基于智慧城市的電網減碳路徑研究

邵 祥

（中通服咨詢設計研究院有限公司，江蘇 南京 210019）

0 引 言

隨著提出力爭2030年前實現“碳達峰”，2060年前實現“碳中和”的目標，低碳高質量經濟發展在“十四五”計劃中越發重要。目前，中石化、國家電網、中國能源互聯網研究院以及地方政府等機關單位已相繼啟動碳達峰、碳中和相關方法研究，但大多從新能源、能源結構的維度開展研究，通過數據分析發現我國城鎮化率已經達到60%，城市經濟總量占全國GDP總量的80%左右。而中大型城市CO2排放量占據絕對主導地位，且SO2排放量幾乎全部由城市產生，因此碳排放的重點在于城市管理。同時在城市發展進程趨勢下，化石能源消費比例日漸降低，電能使用日益增多，不難發現碳管理重點在于城市，城市碳排放重點在于電網“碳減排”。

傳統電網主要由發、輸、變、配以及用幾大流程組成，能源流、信息流向單一，且沒有儲能功能，無法消納的電能會產生較大的浪費，因此國家電網一直在積極建設智能電網，旨在通過先進的電力電子技術和智能控制等來改善傳統電網單一、不靈活的缺點。

在用電量占比最大的城市中，通過物聯網、大數據、移動通信等技術將城市中各個模塊數據化，融合現實要素與虛擬數據，形成可視化、智能化以及感知化的智慧城市，顯著改善智能電網的運營機制，提高電能利用率，加強經濟高質量發展的同時不以超高的碳排放量為代價[1,2]。智慧城市與智能電網的內在關系圖如圖1所示。

圖1 智慧城市與智能電網內在關系圖

大數據和物聯網技術可以將整個城市的大電網以及微電網綜合并網形成可感知的數據模型，該模型可包括城市實時的能源供給側組成結構，智能優化清潔能源、煤電、儲能等能源供應體系。同時也通過數據分析出能源消費測統計模型，結合碳達峰、碳中和指標發展進程曲線，逐步推進城市電氣化并實現節能提效。例如，通過數據模型分析出城市的負荷用電情況，從而在煤電保供的同時一步步推進能源結構優化。本文從低碳型智慧城市角度出發，通過分析智慧城市模型，利用“大、智、云、移、物”等信息技術，從城市能源供給側與消費測兩方面推進城市電網實現“碳減排”[3-5]。

1 低碳型智慧城市模型分析

智慧城市起初旨在解決因城市化而出現的交通、環境以及人居等問題，而隨著數字智能技術的發展，其內涵不斷擴大。21世紀以來，我國開始大力發展智慧城市，從北京、天津到銀川、重慶等先后發展超過400個試點城市。智慧城市主要元素結構如圖2所示，主要包括智慧能源、智慧通信、智慧交通以及智慧建筑等模塊，這些領域應用到了大數據、物聯網、云計算等信息技術來賦能管理[6-8]。

圖2 智慧城市主要元素結構圖

智慧城市眾多領域的發展對于“碳達峰”的影響程度大多難以量化計算，可抽取與之相關的指標建立評價體系，并基于該體系采用模糊評價法，定量分析智慧城市體系中各領域對于碳排放的影響。

根據智慧城市全生命周期“碳足跡”與“碳排放”分析，抽取各部分影響指標體系，提取與“碳中和”相關的核心指標，建立分層評價體系[9]。智慧城市“碳達峰”影響評價指標如圖3所示。

圖3 智慧城市“碳達峰”影響評價指標圖

根據評價指標建立響應的權重值P，具體為：

2020年，中國城市碳排放量結構以及各行業碳排放量占比如圖4所示。其中電力行業中的碳排放量遠超其他行業，由此可設計相應的權重以及影響因子，再進行智慧城市多領域發展對于“碳達峰”的影響指數量化分析。城市減少碳排放量的重點在于能源消費結構的再優化，增加電能等清潔能源在能源消費中占比，擴大風電和太陽能發電等分布式清潔能源的占比，減少火電在電力行業中的占比[10,11]。

圖4 城市碳排放量占比

當前，我國中西部地區還在工業化中期，而東西部沿海地區，如廣東、江蘇、浙江地區的數字經濟占GDP比重已經超過了40%。我國城鎮化率已經達到60%，城市經濟總量占全國GDP總量的80%左右，再通過以上智慧城市模型分析以及對于“碳達峰”影響的量化計算，可以發現我國現階段“碳達峰、碳中和”戰略目標的實現重點在于各大城市，而城市中的碳減排重點在于電力行業。在現階段，智慧城市建設過程中的能源體系發展對于我國“碳達峰、碳中和”戰略目標有重大意義[12,13]。

2 優化供給側能源結構

隨著能源危機，我國迫切需求大力發展智慧清潔能源，優化化石能源供給結構。而智慧城市的飛速發展，能夠憑借其智能可感知的優勢，在城市范圍內不斷優化能源供給結構。基于“創新、協調、綠色、開放、共享”的國家戰略，本文提出再次充分挖掘大中型城市中變電站站址資源，利用城市內變電站的空間資源以及保電能力，以建筑融合、能源融合、通信融合以及數據融合的思路設計并建設新一代智慧變電站，融合了光伏、儲能、升降壓、數據中心、充換電站、數據中心等新型領域的發展需求。同時，可將整個城市的大電網與微電網通過智慧城市并網形成一套智慧城市能源互聯網體系，不斷提高能源供給中電能占比和電能中新能源的占比。智慧城市綜合能源網站點示意如圖5所示。

圖5 智慧城市綜合能源網站點示意圖

2.1 設計思路

考慮到城市內存在相當數量的220 kV以及110 kV變電站，占據了大量的土地面積，而又因為變電站功能上的特殊性導致這些土地面積僅僅承載變電站而無法為城市發展和民生服務做出貢獻。因此，考慮后續新建或技改變電站的設計思路如下。

一是優化站區規劃，以110 kV全戶內變電站為例，采用主變壓器散熱器疊裝式的布置形式。主變散熱器布置于主變上方樓層，相應建筑面積和建材有所縮減。二是主變采用節能環保天然酯變壓器。采用天然酯替代后，由于其全壽命周期可做到碳中和，只要有過一次變壓器油的全更換，即可收回新型主變碳投入。GIS采用小型化潔凈空氣絕緣型設備，絕緣介質采用由80% N2和20% O2構成的潔凈空氣代替SF6氣體，減小SF6氣體排放對全球變暖的影響。三是采用態勢感知技術，如5G網絡切片和大數據共享等先進信息技術，在變電站內組建智慧感知系統，同時與智慧城市網絡并網互聯，充實大數據庫，使管理層能從整個城市角度出發，實時感知全市內每一變電站的工作數據，并以此為基礎進行能源管理與調度。

2.2 綜合能源站碳排放量分析與計算

2.2.1 直接碳排放

變壓器在使用過程中需要用到大量的絕緣冷卻油，然而目前所使用的大多為礦物油，來自于石油等化石能源的提取，這一過程會產生一定量的二氧化碳排放，加劇溫室氣體排放。另外，由于SF6具有十分優異的絕緣性能，在電力行業中廣泛用作高壓氣體絕緣開關設備中的絕緣和滅弧介質，而且近年來在中壓開關柜和環網柜中也得到越來越廣泛的應用。

據相關統計，全球約80%的SF6氣體用于氣體絕緣開關設備。電力領域年排放SF6達到8 100 t，且在溫室氣體中的全球變暖潛力（Global Warming Potential，GWP）為 CO2總數的 23 900倍。此外，SF6屬于一種可以進行合成的物質，化學特性比較穩定，不易被分解，在地球的大氣中存在長達3 200年的生命周期，長時間積累可能會產生巨大的溫室效應。

2.2.2 間接碳排放

（1）電氣設備自耗能。指的是變電站中帶有線圈的電氣設備及有阻抗的元件在正常工作中產生的電能損耗。電力系統中，發電廠廠用電率平均為7%，輸變電中線路、變壓器等造成的各級電壓網損約3%，這類損耗屬于非設計性的不可控損耗。

（2）變電站站用負荷耗能。指的是變電站內設備正常運行供電導致的能耗。變電站站用負荷根據供電方式可分為一般交流負荷、直流負荷以及UPS負荷3類。這類能耗屬于在建設變電站時就可以預見的、可控的能耗。

查閱來自國家發改委的《中國電網企業溫室氣體排放核算方法與報告指南（試行）》，電網企業的溫室氣體核算范圍如圖6所示。

圖6 電網企業溫室氣體排放及核算邊界圖

根據報告可計算出SF6氣體在變電站內泄露、修理、退役周期排放量以及輸、變、配電過程中的電能損耗，其中SF6氣體全球變暖潛能值是CO2的23 900倍，以此將其轉化為CO2排放當量。而每損耗1 kW·h電，相應需要0.404 kg標準煤，同時燃燒產生的CO2排放量為0.997 kg，根據此將電能損耗轉化為CO2放量，即：

式中，E為溫室氣體排放總量，ESF6為SF6絕緣氣體排放量，GWPSF6為SF6的溫室氣體潛能，數值為23 900，E修理和E回收為SF6在修理和回收過程中的泄露量。E損耗為輸配電造成的溫室氣體排放量，AD損耗為輸配電損耗的電量，EF電網為區域電網年平均供電排放因子，可由地區電網公司查詢。

根據電力系統設計手冊，可以得到變電站中各個部件運行期間的碳排放量。其中，雙繞組變壓器的電能損耗為：

式中，ΔP0為變壓器空載損耗，單位為MW；ΔPC為變壓器短路損耗，單位為MW；T為運行時間，單位為h；S為變壓器的總通過容量，單位為MVA；Se為變壓器的額定容量，單位為MVA；τ為損耗小時數，單位為h。

電容器損耗為：

式中，Qc為電容器容量，單位為MVA；T為電容器運行時間，單位為h。

電抗器損耗為：

式中，ΔP為額定電壓下的功率損耗，單位為MW。

結合以上分析，可大致進行本設計思路與傳統能源站碳排放分析，此處假設某城市110 kV變電站，兩臺主變為50 MVA，每臺主變設一組4 Mvar電容器和一組6 Mvar電抗器，兩臺100 kVA站用變壓器。得出變電站運行期年度CO2排放量比較如表1所示。

表1 變電站運行期年度CO2排放量比較

為更直觀表明本文所提出綜合能源站在碳排放方面的先進性，分析從變電站建設服役開始到運行40年壽命退役結束，計算本方案與傳統通用方案節省的CO2排放量如表2所示。

3 需求側電力消費預測

通過分析引言中智慧城市與智能電網內在關系圖可知，智慧城市的發展離不開智能電網，而能源互聯網的發展過程中，對于城市電力需求側預測分析也至關重要。傳統電網企業在進行電力需求量預測時由于獲取信息的單一性和單向性，導致往往只能考慮到系統內部數據，如負荷量、平均電量，然而一個大型城市的用電量還會受到溫度、區域、季節以及人文活動等多方面因素影響，因此考慮憑借智慧城市的智能科學管理以及豐富的大數據共享，賦能城市智能電網的需求側預測分析，實現電網靈活運行，提高傳輸，終端電能使用效率，建立智慧城市與智能電網雙向實時交互的城市能源互聯網模式。

3.1 大數據挖掘電力客戶

隨著社會主義市場經濟的發展以及近年來的電力改革，電網企業也需要打破過去的壟斷經營模式，刻畫電力客戶畫像，尋求市場發展。本課題通過智慧城市綜合市政、交通、居民、企業、區域的數據挖掘能力，從高維度，多角度，全方位細分電力用戶。

首先將客戶對象分為個人與企業兩大類，同時根據城市各行政區域（以縣，區為單位）的經濟發展特征、人均GDP以及投資類型等劃分為A、B、C、D四類。例如，某一縣區內集中大型鋼鐵和化工等重工業企業，則可將其劃分為A類用電區域，在該縣區內再根據企業的生產總值和投資規模等做出客戶潛力評估，具體又可分為Ⅰ、Ⅱ、Ⅲ類等。

圖7為基于智慧城市大數據細分電力客戶結構。通過該方法研究出智慧城市中電力客戶特征，并以此為基礎建立針對于電能消費側綜合數據庫。同時傳統電網企業所采集的數據往往僅限于電力行業內部專有數據，如國家電網公司所獲取數據一般來源于調度、營銷、變電站、發電廠以及線路等，然而事實證明全面的電力消費側預測要兼顧多類型數據。因智慧城市憑借其來自政府各部門紛繁復雜的數據來源，不停豐富電網企業用于電力預測的數據庫，從而打破信息“孤島效應”，突破以前無法完成的預測工作并大幅度提高準確度。

圖7 基于智慧城市大數據細分電力客戶結構圖

3.2 BP神經網絡預測電力需求

在獲取豐富多樣數據庫的基礎上，本課題使用BP神經網絡算法從已有的數據中進行電力需求預測，首先將原始數據進行歸一化處理，即：

式中，xi'為歸一化處理后的參數，xi是原始參數，xmax、xmin分別是最大、最小特征參數。

本課題使用傳統三層神經網絡模型，包括輸入層、隱含層以及輸出層。其中輸入層根據數據特征以及種類進行數據清洗后得到的特征數據量，并以此為輸入層個數，輸出層取決于想要預測地區的個數。以南京為例，想要預測11個行政區域的用電量即可設置輸出層為11，隱含層神經元的確定為：

式中，h為隱含層神經元個數，m為輸入層節點，n為輸出層節點，通常0.02m＜h＜4m，1＜a*＜10。3個子公式均可確定隱含層節點數，實際應用中根據研究對象、輸入層以及輸出層節點數自行調整，通過試湊及實驗在保證精度時盡量減少隱含層節點數。

建立BP神經網絡模型如圖8所示。

圖8 三層BP神經網絡模型結構

通過以上BP神經網絡以及確定合適的層級節點，經過大量數據的訓練即可獲得相應的電力需求預測。同時伴隨著智慧城市不斷發展，5G、移動通信、大數據、云計算數據等新型信息技術的日益成熟，電力預測能力會越來強大。

4 結 論

本文創新的從智慧城市角度出發研究我國“碳達峰”實現路徑，發現通過智慧城市憑借其可感知、可控制以及智能化等特點，可以統籌融合城市大電網與微電網系統，提升城市電氣化水平及新能源占比，同時還能充實電力預測數據庫，區分電力用戶，提高消費測電力預測水平。此外，通過詳細闡述智慧城市從供給側改善能源結構以及消費側電力預測兩方面賦能城市電網，幫助加快組建新型城市能源互聯網，實現電力“碳減排”。通過本文分析表明城市電網領域目前還存在很大的減碳空間，是將來國家實現“碳達峰”的重點研究領域。