CN116882618A - 一种大型城市电力系统碳排放计算方法 - Google Patents
一种大型城市电力系统碳排放计算方法 Download PDFInfo
- Publication number
- CN116882618A CN116882618A CN202310725280.1A CN202310725280A CN116882618A CN 116882618 A CN116882618 A CN 116882618A CN 202310725280 A CN202310725280 A CN 202310725280A CN 116882618 A CN116882618 A CN 116882618A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- power
- carbon
- data
- power system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 195
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 189
- 238000004364 calculation method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000005611 electricity Effects 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 27
- 238000010248 power generation Methods 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000012946 outsourcing Methods 0.000 claims description 24
- 239000002803 fossil fuel Substances 0.000 claims description 23
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 22
- 238000002485 combustion reaction Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 238000013526 transfer learning Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 5
- 230000006403 short-term memory Effects 0.000 claims description 5
- 230000003647 oxidation Effects 0.000 claims description 4
- 238000007254 oxidation reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000007787 long-term memory Effects 0.000 claims 2
- 238000007599 discharging Methods 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000011161 development Methods 0.000 abstract description 10
- 238000011160 research Methods 0.000 abstract description 8
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 239000003245 coal Substances 0.000 description 9
- 239000005431 greenhouse gas Substances 0.000 description 9
- 230000009467 reduction Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 239000002956 ash Substances 0.000 description 5
- 239000000047 product Substances 0.000 description 4
- 238000003912 environmental pollution Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000006477 desulfuration reaction Methods 0.000 description 2
- 230000023556 desulfurization Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/096—Transfer learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大型城市电力系统碳排放计算方法，该方法通过基于大数据分析技术，从能源消耗、产业结构等方面考虑，构建了城市电力系统碳排放指标体系，支撑基于供电侧与消费侧等不同角度的电力系统碳排放计算，并给出从能源转化与生产角度出发计算能源消耗产生的碳排放的方法。本发明分析了发电、输电、配电、用电等电力系统环节的碳排放轨迹，帮助电力系统全面掌握自身各种运营业务的碳排放分布。同时本发明研究城市主要经济活动指标与电力系统碳排放的关联关系，从而实现城市电力系统碳排放有效监测，为构建新型电力系统发展提供技术支撑。
Description
技术领域
本发明属于电力系统碳排放领域，尤其是一种大型城市电力系统碳排放计算方法。
背景技术
当前，气候变化带来的危害使发展“碳经济”成为各国共识。在我国发展低碳经济已经成为必然的选择。作为世界工厂，我国的产业链日趋完善、国产制造加工能力与日俱增的同时，经济发展的同时碳排放量也仍然将攀升。根据国家统计局2017年的分行业能源消耗数据测算，制造业的二氧化碳排放量约占我国总排放量的55.8％，若加上制造业使用的电力，其排放占比超过70％。
为应对环境污染带来的挑战，实现经济的可持续、高质量发展。我国电力行业碳排放占全社会碳排放的40％以上，到2060年电能占终端能源比重将达66％，因此电力系统亟需向绿色低碳转型，在这方面并不缺乏国家层面的研究，但城市间的差异却被忽视。城市是人类活动的中心，也受到气候变化的巨大威胁，因此被认为是实施降低碳排放和减缓气候变化战略的核心，碳排放清单是研究排放特征和制定政策的基础，但因我国城市处在不同的工业化阶段，发展路径不同，导致减排策略必不相同，因此，需要加强对城市电力系统碳排放轨迹分析，尤其是超大城市，需要构建城市碳排放指标体系，因地制宜地制定减排策略。
正是因为缺乏适用于城市电力系统碳排放指标体系和碳排放轨迹分析方法，以至于超大型城市难以实现精准可信的碳排放指标统计、监测和考核，进而影响企业碳减排分解目标，亟需遵循可测量、可报告和可核查的基本原则构建碳排放指标体系，建立全寿命周期碳排放轨迹分析模型，从而使电力系统更切实有效地全面掌握自身各种运营业务的碳排放分布，实行有效监测，降低电力系统碳排放。
在气候变化领域里，建立温室气体排放基准的这一系列活动被简称为“碳盘查”，而企业或行业的全部活动产生的温室气体排放的计量与监控被简称为“碳足迹”。由于任何节能与减排的工作，都必须建立在有基准、有计量、可核证的基础上，而收集基础数据、盘查能耗现状及温室气体排放情况的这些工作是建立基准的必须环节，因此针对碳盘查的实践目的，建立适用于国内电力行业碳盘查的方法，并设定相应的指标体系很有必要。
目前，碳排放计量指标体系的研究多发电侧考虑，且大部分重点关注火电厂的电力碳排放评估研究，在输电、变电、配电、用电等环节缺乏系统性研究。另外现有碳排放轨迹的研究多从空间的碳流动进行了分析，较少考虑时间尺度，且各个环节的研究相对独立，难以将不同环节统一协调起来。
项目研究对我国推动低碳经济，实现“高碳”能源经济向“低碳”节能经济转轨和能源、经济、环境的协调发展具有重大的理论指导意义。
其一，电力产业既是能源生产大户，又是能源消费大户，同时还是环境污染排放大户。提高电力行业的能源利用效率，控制电能生产传输过程中的温室气体排放，是缓解我国能源危机，减轻环境污染，减少温室气体排放的重要领域和必然途径。在这种情况下，电力行业的节能与控制温室气体排放，两者之间天然相关，因此如何恰当地评价电力行业的温室气体排放就显得非常地有必要。
其二，在低碳经济模式下，电力工业生产所造成的CO2排放量将被严格控制，同时，CO2排放指标将成为一种可以在市场上进行交易的商品，其量化要求日趋提高。目前各国关注焦点是：我国各个行业，各个城市如何进行可测量的、可报告的、可核实的国家减排行动。本项目的研究将有助于电力企业进行碳盘查，提升超大型城市电力系统碳排放的量化分解和轨迹分析。
发明内容
本发明的目的在于克服现有技术的不足，提出一种大型城市电力系统碳排放计算方法，分析了发电、输电、配电、用电等电力系统环节的碳排放轨迹，帮助电力系统全面掌握自身各种运营业务的碳排放分布，从而更切实有效的降低电力系统碳排放。同时研究城市主要经济活动指标与电力系统碳排放的关联关系，从而实现城市电力系统碳排放有效监测，为构建新型电力系统发展提供技术支撑。
本发明解决其技术问题是采取以下技术方案实现的：
一种大型城市电力系统碳排放计算方法，包括以下步骤：
步骤1：将影响城市电力系统碳排放的影响因素划分为经济、环境、技术三类，确定不同领域参数相互联系、相互作用的机理，量化不同影响因素对城市电力系统碳排放的影响；
步骤2：采用层次分析方法，构建能源电力碳排放指标体系，用以衡量大型城市电力系统碳排放水平；
步骤3：构建城市能源电力碳排放数据的时间、空间和属性三维数据表示方式，基于电力能源的生产链条，从能源的生产、传输、分配、使用四个方面获取步骤1中所提到的碳排放相关影响因素量测数据；
步骤4：构建城市能源电力供应侧的碳排放模型、输电系统的碳排放模型和用电侧的碳排放模型，并计算历史碳排放数据；
步骤5：对步骤1中获取的相关因素数据进行数据预处理；对于部分无法获取或信息不足的数据，如缺失部分月度数据的经济数据，采用基于特征选择的迁移学习方法进行补充；
步骤6：基于步骤4、5获得数据，通过EMD经验模态分解方法获取时序特征，应用历史碳排放数据训练LSTM长短期记忆网络，计算发电、输电和用电企业的碳排放数据。
而且，步骤1中技术因素包括：燃料参数；机组参数和系统参数；经济因素包括：能源市场和环境市场多领域市场机制设计、价格水平和微观交易策略；环境因素包括气候、天气条件以及电力系统环境外部性的各种管制措施。
而且，步骤1中确定不同领域参数相互联系、相互作用的机理使用互信息进行表示：
其中，X和Y为随机变量，p(x)，p(y)和p(x,y)分别为随机变量X和Y各自的边缘概率分布和联合概率分布，当互信息为零，表示X和Y相互独立；当两者的互信息值越大，表示两变量共有信息越多。X和Y分别代表碳排放和上文提到的技术、环境、经济影响因素
而且，步骤2中能源电力碳排放指标体系涵盖碳排放统计指标，指标包括二氧化碳总量指标、碳排放强度指标以及碳交易指标。
而且，步骤3中时间维度为：原始电力数据中包含时间信息，系统同时记录数据发生的时间；保留该时间维度信息，用于描述属性随时间变化而发生变化的情况；
空间维度为：所有电力属性数据都存在空间标记，标记有数据所属的地域，利用该维度信息将原始电力数据按照地域进行划分，并通过智能分析分别对不同地域给出投资意见；
属性维度：通过统计分析抽象出的各类属性，作为智能分析的输入数据。
而且，步骤4中供应侧的碳排放模型E1为：
E1＝E发电设备+E燃烧+E净购入
其中，E发电设备为发电设备生产所形成的碳排放折算到统计时间段的量；E净购入为城市电网购入的能源电力碳排放；E燃烧为城市化石燃料燃烧产生的碳排放；
E燃烧＝∑i(ADi×EFi)
其中，ADi为i种化石燃料活动水平，以热值进行计算，EFi为第i种化石燃料的排放系数；
ADi＝ECi×NCVi×10-6
其中，ECi为第i种化石燃料的消耗量；NCVi为第i种化石燃料的平均低位发热值；
其中，CCi为第i种化石燃料的单位热值含碳量；OFi为第i种化石燃料的碳氧化率；44/12为二氧化碳与碳的分子量之比。
而且，步骤4中输电系统的碳排放模型E2为：
E2＝E电网设备+E网损
其中，E发电设备为发电设备生产所形成的碳排放折算到统计时间段的量；E网损为运行期间网损引起的碳排放；
E网损＝AD网损×EF网损
其中，AD网损为总网损电量，EF网损为区域电网年平均供电排放因子。
而且，步骤4中用电侧的碳排放模型E3为：
E3＝E自发电+E其他能源+E跨区外购
E跨区外购＝∑i(AD外购,i×EF外购,i)
其中,E自发电为自发电产生的碳排放量，E其他能源为其他能源产生的间接碳排放量；E跨区外购为净外购电量AD外购,i与电力碳排放因子EF外购,i的乘积。
而且，步骤6中迁移学习算法包括源域和目标域，其中源域表示与待评估样本不同的领域，领域为样本特征与概率分布空间，但具有丰富的监督信息；目标域表示待评估样本所在的领域，无标签或者只有少量标签。
而且，步骤7中，基于EMD经验模态分解方法进行电力数据特征提取的模型为：
经验模态分解方法(EMD，Empirical Mode Decomposition)
Pm,regular,Pm,trend,Pm,random＝EMD(Pm)
Pm＝Pm,regular+Pm,trend+Pm,random
其中，Pm为月度电力数据，Pm,regular,Pm,trend,Pm,random为分解后的高频、中频、低频电力特征分量；
基于LSTM长短期记忆网络算法构建计算发电、输电和用电企业碳排放数据的碳排放测算模型为：
E行业＝fθ(Pm,regular,Pm,trend,Pm,random,X)
其中，E行业为行业碳排放，fθ为构建的LSTM模型，θ为LSTM模型的网络结构参数，包括记忆的时间段；X为行业数据集，以工业行业为例，X包括经济增加值、产品产量等数据。
本发明的优点和积极效果是：
本发明通过基于大数据分析技术，从能源消耗、产业结构等方面考虑，构建了城市电力系统碳排放指标体系，支撑基于供电侧与消费侧等不同角度的电力系统碳排放计算，并给出从能源转化与生产角度出发计算能源消耗产生的碳排放的方法。本发明分析了发电、输电、配电、用电等电力系统环节的碳排放轨迹，帮助电力系统全面掌握自身各种运营业务的碳排放分布。同时本发明研究城市主要经济活动指标与电力系统碳排放的关联关系，从而实现城市电力系统碳排放有效监测，为构建新型电力系统发展提供技术支撑。
附图说明
图1为本发明的方法流程图。
具体实施方式
以下结合附图对本发明做进一步详述。
一种大型城市电力系统碳排放计算方法，如图1所示，包括以下步骤：
步骤1：形成影响城市碳排放的主要技术、经济和环境因素分类，确定不同领域参数相互联系、相互作用的机理，构建动力学模型。
其中，技术因素包括：燃料参数(如燃料热值、碳排放因子)；机组参数(如机组热效率、机组载荷率、碳捕获率)；系统参数(如发电机组组成、开机方式、负荷水平)。
经济因素为宏观经济发展态势对一/二次能源供求关系的影响，能源市场、环境市场等多领域市场机制设计、价格水平和微观交易策略对不同厂商市场竞争力的影响，都会从经济层面产生直接或间接的影响。
环境因素：除气候和天气条件之外，针对电力系统环境外部性的各种管制措施，将为不同层面排放主体引入的短期或长期、强度或总量碳排放约束，通过管制电力系统环境外部性而产生影响。
上述因素并非孤立影响电力系统碳排放水平，而是存在复杂的交互影响。例如，碳排放约束的收紧，将会改变相关市场的供求关系及价格水平，经由成本传导后影响企业的生产运营及投资策略，进而影响电力系统运行方式及发电结构；发电技术变革将会改变其发电成本，进而改变不同发电技术的相对竞争力；气候环境和天气条件不仅会影响短期电力需求，也会影响清洁能源发电的实际出力边界(如水库容量、风力和光照强度)。
在上述影响分析的基础上，确定不同领域参数相互联系、相互作用的机理，构建动力学模型，以及碳排放边界及其处理方式。从多源异构海量一次数据中，融合统计分析、因果分析和行为分析手段，抽取高效的二次数据资源，建立支持数学模型、多代理模型，以及反映特殊人群或非理性行为的少量真实人之间的动态交互仿真环境，以便有效评估电力系统碳排放量在复杂内外部不确定性因素影响下的演化态势。
互信息可以衡量两个变量之间的共集信息量，通过互信息能够有效评估电力系统碳排放量在复杂内外部不确定性因素影响下的演化态势，对于两个随机变量X和Y，若它们各自的边缘概率分布和联合概率分布分别为p(x)，p(y)和p(x,y)，则它们之间的互信息I(X；Y)定义为：
其中，X和Y为随机变量，p(x)，p(y)和p(x,y)分别为随机变量X和Y各自的边缘概率分布和联合概率分布，当互信息为零，表示X和Y相互独立；当两者的互信息值越大，表示两变量共有信息越多。
互信息能够确定不同领域参数相互联系、相互作用的机理，构建动力学模型的方法包括但不限于基于所获得的动态仿真轨迹，采用碳排放控制成本和违约风险的评估方法。以碳减排目标达成与否为例：一方面，若阶段性控制成本过高，对社会造成较大影响，可保留部分剩余风险，在后续阶段追加控制；另一方面，若阶段性控制成本较低，也可以进行超额控制，获取超额减排效益，缓解后续阶段减排压力。这需要区分决策所面对的硬性和弹性约束，在确保满足硬性约束的前提下，协同控制成本及弹性约束的违约风险，以控制成本与违约风险之和最小为目标进行决策优化。
步骤2：结合城市发展需求，构建能源电力碳排放指标体系。
统计指标体系的设置，不但要涵盖主要碳排放统计指标，同时为保证统计指标数据的真实可靠，便于指标数据间的相互校核检验，每一类指标相应也包括相关的统计校核指标。对于电力行业企业，碳排放统计指标包括二氧化碳总量指标、碳排放强度指标以及碳交易指标三类。
步骤3：构建城市能源电力碳排放数据的时间、空间和属性三维数据表示方式，基于电力能源的生产链条获取碳排放监测数据。
本步骤所构建城市能源电力碳排放数据的时间、空间和属性三维数据表示方式，基于电力能源的生产链条获取碳排放监测数据；城市能源电力数据数量庞大且结构复杂多样，无法直接用于智能分析，需要进行统计整理，抽取出有价值的属性，并实现有效的数据表示。由于电力数据存在时空特性，即在不同时间、不同地域产生具有自身特性的数据集，因此我们综合考虑时间和空间条件下各类属性(如线路条数、重过载线路比例等)的情况，构建时间、空间和属性三维数据表示。
时间维度：多数原始电力数据中都包含时间信息，即系统会同时记录数据发生的时间。保留该时间维度信息，用于描述属性(特征)随时间变化而发生变化的情况。常见的时间单位为年或月份，例如用电量按照年/月变化，报修数量按照年/月变化。
空间维度：所有电力属性数据都存在空间标记，即标记有数据所属的地域(城市或区县)，利用该维度信息可将原始电力数据按照地域进行划分，并通过智能分析分别对不同地域给出投资意见。
属性维度：通过统计分析抽象出的各类属性(特征)，作为智能分析的输入数据。
步骤4：构建城市能源电力供应侧的碳排放模型、输电系统的碳排放模型和用电侧的碳排放模型，并根据模型计算碳排放。
供应侧的碳排放模型以企业法人为核算边界，核算包括化石燃料燃烧、脱硫过程、企业净购入电力产生的碳排放，供应侧的碳排放模型E1为：
E1＝E发电设备+E燃烧+E净购入
其中，E发电设备为发电设备生产所形成的碳排放折算到统计时间段的量；E净购入为城市电网购入的能源电力碳排放；E燃烧为城市化石燃料燃烧产生的碳排放；
E燃烧＝∑i(ADi×EFi)
其中，ADi为第i种化石燃料活动水平，以热值进行计算，EFi为第i种燃料的排放系数；
ADi＝ECi×NCVi×10-6
其中，FCi为第i种化石燃料的消耗量(t，10m3)；NCVi为第i种化石燃料的平均低位发热值(KJKg，KJ/m3)；
其中，CCi为第i种化石燃料的单位热值含碳量；OFi为第i种化石燃料的碳氧化率；44/12为二氧化碳与碳的分子量之比：
单位热值含碳量为：
CC煤＝C煤/NCV煤
其中，C煤为燃煤的月平均元素碳含量(％)
氧化率为：
OF煤＝1-(Gash×Cash+Gcin×Ccin×ηcin)/(FC煤×NCV煤×CC煤)
其中，Gash为全年的炉渣产量，t；Cash为炉渣的平均含碳量，％；Gcin为全年的飞灰产量，t；Ccin为灰的平均含碳量，％；ηcin为除尘系统平均除尘效率，％。
对于供应侧排放的全部二氧化碳包括化石燃料燃烧、脱硫过程、企业净购入电力产生的二氧化碳排放，不同类型电力企业温室气体排放源如表1所示。
表1不同类型电力企业温室气体排放源
输电系统的碳排放模型以直辖市或省公司为核算边界，核算包括设备生产运行过程产生的碳直接排放，网损引起的间接碳排放，输电系统的碳排放模型E2为：
E2＝E电网设备+E网损
其中，E发电设备为发电设备生产所形成的碳排放折算到统计时间段的量；E网损为运行期间网损引起的碳排放；
E网损＝AD网损×EF网损
其中，AD网损为总网损电量，EF网损为区域电网年平均供电排放因子。
而且，步骤4中用电侧的碳排放模型E3为：
E3＝E自发电+E其他能源+E跨区外购
E跨区外购＝∑i(AD外购,i×EF外购,i)
其中,E自发电为自发电产生的碳排放量，E其他能源为其他能源产生的间接碳排放量；E跨区外购为净外购电量AD外购,i与电力碳排放因子EF外购,i的乘积。
步骤5：根据步骤1中分析城市电力系统碳排放的影响参数，从能源的生产、传输、分配、使用四个方面对参数数据获取。
为实现对电力系统碳排放水平在未来不同潜在场景下演化态势的准确、客观、科学评估，基于电力能源的生产链条获取碳排放监测数据。首先明确从大能源流采集、输送、生产、消费等各个环节中的排放责任者。从监测成本角度考虑，不要求大量安装碳排放高精度监测设备，平衡企业碳减排和运营之间的成本，在成本预测超负荷时，可以基于电力系统等原有的计量数据系统，从能源的生产、传输分配、使用四个方面对碳排放监测数据获取。
步骤6：对无法获取或信息不足的数据，采用基于特征选择的迁移学习方法进行补充；量测数据的预处理及修复。
迁移学习是针对用户缺少标签信息情景，利用已有标签数据知识对用户进行特征学习的一种方法。迁移学习中两个至关重要的概念：源域(SourceDomain)表示与待评估样本不同的领域(样本特征与概率分布空间)，但具有丰富的监督信息；目标域(TargetDomain)表示待评估样本所在的领域，无标签或者只有少量标签。
步骤7：基于获得数据和EMD经验模态分解方法、LSTM长短期记忆网络算法，计算发电、输电和用电企业碳排放数据。
经验模态分解方法(EMD，Empirical Mode Decomposition)
Pm,regular,Pm,trend,Pm,random＝EMD(Pm)
Pm＝Pm,regular+Pm,trend+Pm,random
其中，Pm为月度电力数据，Pm,regular,Pm,trend,Pm,random为分解后的高频、中频、低频电力特征分量；
基于获得数据和LSTM长短期记忆网络算法构建计算发电、输电和用电企业碳排放数据的碳排放测算模型为：
E行业＝fθ(Pm,regular,Pm,trend,Pm,random,X)
其中，E行业为行业碳排放，fθ为构建的LSTM模型，θ为LSTM模型的网络结构参数，包括记忆的时间段；(模型选择前11个月的数据对当前月碳排放进行测算)等；X为行业数据集。以工业行业为例，X包括经济增加值、产品产量等数据。
根据上述一种大型城市电力系统碳排放计算方法，通过对于某次某一省区市境内不同燃烧设备燃烧不同化石燃料的活动进行计算，以证明本发明的效果。
需要强调的是，本发明的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
Claims (10)
1.一种大型城市电力系统碳排放计算方法，其特征在于：包括以下步骤：
步骤1：将影响城市电力系统碳排放的影响因素划分为经济、环境、技术三类，确定不同领域参数相互联系、相互作用的机理，量化不同影响因素对城市电力系统碳排放的影响；
步骤2：采用层次分析方法，构建能源电力碳排放指标体系，用以衡量大型城市电力系统碳排放水平；
步骤3：构建城市能源电力碳排放数据的时间、空间和属性三维数据表示方式，基于电力能源的生产链条，从能源的生产、传输、分配、使用四个方面获取步骤1中所提到的碳排放相关影响因素量测数据；
步骤4：构建城市能源电力供应侧的碳排放模型、输电系统的碳排放模型和用电侧的碳排放模型，并计算历史碳排放数据；
步骤5：对步骤1中获取的相关因素数据进行数据预处理；对于部分无法获取或信息不足的数据，如缺失部分月度数据的经济数据，采用基于特征选择的迁移学习方法进行补充；
步骤6：基于步骤4、5获得数据，通过EMD经验模态分解方法获取时序特征，应用历史碳排放数据训练LSTM长短期记忆网络，计算发电、输电和用电企业的碳排放数据。
2.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤1中技术因素包括：燃料参数；机组参数和系统参数；经济因素包括：能源市场和环境市场多领域市场机制设计、价格水平和微观交易策略；环境因素包括气候、天气条件以及电力系统环境外部性的各种管制措施。
3.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤1中确定不同领域参数相互联系、相互作用的机理使用互信息进行表示：
其中，X和Y为随机变量，P(x),P(y)和P(x，y)分别为随机变量X和Y各自的边缘概率分布和联合概率分布，当互信息为零，表示X和Y相互独立；当两者的互信息值越大，表示两变量共有信息越多。X和Y分别代表碳排放和权利要求2中提到的影响因素。
4.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤2中能源电力碳排放指标体系涵盖碳排放统计指标，指标包括二氧化碳总量指标、碳排放强度指标以及碳交易指标。
5.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤3中时间为：原始电力数据中包含的时间信息，标记有电力负荷产生的时间，利用该时间维度信息，用于描述并分析属性随时间变化的情况；
空间为：由于电力属性数据都存在空间标记，标记有数据所属的地域，利用该维度信息将原始电力数据按照地域进行划分；
属性为：通过统计分析抽象出的各类属性，作为智能分析的输入数据。
6.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤4中供应侧的碳排放模型E1为：
E1＝E发电设备+E燃烧+E净购入
其中，E发电设备为发电设备生产所形成的碳排放折算到统计时间段的量；E净购入为城市电网购入的能源电力碳排放；E燃烧为城市化石燃料燃烧产生的碳排放；
E燃烧＝∑i(ADi×EFi)
其中，ADi为第i种化石燃料活动水平，以热值进行计算，EFi为第i种化石燃料的排放系数；
ADi＝ECi×NCVi×10-6
其中，ECi为第i种化石燃料的消耗量；NCVi为第i种化石燃料的平均低位发热值；
其中，CCi为第i种化石燃料的单位热值含碳量；OFi为第i种化石燃料的碳氧化率；44/12为二氧化碳与碳的分子量之比。
7.根据权利要求l所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤4中输电系统的碳排放模型E2为：
E2＝E电网设备+E网损
其中，E电网设备为电网企业用电所造成的间接碳排放折算到统计时间段的量；E网损为运行期间网损引起的碳排放；
E网损＝AD网损×EF网损
其中，AD网损为总网损电量，EF网损为区域电网年平均供电排放因子。
8.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤4中用电侧的碳排放模型E3为：
E3＝E自发电+E其他能源+E跨区外购
E跨区外购＝∑i(AD外购，i×EF外购，i)
其中，E自发电为自发电产生的碳排放量，E其他黼为其他能源产生的间接碳排放量；E跨区外购为净外购电量AD外购，i与电力碳排放因子EF外购，i的乘积。
9.根据权利要求1所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤5中迁移学习算法包括源域和目标域，其中源域表示与待评估样本不同的领域，领域为样本特征与概率分布空间，但具有丰富的监督信息；目标域表示待评估样本所在的领域，无标签或者只有少量标签。
10.根据权利要求l所述的一种大型城市电力系统碳排放计算方法，其特征在于：所述步骤6中，基于EMD经验模态分解方法进行电力数据特征提取的模型为：
经验模态分解方法：EMD，Empirical Mode Decomposition：
Pm，regular，Pm，trend，Pm，random＝EMD(Pm)
Pm＝Pm，regular+Pm，trend+Pm，random
其中，Pm为月度电力数据，Pm，regular，Pm，trend，Pm，random为分解后的高频、中频、低频电力特征分量；
基于LSTM长短期记忆网络算法构建计算发电、输电和用电企业碳排放数据的碳排放测算模型为：
E行业＝fθ(Pm，regular，Pm，trend，Pm，random，X)
其中，E行业为行业碳排放，fθ为构建的LSTM模型，θ为LSTM模型的网络结构参数，包括记忆的时间段；X为行业数据集，以工业行业为例，X包括经济增加值、产品产量等数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310725280.1A CN116882618A (zh) | 2023-06-19 | 2023-06-19 | 一种大型城市电力系统碳排放计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310725280.1A CN116882618A (zh) | 2023-06-19 | 2023-06-19 | 一种大型城市电力系统碳排放计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116882618A true CN116882618A (zh) | 2023-10-13 |
Family
ID=88267047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310725280.1A Pending CN116882618A (zh) | 2023-06-19 | 2023-06-19 | 一种大型城市电力系统碳排放计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882618A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118504940A (zh) * | 2024-07-17 | 2024-08-16 | 国网浙江省电力有限公司金华供电公司 | 适用于碳排放和输配一体的多要素化优化方法及系统 |
| CN118710295A (zh) * | 2024-06-27 | 2024-09-27 | 南方电网数字电网研究院股份有限公司 | 城市级电力碳排放监测方法、装置、计算机设备、可读存储介质和程序产品 |
-
2023
- 2023-06-19 CN CN202310725280.1A patent/CN116882618A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118710295A (zh) * | 2024-06-27 | 2024-09-27 | 南方电网数字电网研究院股份有限公司 | 城市级电力碳排放监测方法、装置、计算机设备、可读存储介质和程序产品 |
| CN118504940A (zh) * | 2024-07-17 | 2024-08-16 | 国网浙江省电力有限公司金华供电公司 | 适用于碳排放和输配一体的多要素化优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Capacity planning and optimization of business park-level integrated energy system based on investment constraints | |
| Zhou et al. | A hybrid fuzzy multi-criteria decision-making approach for performance analysis and evaluation of park-level integrated energy system | |
| Brych et al. | Estimating the efficiency of the green energy services' marketing management based on segmentation | |
| CN114511128A (zh) | 碳排放数据的处理方法、装置、存储介质及处理器 | |
| CN114626570B (zh) | 一种电力碳排放轨迹分析方法及装置 | |
| CN116882618A (zh) | 一种大型城市电力系统碳排放计算方法 | |
| CN104680313A (zh) | 城市高耗能企业监测筛选方法 | |
| CN110634033A (zh) | 一种配售电园区价值评估方法和装置 | |
| CN114066315A (zh) | 一种适应多元源荷接入的配电网规划系统 | |
| Wang et al. | Economic benefits assessment of urban wind power central heating demonstration project considering the quantification of environmental benefits: A case from northern China | |
| Dehshiri et al. | Evaluating the blockchain technology strategies for reducing renewable energy development risks using a novel integrated decision framework | |
| Ding et al. | Low-carbon development in power systems based on carbon emission analysis models: A comprehensive review | |
| Akhlaghi et al. | Investigation into opportunities and challenges of cross-border electricity trade in Iran | |
| Li | A study for development suitability of biomass power generation technology based on GHG emission reduction benefits and growth potential | |
| Liu et al. | Restructuring investment to promote a win–win situation for both the economy and the environment in China | |
| CN118643958A (zh) | 一种国土空间规划生态效益的动态预测方法 | |
| CN118643367A (zh) | 一种电力碳排放强度因子的核算方法及系统 | |
| CN118096214A (zh) | 一种面向农牧业产业园多园区智慧运维方法 | |
| Rao | Machine Learning in Estimating CO 2 Emissions from Electricity Generation | |
| Wu et al. | Risk Assessment of Low‐Speed Wind Power Projects Based on an Aggregated Cloud Method: A Case in China | |
| Zhao et al. | Risk assessment of offshore wind power hydrogen production based on spherical fuzzy set and cumulative prospect theory-TOPSIS | |
| Kiley et al. | A dataset for energy demand and supply modelling in Sierra Leone | |
| CN111369083A (zh) | 一种面向电网项目投资效益的评价方法与系统 | |
| Bogdanova et al. | FACTORS AFFECTING ENERGY COSTS: ANALYSIS OF THE FUTURE SCENARIOS | |
| Zhang et al. | Environmental Performance Evaluation of Power Enterprises Based on a New Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |