基于碳排放预测机制的电网调度方法、设备及介质与流程

本发明涉及基于碳排放预测机制的电网调度方法、设备及介质，属于电网调度自动化。

背景技术：

1、碳减排问题成为全球热点问题。从而，影响了电网调度主体的交易规则，为了使电网调度安全稳定运行，就需要对各个电网调度主体的碳排放量进行准确预测，以实现电网调度主体基于不同碳排放量下的准确调度计划。

2、目前，碳排放预测技术，大多采用线性或非线性理论的预测技术，考虑了相关部门发布的区域碳排放因子，范围性较广，适用于范围较广的碳排放数据，只能作为趋势预测，预测结果误差较大。

3、此外，由于没有引进单个样本的历史数据，没有考虑到样本数据的独特性。因此，需要研究准确的碳排放预测的方法，并为低碳调度提供有效的、可信度高的数据支持，从而实现更准确的电网调度计划。

技术实现思路

1、目的：为了克服现有技术中存在的不足，本发明提供基于碳排放预测机制的电网调度方法、设备及介质，为低碳调度提供数据支持及辅助决策。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，一种基于碳排放预测机制的电网调度方法，包括如下步骤：

4、步骤1：获取电厂相关的碳排放数据。

5、步骤2：对电厂相关的碳排放数据进行预处理，将预处理后的数据作为样本数据。

6、步骤3：将样本数据划分为训练集和测试集。

7、步骤4：利用训练集和测试集对改进的bp神经网络进行训练，得到训练好的改进的bp神经网络。

8、步骤5：利用训练好的改进的bp神经网络预测电厂未来碳排放量。

9、步骤6：将电厂未来碳排放量输入以碳排放最少为优化目标的目标函数，输出电厂启停和出力计划。

10、进一步的，所述电厂相关的碳排放数据包括但不限于：电厂机组、原煤折算因子、数据月份、化石燃烧碳排放量、煤耗量、脱硫剂碳酸盐含量、石灰石消耗量、脱硫机排放因子、用电率、脱硫过程碳排放量、元素碳、机组维修状态、挥发份、温度、低位发热值、外购电量、单位热值含碳量、外购电碳排因子、碳氧化率、外购电碳排放量、整体碳排量和度电碳排能力。

11、进一步的，所述预处理的方法，包括：对错误数据进行校核修正，对空数据进行历史均值替换。

12、进一步的，所述改进的bp神经网络，包括：mobilenetv2，bp网络。第一卷积层、mobilenetv2、第二卷积层、平均池化层和bp神经网络依次相连接。

13、进一步的，所述mobilenetv2网络结构，主体由17个反残差单元组成。

14、进一步的，所述bp神经网络结构，由输入层、隐含层和输出层组成的阶层型神经网络。所述隐含层可扩展为多层相邻层。相邻层之间各神经元进行全连接，每层各神经元之间无连接。

15、进一步的，所述bp神经网络按有教师示教的方式进行学习，当一对学习模式提供给bp神经网络后，各神经元获得bp神经网络的输入响应产生连接权值(weight)。然后按减小希望输出与实际输出误差的方向，从输出层经隐含层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，获得各连接权参数。

16、进一步的，所述利用训练集和测试集对改进的bp神经网络进行训练，得到训练好的改进的bp神经网络，包括：

17、将训练集输入改进的bp神经网络进行训练，直至改进的bp神经网络收敛，得到初始改进的bp神经网络模型。

18、将测试集输入初始改进的bp神经网络模型进行测试，当测试集对应的误差函数e达到阈值时，得到训练好的改进的bp神经网络模型。

19、进一步的，所述将电厂未来碳排放量输入以碳排放最少为优化目标的目标函数，输出电厂启停和出力计划，包括：

20、获取目标函数，所述目标函数计算公式如下：

21、

22、其中，δco2为目标函数，为机组正常工作时对应的碳排放量，为机组在开机时对应碳排放量，为机组在停机时对应的碳排放量，m为电厂机组台数，t为调度时段数。

23、获取电厂未来碳排放量预测值λco2，构建约束条件st.，st.计算公式如下：

24、

25、在满足约束条件st.前提条件下，以碳排放最少为优化目标求解目标函数，得到电厂启停和出力计划。

26、第二方面，一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面中任一所述的一种基于碳排放预测机制的电网调度方法。

27、第三方面，一种计算机设备，包括：

28、存储器，用于存储指令。

29、处理器，用于执行所述指令，使得所述计算机设备执行如第一方面中任一所述的一种基于碳排放预测机制的电网调度方法的操作。

30、有益效果：本发明提供的基于碳排放预测机制的电网调度方法、设备及介质，目前主流的计算方式是利用历史统计数据获得机组度电碳排放能力的历史平均数值，而利用平均值量化的方式更使用于大颗粒度的评估，不能为低碳调度提供有效的、可信度高的数据支持。本发明通过改进bp神经网络精准掌握火电厂机组未来态的度电碳排能力为低碳运行工作提供数据支持及辅助决策。

技术特征：

1.一种基于碳排放预测机制的电网调度方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于碳排放预测机制的电网调度方法，其特征在于：所述电厂相关的碳排放数据包括但不限于：电厂机组、原煤折算因子、数据月份、化石燃烧碳排放量、煤耗量、脱硫剂碳酸盐含量、石灰石消耗量、脱硫机排放因子、用电率、脱硫过程碳排放量、元素碳、机组维修状态、挥发份、温度、低位发热值、外购电量、单位热值含碳量、外购电碳排因子、碳氧化率、外购电碳排放量、整体碳排量和度电碳排能力。

3.根据权利要求1所述的基于碳排放预测机制的电网调度方法，其特征在于：所述预处理的方法，包括：对错误数据进行校核修正，对空数据进行历史均值替换。

4.根据权利要求1所述的基于碳排放预测机制的电网调度方法，其特征在于：所述改进的bp神经网络，包括：mobilenetv2，bp网络；第一卷积层、mobilenetv2、第二卷积层、平均池化层和bp神经网络依次相连接。

5.根据权利要求4所述的基于碳排放预测机制的电网调度方法，其特征在于：所述mobilenetv2网络结构，主体由17个反残差单元组成；所述bp神经网络结构，由输入层、隐含层和输出层组成的阶层型神经网络；所述隐含层可扩展为多层相邻层；相邻层之间各神经元进行全连接，每层各神经元之间无连接。

6.根据权利要求5所述的基于碳排放预测机制的电网调度方法，其特征在于：所述bp神经网络按有教师示教的方式进行学习，当一对学习模式提供给bp神经网络后，各神经元获得bp神经网络的输入响应产生连接权值；然后按减小希望输出与实际输出误差的方向，从输出层经隐含层逐层修正各连接权，回到输入层；此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，获得各连接权参数。

7.根据权利要求1所述的基于碳排放预测机制的电网调度方法，其特征在于：所述利用训练集和测试集对改进的bp神经网络进行训练，得到训练好的改进的bp神经网络，包括：

8.根据权利要求1所述的基于碳排放预测机制的电网调度方法，其特征在于：所述将电厂未来碳排放量输入以碳排放最少为优化目标的目标函数，输出电厂启停和出力计划，包括：

9.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该计算机程序被处理器执行时，实现如权利要求1-8中任一所述的一种基于碳排放预测机制的电网调度方法。

10.一种计算机设备，其特征在于：包括：

技术总结
本发明公开了基于碳排放预测机制的电网调度方法、设备及介质，获取电厂相关的碳排放数据；对电厂相关的碳排放数据进行预处理，将预处理后的数据作为样本数据；将样本数据划分为训练集和测试集；利用训练集和测试集对改进的BP神经网络进行训练，得到训练好的改进的BP神经网络；利用训练好的改进的BP神经网络预测电厂未来碳排放量；将电厂未来碳排放量输入以碳排放最少为优化目标的目标函数，输出电厂启停和出力计划。本发明提供的基于碳排放预测机制的电网调度方法、设备及介质，通过改进BP神经网络精准掌握火电厂机组未来态的度电碳排能力，实现了双碳背景下的大电网低碳调度，为低碳运行工作提供数据支持及辅助决策。

技术研发人员：张应灵,陈郑平,徐郑崎,李文忠,韩晔,王芳东
受保护的技术使用者：国网福建省电力有限公司
技术研发日：
技术公布日：2024/1/12