CN110807599A - 电化学储能方案的决策方法、装置、服务器和存储介质 - Google Patents
电化学储能方案的决策方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN110807599A CN110807599A CN201911087713.5A CN201911087713A CN110807599A CN 110807599 A CN110807599 A CN 110807599A CN 201911087713 A CN201911087713 A CN 201911087713A CN 110807599 A CN110807599 A CN 110807599A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- alternative energy
- storage scheme
- scheme
- index
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012983 electrochemical energy storage Methods 0.000 title claims abstract description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 220
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供了一种电化学储能方案的决策方法、装置、服务器和存储介质。该电化学储能方案的决策方法包括：从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案。达到提高决策的效率的效果。
Description
技术领域
本发明实施例涉及智能决策技术领域，尤其涉及一种电化学储能方案的决策方法、装置、服务器和存储介质。
背景技术
储能技术分为物理储能、电磁储能、电化学储能、储热蓄冷等几种类型，其中，电化学储能在电源侧、电网侧、用户侧多场景得到蓬勃发展和普及应用。
目前，对于建立电化学储能的项目时，项目人员通过简单指标对比即确定电池类型，然后进行投资的计算，将满足预期的方案确定为最终的实施方案。
然而，目前的确定实施方案的方式，在多个备选方案决策得到实施方案的效率不高。此外，通过简单的指标对比确定实施方案，决策的结果不够准确。
发明内容
本发明实施例提供一种电化学储能方案的决策方法、装置、服务器和存储介质，以实现提高决策的效率的效果。
第一方面，本发明实施例提供了一种电化学储能方案的决策方法，包括：
从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
可选的，所述根据所述综合评估值得到备选储能方案对其他方案的综合偏好值，包括：
将所述综合评估值转化为第一模糊偏好关系；
基于预设模型计算每一组所述预设权重的重要性指数；
以所述重要性指数作为ICI算子中的顺序诱导变量，利用I-ICI算子对所述第一模糊偏好关系进行集结，得到第二模糊偏好关系；
根据预设模型确定每一备选储能方案的模糊密度及其参数、模糊测度；
将所述第二模糊偏好关系转化为相对模糊偏好关系；
以所述相对模糊偏好作为ICI算子中的顺序诱导变量，利用P-ICI算子对所述第二模糊偏好关系中的备选储能方案对其他方案偏好信息进行集结，得到备选储能方案对其他方案的综合偏好值。
可选的，在所述从数据库中调用多个备选储能方案作为备选储能方案集之后，包括：
对所述预设指标执行标度化处理和/或标准化处理。
可选的，所述对所述预设指标执行标度化处理，包括：
将所述预设指标的不同级别转换为属性值，所述属性值为与级别相关的数值。
可选的，所述预设指标包括收益型指标和成本型指标，所述对所述预设指标执行标准化处理，包括：
对所述收益型指标和成本型指标执行标准化处理。
可选的，根据如下公式对所述收益型指标和成本型指标执行标准化处理：
收益型指标：成本型指标：或
收益型指标：成本型指标：
其中，xij为方案i的第j个指标标准化后的指标值；xij′为方案i的第j个指标的原始数据值；xmax′和xmin′为全部备选方案中第j个指标的最大值和最小值；
和
为全部备选方案中第j个指标的最大值和最小值；i＝1,2,…,n；j＝1,2,…,m。
可选的，所述预设指标包括安全性、循环寿命、放电深度、最大充放电倍率、占地面积、单位投资、度电成本、内部收益率、净现值、投资回收期其中的一个或多个。
第二方面，本发明实施例提供了一种电化学储能方案的决策装置，包括：
调用模块，用于从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
计算模块，用于根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
综合偏好值确定模块，用于根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
输出模块，用于根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
第三方面，本发明实施例提供了一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的电化学储能方案的决策方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的电化学储能方案的决策方法。
本发明实施例通过从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案，解决了在多个实施方案决策得到实施方案的效率不高的问题，实现了提高决策的效率的效果。
附图说明
图1是本发明实施例一提供的一种电化学储能方案的决策方法的流程示意图；
图2是本发明实施例二提供的一种电化学储能方案的决策方法的流程示意图；
图3是本发明实施例三提供的一种电化学储能方案的决策装置的结构示意图；
图4是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一信息为第二信息，且类似地，可将第二信息称为第一信息。第一信息和第二信息两者都是信息，但其不是同一信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种电化学储能方案的决策方法的流程示意图，可适用于对电化学储能方案进行决策的场景，该方法可以由电化学储能方案的决策装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图1所示，本发明实施例一提供的电化学储能方案的决策方法包括：
S110、从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标。
其中，备选储能方案是指预先存储在数据库的方案。具体的，每一个备选储能方案包括一个或多个预设指标。备选方案可以是项目人员根据预设指标，提前制定好多个预设方案在数据库中，在需要进行决策时调用预设方案的部分或全部作为备选储能方案；也可以是输入预设指标后生成的备选储能方案，此处不作具体限制。备选储能方案集是指多个备选储能方案的集合，即备选储能方案集包括了多个备选储能方案。预设指标是指在确定备选储能方案时参考的指标。可选的，预设指标可以包括安全性、循环寿命、放电深度、最大充放电倍率、占地面积、单位投资、度电成本、内部收益率、净现值、投资回收期等，此处对于预设指标的具体指标不作限制。
S120、根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值。
其中，预设权重是指每一个预设指标的权重。可选的，预设权重可以是百分比的形式，每一个预设指标的预设权重的总和为1，此处不作限制。具体的，每一个预设指标有多组预设权重。以预设指标为循环寿命为例，则循环寿命的预设权重可以有0.3和0.2两组。可选的，预设权重为储能专家提前根据自身的丰富经验对每个指标进行配给，代表多个专家的评估信息。预设权重为储能专家配给时，则决策的结果更加准确。综合评估值是指备选储能方案的综合指标，通过备选储能方案中的预设指标对应的多组预设权重进行加权平均得到。示例性的，有两个备选储能方案A1和A2。A1方案有B1和C1两个预设指标，其中A1方案的第一组预设权重为D1(对应B1)和E1(对应C1)，A1方案的第二组预设权重为D2(对应B1)和E2(对应C1)，则A1方案的综合评估值为B1*D1+C1*E1；以及B1*D2+C1*E2两个综合评估值。A2方案有B2和C2两个指标，其中A2方案的第一组预设权重为D3(对应B2)和E3(对应C2)，A2方案的第二组预设权重为D4(对应B2)和E4(对应C2)，则A2方案的综合评估值为B2*D3+C2*E3；以及B2*D4+C2*E4两个综合评估值。在本实施例中，预设权重可以是储能专家配给，则一个备选储能方案的不同综合评估值可以看作是不同储能专家对同一个备选储能方案的评估。
S130、根据所述综合评估值得到备选储能方案对其他方案的综合偏好值。
其中，其他方案是指在备选储能方案集中，不同于该备选储能方案的方案。例如，备选储能方案集包括A1、A2和A3，则A1的其他方案为A2和A3。综合偏好值是指某一个备选储能方案相对于其他方案的参考值。可选的，可以根据每一个储能备选方案的多个综合评估值进行算术平均，将某一个备选储能方案的综合评估值的算术平均与其他方案的综合评估值的算术平均和的比值作为综合偏好值，此处不作限制。
在一可选的实施方式中，根据所述综合评估值得到备选储能方案对其他方案的综合偏好值可以包括：
将所述综合评估值转化为第一模糊偏好关系；
基于预设模型计算每一组所述预设权重的重要性指数；
以所述重要性指数作为ICI算子中的顺序诱导变量，利用I-ICI算子对所述第一模糊偏好关系进行集结，得到第二模糊偏好关系；
根据预设模型确定每一备选储能方案的模糊密度及其参数、模糊测度；
将所述第二模糊偏好关系转化为相对模糊偏好关系；
以所述相对模糊偏好作为ICI算子中的顺序诱导变量，利用P-ICI算子对所述第二模糊偏好关系中的备选储能方案对其他方案偏好信息进行集结，得到备选储能方案对其他方案的综合偏好值。
其中，预设权重为储能专家配给时，一个备选储能方案的不同综合评估值可以看作是不同储能专家对同一个备选储能方案的评估。第一模糊偏好关系是指对备选储能方案的个人偏好。示例性的，集合X上的一个模糊偏好关系R＝(rij)n×n是X×X上的一个模糊集，即rij＝μR(xi,xj)＝X×X→[0,1],
其中，rij表示xi优于xj的偏好程度，rij＝0.5表示xi与xj之间无差异，rij＞0.5表示xi优于xj，rij＜0.5表示xj优于xi；根据上述定义将前面得出的储能方案综合评估值转化为模糊偏好关系R＝{R1,R2,…,Rm}。
其中，预设模型是指分类识别理论中的计算模型。具体的，根据预设模型确定每位专家的模糊密度gi＝g(ei)。再根据
确定每一个专家的相应参数λ1，并根据
确定各个专家子集的λ模糊测度，再根据
计算每位专家的重要性
其中，n,t分别表示集合X,T的基数；
若μ是可加的模糊测度，即属性指标间不存在关联现象，则有
其中，第二模糊偏好关系是指专家群体的综合模糊偏好关系R＝(rij)。具体的，可以通过确定。其中
是集合
中的第k大的元素，使得A(k)＝{e(1),e(2),…,e(k)},
具体的，根据预设模型或预先预测各个备选储能方案重要性的方法确定每个备选储能方案的模糊密度gi及其相应参数λ2、λ模糊测度。
具体的，根据综合模糊偏好关系R，可得到它的相对偏好关系
把相对偏好关系
作为ICI算子中的顺序诱导变量，利用P-ICI算子对综合模糊偏好关系R中的备选储能方案ai对其他方案偏好信息进行集结，得到备选储能方案ai对其他方案的综合偏好值为
其中，二元组
中的
是
中的第j大的元素，B(j)＝{x(1),x(2),…,x(j)}。
当预设权重由储能专家配给时，体现多专家群体决策、考虑专家偏好、考虑指标间和方案间的关联性。
S140、根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
其中，目标储能方案是指进行实施的方案。具体的，可以是综合偏好值最大的备选储能方案为目标储能方案，也可以是将综合偏好值按顺序进行排序(例如综合偏好值从大到小排序)，根据排序的结果以及自身需求，用户选择其中的一个备选储能方案作为目标储能方案(例如综合偏好值第二大，但预设指标的数值最大)，此处不作具体限制，可以根据自己的需求，按照综合偏好值和预设指标的数值自行选择。例如，综合偏好值第二大，但内部收益率加权平均值最大，则可以将此备选储能方案作为目标储能方案。目标储能方案为最终的实施方案，即输出最终的实施方案。本实施例中通过综合偏好值从大到小给出排序参考，以在选择备选储能方案作为目标储能方案时更直观简单。
在一可选的实施方式中，对于每一次决策的结果进行保存。可选的，可以保存决策的时间、预设指标的具体指标，输出的目标储能方案等作为决策的结果进行保存，以作为历史数据，在以后的新方案决策中可以作为决策的参考。在上一次根据该决策的结果输出的目标储能方案进行实施的效果可以作为下一次决策的参考。
本发明实施例的技术方案，通过从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案，可以根据自身需求直接选择目标储能方案，达到提高决策的效率的技术效果。此外，通过多个指标和预设权重确定实施方案，决策的结果更加准确。当项目人员为储能专家时，通过科学方法集结多个专家的群体决策信息，决策结果更加科学合理。
实施例二
图2是本发明实施例二提供的一种电化学储能方案的决策方法的流程示意图。本实施例是在上述技术方案的进一步细化，适用于对电化学储能方案进行决策的场景。该方法可以由电化学储能方案的决策装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图2所示，本发明实施例二提供的电化学储能方案的决策方法包括：
S210、从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标。
其中，备选储能方案是指预先存储在数据库的方案。具体的，每一个备选储能方案包括一个或多个预设指标。备选储能方案集是指多个备选储能方案的集合，即备选储能方案集包括了多个备选储能方案。预设指标是指在确定备选储能方案时参考的指标。
S220、对所述预设指标执行标度化处理和/或标准化处理。
其中，标度化处理是指对预设指标进行量化的处理。标准化处理是指使预设指标基于统一标准去纲量化，更具备参考意义的处理。通过对预设指标进行标度化处理，使得定性指标变成定量指标。同时，标准化处理使得预设指标去除纲量，便于比较和计算。
在一可选的实施方式中，对所述预设指标执行标度化处理，可以包括：
将所述预设指标的不同级别转换为属性值，所述属性值为与级别相关的数值。
其中，属性值是指与级别相关的值。在本实施例中，属性值是与级别相关的数值。示例性的，预设指标为安全性，安全性采用5个等级，若方案安全性很低，则可取其属性值为1；若方案安全性较低，则可取其属性值为3；若方案安全性中等，则可取其属性值为5；若方案安全性较高，则可取其属性值为7；若方案安全性很高，则可取其属性值为9，此处不作限制。
在另一可选的实施方式中，预设指标包括收益型指标和成本型指标，所述对所述预设指标执行标准化处理，可以包括：
对所述收益型指标和成本型指标执行标准化处理。
其中，收益型指标是指与与预期目标正相关的指标，成本型指标是指与预期目标负相关的指标。示例性的，预设指标包括占地面积、单位投资、度电成本、内部收益率、净现值、投资回收期等指标时，收益型指标为内部收益率和净现值；成本型指标为占地面积、单位投资、度电成本和投资回收期。
可选的，根据如下公式对所述收益型指标和成本型指标执行标准化处理：
收益型指标：
成本型指标：
或
收益型指标：
成本型指标：其中，
xij为方案i的第j个指标标准化后的指标值；xij′为方案i的第j个指标的原始数据值；xmax′和xmin′为全部备选方案中第j个指标的最大值和最小值；
和
为全部备选方案中第j个指标的最大值和最小值；i＝1,2,…,n；j＝1,2,…,m。
S230、根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值。
其中，预设权重是指每一个预设指标的权重。可选的，预设权重可以是百分比的形式，每一个预设指标的预设权重的总和为1，此处不作限制。具体的，每一个预设指标有多组预设权重，当预设权重是储能专家配给时，代表多个专家的评估决策信息。
S240、根据所述综合评估值得到备选储能方案对其他方案的综合偏好值。
其中，其他方案是指在备选储能方案集中，不同于该备选储能方案的方案。综合偏好值是指某一个备选储能方案相对于其他方案的参考值。可选的，可以根据每一个储能备选方案的多个综合评估值进行算术平均，将某一个备选储能方案的综合评估值的算术平均与其他方案的综合评估值的算术平均和的比值作为综合偏好值，此处不作限制。
S250、根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
其中，目标储能方案是指进行实施的方案。具体的，可以是综合偏好值最大的备选储能方案为目标储能方案，也可以是将综合偏好值按顺序进行排序(例如综合偏好值从大到小排序)，根据排序的结果以及自身需求，用户选择其中的一个备选储能方案作为目标储能方案(例如综合偏好值第二大，但预设指标的数值最大)，此处不作具体限制，可以根据自己的需求，按照综合偏好值和预设指标的数值自行选择。例如，综合偏好值第二大，但内部收益率加权平均值最大，则可以将此备选储能方案作为目标储能方案。目标储能方案为最终的实施方案，即输出最终的实施方案。本实施例中通过综合偏好值从大到小给出排序参考，以在选择备选储能方案作为目标储能方案时更直观简单。
本发明实施例的技术方案，通过从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案，通过科学方法集结多个专家的群体决策信息，直接输出目标储能方案，达到提高决策的效率和技术效果。此外，通过多个指标和预设权重确定实施方案，决策的结果更加准确。此外，通过标度化和标准化处理，能加入更多的预设指标进行参考。
实施例三
图3是本发明实施例三提供的一种电化学储能方案的决策装置的结构示意图，本实施例可适用于对电化学储能方案进行决策的场景，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图3所示，本实施例提供的电化学储能方案的决策装置可以包括调用模块310、计算模块320、综合偏好值确定模块330和输出模块340，其中：
调用模块310，用于从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
计算模块320，用于根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
综合偏好值确定模块330，用于根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
输出模块340，用于根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
可选的，综合偏好值确定模块330包括：
转化单元，用于将所述综合评估值转化为第一模糊偏好关系；
计算单元，用于基于预设模型计算每一组所述预设权重的重要性指标；
第一集结单元，用于利用I-ICI算子对所述第一模糊偏好关系进行集结，得到第二模糊偏好关系；
密度确定单元：用于根据预设模型确定每一备选储能方案的模糊密度及其参数、模糊测度；
偏好转化单元：用于将所述第二模糊偏好关系转化为相对模糊偏好关系；
第二集结单元，用于利用P-ICI算子对所述第二模糊偏好关系中的备选储能方案对其他方案偏好信息进行集结，得到备选储能方案对其他方案的综合偏好值。
可选的，该装置还包括：
处理模块，用于对所述预设指标执行标度化处理和/或标准化处理。
可选的，该处理模块包括：
标度化处理单元，用于将所述预设指标的不同级别转换为属性值，所述属性值为与级别相关的数值。
可选的，所述预设指标包括收益型指标和成本型指标，该处理模块还包括：
标准化处理单元，用于对所述收益型指标和成本型指标执行标准化处理。
可选的，根据如下公式对所述收益型指标和成本型指标执行标准化处理：
收益型指标：
成本型指标：
或
收益型指标：
成本型指标：
其中，xij为方案i的第j个指标标准化后的指标值；xij′为方案i的第j个指标的原始数据值；xmax′和xmin′为全部备选方案中第j个指标的最大值和最小值；
和
为全部备选方案中第j个指标的最大值和最小值；i＝1,2,…,n；j＝1,2,…,m。
可选的，所述预设指标包括安全性、循环寿命、放电深度、最大充放电倍率、占地面积、单位投资、度电成本、内部收益率、净现值、投资回收期其中的一个或多个。
可选的，该装置还包括：
输入模块，用于备选储能方案及其多组预设指标输入和修改的信息，并将信息存入数据库。
可选的，该装置还包括：
处理模块，用于数据添加、修改与删除，预设指标的标度化处理、标准化处理、指标权重设定、模糊密度及模糊测度确定。
本发明实施例所提供的电化学储能方案的决策装置可执行本发明任意实施例所提供的电化学储能方案的决策方法，具备执行方法相应的功能模块和有益效果。本发明实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
实施例四
图4是本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器612的框图。图4显示的服务器612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，服务器612以通用服务器的形式表现。服务器612的组件可以包括但不限于：一个或者多个处理器616，存储装置628，连接不同系统组件(包括存储装置628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
服务器612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)630和/或高速缓存存储器632。终端612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储装置628中，这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
服务器612也可以与一个或多个外部设备614(例如键盘、指向终端、显示器624等)通信，还可与一个或者多个使得用户能与该服务器612交互的终端通信，和/或与使得该服务器612能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，服务器612还可以通过网络适配器620与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器620通过总线618与服务器612的其它模块通信。应当明白，尽管图中未示出，可以结合服务器612使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在存储装置628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的一种电化学储能方案的决策方法，该方法可以包括：
从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
本发明实施例的技术方案，通过从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案，可以根据自身需求直接选择目标储能方案，达到提高决策的效率的技术效果。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的一种电化学储能方案的决策方法，该方法可以包括：
从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
输出综合偏好值最大的备选储能方案作为目标储能方案。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例的技术方案，通过从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；根据所述综合偏好值在多个备选储能方案中输出目标储能方案，可以根据自身需求直接选择目标储能方案，达到提高决策的效率的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种电化学储能方案的决策方法，其特征在于，包括：
从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
2.如权利要求1所述的电化学储能方案的决策方法，其特征在于，所述根据所述综合评估值得到备选储能方案对其他方案的综合偏好值，包括：
将所述综合评估值转化为第一模糊偏好关系；
基于预设模型计算每一组所述预设权重的重要性指数；
以所述重要性指数作为ICI算子中的顺序诱导变量，利用I-ICI算子对所述第一模糊偏好关系进行集结，得到第二模糊偏好关系；
根据预设模型确定每一备选储能方案的模糊密度及其参数、模糊测度；
将所述第二模糊偏好关系转化为相对模糊偏好关系；
以所述相对模糊偏好作为ICI算子中的顺序诱导变量，利用P-ICI算子对所述第二模糊偏好关系中的备选储能方案对其他方案偏好信息进行集结，得到备选储能方案对其他方案的综合偏好值。
3.如权利要求1所述的电化学储能方案的决策方法，其特征在于，在所述从数据库中调用多个备选储能方案作为备选储能方案集之后，包括：
对所述预设指标执行标度化处理和/或标准化处理。
4.如权利要求3所述的电化学储能方案的决策方法，其特征在于，所述对所述预设指标执行标度化处理，包括：
将所述预设指标的不同级别转换为属性值，所述属性值为与级别相关的数值。
5.如权利要求3所述的电化学储能方案的决策方法，其特征在于，所述预设指标包括收益型指标和成本型指标，所述对所述预设指标执行标准化处理，包括：
对所述收益型指标和成本型指标执行标准化处理。
6.如权利要求5所述的电化学储能方案的决策方法，其特征在于，根据如下公式对所述收益型指标和成本型指标执行标准化处理：
收益型指标：
成本型指标：
或
收益型指标：
成本型指标：
其中，xij为方案i的第j个指标标准化后的指标值；xij′为方案i的第j个指标的原始数据值；xmax′和xmin′为全部备选方案中第j个指标的最大值和最小值；
和
为全部备选方案中第j个指标的最大值和最小值；i＝1,2,…,n；j＝1,2,…,m。
7.如权利要求1所述的电化学储能方案的决策方法，其特征在于，所述预设指标包括安全性、循环寿命、放电深度、最大充放电倍率、占地面积、单位投资、度电成本、内部收益率、净现值、投资回收期其中的一个或多个。
8.一种电化学储能方案的决策装置，其特征在于，包括：
调用模块，用于从数据库中调用多个备选储能方案作为备选储能方案集，每一个所述备选储能方案包括一个或多个预设指标；
计算模块，用于根据每一个所述备选储能方案的预设指标匹配多组预设权重，进行加权平均计算得到所述备选储能方案集的多个综合评估值；
综合偏好值确定模块，用于根据所述综合评估值得到备选储能方案对其他方案的综合偏好值；
输出模块，用于根据所述综合偏好值在多个备选储能方案中输出目标储能方案。
9.一种服务器，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的电化学储能方案的决策方法。
10.一种计算机可读存储介质，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中任一项所述的电化学储能方案的决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911087713.5A CN110807599A (zh) | 2019-11-08 | 2019-11-08 | 电化学储能方案的决策方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911087713.5A CN110807599A (zh) | 2019-11-08 | 2019-11-08 | 电化学储能方案的决策方法、装置、服务器和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110807599A true CN110807599A (zh) | 2020-02-18 |
Family
ID=69501658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911087713.5A Pending CN110807599A (zh) | 2019-11-08 | 2019-11-08 | 电化学储能方案的决策方法、装置、服务器和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110807599A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613661A (zh) * | 2020-12-23 | 2021-04-06 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
-
2019
- 2019-11-08 CN CN201911087713.5A patent/CN110807599A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613661A (zh) * | 2020-12-23 | 2021-04-06 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
| CN112613661B (zh) * | 2020-12-23 | 2022-06-28 | 浙江浙能电力股份有限公司萧山发电厂 | 一种多类型电池应用于储能的判断选择系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112633316B (zh) | 一种基于边界估值理论的负荷预测方法和装置 | |
| CN109753356A (zh) | 一种容器资源调度方法、装置及计算机可读存储介质 | |
| CN117078048B (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
| CN109558248A (zh) | 一种用于确定面向海洋模式计算的资源分配参数的方法及系统 | |
| CN115330435A (zh) | 一种碳排放权价格指标体系建立方法、装置、设备及介质 | |
| CN113420165B (zh) | 二分类模型的训练、多媒体数据的分类方法及装置 | |
| CN117749636A (zh) | 电力业务和通信网络适配方法及装置 | |
| CN110807599A (zh) | 电化学储能方案的决策方法、装置、服务器和存储介质 | |
| CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
| CN112053006A (zh) | 基于迁移学习的冷热电联供系统优化时间加速方法及系统 | |
| CN115016911A (zh) | 面向大规模联邦学习的任务编排方法、装置、设备和介质 | |
| CN114268625B (zh) | 特征选择方法、装置、设备及存储介质 | |
| CN110852507A (zh) | 电化学储能方案的预测方法、装置、服务器和存储介质 | |
| CN116843203B (zh) | 服务接入处理方法、装置、设备、介质及产品 | |
| CN116703248B (zh) | 数据审核方法、装置、电子设备及计算机可读存储介质 | |
| CN118244871B (zh) | 一种智能手表双芯片系统切换的屏幕显示方法及系统 | |
| CN115809734A (zh) | 一种基于动态训练集的低碳园区建筑负荷预测方法 | |
| CN115545107A (zh) | 一种基于海量电力数据的云计算方法、系统 | |
| CN118567854A (zh) | 云平台存储设备管理方法及系统 | |
| CN117633531A (zh) | 光伏出力场景缩减方法、模型训练方法、装置和存储介质 | |
| CN118538358A (zh) | 免疫系统治疗信息管理平台 | |
| CN116861273A (zh) | 划分参数确定方法、装置、计算机设备和存储介质 | |
| CN116843203A (zh) | 服务接入处理方法、装置、设备、介质及产品 | |
| CN118626868A (zh) | 换电预测模型的训练方法、系统、设备及存储介质 | |
| CN118693778A (zh) | 计及用户意愿光储直柔架构资源动态聚合调控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240408 Address after: Room 407, Building 7, No. 6 Libin Road, Songshanhu Park, Dongguan City, Guangdong Province, 523808 Applicant after: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region after: China Address before: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong Applicant before: HUARUN WISDOM ENERGY Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right |