CN114638550A - 一种储能电站配置方案的指标筛选方法及系统 - Google Patents

一种储能电站配置方案的指标筛选方法及系统 Download PDF

Info

Publication number
CN114638550A
CN114638550A CN202210512216.0A CN202210512216A CN114638550A CN 114638550 A CN114638550 A CN 114638550A CN 202210512216 A CN202210512216 A CN 202210512216A CN 114638550 A CN114638550 A CN 114638550A
Authority
CN
China
Prior art keywords
energy storage
power station
storage power
evaluation
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.)
Granted
Application number
CN202210512216.0A
Other languages
English (en)
Other versions
CN114638550B (zh
Inventor
曾伟
李建林
陈拓新
叶钟海
马速良
范瑞祥
赵伟哲
熊俊杰
何昊
郭兆东
刘硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lianzhi Huineng Technology Co ltd
State Grid Corp of China SGCC
North China University of Technology
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
Beijing Lianzhi Huineng Technology Co ltd
State Grid Corp of China SGCC
North China University of Technology
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Lianzhi Huineng Technology Co ltd, State Grid Corp of China SGCC, North China University of Technology, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical Beijing Lianzhi Huineng Technology Co ltd
Priority to CN202210512216.0A priority Critical patent/CN114638550B/zh
Publication of CN114638550A publication Critical patent/CN114638550A/zh
Application granted granted Critical
Publication of CN114638550B publication Critical patent/CN114638550B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种储能电站配置方案的指标筛选方法及系统，方法包括：获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；运用粗糙集理论对决策信息表进行处理，得到一组核属性集；在储能电站配置方案集合中选取若干个方案更换决策信息表的列，组成一个新的决策信息表，从储能电站评价指标集合中选取另一评价指标更换决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。实现了在有效地降低数据处理量的同时，能够保证储能电站配置方案的有效性。

Description

一种储能电站配置方案的指标筛选方法及系统
技术领域
本发明属于电力系统分析技术领域，尤其涉及一种储能电站配置方案的指标筛选方法及系统。
背景技术
储能技术能够显著提高可再生能源的消纳水平，为电网运行提供调峰调频、需求响应等多种服务。针对电网侧多点布置的分布式储能具有能源利用率高、环境污染小、安装地点灵活等优点，与集中式储能相比较，节省了输配电资源和运行费用，同时降低了输配电过程中的线路损耗。但目前储能成本仍然较高，储能系统接入电网会影响网络潮流、电能质量和系统可靠性。对分布式储能选址定容进行合理规划，则能够提高储能系统的效率，改善系统网损，降低电压波动，平抑新能源带来的负荷波动。因此，有必要对分布式储能的接入位置及容量进行规划。
目前国内外专家对储能电站选址定容的研究已取得阶段性成果，得到了很多配置方案，并建立了评价体系对其进行评价，但对于评价指标的精炼和筛选研究不够，还需要进一步的探索和实践。
发明内容
本发明提供一种储能电站配置方案的指标筛选方法及系统，用于解决如何对储能电站配置方案的评价指标进行筛选的技术问题。
第一方面，本发明提供一种储能电站配置方案的指标筛选方法，包括：获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
另外，根据本发明上述实施例的一种储能电站配置方案的指标筛选方法，还可以具有如下附加的技术特征：
进一步地，所述根据取样方法在所述储能电站配置方案集合中选取若干个配置方 案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策 信息表包括：采用系统抽样的方法在
Figure 846092DEST_PATH_IMAGE001
个配置方案中选取
Figure 259756DEST_PATH_IMAGE002
个配置方案；根据
Figure 877819DEST_PATH_IMAGE003
个评价指 标以及
Figure 836679DEST_PATH_IMAGE002
个配置方案，将不同配置方案对应不同评价指标下的评价结果构建成一个
Figure 805772DEST_PATH_IMAGE002
行
Figure 757547DEST_PATH_IMAGE003
列的决策信息表。
进一步地，所述采用系统抽样的方法在
Figure 495696DEST_PATH_IMAGE001
个配置方案中选取
Figure 140304DEST_PATH_IMAGE002
个配置方案包括：将 所述储能电站配置方案集合中的所有储能电站配置方案按随机顺序排列，然后依次进行编 号；对所有储能电站配置方案进行等距分组，分成
Figure 81846DEST_PATH_IMAGE002
个部分；在
Figure 837313DEST_PATH_IMAGE002
个部分中的每一个部分上， 进行随机抽样，选取一个方案，最后组成一个包含
Figure 164389DEST_PATH_IMAGE002
个配置方案的集合。
进一步地，所述运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集 包括：
Figure 979898DEST_PATH_IMAGE004
个评价指标组成条件准则集，第
Figure 658004DEST_PATH_IMAGE005
个评价指标为决策准则集，设
Figure 964964DEST_PATH_IMAGE004
个评价指 标集合为C，设第
Figure 677705DEST_PATH_IMAGE005
个评价指标为D，求出C的D正域，记为：
Figure 132957DEST_PATH_IMAGE006
，其中正域即为集合D的下 近似；去掉
Figure 563939DEST_PATH_IMAGE004
个评价指标中的某一评价指标，使形成新的评价指标集合
Figure 395628DEST_PATH_IMAGE007
，并求出
Figure 979188DEST_PATH_IMAGE007
的D 正域，记为：
Figure 870920DEST_PATH_IMAGE008
，且判断
Figure 523619DEST_PATH_IMAGE008
与
Figure 424578DEST_PATH_IMAGE006
是否相等，若
Figure 580753DEST_PATH_IMAGE008
与
Figure 659699DEST_PATH_IMAGE006
不相等，则去 掉的某一评价指标属于核属性集。
第二方面，本发明提供一种储能电站配置方案的指标筛选系统，包括：获取模块，配置为获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；构建模块，配置为根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；处理模块，配置为在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；更换模块，配置为在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的储能电站配置方案的指标筛选方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的储能电站配置方案的指标筛选方法的步骤。
本申请的储能电站配置方案的指标筛选方法及系统，能够对储能电站配置方案的评价指标的筛选和精炼，由此可删去评价体系中次要的评价指标，从而实现在有效地降低数据处理量的同时，能够保证储能电站配置方案的有效性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的一种储能电站配置方案的指标筛选方法的流程图；
图2为本发明一实施例提供的一种储能电站配置方案的指标筛选系统的结构框图；
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
请参阅图1，其为本发明一实施例提供的一种储能电站配置方案的指标筛选方法的流程图。
如图1所示，在步骤S101中，获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；
在步骤S102中，根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；
在步骤S103中，在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；
在步骤S104中，在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
本实施例的方法，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集，最后通过将出现次数最多的评价指标作为关键指标。能够对储能电站配置方案的评价指标的筛选和精炼，由此可删去评价体系中次要的评价指标，从而实现在有效地降低数据处理量的同时，能够保证储能电站配置方案的有效性。
在一个具体实施例中，储能电站配置方案的指标筛选方法具体包括以下步骤：
步骤1、针对评价对象即储能电站确定评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个指标的评价结果，具体步骤为：
步骤1.1、首先针对评价对象即储能电站的实际情况，或以此为基础加上决策者的 意愿，多角度考虑后确定
Figure 534114DEST_PATH_IMAGE009
个评价指标，指标可包括经济性、技术性、可靠性和环保性等方 面；
步骤1.2、根据所研究的电力系统的节点数以及总容量，确定储能电站可选的配置 方案，包括添加储能的节点位置以及所加储能的容量范围，在此基础上确定
Figure 238765DEST_PATH_IMAGE010
个储能电站 的配置方案；
步骤1.3、针对所研究的电力系统，进行调查分析，搜集相关的信息以及系统实测的数据，再结合专家经验，得到按照每种配置方案在特定节点配置特定容量的储能后每个指标的评价结果；
步骤2、根据得到的数据，运用特定的取样方法在方案中选取若干个方案，以不同的评价指标为行，以不同方案为列，把评价指标的评价结果做成一个决策信息表；
步骤2.1、整理步骤1得到的所有数据，将数据、评价指标和配置方案一一对应，并量化所有的评价结果；
步骤2.2、根据步骤2.1整理的数据，对得到的电力系统的多组配置方案进行处理， 采用系统抽样的方法在
Figure 515025DEST_PATH_IMAGE011
个配置方案中选取
Figure 14140DEST_PATH_IMAGE012
个方案，具体步骤为：
步骤2.2.1、将所有储能电站配置方案按随机顺序排列，然后依次进行编号；
步骤2.2.2、在步骤2.2.1的基础上，把所有储能电站配置方案进行等距分组，分成
Figure 392163DEST_PATH_IMAGE012
个部分；
步骤2.2.3、在
Figure 369346DEST_PATH_IMAGE012
个部分中的每一个部分上，进行随机抽样，选取一个方案，最后组 成一个包含
Figure 765692DEST_PATH_IMAGE012
个配置方案的集合；
步骤2.3、根据步骤1得到的
Figure 170129DEST_PATH_IMAGE009
个评价指标以及步骤2.2得到的
Figure 284715DEST_PATH_IMAGE012
个方案，以
Figure 800010DEST_PATH_IMAGE009
个评 价指标为行，以
Figure 64245DEST_PATH_IMAGE012
个不同的配置方案为列，将不同配置方案对应不同评价指标下的评价结 果做成一个
Figure 905162DEST_PATH_IMAGE012
行
Figure 507045DEST_PATH_IMAGE009
列的决策信息表；
步骤3、在指标中选取一个指标放在最后一列作为决策准则集，运用粗糙集理论对决策信息表进行处理，得到一组核属性集，具体步骤为：
步骤3.1、在步骤2得到的决策信息表基础上，采用简单随机抽样的方法在
Figure 826030DEST_PATH_IMAGE009
个评 价指标中选取一个指标作为决策准则集，具体步骤为：
步骤3.1.1、将所有储能电站配置方案的评价指标按随机顺序排列，然后依次进行编号；
步骤3.1.2、在步骤3.1.1的基础上，运用抽签法或随机数法进行抽样；
1）抽签法步骤为：将
Figure 947701DEST_PATH_IMAGE009
个编号写在大小、形状都相同的号签上，将制作好的号签放 在一个不透明的容器中并搅拌均匀，从容器中抽取一个号签，再找出与号签上号码相对应 的评价指标，抽样完毕；
2）随机数法步骤为：先选定开始的数字，即在随机数表中随机取定一个数字开始读数，从选定的数字开始，按照一定的方向读下去，得到的号码不在编号内则跳过，直到选到一个在编号内的号码，按照上述得到的号码从编号的评价指标里找出对应的指标，抽样完毕；
步骤3.2、在步骤2得到的决策信息表的基础上，对数据进行离散化，简化该知识表达系统：
步骤3.2.1、首先，因为粗糙集方法是运用集合的运算实现的，所以要将数据离散 化，将
Figure 959520DEST_PATH_IMAGE009
个配置方案的评价指标依次编号为
Figure 783119DEST_PATH_IMAGE013
，
Figure 905796DEST_PATH_IMAGE014
，…，
Figure 131241DEST_PATH_IMAGE015
，将
Figure 64693DEST_PATH_IMAGE012
个不同的配置方案依次编 号为
Figure 375589DEST_PATH_IMAGE016
，
Figure 301956DEST_PATH_IMAGE017
，…，
Figure 381908DEST_PATH_IMAGE018
；
步骤3.2.2 、然后，根据具体数据，把每一列数据即每一个评价指标下的数据进行等级划分，比如某组数据范围是0-100，则可划分为五个等级：0-20、21-40、41-60、61-80和81-100，并对五个等级分别编号为：1、2、3、4、5，划分等级的区间个数和区间长度都可以不同，但编号必须从1开始；
步骤3.2.3 、根据上述步骤，可以将由原始数据组成的知识表达系统转化为由等级编号组成的决策表，完成离散化并简化数据；
步骤3.3、在步骤3.2得到的决策表的基础上，运用粗糙集理论，按照数据分析法，得到一组核属性集：
步骤3.3.1、该决策表的准则集为储能电站配置方案的评价指标集，则
Figure 735529DEST_PATH_IMAGE004
个评价 指标组成条件准则集，第
Figure 284453DEST_PATH_IMAGE005
个评价指标为决策准则集，设
Figure 748932DEST_PATH_IMAGE004
个评价指标集合为C，设第
Figure 683390DEST_PATH_IMAGE005
个评价指标为D，求出C的D正域，记为：
Figure 207913DEST_PATH_IMAGE006
，正域即为集合D的下近似；
步骤3.3.2、依次去掉
Figure 493400DEST_PATH_IMAGE004
个评价指标中的每个指标，仿照上述步骤3.3.1依次求 出
Figure 243794DEST_PATH_IMAGE019
、
Figure 298338DEST_PATH_IMAGE020
、…、
Figure 993761DEST_PATH_IMAGE021
，且将其分别与
Figure 500966DEST_PATH_IMAGE006
比较，若两个集合完全相等， 则去掉的评价指标重要性较低，不属于核属性集；若两个集合不相等，则去掉的评价指标属 于核属性集；
步骤3.3.3 、通过步骤3.3.2中的
Figure 307248DEST_PATH_IMAGE005
次运算和比较，就可以得到该决策表下的一个 核属性集；
步骤4、再从配置方案集合中选取若干个方案更换决策信息表的列，组成一个新的决策信息表，从指标中选取一个指标更换决策准则集，重复该步骤得到多组核属性集，统计出现次数最多的即为关键指标，达到指标筛选目的；
步骤4.1、重复上述步骤的操作，再运用系统抽样的方法从
Figure 232610DEST_PATH_IMAGE022
个储能电站配置方案 中选取
Figure 98935DEST_PATH_IMAGE023
个方案，更换决策信息表中的列；
步骤4.2、在步骤4.1确定的方案基础上，再次运用简单随机抽样的方法从
Figure 359015DEST_PATH_IMAGE005
个评 价指标中选取一个指标更换决策准则集，组成一个新的决策信息表；
步骤4.3、在步骤4.2得到的决策信息表的基础上，再次运用粗糙集方法，得到另一组核属性集；
步骤4.4、重复步骤4.1-步骤4.3的操作，得到多组核属性集，直到达到一定量级后，对得到的核属性集进行整理分析；
步骤4.5、在步骤4.4得到的核属性集的基础上，根据蒙特卡洛的思想：当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种试验的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解；统计出现次数最多的评价指标即为关键指标，出现次数少的即为不重要的指标，至此指标筛选完成。
在本实施例中，通过以上步骤的算法，便可最终实现对储能电站配置方案的评估指标的筛选和精炼，由此可删去评估体系中次要的评估指标，得到能更加准确地评估储能电站配置方案的评估体系。
请参阅图2，其为本发明一实施例提供的一种储能电站配置方案的指标筛选系统的结构框图。
如图2所示，指标筛选系统200，包括获取模块210、构建模块220、处理模块230以及更换模块240。
其中，获取模块210，配置为获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；构建模块220，配置为根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；处理模块230，配置为在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；更换模块240，配置为在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
应当理解，图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例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，所述程序指令被处理器执行时，使所述处理器执行上述任意方法实施例中的储能电站配置方案的指标筛选方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；
根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；
在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；
在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据储能电站配置方案的指标筛选系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至储能电站配置方案的指标筛选系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图3是本发明实施例提供的电子设备的结构示意图，如图3所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图3中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例储能电站配置方案的指标筛选方法。输入装置330可接收输入的数字或字符信息，以及产生与储能电站配置方案的指标筛选系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于储能电站配置方案的指标筛选系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；
根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；
在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；
在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种储能电站配置方案的指标筛选方法，其特征在于，包括：
获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；
根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；
在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；
在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
2.根据权利要求1所述的一种储能电站配置方案的指标筛选方法，其特征在于，所述根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表包括：
采用系统抽样的方法在
Figure 480976DEST_PATH_IMAGE001
个配置方案中选取
Figure 603653DEST_PATH_IMAGE002
个配置方案；
根据
Figure 829098DEST_PATH_IMAGE003
个评价指标以及
Figure 11818DEST_PATH_IMAGE002
个配置方案，将不同配置方案对应不同评价指标下的评价结 果构建成一个
Figure 73446DEST_PATH_IMAGE002
行
Figure 734234DEST_PATH_IMAGE003
列的决策信息表。
3.根据权利要求2所述的一种储能电站配置方案的指标筛选方法，其特征在于，所述采 用系统抽样的方法在
Figure 79765DEST_PATH_IMAGE001
个配置方案中选取
Figure 433386DEST_PATH_IMAGE002
个配置方案包括：
将所述储能电站配置方案集合中的所有储能电站配置方案按随机顺序排列，然后依次进行编号；
对所有储能电站配置方案进行等距分组，分成
Figure 965998DEST_PATH_IMAGE002
个部分；
在
Figure 446789DEST_PATH_IMAGE002
个部分中的每一个部分上，进行随机抽样，选取一个方案，最后组成一个包含
Figure 381247DEST_PATH_IMAGE002
个 配置方案的集合。
4.根据权利要求1所述的一种储能电站配置方案的指标筛选方法，其特征在于，所述运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集包括：
Figure 905769DEST_PATH_IMAGE004
个评价指标组成条件准则集，第
Figure 925678DEST_PATH_IMAGE005
个评价指标为决策准则集，设
Figure 193848DEST_PATH_IMAGE004
个评价指标 集合为C，设第
Figure 982813DEST_PATH_IMAGE005
个评价指标为D，求出C的D正域，记为：
Figure 691618DEST_PATH_IMAGE006
，其中正域即为集合D的下近 似；
去掉
Figure 464402DEST_PATH_IMAGE004
个评价指标中的某一评价指标，使形成新的评价指标集合
Figure 5105DEST_PATH_IMAGE007
，并求出
Figure 445314DEST_PATH_IMAGE007
的D 正域，记为：
Figure 796792DEST_PATH_IMAGE008
，且判断
Figure 56872DEST_PATH_IMAGE008
与
Figure 666845DEST_PATH_IMAGE006
是否相等，若
Figure 430401DEST_PATH_IMAGE008
与
Figure 733207DEST_PATH_IMAGE006
不相等，则去 掉的某一评价指标属于核属性集。
5.一种储能电站配置方案的指标筛选系统，其特征在于，包括：
获取模块，配置为获取储能电站评价指标集合和储能电站配置方案集合，并得到按照每一种方案配置特定容量储能后每个评价指标的评价结果；
构建模块，配置为根据取样方法在所述储能电站配置方案集合中选取若干个配置方案，以不同的评价指标为行，以不同配置方案为列，将评价指标的评价结果构建成一个决策信息表；
处理模块，配置为在所述储能电站评价指标集合中选取一个指标放在最后一行作为决策准则集，并运用粗糙集理论对所述决策信息表进行处理，得到一组核属性集；
更换模块，配置为在所述储能电站配置方案集合中选取若干个方案更换所述决策信息表的列，组成一个新的决策信息表，从所述储能电站评价指标集合中选取另一评价指标更换所述决策准则集，使得到多组核属性集，统计出现次数最多的评价指标即为关键指标。
6.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4任一项所述的方法。
7.一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，所述程序被处理器执行时实现权利要求1至4任一项所述的方法。
CN202210512216.0A 2022-05-12 2022-05-12 一种储能电站配置方案的指标筛选方法及系统 Active CN114638550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210512216.0A CN114638550B (zh) 2022-05-12 2022-05-12 一种储能电站配置方案的指标筛选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210512216.0A CN114638550B (zh) 2022-05-12 2022-05-12 一种储能电站配置方案的指标筛选方法及系统

Publications (2)

Publication Number Publication Date
CN114638550A true CN114638550A (zh) 2022-06-17
CN114638550B CN114638550B (zh) 2022-10-11

Family

ID=81952820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210512216.0A Active CN114638550B (zh) 2022-05-12 2022-05-12 一种储能电站配置方案的指标筛选方法及系统

Country Status (1)

Country Link
CN (1) CN114638550B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306190A (zh) * 2011-08-31 2012-01-04 哈尔滨工业大学 粗糙集中属性集变化时规则集动态更新方法
CN104463704A (zh) * 2014-12-08 2015-03-25 国家电网公司 电力通信网可靠性评价指标约简方法及系统
CN105373848A (zh) * 2015-10-20 2016-03-02 国家电网公司 基于粗糙集的荷-网-源互动协调控制方案的优先排序法
CN109062867A (zh) * 2018-07-11 2018-12-21 运城学院 对象和属性同时增加的矩阵动态属性约简方法
CN109829604A (zh) * 2018-12-13 2019-05-31 国网江苏省电力有限公司电力科学研究院 一种电网侧储能电站运行效果综合评估方法
EP3624027A1 (en) * 2018-09-17 2020-03-18 Servicenow, Inc. Decision tables and flow engine for building automated flows within a cloud based development platform
CN111222787A (zh) * 2020-01-06 2020-06-02 国网能源研究院有限公司 受端电网规模化储能商业模式决策方法及系统
CN113255811A (zh) * 2021-06-06 2021-08-13 山西省交通科技研发有限公司 一种基于bim的梁式桥多源异构数据融合决策系统
CN113837552A (zh) * 2021-08-27 2021-12-24 中国航天标准化研究所 一种航天型号试验鉴定指标评估方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306190A (zh) * 2011-08-31 2012-01-04 哈尔滨工业大学 粗糙集中属性集变化时规则集动态更新方法
CN104463704A (zh) * 2014-12-08 2015-03-25 国家电网公司 电力通信网可靠性评价指标约简方法及系统
CN105373848A (zh) * 2015-10-20 2016-03-02 国家电网公司 基于粗糙集的荷-网-源互动协调控制方案的优先排序法
CN109062867A (zh) * 2018-07-11 2018-12-21 运城学院 对象和属性同时增加的矩阵动态属性约简方法
EP3624027A1 (en) * 2018-09-17 2020-03-18 Servicenow, Inc. Decision tables and flow engine for building automated flows within a cloud based development platform
CN109829604A (zh) * 2018-12-13 2019-05-31 国网江苏省电力有限公司电力科学研究院 一种电网侧储能电站运行效果综合评估方法
CN111222787A (zh) * 2020-01-06 2020-06-02 国网能源研究院有限公司 受端电网规模化储能商业模式决策方法及系统
CN113255811A (zh) * 2021-06-06 2021-08-13 山西省交通科技研发有限公司 一种基于bim的梁式桥多源异构数据融合决策系统
CN113837552A (zh) * 2021-08-27 2021-12-24 中国航天标准化研究所 一种航天型号试验鉴定指标评估方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HU MIN: "A Global Discretization and Attribute Reduction Algorithm Based on K-Means Clustering and Rough Sets Theory", 《2009 SECOND INTERNATIONAL SYMPOSIUM ON KNOWLEDGE ACQUISITION AND MODELING》 *
仲秋雁等: "基于粗糙集的突发事件属性约简方法", 《运筹与管理》 *
刘丹等: "一种新型粗糙集的指标筛选模型及实证分析", 《数学的实践与认识》 *
左金平等: "基于条件熵和变论域方法的属性约简算法", 《计算机应用与软件》 *

Also Published As

Publication number Publication date
CN114638550B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN111090643B (zh) 一种基于数据分析系统下的海量用电数据挖掘方法
CN114661810B (zh) 轻量级多源异构数据融合方法及系统
CN103745280A (zh) 用电量预测方法、装置及处理器
CN108614778B (zh) 基于高斯过程回归的安卓App程序演化变更预测方法
CN102521706A (zh) Kpi 数据的分析方法及装置
Lin et al. Scheduling a bi-criteria flowshop manufacturing cell with sequence-dependent family setup times
CN113592156A (zh) 电厂煤量调度方法、装置、终端设备及存储介质
Xue et al. Adaptive ultra-short-term wind power prediction based on risk assessment
Beldiceanu et al. Describing and generating solutions for the EDF unit commitment problem with the ModelSeeker
CN104537434A (zh) 基于业扩报装稳定周期的用电生长曲线提取系统和方法
CN114266421B (zh) 基于复合气象特征构建与选择的新能源功率预测方法
CN106022590B (zh) 有源配电网的电压质量评估方法和装置
CN109800477B (zh) 锂离子电池三因素不一致性预测方法及装置
CN111177128A (zh) 基于改进的离群点检测算法的计量大数据批量处理方法及系统
CN114638550B (zh) 一种储能电站配置方案的指标筛选方法及系统
CN105956069A (zh) 一种网络资讯的采集和分析方法及系统
CN117592905A (zh) 一种数据生成方法、装置、设备及存储介质
CN105468676A (zh) 一种大数据处理方法
CN117289167A (zh) 基于多重神经网络的电池剩余寿命预测方法、装置及介质
CN111864728B (zh) 一种可重构配电网重要设备识别方法和系统
CN116933201A (zh) 低压充电桩违约用电行为识别的方法和系统
CN108123436B (zh) 基于主成分分析和多元回归算法的电压越限预测模型
CN104636474A (zh) 构建音频指纹库及检索音频指纹的方法和设备
CN115292361A (zh) 一种分布式能源异常数据的筛选方法及系统
CN111884254B (zh) 基于双重随机模拟的分布式光伏消纳接入方法及装置

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