【技术实现步骤摘要】
企业电碳因子长期预测方法
[0001]本专利技术属于时间序列长期预测领域，具体涉及企业电碳因子长期预测方法。
技术介绍
[0002]随着“双碳”实践不断向精准控碳方向演进，如何有效降低企业用电碳排放是当下值得研究的热点问题。准确计量企业的用电碳排放和合理优化企业用电行为是解决该问题的两个抓手。目前计量企业用电碳排放主要依赖于电碳因子法，该方法适用于大数据量的运算，但是在准确度上易受电碳因子值的影响，对于某家企业来说，其每时每刻的用电清洁度都在变化，如果单纯以一个恒定的因子来表征其相当长一段时间内的度电碳排放是不合适的，因此迫切需要研究个性化的企业级动态电碳因子，在此基础上，挖掘电碳因子潜在的变化趋势，进而引导企业用电行为向低碳方式转变。
[0003]对于企业级动态电碳因子的计算而言，难点在于对于分时刻企业用电潮流追踪的建模，从电网到企业是一个多层级的结构，每一层级的潮流追踪模型都是一个动态变化的过程，需要保证模型能涵盖各种典型情况，并且整个计算过程的高效。对于企业电碳因子序列的预测而言，为了给企业留出足够的生产调度时间，要求预测模型具备刻画电碳因子长期变化趋势的能力。针对上述分析，本专利技术提出了企业电碳因子长期预测方法。通过实时多层级潮流追踪框架，计算得到个性化的企业动态电碳因子，精准刻画企业不同时刻用电碳排放的特性，在此基础上，基于电碳因子序列的特性，提出了电碳因子长期预测模型，来对企业电碳因子进行长期预测，精准反应企业电碳因子的变化趋势，为离散化生产企业提供低碳用电时序的科学有效指导。
专利技术
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.企业电碳因子长期预测方法，其特征在于，包括以下步骤：S1.收集电网潮流数据、企业外购电力数据、企业自发自用电力数据，基于实时多层级潮流追踪框架，计算企业层面动态电碳因子；S2.通过相关性分析，筛选电网潮流数据、企业负荷数据、当地气象数据中与电碳因子密切相关的特征，构建企业电碳因子预测数据集；S3.基于自相关机制和经验模态分解，设计电碳因子长期预测模型；S4.划分电碳因子预测数据集为训练集、验证集、测试集，对电碳因子长期预测模型进行训练、验证和测试；S5.可视化企业电碳因子长期预测结果，为企业合理安排生产计划、调节用电时序提供指导。2.根据权利要求1所述的基于自相关机制和经验模态分解的企业电碳因子长期预测方法，其特征在于，所述S1中基于实时多层级潮流追踪框架，计算企业层面动态电碳因子包括以下步骤：S1.1.将电网潮流数据、企业外购电力数据、企业自发自用电力数据处理至15分钟的同一时间粒度，并进行数据预处理，将从电网到企业的碳流路径抽象为一个三层的结构，包括220KV层Layer
220KV
、110KV层Layer
110KV
和企业层Layer
E
。S1.2.搭建Layer
220KV
所有发电节点G
220KV,i
，1＜i＜m
220KV
、用电节点L
220KV,j
，1＜j＜n
220KV
、网损节点Loss
220KV,k
，1＜k＜p
220KV
、输电线路Line
220KV,s
，1＜s＜q
220KV
的拓扑关系模型，其中m
220KV
,n
220KV
,p
220KV
,q
220KV
分别为Layer
220KV
发电节点、用电节点、网损节点、输电线路的数量，根据各发电节点的实际出力情况，选择将该发电节点是否置为用电节点，不断更新Layer
220KV
拓扑关系并形成a个标准模型，通过复功率比例潮流追踪算法解析Layer
220KV
所有用电节点的用电来源，结合Layer
220KV
各发电节点基础碳排系数C
220KV,i
并计算各用电节点的15分钟级别动态电碳因子F
220KV,j
，1＜j＜n
220KV
；S1.3.深入企业所属的220KV用电节点搭建Layer
110KV
所有发电节点G
110KV,i
，1＜i＜m
110KV
、用电节点L
110KV,j
，1＜j＜n
110KV
、网损节点Loss
110KV,k
，1＜k＜p
110KV
、输电线路Line
110KV,s
，1＜s＜q
110KV
的拓扑关系模型，其中m
110KV
,n
110KV
,p
110KV
,q
110KV
分别为Layer
110KV
发电节点、用电节点、网损节点、输电线路的数量，根据各发电节点的实际出力情况，选择将该发电节点是否置为用电节点，不断更新Layer
110KV
拓扑关系并形成b个标准模型，通过复功率比例潮流追踪算法解析Layer
110KV
所有用电节点的用电来源，结合Layer
110KV
各发电节点基础碳排系数C
技术研发人员：张涛，杨秦敏，李超，孟文超，卢峰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。