可再生能源接入配网的降碳贡献率评估方法、系统、介质与流程

本发明涉及能源综合评估领域，具体涉及一种可再生能源接入配网的降碳贡献率评估方法、系统、介质。

背景技术：

1、面向“双碳”目标，电力系统的建设围绕绿色低碳的目标广泛展开，可再生能源规划已成为配电网规划的重要内容。如何合理的评估可再生能源的降碳贡献不但是相关电网建设工作的必要环节，也可以为电网规划目标的合理设定和优化提供重要的参考。

2、虽然当前碳评估方法的研究被广泛关注，也有相关的论文和专利，但这些方法都缺乏对系统不确定性的全面考虑。例如：专利202211578038.8《综合能源系统减碳评估方法、装置和计算机设备》和专利202211578038.8《考虑最优碳排放规划的综合能源减碳评估方法和装置》，简单采用了综合能源系统目标计划和发电侧计划发电量，缺少方法处理综合能源系统中不确定因素的影响和发电侧计划发电量每日不同的问题。尤其对于可再生能源的接入，如光伏和风电等，具有很高的不确定性，这些不确定性导致在实际运行中可再生能源的降碳贡献具有概率特性，如果不考虑这些可再生能源的降碳贡献，会影响综合能源系统的降碳贡献评估，在对可再生能源接入配网进行降碳贡献评估中，如何更全面合理的考虑电源侧和负荷侧的不确定性，是亟需考虑的问题。

技术实现思路

1、针对这一问题，本发明提出了一种可再生能源接入配网的降碳贡献率评估方法，合理全面地考虑了将可再生能源的不确定性及负荷功率的不确定性的降碳共享评估，通过估计这些不确定性影响下降碳贡献的概率分布取代现有方法中直接计算得到的确定性的数值，从而获取更为全面可靠的可再生能源配电网接入降碳贡献的评估。

2、本发明通过下述技术方案实现：

3、一种可再生能源接入配网的降碳贡献率评估方法，包括：

4、根据估计负荷、原配电网系统的负荷功率向量、非历史负荷影响因素向量建立配电网负荷概率模型，同时，根据估计出力、可再生能源系统的出力功率向量、非历史出力影响因素向量、待接入可再生能源系统的额定功率建立待接入可再生能源系统的出力概率模型；

5、根据待评估配电网若干的历史数据，分别生成基于所述配电网负荷概率模型和待接入可再生能源系统出力概率模型的组合场景；

6、判断配电网系统中是否有储能，若是，则生成不同的组合场景的储能充放电策略，将所述储能充放电策略纳入至第一总碳排放量的计算中，然后跳转至下一步，否则，直接跳转至下一步；

7、基于所述组合场景分别计算原配电网系统的第一总碳排放量和所述原配电网系统接入所述待接入可再生能源系统后形成的新配电网系统的第二总碳排放量；

8、基于所述第一总碳排放量和第二总碳排放量计算在考虑不确定性影响下可再生能源系统的综合降碳贡献。

9、作为优化，建立所述配电网负荷概率模型的具体步骤为：

10、通过机器学习算法模型建立初始的配电网负荷概率模型，其中，所述配电网负荷概率模型的具体表达式为：

11、pl(i)＝fl(i，pl(-1)，fl)；

12、其中，i为估计负荷对应的一天内的时刻，i为正数，且i∈[0，24)，fl为非历史负荷影响因素向量，pl(-1)表示i时刻前原配电网系统的负荷功率向量，pl(i)为i时刻的原配电网系统总负荷功率；

13、使用原配电网系统历史数据对初始的所述配电网负荷概率模型进行训练，得到最终的所述配电网负荷概率模型。

14、作为优化，建立待接入可再生能源系统的出力概率模型的具体步骤为：

15、通过机器学习算法模型建立初始的待接入可再生能源系统的出力概率模型，其中，所述待接入可再生能源系统的出力概率模型的具体表达式为：

16、pr(i)＝pr×fr(i，pr(-1)，fr)；

17、其中，i为估计出力对应一天内的时刻，i为正数，且i∈[0，24)，pr(-1)为i时刻前可再生能源系统的出力功率向量，fr为非历史出力影响因素向量，pr为待接入可再生能源系统的额定功率，pr(i)为i时刻的待接入可再生能源系统的出力功率；

18、使用同类型可再生能源系统运行的历史数据对初始的所述待接入可再生能源系统的出力概率模型中的时间、出力功率向量以及非历史出力影响因素向量进行训练得到函数fr(i，pr(-1)，fr)的结果，在训练完成后利用所述同类型可再生能源系统的额定功率与所述待接入可再生能源系统的额定功率比例对所述函数fr(i，pr(-1)，fr)的结果进行等比例缩放，得到最终的待接入可再生能源系统的出力功率pr(i)。

19、作为优化，所述机器学习算法模型包括线性结构模型和非线性结构模型，其中，所述线性结构模型包括分位数回归模型、贝叶斯回归模型，所述非线性结构模型包括分位数随机森林模型。

20、作为优化，根据待评估配电网若干的历史数据，分别生成基于所述配电网负荷概率模型和待接入可再生能源系统出力概率模型的组合场景的具体步骤为：

21、获取待评估配电网若干的历史数据；

22、从若干所述历史数据中采用随机抽样法抽取m天的非历史负荷影响因素数据和非历史出力影响因素数据；

23、将所述非历史负荷影响因素数据和非历史出力影响因素数据分别带入到所述配电网负荷概率模型和待接入可再生能源系统的出力概率模型中，得到m×n×k个组合场景，其中，n为每天进行采样的时刻数，每天所述配电网负荷概率模型和待接入可再生能源系统的出力概率模型随机生成的负荷曲线和出力曲线数量均为k。

24、作为优化，生成不同的组合场景的储能充放电策略的具体过程为：应用实际的储能调度策略计算m×n×k个组合场景的储能充放电策略，以生成对应的储能充放电曲线，所述储能充放电策略表示为pb(i)，其中，pb(i)＞0表示电池放电，pb(i)<0表示电池充电。

25、作为优化，基于所述组合场景计算原配电网系统的第一总碳排放量的具体步骤为：

26、获取原配电网系统中原有的ng个电源，并基于原有的ng个电源获取对应的ng个电源的碳排放因子cg；

27、设计调节ng个所述电源的调度规则fg，并基于所述原配电网系统中已知的负荷p计算ng个所述电源的出力pg，pg(i)＝fg(p(i))，其中，pg(i)为ng为功率向量，表示i时刻ng个电源的出力，p(i)表示i时刻的负荷；

28、基于ng个所述电源的出力pg计算每个场景下原配电网系统各电源出力具体表达式为：

29、

30、其中，pl(im，n，k)为每个场景下原配电网系统总负荷，pb(m，n，k)为每个场景下对应电池充放电功率；

31、基于每个场景下原配电网系统各电源出力计算原配电网系统在不同场景下的第一总碳排放量具体表达式为：

32、

33、作为优化，基于所述组合场景计算原配电网系统接入所述待接入可再生能源系统后形成的新配电网系统的第二总碳排放量的具体步骤为：

34、将所述待接入可再生能源系统接入所述原配电网系统后，基于ng个所述电源的出力pg计算每个场景下新配电网系统各电源出力具体表达式为：

35、

36、其中，pr(m，n，k)为每个场景下可再生能源系统出力；

37、基于每个场景下新配电网系统各电源出力计算新配电网系统在不同场景下的第二总碳排放量具体表达式为：

38、

39、作为优化，在考虑不确定性影响下可再生能源系统的综合降碳贡献具体为：

40、

41、作为优化，还包括s6、对在考虑不确定性影响下可再生能源系统的综合降碳贡献δc(k)进行统计分析，得到加入待接入可再生能源的降碳贡献的最大值、最小值、置信区间、数学期望、方差和不同概率的置信区间，从而评估该待接入可再生能源接入配电网的降碳贡献概率。

42、本发明还公开了一种可再生能源接入配网的降碳贡献率评估系统，用于实施前述的一种可再生能源接入配网的降碳贡献率评估方法，其特征在于，包括：

43、模型生成模块，用于根据估计负荷、原配电网系统的负荷功率向量、非历史负荷影响因素向量建立配电网负荷概率模型，同时，根据估计出力、可再生能源系统的出力功率向量、非历史出力影响因素向量、待接入可再生能源系统的额定功率建立待接入可再生能源系统的出力概率模型；

44、组合场景生产模块，用于根据待评估配电网若干的历史数据，分别生成基于所述配电网负荷概率模型和待接入可再生能源系统出力概率模型的组合场景；

45、储能判断模块，用于判断配电网系统中是否有储能，若是，则生成不同的组合场景的储能充放电策略，以生成对应的储能充放电曲线，然后将储能充放电曲线作为总碳排放量计算模块的其中一个输入，否则，所述总碳排放量计算模块的输入无储能充放电曲线；

46、总碳排放量计算模块用于基于所述组合场景分别计算原配电网系统的第一总碳排放量和所述原配电网系统接入所述待接入可再生能源系统后形成的新配电网系统的第二总碳排放量；

47、贡献率模块，用于基于所述第一总碳排放量和第二总碳排放量计算在考虑不确定性影响下可再生能源系统的综合降碳贡献。

48、本发明还公开了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如前述的一种可再生能源接入配网的降碳贡献率评估方法。

49、本发明与现有技术相比，具有如下的优点和有益效果：

50、相比已有评估方法评估加入可再生能源后的降碳效果为一确定性的值，通过本发明先建立配电网负荷概率模型和待接入可再生能源系统的出力概率模型，在根据待评估配电网若干的历史数据，分别生成基于所述配电网负荷概率模型和待接入可再生能源系统出力概率模型的组合场景，然后基于所述组合场景分别计算原配电网系统的第一总碳排放量和所述原配电网系统接入所述待接入可再生能源系统后形成的新配电网系统的第二总碳排放量，最后基于所述第一总碳排放量和第二总碳排放量计算在考虑不确定性影响下可再生能源系统的综合降碳贡献，即可以得到降碳贡献的向量δc(k)，随着k值得增大，δc(k)体现为在一定范围内的分布，这一分布代表的是考虑到用户行为、天气、温度等一系列不确定性得情况下综合降碳贡献得分布，通过对δc(k)的统计可以获取更为全面合理的降碳效果评价，同时，本发明也考虑了配电网系统中是否有储能的情况，若有储能，也将储能考虑到总碳排放的计算中。