一种基于电碳耦合的园区零碳多维综合评价方法与流程

本发明涉及电力系统碳排放与综合评价，特别涉及一种基于电碳耦合的园区零碳多维综合评价方法。

背景技术：

1、现有的园区零碳或低碳评价方法大多存在以下缺陷：

2、首先，现有评价体系底层数据多依赖于商业活动规律的统计数据或经验估算值，缺乏针对园区底层发、输、配、用全电气环节的物理客观量实测，导致基础数据存在滞后性、失真及易被篡改的风险，无法真实反映园区实时物理运行状态。

3、其次，在评价维度上，现有方法往往局限于单一维度的静态评估。例如，在评估绿电消纳时，常采用日均或年均值计算静态渗透率，无法体现实时零碳水平的波动；在评估新能源消纳能力时，仅采用实际出力/预测出力的单一逻辑，未能充分量化储能设备对消纳的物理支撑作用。

4、再次，在电能替代与能效评估方面，现有评价指标重规模而轻实效，多采用算术平均等容易掩盖短板的算法，导致无法准确评估电能替代的时序运行稳定性以及配电网络的物理能效损耗。

5、最后，传统的评价方法通常将电量计算与碳排放核算割裂，未能在底层实现电力物理流与碳排放流的深度耦合，缺乏涵盖数据获取、指标计算、短板约束与综合诊断的闭环机制，导致难以给出针对园区电力-碳系统的客观技术状态判定。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种基于电碳耦合的园区零碳多维综合评价方法解决了现有技术中园区零碳评价数据不够客观、评价维度单一且未能深度实现电碳耦合导致评价结果不准确、无法提供精细化物理状态诊断的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种基于电碳耦合的园区零碳多维综合评价方法，包括：

3、s1：基于实时电力运行数据和实时碳排放监测数据，通过计算，分别得到绿电替代指标数据、电能替代指标数据、电力高效利用指标数据和电碳协同减排指标数据；

4、s2：基于电能替代指标数据，利用几何平均协同算法进行计算，得到关键支撑层系数；基于电力高效利用指标数据，利用动态偏差修正算法进行计算，得到优化提升层系数；基于绿电替代指标数据和电碳协同减排指标数据，进行计算，分别得到必要供给层系数和核心刚性层系数；

5、s3：基于核心刚性层系数、必要供给层系数、关键支撑层系数和优化提升层系数，通过计算，分别得到零碳刚性达标指数、碳供给支撑指数、碳精益优化指数、碳均衡度指数和碳综合标量；

6、s4：基于零碳刚性达标指数、碳供给支撑指数、碳精益优化指数、碳均衡度指数和碳综合标量，利用预设的分级评价机制进行判定诊断，得到园区零碳多维综合评价结果，完成园区零碳多维综合评价。

7、进一步地，所述基于实时电力运行数据和实时碳排放监测数据，通过计算，得到绿电替代指标数据，包括：

8、基于实时分布式新能源出力数据、外购绿电功率数据和总用电负荷数据进行计算，得到绿电实时渗透率数据；

9、基于新能源预测出力数据、实际出力数据和储能运行数据，结合预设的储能消纳修正逻辑进行计算，得到新能源消纳保障率数据；

10、基于绿电出力数据和实时烟气监测数据，核算绿电减排量和总碳排放量，得到绿电减排贡献率数据；

11、其中，实时分布式新能源出力数据、外购绿电功率数据、总用电负荷数据、新能源预测出力数据、实际出力数据、储能运行数据和绿电出力数据属于实时电力运行数据，实时烟气监测数据属于实时碳排放监测数据，绿电实时渗透率数据、新能源消纳保障率数据和绿电减排贡献率数据属于绿电替代指标数据。

12、进一步地，所述基于实时电力运行数据和实时碳排放监测数据，通过计算，得到电能替代指标数据，包括：

13、基于电能替代负荷功率数据和总负荷功率数据，结合预设的场景分类修正逻辑进行计算，得到终端电气化深度数据；

14、基于电能替代负荷功率数据和化石能源基准排放数据进行核算，得到电能替代减排强度数据；

15、基于电能替代负荷功率的时序数据，计算负荷波动特征，得到电能替代稳定性数据；

16、其中，电能替代负荷功率数据、总负荷功率数据和电能替代负荷功率的时序数据属于实时电力运行数据，化石能源基准排放数据属于实时碳排放监测数据，终端电气化深度数据、电能替代减排强度数据和电能替代稳定性数据属于电能替代指标数据。

17、进一步地，所述基于实时电力运行数据和实时碳排放监测数据，通过计算，得到电力高效利用指标数据，包括：

18、基于总负荷功率数据，结合负荷率与峰谷差率特征进行计算，得到电力负荷精益率数据；

19、基于配电网络实测数据和动态碳排放因子，核算线损减排收益，得到园区电力线损精益率数据；

20、基于需求响应前后的负荷数据和峰谷时段动态碳排放因子，核算调节减排量，得到需求响应减排贡献率数据；

21、其中，总负荷功率数据、配电网络实测数据和需求响应前后的负荷数据属于实时电力运行数据，动态碳排放因子和峰谷时段动态碳排放因子属于实时碳排放监测数据，电力负荷精益率数据、园区电力线损精益率数据和需求响应减排贡献率数据属于电力高效利用指标数据。

22、进一步地，所述绿电实时渗透率数据的表达式为：

23、；

24、其中，表示时刻的绿电实时渗透率数据，表示基于园区光伏和风电并网点部署的功率传感器采集的时刻分布式新能源实际出力数据，表示基于园区绿电交易关口配置的电能计量表采集的时刻外购绿电实时功率数据，表示基于园区配电母线及各主要负荷回路部署的母线功率变送器和负荷侧智能采集终端采集的时刻园区总用电功率数据；

25、所述新能源消纳保障率数据的表达式为：

26、；

27、其中，表示新能源消纳保障率数据，表示基于气象-电气一体化传感阵列采集的气象参数并结合物理机理模型生成的时刻光伏和风电预测出力数据，表示时刻分布式新能源实际出力数据，表示采样时间间隔，表示基于储能系统pcs侧部署的充放电功率传感器和soc监测模块获取的储能可调节功率及剩余容量计算得到的储能消纳修正系数；

28、所述终端电气化深度数据的表达式为：

29、；

30、其中，表示终端电气化深度数据，表示基于电能替代设备供电回路部署的电流互感器、电压互感器和有功功率变送器采集的时刻电能替代负荷功率数据，表示时刻园区总负荷功率数据，表示基于预设用能场景物理特性统计获取的场景修正系数；

31、所述电能替代稳定性数据的表达式为：

32、；

33、其中，表示电能替代稳定性数据，表示采样周期内电能替代负荷功率的最大值，表示采样周期内电能替代负荷功率的最小值，表示采样周期内电能替代负荷功率的平均值；

34、所述电力负荷精益率数据的表达式为：

35、；

36、其中，表示电力负荷精益率数据，表示时刻园区总用电功率数据，表示采样时间间隔，表示基于评价周期内连续实测负荷时序数据提取的最大负荷数据，表示评价周期时长，表示基于园区负荷极值计算的峰谷差率数据；

37、所述园区电力线损精益率数据的表达式为：

38、；

39、其中，表示园区电力线损精益率数据，表示基于园区配电网络关口智能电表和线损监测终端获取的时刻园区电力线损功率数据，表示基于购电关口实测获取的时刻外购电功率数据，表示基于发电机组燃烧工况传感阵列与烟气在线监测系统实时采集的物理参数推导的时刻动态电网碳排放因子数据。

40、进一步地，所述基于实时电力运行数据和实时碳排放监测数据，通过计算，得到电碳协同减排指标数据，包括：

41、基于多源减排量核算数据和外购电碳排放数据进行比对计算，得到电碳耦合减排率数据；

42、基于多源零碳电力供给数据和总用电功率数据进行计算，得到零碳电力支撑率数据；

43、基于电碳正向核算数据与反向校验数据进行一致性计算，得到电碳平衡偏差率数据；

44、其中，多源减排量核算数据、多源零碳电力供给数据和总用电功率数据属于实时电力运行数据，外购电碳排放数据、电碳正向核算数据与反向校验数据属于实时碳排放监测数据，电碳耦合减排率数据、零碳电力支撑率数据和电碳平衡偏差率数据属于电碳协同减排指标数据。

45、进一步地，所述s2中，基于电能替代指标数据，利用几何平均协同算法进行计算，得到关键支撑层系数；基于电力高效利用指标数据，利用动态偏差修正算法进行计算，得到优化提升层系数，包括：

46、对电能替代指标数据中的终端电气化深度数据、电能替代减排强度数据和电能替代稳定性数据进行相乘处理，得到第一乘积结果；

47、对第一乘积结果进行开立方运算，得到关键支撑层系数；

48、利用电力高效利用指标数据中的电力负荷精益率数据、园区电力线损精益率数据和需求响应减排贡献率数据，通过计算，得到均值数据与最大值数据；

49、基于均值数据和最大值数据，进行计算，得到指标时序波动偏差系数；

50、计算电力负荷精益率数据、园区电力线损精益率数据和需求响应减排贡献率数据的算术平均值，并基于指标时序波动偏差系数对算术平均值进行扣减修正，得到优化提升层系数。

51、进一步地，所述关键支撑层系数的表达式为：

52、；

53、其中，表示关键支撑层系数，表示终端电气化深度数据，表示电能替代减排强度数据，表示电能替代稳定性数据；

54、所述优化提升层系数的表达式为：

55、；

56、；

57、其中，表示优化提升层系数，表示电力负荷精益率数据，表示园区电力线损精益率数据，表示需求响应减排贡献率数据，表示指标时序波动偏差系数，表示电力负荷精益率数据、园区电力线损精益率数据和需求响应减排贡献率数据的均值数据，表示电力负荷精益率数据、园区电力线损精益率数据和需求响应减排贡献率数据的最大值数据。

58、进一步地，所述s3包括：

59、将核心刚性层系数作为零碳刚性达标指数，将优化提升层系数作为碳精益优化指数；

60、对必要供给层系数和关键支撑层系数进行相乘，并对乘积结果进行开平方运算，得到碳供给支撑指数；

61、分别计算必要供给层系数与关键支撑层系数的绝对差值、关键支撑层系数与优化提升层系数的绝对差值，以及必要供给层系数与优化提升层系数的绝对差值；并计算三个绝对差值的均值，并基于预设的基础值减去均值，得到碳均衡度指数；

62、对零碳刚性达标指数、必要供给层系数、关键支撑层系数、优化提升层系数和碳均衡度指数进行连乘计算，得到碳综合标量。

63、进一步地，所述s4包括：

64、基于零碳刚性达标指数进行底线校验，得到第一校验结果；

65、在第一校验结果满足预设条件时，基于碳供给支撑指数、碳精益优化指数和碳均衡度指数，进行物理裕度、运行水平和耦合均衡性诊断，得到多维度画像结果；

66、基于第一校验结果、多维度画像结果和碳综合标量，判定园区电力与碳系统的物理运行状态，得到园区零碳多维综合评价结果，完成园区零碳多维综合评价。

67、本发明的有益效果为：本发明提供一种基于电碳耦合的园区零碳多维综合评价方法，通过获取园区实时电力运行数据和实时碳排放监测数据计算各维度的指标数据，摒弃了传统的商业估算，确保了底层数据的物理真实性、实时性与不可篡改性，为综合评价提供了精准的底层数据支撑。

68、通过引入几何平均协同算法计算关键支撑层系数，具备强短板约束特性，避免了单项指标达标率偏低被掩盖的问题；通过引入动态偏差修正算法计算优化提升层系数，有效量化了园区长效化、精细化运行能力，提升了评价维度系数计算的严谨性与全面性。

69、基于计算得出的五大核心指数，利用预设的分级评价机制进行判定诊断，实现了从物理底层数据到综合维度系数再到整体运行状态的完整电碳闭环核算与评价，不仅给出了定量的零碳达标结论，还输出了园区底层物理状态诊断，有效指导后续的技术优化。