CN112381422A - 光伏电站性能的确定方法和装置 - Google Patents
光伏电站性能的确定方法和装置 Download PDFInfo
- Publication number
- CN112381422A CN112381422A CN202011288102.XA CN202011288102A CN112381422A CN 112381422 A CN112381422 A CN 112381422A CN 202011288102 A CN202011288102 A CN 202011288102A CN 112381422 A CN112381422 A CN 112381422A
- Authority
- CN
- China
- Prior art keywords
- performance
- index
- evaluation
- indexes
- performance 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 69
- 238000011156 evaluation Methods 0.000 claims abstract description 149
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 45
- 238000005265 energy consumption Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 10
- 238000012854 evaluation process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种光伏电站性能的确定方法和装置。其中,该方法包括:获取光伏电站的性能指标体系,其中,性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,多个层级之间的性能指标存在从属关系;对每个类型的性能指标进行降维处理,得到多个目标性能指标;对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵;根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。本发明解决了现有的光伏电站性能的确定方法的准确率低的技术问题。
Description
技术领域
本发明涉及光伏发电技术领域,具体而言,涉及一种光伏电站性能的确定方法和装置。
背景技术
随着国家对新能源发电行业的政策支持,新能源发电产业快速发展,太阳能光伏电站建设并网越来越多,电站运行分析、技改、交易对电站性能评估的诉求越来越高。为了评估光伏电站的性能,光伏电站的综合性能评估的方法随着光伏发电技术的发展而深入开展。
传统的对光伏电站进行评估的方式主要由三方公司通过现场抽检和组件实验室送检组成,该评估效率低、费用高,而且评估结果受偶然因素的影响较大,且易受人为因素的干扰。此外,现有的评估方式为抽检方式而非全样本检测方式,存在概率问题,影响结果准确率。而且,评估过程和结果由人工操作而非自动化,存在人为因素影响结果的风险,评估过程中的评估指标单一,无法实现对光伏电站的对标分析。最后,现有的评估方式还存在评估过程时间较长、评估费用高的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种光伏电站性能的确定方法和装置,以至少解决现有的光伏电站性能的确定方法的准确率低的技术问题。
根据本发明实施例的一个方面,提供了一种光伏电站性能的确定方法,包括:获取光伏电站的性能指标体系,其中,性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,多个层级之间的性能指标存在从属关系;对每个类型的性能指标进行降维处理,得到多个目标性能指标;对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵;根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
进一步地,光伏电站性能的确定方法还包括:对性能指标体系中的所有性能指标进行逆向处理,得到正向性能指标;对正向性能指标进行标准化处理,得到标准性能指标;计算标准性能指标的特征值;根据特征值,确定每个标准性能指标的方差贡献率;基于方差贡献率得到性能指标的评价值;将评价值满足预设条件的性能指标设置为目标性能指标。
进一步地,光伏电站性能的确定方法还包括:建立层次结构模型;根据层次结构模型构造每个层级所对应的判断矩阵;计算判断矩阵的最大特征值,得到每个层级所对应的特征向量;对特征向量进行一致性检验,得到合格的特征向量;根据合格的特征向量,得到每个层级的每个目标性能指标的权重值。
进一步地,光伏电站性能的确定方法还包括:根据特征向量计算一致性指标值;获取预设的随机一致性指标值;计算一致性指标值与随机一致性指标值的比值,得到一致性比例;根据一致性比例确定特征向量是否合格。
进一步地,光伏电站性能的确定方法还包括:获取每个目标性能指标的评估值;根据每个目标性能指标的评估值以及每个目标性能指标的权重值,得到每个目标性能指标的隶属度;根据每个目标性能指标的隶属度确定每个类型的性能指标所对应的隶属矩阵。
进一步地,光伏电站性能的确定方法还包括:将隶属矩阵与每个目标性能指标对应的权重值进行乘积运算,得到每个目标性能指标所对应的隶属向量;对隶属向量进行二次模糊处理,得到评估向量;对评估向量进行分值转换,得到评估等级分值,其中,评估等级分值表征了性能评价结果。
进一步地,性能指标的类型至少包括如下之一:技术指标、经济指标、社会指标,技术指标至少包括:太阳能资源、电量指标、能耗指标,经济指标至少包括:盈利能力、偿债能力、运营能力,社会指标至少包括:环境因素。
根据本发明实施例的另一方面,还提供了一种光伏电站性能的确定装置,包括:获取模块,用于获取光伏电站的性能指标体系,其中,性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,多个层级之间的性能指标存在从属关系;处理模块,用于对每个类型的性能指标进行降维处理,得到多个目标性能指标;分析模块,用于对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;评价模块,用于对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵;确定模块,用于根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,该非易失性存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述的光伏电站性能的确定方法。
根据本发明实施例的另一方面,还提供了一种处理器,该处理器用于运行程序,其中,程序被设置为运行时执行上述的光伏电站性能的确定方法。
在本发明实施例中,采用层次分析法与模糊综合评价法相结合的方式,在获取到光伏电站的性能指标体系之后,通过对每个类型的性能指标进行降维处理,得到多个目标性能指标,然后对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值,并对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵,最后,根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
在上述过程中,通过层次分析法与模糊综合评价法相结合的方式对光伏电站的综合性能进行评估,该过程中无需人工参与,从而避免了人为因素对评估结果的影响。另外,该评估过程中采用的性能指标体系,该指标体系涵盖各个类型的性能指标,即本申请所提供的光伏电站性能的评估方法考虑到了各方面因素的影响,从而使得评估结果更加准确。
由此可见,本申请所提供的方案达到了对光伏电站的性能进行评估的目的,从而实现了提高光伏电站性能评估的准确性的技术效果,进而解决了现有的光伏电站性能的确定方法的准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种光伏电站性能的确定方法流程图;
图2是根据本发明实施例的一种可选的性能指标体系的结构示意图;
图3是根据本发明实施例的一种可选的层次总排序合成表的示意图;
图4是根据本发明实施例的一种光伏电站性能的确定装置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种光伏电站性能的确定方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的光伏电站性能的确定方法流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取光伏电站的性能指标体系,其中,性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,多个层级之间的性能指标存在从属关系。
可选的,本申请按照光伏电站项目可评价的基本理论,综合评价太阳能光伏电站的发电效率、发电性能、寿命周期、投资收益、综合环境影响的太阳能电站综合性能指标,构建了以科学、全面、典型、可操作和可量化为原则的太阳能光伏电站的综合评价指标体系,即上述性能指标体系,例如,图2示出了一种可选的性能指标体系的结构示意图。由图2可知,性能指标体系包括多个类型的性能指标,其中,性能指标的类型至少包括如下之一:技术指标、经济指标、社会指标。每个类型的性能指标具有多个层级,例如,在图2中,技术指标至少包括:太阳能资源、电量指标、能耗指标,经济指标至少包括:盈利能力、偿债能力、运营能力,社会指标至少包括:环境因素,而太阳能资源指标包括总辐射量指标和日照小时指标。
步骤S104,对每个类型的性能指标进行降维处理,得到多个目标性能指标。
需要说明的是,光伏电站的性能指标的数量较多,有些性能指标对光伏电站性能的评价结果影响不大,如果基于所有的性能指标对光伏电站进行评价,会消耗大量的时间,降低了评价效率。由于光伏电站的性能指标体系中涉及到的技术、经济和环境等多维度性能指标之间具有相关性,在综合性能评估中,通过数据挖掘方法以减少冗余信息,对数据进行压缩,确定数据内部的本质特征,采用主成分分析法的降维方法进行数据挖掘,即基于主要的性能指标对光伏电站进行性能评价,节省了光伏电站性能评价的时间,提高了评价效率。
步骤S106,对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值。
需要说明的是,步骤S106采用层次分析法来确定每个目标性能指标的权重值,该过程中考虑到了各个性能指标之间的相互影响,从而使得光伏电站的性能评价更加准确。
步骤S108,对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵。
需要说明的是,在步骤S108中,采用模糊综合评价法来确定每个类型的性能指标的隶属矩阵,其中,模糊综合评价法是一种基于模糊数学的综合评价方法,该综合评价方法根据模糊数据的隶属度理论将定性评价转换为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。该方法具有结果清晰,系统性强的特点,能很好的解决对光伏电站性能进行评价的过程中难以量化的问题。
步骤S110,根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
在步骤S110中,光伏电站的性能评价结果可以以数值的形式表示,可选的,性能评价结果对应的数值越大表明光伏电站的性能越好。另外,还可以对性能评价结果对应的数值进行区间划分,其中,不同的区间对应不同的评价等级,例如,数值在80-90之间的性能评价结果为良,数值在90-100之间的性能评价结果为优。
基于上述步骤S102至步骤S110所限定的方案,可以获知,在本发明实施例中,采用层次分析法与模糊综合评价法相结合的方式,在获取到光伏电站的性能指标体系之后,通过对每个类型的性能指标进行降维处理,得到多个目标性能指标,然后对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值,并对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵,最后,根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
容易注意到的是,在上述过程中,通过层次分析法与模糊综合评价法相结合的方式对光伏电站的综合性能进行评估,该过程中无需人工参与,从而避免了人为因素对评估结果的影响。另外,该评估过程中采用的性能指标体系,该指标体系涵盖各个类型的性能指标,即本申请所提供的光伏电站性能的评估方法考虑到了各方面因素的影响,从而使得评估结果更加准确。
由此可见,本申请所提供的方案达到了对光伏电站的性能进行评估的目的,从而实现了提高光伏电站性能评估的准确性的技术效果,进而解决了现有的光伏电站性能的确定方法的准确率低的技术问题。
在一种可选的实施例中,在获取到光伏电站的性能指标体系之后,需要对每个类型的性能指标进行降维处理,得到多个目标性能指标。具体的,首先对性能指标体系中的所有性能指标进行逆向处理,得到正向性能指标,对正向性能指标进行标准化处理,得到标准性能指标,并计算标准性能指标的特征值,然后根据特征值,确定每个标准性能指标的方差贡献率,并基于方差贡献率得到性能指标的评价值,最后,将评价值满足预设条件的性能指标设置为目标性能指标。
可选的,设有n个样品,每个样品观测p项指标(即变量):X1,X2,…,Xp。
其中,原始数据资料阵如下:
其中,对于给定的任意常数c,有
因此,对ai不加限制时,方差可任意大,为此,ai需满足||ai||2=1的约束。
所以,方程的解转换为求带约束的极值问题,目标函数为
使用拉格朗日乘数法求解:
令
得
可见ai是∑的长度为1的特征向量,即a1i≠0。λ是∑的特征根,其中,ai对应的特征根为λi,则
设∑的特征根为λ1≥λ2≥…≥λp≥0。λ1是∑的最大特征根,则相应的单位特征向量a1,即可求出,相应的第一主成分也可求出。通常,求X的第k主成分可通过求第k大特征根的单位特征向量。为了使主成分与互不包含综合信息,即
具体步骤如下:
1)设某综合评估共使用p项指标,先将指标趋势化,即将逆向指标转为正向指标(即正向性能指标)。
2)指标无量纲化,将各个性能指标的原始数据标准化。设标准化后的p项指标记为X1,X2,…,Xp,即E(Xi)=0,D(Xi)=1,i=1,2,...,P。
3)求指标的相关矩阵R的p个特征值,记为:λ1≥λ2≥…≥λp≥0,相应的正交化特征向量Bi=(bi1,bi2,...,bip),i=1,2,...,p。
4)设方差贡献率当累计贡献率达到一定的数值(一般取≥85%)时,取m个主成分Fi=bi1X1+bi2X2+…+αipXp(i=1,2,…,m),进而得到综合评价函数:F=α1F1+α2F2+…+αmFm。
5)将标准化指标值(即目标性能指标)代入综合评价函数中得到评价值,再对评价值进行排序,根据排序结果选出目标性能指标,例如,选出前20%的指标作为目标性能指标。
在一种可选的实施例中,通过层次分析法对光伏电站的综合性能指标体系进行计算分析,获取每部分性能指标对评估结果的权重。具体的,首先建立层次结构模型,并根据层次结构模型构造每个层级所对应的判断矩阵,然后计算判断矩阵的最大特征值,得到每个层级所对应的特征向量,并对特征向量进行一致性检验,得到合格的特征向量,最后,根据合格的特征向量,得到每个层级的每个目标性能指标的权重值。
可选的,首先构建层次结构模型,然后构造出各层级中的判断矩阵,其中,可用1-9比较尺度构造成对的判断矩阵,直到最下层,成对比较表如表1所示:
表1成对比较表
根据上面的规则,构造出的判断矩阵A可由下式表示:
进一步的,在得到判断矩阵之后,计算判断矩阵的最大特征值,得到每个层级所对应的特征向量,然后再对特征向量进行一致性检验,得到合格的特征向量。具体的,首先,根据特征向量计算一致性指标值,然后获取预设的随机一致性指标值,并计算一致性指标值与随机一致性指标值的比值,得到一致性比例,最后,根据一致性比例确定特征向量是否合格。
可选的,根据判断矩阵A对应于最大特征值λmax得到特征向量W,经归一化处理之后,可为同一层级中相应元素对于上一层级中元素相对重要性进行权重排序,具体可由下式表示:
可选的,一致性检验的步骤如下:
(2)查询随机一致性指标值RI,对应n=1到10,RI值可通过表2查询得到。
表2随机一致性指标表
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
(3)计算一致性比例CR:CR=CI/RI,其中,当CR<0.1,确定判断矩阵的一致性可接受。
(4)层次总排序及一致性检验,为了实现层次分析法的最终目的,需要从上而下逐层进行各层元素对目标合成权重的计算。其中,层次总排序合成表如图3所示。
具体的,从最高层到最底层,先求B层中各因素关于总目标的权重,即求B层各因素的层次总排序权重b1、b2、b3、…、bm。然后,对于层次总排序进行一致性检验,设B层中与Aj相关的因素的成对比较判断矩阵在单排序中经一致性检验,求得单排序一致性指标为CI(j),(j=1,2,…,m),相应的平均随机一致性指标为RI(j),则B层总排序随机一致性比例为:
其中,当CR<0.10时,确定层次总排序结果具有较满意的一致性并接受该分析结果。
在一种可选的实施例中,在对光伏电站综合性能进行评价的过程中,可基于层析分析法所得各级指标的权重结果再结合模糊综合评价法进行综合评价。具体的,首先获取每个目标性能指标的评估值,然后,根据每个目标性能指标的评估值以及每个目标性能指标的权重值,得到每个目标性能指标的隶属度,最后,根据每个目标性能指标的隶属度确定每个类型的性能指标所对应的隶属矩阵。
可选的,模糊综合评估模型的建立步骤如下:
(1)建立评价指标集合(评估因素集U)
其中,评估因素集U为综合评估指标的集合,具有层次性,可选的,一级指标可由下式表示:
U={U1,U2,U3,U4}
二级指标可表示为:
Ui={Ui1,Ui2,...,Uij}
在上式中,Uij为第i个准则层的第j个指标。
(2)建立评语集,其中,评语集为对各种指标做出可能结果的集合,即根据评价模型进行评估定级,评语集不同等级赋予的值分别为90-100,80-90,70-80,60-70,60以下,取区间中位数得
V=(95,85,75,65,30)
建立评语集为V={V1,V2,V3,V4,V5}={优,良,中,及格,差}
(3)确定权重集
一级指标的权重集为:
W={W1,W2,W3,W4,W5}
二级指标的权重集为:
Wi={Wi1,Wi2,...,Wij}
(4)建立评估隶属矩阵R
其中,Ri表示第i个因素的评价结果;Rij表示第i个评价因素对第j个评价等级的隶属度,其反映了评价因素与评价等级之间用隶属度表示的模糊关系;n表示评语集中评价等级的个数;m表示被评价因素的个数。
更进一步的,在得到权重值以及隶属矩阵之后,可根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。具体的,将隶属矩阵与每个目标性能指标对应的权重值进行乘积运算,得到每个目标性能指标所对应的隶属向量,然后对隶属向量进行二次模糊处理,得到评估向量,并对评估向量进行分值转换,得到评估等级分值,其中,评估等级分值表征了性能评价结果。
可选的,在对隶属向量进行二次模糊处理的过程中,首先,进行一级模糊综合评价,根据用层次分析法算出的指标权重W和已经建立的评价隶属矩阵R,运用模糊运算法则进行综合运算,并作归一化处理,得到因素Ui对评语集V的隶属向量Si。
然后,对隶属向量进行二级模糊综合评估,得到总的评估向量A,根据模糊向量单值化原则,得出综合评估结论:
A=W·S
将上述综合评估结果转换成分值,取评估等级分值为V,则有评估结果F:
F=A·V
在一种可选的实施例中,以下结合实例对本申请所提供的方案进行说明。需要说明的是,本发明还有其它不同的实施方式,各种实施方式中的细节可以在不偏离本发明的情况下进行各种明显的改进。因此,附图和说明书是要阐释实质问题而非限制性的。
步骤一:确定光伏电站的性能指标体系
(1)建立太阳能光伏电站的性能指标体系
太阳能光伏电站综合评价指标体系,可包括太阳能资源指标、电量指标、能耗指标、经济因素指标、环境影响评估指标。
(2)数据分析和挖掘,其中,表3为太阳能资源数据。
表3太阳能资源数据
序号 | 太阳能总辐射 | 日照时数 | 平均温度 | 平均风速 | 相对湿度 |
1 | 67 | 201 | -3.2 | 2.9 | 40 |
2 | 85 | 193 | 0.4 | 2.8 | 38 |
3 | 122 | 242 | 7.4 | 3.4 | 31 |
4 | 146 | 247 | 15 | 3.3 | 37 |
5 | 170 | 289 | 21.2 | 3 | 45 |
6 | 155 | 274 | 25.1 | 2.5 | 56 |
7 | 145 | 224 | 26.7 | 2.3 | 70 |
8 | 137 | 229 | 25.4 | 2.1 | 73 |
9 | 118 | 242 | 20.9 | 2.2 | 64 |
10 | 96 | 227 | 13.3 | 2.3 | 54 |
11 | 67 | 193 | 4.5 | 2.6 | 47 |
12 | 57 | 188 | -1.9 | 3 | 43 |
基于表3求得特征根为[3.425,1.845,0.139,0.012,0.034],贡献率分别为[0.628,0.338,0.025,0.006,0.003],主成分数为2,则可采用两个主成分对太阳能资源进行表示,同理可对光伏电站的其余指标进行处理。
根据上述的太阳能光伏电站的性能指标体系和数据挖掘分析,其中,光伏电站综合性能指标体系如表4所示:
表4光伏电站综合性能指标体系
步骤二:确定各层级指标的权重
可选的,可按层次分析法的步骤对指标体系中的各级指标确定权重,结果如下:
(1)一级指标权重确定
其中,一级指标判断矩阵为:
技术指标 | 经济指标 | 社会指标 | 权重(wi) | |
技术指标 | 1 | 0.2 | 3 | 0.186 |
经济指标 | 5 | 1 | 8 | 0.737 |
社会指标 | 0.333 | 0.125 | 1 | 0.077 |
CR=0.042,符合一致性检查。
(2)二级指标权重确定
1)技术指标
技术指标的判断矩阵为:
太阳能资源 | 电量指标 | 能耗指标 | 权重(wi) | |
太阳能资源 | 1 | 2 | 3 | 0.539 |
电量指标 | 0.5 | 1 | 2 | 0.297 |
能耗指标 | 0.333 | 0.5 | 1 | 0.164 |
CR=0.009,符合一致性检查。
2)经济指标
经济指标的判断矩阵为:
盈利能力 | 偿债能力 | 运营能力 | 权重(wi) | |
盈利能力 | 1 | 3 | 5 | 0.633 |
偿债能力 | 0.333 | 1 | 3 | 0.261 |
运营能力 | 0.2 | 0.333 | 1 | 0.106 |
CR=0.037,符合一致性检查。
3)社会指标
社会指标的判断矩阵为:
环境因素 | 权重(wi) | |
环境因素 | 1 | 1 |
CR=0.0,符合一致性检查。
(3)三级指标权重确定
1)太阳能资源指标
太阳能资源的判断矩阵为:
总辐射量 | 日照小时 | 权重(wi) | |
总辐射量 | 1 | 2 | 0.667 |
日照小时 | 0.5 | 1 | 0.333 |
CR=0.0,符合一致性检查。
2)电量指标
电量指标的判断矩阵为:
等效利用小时数 | 系统效率 | 能源利用率 | 权重(wi) | |
等效利用小时数 | 1 | 2 | 1( | 0.4 |
系统效率 | 0.5 | 1 | 0.5 | 0.2 |
能源利用率 | 1 | 2 | 1 | 0.4 |
CR=0.0,符合一致性检查。
3)能耗指标
能耗指标的判断矩阵为:
CR=0.0,符合一致性检查。
4)盈利能力
盈利能力的判断矩阵为:
内部收益率 | 投资回报期 | 权重(wi) | |
内部收益率 | 1 | 1 | 0.5 |
投资回报期 | 1 | 1 | 0.5 |
CR=0.0,符合一致性检查。
5)偿债能力
偿债能力的判断矩阵为:
资产负债率 | 流动比率 | 权重(wi) | |
资产负债率 | 1 | 3 | 0.75 |
流动比率 | 0.333 | 1 | 0.25 |
CR=0.0,符合一致性检查。
6)运营能力
运营能力的判断矩阵为:
CR=0.0,符合一致性检查。
7)环境指标
环境指标的判断矩阵为:
节约标准煤 | 烟尘减排量 | 污染物减排量 | 权重(wi) | |
节约标准煤 | 1 | 3.036 | 2.024 | 0.544 |
烟尘减排量 | 0.329 | 1 | 1.745 | 0.254 |
污染物减排量 | 0.494 | 0.573 | 1 | 0.202 |
CR=0.0998,符合一致性检查。
综合权重的结果如表6所示:
表6综合性能指标
步骤三:对光伏电站综合性能进行评价
假设专家对光伏电站工程项目的技术、经济、社会指标进行打分,根据专家的打分,首先分别建立技术指标隶属度、经济指标隶属度和社会指标隶属度的矩阵R。
(1)技术指标的隶属度
表7技术指标评分表
则技术指标的隶属度矩阵为:
(2)经济指标隶属度
表8经济指标评分表
则经济指标的隶属度矩阵为:
(3)社会指标隶属度
表9社会指标评分表
则社会指标的隶属度矩阵为:
R3=[0.35 0.283 0.183 0.1 0.084]
再结合层次分析法所得权重和模糊综合评价法求得隶属向量Si。
对于单层次模糊综合评价:
(1)技术指标评价
评分为F1=S1VT=84.945
由此可知,光伏电站的技术指标评价隶属于(优,良,中,及格,差)的结果为84.945,即该技术指标评价结果为良。
(2)经济指标评价
评分为F2=S2VT=79.79
由此可知,光伏电站的经济指标评价隶属于(优,良,中,及格,差)的结果为79.79,即该经济指标评价结果为中。
(3)社会指标评价
S3=ω3R3
=[1][0.35 0.283 0.183 0.1 0.084]
=[0.35 0.283 0.183 0.1 0.084]
评分为F3=S3VT=80.05
由此可知,光伏电站的社会指标评价隶属于(优,良,中,及格,差)的结果为80.05,即该社会指标评价结果为良。
对于多层次模糊综合评价:
根据技术指标、经济指标和社会指标的评价结果,可以组成综合评价矩阵,如下式所示:
综合模糊评价为
最后进行运算得到综合得分为
得分为80.86分,评价结果为良。
由上述内容可知,在建立光伏电站综合性能体系的基础上,利用层次分析法获得各级指标的权重后,再结合模糊综合评价法得到各级指标的隶属矩阵,最后进行运算就可以对光伏电站的综合性能得到一个较为准确的评估结果。
实施例2
根据本发明实施例,还提供了一种光伏电站性能的确定装置实施例,其中,图4是根据本发明实施例的光伏电站性能的确定装置示意图,如图4所示,该装置包括:获取模块401、处理模块403、分析模块405、评价模块407以及确定模块409。
其中,获取模块401,用于获取光伏电站的性能指标体系,其中,性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,多个层级之间的性能指标存在从属关系;处理模块403,用于对每个类型的性能指标进行降维处理,得到多个目标性能指标;分析模块405,用于对多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;评价模块407,用于对每个类型的性能指标进行模糊评价,得到每个类型的性能指标的隶属矩阵;确定模块409,用于根据权重值以及隶属矩阵,得到光伏电站的性能评价结果。
需要说明的是,上述获取模块401、处理模块403、分析模块405、评价模块407以及确定模块409对应于上述实施例中的步骤S102至步骤S110,五个模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。
可选的,处理模块包括:第一处理模块、第二处理模块、第一计算模块、第一确定模块、第三处理模块以及第四处理模块。其中,第一处理模块,用于对性能指标体系中的所有性能指标进行逆向处理,得到正向性能指标;第二处理模块,用于对正向性能指标进行标准化处理,得到标准性能指标;第一计算模块,用于计算标准性能指标的特征值;第一确定模块,用于根据特征值,确定每个标准性能指标的方差贡献率;第三处理模块,用于基于方差贡献率得到性能指标的评价值;第四处理模块,用于将评价值满足预设条件的性能指标设置为目标性能指标。
可选的,分析模块包括:第一构建模块、第二构建模块、第二计算模块、检验模块以及第五处理模块。其中,第一构建模块,用于建立层次结构模型;第二构建模块,用于根据层次结构模型构造每个层级所对应的判断矩阵;第二计算模块,用于计算判断矩阵的最大特征值,得到每个层级所对应的特征向量;检验模块,用于对特征向量进行一致性检验,得到合格的特征向量;第五处理模块,用于根据合格的特征向量,得到每个层级的每个目标性能指标的权重值。
可选的,检验模块包括:第三计算模块、第一获取模块、第四计算模块以及第二确定模块。其中,第三计算模块,用于根据特征向量计算一致性指标值;第一获取模块,用于获取预设的随机一致性指标值;第四计算模块,用于计算一致性指标值与随机一致性指标值的比值,得到一致性比例;第二确定模块,用于根据一致性比例确定特征向量是否合格。
可选的,评价模块包括:第二获取模块、第六处理模块以及第三确定模块。其中,第二获取模块,用于获取每个目标性能指标的评估值;第六处理模块,用于根据每个目标性能指标的评估值以及每个目标性能指标的权重值,得到每个目标性能指标的隶属度;第三确定模块,用于根据每个目标性能指标的隶属度确定每个类型的性能指标所对应的隶属矩阵。
可选的,确定模块包括:第五计算模块、第七处理模块以及转换模块。其中,第五计算模块,用于将隶属矩阵与每个目标性能指标对应的权重值进行乘积运算,得到每个目标性能指标所对应的隶属向量;第七处理模块,用于对隶属向量进行二次模糊处理,得到评估向量;转换模块,用于对评估向量进行分值转换,得到评估等级分值,其中,评估等级分值表征了性能评价结果。
可选的,性能指标的类型至少包括如下之一:技术指标、经济指标、社会指标,技术指标至少包括:太阳能资源、电量指标、能耗指标,经济指标至少包括:盈利能力、偿债能力、运营能力,社会指标至少包括:环境因素。
实施例3
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,该非易失性存储介质中存储有计算机程序,其中,计算机程序被设置为运行时执行上述实施例1中的光伏电站性能的确定方法。
实施例4
根据本发明实施例的另一方面,还提供了一种处理器,该处理器用于运行程序,其中,程序被设置为运行时执行上述实施例1中的光伏电站性能的确定方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种光伏电站性能的确定方法,其特征在于,包括:
获取光伏电站的性能指标体系,其中,所述性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,所述多个层级之间的性能指标存在从属关系;
对所述每个类型的性能指标进行降维处理,得到多个目标性能指标;
对所述多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;
对所述每个类型的性能指标进行模糊评价,得到所述每个类型的性能指标的隶属矩阵;
根据所述权重值以及所述隶属矩阵,得到所述光伏电站的性能评价结果。
2.根据权利要求1所述的方法,其特征在于,对所述每个类型的性能指标进行降维处理,得到多个目标性能指标,包括:
对所述性能指标体系中的所有性能指标进行逆向处理,得到正向性能指标;
对所述正向性能指标进行标准化处理,得到标准性能指标;
计算所述标准性能指标的特征值;
根据所述特征值,确定每个所述标准性能指标的方差贡献率;
基于所述方差贡献率得到每个性能指标的评价值;
将所述评价值满足预设条件的性能指标设置为目标性能指标。
3.根据权利要求1所述的方法,其特征在于,对所述多个目标性能指标进行层次分析,得到每个目标性能指标的权重值,包括:
建立层次结构模型;
根据所述层次结构模型构造所述每个层级所对应的判断矩阵;
计算所述判断矩阵的最大特征值,得到所述每个层级所对应的特征向量;
对所述特征向量进行一致性检验,得到合格的特征向量;
根据所述合格的特征向量,得到所述每个层级的每个目标性能指标的权重值。
4.根据权利要求3所述的方法,其特征在于,对所述特征向量进行一致性检验,得到合格的特征向量,包括:
根据所述特征向量计算一致性指标值;
获取预设的随机一致性指标值;
计算所述一致性指标值与所述随机一致性指标值的比值,得到一致性比例;
根据所述一致性比例确定所述特征向量是否合格。
5.根据权利要求1所述的方法,其特征在于,对所述每个类型的性能指标进行模糊评价,得到所述每个类型的性能指标的隶属矩阵,包括:
获取每个目标性能指标的评估值;
根据所述每个目标性能指标的评估值以及所述每个目标性能指标的权重值,得到所述每个目标性能指标的隶属度;
根据所述每个目标性能指标的隶属度确定每个类型的性能指标所对应的隶属矩阵。
6.根据权利要求1所述的方法,其特征在于,根据所述权重值以及所述隶属矩阵,得到所述光伏电站的性能评价结果,包括:
将所述隶属矩阵与所述每个目标性能指标对应的权重值进行乘积运算,得到所述每个目标性能指标所对应的隶属向量;
对所述隶属向量进行二次模糊处理,得到评估向量;
对所述评估向量进行分值转换,得到评估等级分值,其中,所述评估等级分值表征了所述性能评价结果。
7.根据权利要求1所述的方法,其特征在于,所述性能指标的类型至少包括如下之一:技术指标、经济指标、社会指标,所述技术指标至少包括:太阳能资源、电量指标、能耗指标,所述经济指标至少包括:盈利能力、偿债能力、运营能力,所述社会指标至少包括:环境因素。
8.一种光伏电站性能的确定装置,其特征在于,包括:
获取模块,用于获取光伏电站的性能指标体系,其中,所述性能指标体系包括多个类型的性能指标,每个类型的性能指标包括多个层级,每个层级具有至少一个性能指标,所述多个层级之间的性能指标存在从属关系;
处理模块,用于对所述每个类型的性能指标进行降维处理,得到多个目标性能指标;
分析模块,用于对所述多个目标性能指标进行层次分析,得到每个目标性能指标的权重值;
评价模块,用于对所述每个类型的性能指标进行模糊评价,得到所述每个类型的性能指标的隶属矩阵;
确定模块,用于根据所述权重值以及所述隶属矩阵,得到所述光伏电站的性能评价结果。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的光伏电站性能的确定方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序被设置为运行时执行所述权利要求1至7任一项中所述的光伏电站性能的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011288102.XA CN112381422A (zh) | 2020-11-17 | 2020-11-17 | 光伏电站性能的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011288102.XA CN112381422A (zh) | 2020-11-17 | 2020-11-17 | 光伏电站性能的确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381422A true CN112381422A (zh) | 2021-02-19 |
Family
ID=74585016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011288102.XA Pending CN112381422A (zh) | 2020-11-17 | 2020-11-17 | 光伏电站性能的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381422A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392735A (zh) * | 2022-08-30 | 2022-11-25 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
CN116307860A (zh) * | 2023-02-22 | 2023-06-23 | 浙江正泰智维能源服务有限公司 | 一种光伏电站监测告警方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685342A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种光伏发电站综合效益评价指标体系的评价方法 |
CN110232490A (zh) * | 2019-03-07 | 2019-09-13 | 中国电力科学研究院有限公司 | 一种配电网工程投资成效的评估方法及系统 |
-
2020
- 2020-11-17 CN CN202011288102.XA patent/CN112381422A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685342A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种光伏发电站综合效益评价指标体系的评价方法 |
CN110232490A (zh) * | 2019-03-07 | 2019-09-13 | 中国电力科学研究院有限公司 | 一种配电网工程投资成效的评估方法及系统 |
Non-Patent Citations (2)
Title |
---|
孙蕾: "智能电网管理评价指标体系与多属性分析模型研究", 中国优秀博士学位论文全文数据库经济与管理科学辑, no. 12, pages 2 - 130 * |
陈阳,高良敏,王新富,潘祥伟,周晓芳,胡玉琳: "基于主成分-模糊层次评判的矿井水质评价方法", 安徽理工大学学报(自然科学版), vol. 40, no. 2, pages 1 - 6 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392735A (zh) * | 2022-08-30 | 2022-11-25 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
CN115392735B (zh) * | 2022-08-30 | 2024-04-23 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
CN116307860A (zh) * | 2023-02-22 | 2023-06-23 | 浙江正泰智维能源服务有限公司 | 一种光伏电站监测告警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
CN111815060A (zh) | 一种用电地区短期负荷预测方法及装置 | |
CN111209534A (zh) | 基于居民客户用电量数据划分客户用电入住状态的方法 | |
CN112288328A (zh) | 一种基于灰色层次分析法的能源互联网风险评估方法 | |
CN111209316A (zh) | 一种信息素养数据挖掘方法、装置、电子设备及存储介质 | |
CN114444910A (zh) | 一种面向电力物联网的边缘网络系统健康度评估方法 | |
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 | |
CN102096633A (zh) | 一种面向应用领域的软件质量基准测评方法 | |
CN111967777A (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
CN112101761A (zh) | 清洁低碳、安全高效的能源体系建设成效综合评价方法 | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
CN112926895A (zh) | 一种光伏电站系统综合能效评价方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN110781959A (zh) | 基于birch算法和随机森林算法的电力客户分群方法 | |
CN115796665A (zh) | 一种绿色能源发电项目多指标碳效分级评估方法及装置 | |
CN113989073B (zh) | 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法 | |
CN111832854A (zh) | 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质 | |
CN115511230A (zh) | 一种电能替代潜力分析预测方法 | |
CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及系统 | |
CN113780686A (zh) | 一种面向分布式电源的虚拟电厂运行方案优化方法 | |
CN114118786A (zh) | 综合能源系统能效评价方法、装置和终端设备 |
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 |