【技術實現步驟摘要】
本專利技術涉及能源管理，具體涉及一種基于多維度數據融合的規模化儲能電站評價方法和系統。
技術介紹
1、儲能技術涉及將難以儲存的形式的能量轉換成更便利或經濟可存儲的形式，主要是指電能的儲存。儲存的能量可以用作應急能源，也可以用于在電網負荷低的時候儲能。儲能技術有望成為能源轉型的重要力量。儲能可以為電網運行提供調峰、調頻、黑啟動、需求響應支撐等多種服務，其快速響應特性大幅提升了傳統電力系統的靈活性、經濟性和安全性。基于此產生儲能電站，儲能電站是通過電化學電池或電磁能量存儲介質進行可循環電能存儲、轉換及釋放的設備系統。對儲能電站進行準確實時的運行狀態與可調節能力的評價是有效發揮儲能作用、保障儲能電站安全可靠運行的重要前提。
2、從儲能電站采集的數據具有數據量龐大、屬性繁多的特點。尤其是規模化儲能電站，評價指標眾多，而各儲能電站的數據量又十分龐大，很難進行統籌性的評價。目前的儲能電站評價方法中大多使用層次分析法(analytic?hierarchy?process，ahp)或者使用熵權法來確定指標權重，而層次分析法在評價過程中存在主觀性、模糊性等問題，而熵權法無法處理指標間存在強相關性的情況，容易出現權重分配不合理的問題。因此，目前規模化儲能電站的評價過程缺乏統籌性的評價方式，評價結果準確性低。
技術實現思路
1、為了克服上述規模化儲能電站評價過程缺乏統籌性的評價方式和評價結果準確性低的問題，本專利技術提供一種基于多維度數據融合的規模化儲能電站評價方法和系統。
2、
3、基于獲取到的規模化儲能電站中各儲能電站的多維度的運行數據計算多個評價角度對應的各評價指標的值，基于儲能電站將多個評價角度對應的各評價指標的值融合成所述規模化儲能電站的評價指標的原始矩陣；
4、利用主成分分析法對所述原始矩陣進行降維處理，得到對應的降維矩陣；
5、利用灰色關聯度法對所述降維矩陣中各評價指標的專家權重進行關聯處理，得到各評價指標的指標權重；
6、對所述降維矩陣中各評價指標的值進行聚類處理，基于聚類結果中每個聚類簇內各評價指標的值及對應的指標權重進行所述聚類簇內各儲能電站的評價。
7、可選地，在基于獲取到的規模化儲能電站中各儲能電站的多維度的運行數據計算多個評價角度對應的各評價指標的值之前，所述方法還包括：
8、通過所述規模化儲能電站的能量管理系統采集所述規模化儲能電站中各儲能電站的能量維度的運行數據；
9、通過所述規模化儲能電站的儲能變流器采集所述規模化儲能電站中各儲能電站的功率調節維度的運行數據；
10、通過所述規模化儲能電站的電池管理系統采集所述規模化儲能電站中各儲能電站的電池維度的運行數據。
11、可選地，所述評價角度包括能效評價角度、調節性能評價角度、并網性能評價角度和可靠性評價指標；
12、所述并網性能評價角度對應的評價指標包括慣量響應評價指標、一次調頻評價指標、自動發電控制評價指標以及自動電壓控制評價指標；
13、所述可靠性評價角度對應的評價指標包括電池可靠性評價指標和電站可靠性評價指標；所述電池可靠性評價指標包括電池一致性指標、電池健康狀態和電池的故障指標，所述電站可靠性評價指標電站停運系數、電站可用系數和電站利用系數。
14、可選地，所述利用主成分分析法對所述原始矩陣進行降維處理，得到對應的降維矩陣，包括：
15、對所述原始矩陣進行標準化處理，得到標準化后矩陣；
16、基于所述標準化后矩陣中各元素間的相關系數得到對應的相關系數矩陣，基于所述相關系數矩陣的特征值的大小篩選出前指定數量的目標特征值；
17、基于所述目標特征值確定對應的目標特征向量，得到特征向量矩陣；
18、基于所述標準化后矩陣和所述特征向量矩陣，得到所述降維矩陣。
19、可選地，所述對所述原始矩陣進行標準化處理，得到標準化后矩陣，包括：
20、基于所述原始矩陣中各評價指標的均值和標準差進行所述原始矩陣的各元素的標準化，得到標準化后矩陣；
21、所述基于所述標準化后矩陣和所述特征向量矩陣，得到所述降維矩陣，包括：
22、對于所述標準化后矩陣的每列數據，基于每列數據的指標均值進行每列數據中各元素的規范化，得到樣本矩陣；
23、將所述樣本矩陣和所述特征向量矩陣的積作為所述降維矩陣。
24、可選地，所述利用灰色關聯度法對所述降維矩陣中各評價指標的初始專家權重進行關聯處理，得到各評價指標的指標權重，包括：
25、基于每個專家對所述降維矩陣中的每個評價指標的權重打分，得到與所述降維矩陣對應的初始專家權重矩陣，將所述初始專家權重矩陣的各列作為比較數據列；
26、從所述初始專家權重矩陣中篩選出每一列的最大值，組成參考數據列；
27、基于每個比較數據列和所述參考數據列之間的馬氏距離，確定與各比較數據列對應的評價指標的指標權重。
28、可選地，所述評價指標的指標權重的計算公式為：
29、
30、其中，ωk表示第k個評價指標的指標權重，ω′k表示ωk歸一化之前的數據，e0表示參考數據列，ek表示第k個比較數據列，k＝1,2,…,p，p為所述降維矩陣中的評價指標的數量；ds表示馬氏距離。
31、可選地，所述對所述降維矩陣中各評價指標的值進行聚類處理，包括：
32、對所述降維矩陣的各元素進行最大-最小標準化處理，得到標準化降維矩陣；
33、以所述標準化降維矩陣的行向量作為數據點，以兩個行向量之間的距離作為數據點之間的距離，利用基于密度的聚類算法對所述標準化降維矩陣中各行向量進行聚類處理，得到各聚類簇的中心點及其坐標；所述聚類簇的中心點用于指示所述聚類簇內各儲能電站的平均得分，所述中心點在每個評價指標維度的坐標用于指示對應的聚類簇中所有儲能電站針對每個評價指標的平均得分。
34、可選地，所述基于聚類結果中每個聚類簇內各評價指標的值及對應的指標權重進行所述聚類簇內各儲能電站的評價，包括：
35、對于每個聚類簇，對所述聚類簇的中心點在每個評價指標維度的坐標與對應的指標權重的積進行累加，得到每個聚類簇的綜合得分；
36、基于每個聚類簇的綜合得分進行所述聚類簇內各儲能電站的評價。
37、另一方面，本專利技術還提供一種基于多維度數據融合的規模化儲能電站評價系統，所述系統包括：
38、數據融合模塊，用于基于獲取到的規模化儲能電站中各儲能電站的多維度的運行數據計算多個評價角度對應的各評價指標的值，基于儲能電站將多個評價角度對應的各評價指標的值融合成所述規模化儲能電站的評價指標的原始矩陣；
39、降維模塊，用于利用主成分分析法對所述原始矩陣進行降維處理，得到對應的降維矩陣；
【技術保護點】
1.一種基于多維度數據融合的規模化儲能電站評價方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，在基于獲取到的規模化儲能電站中各儲能電站的多維度的運行數據計算多個評價角度對應的各評價指標的值之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述評價角度包括能效評價角度、調節性能評價角度、并網性能評價角度和可靠性評價指標；
4.根據權利要求1所述的方法，其特征在于，所述利用主成分分析法對所述原始矩陣進行降維處理，得到對應的降維矩陣，包括：
5.根據權利要求4所述的方法，其特征在于，所述對所述原始矩陣進行標準化處理，得到標準化后矩陣，包括：
6.根據權利要求1所述的方法，其特征在于，所述利用灰色關聯度法對所述降維矩陣中各評價指標的初始專家權重進行關聯處理，得到各評價指標的指標權重，包括：
7.根據權利要求6所述的方法，其特征在于，所述評價指標的指標權重的計算公式為：
8.根據權利要求5所述的方法，其特征在于，所述對所述降維矩陣中各評價指標的值進行聚類處理，包括：>
9.根據權利要求8所述的方法，其特征在于，所述基于聚類結果中每個聚類簇內各評價指標的值及對應的指標權重進行所述聚類簇內各儲能電站的評價，包括：
10.一種基于多維度數據融合的規模化儲能電站評價系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于多維度數據融合的規模化儲能電站評價方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，在基于獲取到的規模化儲能電站中各儲能電站的多維度的運行數據計算多個評價角度對應的各評價指標的值之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述評價角度包括能效評價角度、調節性能評價角度、并網性能評價角度和可靠性評價指標；
4.根據權利要求1所述的方法，其特征在于，所述利用主成分分析法對所述原始矩陣進行降維處理，得到對應的降維矩陣，包括：
5.根據權利要求4所述的方法，其特征在于，所述對所述原始矩陣進行標準化處理，得到標準化后矩陣...
【專利技術屬性】
技術研發人員：桑丙玉，李克成，萬佑紅，楊志豪，陳湘澤，朱少杰，陶以彬，李浩源，湯杰，
申請(專利權)人：中國電力科學研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。