一种基于云模型的储能工况适应性综合评估方法及系统技术方案

本发明专利技术公开了一种基于云模型的储能工况适应性综合评估方法及系统，该方法通过构建储能系统综合评价指标域和标准域，利用熵权法计算各个储能系统综合评价指标的权重矩阵，基于云模型理论对储能系统进行综合评价，确定正态云模型的基本参数，建立指标域和标准域的模糊关系矩阵；根据储能系统综合评价指标域中的决策指标值，运用正向云发生器计算各个储能系统综合评价指标域中的决策指标值在标准域中每个评估级别中的正态云模型隶属度矩阵；通过计算标准域上的模糊子集，得出各个储能系统工况适应性的综合评分。该方法利用云模型理论对待选型储能系统进行综合评价，得到特定工况下的储能系统最佳选型方案，本发明专利技术同样适用于不同应用场景下的储能工况适应性综合评估。应用场景下的储能工况适应性综合评估。应用场景下的储能工况适应性综合评估。

【技术实现步骤摘要】
一种基于云模型的储能工况适应性综合评估方法及系统


[0001]本专利技术涉及储能
，更具体地说，特别涉及一种基于云模型的储能工况适应性综合评估方法及系统。

技术介绍

[0002]目前，储能在能源体系变革及能源互联网建设中占据重要地位，是未来提升电力系统灵活性、经济性和安全性，解决新能源消纳的重要手段，也是促进能源生产消费开放共享、灵活交易，实现多能协同的核心要素。储能技术在调峰调频、电网备用电源和可再生能源消纳等领域中得到了广泛应用，由于储能种类繁多，各种储能技术的技术性能在功率等级、连续放电时间、能量转换效率、循环寿命、功率能量密度和成本等方面存在较大差异。同时储能技术的应用场景复杂多样，不同的应用场景对储能技术的要求亦不相同。
[0003]在对储能过程进行分析时，为了确定研究对象而划出的部分物体或空间范围，称为储能系统。它包括能量和物质的输入和输出、能量的转换和储存设备。储能系统往往涉及多种能量、多种设备、多种物质、多个过程，是随时间变化的复杂能量系统，需要多项指标来描述它的性能。
[0004]因此，储能工况适应性评估作为储能规划的重要环节，对推动储能系统辅助电网服务具有重要的现实意义。
[0005]目前，尚缺乏不同应用场景下储能工况适应性综合评估的理论体系和方法。因此，如何提供一种储能工况综合评估方法成为同行从业人员亟待解决的问题。

技术实现思路

[0006]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于云模型的储能工况适应性综合评估方法及系统，该方法在特定储能工况需求基础上，利用云模型理论对待选型储能系统进行综合评价，得到最佳储能选型方案。
[0007]第一方面，本专利技术实施例提供一种基于云模型的储能工况适应性综合评估方法，包括：
[0008]步骤1：根据储能系统需求，建立储能系统综合评价指标域X＝{x
ij
}
n
×
m
；其中，n为待选储能系统个数，m为评价指标的个数，x
ij
为第i个储能系统第j个综合评价指标的取值；
[0009]步骤2：构建储能系统综合评价指标标准域S＝(S
jk
)(j＝1,2,
…
m；k＝1,2,3,4)，其中，标准域的每一列k代表评价等级：分别为1
‑
不及格、2
‑
及格、3
‑
良好和4
‑
优秀；
[0010]步骤3:利用熵权法计算各个储能系统综合评价指标的权重矩阵W＝{w1,w2,
…
,w
j
}(j＝1,2,
…
,m)；
[0011]步骤4：利用云模型理论对储能系统进行综合评价，确定正态云模型的基本参数，建立所述指标域和标准域的模糊关系矩阵R；
[0012]步骤5：在确定云模型参数后，根据储能系统综合评价指标域中的决策指标值，运用正向云发生器计算各个储能系统决策指标在所述标准域中每个评价等级的正态云模型
隶属度矩阵Z＝{z
jk
}
m
×4(j＝1,2,...,m；k＝1,2,3,4)；m为评价指标的个数；k为评价等级，分别为不及格、及格、良好和优秀；
[0013]步骤6:计算所述储能系统综合评价指标标准域S上的模糊子集F，得出基于云模型的各个储能系统工况适应性的综合评分。
[0014]在一个实施例中，所述步骤3中利用熵权法计算各个储能系统综合评价指标的权重矩阵W，包括：
[0015]对储能系统综合评价指标域X进行归一化处理，对数值越大越优的指标归一化计算公式为：
[0016][0017]对数值越小越优的指标归一化计算公式为：
[0018][0019]第j个综合评价指标信息熵E
j
的计算公式：
[0020][0021]其中，
[0022]由第j个评价指标的熵，得到第j个指标权重w
j
为：
[0023][0024]在一个实施例中，所述步骤4中建立所述指标域和标准域模糊关系矩阵R的计算过程包括：
[0025]假设待评价储能系统综合评价决策指标x
j
，j＝1,2,
…
,m对应的评估级别S
jk
的区间为则待评价指标x
j
与对应的评估级别S
jk
，由云模型进行定性到定量的转换，云模型的参数表示为：
[0026][0027][0028]He＝0.02
[0029]其中，分别为第i个储能系统第j个评价指标评估级别区间的上下限；E
x
代表云模型云滴在论域空间的期望；E
n
代表熵，表征了云滴分布的不确定性和模糊性；
H
e
代表熵的不确定性度量，反映了云滴的凝聚程度。
[0030]在一个实施例中，所述步骤6中基于云模型的各个储能系统工况适应性的综合评分计算过程包括：
[0031]储能系统综合评价指标标准域S上的模糊子集F：
[0032]F＝W
·
Z＝{f1,f2,
…
,f
k
}(k＝1,2,3,4)
[0033]其中，f
k
为储能系统综合评价结果隶属于第k个评价等级的隶属度，同时对k个评价等级进行评分，这里规定第k个评价等级评分为k；
[0034]根据模糊子集F计算各个储能系统工况适应性的综合评分：
[0035][0036]第二方面，本专利技术实施例还提供一种基于云模型的储能工况适应性综合评估系统，包括：
[0037]构建指标域模块，根据储能系统需求，建立储能系统综合评价指标域X＝{x
ij
}
n
×
m
；n为待选储能系统个数，m为评价指标的个数；x
ij
为第i个储能系统第j个综合评价指标的取值；
[0038]构建标准域模块，用于构建储能系统综合评价指标标准域S＝(S
jk
)(j＝1,2,
…
,m；k＝1,2
…
,4)，其中，标准域的每一列k代表评价等级：分别为1
‑
不及格、2
‑
及格、3
‑
良好和4
‑
优秀；
[0039]第一计算模块，利用熵权法计算各个储能系统综合评价指标的权重矩阵W＝{w
j
}(j＝1,2,
…
,m)；
[0040]建立关系矩阵模块，用于利用云模型理论对储能系统进行综合评价，确定正态云模型的基本参数，建立所述指标域和标准域的模糊关系矩阵R；
[0041]第二计算模块，在确定云模型参数后，根据储能系统综合评价指标域中的决策指标值，运用正向云发生器计算各个储能系统决策指标在所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云模型的储能工况适应性综合评估方法，其特征在于，包括：步骤1：根据储能系统需求，建立储能系统综合评价指标域X＝{x
ij
}
n
×
m
；其中，n为待选储能系统个数；m为评价指标的个数；x
ij
为第i个储能系统第j个综合评价指标的取值；步骤2：构建储能系统综合评价指标标准域S＝(S
jk
)(j＝1,2,
…
m；k＝1,2,3,4)，其中，标准域的每一列k代表评价等级：分别为1
‑
不及格、2
‑
及格、3
‑
良好和4
‑
优秀；步骤3:利用熵权法计算各个储能系统综合评价指标的权重矩阵W＝{w1,w2,
…
,w
j
}(j＝1,2,
…
,m)；步骤4：利用云模型理论对储能系统进行综合评价，确定正态云模型的基本参数，建立所述指标域和标准域的模糊关系矩阵R；步骤5：在确定云模型参数后，根据储能系统综合评价指标域中的决策指标值，运用正向云发生器计算各个储能系统决策指标在所述标准域中每个评价等级的正态云模型隶属度矩阵Z＝{z
jk
}
m
×4(j＝1,2,...,m；k＝1,2,3,4)；m为评价指标的个数；k为评价等级，分别为不及格、及格、良好和优秀；步骤6:计算所述储能系统综合评价指标标准域S上的模糊子集F，得出基于云模型的各个储能系统工况适应性的综合评分。2.如权利要求1所述的一种基于云模型的储能工况适应性综合评估方法，其特征在于，所述步骤3中利用熵权法计算各个储能系统综合评价指标的权重矩阵W，包括：对储能系统综合评价指标域X进行归一化处理，对数值越大越优的指标归一化计算公式为：对数值越小越优的指标归一化计算公式为：第j个综合评价指标信息熵E
j
的计算公式：其中，由第j个评价指标的熵计算得到第j个指标权重w
j
为：3.如权利要求2所述的一种基于云模型的储能工况适应性综合评估方法，其特征在于，所述步骤4中建立所述指标域和标准域模糊关系矩阵R的计算过程包括：假设待评价储能系统综合评价决策指标x
j
，j＝1,2,
…
,m对应的评估级别S
jk
的区间为
则待评价指标x
j
与对应的评估级别S
jk
，由云模型进行定性到定量的转换，云模型的参数...

【专利技术属性】
技术研发人员：韩晓娟，魏梓轩，王祖冉，李炫，董刚，刘楠，高金玉，苏新，刘帅，于沛旭，朴永鑫，吕越，
申请(专利权)人：国网吉林省电力有限公司通化供电公司，
类型：发明
国别省市：