CN111507565A - 一种储能电站在调频应用场景下的性能评价方法及系统 - Google Patents
一种储能电站在调频应用场景下的性能评价方法及系统 Download PDFInfo
- Publication number
- CN111507565A CN111507565A CN202010174182.XA CN202010174182A CN111507565A CN 111507565 A CN111507565 A CN 111507565A CN 202010174182 A CN202010174182 A CN 202010174182A CN 111507565 A CN111507565 A CN 111507565A
- Authority
- CN
- China
- Prior art keywords
- index
- frequency modulation
- energy storage
- power station
- storage power
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 155
- 238000011156 evaluation Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000010606 normalization Methods 0.000 claims abstract description 27
- 238000010219 correlation analysis Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000003313 weakening effect Effects 0.000 claims description 16
- 238000013139 quantization Methods 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 13
- 230000002457 bidirectional effect Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000003399 chemotactic effect Effects 0.000 description 2
- 230000035605 chemotaxis Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- 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
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种储能电站在调频应用场景下的性能评价方法，包括：获取储能电站的监测数据和参与调频的电量数据；基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；基于所述综合评分评价所述储能电站在调频应用场景下的性能；其中，所述监测数据，包括：调频响应情况和PCS故障情况；充分考虑储能电站在调频应用中的速度快、精确控制、双向调节能力的特性优势，更加精准地评价储能电站的调频性能，促进储能电站为系统带来优质的调频服务。
Description
技术领域
本发明属于电力系统需求响应和频率控制技术领域，具体涉及一种储能电站在调频应用场景下的性能评价方法及系统。
背景技术
大规模的新能源发电集中式入网已经展开。但新能源发电的间歇性和随机性问题，加上负荷的波动性，给电网的功率平衡和频率稳定带来了严重挑战。随着蓄电池等新型大容量储能技术的快速发展，储能电站技术开始应用于调频领域。各省市能源监管机构相继出台了相关调频辅助服务市场机制，旨在促进储能在电力调频市场中的应用。相比于传统机组调频方式，储能电站具有速度快、精确控制、双向调节能力等特性优势，所能提供的调频质量远高于传统机组。
目前正处于电力体制改革初期，电力市场建设经验不足，尚未建立起完整的考虑储能电站优势的调频评价体系，在现有调频性能评价体系下，储能电站与传统机组在提供相同调频容量的情况下，两者的评价效果是相同的，这显然不能体现储能电站的技术优势，不利于调频资源的优化配置。因此，建立基于储能电站的特性优势的调频场景下储能电站的电网应用性能评价指标显得更加迫切。
发明内容
针对现有的目前电力市场建设经验不足，尚未建立起完整的考虑储能电站速度快、精确控制、双向调节能力的调频优势的调频评价体系，不利于调频资源的优化配置的不足，本发明提供了一种储能电站在调频应用场景下的性能评价方法，具体包括：
获取储能电站的监测数据和参与调频的电量数据；
基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
基于所述综合评分评价所述储能电站在调频应用场景下的性能；
其中，所述监测数据，包括：调频响应情况和PCS故障情况。
优选的，所述评价指标体系的构建，包括：
基于储能电站的调频特性确定调频精确度、调频相关性、调频响应时间、调频速率、储能电站SOC状态、储能电站PCS故障率的评价指标；
并基于调频精确度、调频相关性、调频响应时间、调频速度、储能电站SOC状态和储能电站PCS故障率的计算式进行量化处理。
优选的，所述调频速度的计算式如下所示：
式中，S4为调频速度，PE、PS分别为响应前后储能电站出力，TE、TS分别开始时间、结束时间。
优选的，所述调频精确度的计算式如下式所示：
式中，S1为调频需求量与调频里程之间的差值，Rt、St分别为t时刻的调频里程和调频需求量，V为一个调度周期内调频需求量的均值，n为一个调度周期内的调频信号个数；
所述调频相关性的计算式如下式所示：
式中，S2为调频信号与响应值之间的相关程度，Rt+δ为t+δ时刻的调频里程，δ为储能电站响应延迟时间；
所述调频响应时间的计算式如下式所示：
式子，S3为储能电站响应滞后于调频信号的时间，Tmax指一个调度周期内调频资源的最大响应时间；
所述储能电站SOC状态的计算式如下所示：
式中，S5为储能电站SOC状态，Cremain为储能电站的剩余电量，Cmax为储能电站的最大电量；
所述储能电站PCS故障率的计算式如下所示：
式中，S6为储能电站PCS故障率。优选的，所述基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标，包括：
基于所述储能电站的监测数据和参与调频的电量数据对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算；
对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标。
优选的，所述对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算，包括：
采用Pearson相关系数，确定指标间的相关系数；
基于相关系数的计算，对每项指标权重进行弱化，计算指标间的权重弱化因子；
基于指标间的权重弱化因子，计算单项指标总调整因子；
基于所述单项指标总调整因子，计算指标相关性调整因子。
优选的，所述对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标，包括：
基于数据分布拟合的隶属度函数，对经相关性分析后的评价指标分为正指标、逆指标和区间型指标；
基于数据分布拟合的隶属度函数，对各分类的评价指标选择隶属函数类型进行同趋化；
基于各分类的评价指标选择的隶属函数类型，进行统一评分标准；
其中，所述正指标包括：调频精确度、调频相关性、调频速率和调频响应时间；
所述负指标包括：储能电站PCS故障率；
所述区间型指标包括：储能电站SOC状态。
优选的，所述基于数据分布拟合的隶属度函数，对各分类的评价指标选择隶属函数类型进行同趋化，包括：
对于正指标，采用戎上型的隶属函数；对于逆指标，采用戎下型的隶属函数；对于区间型指标，采用中间型的隶属度函数。
优选的，所述基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，包括：
基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重；
根据所述正指标、逆指标和区间型指标和所述权重得到综合评分。
优选的，所述基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重，包括：
基于熵权法和变异系数法，考虑所述正指标、逆指标和区间型指标的信息量和数据分布，求得初始客观权重；
基于所述初始客观权重和所述相关性调整因子，得到综合权重。
优选的，所述综合评分的计算式如下：
式中，Fk为第k个储能电站的评分，Si第i个指标的量化结果，n为储能电站的总个数，
为综合权重系数。
基于同一构思，本发明提供了一种储能电站在调频应用场景下的性能评价系统，包括：获取模块、处理模块、评分模块和评价模块；
所述获取模块，用于获取储能电站的监测数据和参与调频的电量数据；
所述处理模块，基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
所述评分模块，用于基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
所述评价模块，用于基于所述综合评分评价所述储能电站在调频应用场景下的性能；
其中，所述监测数据，包括：调频响应情况和PCS故障情况。
优选的，所述处理模块，包括：指标子模块和量化子模块；
所述指标子模块，用于基于储能电站的调频特性确定调频精确度、调频相关性、调频响应时间、调频速率、储能电站SOC状态、储能电站PCS故障率的评价指标；
所述量化子模块，基于调频精确度、调频相关性、调频响应时间、调频速度、储能电站SOC状态和储能电站PCS故障率的计算式进行量化处理。
优选的，所述处理模块，还包括：分析子模块和归一化子模块；
所述分析子模块，基于所述储能电站的监测数据和参与调频的电量数据对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算；
所述归一化子模块，用于对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标。
优选的，所述评分模块，包括：权重设置子模块和综合评分子模块；
所述权重设置子模块，用于基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重；
所述综合评分子模块，用于根据所述正指标、逆指标和区间型指标和所述权重得到综合评分。
与现有技术相比，本发明的有益效果为：
1、本发明提供了一种储能电站在调频应用场景下的性能评价方法，包括：获取储能电站的监测数据和参与调频的电量数据；基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；基于所述综合评分评价所述储能电站在调频应用场景下的性能；其中，所述监测数据，包括：调频响应情况和PCS故障情况；充分考虑储能电站在调频应用中的速度快、精确控制、双向调节能力的特性优势，更加精准地评价储能电站的调频性能，促进储能电站为系统带来优质的调频服务。
附图说明
图1为本发明提供的一种储能电站在调频应用场景下的性能评价方法的方法流程图；
图2为本发明实施例提供的一种储能电站在调频应用场景中评价体系流程图；
图3为本发明实施例提供的一种综合评分具体算法图。
具体实施方式
结合附图对本发明实施例作进一步说明。
实施例1：
本发明提供了一种储能电站在调频应用场景下的性能评价方法，结合图1的方法流程图进行介绍，具体包括：
步骤1：获取储能电站的监测数据和参与调频的电量数据；
步骤2：基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
步骤3：基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
步骤4：基于所述综合评分评价所述储能电站在调频应用场景下的性能；
其中，步骤1：获取储能电站的监测数据和参与调频的电量数据，具体包括：
1、根据储能电站相比于传统机组调频，具有调频速度快，精确控制以及双向调节的能力，为充分体现储能电站在调频中的优势，促进储能电站电量的资源优化配置；
步骤2：基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标，具体包括：
1)考虑储能电站参与调频的特性优势，确定更完善的评价指标；
2)对各评价指标进行量化处理并进行相关性分析；
3)为了统一不同指标的基本度量单位，对指标进行归一化处理；
2.调频指标，主要包括：调频精确度、调频相关性、调频响应时间、调频速率、SOC状态、储能电站PCS故障率。
3.引入调频精确度、调频相关性、调频响应时间、调频速率、SOC状态、PCS故障率这些新的指标，对各性能指标进行量化如下：
(1)调频精确度：调频需求量与调频里程之间的差值
其中，Rt、St分别为t时刻的调频里程和调频需求量，V为一个调度周期内调频需求量的均值，n为一个调度周期内的调频信号个数。
(2)调频相关性：调频信号与响应值之间的相关程度；
其中，Rt+δ为t+δ时刻的调频里程，δ为储能电站响应延迟时间，n为一个调度周期内的调频信号个数；
(3)调频响应时间：储能电站响应滞后于调频信号的时间
其中，Tmax指一个调度周期内调频资源的最大响应时间，δ为储能电站响应延迟时间；
(4)调频速度：储能电站的爬坡速度
其中，PE、PS分别为响应前后储能电站出力，TE、TS分别开始时间、结束时间；
(5)储能电站SOC：
其中，Cremain为储能电站的剩余电量，Cmax为储能电站的最大电量；
(6)储能电站PCS故障率：
4.为了避免指标的重复计算，2)包括：
2.1，采用Pearson相关系数，确定两两指标间的相关系数；
其中，
xij为第i项指标的j第组值，
则每项指标的平均值，
为第i个指标的标准差，
为第j个指标的标准差，xik为第k个储能电站的第i个指标，xjk为第k个储能电站的第i个指标，Xi为第i个指标，Xj为第j个指标。
2.2，计算两两指标间的权重弱化因子
相关系数反映了两两指标在趋势上的一致性，相关系数越大，则这两项指标的趋势存在更明显的关联，其实际代表性越小。基于相关系数的计算，对每项指标权重进行弱化，每项指标实际代表性为(1-0.5|rij|)，即两两指标间的权重弱化因子为：
2.3，计算单项指标总调整因子
对于任意一项指标，均可能与多项指标存在相关性，因此总调整因子应是其与其他所有指标两两调整因子的乘积；
2.4，计算指标相关性调整因子
总调整因子存在两极分布较为严重的情况，可能会放大或缩小某些指标的作用，因此需对其进行平滑处理，避免分布过于极端。对调整因子进行对数归一化，得到相关性调整因子为
5.为了归纳统一各量化指标的统计分布性，使基本度量单位统一，要对各指标数值进行评分归一化。虽然储能电站性能评价体系指标数据较为具体完整，但各储能电站性能的好坏本身具有模糊性，因此，提出基于数据分布拟合的隶属度函数对评分进行归一化。
首先需要对指标的性质进行分类。对于储能电站评价体系，可分为正指标、逆指标和间型指标，先将其同趋化，将每个指标的数值对应到统一标准下的具体评分，使其相互之间具有可比性。
针对各指标的数据分布特点，确定各指标的隶属度函数。隶属度函数可以是线性的，也可以是非线性的，需要视指标数据的分布情况来拟合。常规隶属函数的分布主要有三种：戎上型、戎下型和中间型。对于正指标，采用戎上型的隶属函数；对于逆指标，采用戎下型的隶属函数；对于区间型指标，采用中间型的隶属度函数。
步骤3：基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，具体包括：
4、基于数据驱动的权重优化方法，对各指标进行权重设置；
5、建立储能电站在调频应用中的多维度评价指标体系；
6.对指标的性质进行分类，将不同类型指标同趋化，将每个指标的数值对应到统一标准下的具体评分，使其相互之间具有可比性，可分为：
正指标：指标原始数值越大，相应评分也应该越高。在该评价体系中，调频精确度、调频相关性、调频速率、调频响应时间均是正指标。
逆指标：指标原始数值越大，相应评分应该越低。如储能电站PCS故障率。
区间型指标：当指标数值分布在某一范围时，评分最高。针对储能电站向上调频和向下调频两种工况，当储能电站SOC状态在0.4-0.6之间时，调频性能最均衡，应获得较高评分。
7.基于数据驱动的权重优化方法，设置各个性能指标的权重。
为了解决目前储能电站性能评价权重设置受主观经验影响较大的问题，结合储能电站性能指标数据分布较混乱，极差较大且数据完整的特点，从数据驱动的角度，采用熵权法和变异系数法设置客观权重。
综合考虑熵权和变异系数，因这两种方法分别从信息量和数据分布两个角度考虑，并无明显主次关系，故直接平均求得初始客观权重为
式中，m为储能电站指标个数；
基于相关性调整因子和初始客观权重的分析，得到综合权重并进归一化处理：
其中，
为综合权重系数，Gi为归一化的相关性调整因子，m为储能电站性能指标个数；
8.从数据驱动的角度，采用熵权法和变异系数法设置客观权重。
(1)熵权法
熵权法是一种客观赋权法，应用信息熵理论来确定客观权重，反映各指标原始数据中所呈现的信息量的多少。若某个指标在数值上的差异大，则其熵就小，反映的信息多，对应权重也较大。我们对比分析了熵权法、层次分析法、德尔菲法，在数据较为完整的情况下，熵权法设置权重的准确性最高。对于储能电站，所选指标数值容易获取，数据完整，但各电站由于规模、特性参数的原因，各指标数值间可能存在较大差异，因此，权重的设置适合采用熵权法。
对包含各项指标数值的每一组数据，计算第j组数据中第i个指标所占的比重为
计算第i个指标的熵值为
其中ei均为正值。
则第i项指标的熵权为
式中，ei为第i个指标的熵值，ei为正值；
(2)变异系数法
变异系数反映指标之间的差异程度，适用于指标独立性较强的情况。指标分布范围越广，变异系数越大。对于储能电站，各指标数据的独立性较强，同时，熵权受特殊数据的影响较大，为减小储能电站特殊运行状况对评价体系的影响，我们采用变异系数法来平衡熵权的缺陷。
第i项指标的变异系数为
其中，σi为指标标准差，
为指标平均值。
则各指标变异系数权重为
其中，Vi为第i项指标的变异系数。
9.根据前述指标量化后的结果和权重设置结果，加权即可得到综合评分。
其中，Fk为第k个储能电站的评分，Si第i个指标的量化结果，n为储能电站的总个数，m为储能电站指标个数，
为综合权重系数。
步骤4：基于所述综合评分评价所述储能电站在调频应用场景下的性能，具体包括：
为充分体现储能电站在调频中的优势，不再采用单一的调频容量来衡量调频性能，而是选取更多的性能指标来评价储能电站的调频性能。
实施例2：
基于同一构思，本发明提供了一种储能电站在调频应用场景下的性能评价系统，如图2所示，具体包括：
步骤1：获取模块获取储能电站的监测数据和参与调频的电量数据；
步骤2：处理模块基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
步骤3：评分模块基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
步骤4：评价模块基于所述综合评分评价所述储能电站在调频应用场景下的性能。
其中，步骤1：获取模块获取储能电站的监测数据和参与调频的电量数据，具体包括：
根据储能电站相比于传统机组调频，具有调频速度快，精确控制以及双向调节的能力，为充分体现储能电站在调频中的优势，促进储能电站电量的资源优化配置；
步骤2：处理模块基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标，具体包括：
评价指标包括：调频精确度、调频相关性、调频响应时间、调频速率、SOC状态。
2.1，因为所选用指标间可能存在一定的相关性，如调频相关性与调频精确性，这会影响评价的准确性，因此，采用Pearson相关系数，确定两两指标间的相关系数。
其中，
2.2，计算两两指标间的权重弱化因子
相关系数反映了两两指标在趋势上的一致性，相关系数越大，则这两项指标的趋势存在更明显的关联，其实际代表性越小。
若两个指标之间相关系数不为零，则每项指标实际代表性为(1-0.5|rij|)，因此应对每项指标权重进行弱化，即两两指标间的权重弱化因子为：
2.3，计算单项指标总调整因子
对于任意一项指标，均可能与多项指标存在相关性，因此总调整因子应是其与其他所有指标两两调整因子的乘积：
2.4，计算指标相关性调整因子
总调整因子存在两极分布较为严重的情况，可能会放大或缩小某些指标的作用，因此需对其进行平滑处理，避免分布过于极端。
对调整因子进行对数归一化，得到相关性调整因子为：
为了归纳统一各量化指标的统计分布性，使基本度量单位同一，要对各指标数值进行评分归一化。虽然储能电站性能评价体系指标数据较为具体完整，但各储能电站性能的好坏本身具有模糊性，因此，提出基于数据分布拟合的隶属度函数对评分进行归一化。
首先需要对指标的性质进行分类。
因为对于正指标、逆指标和区间型指标，不可直接用于加权计算，必须先将其同趋化，将每个指标的数值对应到统一标准下的具体评分，使其相互之间具有可比性。
针对各指标的数据分布特点，确定各指标的隶属度函数。
隶属度函数可以是线性的，也可以是非线性的，需要视指标数据的分布情况来拟合。
常规隶属函数的分布主要有三种：戎上型、戎下型和中间型。
对于正指标，采用戎上型的隶属函数；
对于逆指标，采用戎下型的隶属函数；
对于区间型指标，采用中间型的隶属函数。
对指标的性质进行分类，将不同类型指标同趋化，将每个指标的数值对应到统一标准下的具体评分，使其相互之间具有可比性，可分为：
正指标：指标原始数值越大，相应评分也应该越高。
在该评价体系中，调频精确度、调频相关性、调频速率、储能电站PCS可投运率均是正指标。
逆指标：指标原始数值越大，相应评分应该越低，如调频响应时间。
区间型指标：当指标原始数值位于某一固定范围内时，会获得较高的评分，如SOC状态。
步骤3：评分模块基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，具体包括：
基于数据驱动的权重优化方法，设置各个性能指标的权重。
为了解决目前储能电站性能评价权重设置受主观经验影响较大的问题，结合储能电站性能指标数据分布较混乱，极差较大的特点，从数据驱动的角度，采用熵权法和变异系数法设置客观权重。
如图3为该体系权重设置方法，综合考虑熵权和变异系数，因这两种方法分别从信息量和数据分布两个角度考虑，并无明显主次关系，故直接平均求得初始客观权重为：
基于相关性调整因子和初始客观权重的分析，得到综合权重并进归一化处理：
从数据驱动的角度，采用熵权法和变异系数法设置客观权重。
熵权法是一种客观赋权法，应用信息熵理论来确定客观权重，反映各指标原始数据中所呈现的信息量的多少。
若某个指标在数值上的差异大，则其熵就小，反映的信息多，对应权重也较大。
对于储能电站，所选指标数值容易获取，数据完整，但各电站由于规模、特性参数的原因，各指标数值间可能存在较大差异，因此，权重的设置适合采用熵权法。
对包含各项指标数值的每一组数据，计算第j组数据中第i个指标所占的比重为
计算第i个指标的熵值为
其中ei均为正值。
则第i项指标的熵权为
变异系数反映指标分布的分散程度。
指标分布范围越广，变异系数越大，熵权受特殊数据的影响较大，变异系数一定程度上可以平衡熵权的缺陷。
第i项指标的变异系数为
其中，σi为指标标准差，
为指标平均值。
则各指标变异系数权重为
最终，根据前述指标量化后的结果和权重设置结果，加权即可得到综合评分。
式中，Fk为第k个储能电站的评分。
步骤4：评价模块基于所述综合评分评价所述储能电站在调频应用场景下的性能，具体包括：
根据储能电站相比于传统机组调频，具有调频速度快，精确控制以及双向调节的能力，为充分体现储能电站在调频中的优势，不再采用单一的调频容量来衡量调频性能，而是选取更多的性能指标来评价储能电站的调频性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (15)
1.一种储能电站在调频应用场景下的性能评价方法，其特征在于，包括：
获取储能电站的监测数据和参与调频的电量数据；
基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
基于所述综合评分评价所述储能电站在调频应用场景下的性能；
其中，所述监测数据，包括：调频响应情况和PCS故障情况。
2.如权利要求1所述的方法，其特征在于，所述评价指标体系的构建，包括：
基于储能电站的调频特性确定调频精确度、调频相关性、调频响应时间、调频速率、储能电站SOC状态、储能电站PCS故障率的评价指标；
并基于调频精确度、调频相关性、调频响应时间、调频速度、储能电站SOC状态和储能电站PCS故障率的计算式进行量化处理。
3.如权利要求2所述的方法，其特征在于，所述调频速度的计算式如下所示：
式中，S4为调频速度，PE、PS分别为响应前后储能电站出力，TE、TS分别开始时间、结束时间。
4.如权利要求2所述的方法，其特征在于，所述调频精确度的计算式如下式所示：
式中，S1为调频需求量与调频里程之间的差值，Rt、St分别为t时刻的调频里程和调频需求量，V为一个调度周期内调频需求量的均值，n为一个调度周期内的调频信号个数；
所述调频相关性的计算式如下式所示：
式中，S2为调频信号与响应值之间的相关程度，Rt+δ为t+δ时刻的调频里程，δ为储能电站响应延迟时间；
所述调频响应时间的计算式如下式所示：
式子，S3为储能电站响应滞后于调频信号的时间，Tmax指一个调度周期内调频资源的最大响应时间；
所述储能电站SOC状态的计算式如下所示：
式中，S5为储能电站SOC状态，Cremain为储能电站的剩余电量，Cmax为储能电站的最大电量；
所述储能电站PCS故障率的计算式如下所示：
式中，S6为储能电站PCS故障率。
5.如权利要求3所述的方法，其特征在于，所述基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标，包括：
基于所述储能电站的监测数据和参与调频的电量数据对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算；
对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标。
6.如权利要求5所述的方法，其特征在于，所述对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算，包括：
采用Pearson相关系数，确定指标间的相关系数；
基于相关系数的计算，对每项指标权重进行弱化，计算指标间的权重弱化因子；
基于指标间的权重弱化因子，计算单项指标总调整因子；
基于所述单项指标总调整因子，计算指标相关性调整因子。
7.如权利要求4所述的方法，其特征在于，所述对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标，包括：
基于数据分布拟合的隶属度函数，对经相关性分析后的评价指标分为正指标、逆指标和区间型指标；
基于数据分布拟合的隶属度函数，对各分类的评价指标选择隶属函数类型进行同趋化；
基于各分类的评价指标选择的隶属函数类型，进行统一评分标准；
其中，所述正指标包括：调频精确度、调频相关性、调频速率和调频响应时间；
所述负指标包括：储能电站PCS故障率；
所述区间型指标包括：储能电站SOC状态。
8.如权利要求7所述的方法，其特征在于，所述基于数据分布拟合的隶属度函数，对各分类的评价指标选择隶属函数类型进行同趋化，包括：
对于正指标，采用戎上型的隶属函数；对于逆指标，采用戎下型的隶属函数；对于区间型指标，采用中间型的隶属度函数。
9.如权利要求6所述的方法，其特征在于，所述基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，包括：
基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重；
根据所述正指标、逆指标和区间型指标和所述权重得到综合评分。
10.如权利要求9所述的方法，其特征在于，所述基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重，包括：
基于熵权法和变异系数法，考虑所述正指标、逆指标和区间型指标的信息量和数据分布，求得初始客观权重；
基于所述初始客观权重和所述相关性调整因子，得到综合权重。
11.如权利要求9所述的方法，其特征在于，所述综合评分的计算式如下：
式中，Fk为第k个储能电站的评分，Si第i个指标的量化结果，n为储能电站的总个数，
为综合权重系数。
12.一种储能电站在调频应用场景下的性能评价系统，其特征在于，包括：获取模块、处理模块、评分模块和评价模块；
所述获取模块，用于获取储能电站的监测数据和参与调频的电量数据；
所述处理模块，基于所述储能电站的监测数据和参与调频的电量数据与预先构建的评价指标体系进行相关性分析和归一化处理得到正指标、逆指标和区间型指标；
所述评分模块，用于基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分；
所述评价模块，用于基于所述综合评分评价所述储能电站在调频应用场景下的性能；
其中，所述监测数据，包括：调频响应情况和PCS故障情况。
13.如权利要求12所述的系统，其特征在于，所述处理模块，包括：指标子模块和量化子模块；
所述指标子模块，用于基于储能电站的调频特性确定调频精确度、调频相关性、调频响应时间、调频速率、储能电站SOC状态、储能电站PCS故障率的评价指标；
所述量化子模块，基于调频精确度、调频相关性、调频响应时间、调频速度、储能电站SOC状态和储能电站PCS故障率的计算式进行量化处理。
14.如权利要求13所述的系统，其特征在于，所述处理模块，还包括：分析子模块和归一化子模块；
所述分析子模块，基于所述储能电站的监测数据和参与调频的电量数据对经所述量化处理的评价指标进行相关系数、权重弱化因子、单项指标总调整因子和指标相关性调整因子的计算；
所述归一化子模块，用于对经相关性分析后的评价指标进行归一化处理得到正指标、逆指标和区间型指标。
15.如权利要求12所述的系统，其特征在于，所述评分模块，包括：权重设置子模块和综合评分子模块；
所述权重设置子模块，用于基于数据驱动的权重优化方法，对基于数据驱动的权重优化方法，对所述正指标、逆指标和区间型指标设置权重得到综合评分，采用熵权法和变异系数法设置客观权重；
所述综合评分子模块，用于根据所述正指标、逆指标和区间型指标和所述权重得到综合评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174182.XA CN111507565A (zh) | 2020-03-13 | 2020-03-13 | 一种储能电站在调频应用场景下的性能评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010174182.XA CN111507565A (zh) | 2020-03-13 | 2020-03-13 | 一种储能电站在调频应用场景下的性能评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111507565A true CN111507565A (zh) | 2020-08-07 |
Family
ID=71875777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010174182.XA Pending CN111507565A (zh) | 2020-03-13 | 2020-03-13 | 一种储能电站在调频应用场景下的性能评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507565A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394293A (zh) * | 2020-11-18 | 2021-02-23 | 中国电力科学研究院有限公司 | 一种储能系统性能和状态的在线评估装置及方法和系统 |
| CN112561254A (zh) * | 2020-12-01 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 一种用于储能电站的性能评价系统 |
| CN113705989A (zh) * | 2021-08-17 | 2021-11-26 | 上海交通大学 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
-
2020
- 2020-03-13 CN CN202010174182.XA patent/CN111507565A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112394293A (zh) * | 2020-11-18 | 2021-02-23 | 中国电力科学研究院有限公司 | 一种储能系统性能和状态的在线评估装置及方法和系统 |
| CN112561254A (zh) * | 2020-12-01 | 2021-03-26 | 南方电网调峰调频发电有限公司 | 一种用于储能电站的性能评价系统 |
| CN112561254B (zh) * | 2020-12-01 | 2023-08-01 | 南方电网调峰调频发电有限公司 | 一种用于储能电站的性能评价系统 |
| CN113705989A (zh) * | 2021-08-17 | 2021-11-26 | 上海交通大学 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
| CN113705989B (zh) * | 2021-08-17 | 2023-12-08 | 上海交通大学 | 基于数据驱动和偏差判据的虚拟电厂用户响应检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543737B (zh) | 一种基于fahp_fca组合赋权的信息系统健康度评估方法 | |
| US20210056647A1 (en) | Method for multi-dimensional identification of flexible load demand response effect | |
| CN111507565A (zh) | 一种储能电站在调频应用场景下的性能评价方法及系统 | |
| CN105046591A (zh) | 一种电力用户用电能效评估方法 | |
| CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
| CN114638425B (zh) | 一种基于历史数据的大用户月度用电量预测方法及系统 | |
| CN111222787A (zh) | 受端电网规模化储能商业模式决策方法及系统 | |
| CN111080155A (zh) | 一种基于生成对抗网络的空调用户调频能力评估方法 | |
| CN112001644A (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
| CN112084220B (zh) | 一种电能计量装置异常诊断方法、装置及可读存储介质 | |
| CN111598387A (zh) | 一种于多维度确定电能表质量的方法及系统 | |
| CN108684058B (zh) | 一种基于fahp-集成学习的lte小区负载评价方法 | |
| CN118249383B (zh) | 一种储能电站功率分配方法及系统 | |
| CN112950048A (zh) | 基于模糊综合评价的国家高等教育体系健康评价 | |
| CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
| CN115907511A (zh) | 可调节负荷资源价值评估模型的构建方法及装置 | |
| CN115861671A (zh) | 一种考虑负荷特性与可调节潜力的双层自适应聚类方法 | |
| CN113139701B (zh) | 一种基于层次分析方法的区域内能源健康度评价方法 | |
| CN110796392A (zh) | 一种连续批智能电能表的分阶段与分层抽样方法 | |
| CN112307652B (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 | |
| CN115224729A (zh) | 一种分布式电源调峰动态控制方法 | |
| CN115983664A (zh) | 一种基于模糊分析的储能参与电力市场交易效果的综合评价方法 | |
| CN105931133A (zh) | 配电变压器更换优先级评定方法和装置 | |
| CN112365024A (zh) | 一种基于深度学习的高压直流换流站能效预测方法及系统 | |
| CN116957306B (zh) | 基于资源协同互动的用户侧响应潜力评估方法及系统 |
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 |