CN109242340A - 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 - Google Patents
一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 Download PDFInfo
- Publication number
- CN109242340A CN109242340A CN201811146514.2A CN201811146514A CN109242340A CN 109242340 A CN109242340 A CN 109242340A CN 201811146514 A CN201811146514 A CN 201811146514A CN 109242340 A CN109242340 A CN 109242340A
- Authority
- CN
- China
- Prior art keywords
- data
- consumption system
- monitoring data
- degree
- rank correlation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 62
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000011157 data evaluation Methods 0.000 title claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 239000008400 supply water Substances 0.000 claims description 10
- 238000011002 quantification Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000005611 electricity Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法,涉及制造企业生产车间排产领域。该系统包括:蓄热电锅炉监测数据采集、改进型秩相关度计算和模糊评价3个模块;该方法包括:采集系统监测数据;构建小样本空间;对小样本空间中的数据进行优化;获取所有系统监测数据相对于同一系统指标的秩相关度;构建变量向量组和秩相关度向量;获得隶属度矩阵;获取综合评价向量并转为评分分数。本发明提供的一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法,在指标集过大时依然能获得准确的秩相关度,并对蓄热电锅炉实时运行产生的数据进行划分,得到不同指标下的影响因素,并为指标做出综合评价,为各个指标调整做数据支撑。
Description
技术领域
本发明涉及制造企业生产车间排产技术领域,具体涉及一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法。
背景技术
目前,我国存在着风光电站迅速发展以及弃风弃光日益严重的矛盾现象。风电的发展速度超出了电网及用电负荷的发展状况,导致弃风问题日渐突出,全国弃风电量达到175亿千瓦时,弃风率15.2%,部分地区弃风率甚至达到30%-40%以上。弃风指的是风力发电机在发电中,不向终端用户供电,而弃光就是光伏电站的发电量大于电力系统最大传输电量与负荷消纳电量之和。因此,通过蓄热电锅炉进行剩余电能消纳,将弃风弃光消纳问题与电能替代发展结合起来,将分布式蓄热电锅炉作为需求侧可控资源,保证负荷用电量的同时缓解风光电对电网稳定的冲击,达到弃风弃光的实时消纳,提高经济效益,促进电力企业长远发展。
但是由于风光电站的输出是一个非平稳、即时变化、动态特性的随机变量,具有波动性强、抗干扰能力弱、间歇性以及周期性特点的不可控的分布式能源。另一方面由于电力负荷、电热负荷需求的变化,为了达到弃风弃光的实时消纳,获得更高的经济效益,应当对分布式蓄热电锅炉消纳系统进行影响运行指标因素的划分,并对当前运行状态进行打分,从而当对指标提高时可以进行合理的参数调整;但是,在现有的技术中,多侧重于对蓄热电锅炉作为实时消纳虚拟发电厂电量能力的研究,缺乏对各种影响因素对于蓄热电锅炉消纳系统状态影响的研究,使得在消纳系统运行状态需要进行调整时,如需要提高用户供暖效果、提高经济性,不知应具体分别调整哪些因素,从而造成因蓄热电锅炉消纳弃风弃光消纳系统运行效率不高,影响用户取暖需要,不能达到好的经济效益。
发明内容
针对现有技术存在的问题,本发明提供一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法,其排产方法是针对客车在路由缓冲区移动路线复杂的特点提出的,通过改机代价所构建的路由规则来控制客车在路由缓冲区中的移动过程,解决了具有路由缓冲区的客车制造车间排产问题。
本发明的技术方案是:
一种蓄热电锅炉消纳系统监测数据评价系统,包括蓄热电锅炉监测数据采集模块、改进型秩相关度计算模块、模糊评价模块;
所述蓄热电锅炉监测数据采集模块,用于采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统指标数据;所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
所述改进型秩相关度计算模块,用于根据收集来的数据相对于消纳指标定量计算不同因素对于同一消纳系统指标的相关度,并相对于同一消纳系统指标筛选出主要影响因素,再根据不同因素对于同一消纳系统指标的相关度,将主要影响因素划分成不同因素集,并根据不同因素的相关度计算其权重;
所述模糊评价模块,根据改进型秩相关度计算模块筛检后变量因素形成的因素集和消纳系统指标构建的评价集获得隶属度向量,再通过模糊算子将相应的权重与隶属度矩阵进行计算,获得对指标数据的评价。
一种蓄热电锅炉消纳系统监测数据评价系统的评价方法,包括以下步骤:
步骤1:每隔一段时间采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统监测数据对应的消纳系统指标数据,得到N对观察数据(xI,yI);所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
步骤2:将N对观察数据组合为样本空间S,将样本空间S划分为K个连续均等的小样本空间,每个小样本空间含有n对观察数据(xi,yi):
步骤3:采用趋势数据法,通过相邻数据的变化率来对第Kz个小样本空间中的消纳系统监测数据进行优化;
步骤4:提取变化率的正负表示变化趋势,得到消纳系统监测数据的变化趋势数据集{mx},然后对变化趋势数据集{mx}进行编排秩次得到数据集{Pkz};
步骤5:采用趋势数据法,通过相邻数据的变化率对第Kz个小样本空间中的消纳系统指标数据进行优化;
步骤6:提取变化率的正负表示变化趋势,得到消纳系统指标数据的变化趋势数据集{my},然后对变化趋势数据集{my}进行编排秩次得到数据集{Qkz};
步骤7:根据数据集{Pkz}和{Qkz}计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz;
步骤8:对其余K-1个小样本空间重复步骤3至步骤7,获得K个小样本空间的K个秩序相关度rk=(rk1......rkz.......rkk);
步骤9:通过置信区间公式确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a)%可能性落到第Kz个小样本空间的秩相关度区间范围内,其中,a为显著性水平常数,ZN为不同置信度所对应的常数;
步骤10:通过单侧置信边界确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:用K个小样本空间所得样本秩相关度对真实秩相关度进行置信估计修正,并选下边界为真实秩相关度,即消纳系统监测数据在样本空间S下,真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:对所有消纳系统监测数据分别执行步骤3至步骤11,得到所有p个消纳系统监测数据相对于同一消纳系统指标数据的秩相关度为:ro=(rreal1,rreal2...,rrealp);
步骤12:根据统计学原理筛选出的q个消纳系统监测数据作为影响消纳系统指标数据的主要因素,并作为模糊评价模块的因素集U,重新编排构成筛选后的因素形成变量向量组X=(X1,X2,...,Xq),秩相关度向量r=(r1,r2,...,rq);
步骤13:将秩相关向量进行模数归一化处理,获得权重向量Ω=(ω1,ω2,...,ωq);
步骤14:利用筛选后的因素构建评价集V=(v1,v2,...,vm);
步骤15:根据评价集V对因素集U中的每一个因素进行专家打分,得到每一个因素的隶属度向量Cq=(cq1,cq2,...,cqm);
步骤16:根据对因素集U中所有因素打分获得的隶属度向量Cq得到隶属度矩阵
步骤17:将权重向量Ω与隶属度矩阵C通过模糊算子进行计算,得到综合评价向量B=(b1,b2,...,bm);
步骤18:选取运行状态评分标准向量Y=(90,80,60,30)T,将综合评价向量B转换为评分分数。
进一步地,所述步骤7中计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz的公式如下:
进一步地,所述步骤13中将秩相关向量进行模数归一化处理的公式如下:
进一步地,所述步骤17中将权重向量Ω与隶属度矩阵C通过模糊算子进行计算的公式如下:
本发明的有益效果:
本发明提出一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法,通过消纳系统运行过程中产生的监测数据,获得各个因素的权重,并引入改进型秩相关度的方法,利用统计学原理进行秩相关度的置信修正,选下边界作为真实秩相关度,获得更加准确的秩相关度,理论性更强,更加有效具体,在指标集过大时,仍然保持较高的准确性,本方法对蓄热电锅炉实时消纳弃风弃光运行产生的数据进行划分,得到影响经济性,用户供暖效果,锅炉自身运行状态的不同影响因素,并为消纳系统经济性、用户供暖状态、锅炉自身运行状态等指标做出综合评价,并提供消纳系统相应于各个指标调整的影响因素的数据支撑。
附图说明
图1为本发明实施例中蓄热电锅炉消纳系统监测数据评价系统的结构框图;
图2为本发明实施例中蓄热电锅炉消纳系统监测数据评价系统的评价方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优势更加清晰,下面结合附图和具体实施例对本发明做进一步详细说明。此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
一种蓄热电锅炉消纳系统监测数据评价系统,其结构框图如图1所示,包括蓄热电锅炉监测数据采集模块、改进型秩相关度计算模块、模糊评价模块;
所述蓄热电锅炉监测数据采集模块,用于采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统指标数据;所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
所述改进型秩相关度计算模块,用于根据收集来的数据相对于消纳指标定量计算不同因素对于同一消纳系统指标的相关度,并相对于同一消纳系统指标筛选出主要影响因素,再根据不同因素对于同一消纳系统指标的相关度,将主要影响因素划分成不同因素集,并根据不同因素的相关度计算其权重;
所述模糊评价模块,根据改进型秩相关度计算模块筛检后变量因素形成的因素集和消纳系统指标构建的评价集获得隶属度向量,再通过模糊算子将相应的权重与隶属度矩阵进行计算,获得对指标数据的评价。
一种蓄热电锅炉消纳系统监测数据评价系统的评价方法,流程如图2所示,包括以下步骤:
步骤1:每隔一段时间采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统监测数据对应的消纳系统指标数据,得到N对观察数据(xI,yI);所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
本实施例中,选取间隔时间为10min,N=1000。
步骤2:将N对观察数据组合为样本空间S,将样本空间S划分为K个连续均等的小样本空间,每个小样本空间含有n对观察数据(xi,yi):
本实施例中,取n=100,K=10。
步骤3:采用趋势数据法,通过相邻数据的变化率来对第Kz个小样本空间中的消纳系统监测数据进行优化;
所述变化率的计算公式如下:
步骤4:提取变化率的正负表示变化趋势,得到消纳系统监测数据的变化趋势数据集{mx},然后对变化趋势数据集{mx}进行编排秩次得到数据集{Pkz};
本实施例中,提取变化率的正负表示变化趋势,其中,1表示增大,0表示为0,-1表示减小。
步骤5:采用趋势数据法,通过相邻数据的变化率对第Kz个小样本空间中的消纳系统指标数据进行优化;
步骤6:提取变化率的正负表示变化趋势,得到消纳系统指标数据的变化趋势数据集{my},然后对变化趋势数据集{my}进行编排秩次得到数据集{Qkz};
步骤7:根据数据集{Pkz}和{Qkz}计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz;
所述计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz的公式如下:
步骤8:对其余K-1个小样本空间重复步骤3至步骤7,获得K个小样本空间的K个秩序相关度rk=(rk1......rkz.......rkk);
步骤9:通过置信区间公式确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a)%可能性落到第Kz个小样本空间的秩相关度区间范围内,其中,a为显著性水平常数,ZN为不同置信度所对应的常数;
步骤10:通过单侧置信边界确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:用K个小样本空间所得样本秩相关度对真实秩相关度进行置信估计修正,并选下边界为真实秩相关度,即消纳系统监测数据在样本空间S下,真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:对所有消纳系统监测数据分别执行步骤3至步骤11,得到所有p个消纳系统监测数据相对于同一消纳系统指标数据的秩相关度为:ro=(rreal1,rreal2...,rrealp);
步骤12:根据统计学原理筛选出的q个消纳系统监测数据作为影响消纳系统指标数据的主要因素,并作为模糊评价模块的因素集U,重新编排构成筛选后的因素形成变量向量组X=(X1,X2,...,Xq),秩相关度向量r=(r1,r2,...,rq);
步骤13:将秩相关向量进行模数归一化处理,获得权重向量Ω=(ω1,ω2,...,ωq);
所述将秩相关向量进行模数归一化处理的公式如下:
步骤14:利用筛选后的因素构建评价集V=(v1,v2,...,vm);
步骤15:根据评价集V对因素集U中的每一个因素进行专家打分,得到每一个因素的隶属度向量Cq=(cq1,cq2,...,cqm);
步骤16:根据对因素集U中所有因素打分获得的隶属度向量Cq得到隶属度矩阵
步骤17:将权重向量Ω与隶属度矩阵C通过模糊算子进行计算,得到综合评价向量B=(b1,b2,...,bm);
所述将权重向量Ω与隶属度矩阵C通过模糊算子进行计算的公式如下:
步骤18:选取运行状态评分标准向量Y=(90,80,60,30)T,将综合评价向量B转换为评分分数。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;因而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (5)
1.一种蓄热电锅炉消纳系统监测数据评价系统,其特征在于,包括蓄热电锅炉监测数据采集模块、改进型秩相关度计算模块、模糊评价模块;
所述蓄热电锅炉监测数据采集模块,用于采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统指标数据;所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
所述改进型秩相关度计算模块,用于根据收集来的数据相对于消纳指标定量计算不同因素对于同一消纳系统指标的相关度,并相对于同一消纳系统指标筛选出主要影响因素,再根据不同因素对于同一消纳系统指标的相关度,将主要影响因素划分成不同因素集,并根据不同因素的相关度计算其权重;
所述模糊评价模块,根据改进型秩相关度计算模块筛检后变量因素形成的因素集和消纳系统指标构建的评价集获得隶属度向量,再通过模糊算子将相应的权重与隶属度矩阵进行计算,获得对指标数据的评价。
2.如权利要求1所述的蓄热电锅炉消纳系统监测数据评价系统的评价方法,其特征在于,包括以下步骤:
步骤1:每隔一段时间采集蓄热电锅炉消纳系统监测数据,包括供水温度、回水温度、供水压力、回水压力和室外温度,并读取消纳系统监测数据对应的消纳系统指标数据,得到N对观察数据(xI,yI);所述消纳系统指标数据包括用户室内温度、消纳系统电表所测消纳量和锅炉自身运行状态;
步骤2:将N对观察数据组合为样本空间S,将样本空间S划分为K个连续均等的小样本空间,每个小样本空间含有n对观察数据(xi,yi):
步骤3:采用趋势数据法,通过相邻数据的变化率来对第Kz个小样本空间中的消纳系统监测数据进行优化;
步骤4:提取变化率的正负表示变化趋势,得到消纳系统监测数据的变化趋势数据集{mx},然后对变化趋势数据集{mx}进行编排秩次得到数据集{Pkz};
步骤5:采用趋势数据法,通过相邻数据的变化率对第Kz个小样本空间中的消纳系统指标数据进行优化;
步骤6:提取变化率的正负表示变化趋势,得到消纳系统指标数据的变化趋势数据集{my},然后对变化趋势数据集{my}进行编排秩次得到数据集{Qkz};
步骤7:根据数据集{Pkz}和{Qkz}计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz;
步骤8:对其余K-1个小样本空间重复步骤3至步骤7,获得K个小样本空间的K个秩序相关度rk=(rk1......rkz.......rkk);
步骤9:通过置信区间公式确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a)%可能性落到第Kz个小样本空间的秩相关度区间范围内,其中,a为显著性水平常数,ZN为不同置信度所对应的常数;
步骤10:通过单侧置信边界确定消纳系统监测数据相对于消纳系统指标数据的真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:用K个小样本空间所得样本秩相关度对真实秩相关度进行置信估计修正,并选下边界为真实秩相关度,即消纳系统监测数据在样本空间S下,真实秩相关度rreal有100*(1-a/2)%的可能性为
步骤11:对所有消纳系统监测数据分别执行步骤3至步骤11,得到所有p个消纳系统监测数据相对于同一消纳系统指标数据的秩相关度为:ro=(rreal1,rreal2...,rrealp);
步骤12:根据统计学原理筛选出的q个消纳系统监测数据作为影响消纳系统指标数据的主要因素,并作为模糊评价模块的因素集U,重新编排构成筛选后的因素形成变量向量组X=(X1,X2,...,Xq),秩相关度向量r=(r1,r2,...,rq);
步骤13:将秩相关向量进行模数归一化处理,获得权重向量Ω=(ω1,ω2,...,ωq);
步骤14:利用筛选后的因素构建评价集V=(v1,v2,...,vm);
步骤15:根据评价集V对因素集U中的每一个因素进行专家打分,得到每一个因素的隶属度向量Cq=(cq1,cq2,...,cqm);
步骤16:根据对因素集U中所有因素打分获得的隶属度向量Cq得到隶属度矩阵
步骤17:将权重向量Ω与隶属度矩阵C通过模糊算子进行计算,得到综合评价向量B=(b1,b2,...,bm);
步骤18:选取运行状态评分标准向量Y=(90,80,60,30)T,将综合评价向量B转换为评分分数。
3.根据权利要求2所述的评价方法,其特征在于,所述步骤7中计算消纳系统监测数据相对于消纳系统指标数据的秩相关度rkz的公式如下:
4.根据权利要求2所述的评价方法,其特征在于,所述步骤13中将秩相关向量进行模数归一化处理的公式如下:
5.根据权利要求2所述的评价方法,其特征在于,所述步骤17中将权重向量Ω与隶属度矩阵C通过模糊算子进行计算的公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146514.2A CN109242340B (zh) | 2018-09-29 | 2018-09-29 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146514.2A CN109242340B (zh) | 2018-09-29 | 2018-09-29 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242340A true CN109242340A (zh) | 2019-01-18 |
CN109242340B CN109242340B (zh) | 2021-08-27 |
Family
ID=65055318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811146514.2A Active CN109242340B (zh) | 2018-09-29 | 2018-09-29 | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242340B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN104901309A (zh) * | 2015-06-30 | 2015-09-09 | 上海交通大学 | 考虑风速相关性的电力系统静态安全评估方法 |
CN105740975A (zh) * | 2016-01-26 | 2016-07-06 | 云南电网有限责任公司电力科学研究院 | 一种基于数据关联关系的设备缺陷评估与预测方法 |
CN106300412A (zh) * | 2016-08-16 | 2017-01-04 | 南瑞(武汉)电气设备与工程能效测评中心 | 蓄热电锅炉实时消纳弃风电量能力的评估方法 |
CN106849173A (zh) * | 2017-03-23 | 2017-06-13 | 国网电力科学研究院 | 一种荷‑网‑源协调控制消纳风电安全性的评估方法 |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN107069783A (zh) * | 2017-01-17 | 2017-08-18 | 东北电力大学 | 蓄热式电锅炉融合储能系统优化控制方法 |
CN107256436A (zh) * | 2017-05-05 | 2017-10-17 | 国家电网公司 | 蓄热电锅炉与清洁能源的预测匹配和消纳控制方法 |
CN108171429A (zh) * | 2017-12-29 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种多基地直流外送的新能源消纳量化评价方法 |
CN108596481A (zh) * | 2018-04-24 | 2018-09-28 | 东莞理工学院 | 一种温室气体减排违约风险分析方法及系统 |
-
2018
- 2018-09-29 CN CN201811146514.2A patent/CN109242340B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801157A (zh) * | 2012-07-24 | 2012-11-28 | 江苏省电力设计院 | 基于Copula理论的风光互补发电系统可靠性评估方法 |
CN104331572A (zh) * | 2014-11-17 | 2015-02-04 | 南京工程学院 | 考虑风速和风电机组故障相关性的风电场可靠性建模方法 |
CN104901309A (zh) * | 2015-06-30 | 2015-09-09 | 上海交通大学 | 考虑风速相关性的电力系统静态安全评估方法 |
CN105740975A (zh) * | 2016-01-26 | 2016-07-06 | 云南电网有限责任公司电力科学研究院 | 一种基于数据关联关系的设备缺陷评估与预测方法 |
CN106300412A (zh) * | 2016-08-16 | 2017-01-04 | 南瑞(武汉)电气设备与工程能效测评中心 | 蓄热电锅炉实时消纳弃风电量能力的评估方法 |
CN107069783A (zh) * | 2017-01-17 | 2017-08-18 | 东北电力大学 | 蓄热式电锅炉融合储能系统优化控制方法 |
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN106849173A (zh) * | 2017-03-23 | 2017-06-13 | 国网电力科学研究院 | 一种荷‑网‑源协调控制消纳风电安全性的评估方法 |
CN107256436A (zh) * | 2017-05-05 | 2017-10-17 | 国家电网公司 | 蓄热电锅炉与清洁能源的预测匹配和消纳控制方法 |
CN108171429A (zh) * | 2017-12-29 | 2018-06-15 | 国电南瑞科技股份有限公司 | 一种多基地直流外送的新能源消纳量化评价方法 |
CN108596481A (zh) * | 2018-04-24 | 2018-09-28 | 东莞理工学院 | 一种温室气体减排违约风险分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
王振宇等: "基于弃风弃光同步消纳的荷网源协调思路与实时消纳电量评估方法研究", 《可再生能源》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109242340B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113746144B (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理系统 | |
Zhang et al. | GEFCom2014 probabilistic solar power forecasting based on k-nearest neighbor and kernel density estimator | |
CN104836259B (zh) | 一种多能源船舶微网实时能量优化调度方法 | |
CN115062478A (zh) | 基于数字孪生的动态车间生产排程调度方法、系统及介质 | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
CN109974231A (zh) | 冰蓄冷空调冰量规划方法、装置、设备及介质 | |
CN105157444B (zh) | 直接型空冷岛轴流风机智能控制方法及系统 | |
CN107612041A (zh) | 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法 | |
CN107994592A (zh) | 一种基于储热装置提高电网谷时电能负荷方法 | |
CN107403015A (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及系统 | |
CN102636624A (zh) | 铝电解过程电解槽中氧化铝浓度的软测量方法 | |
CN113887141A (zh) | 一种基于联邦学习的微电网群运行策略进化方法 | |
CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN108767855B (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
CN109242340A (zh) | 一种蓄热电锅炉消纳系统监测数据评价系统及其评价方法 | |
CN109902743A (zh) | 一种风电机组输出功率预测方法 | |
CN112784439A (zh) | 一种基于离散化模型的能源互联网规划方法及装置 | |
Luo et al. | Research on short-term air conditioning cooling load forecasting based on bidirectional LSTM | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
WO2024108641A1 (zh) | 一种基于低碳用能优化协同的区域碳排放智慧测量系统 | |
CN116826726A (zh) | 一种微电网发电量预测方法、装置及存储介质 | |
CN112886566A (zh) | 一种电网调峰需求计算方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |