一种综合能源低碳运行优化方法、系统及装置与流程

本技术属于能源优化，具体是一种综合能源低碳运行优化方法、系统及装置。

背景技术：

1、在能源结构转型与双碳目标双重驱动下，绿电消纳与碳流追踪协同的综合能源低碳运行优化已成为构建新型电力系统的关键路径。绿电消纳旨在通过优化调度、市场机制与技术手段，最大化吸纳风电、光伏等可再生能源，解决其波动性与间歇性带来的并网难题，是实现能源清洁替代的核心环节；碳流追踪则依托数字化技术，对电力系统中碳排放的产生、传输与消费进行全链条精准计量与溯源，为厘清各方碳责任、建立公平有效的碳市场提供数据基石。二者协同运作，不仅能够引导电力系统以更经济、高效的方式优先消纳绿电，从源头减少碳排放，更能通过透明可追溯的碳足迹，激励用户侧主动参与低碳用能，倒逼产业绿色转型，是推动能源系统向清洁低碳、安全高效方向演进的重要引擎。

2、现有技术往往采用固定的全局碳排放因子或简单的静态排放系数来计算和约束碳排放，使得碳排放的量化结果与电网实际的功率流动和新能源时空分布严重脱钩，无法反映不同节点、不同时刻的碳排放强度差异，导致低碳优化结果的准确度较低；因此，对于综合能源低碳运行优化方法仍需进一步的改进。

技术实现思路

1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了一种综合能源低碳运行优化方法、系统及装置，用于解决现有技术往往采用固定的全局碳排放因子计算和约束碳排放，使得碳排放的量化结果与电网实际的功率流动和新能源时空分布严重脱钩，无法反映不同节点、不同时刻的碳排放强度差异，导致低碳优化结果的准确度较低的技术问题。

2、为实现上述目的，本技术的第一方面提供了一种综合能源低碳运行优化方法，包括：

3、获取多源异构数据；所述多源异构数据包括气象数据、电网拓扑数据、设备运行参数和负荷数据；

4、基于多源异构数据构建时空动态碳流分布矩阵；

5、基于时空动态碳流分布矩阵和多源异构数据构建双目标优化模型；

6、基于双目标优化模型生成调度方案。

7、本技术通过上述步骤，实现了碳排放与电网物理潮流的强耦合，使优化模型能够敏锐捕捉新能源波动引起的碳势时空差异，从而在调度层面精准识别高碳时段与低碳节点，有效避免了因碳排责任界定模糊导致的无效调度，提升了综合能源系统低碳运行优化的准确度与实际减碳效益。

8、进一步的，所述基于多源异构数据构建时空动态碳流分布矩阵，包括：

9、提取多源异构数据中的电网拓扑数据、气象数据和负荷数据；

10、基于电网拓扑数据构建电网拓扑图；所述电网拓扑图包括节点集合和线路集合；所述节点集合由若干节点组成，所述节点包括电源节点、负荷节点和储能节点；所述线路集合由若干节点之间的连接关系组成；

11、将气象数据进行归一化处理后输入至风光发电预测模型得到气象数据对应的零碳预测出力；所述风光发电预测模型是利用历史气象数据和历史零碳出力，通过神经网络模型训练得到的一个模型；

12、提取负荷数据中若干节点对应的预测负荷；

13、通过对节点对应的预测负荷与零碳预测出力进行差值运算得到所述节点对应的净负荷；

14、基于若干节点的净负荷确定净负荷向量；

15、对电网拓扑图和净负荷向量采用前推回代法进行支路潮流计算得到支路潮流分布矩阵；所述支路潮流分布矩阵中的元素表示为第t个时间点从节点j流向节点i的有功功率；

16、基于支路潮流分布矩阵计算节点碳势；

17、当支路潮流分布矩阵中的元素为0时，则将时空动态碳流分布矩阵中的相应位置对应的碳流量设置为0；

18、否则，通过支路潮流分布矩阵中的元素与所述节点碳势之间的乘积计算时空动态碳流分布矩阵中的相应位置对应的碳流量；所述碳流量表示为在第t个时间点，相邻节点之间输送电量所对应的碳排放千克数。

19、进一步的，所述基于支路潮流分布矩阵计算节点碳势，包括：

20、获取上级电网碳排放因子和支路潮流分布矩阵；

21、当支路潮流分布矩阵中节点对应的节点类型为源节点时，则将所述节点对应的节点碳势设置为上级电网碳排放因子；

22、当支路潮流分布矩阵中节点对应的节点类型为非源节点时，通过公式计算所述节点对应的节点碳势；所述公式满足：

23、；其中，i和j均表示为节点对应的编号；表示为支路潮流分布矩阵中的元素；表示为所有指向节点i的上游节点j的集合；表示为在第t个时间点时第j个节点对应的节点碳势；表示为在第t个时间点时第i个节点对应的节点碳势。

24、本技术首先基于电网拓扑数据构建包含电源、负荷及储能节点的有向拓扑图，并将归一化后的气象数据输入神经网络训练得到的风光预测模型以获取零碳出力，进而结合节点预测负荷计算得到反映实时供需差额的净负荷向量；随后采用前推回代法对拓扑图进行潮流计算，生成支路潮流分布矩阵，并基于比例共享原则递推计算节点碳势；最后依据支路潮流与节点碳势的乘积关系填充时空动态碳流分布矩阵，摒弃了固定排放系数的粗放模式，利用物理电网的功率分布特性实现了碳流在时间与空间维度上的动态解耦，能够精准反映新能源波动及网络阻塞对局部碳排放强度的非线性影响，解决了碳排责任界定模糊的问题，为后续优化提供了高保真的碳流数据基础。

25、进一步的，所述双目标优化模型包括经济成本优化函数和碳排优化函数；

26、所述经济成本优化函数表示为在时间周期内所有时间点对应的购电成本、燃气成本、运维成本与弃风光惩罚成本之和；

27、所述购电成本满足：；表示为第t时间点对应的电网交换功率；表示为第t时间点对应的电价；

28、所述燃气成本满足：；表示为第t时间点对应的燃气轮机输出功率；表示为燃气轮机发电效率；表示为天然气低位发热量；表示为天然气价格；

29、所述运维成本满足：；表示为第t时间点对应的第m个设备的输出功率；表示为第m个设备对应的单位运维成本；

30、所述碳排优化函数满足：；表示为第t时间点对应的弃风光功率；表示为弃电惩罚单价，是指为了鼓励绿电消纳，对每一度被浪费的电量所设定的罚款系数；

31、所述碳排优化函数满足：

32、；其中，i和j均表示为节点编号，n表示为节点总数；表示为时空动态碳流分布矩阵中第t时间点节点i和节点j之间支路的碳流量；t表示为时间周期内时间点的总数。

33、本技术构建了一种深度融合经济性与低碳性的双目标优化模型，将总开销量化为涵盖购电、燃气消耗、设备运维及弃风光惩罚的复合经济成本函数，并将时空动态碳流分布矩阵作为核心输入，定义总碳排放量为全网络各支路碳流量的时空累加和，不仅实现了对不同能源品种成本的精细化计量，更重要的是打破了传统优化中碳排放仅作为外部系数的局限，利用时空动态碳流分布矩阵将碳排放与电网物理潮流强关联，使得优化过程能够精准识别高碳时段与低碳节点，从而在保证经济运行的同时，实现了对真实物理碳排放的最准确量化与控制，有效规避了因碳排模型失真导致的假低碳调度风险。

34、进一步的，所述双目标优化模型的约束条件由物理约束条件和碳流约束条件组成；

35、所述物理约束条件包括能量平衡约束、设备运行约束和绿电消纳率约束；

36、所述能量平衡约束包括电平衡约束和热平衡约束；

37、所述设备运行约束包括上下限约束和储能约束；

38、所述绿电消纳率约束满足：

39、；其中，表示为在第t时间点实际消纳的新能源总量；表示为在第t时间点新能源发电总量；表示为最低绿电消纳率阈值；

40、所述碳流约束条件是指节点流出的总碳流量与节点流出的总碳排放相等。

41、进一步的，所述基于双目标优化模型生成调度方案，包括：

42、提取双目标优化模型和约束条件；

43、通过权重系数变换法对双目标模型进行转换构建单目标优化函数；

44、通过对单目标优化函数和约束条件进行循环求解得到初始方案列表；所述初始方案列表包括若干初始方案；

45、通过模糊隶属度函数评估初始方案列表中若干初始方案对应的综合满意度；

46、选择所述综合满意度最大值对应的初始方案作为调度方案。

47、进一步的，所述单目标优化函数，满足：

48、；其中，f表示为单目标优化函数，和分别表示为经济成本优化函数和碳排优化函数对应的偏好权重系数，和∈[0，1]，且；min表示为最小化操作；表示为经济成本基准值，表示为碳排基准值，用于将经济成本优化函数和碳排优化函数转化为无量纲且介于0-1之间的数值。

49、进一步的，所述循环求解的过程，包括：

50、提取单目标优化函数和约束条件；

51、提取单目标优化函数中经济成本优化函数和碳排优化函数对应的偏好权重系数和；

52、令和的初始值分别为0和1；

53、以步长bc依次对和的值分别进行加和与差值计算，直至和的值分别为1和0，并对每次调整后的和构建的单目标优化函数和约束条件进行求解得到若干初始方案；其中，bc∈(0，1)。

54、本技术的第二方面提供了一种综合能源低碳运行优化系统，包括：数据采集模块和数据分析模块；所述数据采集模块和所述数据分析模块相连；

55、所述数据采集模块：通过数据采集设备获取多源异构数据；所述多源异构数据包括气象数据、电网拓扑数据、设备运行参数和负荷数据；

56、所述数据分析模块包括碳流构建单元和结果生成单元；

57、所述碳流构建单元：基于多源异构数据构建时空动态碳流分布矩阵；

58、所述结果生成单元：基于时空动态碳流分布矩阵和多源异构数据构建双目标优化模型；基于双目标优化模型生成调度方案。

59、本技术的另一方面提供了一种综合能源低碳运行优化装置，包括：处理器和存储介质；存储介质包括指令，处理器用于运行指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的方法；所述一种综合能源低碳运行优化装置可以是电子设备，也可以是电子设备中的芯片。

60、与现有技术相比，本技术的有益效果是：

61、1、本技术基于多源异构数据构建时空动态碳流分布矩阵；基于时空动态碳流分布矩阵和多源异构数据构建双目标优化模型；基于双目标优化模型生成调度方案，实现了碳排放与电网物理潮流的强耦合，使优化模型能够敏锐捕捉新能源波动引起的碳势时空差异，从而在调度层面精准识别高碳时段与低碳节点，有效避免了因碳排责任界定模糊导致的无效调度，提升了综合能源系统低碳运行优化的准确度与实际减碳效益。

62、2、本技术首先基于电网拓扑数据构建包含电源、负荷及储能节点的有向拓扑图，并将归一化后的气象数据输入神经网络训练得到的风光预测模型以获取零碳出力，进而结合节点预测负荷计算得到反映实时供需差额的净负荷向量；随后采用前推回代法对拓扑图进行潮流计算，生成支路潮流分布矩阵，并基于比例共享原则递推计算节点碳势；最后依据支路潮流与节点碳势的乘积关系填充时空动态碳流分布矩阵，摒弃了固定排放系数的粗放模式，利用物理电网的功率分布特性实现了碳流在时间与空间维度上的动态解耦，能够精准反映新能源波动及网络阻塞对局部碳排放强度的非线性影响，解决了碳排责任界定模糊的问题，为后续优化提供了高保真的碳流数据基础。

63、3、本技术构建了一种深度融合经济性与低碳性的双目标优化模型，将总开销量化为涵盖购电、燃气消耗、设备运维及弃风光惩罚的复合经济成本函数，并将时空动态碳流分布矩阵作为核心输入，定义总碳排放量为全网络各支路碳流量的时空累加和，不仅实现了对不同能源品种成本的精细化计量，更重要的是打破了传统优化中碳排放仅作为外部系数的局限，利用时空动态碳流分布矩阵将碳排放与电网物理潮流强关联，使得优化过程能够精准识别高碳时段与低碳节点，从而在保证经济运行的同时，实现了对真实物理碳排放的最准确量化与控制，有效规避了因碳排模型失真导致的假低碳调度风险。