一种电能与碳配额混合共享管理系统及方法

本发明属于能源共享，特别是涉及一种电能与碳配额混合共享管理系统及方法。

背景技术：

1、近年来，共享经济模式以其在资源配置与利用方面强大的优势，逐渐应用于多个领域，出现了共享交通、办公、住宿等以共享经济模式。如何设计合理的能源共享策略与效益分配方法是能源行业实践共享经济理念的重要研究方向。目前能源行业共享经济的实践可分为共享储能与共享能源两个方面。共享储能通过“以租代售”、虚拟电厂等方式提高储能系统的使用率与社会效益。而能源共享则利用能量的双向流动特性，实现各主体之间能源的交互，各系统之间的互联互济不仅能提高对新能源的消纳，还可以经济环保地实现各能流的平衡。

2、针对能源共享管理平台，国内外都推出了各自的产品，然而现目前的能源共享管理平台多针对单一的电能，且常采用领导者-跟随者模型，使用主从博弈模拟交互过程，这种传统的方法需要所有的参与者提供全部信息来达到stackelberg均衡，不利于保护用户的隐私，且现有的能源共享管理平台没有特别关注系统的碳排放问题，大多仅将系统年度平均碳配额作为系统碳排放的约束，没有尽可能地开发能源共享系统参与碳交易市场的减碳能力，不利于双碳目标的实现。

技术实现思路

1、为了解决上述问题，本发明提出了一种电能与碳配额混合共享管理系统及方法，以解决现有的能源共享管理平台可交易能源单一，隐私性差且减碳能力弱的问题。

2、为达到上述目的，本发明采用的技术方案是：一种电能与碳配额混合共享管理系统，包括：

3、季节性碳配额分配模块，基于系统历史环境及负荷特征建立，根据系统各季节的实际碳排放特性分配碳配额；

4、和电能碳配额混合共享模块，将电能和碳配额同时作为可共享的能源在相邻的系统间进行分配，并确定各分配量。

5、进一步的是，在所述的季节性碳配额分配模块中，处理过程包括：

6、根据系统历史的风速辐照度环境数据和电热负荷数据，利用深度卷积神经网络cnn-lstm时序预测待优化年份的电负荷和热负荷；

7、基于深度卷积神经网络输出端的电负荷和热负荷模拟系统运行，并结合行业基准线法获得系统的碳排放配额总量；

8、将系统内碳排放配额总量按各季节的实际碳排放特性进行分配。

9、进一步的是，在所述的电能碳配额混合共享模块中，将电能和碳配额均作为可交易的能源在相邻系统间进行联合的点对点交易；

10、将电能碳配额的混合共享策略求解问题分解为两个子问题进行分布式求解；

11、第一，最小化问题，先求解以联盟成本最小为目标的电能碳配额交易量子问题；

12、第二，收益分配问题，以第一为基础，求解以各主体利益最大为目标的电能碳配额定价子问题，从而获得电能碳配额的联合出清策略，实现相邻系统间的点对点交易；

13、并分别利用交替方向乘子算法分布式求解电能-碳配额交易量与交易价格。

14、进一步的是，所述的电能-碳配额混合共享模块，对于最小化问题，通过建立含放缩因子的联盟成本最小化拉格朗日函数，解决合作博弈过程中电能和碳配额两种可交易能源数量级与交易时间尺度不一致带来的收敛不同步问题；

15、含放缩因子的联盟成本最小化拉格朗日函数：

16、

17、其中，fall是所有参与点对点交易主体的总成本，pi-j和pj-i分别是系统i出售给系统j的电能与系统j出售给系统i的电能；qi-j和qj-i分别系统i出售给系统j的碳配额与系统j出售给系统i的碳配额；λ1p,i-j、λ1q,i-j分别是电能交互与碳配额点对点交易分布式求解的拉格朗日乘子；ρ1p,i与ρ1q,i分别是电能与碳配额交易对应的惩罚参数；s1、s2分别是电能交互对偶变量放缩系数与碳配额交互对偶变量放缩系数。

18、进一步的是，所述的电能-碳配额混合共享模块，收益分配问题，根据各参与交易主体的售出或购入能源的占比分配联盟获得的利润，采用非线性能源共享映射方法量化各博弈主体的议价能力，引入非对称议价因子解决合作博弈各主体的分配问题；

19、具体公式为：

20、

21、

22、其中，pp,supplyi、pp,receivei、pp,supplymax、pp,receivemax、qp,supplyi、qp,receivei、qp,supplymax、qp,receivemax分别是系统第i个交易主体的售出电能总量、购入电能总量、全部主体的出售电能最大值与购入电能最大值与系统第i个交易主体的售出碳配额总量、购入碳配额总量、全部主体的出售碳配额最大值与购入碳配额最大值；f0i，fobji与fp2pi分别是全部主体参与联盟前后的总成本与参与联盟后的点对点成本；rp,i-j与rp,j-i分别是点对点交易时系统i出售给系统j与系统j出售给系统i的电能价格；rq,i-j,rq,j-i分别是点对点交易时系统i出售给系统j与系统j出售给系统i的碳配额价格；λ2p,i-j、λ2q,i-j分别是联盟内交易电价与碳配额价格的分布式求解拉格朗日乘子；ρ2p,i与ρ2q,i分别是利益分配过程中电能和碳配额定价对应的惩罚系数；s3、s4是联盟内电价和碳配额交易价格对偶变量的放缩系数。

23、另一方面，本发明还提供了一种电能与碳配额混合共享管理方法，包括步骤：

24、首先，将环境数据以及电热负荷数据进行预处理，传入深度卷积长短期神经网络进行待优化年份的电负荷与热负荷预测；

25、然后，基于预测结果利用行业基准线法获得年度总碳配额，，根据系统各季节的实际碳排放特性分配碳配额；

26、最后，将电能和碳配额同时作为可共享的能源在相邻的系统间进行分配，将各交易主体建立合作博弈联盟，以交替方向乘子算法分布式求解联盟内各主体间的电能和碳配额交易量。

27、进一步的是，合作博弈过程分解为了联盟成本最小化子问题和收益分配子问题，并分别利用交替方向乘子算法分布式求解电能碳配额交易量与交易价格。

28、进一步的是，对于联盟成本最小化子问题，包括步骤：

29、步骤1：建立联盟成本最小化问题的增广拉格朗日函数，在该步骤中通过引入放缩系数解决因电能和碳配额交易量的数量级和交易时间尺度不同造成的收敛不同步问题；

30、步骤2：在本地更新联盟内各主体的电能交易量与碳配额交易量，各主体之间仅交换拟交易的电量与碳配额信息；其余主体接收到更新的决策信息后，更新自己的决策；

31、步骤3：在一轮迭代结束后分别更新电能和碳配额的拉格朗日乘子；

32、步骤4：判断本次迭代是否收敛，迭代收敛则确定联名内电能于碳配额交易量，从而确定各交易主体间的议价因子；迭代不收敛则进行下一步；

33、步骤5：更新迭代次数k＝k+1；若k大于最大迭代次数则算法不收敛，若否，则回到步骤2。

34、进一步的是，联盟成本最小化子问题，获得各联盟主体各时间段的电能和碳配额交易量，将求得的联盟成本最小能源交易策略代入利益分配子问题，包括步骤：

35、步骤1：建立各主体利益最大化目标函数，取对数并转化为最小值问题，建立对应的增广拉格朗日函数；

36、步骤2：在本地更新联盟内各主体的电能与碳配额的交易价格，各主体之间仅交换拟设置的电价与碳配额价格信息；其余主体接收到更新的决策信息后，更新自己的决策

37、步骤3：在一轮迭代结束后，更新拉格朗日乘子；

38、步骤4：判断本次迭代是否收敛，收敛则输出联盟内电能与碳配额交易数据；不收敛进行下一步；

39、步骤5：更新迭代次数k＝k+1，若k大于最大迭代次数则算法不收敛，若否，则回到步骤2。

40、采用本技术方案的有益效果：

41、本发明公开一种电能与碳配额混合共享管理系统及方法，包括季节性碳配额分配模块与电能碳配额混合共享模块。与现有的能源共享平台相比，在碳配额分配方面，不再使用传统的年度平均碳配额分配机制，转而根据各季节的实际碳排放特性分配碳配额，降低了系统的实际碳排量与碳交易成本，更有利于双碳目标的实现；在交易能源类型方面，不再将电能作为唯一的可共享能源，而是将碳配额作为可交互的能源之一，与电能一起实现联合出清，电能-碳配额混合共享更能体现新型电力系统中的多能耦合特点，提高了系统经济性与环保性，且该平台具有一定的泛化性，为后续热能、天然气等更多种类型资源的联合共享提供了技术参考。

42、本发明通过基于cnn-lstm的深度卷积神经网络进行电热负荷的长期时序预测，结合了cnn神经网络的特征提取、数据拟合能力，以及lstm神经网络的高精度预测的优点，获得待优化年份的电负荷与热负荷数据，为后续的季节性碳配额分配打下基础。

43、本发明的季节性碳配额分配模块结合长期预测获得的电、热负荷数据模拟系统运行，以各主体各季节的实际碳排放比例分配总碳排放配额，能有效降低各主体碳排放。

44、本发明通过建立含放缩因子的联盟成本最小化拉格朗日函数，解决合作博弈过程中电能和碳配额两种可交易能源数量级与交易时间尺度不一致带来的收敛不同步问题，得到各交易主体的电能和碳配额的点对点交易量。

45、本发明通过引入非对称议价因子解决合作博弈各主体的利益分配问题，获得各主体间点对点交易过程中电能与碳配额的交易价格，实现电能和碳配额的联合出清，完成电能-碳配额的混合共享。

46、本发明操作简单，可大幅度降低系统产生的实际碳排放并降低各主体的碳交易成本，且具有一定的泛化性，具有较强的经济性与实用价值。