基于全周期点流模型的发电侧碳排放趋势预测方法及装置

    公开(公告)号:CN117114212A

    公开(公告)日:2023-11-24

    申请号:CN202311385443.2

    申请日:2023-10-25

    Abstract: 本发明公开了基于全周期点‑流模型的发电侧碳排放趋势预测方法、存储介质和装置。该方法包括以下步骤:通过步骤X1至X3计算目标区域i单位用电的全周期碳排放,在步骤X1中还执行的步骤Y,计算目标区域i的电力源覆盖率,判断电力源覆盖率是否达到预设程度;若判断结果为达到,则以全国电力传输线损率均值作为目标区域i内供电线损率ρi;若判断结果为未达到,则调用目标区域i的同期电量输出和用电量数据,以这两者的差值与电量输出的比值作为目标区域i内供电线损率ρi;实现对目标区域i内供电线损率ρi的自适应调整。并通过步骤Z,根据全周期碳排数据,基于STIRPAT模型执行发电侧碳排放趋势预测。

    考虑最优碳排放规划的综合能源减碳评估方法和装置

    公开(公告)号:CN115660258B

    公开(公告)日:2023-08-11

    申请号:CN202211578038.8

    申请日:2022-12-09

    Abstract: 本申请涉及一种考虑最优碳排放规划的综合能源减碳评估方法和装置。所述方法包括:获取综合能源系统优化前后的目标计划;目标计划包括发电侧的计划发电量、储能设备的储能量以及储能设备的输出功率;根据发电侧的计划发电量,得到发电侧的碳排放变化量;处理发电侧的计划发电量,得到能流的碳排放变化量;处理储能设备的储能量和储能设备的输出功率,得到机组运营的碳排放变化量;根据发电侧的碳排放变化量、能流的碳排放变化量以及机组运营的碳排放变化量,得到综合能源的碳排放变化量;基于综合能源的碳排放变化量,对系统进行减碳评估。采用本方法能够提高对于综合能源系统减碳评估的准确性。

    一种基于电力大数据的用户侧行企业动态碳监测分析方法

    公开(公告)号:CN115330089B

    公开(公告)日:2022-12-27

    申请号:CN202211241014.3

    申请日:2022-10-11

    Abstract: 本申请涉及一种基于电力大数据的用户侧行企业动态碳监测分析方法。方法包括:获取电力运行数据对应的电力碳排放校正数据、电力活动描述数据以及电力电量变化数据;根据自发电碳排放校正数据、区域电碳排放校正数据、自发电量变化数据和输入电量变化数据,得到用户侧电力碳排放数据;根据燃料碳排放校正数据、工业过程碳排放校正数据以及电力活动描述数据,得到用户侧工业碳排放数据;根据用户侧电力碳排放数据、用户侧工业碳排放数据、自发电量变化数据以及输入电量变化数据对电力运行数据进行归一化整合,得到用户侧度电碳排放校正数据。能够保证不同口径数据的兼容性与互通性,推行针对行业特点的碳排放进行校正,提高企业碳核算的准确率。

    供给侧电力碳排放风险预警方法、装置和计算机设备

    公开(公告)号:CN114757602B

    公开(公告)日:2022-10-11

    申请号:CN202210677596.3

    申请日:2022-06-16

    Abstract: 本申请涉及一种供给侧电力碳排放风险预警方法、装置和计算机设备。所述方法包括:获取多个地方区域电网的供给侧电力碳排放流动平衡模型和电力数据,基于电力数据,联立多个上述供给侧电力碳排放流动平衡模型,确定各地方区域电网的供给侧电力碳排放因子,根据供给侧电力碳排放因子和电力数据,得到各地方区域电网的供给侧电力碳排放量,基于上述供给侧电力碳排放量,进行供给侧电力碳排放风险预警,其中,供给侧电力碳排放流动平衡模型基于电力流动碳排放量、发电侧电力碳排放量和外部输电量对应的电力碳排放量的关系生成,外部输电量对应的电力碳排放量与供给侧电力碳排放因子呈正相关。采用本方法能够实现地方区域电网准确的碳排放风险预警。

    能源负荷混合预测方法、装置、计算机设备和存储介质

    公开(公告)号:CN114580771A

    公开(公告)日:2022-06-03

    申请号:CN202210248408.5

    申请日:2022-03-14

    Abstract: 本申请涉及一种能源负荷混合预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:构建各能源类型对应的独立负荷预测模型;将N个历史日的各能源类型对应的实际负荷数据输入至各能源类型对应的独立负荷预测模型,得到待预测日的各能源类型对应的预测负荷耦合结果;确定各能源类型对应的模型变量信息;针对每个能源类型,根据模型内生变量和模型外生变量,构建能源类型对应的混合负荷预测模型;将N个历史日的各能源类型对应的实际负荷数据输入至各能源类型对应的混合负荷预测模型,得到待预测日的各能源类型对应的混合预测负荷数据。采用本方法实现了对中长期负荷情况的有效预估,能够有助于供能系统中储能环节的合理配置。

    一种基于深度学习的微电网全自动导航方法、系统与装置

    公开(公告)号:CN112134304B

    公开(公告)日:2022-04-01

    申请号:CN202011000664.X

    申请日:2020-09-22

    Abstract: 本发明涉及一种基于深度学习的微电网全自动导航方法、系统与装置。该方法包括:获取微电网系统日前24时段的系统净负荷;将系统净负荷输入微电网日前优化调度模型,输出微电网系统的日前优化调度策略;微电网日前优化调度模型为双层Bi‑LSTM神经网络模型;根据可控机组的最小技术出力、出力上限值、爬坡约束和运行时间约束,对微电网系统的日前优化调度策略的可控机组出力进行调整;根据储能充放电功率上限值、容量约束和调度周期内储能平衡约束,对储能充放电功率进行调整;根据微电网与大电网联络线交换功率上限值和系统功率平衡约束对微电网与大电网联络线交换功率进行调整。本发明可以提高微电网日前优化调度的准确度和效率。

Patent Agency Ranking