本發明涉及計算機，特別涉及一種考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化方法、裝置、設備及介質。
背景技術：
1、作為應對氣候變化的重要政策工具，碳市場因其經濟高效和可持續的特點，在全球范圍內獲得廣泛應用。電力行業作為碳市場的主要參與者，其綠色低碳轉型是實現“雙碳”目標的重要支撐。同時，發電行業還需參與電力市場的日常運行。市場主體的一致性及減排目標的趨同性，為碳電兩大市場的協同發展提供了基礎，綠證市場也逐漸成熟。然而，碳排放的不確定性問題，始終是阻礙電力系統低碳轉型的重要因素，其使得中長期和短期的電力系統電力電量平衡更加困難。
2、現有技術在考慮碳配額約束時一般的思路是將其作為某一個時間尺度優化問題的約束項，通過發電量乘以碳排放因子小于碳配額值來進行限制，也有在此基礎上考慮部分綠證可以轉化為碳配額使用，將約束改為發電量乘以碳排放因子加上可兌換的碳配額小于碳配額值來進行限制；然而這種方法雖然可以限制優化問題的結果滿足碳配額值的限制，但是其并未考慮到不同市場的周期長短不同，碳配額的結算尺度以年為單位，綠證市場的結算尺度以月為單位，電力市場以年為單位，短期現貨又要求日前或實時平衡，這就導致電-碳-證三者在進行電力電量平衡優化過程中較為割裂，并未充分發揮市場優勢。此外，現有考慮電碳耦合約束方法往往局限于某一特定的時間尺度如1年或1天，即使考慮到多時間尺度的交互往往也只是考慮將長時間尺度的結果傳遞給低時間尺度程序作為邊界條件，并為考慮到由于新能源的不確定性導致碳排本身隨機性就較強，導致實際邊界與預期不符合，導致碳配額的不足。
3、由上可見，如何通過電碳證的不同時間尺度的協同優化，降低碳排的不確定性問題是目前亟待解決的問題。
技術實現思路
1、有鑒于此，本發明的目的在于提供一種考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化方法、裝置、設備及介質，能夠通過電碳證的不同時間尺度的協同優化，降低碳排的不確定性問題。其具體方案如下：
2、第一方面，本技術提供了一種考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化方法，包括：
3、收集歷史風光水數據和電力系統的運行邊界數據，基于所述歷史風光水數據模擬在未來第一目標時間段內的出力變化情況，以得到相應的第一模擬運行場景；所述歷史風光水數據包括風機出力數據、光伏出力數據和水電站來水流量數據；所述運行邊界數據包括電力、碳排和綠證的相關數據；
4、利用所述第一模擬運行場景對全年運行計劃進行調整，以得到目標運行計劃；所述全年運行計劃為基于全年的電力、發電量和碳配額確定的運行計劃；
5、基于所述目標運行計劃和目標模擬約束進行時序生產模擬，以得到各時段的新能源滲透情況，并利用所述新能源滲透情況確定各時段的碳排不確定性系數，利用所述碳排不確定性系數確定所述碳配額與綠證計劃的目標儲備池的容量配置方案；
6、基于所述歷史風光水數據和所述運行邊界數據并利用xgboost算法生成未來第二目標時間段對應的第二模擬運行場景，基于所述容量配置方案、所述第一模擬運行場景和所述第二模擬運行場景并利用預設協同互濟機制進行多時間尺度的電力、碳排和綠證協同滾動優化，以得到相應的目標可執行計劃；所述第一目標時間段對應的時間長度大于所述第二目標時間段對應的時間長度；所述目標可執行計劃包括發電計劃、碳配額使用計劃和綠證流通計劃。
7、可選的，所述收集歷史風光水數據和電力系統的運行邊界數據，基于所述歷史風光水數據模擬在未來第一目標時間段內的出力變化情況，以得到相應的第一模擬運行場景，包括：
8、對風機出力數據、光伏出力數據和用電負荷數據進行歸一化和濾波處理，以得到處理后數據，利用k-means算法對所述處理后數據進行分類和聚類，以得到相應的目標曲線；
9、統計所述目標曲線對應的馬爾可夫轉移矩陣，并對所述馬爾可夫轉移矩陣進行序貫抽樣與疊加，以生成相應的風光場景；
10、基于水電站來水流量數據并利用arima模型預測未來第一時間段內的時序徑流曲線，對所述時序徑流曲線進行分解，以得到相應的分解結果；
11、利用所述分解結果和季節因子生成相應的水電站場景，基于所述風光場景和所述水電站場景構建相應的第一模擬運行場景。
12、可選的，所述利用所述第一模擬運行場景對全年運行計劃進行調整，以得到目標運行計劃，包括：
13、基于目標區域范圍內可調電力、送受電力、備用電力和用電負荷需求確定全年電力盈虧數據；所述目標區域范圍內可調電力基于目標區域范圍內所有發電機組的機組總容量、檢修容量和停用容量進行確定；
14、利用目標區域范圍內總發電量、送受電量、棄用水電量和用戶總用電需求確定全年電量盈虧數據；所述目標區域范圍內總發電量基于所述目標區域范圍內可調電力、全年發電小時數和未滿發系數進行確定；所述未滿發系數為所述發電機組的實際出力與額定出力的比值；
15、基于目標區域范圍內碳配額、碳排放因子、全年火電機組的實際發電量、碳排修正系數、全年理論產生綠證、綠證與碳配額的兌換系數和綠證修正系數確定碳配額盈虧數據；
16、基于所述全年電力盈虧數據、所述全年電量盈虧數據和所述碳配額盈虧數據確定相應的盈虧情況；
17、若所述盈虧情況為不在目標盈虧范圍內，則利用預設調整策略對全年運行計劃中的發電側和用電側進行調整，直至得到的調整后運行計劃對應的盈虧情況在所述目標盈虧范圍內，以得到目標運行計劃。
18、可選的，所述目標模擬約束包括備用電力約束、功率平衡約束、輸電線路約束、機組發電出力約束、機組爬坡率約束、機組運行狀態約束、儲能運行約束、水電運行約束和新能源出力約束；
19、其中，所述備用電力約束為實際備用容量不小于需要備用容量；所述功率平衡約束為用電總量和輸電總量之間的和與發電總量相等；所述發電總量包括火電機組出力、新能源出力、水電機組出力、抽水蓄能電站出力和核電出力；所述輸電線路約束為輸電線路的實際傳輸功率在目標傳輸功率范圍內；所述機組發電出力約束為機組實際出力在目標機組出力范圍內；所述機組爬坡率約束為機組在單位時間內的輸出功率在目標爬坡功率范圍內；所述機組運行狀態約束為機組運行數量與調度指令一致；所述儲能運行約束為當前儲能容量在目標儲能范圍內，且儲能狀態為充電或放電；所述水電運行約束為水電站發電用水量與水庫庫容滿足預設匹配條件；所述新能源出力約束為新能源出力不超過目標新能源出力閾值。
20、可選的，所述利用所述新能源滲透情況確定各時段的碳排不確定性系數，利用所述碳排不確定性系數確定所述碳配額與綠證計劃的目標儲備池的容量配置方案，包括：
21、利用所述新能源滲透情況中的新能源發電量與實際用電量的比值確定新能源滲透率；
22、基于所述新能源滲透率以及對應的目標上下限閾值確定各時段的碳排不確定性系數；
23、利用所述碳排不確定性系數和預設碳排不確定性預防系數確定年公共綠證池計劃值和年公共碳配額池計劃值；
24、基于所述年公共綠證池計劃值和所述年公共碳配額池計劃值確定所述碳配額與綠證計劃的目標儲備池的容量配置方案。
25、可選的，所述基于所述容量配置方案、所述第一模擬運行場景和所述第二模擬運行場景并利用預設協同互濟機制進行多時間尺度的電力、碳排和綠證協同滾動優化，以得到相應的目標可執行計劃，包括：
26、構建年窗口、月窗口、周窗口、日窗口的目標層級滾動優化模型，基于所述目標層級滾動優化模型和所述容量配置方案中的年公共綠證池計劃值和年公共碳配額池計劃值，將所述第一模擬運行場景作為年窗口優化的邊界輸入，并以最小化年綜合成本構建第一目標函數；所述年綜合成本為基于全年電力、碳排和綠證的流通成本、機組運行成本與輸送電成本確定的成本；
27、基于電力、碳排和綠證的流通約束、合約偏差懲罰項和非合約懲罰項對所述第一目標函數進行求解，以得到包括年碳排計劃、年合約流通電量的年窗口優化結果；
28、基于所述目標層級滾動優化模型將所述年窗口優化結果作為月窗口優化的邊界輸入，并以最小化月流通成本構建第二目標函數；
29、利用邊界違反懲罰項對所述第二目標函數進行求解，以得到包括月碳排計劃、月綠證計劃、月細分流通電量的月窗口優化結果；
30、基于所述目標層級滾動優化模型將所述月窗口優化結果作為周窗口優化的邊界輸入，以構建第三目標函數，利用目標特殊日期對應的目標額外備用約束對所述第三目標函數進行求解，以得到包括周碳排計劃、周綠證計劃、周細分流通電量的周窗口優化結果；
31、基于所述目標層級滾動優化模型將所述周窗口優化結果作為日窗口優化的邊界輸入，以構建第四目標函數，對所述第四目標函數進行求解，以得到包括日發電計劃、日碳配額使用計劃、日綠證流通計劃的日窗口優化結果；
32、基于預設協同互濟機制對所述年窗口優化結果、所述周窗口優化結果、所述月窗口優化結果和所述日窗口優化結果進行協同滾動優化，以得到相應的目標可執行計劃。
33、可選的，所述基于預設協同互濟機制對所述年窗口優化結果、所述周窗口優化結果、所述月窗口優化結果和所述日窗口優化結果進行協同滾動優化，以得到相應的目標可執行計劃，包括：
34、對各窗口優化結果的求解過程進行監控，以得到相應的監控結果；
35、若所述監控結果表征目標窗口優化結果對應的求解存在可行解，且存在碳配額缺口或綠證缺口的目標窗口，則基于所述容量配置方案和所述目標窗口優化結果中的候選窗口對所述目標窗口進行缺口填補，以得到填補后窗口優化結果；所述候選窗口為所述目標窗口優化結果對應的窗口中存在碳配額盈余量和綠證盈余量的窗口；
36、若所述監控結果表征目標窗口優化結果對應的求解無解，或存在無法填補的碳配額缺口或綠證缺口的目標窗口，則向所述目標窗口的上一級窗口反饋相應的缺口數據，以基于所述缺口數據對所述上一級窗口對應的上一級窗口優化結果進行調整，以得到調整后上一級窗口優化結果；
37、將所述調整后上一級窗口優化結果下發至所述目標窗口，并基于所述調整后上一級窗口優化結果對所述目標窗口對應的目標函數進行求解，以得到目標優化結果，若所述目標優化結果對應的求解存在可行解，且不存在碳配額缺口或綠證缺口的目標窗口，則基于所述目標優化結果構建相應的目標可執行計劃。
38、第二方面，本技術提供了一種考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化裝置，包括：
39、運行場景模擬模塊，用于收集歷史風光水數據和電力系統的運行邊界數據，基于所述歷史風光水數據模擬在未來第一目標時間段內的出力變化情況，以得到相應的第一模擬運行場景；所述歷史風光水數據包括風機出力數據、光伏出力數據和水電站來水流量數據；所述運行邊界數據包括電力、碳排和綠證的相關數據；
40、運行計劃調整模塊，用于利用所述第一模擬運行場景對全年運行計劃進行調整，以得到目標運行計劃；所述全年運行計劃為基于全年的電力、發電量和碳配額確定的運行計劃；
41、配置方案確定模塊，用于基于所述目標運行計劃和目標模擬約束進行時序生產模擬，以得到各時段的新能源滲透情況，并利用所述新能源滲透情況確定各時段的碳排不確定性系數，利用所述碳排不確定性系數確定所述碳配額與綠證計劃的目標儲備池的容量配置方案；
42、滾動優化模塊，用于基于所述歷史風光水數據和所述運行邊界數據并利用xgboost算法生成未來第二目標時間段對應的第二模擬運行場景，基于所述容量配置方案、所述第一模擬運行場景和所述第二模擬運行場景并利用預設協同互濟機制進行多時間尺度的電力、碳排和綠證協同滾動優化，以得到相應的目標可執行計劃；所述第一目標時間段對應的時間長度大于所述第二目標時間段對應的時間長度；所述目標可執行計劃包括發電計劃、碳配額使用計劃和綠證流通計劃。
43、第三方面，本技術提供了一種電子設備，包括：
44、存儲器，用于保存計算機程序；
45、處理器，用于執行所述計算機程序，以實現前述的考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化方法。
46、第四方面，本技術提供了一種計算機可讀存儲介質，用于保存計算機程序，其中，所述計算機程序被處理器執行時實現前述的考慮碳排不確定性的電力-碳排-綠證多時間尺度協同滾動優化方法。
47、本技術收集歷史風光水數據和電力系統的運行邊界數據，基于所述歷史風光水數據模擬在未來第一目標時間段內的出力變化情況，以得到相應的第一模擬運行場景；所述歷史風光水數據包括風機出力數據、光伏出力數據和水電站來水流量數據；所述運行邊界數據包括電力、碳排和綠證的相關數據；利用所述第一模擬運行場景對全年運行計劃進行調整，以得到目標運行計劃；所述全年運行計劃為基于全年的電力、發電量和碳配額確定的運行計劃；基于所述目標運行計劃和目標模擬約束進行時序生產模擬，以得到各時段的新能源滲透情況，并利用所述新能源滲透情況確定各時段的碳排不確定性系數，利用所述碳排不確定性系數確定所述碳配額與綠證計劃的目標儲備池的容量配置方案；基于所述歷史風光水數據和所述運行邊界數據并利用xgboost算法生成未來第二目標時間段對應的第二模擬運行場景，基于所述容量配置方案、所述第一模擬運行場景和所述第二模擬運行場景并利用預設協同互濟機制進行多時間尺度的電力、碳排和綠證協同滾動優化，以得到相應的目標可執行計劃；所述第一目標時間段對應的時間長度大于所述第二目標時間段對應的時間長度；所述目標可執行計劃包括發電計劃、碳配額使用計劃和綠證流通計劃。
48、由上可見，本技術收集歷史風光水和電力系統運行邊界數據，生成中長期維度的第一模擬運行場景，可還原風光水出力的自然波動特性和電力系統的核心運行約束，為全年尺度的規劃提供貼合實際的基礎；基于第一模擬運行場景進行全年電力、電量、碳配額的盈虧分析，提前識別供需缺口和碳配額盈余/不足情況，通過調整得到目標運行計劃；基于目標運行計劃和目標模擬約束開展時序生產模擬，計算新能源滲透率并轉化為碳排不確定性系數，以此配置碳配額、綠證儲備池容量，將抽象的碳排不確定性轉化為可量化、可調度的儲備資源；利用xgboost算法生成高精準度的短期第二模擬運行場景，結合長短期場景、儲備池方案和協同互濟機制，進行年月周日的多時間尺度滾動優化。這樣一來，利用長短期場景結合彌補單一尺度預測的誤差，通過多時間尺度滾動優化匹配不同市場的周期，讓最終的發電、碳配額、綠證計劃更貼合實際運行工況，打破了電力、碳排、綠證的割裂狀態，有效處理長期碳排不確定性問題。