一种联合出清计算方法、装置、设备和存储介质

本技术涉及电力系统低碳运行与碳排放核算，特别是涉及一种联合出清计算方法、装置、设备和存储介质。

背景技术：

1、随着新型电力系统建设的推进，电力调度与交易机制日益复杂，其中，电能量现货市场与辅助服务市场（如调频、调峰等）共同参与机组出力决策。这就导致机组运行状态及边际排放特性呈现更强的动态性与耦合性。

2、相关技术中，电能量与辅助服务的联合出清计算模型通常采用静态或平均的机组碳排放参数，或者忽略碳排放成本对出清决策的影响，其中，联合出清计算是指确定电能量和调频等辅助服务的成交电量、预留容量及市场价格的决策过程。这导致联合出清模型无法准确反映机组在不同处理水平、不同负荷率下碳排放强度的动态变化，从而使得出清计算结果准确率较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种联合出清计算方法、装置、设备和存储介质。

2、第一方面，本技术提供了一种联合出清计算方法，包括：

3、获取日前机组参数；

4、将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果；

5、将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将获取到的日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果。

6、在其中一个实施例中，计算第一动态碳排因子序列的步骤，包括：

7、获取发电机组的静态特征和动态特征；静态特征包括发电机组的机组类型参数、空冷形式参数和机组容量参数，动态特征包括发电机组记载的历史发电时长对应的比负荷数据序列；比负荷数据是根据待优化的日前机组发电功率和装机容量构成的；

8、对静态特征和动态特征在时间维度上进行特征嵌入计算，得到工况特征；

9、将工况特征输入至因子计算模型中，通过因子计算模型对工况特征进行联合学习映射，得到第一动态碳排因子序列。

10、在其中一个实施例中，将工况特征输入至因子计算模型中，通过因子计算模型对工况特征进行联合学习映射，得到第一动态碳排因子序列，包括：

11、将工况特征输入至因子计算模型中的多头子注意力层，得到多头子注意力层输出的查询向量、键向量和值向量；

12、利用缩放点积注意力算法，结合各注意力头对应的查询向量、键向量和值向量，计算各时间步之间的相关性权重，得到注意力权重矩阵，注意力权重矩阵用于表征各历史时刻对当前时刻的影响程度；

13、将注意力权重矩阵进行拼接，基于拼接后的注意力权重矩阵得到动态碳排因子。

14、在其中一个实施例中，将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果，包括：

15、获取日前机组组合模型的约束条件；

16、将日前机组参数和第一动态碳排因子序列代入至日前机组组合模型中，结合日前机组组合模型的约束条件，以日前总运行成本最小为目标，求解得到日前联合出清结果，其中，日前联合出清结果包括各发电机组启停状态和发电机组运行功率。

17、在其中一个实施例中，求解得到日前联合出清结果，包括：

18、获取日前总运行成本计算函数；日前总运行成本计算函数包括电能量市场成本项、碳排放成本项、弃电损失成本项、缺电损失成本项和机组启停成本项；

19、将日前机组参数和第一动态碳排因子序列代入至总成本计算函数中，结合日前机组组合模型的约束条件，调用线性规划求解器，计算得到日前联合出清结果。

20、在其中一个实施例中，将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果，包括：

21、获取日内约束调度模型的约束条件；

22、将日内机组参数和第二动态碳排因子序列代入至日内约束调度模型中，结合日内约束调度模型的约束条件，以日内总运行成本最小为目标，求解得到日内联合出清结果，其中，日内联合出清结果包括各发电机组修正运行功率和调频调用量。

23、在其中一个实施例中，求解得到日内联合出清结果，包括：

24、获取日内总运行成本计算函数，日内总运行成本计算函数包括日内成本计算项、调频收益项和调频成本项；调频受益项包括现货市场收益和调频收益；

25、将日内初始参数和动态碳排因子代入至日内总运行成本计算函数中，将日前联合出清结果中的机组启停状态和发电机组运行功率代入至日内约束调度模型的约束条件中，调用线性规划求解器，计算得到日内联合出清结果。

26、第二方面，本技术还提供了一种联合出清计算装置，包括：

27、获取模块，用于获取日前机组参数；

28、日前计算模块，用于将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果；

29、日内计算模块，用于将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将获取到的日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果。

30、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

31、获取日前机组参数；

32、将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果；

33、将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将获取到的日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果。

34、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

35、获取日前机组参数；

36、将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果；

37、将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将获取到的日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果。

38、上述一种联合出清计算方法、装置、设备和存储介质，获取日前机组参数；将日前机组参数输入至预先建立的日前机组组合模型中，结合通过因子计算模型计算得到的第一动态碳排因子序列进行优化计算，得到日前联合出清结果；将日前联合出清结果中的机组启停状态作为约束条件，结合通过因子计算模型计算得到的第二动态碳排因子序列，将获取到的日内机组参数代入至预先建立的日内约束调度模型中进行计算，得到日内联合出清结果。本技术通过因子计算模型，动态输出每个机组在每个时刻的碳排放因子，真实反映了火电/煤电机组的物理特性，进一步地，也提高了后续出清计算的准确率。并且，本技术将动态碳排因子序列嵌入日前机组组合模型和日内约束调度模型中，使碳排放成本与发电成本在同一优化模型中联通优化，从而实现了经济性与低碳性的联合最优。