[发明专利]面向园区低碳运行的动态碳排放惩罚方法及系统

说明书

本发明公开了一种面向园区低碳运行的动态碳排放惩罚方法及系统，涉及能源智能优化调度技术领域，其中该方法包括根据园区无偿碳排放权分配额度、惩罚额度、奖励额度、园区实际碳排放量、阶梯单价梯度系数的日历史数据，采用神经网络算法，预测获得当日的园区动态奖惩阶梯碳交易成本；根据当日的园区动态奖惩阶梯碳交易成本，建立日消耗成本的优化模型；以日消耗成本最小化为优化目标，对优化模型进行优化求解，获得基于动态碳排放惩罚的最优调度策略。本发明通过分段区间动态的预测园区碳交易成本，并结合日消耗成本最小化为优化目标，调整惩罚系数和奖励系数，推演获得基于动态碳排放惩罚的最优调度策略，提高了奖惩公平性、合理性。

技术领域

本发明涉及能源智能优化调度技术领域，具体涉及一种面向园区低碳运行的动态碳排放惩罚方法及系统。

背景技术

能源危机和环境保护成为了世界经济发展不可忽视的难题，这就导致了低碳经济概念的提出。推行低碳电力有利于促进中国低碳经济的发展，由此，随着碳市场的逐渐完善，对碳排放量进行制约的方法逐渐成为国内外学者的研究热点。

碳市场的机制是根据碳配额对CO₂排放权进行运营的机制，是当前最有效的碳减排措施之一，通过在总成本中计入碳机制成本，借助经济杠杆的作用来实现低碳目标。现有碳成本惩罚奖励机制模型是固定的价格涨幅，以及固定的碳排放量区间，没有设置合理的动态价格涨幅以及排放区间，忽略了奖惩公平性问题，不利于激发企业参与碳市场的积极性。

发明内容

因此，为了克服上述缺陷，本发明实施例提供一种面向园区低碳运行的动态碳排放惩罚方法及系统。

为此，本发明实施例的一种面向园区低碳运行的动态碳排放惩罚方法，包括以下步骤：

根据园区无偿碳排放权分配额度、惩罚额度、奖励额度、园区实际碳排放量、阶梯单价梯度系数的日历史数据，采用神经网络算法，预测获得当日的园区动态奖惩阶梯碳交易成本；

根据所述当日的园区动态奖惩阶梯碳交易成本，建立日消耗成本的优化模型；

以所述日消耗成本最小化为优化目标，对所述优化模型进行优化求解，获得基于动态碳排放惩罚的最优调度策略。

优选地，所述神经网络算法采用的样本数据集为n个，是按照园区无偿碳排放权分配额与园区实际碳排放量的差值和阶梯单价梯度系数不同倍数之间的关系进行区间划分所获得的n个分段区间，然后将园区无偿碳排放权分配额度和园区实际碳排放量的日历史数据进行分类划分得到的。

优选地，所述神经网络算法采用BP神经网络预测模型，在每个分段区间上分别构建BP神经网络预测模型。

优选地，所述BP神经网络预测模型的输入为园区无偿碳排放权分配额度、惩罚额度、奖励额度、园区实际碳排放量、阶梯单价梯度系数的日历史数据；

输出为预测的园区动态奖惩阶梯碳交易成本。

优选地，所述日消耗成本的优化模型基于当日各时段园区发电成本、发电损耗成本和预测的当日的园区动态奖惩阶梯碳交易成本建立。

优选地，所述优化求解的方法采用遗传算法。

本发明实施例的一种面向园区低碳运行的动态碳排放惩罚系统，包括：

神经网络预测装置，用于根据园区无偿碳排放权分配额度、惩罚额度、奖励额度、园区实际碳排放量、阶梯单价梯度系数的日历史数据，采用神经网络算法，预测获得当日的园区动态奖惩阶梯碳交易成本；

优化模型建立装置，用于根据所述当日的园区动态奖惩阶梯碳交易成本，建立日消耗成本的优化模型；

最优调度策略获得装置，用于以所述日消耗成本最小化为优化目标，对所述优化模型进行优化求解，获得基于动态碳排放惩罚的最优调度策略。