电力设备最优碳排放评估方法及系统技术方案

本发明专利技术属于电力系统碳排放领域，特别涉及一种电力设备最优碳排放评估方法及系统。包括以下步骤：对电网运行大数据的电力设备的碳排放评估特征量进行选取；应用层次分析法来分配多组电网运行大数据的电力设备的碳排放评估特征量的权重，每组权重对应电力设备的一组运行状态；应用灰色关联法根据电网运行大数据的电力设备运行数据建立标准碳排放状态向量，评估每组电网运行大数据的电力设备的运行状态对碳排放的影响；计算每组电网运行大数据的电力设备的运行状态下的碳排放量与标准碳排放状态向量的关联度，得到最优运行状态。本发明专利技术提出的灰色关联

【技术实现步骤摘要】
电力设备最优碳排放评估方法及系统


[0001]本专利技术属于电力系统碳排放领域，特别涉及一种电力设备最优碳排放评估方法及系统。

技术介绍

[0002]电力行业是能源消耗的主体，电力设备在运行过程中也会产生很多的二氧化碳，如果能够实现电力行业的碳排放，则可以促进碳排放的减少，因此对于电网运行大数据的电力设备碳排放的评估具有重要的意义。目前拥有的电网运行电力设备碳排放的评估方法有失公允，不利于电力设备碳排放评估的准确性，也不能降低碳的排放。

技术实现思路

[0003]针对上述提到的问题，本专利技术提出了一种电力设备最优碳排放评估方法及系统，本专利技术提出的灰色关联
‑
层次分析优化碳排放评估模型，可以实现对电网运行大数据的电力设备的碳排放进行优化评估，该评估放准确性高，耗时短，减碳效果明显
[0004]本专利技术采用如下技术方案：
[0005]一种电力设备最优碳排放评估方法，包括以下步骤：
[0006]步骤1：对电网运行大数据的电力设备的碳排放评估特征量进行选取；
[0007]步骤2：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力设备最优碳排放评估方法，其特征在于，包括以下步骤：步骤1：对电网运行大数据的电力设备的碳排放评估特征量进行选取；步骤2：应用层次分析法来分配多组电网运行大数据的电力设备的碳排放评估特征量的权重，每组权重对应电力设备的一组运行状态；步骤3：应用灰色关联法根据电网运行大数据的电力设备运行数据建立标准碳排放状态向量，评估每组电网运行大数据的电力设备的运行状态对碳排放的影响；步骤4：计算每组电网运行大数据的电力设备的运行状态下的碳排放量与标准碳排放状态向量的关联度，得到最优运行状态。2.根据权利要求1所述的电力设备最优碳排放评估方法，其特征在于，电网运行大数据采集同型号设备运行信息，包括碳经济效益，检修周期，故障诊断，运行生命周期，设备运行环境，设备实时运行状态以及各类电气量。3.根据权利要求1所述的电力设备最优碳排放评估方法，其特征在于，电网运行大数据的电力设备碳排放的层次分析法包括三个层次：目标层，电网运行大数据的电力设备碳排放；中间层，电网运行大数据的电力设备碳排放的前期，中期和后期特征量；指标层，电网运行大数据的电力设备各个阶段的碳排放量。4.根据权利要求3所述的电力设备最优碳排放评估方法，其特征在于，层次分析法具体包括：建立准确的拟优化传递矩阵，该拟优化传递矩阵表示特征量的对碳排放的相对重要性：步骤21：构造判断矩阵M，假设有n个特征向量，根据各个特征量对电网运行大数据的电力设备的碳排放的影响程度构造判断矩阵M：其中：i＝1,2,
…
n，j＝1,2,
…
n，且当m
ij
取1时，表示第i个特征量与第j个特征量的影响效果相同；当m
ij
取2时，表示第i个特征量比第j个特征量的影响度略大；当m
ij
取3时，表示第i个特征量比第j个特征量的影响度大；步骤22：构造优化的传递矩阵K，该传递矩阵K是由判断矩阵M取对数得到：其中：k
ij
＝lg m
ij
；构造权重因子，使其满足一致性校验的拟优化传递矩阵，
步骤23：利用规范平均法确定传递矩阵K的权重，并对其做归一化处理，最后得到电网运行大数据的电力设备的碳排放各个特征量的权重值：步骤24：求解指标层各特征向量对目标层的总权重B：B＝β[β1ꢀ…ꢀ
β
n
]。5.根据权利要求1所述的电力设备最优碳排放评估方法，其特征在于，应用灰色关联法根据电网运行大数据的电力设备运行数据建立标准碳排放状态向量，评估电网运行大数据的电力设备的运行状态对碳排放的影响具体包括：步骤31：根据搜集的电网运行大数据的电力设备碳排放信息，将电力设备的碳排放分为直接碳排放和间接碳排放，将这两种碳排放对应的数据信息取平均值后建立向量L1和L2，构成标准碳排放向量；步骤32：将步骤31中的标准碳排放向量进行向量无量纲化处理，利用平均化算法对电网运行大数据的电力设备的运行状态下碳排放向量L0以及标准碳排放向量L1和L2进行无量纲处理，得到向量L'0、L'1和L'2：L'
x
＝{L'
x
(1),L'
x
(2),L'
x
(3)
…
L'
x
(n)}其中：x＝0,1,2；i＝1,2,
…
,n；步骤33：计算碳排放向量L0以及标准碳排放向量L1和L2的关联度；根据灰色关联分析理论，待评估的电网运行大数据的电力设备碳排放向量L'0与标准碳排放向量L'1和L'2的关联系数计算公式如下：其中：γ(j)表示电力设备碳排放向量L'0与标准碳排放向量L'1和L'2的关联度；λ表示分辨因子，0≤λ≤1，该因子是为了减小由于两级最大差过大而导致的失真，该因子取为0.5；；Δ(min)和Δ(max)分别表示两级的最小差和最大差；Δ
i
(j)表示待评估的电网运行大数据的电力设备碳排放向量L'0与标准碳排放向量L'1和L'2在i时刻的绝对差值；三个差值的计算方法：三个差值的计算方法：Δ
i
(j)＝|l'0(j)
‑
l'
x
(j)|
Δ
i
＝[Δ
i
(1),Δ
i
(2),
…
Δ
i
(n)]其中x＝0,1,2；j＝1,2,
…
,n。步骤34：关联度排序，待评估的电网运行大数据的电力设备碳排放向量L'0与标准碳排放向量L'1和L'2的关联度排序，判断出电力设备的碳排放量的大小关系：6.一...

【专利技术属性】
技术研发人员：王顺江，凌兆伟，周桂平，李典阳，王铎，许睿超，宋丽，蔡东飞，李昊禹，李昱潼，
申请(专利权)人：国网辽宁省电力有限公司国家电网有限公司，
类型：发明
国别省市：