一种能碳耦合预测与多时序多目标协同调适方法与流程

摘要: 本发明涉及一种能碳耦合预测与多时序多目标协同调适方法,属于多目标协同优化与能源系统调适。背景技术:1、应对全球气候变化、实现“双碳”目标已成为我国经济社会发展的...
一种能碳耦合预测与多时序多目标协同调适方法与流程

本发明涉及一种能碳耦合预测与多时序多目标协同调适方法,属于多目标协同优化与能源系统调适。

背景技术:

1、应对全球气候变化、实现“双碳”目标已成为我国经济社会发展的核心战略,构建清洁低碳、安全高效的能源体系是实现这一目标的根本路径。随着电气化水平的持续提升和可再生能源的大规模并网,电力系统正经历从“源随荷动”向“源网荷储协同互动”的根本性转变。然而,可再生能源固有的间歇性与波动性给电网的安全稳定运行带来了严峻挑战,构建以新能源为主体的新型电力系统已成为能源转型的决胜关键。在这一转型过程中,负荷侧资源能否从被动的能源消费者转变为主动参与系统调节的柔性资源,直接决定了可再生能源消纳水平和电网运行效率。

2、园区作为经济活动与能源消费的重要载体,兼具用能者与产能者的双重身份,聚合了光伏、储能、热泵、充电桩等多种类型的可调节资源,具有天然的柔性调节潜力。然而,当前园区在参与电网互动过程中面临多重技术瓶颈。

3、首先,园区多能流系统呈现复杂的时空耦合特征,电、热两种能源形态相互交织,传统的静态能碳核算方法难以准确刻画动态运行过程中的碳排放流动规律,导致园区低碳运行的优化决策缺乏精准的数据支撑。其次,园区内各类柔性资源的调节特性存在显著差异,光伏出力的间歇性、热泵的热惯性、储能的充放电约束、充电桩的用户行为不确定性等因素相互耦合,使得多类型资源的协同优化成为复杂的非线性规划问题。再者,现有园区优化调度多聚焦于经济性目标,对电网柔性的量化评估和提升方法研究不足,特别是在负荷骤增或可再生能源骤降等极端工况下,缺乏快速有效的动态调适机制,难以实现从设备级到园区级的协同响应。

4、而且从技术发展现状来看,现有预测方法多采用“先预测能耗、后乘以固定碳排因子”的后处理模式,未能充分考虑碳排放因子的动态特性和能流-碳流的耦合关系,导致预测精度难以满足优化需求。在优化层面,长期控碳目标与短期运行调度之间缺乏有效的衔接机制,多目标优化往往简化为单目标加权求和,导致权重系数难以确定、帕累托前沿信息丢失。在调控层面,各可调节资源的优先级划分通常是静态的,未能根据工况变化动态调整,设备级、用户级、园区级之间的协同调适机制尚不完善。这些技术短板共同制约了园区参与电网互动的深度和广度,也阻碍了园区低碳运行潜力的充分释放。

5、因此,迫切需要建立一套涵盖能碳耦合预测、多时序优化调度、动态调适控制的系统性方法,以提升园区参与电网互动的柔性响应能力,降低运行碳排放,保障复杂工况下的系统稳定性。本发明围绕这一目标,构建基于时空图卷积网络的能碳耦合预测模型,提出兼顾长期控碳目标与短期运行需求的多时序优化方法,建立面向负荷波动和极端工况的动态调适机制,形成设备级-用户级-园区级的多尺度互动运行体系,为我国低碳园区建设和新型电力系统构建提供关键技术支撑。

技术实现思路

1、根据背景所述问题,本发明要解决的问题是:提供一种能碳耦合预测与多时序多目标协同调适方法,涵盖了能碳耦合预测、多时序优化调度和动态调适控制,实现园区柔性潜力的精准刻画、能碳流动的动态映射、多目标协同优化以及复杂工况下的多级柔性响应,解决现有技术中园区柔性资源调节能力刻画模糊、能碳预测与优化调度割裂、多目标协同机制缺失及动态调适能力不足等问题,通过多尺度互动实现园区与电网的协同降碳与柔性提升,为新型电力系统下低碳园区的精细化运行提供标准化技术支撑,从而提升园区电网互动柔性和低碳运行水平。

2、为实现上述目的,本发明提供如下技术方案:提供一种能碳耦合预测与多时序多目标协同调适方法,包括以下步骤:

3、s1、考虑园区运行不确定性的多能流-碳排放耦合预测;

4、s2、考虑多时序控碳目标的园区运行策略优化;

5、s3、面向电网互动和柔性提升的适应调适技术。

6、优选的,所述步骤s1包括以下步骤:

7、s1.1、构建园区多能流运行数据集,将分布式光伏、储能系统、热泵系统、充电桩及负荷单元抽象为图结构节点,建立反映电负荷连接关系及能量耦合关系的邻接矩阵;

8、s1.2、基于时空图卷积网络构建能碳耦合预测模型,以各节点功率数据及动态碳排放因子作为输入特征,输出未来时段内各节点能耗及碳排放预测结果;

9、s1.3、基于不确定性量化方法生成预测结果的置信区间,并采用shap值分析方法进行敏感性分析,识别关键影响因素作为后续优化的动态输入参数。

10、优选的,所述步骤s2包括以下步骤:

11、s2.1、基于年度碳排放约束构建多时间尺度碳排放目标分解模型,将年度碳排目标按季度、月度及日尺度逐级分解,其中日尺度碳配额基于净负荷比例动态确定;

12、s2.2、构建考虑预测不确定性的多目标优化模型,将步骤s1中获得的预测区间作为约束边界引入调度模型,形成鲁棒优化问题;

13、s2.3、优化目标包括运行成本最小化、用户舒适度偏差最小化及园区可调节容量最大化,通过多目标优化算法求解得到日前调度策略,并基于滚动优化机制进行动态更新。

14、优选的,所述步骤s3包括以下步骤:

15、s3.1、构建面向典型运行工况的场景识别机制,根据光伏波动、负荷变化、电网调度信号及设备运行状态判定当前运行场景;

16、s3.2、基于层次分析法与模糊综合评价构建可调节资源调节能力评估模型,生成初始调节优先级;

17、s3.3、建立基于规则驱动与模型预测控制相结合的双层优化控制结构,上层根据场景识别结果生成园区级总调节需求及动态优先级,下层在满足设备运行约束及用户舒适度约束的条件下对调节需求进行资源分配;

18、s3.4、进一步构建设备级、用户级及园区级的多时间尺度协同控制机制,实现调节指令的分级执行与反馈闭环更新,从而提升园区在不确定工况下的运行稳定性及电网支撑能力。

19、本发明的有益效果是:

20、1、通过将分布式光伏、储能、热泵、充电桩及负荷单元抽象为图结构节点并建立邻接矩阵,构建了基于时空图卷积网络的能碳耦合预测模型。该模型将动态碳排放因子作为与功率同等的输入特征,通过图卷积层捕捉设备间的空间耦合关系,通过时序卷积层提取时间依赖特征,实现了能耗与碳排放的联合预测,替代了传统“先预测能耗、后乘以固定碳排因子”的后处理模式。同时,采用不确定性量化方法生成预测置信区间,采用shap值分析方法识别关键影响因素,克服了预测与核算割裂、忽略能流-碳流实时耦合关系的缺陷,为后续优化调度提供了风险可控的决策依据。

21、2、基于年度碳排放约束构建了多时间尺度碳排放目标分解模型,采用净负荷比例法将年度碳排目标按季度、月度、日尺度逐级分解,使日碳配额与当日净负荷动态关联,实现了长期碳约束向短期调度指标的有效转化。在此基础上,构建考虑预测不确定性的多目标鲁棒优化模型,将获得的预测置信区间作为约束边界引入调度模型,以运行成本最小化、用户舒适度偏差最小化、园区可调节容量最大化为优化目标,采用nsga-iii算法求解帕累托最优解集,并基于模型预测控制构建滚动优化机制,克服了单目标加权求和难以兼顾多目标、长期与短期脱节的缺陷,提升了调度策略的综合性能与抗风险能力。

22、3、构建了面向典型运行工况的场景识别机制,基于层次分析法与模糊综合评价构建了可调节资源调节能力评估模型,从调节速率、调节容量、调节成本、用户影响等维度建立标准化指标体系,将不同类型设备的响应特性转化为可量化的调节能力综合得分,生成初始调节优先级。在此基础上,建立了基于规则驱动与模型预测控制相结合的双层优化控制结构,上层根据场景识别结果动态生成园区级总调节需求及动态优先级,下层在满足设备、用户约束条件下精细化分配调节功率,并构建设备级-用户级-园区级多时间尺度协同执行与反馈闭环,克服了优先级划分静态僵化、多级协同机制缺失、难以应对负荷波动和极端工况的缺陷,显著提升了复杂工况下园区运行的稳定性与电网柔性响应能力。