System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于储能电站动态预警领域,具体为考虑双碳目标的储能电站多维目标动态预警方法及系统。
技术介绍
1、对新能源和可再生能源的研究和开发,寻求提高能源利用率的先进方法,已成为全球共同关注的首要问题。既有节能减排的需求,也有能源增长以支撑经济发展的需要,储能电站的建设,可以提供紧急控制、系统调峰、系统调频、备用、新能源跟随、电压控制等功能,能够产生替代“源网荷储”系统升级投资、减少满足尖峰负荷的系统建设投资、提升可再生能源发电占比的直接和间接效益,是“双碳”目标下推动新能源转型的有力选择。
2、现有双碳背景下储能电站预警存在以下缺点:
3、1、预警因素单一,预警范围有限:现有的储能电站的只考虑运行数据,未考虑碳减排和碳吸收,无法全面覆盖所有可能影响储能电站稳定运行的因素。
4、2、预警准确性不高:目前的预警方法可能难以准确预测储能电站的实际运行状态,导致预警的准确性不高,存在误报或漏报的风险。
5、3、预警实时性不强:有些预警方法需要较长时间才能得出结果,无法及时反映储能电站的实时运行状态,可能导致预警的滞后性。
6、4、预警智能化程度不足:目前的预警方法主要依赖于人工经验和辅助工具,智能化程度不足,无法实现自适应和自动化的预警。
技术实现思路
1、有鉴于此,本专利技术提供了考虑双碳目标的储能电站多维目标动态预警方法及系统,本方法综合考虑了储能电站运行数据、碳减排和碳吸收数据,通过关联规则筛选出与双碳数据相关联的常规数据
2、为实现上述目的,具体技术方案如下:
3、第一方面提供了考虑双碳目标的储能电站多维目标动态判断方法,其特征在于,包括:
4、s1:利用空气质量监测站和碳排放监测装置检测储能电站碳减排和碳吸收数据作为双碳数据,并将双碳数据训练项按照时间段分类;以及
5、s2:收集储能电站中与双碳数据相对应时间段的运行数据,以及
6、s3:利用关联规则关联双碳数据和相对应时间段运行数据,筛选相关联的常规数据和相关联的异常数据,并分析异常数据形成源;
7、其中,常规数据和异常数据筛选方法为:
8、从运行数据或双碳数据中发现频繁项;
9、根据频繁项,利用置信度生成关联规则;
10、其中,所述运行数据或双碳数据关联规则计算公式为:
11、support(a)=(出现a的次数)/(总事务数);
12、confidence(a→b)=(出现集a和b的次数)/(出现a的次数);
13、confidence(ab→c)=(出现a、b和c的次数)/(出现a和b的次数);
14、confidence(ab...n-1→n)=(出现ab...n的次数)/(出现ab...n-1的次数)
15、其中,所述a、b、c和n分别代表储能电站的同一时间段运行数据中出现数值范围的次数;
16、所述运行数据训练项与碳减排和碳吸收数据训练项相匹配计算公式为:
17、confidence(ab...n→cdm+cam)=(出现ab...n和cdm+cam的次数)/(出现ab...n的次数);
18、其中,cdm+cam为储能电站碳减排和碳吸收数据;
19、通过设定分辨值,判断常规数据和异常数据;以及
20、s4:将常规数据、异常数据以及异常数据对应的形成源构建数据集,并将数据集作为训练集和测试集;
21、s5:将训练集利用设定初始参数的sa-cyclemlp网络进行训练,得到基于sa-cyclemlp网络的多维目标动态预警模型;
22、s6:将测试集中的储能电站运行数据、或碳减排数据及碳吸收数据、或形成源输入至基于sa-cyclemlp网络的多维目标动态预警模型,通过设定初始参数后的sa-cyclemlp网络对待预测的储能电站信息进行对应运行数据、实时碳减排和碳吸收数据及形成原提取,判断提取的运行数据、实时碳减排和碳吸收数据及形成源提取是否正确,对基于sa-cyclemlp网络的多维目标动态预警模型进行优化。
23、所述运行数据包括:发电量、储能效率、储能容量、充放电速率以及循环寿命数据。
24、所述s3中,利用频繁项集挖掘方法,从数据集中发现频繁项集包括:
25、扫描整个运行数据训练项和碳减排和碳吸收数据训练项,统计每个项的出现次数;
26、设定的最小支持度阈值,最小支持度阈值为30%,筛选出满足条件的单个项作为频繁项。
27、所述s3中,所述support(a)、confidence(a→b)、confidence(ab→c)、confidence(ab...n-1→n)、confidence(ab...n→cdm+cam)均大于等于30%为产生关联,对应的数据为常规数据,低于30%的自动更换,confidence(a→b)、confidence(ab→c)、confidence(ab...n-1→n)、confidence(ab...n→cdm+cam)不产生关联,对应的数据为异常数据。
28、所述s3中,所述异常数据进行复核,复核方法使用基于统计的异常检测进行人工或自动化分析,判断与正常数据不符的异常数据。
29、所述sa-cyclemlp网络的初始参数包括:补丁嵌入模块中的补丁大小以及输出编码特征维度、融合注意力机制的循环多层感知机模块中的扩展比以及融合注意力机制的循环多层感知机模块的重复次数。
30、所述基于sa-cyclemlp网络的多维目标动态预警模型构建方法为:
31、将训练集中的储能电站运行数据、碳减排数据和碳吸收数据作为输入;
32、对输入数据进行特征提取;
33、构建sa-cyclemlp网络,包括自注意力层、循环神经网络层和全连接层;
34、利用focalloss损失函数将得到的类别信息进行修正;
35、通过softmax激活函数的全连接层分类器得到数据分析,完成训练得到基于sa-cyclemlp网络的多维目标动态预警模型完成训练得到基于sa-cyclemlp网络的多维目标动态预警模型。
36、第二方面方面提供了一种考虑双碳目标的储能电站多维目标动态判断系统,包括:
37、数据处理模块:配置为:将双碳数据和运行数据处理,筛选相关联的常规数据和相关联的异常数据;
38、基于sa-cyclemlp网络的多维目标动态预警模型:配置为:训练集利用设定初始参数的sa-cyclemlp网络进行训练,得到基于sa-cyclemlp网络的多维目标动态预警模型;
39、参数优化模块:配置为:利用测试集对本文档来自技高网...
【技术保护点】
1.考虑双碳目标的储能电站多维目标动态判断方法,其特征在于,包括:
2.根据权利要求1所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述S2中,运行数据包括:发电量、储能效率、储能容量、充放电速率以及循环寿命数据。
3.根据权利要求1所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述S3中,利用频繁项集挖掘方法,从数据集中发现频繁项集包括:
4.根据权利要求3所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述S3中,所述Support(A)、Confidence(A→B)、Confidence(AB→C)、Confidence(AB...N-1→N)、Confidence(AB...N→CDM+CAM)均大于等于30%为产生关联,对应的数据为常规数据,低于30%的自动更换,Confidence(A→B)、Confidence(AB→C)、Confidence(AB...N-1→N)、Confidence(AB...N→CDM+CAM)不产生关联,对应的数据为异常数据。
5.根据权利要求
6.根据权利要求1所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述SA-CycleMLP网络的初始参数包括:补丁嵌入模块中的补丁大小以及输出编码特征维度、融合注意力机制的循环多层感知机模块中的扩展比以及融合注意力机制的循环多层感知机模块的重复次数。
7.根据权利要求6所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述基于SA-CycleMLP网络的多维目标动态预警模型构建方法为:
8.一种考虑双碳目标的储能电站多维目标动态判断系统,其特征在于,包括:
9.一种考虑双碳目标的储能电站多维目标动态判断装置,其特征在于,
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述方法。
...【技术特征摘要】
1.考虑双碳目标的储能电站多维目标动态判断方法,其特征在于,包括:
2.根据权利要求1所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述s2中,运行数据包括:发电量、储能效率、储能容量、充放电速率以及循环寿命数据。
3.根据权利要求1所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述s3中,利用频繁项集挖掘方法,从数据集中发现频繁项集包括:
4.根据权利要求3所述的考虑双碳目标的储能电站多维目标动态预警方法,其特征在于:所述s3中,所述support(a)、confidence(a→b)、confidence(ab→c)、confidence(ab...n-1→n)、confidence(ab...n→cdm+cam)均大于等于30%为产生关联,对应的数据为常规数据,低于30%的自动更换,confidence(a→b)、confidence(ab→c)、confidence(ab...n-1→n)、confidence(ab...n→cdm+cam)不产生关联,对应的数据为...
【专利技术属性】
技术研发人员:康健,宋红为,张立,杨照光,尚彦赟,王佩霞,刘栋梁,刘亚荣,王江宁,刘海潮,喻冰峰,陈功,刘进,霍光,李瑞,闫家闻,王凯,支瑞峰,
申请(专利权)人:国网甘肃省电力公司天水供电公司,
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。