CN111967777B - 一种储能促进清洁能源利用价值的综合评价方法 - Google Patents
一种储能促进清洁能源利用价值的综合评价方法 Download PDFInfo
- Publication number
- CN111967777B CN111967777B CN202010834402.7A CN202010834402A CN111967777B CN 111967777 B CN111967777 B CN 111967777B CN 202010834402 A CN202010834402 A CN 202010834402A CN 111967777 B CN111967777 B CN 111967777B
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- energy storage
- value
- indexes
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 139
- 238000004146 energy storage Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 68
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 238000010248 power generation Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 25
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 28
- 230000006872 improvement Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 230000001737 promoting effect Effects 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002356 single layer Substances 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
- G06Q50/06—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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种储能促进清洁能源利用价值的综合评价方法,用于解决现有技术中以风、光为代表的清洁能源发电并网的技术问题。其步骤为:首先,采用主观筛选法和客观筛选法相结合对初始指标集进行筛选,并通过相关性和可靠性检验筛选后的指标集,获得储能促进清洁能源利用价值评估多维评估指标体系;其次,对储能促进清洁能源利用价值评估多维评估指标体系中的所有指标进行归一化处理,并计算指标的权重;再构建被评价对象对应的评判矩阵;最后,根据指标的权重和评判矩阵进行模糊变换,输出被评价对象的评价结果。本发明所提出的评价方法既能客观合理地对储能促进清洁能源利用的价值进行评价,又具有简单易用的特性,能够很好地应用到工程实际。
Description
技术领域
本发明涉及清洁能源利用率评价的技术领域,特别是指一种储能促进清洁能源利用价值的综合评价方法。
背景技术
目前,全球面临清洁能源新技术的重大变革,大力发展清洁能源、调整能源结构、保护环境、应对气候变化已是大势所趋。近年来,我国风电、光伏发电等清洁能源在行业政策支持及利益驱动下得到了迅猛发展,取得了举世瞩目的成绩,装机容量均居世界第一。与此同时,受风电和光伏发电出力波动性、间歇性特性影响,我国部分地区弃风、弃光等弃能问题日趋严重,已经成为制约我国清洁能源健康、可持续发展的主要瓶颈。
由于风能、太阳能等清洁能源具有不连续性、不稳定、不可控等非稳态特性,弃能问题始终伴随并制约着我国清洁能源的发展。另外,风电和太阳能等发电侧成本下降明显,电网侧成本将成为风能和太阳能大规模利用的主要因素。而储能技术作为一种解决清洁能源发电不稳定性的最有效方案,将在很大程度上影响清洁能源的发展潜力。储能作为能源行业的一个重要细分领域,在提升清洁能源利用率、优化电源结构、环境保护等方面具有重要意义。
发明内容
本发明提出了一种储能促进清洁能源利用价值的综合评价方法,解决了现有技术中以风、光为代表的清洁能源发电并网的技术问题,提高了可再生能源消纳水平。
本发明的技术方案是这样实现的:
一种储能促进清洁能源利用价值的综合评价方法,其步骤如下:
S1、采用主观筛选法和客观筛选法相结合对初始指标集进行筛选,并通过相关性和可靠性检验筛选后的指标集,获得储能促进清洁能源利用价值评估多维评估指标体系;
S2、对储能促进清洁能源利用价值评估多维评估指标体系中的所有指标进行归一化处理,并计算指标的权重;
S3、构建被评价对象对应的评判矩阵;
S4、根据步骤S2中的指标的权重和步骤S3中的评判矩阵进行模糊变换,输出被评价对象的评价结果。
所述采用主观筛选法和客观筛选法相结合对初始指标集进行筛选,并通过相关性和可靠性检验筛选后的指标集,获得储能促进清洁能源利用价值评估多维评估指标体系的方法为:
S11、根据储能项目促进清洁能源利用在发电侧、电网侧和用户侧的价值体现获得初始指标集;
S12、构建专家集,专家集中的专家根据储能促进清洁能源利用价值评估的特点对初始指标集进行筛选,剔除得分小于设定的最小值的指标,获得中间指标集;
S13、利用最小均方差法对中间指标集进行筛选,得到评价指标集;
S14、利用二元相关分析计算出评价指标集中的指标的相关系数,再利用偏相关分析法分析指标之间的纯相关性;
S15、采用Cronbach的α系数检验评价指标集中的指标的可靠性,将可靠性大于0.85的指标保留,得到储能促进清洁能源利用价值评估多维评估指标体系。
所述利用最小均方差法对中间指标集进行筛选,得到评价指标集的方法为:
其中,m表示被评价对象的个数,Sj为被评价对象集合在评价指标Xj下的均方差,为被评价对象集合在评价指标Xj下的样本均值,xij表示第i个被评价对象在评价指标Xj下的样本均值;如果存在/>满足/>且/>则删除评价指标/>
所述利用二元相关分析计算出评价指标集中的指标的相关系数的方法为:
其中,rmn,p为指标m和n在不排除其他因素p影响下的相关系数,rmn表示指标m和指标n的相关系数,rmp表示指标m和指标p的相关系数,rnp表示指标n和指标p的相关系数。
所述采用Cronbach的α系数检验评价指标集中的指标的可靠性的方法为:
其中,k代表所获取的指标体系数量,而表示指标体系的总体方差,/>表示指标体系的总体均值。
所述储能促进清洁能源利用价值评估多维评估指标体系包括调峰调频收入、基本成本变动、堵塞成本变动、停电损失变动、电能质量提升、稳定发电时长提升、电网稳定性提升、线损网损变化情况、能源利用率提升和可再生能源渗透率提升。
所述对储能促进清洁能源利用价值评估多维评估指标体系中的所有指标进行归一化处理的方法为:
S21、将指标分为正向指标、逆向指标和适度指标;
S22、正向指标的归一化公式为:其中,xmax表示指标的最大值,xmin表示指标的最小值,x表示待归一化的指标,y表示归一化后的指标;
S23、逆向指标的归一化公式为:
S24、将适度指标转化为逆向指标:x'=|x-xmid|,其中,xmid表示指标的适度值,x'表示适度指标对应的逆向指标值;利用逆向指标的归一化公式对适度指标对应的逆向指标值进行处理。
所述计算指标的权重的方法为:
S25、主观权重
S25.1、构造判断矩阵:
其中,Ai'j'表示指标i'与指标j'对比所得到的评分结果均值矩阵,ai'j'表示指标i'与指标j'对比所得到的评分结果均值,i'=1,2,…,m',j'=1,2,…,m',m'表示指标的数量;
S25.2、对判断矩阵的各列数据求和,得到和值向量Bj'=[b1,b2,…,bm'];
S25.3、计算归一化向量Ci'j',其中可得:
S25.4、计算主观权重向量ωi',计算公式如下:
S26、客观权重
S26.1、收集指标原始数据,并根据步骤S21-S24的方法进行标准化处理,得到标准化指标向量Yi'j':
其中,yi'j”表示第j”市i'指标的标准化值,j”=1,2,…,n,n表示评价对象个数;
S26.2、计算指标的不确定度H(yi'),公式如下所示:
S26.3、计算指标的信息熵e(yi'),公式如下所示:
其中,0≤e(yi')≤1;
S26.4、计算指标的客观权重ξi',公式如下所示:
S27、综合权重
将指标的主观权重和客观权重进行线性加权组合,得到综合权重:
γi'=αωi'+(1-α)ξi',
其中,ωi'表示主观权重向量,∑ωi'=1;ξi'表示客观权重向量,∑ξi'=1;γi'表示组合权重向量,∑γi'=1;α表示主观赋权方法的重要程度,0≤α≤1。
所述被评价对象对应的评判矩阵的构建方法为:
S31、将被评价对象的评价指标作为评价因素,确定因素集U:
U={u1,u2,…,um'},
其中,ui'表示单个评价因素;
S32、根据评价者对被评价对象可能做出的各种评价结果构建评语集V:
V={v1,v2,...,vh},
其中,表示评语等级,j1=1,2,…,h,h表示评语等级的数量;
S33、针对评价因素ui'构建单因素评价向量Ri':
Ri'=(ri'1,ri'2,…,ri'h),
其中,表示评价因素ui'隶属于评语等级/>的程度;
S34、建立评判矩阵R:
所述根据步骤S2中的指标的权重和步骤S3中的评判矩阵进行模糊变换,输出被评价对象的评价结果的计算公式为:
其中,表示考虑所有因素的情况下被评价对象的评价结果隶属于评语vj的程度,γ=[γ1,γ2,…,γm']表示因素集U的权重,符号/>表示加权平均算子。
本技术方案能产生的有益效果:本发明将储能系统作用于清洁能源发电侧,可以有效应对清洁能源因随机性及难以预测性所导致的弃水、弃风及弃光等现象,解决以风、光为代表的清洁能源发电并网问题,从而提高可再生能源消纳水平。本发明所提出的评价方法既能客观合理地对储能促进清洁能源利用的价值进行评价,又具有简单易用的特性,能够很好地应用到工程实际。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种储能促进清洁能源利用价值的综合评价方法,具体步骤如下:
S1、采用主观筛选法和客观筛选法相结合对初始指标集进行筛选,并通过相关性和可靠性检验筛选后的指标集,获得储能促进清洁能源利用价值评估多维评估指标体系;
指标的筛选和检验关系到指标体系构建的科学性和准确性,采用主客观相结合的方法对初始指标集进行筛选,并进行相关性和可靠性检验,最终形成储能促进清洁能源利用综合评估指标体系,具体方法为:
S11、根据储能项目促进清洁能源利用在发电侧、电网侧和用户侧的价值体现获得初始指标集;
S12、构建专家集,专家集中的专家根据储能促进清洁能源利用价值评估的特点对初始指标集进行筛选,剔除得分较低的指标,获得中间指标集;根据专家的学术背景及工作实践情况,挑选对储能系统有深入研究或有3年以上实践经验的专家形成决策信息库,这些专家之间没有利益关系且互相不知情,就储能项目促进清洁能源利用在发电侧、电网侧和用户侧的价值体现所得的初始指标集,向他们发送咨询表,专家根据储能促进清洁能源利用价值评估的特点,基于上述的指标体系构建原则,对初始指标集中合理的元素进行勾选,调研负责人对咨询表结果进行汇总,进而剔除得分较低的指标。
S13、利用最小均方差法对中间指标集进行筛选,得到评价指标集;如果在储能促进清洁能源利用价值评估时,不同储能方案在某一指标下属性值相差不大,则该指标对最终的评估结果不具有影响意义,即可以进行剔除。基于此思想,本研究采用最小均方差法对无评估价值的指标进行剔除,以简化指标体系、降低计算复杂度并提升评估效率。所述利用最小均方差法对中间指标集进行筛选,得到评价指标集的方法为:
其中,m表示被评价对象的个数,Sj为被评价对象集合在评价指标Xj下的均方差,为被评价对象集合在评价指标Xj下的样本均值,xij表示第i个被评价对象在评价指标Xj下的样本均值;如果存在/>满足/>且/>则删除评价指标/>
S14、利用二元相关分析计算出评价指标集中的指标的相关系数,即研究评价指标指标之间线性相关程度,再利用偏相关分析法分析指标之间的纯相关性,即研究两个评价指标在排除了其余指标影响情形下的相关性;根据主观经验和指标原则确定出了储能促进清洁能源利用价值评估指标体系,然而其是否真正适用于实际评估,还需要进行统计学上的推敲与检验。本发明基于储能系统的实际数据利用相关系数法对指标的相关性进行检验,以期达到指标有效可用性,提升评估科学性。在相关系数法中,本发明采用二元相关分析和偏相关分析相结合的相关系数分析方法对指标进行验证,即:首先利用二元相关分析计算出相关系数并观察其正负号,分析出指标间是否仍存在显著的有线性相关关系;接着,利用偏相关分析法分析多变量存在的情况下指标的相关关系,即排除指标体系中其他干扰因素的影响,分析指标之间的纯相关性,所述利用二元相关分析计算出评价指标集中的指标的相关系数的方法为:
其中,rmn,p为指标m和n在不排除其他因素p影响下的相关系数,rmn表示指标m和指标n的相关系数,rmp表示指标m和指标p的相关系数,rnp表示指标n和指标p的相关系数。
S15、由于储能促进清洁能源利用价值评估是基于指标属性得到的,因此指标体系应具有数据可得性和统计可靠性,即其属性数据的分布特征应该是稳定可测的,这样有助于评估的顺利进行。采用Cronbach的α系数检验评价指标集中的指标的可靠性,得到储能促进清洁能源利用价值评估多维评估指标体系。
所述采用Cronbach的α系数检验评价指标集中的指标的可靠性的方法为:
其中,k代表所获取的指标体系数量,而表示统计上指标体系的总体方差,/>表示指标体系的总体均值。最终得到的α系数介于在[0,1]之间,如果α值越接近1,则说明该指标的可靠程度越高。
基于指标体系构建原则,根据储能促进清洁能源利用价值评估的基本内容和核心要素对初始值集进行筛选,并利用主客观相结合的指标筛选方法对不合理或无评估价值的指标进行删减,最后通过相关性和可靠性检验得出最终的储能促进清洁能源利用价值评估多维指标体系(见表1)。
表1储能促进清洁能源利用价值评估多维指标体系
所述储能促进清洁能源利用价值评估多维评估指标体系包括调峰调频收入、基本成本变动、堵塞成本变动、停电损失变动、电能质量提升、稳定发电时长提升、电网稳定性提升、线损网损变化情况、能源利用率提升和可再生能源渗透率提升。
(1)调峰调频收入E1。主要由储能系统可以带来调压调频等方面的补偿、削峰填谷收入和用户侧峰谷电价套利三部分收益共同构成。
(2)基本成本变动E2。基本成本主要包括电源成本、电网扩容升级成本、用电费用及储能安装维护成本,具体计算公式为:E=λ1C发+λ2C网+λ3C用+C储,其中C储为储能建设及维护成本,由单位储能成本及储能容量共同确定;当储能设备建在发电侧时,则λ1=1,λ2=λ3=0,C发为发电成本;当储能设备建在电网侧时,则λ2=1,λ1=λ3=0,C网为电网扩容升级及改造成本,由单位储能成本及储能容量共同确定;当储能设备建在用户侧时,则λ3=1,λ1=λ2=0,C用由容量电费、电量电费网损成本及停电损失成本共同确定。
(3)堵塞成本变动E3。该指标反映了储能添加前后为解决电网输电及配电过程中因功率堵塞而引起的所有成本费用变化情况,主要包括节点堵塞成本变动和线路堵塞成本变动两部分,因此系统堵塞成本变动计算公式为:E3=E后-E前,其中,αi表示节点i的边际电价;Pi表示节点i的流入功率和;fsr指节点s和r之间的有功功率。
(4)停电损失变动E4。基于储能装置引入后对年停电频数及时长等因素的考量,根据该系统应停电可能产生的经营损失或设备(产品)报废情况,由专家进行统一评估,而储能系统减低停电损失费用为重要的参考。
(5)电能质量提升R1。由于储能系统能够促使发电平滑输出、调压调频,因此提升电能质量。专家通过比对储能添加前后电能的电压、频率和波形实现电能质量提升程度的衡量及估值。
(6)稳定发电时长提升R2。稳定发电时长是指所评估清洁能源系统一年中达到稳定出力的小时数。通过比较储能添加前后稳定发电时长的数值差可获得稳定发电时长变化情况。
(7)电网稳定性提升R3。通过分析变压器和线路的可靠性、负载率、短路水平及频率,加之考虑添加储能前后电源或负荷对电网的冲击大小,专家评估组电网稳定性提升进行估值。
(8)线损网损变化情况R4。线损网损一般指由于产生热能而造成的电能损失,主要由电阻作用损耗的功率、磁场作用造成功率损耗及管理疏忽造成的电能损失造成。专家根据项目经验,按照系统容量、储能设备材质及容量、减少网损的电费收益等要素并采用语言值对指标估值,而关于减少网损的收益可通过以下公式求得:E=nT(△PHeH-△PLeL),其中,n为储能系统年充放电总次数,T为功率,△P表示变化(增加/减少)的有功功率,e表示电价水平,而下标H和L分别代表负荷峰、谷时段。
(9)能源利用率提升S1。能源利用率指的是对能源利用的效率及程度,是衡量清洁能源系统节能水平及发电综合成本的重要尺度。通过比较储能添加前后能源利用率的数值差可获得能源利用率变化情况。由于储能系统能在资源丰时充电、枯时放电,有效地实现能源利用率的提升。
(10)可再生能源渗透率提升S2。可再生能源渗透率是指在电力系统中可再生电源发电总量占系统总负荷量的百分比。通过比较储能添加前后可再生能源占比的数值差可获得可再生能源渗透率变化情况,同时,储能系统的引入有助于减少“三弃”现象、提高清洁能源的综合利用水平。
S2、对储能促进清洁能源利用价值评估多维评估指标体系中的所有指标进行归一化处理,并计算指标的权重;具体方法如下:
S21、将指标分为正向指标、逆向指标和适度指标;一般而言,指标的特性依评价的目标取向可分为三类:指标值“越大越好”,“越小越好”和“适中为宜”。因此,决策指标根据指标变化方向,大致可以分为三类,即正向指标、逆向指标和适度指标。
S22、对于正向指标(指标值越大越好)首先根据各指标的实际历史数据确定一个下限(即历史最小值);然后在未来可预见一段时间内,确定一个期望达到的最大值作为上限xmax(限于目前计划数据可得性的原因,在这里采用历史最大值,下同)。正向指标的归一化公式为:其中,xmax表示指标的最大值,xmin表示指标的最小值,x表示待归一化的指标,y表示归一化后的指标;
S23、对于逆向指标(指标越小越好),首先根据各指标的实际历史数据确定一个上限xmax(即历史最大值);然后在未来可预见一段时间内,确定一个期望达到的最小值作为下限xmin。逆向指标的归一化公式为:
S24、对于适度指标(指标越接近某一临界值越好),首先根据各指标的实际历史数据确定上下限xmax、xmin;然后在未来可预见一段时间内,确定一个期望达到的适度值xmid。将适度指标转化为逆向指标:x'=|x-xmid|,其中,xmid表示指标的适度值,x'表示适度指标对应的逆向指标值;利用逆向指标的归一化公式对适度指标对应的逆向指标值进行处理。
权重是定量评价模型中最为重要的部分之一,权重设计的合理性直接影响到评价结果的科学合理性,在提出资产管理健康性评估模型之前,首先对基本权重设计部分进行重点阐述。
S25、主观权重:层次分析法综合了定性与定量分析,模拟人的决策思维过程,具有思路清晰、方法简便、系统性强等特点,是分析多目标、多因素、多准则的复杂大系统的有力工具。其步骤如下:
从层次结构模型的第2级开始,对于从属于(或影响)上一级每个因素的同级诸因素,用两两比较法构造判断矩阵,直到最后一级。两两比较法的轻重程度用表2标度表示:
表2重要性程度定义
标度 | 定义 |
1 | i因素与j因素同样重要 |
3 | i因素比j因素略重要 |
5 | i因素比j因素较重要 |
7 | i因素比j因素非常重要 |
9 | i因素比j因素绝对重要 |
2,4,6,8 | 以上两判断之间的中间状态对应的标度值 |
倒数 | 若i因素与j因素比较,得到判断值为aij=1/aji,aii=1 |
假定在对电网资产某一个单属性进行赋权计算,该属性二级指标下设m个三级指标,以此为例进行各指标赋权计算。收集不同领域专家对指标间重要程度的评分情况,并以各评分均值作为最后的评分结果,即得到判断矩阵如下:
S25.1、构造判断矩阵:
其中,Ai'j'表示指标i'与指标j'对比所得到的评分结果均值矩阵,ai'j'表示指标i'与指标j'对比所得到的评分结果均值,i'=1,2,…,m',j'=1,2,…,m',m'表示指标的数量;
对于每一个判断矩阵计算最大特征根及其对应的特征向量,并利用一致性指标、随机一致性指标和一致性比例做一致性检验。若检验通过,特征向量(归一化)即为权向量;若不通过,则应考虑重新构造判断矩阵。特征向量的近似值通常采用求和法或求根法求得。
一致性检验的步骤如下:
①计算一致性检验指标
式中:λmax表示判断矩阵的最大特征根。
②查找相应的平均随机一致性指标RI
表3给出了1-9阶判断矩阵计算1000次得到的平均随机一致性指标:
表3RI值分布
N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.24 | 1.36 | 1.41 | 1.45 |
③计算一致性比例CR
CR=CI/RI
当CR<0.1时,认为判断矩阵的一致性是可以接受的;当CR>0.1时,应对判断矩阵作适当修正。
本发明采用求和法进行特征向量及特征值的计算,具体过程包括步骤S25.2~S25.4:
S25.2、对判断矩阵的各列数据求和,得到和值向量Bj'=[b1,b2,…,bm'];
S25.3、计算归一化向量Ci'j',其中可得:
S25.4、计算主观权重向量ωi',计算公式如下:
S26、客观权重:对于客观赋权方法的选择,需要考虑不同电网资产指标体系的特征以及不同赋权方法的特性,采用相适应的客观赋权方法。对于电网资产指标体系的客观赋权模型,本发明采用的是熵权法。熵权法的优点在于完全从数据本身的离散程度来定义其数据的价值和权重,相对客观。熵权法的计算过程包括步骤S26.1~S26.4:
S26.1、收集指标原始数据,并根据步骤S21-S24的方法进行标准化处理,得到标准化指标向量Yi'j':
其中,yi'j”表示第j”市i'指标的标准化值,j”=1,2,…,n,n表示评价对象个数;
S26.2、计算指标的不确定度H(yi'),公式如下所示:
S26.3、计算指标的信息熵e(yi'),公式如下所示:
其中,0≤e(yi')≤1;
S26.4、计算指标的客观权重ξi',公式如下所示:
S27、综合权重:“组合评价法”就是通过各种方法的组合,可以达到取长补短的效果。对单一评价方法的组合,可针对单一评价法的权数进行组合,也可对单一评价法的评价排序结果进行组合。或者说,可将组合评价方法分为“权重系数的组合”与“评价结果的组合”。
将指标的主观权重和客观权重进行线性加权组合,得到综合权重:
γi'=αωi'+(1-α)ξi',
其中,ωi'表示主观权重向量,∑ωi'=1;ξi'表示客观权重向量,∑ξi'=1;γi'表示组合权重向量,∑γi'=1;α表示主观赋权方法的重要程度,0≤α≤1。
S3、构建被评价对象对应的评判矩阵;模糊综合评价法是一种基于模糊数学的综合评价方法。该方法根据模糊数学的隶属度理论把定性评价转化为定量评价,对受到多种因素制约的事物或对象做出一个总体的评价。模糊综合评价方法分为单层和多层,它具有结果清晰、系统性强的特点,能较好地处理评价过程中人们的主观性和模糊的客观现象,适合各种非确定性问题的解决。
所述被评价对象对应的评判矩阵的构建方法为:
S31、将被评价对象的评价指标作为评价因素,确定因素集U:
U={u1,u2,…,um'},
其中,ui'表示单个评价因素;
S32、根据评价者对被评价对象可能做出的各种评价结果构建评语集V:
V={v1,v2,...,vh},
其中,表示评语等级,j1=1,2,…,h,h表示评语等级的数量;
S33、针对评价因素ui'构建单因素评价向量Ri':
Ri'=(ri'1,ri'2,…,ri'h),
其中,表示评价因素ui'隶属于评语等级/>的程度;
S34、建立评判矩阵R:
S4、根据步骤S2中的指标的权重和步骤S3中的评判矩阵进行模糊变换,输出被评价对象的评价结果。
/>
其中,表示考虑所有因素的情况下被评价对象的评价结果隶属于评语vj的程度,γ=[γ1,γ2,…,γm']表示因素集U的权重,符号/>表示加权平均算子。
储能系统作用于清洁能源发电侧,可以有效应对清洁能源因随机性及难以预测性所导致的弃水、弃风及弃光等现象,解决以风、光为代表的清洁能源发电并网问题,从而提高可再生能源消纳水平。所提出的评价模型既能客观合理地对储能促进清洁能源利用的价值进行评价,又具有简单易用的特性,能够很好地应用到工程实际。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种储能促进清洁能源利用价值的综合评价方法,其特征在于,其步骤如下:
S1、采用主观筛选法和客观筛选法相结合对初始指标集进行筛选,并通过相关性和可靠性检验筛选后的指标集,获得储能促进清洁能源利用价值评估多维评估指标体系;
S11、根据储能项目促进清洁能源利用在发电侧、电网侧和用户侧的价值体现获得初始指标集;
S12、构建专家集,专家集中的专家根据储能促进清洁能源利用价值评估的特点对初始指标集进行筛选,剔除得分小于设定的最小值的指标,获得中间指标集;
S13、利用最小均方差法对中间指标集进行筛选,得到评价指标集;
S14、利用二元相关分析计算出评价指标集中的指标的相关系数,再利用偏相关分析法分析指标之间的纯相关性;
S15、采用Cronbach的α系数检验评价指标集中的指标的可靠性,将可靠性大于0.85的指标保留,得到储能促进清洁能源利用价值评估多维评估指标体系;
储能促进清洁能源利用价值评估多维评估指标体系包括调峰调频收入、基本成本变动、堵塞成本变动、停电损失变动、电能质量提升、稳定发电时长提升、电网稳定性提升、线损网损变化情况、能源利用率提升和可再生能源渗透率提升;
S2、对储能促进清洁能源利用价值评估多维评估指标体系中的所有指标进行归一化处理,并计算指标的权重;
对所有指标进行归一化处理的方法为:
S21、将指标分为正向指标、逆向指标和适度指标;
S22、正向指标的归一化公式为:其中,xmax表示指标的最大值,xmin表示指标的最小值,x表示待归一化的指标,y表示归一化后的指标;
S23、逆向指标的归一化公式为:
S24、将适度指标转化为逆向指标:x'=|x-xmid|,其中,xmid表示指标的适度值,x'表示适度指标对应的逆向指标值;利用逆向指标的归一化公式对适度指标对应的逆向指标值进行处理;
所述计算指标的权重的方法为:
S25、主观权重
S25.1、构造判断矩阵:
其中,Ai'j'表示指标i'与指标j'对比所得到的评分结果均值矩阵,ai'j'表示指标i'与指标j'对比所得到的评分结果均值,i'=1,2,…,m',j'=1,2,…,m',m'表示指标的数量;
S25.2、对判断矩阵的各列数据求和,得到和值向量Bj'=[b1,b2,…,bm'];
S25.3、计算归一化向量Ci'j',其中可得:
S25.4、计算主观权重向量ωi',计算公式如下:
S26、客观权重
S26.1、收集指标原始数据,并根据步骤S21-S24的方法进行归一化处理,得到归一化指标向量Yi'j':
其中,yi'j”表示第j”个评价对象的第i'个指标的归一化值,j”=1,2,…,n,n表示评价对象个数;
S26.2、计算指标的不确定度H(yi'),公式如下所示:
S26.3、计算指标的信息熵e(yi'),公式如下所示:
其中,0≤e(yi')≤1;
S26.4、计算指标的客观权重ξi',公式如下所示:
S27、综合权重
将指标的主观权重和客观权重进行线性加权组合,得到综合权重:
γi'=αωi'+(1-α)ξi',
其中,ωi'表示主观权重向量,∑ωi'=1;ξi'表示客观权重向量,∑ξi'=1;γi'表示组合权重向量,∑γi'=1;α表示主观赋权方法的重要程度,0≤α≤1;
S3、构建被评价对象对应的评判矩阵;
S4、根据步骤S2中的指标的权重和步骤S3中的评判矩阵进行模糊变换,输出被评价对象的评价结果。
2.根据权利要求1所述的储能促进清洁能源利用价值的综合评价方法,其特征在于,所述利用最小均方差法对中间指标集进行筛选,得到评价指标集的方法为:
其中,m表示被评价对象的个数,Sj为被评价对象集合在评价指标Xj下的均方差,为被评价对象集合在评价指标Xj下的样本均值,xij表示第i个被评价对象在评价指标Xj下的样本均值;如果存在/>满足/>且/>则删除评价指标/>
3.根据权利要求2所述的储能促进清洁能源利用价值的综合评价方法,其特征在于,所述利用二元相关分析计算出评价指标集中的指标的相关系数的方法为:
其中,rmn,p为指标m和n在不排除其他因素p影响下的相关系数,rmn表示指标m和指标n的相关系数,rmp表示指标m和指标p的相关系数,rnp表示指标n和指标p的相关系数。
4.根据权利要求3所述的储能促进清洁能源利用价值的综合评价方法,其特征在于,所述采用Cronbach的α系数检验评价指标集中的指标的可靠性的方法为:
其中,k代表所获取的指标体系数量,而表示指标体系的总体方差,/>表示指标体系的总体均值。
5.根据权利要求1所述的储能促进清洁能源利用价值的综合评价方法,其特征在于,所述被评价对象对应的评判矩阵的构建方法为:
S31、将被评价对象的评价指标作为评价因素,确定因素集U:
U={u1,u2,…,um'},
其中,ui'表示单个评价因素;
S32、根据评价者对被评价对象可能做出的各种评价结果构建评语集V:
V={v1,v2,...,vh},
其中,vj1表示评语等级,j1=1,2,…,h,h表示评语等级的数量;
S33、针对评价因素ui'构建单因素评价向量Ri':
Ri'=(ri'1,ri'2,…,ri'h),
其中,表示评价因素ui'隶属于评语等级vj1的程度;
S34、建立评判矩阵R:
6.根据权利要求5所述的储能促进清洁能源利用价值的综合评价方法,其特征在于,所述根据步骤S2中的指标的权重和步骤S3中的评判矩阵进行模糊变换,输出被评价对象的评价结果的计算公式为:
其中,表示考虑所有因素的情况下被评价对象的评价结果隶属于评语vj的程度,γ=[γ1,γ2,…,γm']表示因素集U的权重,符号/>表示加权平均算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010834402.7A CN111967777B (zh) | 2020-08-19 | 2020-08-19 | 一种储能促进清洁能源利用价值的综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010834402.7A CN111967777B (zh) | 2020-08-19 | 2020-08-19 | 一种储能促进清洁能源利用价值的综合评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967777A CN111967777A (zh) | 2020-11-20 |
CN111967777B true CN111967777B (zh) | 2023-10-27 |
Family
ID=73388868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010834402.7A Active CN111967777B (zh) | 2020-08-19 | 2020-08-19 | 一种储能促进清洁能源利用价值的综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967777B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6508537B2 (ja) * | 2016-11-29 | 2019-05-08 | 日本テクノ株式会社 | 省エネ推進実績評価装置 |
CN112785195A (zh) * | 2021-02-04 | 2021-05-11 | 中国电建集团华东勘测设计研究院有限公司 | 基于模糊综合评价的大坝安全风险排序方法 |
CN115481906B (zh) * | 2022-09-22 | 2024-04-16 | 中航机载系统共性技术有限公司 | 一种生产制造产线评估方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070466A1 (zh) * | 2013-11-18 | 2015-05-21 | 国家电网公司 | 安全风险评估方法和装置 |
WO2017008180A1 (zh) * | 2015-07-16 | 2017-01-19 | 广东产品质量监督检验研究院 | 一种光伏组件失效风险判别方法 |
CN107330610A (zh) * | 2017-06-28 | 2017-11-07 | 国网山东省电力公司经济技术研究院 | 一种电网节能减排效益量化评价方法 |
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 |
CN108537600A (zh) * | 2018-04-17 | 2018-09-14 | 华北电力大学 | 一种电力市场运行评价方法及计算设备 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109377034A (zh) * | 2018-10-11 | 2019-02-22 | 国网新疆电力有限公司信息通信公司 | 基于智能电网信息通信系统的风险态势评估方法 |
CN109697543A (zh) * | 2017-10-20 | 2019-04-30 | 国网能源研究院有限公司 | 一种区域电网调度体制机制的评价方法及其系统 |
CN110610285A (zh) * | 2019-07-22 | 2019-12-24 | 中南大学 | 一种地下金属矿采空区危险度分级评价方法 |
CN110689240A (zh) * | 2019-09-12 | 2020-01-14 | 国网山东省电力公司寿光市供电公司 | 一种配电网经济运行模糊综合评价方法 |
CN111489091A (zh) * | 2020-04-14 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种电力系统恢复力综合评价方法 |
-
2020
- 2020-08-19 CN CN202010834402.7A patent/CN111967777B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070466A1 (zh) * | 2013-11-18 | 2015-05-21 | 国家电网公司 | 安全风险评估方法和装置 |
WO2017008180A1 (zh) * | 2015-07-16 | 2017-01-19 | 广东产品质量监督检验研究院 | 一种光伏组件失效风险判别方法 |
CN107330610A (zh) * | 2017-06-28 | 2017-11-07 | 国网山东省电力公司经济技术研究院 | 一种电网节能减排效益量化评价方法 |
CN109697543A (zh) * | 2017-10-20 | 2019-04-30 | 国网能源研究院有限公司 | 一种区域电网调度体制机制的评价方法及其系统 |
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 |
CN108537600A (zh) * | 2018-04-17 | 2018-09-14 | 华北电力大学 | 一种电力市场运行评价方法及计算设备 |
CN109118067A (zh) * | 2018-07-27 | 2019-01-01 | 华北电力大学 | 一种可再生能源发展潜力评估方法 |
CN109377034A (zh) * | 2018-10-11 | 2019-02-22 | 国网新疆电力有限公司信息通信公司 | 基于智能电网信息通信系统的风险态势评估方法 |
CN110610285A (zh) * | 2019-07-22 | 2019-12-24 | 中南大学 | 一种地下金属矿采空区危险度分级评价方法 |
CN110689240A (zh) * | 2019-09-12 | 2020-01-14 | 国网山东省电力公司寿光市供电公司 | 一种配电网经济运行模糊综合评价方法 |
CN111489091A (zh) * | 2020-04-14 | 2020-08-04 | 广东电网有限责任公司广州供电局 | 一种电力系统恢复力综合评价方法 |
Non-Patent Citations (2)
Title |
---|
A Survey on Computation Offloading for Mobile Edge Computing Information;Xiaoyu Shan et al.;《IEEE》;20181231;第248-251页 * |
电力市场评价指标体系的原理和构建方法;刘敦楠 等;《电力系统自动化》;20051210;第29卷(第23期);第2-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111967777A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967777B (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
US11070056B1 (en) | Short-term interval prediction method for photovoltaic power output | |
CN110909983B (zh) | 一种主动配电网电能质量多维评估方法 | |
CN107292502B (zh) | 一种配电网可靠性评估方法 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN111027775A (zh) | 基于长短期记忆网络的梯级水电站发电量预测方法 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN105046584A (zh) | 一种基于k-means算法的理想线损率的计算方法 | |
CN110533291B (zh) | 一种基于风险评估的中压配电网薄弱环节辨识方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
Liu et al. | An integrated fuzzy multi-energy transaction evaluation approach for energy internet markets considering judgement credibility and variable rough precision | |
CN114139940A (zh) | 一种基于组合赋权-云模型的广义需求侧资源网荷互动水平评估方法 | |
CN110571788A (zh) | 基于动态等值电路的静态电压稳定域边界系数的计算方法 | |
CN111563652A (zh) | 一种评价电网企业综合计划执行情况的方法 | |
Xu et al. | A novel hybrid wind speed interval prediction model based on mode decomposition and gated recursive neural network | |
CN111652759A (zh) | 弹性负荷快速响应与调节示范工程的综合评价方法及装置 | |
Zhang et al. | Operation state assessment of wind power system based on pso+ ahp—fce | |
CN105046594A (zh) | 一种用户能源综合效益评价的平衡计分卡方法 | |
Gamst et al. | Time aggregation techniques applied to a capacity expansion model for real-life sector coupled energy systems | |
CN113469420A (zh) | 一种多元电源系统电力能源结构评价优化方法 | |
Wang et al. | An alternative method for estimating wind-power capacity credit based on reliability evaluation using intelligent search | |
Li et al. | A gray rbf model improved by genetic algorithm for electrical power forecasting | |
Guan et al. | Scenario generation of wind power based on longitudinal-horizontal clustering strategy | |
Zhang et al. | Research on the prediction of solar energy generation based on measured environmental data |
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 |