精度，y(t)为碳价波动时段的碳价曲线。

22、所述s12包括：

23、s121、将高斯白噪声加入到碳减排潜力时间序列s(t)中得到新序列si(t)，并采用emd分解新序列si(t)，得到第一阶本征模态分量cemd1；

24、s122、对第一阶本征模态分量进行总体平均，得到ceemdan分解的第1个本征模态分量ccee1(t)，并计算去除第1个本征模态分量后的残差分量r1(t)；

25、s123、在r1(t)中加入正负成对高斯白噪声得到新信号，并采用emd分解新信号，得到第二阶本征模态分量cemd2；

26、s124、对第二阶本征模态分量进行总体平均，得到ceemdan分解的第2个本征模态分量ccee2(t)，并计算去除第2个本征模态分量后的残差分量r2(t)；

27、s125、循环重复步骤s123-s124，直到获得的残差信号为单调函数，不能继续分解，此时s(t)被分解为：

28、

29、上式中，n为imf分量的数量，cceen(t)、rn(t)分别为第n个本征模态分量、去除第n个本征模态分量后的残差分量。

30、所述s2中，可再生能源优化配置模型的目标函数包括：

31、maxwnet＝(wnew-wthe+wcar+wgov)

32、

33、上式中，wnet为可再生能源配置收益，wnew为可再生能源机组替代火电机组产生的净收益，wthe为替代前火电机组的发电收益，wcar为可再生能源机组替代火电机组后减少的碳排放在碳市场上产生的收益，wgov为可再生能源投资激励政策带来的收益，qi为第i个可再生能源机组的容量，hi为第i个可再生能源机组在每个时段的时间跨度t内的平均利用小时数，k为替代火电机组的可再生能源机组数量，fnew,i、qnew,i分别为第i个可再生能源机组发电的上网电价、平均成本，ci为第i个可再生能源机组投资建设的平均单位成本，tnew,i为第i种可再生能源机组的平均使用寿命。

34、所述可再生能源优化配置模型的约束条件包括：

35、收益周期约束：

36、0≤t≤tlife

37、式中，tlife为可再生能源替代火电机组项目的寿命期

38、可再生能源机组容量约束：

39、0≤qi≤qmax

40、上式中，qmax为替代火电机组的可再生能源机组的最大发电容量；

41、火电机组发电功率约束：

42、pi,min≤pi(t)≤pi,max

43、上式中，pi(t)为第i个火电机组在t时刻的出力，pi,min、pi,max分别为第i个发电机组的发电功率下、上限值。

44、第二方面，本发明提出一种基于碳减排潜力的可再生能源配置系统，包括碳减排潜力预测模块、可再生能源优化配置模型构建模块、可再生能源优化配置模型求解模块；

45、所述碳减排潜力预测模块用于进行可再生能源机组替代火电机组的碳减排潜力预测；

46、所述可再生能源优化配置模型构建模块用于基于碳减排潜力预测值构建以可再生能源配置收益最大为目标的可再生能源优化配置模型；

47、所述可再生能源优化配置模型求解模块用于求解可再生能源优化配置模型，得到可再生能源配置方案。

48、所述碳减排潜力预测模块包括时间序列确定单元、经验模态分解单元、训练和预测单元；

49、所述时间序列确定单元用于以t为每个时段的时间跨度，基于历史数据确定包含各时段可再生能源机组替代火电机组的碳减排潜力值的碳减排潜力时间序列，其中，各时段可再生能源机组替代火电机组的碳减排潜力值根据以下公式计算得到：

50、

51、

52、上式中，cpvkt为第k个时段可再生能源机组替代火电机组的碳减排潜力，cekt,i为第i个火电机组在第k个时段的碳排放量，cfkt,i为可再生能源机组替代第i个火电机组后在第k个时段的碳排放量，cpkt为被替代火电机组能在碳市场上获得的基准收益，s为被替代的火电机组数量，pi(t)为第i个火电机组在t时刻的出力，φi(t)为t时刻第i个火电机组所在电网节点碳排放因子，eall为可再生能源替代火电机组项目的全生命周期碳排放量，qi为第i个可再生能源机组的容量，ηi为第i个可再生能源机组的机组运行效率，hi为第i个可再生能源机组的年均满负荷发电小时数，tnew,i为第i个可再生能源机组的平均使用寿命，ppkt,j为第k个时段内的第j次碳价波动值，pci为第i个火电机组的容量，tt为碳价波动的时间精度，y(t)为碳价波动时段的碳价曲线；

53、所述经验模态分解单元用于对碳减排潜力时间序列进行经验模态分解，得到n个不同频率的imf分量和1个残差分量；

54、所述训练和预测单元用于将经验模态分解单元得到的各分量输入构建的gru神经网络模型中进行训练和预测，得到各分量的预测结果，将所有分量的预测结果叠加以得到可再生能源机组替代火电机组的碳减排潜力预测值。

55、所述经验模态分解单元基于以下步骤对碳减排潜力时间序列进行经验模态分解：

56、a、将高斯白噪声加入到碳减排潜力时间序列s(t)中得到新序列si(t)，并采用emd分解新序列si(t)，得到第一阶本征模态分量cemd1；

57、b、对第一阶本征模态分量进行总体平均，得到ceemdan分解的第1个本征模态分量ccee1(t)，并计算去除第1个本征模态分量后的残差分量r1(t)；

58、c、在r1(t)中加入正负成对高斯白噪声得到新信号，并采用emd分解新信号，得到第二阶本征模态分量cemd2；

59、d、对第二阶本征模态分量进行总体平均，得到ceemdan分解的第2个本征模态分量ccee2(t)，并计算去除第2个本征模态分量后的残差分量r2(t)；

60、e、循环重复步骤c-d，直到获得的残差信号为单调函数，不能继续分解，此时s(t)被分解为：

61、

62、上式中，n为imf分量的数量，cceen(t)、rn(t)分别为第n个本征模态分量、去除第n个本征模态分量后的残差分量。

63、所述可再生能源优化配置模型的目标函数包括：

64、maxwnet＝(wnew-wthe+wcar+wgov)

65、

66、上式中，wnet为可再生能源配置收益，wnew为可再生能源机组替代火电机组产生的净收益，wthe为替代前火电机组的发电收益，wcar为可再生能源机组替代火电机组后减少的碳排放在碳市场上产生的收益，wgov为可再生能源投资激励政策带来的收益，qi为第i个可再生能源机组的容量，hi为第i个可再生能源机组在每个时段的时间跨度t内的平均利用小时数，k为替代火电机组的可再生能源机组数量，fnew,i、qnew,i分别为第i个可再生能源机组发电的上网电价、平均成本，ci为第i个可再生能源机组投资建设的平均单位成本，tnew,i为第i种可再生能源机组的平均使用寿命；

67、所述可再生能源优化配置模型的约束条件包括：

68、收益周期约束：

69、0≤t≤tlife

70、式中，tlife为可再生能源替代火电机组项目的寿命期

71、可再生能源机组容量约束：

72、0≤qi≤qmax

73、上式中，qmax为替代火电机组的可再生能源机组的最大发电容量；

74、火电机组发电功率约束：

75、pi,min≤pi(t)≤pi,max

76、上式中，pi(t)为第i个火电机组在t时刻的出力，pi,min、pi,max分别为第i个发电机组的发电功率下、上限值。

77、与现有技术相比，本发明的有益效果为：

78、1、本发明提出的一种基于碳减排潜力的可再生能源配置方法先进行可再生能源机组替代火电机组的碳减排潜力预测，然后基于碳减排潜力预测值构建以可再生能源配置收益最大为目标的可再生能源优化配置模型，再求解可再生能源优化配置模型，得到可再生能源配置方案，一方面，该方法提出了可再生能源机组替代火电机组的碳减排潜力指标，并将其纳入可再生能源优化配置模型中，可以精确量化替代过程中可能实现的碳减排效果，有助于能源企业和投资者更准确地了解可再生能源在减少碳排放方面的潜力和价值，支撑制定最大化碳减排效果的可再生能源配置方案；另一方面，该方法采用了动态的碳减排潜力值以及碳价，有效保证了预测结果的合理性以及准确度。

79、2、本发明提出的一种基于碳减排潜力的可再生能源配置方法采用时变ceemdan-gru模型对可再生能源机组替代火电机组的碳减排潜力进行预测，包括基于ceemdan算法对碳减排潜力时间序列进行经验模态分解，基于gru神经网络模型分别训练和预测分解得到的各分量，该方法通过添加有限次数的自适应白噪声，具有更小的预测误差和更高的拟合优度。