【技术实现步骤摘要】
本专利技术涉及电力系统规划，尤其涉及一种面向电力系统的电氢多时间尺度互补特性分析方法及系统。
技术介绍
1、随着能源结构的多元化和电力系统的快速发展，对于可再生能源的大规模整合和高效利用成为了关键问题，其中，电力和氢能作为两种主要的能源转换和储存系统，各自具有不同的优点和限制，在现有的电力系统中，为了提高能源利用效率，电氢互补能源供应系统逐渐成为一种新的能源供应模式，其互补特性越来越受到关注，但是现有的电力系统的运行过程主要集中在单一时间尺度，未能充分利用两者在多时间尺度上的互补特性，而对电氢转换和储存的互补特性和规律进行深入研究，能够为优化电氢互补能源模型的建立和控制策略的制定提供数据支持，并提高能源利用效率，因此，如何在多时间尺度下实现电氢的多时间尺度互补特性分析，提高电力系统的运行效率和稳定性，实现更高效的能源利用率，仍然是一个需要解决的问题。
技术实现思路
1、本专利技术提供了一种面向电力系统的电氢多时间尺度互补特性分析方法及系统，解决的技术问题是，现有的电力系统的运行过程主要集中在单一时间尺度，未能充分利用两者在多时间尺度上的互补特性，无法实现更高效的能源利用率。
2、为解决以上技术问题，本专利技术提供了一种面向电力系统的电氢多时间尺度互补特性分析方法及系统。
3、第一方面，本专利技术提供了一种面向电力系统的电氢多时间尺度互补特性分析方法，所述方法包括以下步骤：
4、获取电力系统和电氢系统对应的全年逐时运行数据，并根据所述全年逐时运行数
5、基于电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征，利用人工智能算法得到电氢充放电需求预测数据；
6、根据所述电氢充放电需求预测数据，评估电氢系统与电力系统在不同电氢配比下的充放电需求匹配程度；
7、根据所述充放电需求匹配程度和所述电氢充放电需求预测数据，确定电氢多时间尺度互补特性。
8、在进一步的实施方案中，所述根据所述全年逐时运行数据，确定电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征的步骤包括：
9、对电力系统和电氢系统的全年逐时运行数据进行预处理，得到待处理运行数据集合；
10、将所述待处理运行数据集合划分为不同的时间尺度，得到联合电氢多时间尺度时序数据；
11、利用灰色关联度分析方法对所述联合电氢多时间尺度时序数据进行分析，得到不同时间尺度下电力系统和电氢系统中各因素之间的灰色关联系数；
12、构建基于电力系统和电氢系统的综合能源网络模型，并将所述的灰色关联系数作为所述综合能源网络模型的边权重，运行所述综合能源网络模型，得到综合能源网络模型的电氢联合仿真结果；
13、根据所述电氢联合仿真结果，提取出电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征。
14、在进一步的实施方案中，所述基于电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征，利用人工智能算法得到电氢充放电需求预测数据的步骤包括：
15、利用时间序列分析方法对电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征进行识别，得到初始充放电需求预测序列；
16、根据初始充放电需求预测序列的分布特征，将所述初始充放电需求预测序列离散化为不同状态，得到电氢充放电状态序列；
17、利用预先训练好的马尔可夫链模型对所述电氢充放电状态序列进行预测，得到电氢充放电需求预测数据。
18、在进一步的实施方案中，所述根据初始充放电需求预测序列的分布特征，将所述初始充放电需求预测序列离散化为不同状态，得到电氢充放电状态序列的步骤包括：
19、根据电氢充放电需求预测序列的分布特征，确定离散化阈值；
20、根据所述离散化阈值，将电氢充放电需求预测序列中的每个值离散化为不同状态，得到初始状态序列；
21、根据初始状态序列中每个状态的次数和占比，得到不同状态在多时间尺度上的变化特征；
22、根据不同状态在多时间尺度上的变化特征优化所述离散化阈值，得到离散化优化阈值；
23、根据所述离散化优化阈值，将电氢充放电需求预测序列中的每个值重新离散化为不同状态，得到电氢充放电状态序列。
24、在进一步的实施方案中，所述时间序列分析方法为自回归整合移动平均模型。
25、在进一步的实施方案中，所述马尔可夫链模型的训练过程为：
26、根据历史全年逐时运行数据进行电氢充放电需求预测，得到历史初始充放电需求预测序列；
27、将历史初始充放电需求预测序列离散化为不同状态，得到历史电氢充放电状态序列，并计算不同状态间的转移次数；
28、根据所述转移次数，估计所有状态间的转移概率矩阵，根据不同状态间的转移概率矩阵，确定马尔可夫链阶数；
29、根据所述马尔可夫链阶数和历史电氢充放电状态序列训练马尔可夫链模型，获得状态转移矩阵，并采用交叉验证方法校验马尔可夫链模型，得到训练好的马尔可夫链模型。
30、在进一步的实施方案中，所述根据所述电氢充放电需求预测数据，评估电氢系统与电力系统在不同电氢配比下的充放电需求匹配程度的步骤包括：
31、对所述电氢充放电需求预测数据进行特征提取，得到多时间尺度充放电需求特征；所述多时间尺度充放电需求特征包括不同时间尺度下的电氢系统充放电量以及电力系统供电能力；
32、将不同电氢配比下的所述多时间尺度充放电需求特征进行关联规则挖掘，得到充放电需求关联特征；
33、将所述充放电需求关联特征进行相关性分析，得到电氢系统与电力系统在不同电氢配比下的充放电需求匹配程度。
34、第二方面，本专利技术提供了一种面向电力系统的电氢多时间尺度互补特性分析系统，所述系统包括：
35、数据获取模块，用于获取电力系统和电氢系统对应的全年逐时运行数据，并根据所述全年逐时运行数据，确定电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征；
36、需求分析模块，用于基于电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征，利用人工智能算法得到电氢充放电需求预测数据；
37、需求匹配模块，用于根据所述电氢充放电需求预测数据，评估电氢系统与电力系统在不同电氢配比下的充放电需求匹配程度；
38、特性提取模块，用于根据所述充放电需求匹配程度和所述电氢充放电需求预测数据，确定电氢多时间尺度互补特性。
39、第三方面，本专利技术还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。
40、第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算本文档来自技高网...
【技术保护点】
1.一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述根据所述全年逐时运行数据，确定电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征的步骤包括：
3.如权利要求1所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述基于电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征，利用人工智能算法得到电氢充放电需求预测数据的步骤包括：
4.如权利要求3所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述根据初始充放电需求预测序列的分布特征，将所述初始充放电需求预测序列离散化为不同状态，得到电氢充放电状态序列的步骤包括：
5.如权利要求3所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于：所述时间序列分析方法为自回归整合移动平均模型。
6.如权利要求3所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述马尔可夫链模型的训练过程为
7.如权利要求1所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述根据所述电氢充放电需求预测数据，评估电氢系统与电力系统在不同电氢配比下的充放电需求匹配程度的步骤包括：
8.一种面向电力系统的电氢多时间尺度互补特性分析系统，其特征在于，所述系统包括：
9.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述根据所述全年逐时运行数据，确定电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征的步骤包括：
3.如权利要求1所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述基于电力系统和电氢系统在不同时间尺度上的运行状态和动态交互特征，利用人工智能算法得到电氢充放电需求预测数据的步骤包括：
4.如权利要求3所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于，所述根据初始充放电需求预测序列的分布特征，将所述初始充放电需求预测序列离散化为不同状态，得到电氢充放电状态序列的步骤包括：
5.如权利要求3所述的一种面向电力系统的电氢多时间尺度互补特性分析方法，其特征在于：所述时间序列分析方法为自...
【专利技术属性】
技术研发人员：池峰，钱芳，刘雅君，陶毓锋，童翔，黄丽丽，胡志宏，赵剑央，章寒冰，胡鑫威，
申请(专利权)人：国网浙江省电力有限公司丽水供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。