CN116342288A - 面向储能集群调频交易的物联网信任度分析方法及系统 - Google Patents
面向储能集群调频交易的物联网信任度分析方法及系统 Download PDFInfo
- Publication number
- CN116342288A CN116342288A CN202310478846.5A CN202310478846A CN116342288A CN 116342288 A CN116342288 A CN 116342288A CN 202310478846 A CN202310478846 A CN 202310478846A CN 116342288 A CN116342288 A CN 116342288A
- Authority
- CN
- China
- Prior art keywords
- frequency modulation
- things
- internet
- energy storage
- data
- 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 207
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 83
- 230000005540 biological transmission Effects 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000013500 data storage Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 230000008901 benefit Effects 0.000 claims description 58
- 238000007619 statistical method Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 10
- 101100063432 Caenorhabditis elegans dim-1 gene Proteins 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 102000003780 Clusterin Human genes 0.000 description 1
- 108090000197 Clusterin Proteins 0.000 description 1
- 101150057198 ESL1 gene Proteins 0.000 description 1
- 102100021860 Endothelial cell-specific molecule 1 Human genes 0.000 description 1
- 101150022494 GLG1 gene Proteins 0.000 description 1
- 102100034223 Golgi apparatus protein 1 Human genes 0.000 description 1
- 101000897959 Homo sapiens Endothelial cell-specific molecule 1 Proteins 0.000 description 1
- 101100065666 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ESL2 gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本申请公开了一种面向储能集群调频交易的物联网信任度分析方法及系统,采用面向储能集群调频交易的物联网信任度计算方法,本方法的基本原理是:考虑数据传输速率、数据储存共享而形成的数据信息,考虑数据采集而形成的数据误差与缺失,利用信息充足量和缺失量来计算面向储能集群调频交易的物联网信任度,并评估信任度对储能集群调频交易的影响。这种面向储能集群调频交易的物联网信任度计算方法,同时反映了感知系统、数据传输速率、数据储存共享的影响,为面向储能集群调频交易的物联网信任度评估提供理论指导,为基于物联网的调频交易提供必要的技术支撑。
Description
技术领域
本申请涉及电力技术领域,尤其涉及一种面向储能集群调频交易的物联网信任度分析方法及系统。
背景技术
5G的三大应用场景是对电力物联网中数据传输方案三大应用场景的进一步深化。国内外相关专家学者也按照5G的三大应用场景对电力物联网业务进行划分,并开展了相关的研究工作。
eMBB场景主要满足一些高带宽业务需求,是对数据采集类应用场景和业务信息传输场景的加强。目前,电力物联网在这方面的应用主要是电网大视频,包括了变电站机器人巡检、输电线路无人机在线监测、配电房视频监控、移动式现场施工作业管控及应急现场自组网综合应用等。已经有不少研究人员尝试应用5G技术在某些场景中做了实验,并取得了一定成果。
在信任度计算方面,有很多研究成果,比如:通过信任链的多次迭代计算出节点在全局范围内的信誉值,引入概率论的方法来解决信任问题,给出了一种基于Bayesian网的信任模型算法性能,在计算信任时考虑了算法的时间衰减和惩罚因子,提高了算法的准确性及抗策略攻击能力。信任是动态建立和发展的,其发展趋势具有一定的规律,同时相邻两次交易之间具有一定的相关性,已有算法没有很好地体现信任的时间相关性,上下文相关性和发展趋势,为了更好的描述信任的这些特性,在已有马氏链模型的基础上,引入稳态概率来描述信任的发展趋势,每次交易完成后动态更新转移矩阵来更准确的描述信任的上下文相关性,同时加入时间衰减因子和惩罚激励因子来提高算法的抗攻击能力。然而,对于面向储能集群调频交易的物联网信任度计算方法现有技术仍鲜有研究。因此,亟需一种面向储能集群调频交易的物联网信任度分析方法,来计算电力物联网的信任度,并评估信任度对储能集群调频交易的影响。
发明内容
本申请提供了一种面向储能集群调频交易的物联网信任度分析方法及系统,用于计算电力物联网的信任度,并评估信任度对储能集群调频交易的影响。
有鉴于此,本申请第一方面提供了一种面向储能集群调频交易的物联网信任度分析方法,所述方法包括:
根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
根据所述信息损失值和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
可选地,所述根据所述信息损失和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值,之后还包括:
根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
可选地,根据参与调频的储能集群的调频功率量数据,采用统计分析法计算确定时段参与调频的储能集群的调频功率量,具体包括:
利用物联网感知系统,从电力市场监控数据中心获取参与调频的储能集群的调频功率量的数据信息;
式中,及/>分别为时段t参与调频的储能集群的调频功率量采集误差三维梯形模糊集或三维梯形下界、中界、上界相对应的模糊数及隶属度系数,/>及/>分别为时段t参与调频的储能集群的调频功率量采集误差三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
可选地,根据物联网监控数据中心的数据带宽数据,采用统计分析方法计算确定数据带宽不同等级的若干个模糊不确定性的三维梯形模糊集,具体包括:
在电力物联网的网络层,通过物联网监控数据中心获取数据带宽的数据信息,采用统计分析方法计算确定数据带宽极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性的三维梯形模糊集vDi,i=1,2,...,9:
BDi=(BDiL,BDiM,BDiU)=[(BDiL1,BDiL2,BDiL3,BDiL4;kDBiL),
(BDiM1,BDiM2,BDiM3,BDiM4;kDBiM),
(BDiU1,BDiU2,BDiU3,BDiU4;kDBiU)];
式中,BDi为日发电量第i个三维梯形模糊集,BDiL、BDiM、BDiU及kDBiL、kDBiM、kDBiU分别为数据带宽第i个三维梯形模糊集下界、中界、上界的模糊集及隶属度系数,BDiLj、BDiMj、BDiUj,j=1,2,3,4,分别为数据带宽第i个三维梯形模糊集下界、中界、上界模糊集的模糊数。
可选地,所述根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,具体包括:
其中,所述调频功率量采集误差计算公式为:
可选地,所述根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值,具体包括:
将数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,代入到信息收益值计算公式中,计算得到电力物联网在调频交易中的信息收益值;
其中,所述信息收益值计算公式为:
式中,RRP为在调频交易中电力物联网向用户提供数据采集、传输、存储和共享而形成的信息收益值;为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值;/>为向用户提供数据带宽为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDBi为因电力物联网提供第i个速率的数据带宽而给用户带来的单位收益值;/>为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值;kMiMH为物联网在感知层为水电机组提供数据采集而形成的信息收益值,kMiMT为物联网在感知层为火电机组提供数据采集而形成的信息收益值,kMiMN为物联网在感知层为核电机组提供数据采集而形成的信息收益值,kMiMG为物联网在感知层为气电机组提供数据采集而形成的信息收益值,kMiMES为物联网在感知层为储能集群提供数据采集而形成的信息收益值,kMiMX为物联网在感知层为西电东送机组提供数据采集而形成的信息收益值,kMi为物联网在感知层为机组提供数据采集而而给用户带来的单位收益值;E[]为对[]求期望值,/>表示9个模糊集的并集。
可选地,所述根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值,具体包括:
将参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,代入到信息损失值计算公式中,计算得到电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
其中,所述信息损失值计算公式为:
式中,LRP为电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;为电力物联网中形成的参与调频储能集群调频功率量采集误差的影响系数或权重系数,/>为电力物联网中形成的参与调频储能集群调频功率量采集误差所带来的单位损失值;/>为电力物联网中形成的参与调频储能集群调频报价采集误差的影响系数或权重系数,/>为电力物联网中形成的参与调频储能集群调频报价采集误差所带来的单位损失值,/>为参与调频储能集群调频功率量采集误差,/>为参与调频储能集群调频报价采集误差。
可选地,所述根据所述信息损失值和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值,具体包括:
将所述信息损失值和所述信息收益值代入到平均值计算式中,计算得到在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值;
其中,所述平均值计算式为:
式中,BI为电力物联网对所有用户信任度的平均值,RRP为所述信息收益值,LRP为所述信息损失值。
本申请第二方面提供一种面向储能集群调频交易的物联网信任度分析系统,所述系统包括:
第一计算单元,用于根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
第二计算单元,用于根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
第三计算单元,用于根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
第四计算单元,用于根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
第五计算单元,用于根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
第六计算单元,用于根据所述信息损失值和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
可选地,还包括:评估单元;
所述评估单元,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
从以上技术方案可以看出,本申请具有以下优点:
通过本申请所提出的面向储能集群调频交易的物联网信任度分析方法,可以计算面向储能集群调频交易的物联网信任度。这种面向储能集群调频交易的物联网信任度计算方法,同时反映了感知系统、数据传输速率、数据储存共享的影响,为面向储能集群调频交易的物联网信任度评估提供理论指导,为基于物联网的调频交易提供必要的技术支撑。
附图说明
图1为本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析方法的流程示意图;
图2为本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参阅图1,本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析方法,包括:
步骤101、根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
需要说明的是,步骤101具体的包括:
1011、利用物联网感知系统,从电力市场监控数据中心获取电力系统调频价格的相关数据信息。根据获取的电力市场电力系统调频价格的数据,采用统计分析方法计算确定时段t(t=1,2,...,Ne,Ne为时段数)电力系统调频价格采集误差的三维梯形模糊集
式中,及/>分别为时段t电力系统调频价格采集误差三维梯形模糊集或三维梯形下界、中界、上界相对应的模糊数及隶属度系数,/> 及分别为时段t电力系统调频价格采集误差三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
1012、利用物联网感知系统,从电力市场监控数据中心获取电力系统调频功率需求量的相关数据信息。根据获取的电力市场电力系统调频功率需求量的数据,采用统计分析方法计算确定时段t(t=1,2,...,NRP)电力系统调频功率需求量采集误差的三维梯形模糊集
式中及/>分别为时段t电力系统调频功率需求量采集误差三维梯形模糊集或三维梯形下界、中界、上界相对应的模糊数及隶属度系数,/> 及分别为时段t电力系统调频功率需求量采集误差三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
1013、利用物联网感知系统,从电力市场监控数据中心获取参与调频的储能集群的调频功率量的相关数据信息。根据获取的电力市场参与调频的储能集群的调频功率量的数据,采用统计分析方法计算确定时段t(t=1,2,...,NRP)参与调频的储能集群的调频功率量采集误差的三维梯形模糊集
式中及/>分别为时段t参与调频的储能集群的调频功率量采集误差三维梯形模糊集或三维梯形下界、中界、上界相对应的模糊数及隶属度系数,/>及/>分别为时段t参与调频的储能集群的调频功率量采集误差三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
1014、利用物联网感知系统,从电力市场监控数据中心获取参与调频的储能集群的报价的相关数据信息。根据获取的电力市场参与调频的储能集群的报价的数据,采用统计分析方法计算确定时段t(t=1,2,...,NRP)参与调频的储能集群的报价采集误差的三维梯形模糊集
式中,及/>分别为时段t参与调频的储能集群的报价采集误差三维梯形模糊集或三维梯形下界、中界、上界相对应的模糊数及隶属度系数,/>及/>分别为时段t参与调频的储能集群的报价采集误差三维梯形模糊集下界、中界、上界相对应的模糊数及隶属度系数。
步骤102、根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
需要说明的是,步骤102具体的包括:
1021、在电力物联网的网络层,从物联网监控数据中心获取数据传输速率的相关数据信息,采用统计分析方法计算确定数据传输速率极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性的三维梯形模糊集vDi(i=1,2,...,9):
vDi=(vDiL,vDiM,vDiU)=[(vDiL1,vDiL2,vDiL3,vDiL4;kDviL),
(vDiM1,vDiM2,vDiM3,vDiM4;kDviM),
(vDiU1,vDiU2,vDiU3,vDiU4;kDviU)]
式中,vDi为日发电量第i个三维梯形模糊集,vDiL、vDiM、vDiU及kDviL、kDviM、kDviU分别为数据传输速率第i个三维梯形模糊集下界、中界、上界的模糊集及隶属度系数,vDiLj、vDiMj、vDiUj(j=1,2,3,4)分别为数据传输速率第i个三维梯形模糊集下界、中界、上界模糊集的模糊数。
1022、在电力物联网的网络层,从物联网监控数据中心获取数据带宽的相关数据信息,采用统计分析方法计算确定数据带宽极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性的三维梯形模糊集vDi(i=1,2,...,9):
BDi=(BDiL,BDiM,BDiU)=[(BDiL1,BDiL2,BDiL3,BDiL4;kDBiL),
(BDiM1,BDiM2,BDiM3,BDiM4;kDBiM),
(BDiU1,BDiU2,BDiU3,BDiU4;kDBiU)]
式中,BDi为日发电量第i个三维梯形模糊集,BDiL、BDiM、BDiU及kDBiL、kDBiM、kDBiU分别为数据带宽第i个三维梯形模糊集下界、中界、上界的模糊集及隶属度系数,BDiLj、BDiMj、BDiUj(j=1,2,3,4)分别为数据带宽第i个三维梯形模糊集下界、中界、上界模糊集的模糊数。
1023、在电力物联网的平台层,从物联网监控数据中心获取数据存储共享规模的相关数据信息,采用统计分析方法计算确定数据存储共享规模极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性的三维梯形模糊集SDi(i=1,2,...,9):
SDi=(SDiL,SDiM,SDiU)=[(SDiL1,SDiL2,SDiL3,SDiL4;kDSiL),
(SDiM1,SDiM2,SDiM3,SDiM4;kDSiM),
(SDiU1,SDiU2,SDiU3,SDiU4;kDSiU)]
式中,SDi为数据存储共享规模第i个三维梯形模糊集,SDiL、SDiM、SDiU及kDSiL、kDSiM、kDSiU分别为数据存储共享规模第i个三维梯形模糊集下界、中界、上界的模糊集及隶属度系数,SDiLj、SDiMj、SDiUj(j=1,2,3,4)分别为数据存储共享规模第i个三维梯形模糊集下界、中界、上界模糊集的模糊数。
步骤103、根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
需要说明的是,根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,具体包括:
需要说明的是,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差,具体包括:
步骤104、根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
需要说明的是,在感知层,借助感知系统获取电力市场电价、电力系统调频功率需求量及其报价、各类发电机组调频功率量及其报价等数据信息。在平台层,借助大数据系统,实现电力系统调频数据的共享和互动。在网络层,借助网络系统,实现数据的传输,使得调频用户利用物联网得到充足的信息而获得收益。电力物联网在调频交易中的信息收益值RRP按照下式计算:
式中,RRP为在调频交易中电力物联网向用户提供数据采集、传输、存储和共享而形成的信息收益值;为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值;/>为向用户提供数据带宽为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDBi为因电力物联网提供第i个速率的数据带宽而给用户带来的单位收益值;/>为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值;kMiMH为物联网在感知层为储能集群提供数据采集而形成的信息收益值,kMiMT为物联网在感知层为储能集群提供数据采集而形成的信息收益值,kMiMN为物联网在感知层为核电机组提供数据采集而形成的信息收益值,kMiMG为物联网在感知层为气电机组提供数据采集而形成的信息收益值,kMiMES为物联网在感知层为储能集群提供数据采集而形成的信息收益值,kMiMX为物联网在感知层为西电东送机组提供数据采集而形成的信息收益值,kMi为物联网在感知层为机组提供数据采集而而给用户带来的单位收益值;E[]为对[]求期望值,/>表示9个模糊集的并集。
MH、MT、MN、MG、MES、MX可以采用三维梯形模糊集表示,具体式子如下:
MH=(MHL,MHM,MHU)=[(MHL1,MHL2,MHL3,MHL4;kHL),
(MHM1,MHM2,MHM3,MHM4;kHM),
(MHU1,MHU2,MHU3,MHU4;kHU)]
MT=(MTL,MTM,MTU)=[(MTL1,MTL2,MTL3,MTL4;kHL),
(MTM1,MTM2,MTM3,MTM4;kTM),
(MTU1,MTU2,MTU3,MTU4;kTU)]
MN=(MNL,MNM,MNU)=[(MNL1,MNL2,MNL3,MNL4;kNL),
(MNM1,MNM2,MNM3,MNM4;kNM),
(MNU1,MNU2,MNU3,MNU4;kNU)]
MG=(MGL,MGM,MGU)=[(MGL1,MGL2,MGL3,MGL4;kGL),
(MGM1,MGM2,MGM3,MGM4;kGM),
(MGU1,MGU2,MGU3,MGU4;kGU)]
MES=(MESL,MESM,MESU)=[(MESL1,MESL2,MESL3,MESL4;kESL),
(MESM1,MESM2,MESM3,MESM4;kESM),
(MESU1,MESU2,MESU3,MESU4;kESU)]
MX=(MXL,MXM,MXU)=[(MXL1,MXL2,MXL3,MXL4;kXL),
(MXM1,MXM2,MXM3,MXM4;kXM),
(MXU1,MXU2,MXU3,MXU4;kXU)]
式中,MH为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集,MHL、MHM、MHU及kHL、kHM、kHU分别为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MHLj、MHMj、MHUj(j=1,2,3,4)分别为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数;MT为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集,MTL、MTM、MTU及kTL、kTM、kTU分别为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MTLj、MTMj、MTUj(j=1,2,3,4)分别为物联网在感知层为储能集群提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数;MN为物联网在感知层为核电机组提供数据采集规模的三维梯形模糊集,MNL、MNM、MNU及kNL、kNM、kNU分别为物联网在感知层为核电机组提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MNLj、MNMj、MNUj(j=1,2,3,4)分别为物联网在感知层为核电机组提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数;MG为物联网在感知层为气电机组提供数据采集规模的三维梯形模糊集,MGL、MGM、MGU及kGL、kGM、kGU分别为物联网在感知层为气电机组提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MGLj、MGMj、MGUj(j=1,2,3,4)分别为物联网在感知层为气电机组提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数;MES为物联网在感知层为储能电机组提供数据采集规模的三维梯形模糊集,MESL、MESM、MESU及kESL、kESM、kESU分别为物联网在感知层为储能电机组提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MESLj、MESMj、MESUj(j=1,2,3,4)分别为物联网在感知层为储能电机组提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数;MX为物联网在感知层为西电东送电机组提供数据采集规模的三维梯形模糊集,MXL、MXM、MXU及kXL、kXM、kXU分别为物联网在感知层为西电东送电机组提供数据采集规模的三维梯形模糊集下界、中界、上界的模糊集及其隶属度系数,MXLj、MXMj、MXUj(j=1,2,3,4)分别为物联网在感知层为西电东送电机组提供数据采集规模的三维梯形模糊集下界、中界、上界模糊集的模糊数。
步骤105、根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
需要说明的是,电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失,其值按照下式计算:
式中,LRP为电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;为电力物联网中形成的参与调频储能集群调频功率量采集误差的影响系数或权重系数,/>为电力物联网中形成的参与调频储能集群调频功率量采集误差所带来的单位损失值;/>为电力物联网中形成的参与调频储能集群调频报价采集误差的影响系数或权重系数,/>为电力物联网中形成的参与调频储能集群调频报价采集误差所带来的单位损失值。
步骤106、根据信息损失值和信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
需要说明的是,在面向储能集群调频交易的电力物联网中,感知层、网络层和平台层用户提供了信息而使用户获得效益。由此可以计算电力物联网对所有用户信任度的平均值,计算式为:
在一个实施例中,本申请的面向储能集群调频交易的物联网信任度分析方法,还包括:
根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
需要说明的是,根据计算得到电力物联网对所有用户信任度的平均值,可以评估其信任度等级:
当BI=1时,电力物联网完全适应储能集群调频交易的应用。
当0.8≤BI<1时,电力物联网很好地适应储能集群调频交易的应用。
当0.5≤BI<0.8时,电力物联网较好适应储能集群调频交易的应用。
当0.3≤BI<0.5时,电力物联网适应储能集群调频交易的应用。
当0≤BI<0.3时,电力物联网不能适应储能集群调频交易的应用。
本申请实施例提供的面向储能集群调频交易的物联网信任度分析方法,采用面向储能集群调频交易的物联网信任度计算方法。其基本原理是:考虑数据传输速率、数据储存共享而形成的数据信息,考虑数据采集而形成的数据误差与缺失,利用信息充足量和缺失量来计算面向储能集群调频交易的物联网信任度,并评估信任度对储能集群调频交易的影响。
以上为本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析方法,以下为本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析系统。
请参阅图2,本申请实施例中提供的一种面向储能集群调频交易的物联网信任度分析系统,包括:
第一计算单元201,用于根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
第二计算单元202,用于根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
第三计算单元203,用于根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
第四计算单元204,用于根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
第五计算单元205,用于根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
第六计算单元206,用于根据信息损失值和信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
在一个实施例中,本申请的面向储能集群调频交易的物联网信任度分析系统,还包括:
评估单元,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”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,以便这里描述的本申请的实施例例如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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,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,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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网络单元上。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,在本申请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,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请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、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种面向储能集群调频交易的物联网信任度分析方法,其特征在于,包括:
根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
根据所述信息损失值和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
2.根据权利要求1所述的面向储能集群调频交易的物联网信任度分析方法,其特征在于,所述根据所述信息损失和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值,之后还包括:
根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
3.根据权利要求1所述的面向储能集群调频交易的物联网信任度分析方法,其特征在于,根据参与调频的储能集群的调频功率量数据,采用统计分析法计算确定时段参与调频的储能集群的调频功率量,具体包括:
利用物联网感知系统,从电力市场监控数据中心获取参与调频的储能集群的调频功率量的数据信息;
4.根据权利要求1所述的面向储能集群调频交易的物联网信任度分析方法,其特征在于,根据物联网监控数据中心的数据带宽数据,采用统计分析方法计算确定数据带宽不同等级的若干个模糊不确定性的三维梯形模糊集,具体包括:
在电力物联网的网络层,通过物联网监控数据中心获取数据带宽的数据信息,采用统计分析方法计算确定数据带宽极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性的三维梯形模糊集vDi,i=1,2,...,9:
BDi=(BDiL,BDiM,BDiU)=[(BDiL1,BDiL2,BDiL3,BDiL4;kDBiL),
(BDiM1,BDiM2,BDiM3,BDiM4;kDBiM),
(BDiU1,BDiU2,BDiU3,BDiU4;kDBiU)];
式中,BDi为日发电量第i个三维梯形模糊集,BDiL、BDiM、BDiU及kDBiL、kDBiM、kDBiU分别为数据带宽第i个三维梯形模糊集下界、中界、上界的模糊集及隶属度系数,BDiLj、BDiMj、BDiUj,j=1,2,3,4,分别为数据带宽第i个三维梯形模糊集下界、中界、上界模糊集的模糊数。
6.根据权利要求1所述的面向储能集群调频交易的物联网信任度分析方法,其特征在于,所述根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值,具体包括:
将数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,代入到信息收益值计算公式中,计算得到电力物联网在调频交易中的信息收益值;
其中,所述信息收益值计算公式为:
式中,RRP为在调频交易中电力物联网向用户提供数据采集、传输、存储和共享而形成的信息收益值;为向用户提供数据传输为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDvi为因电力物联网提供第i个速率的数据传输而给用户带来的单位收益值;/>为向用户提供数据带宽为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性速率而形成的信息收益值,kDBi为因电力物联网提供第i个速率的数据带宽而给用户带来的单位收益值;/>为向用户提供数据存储共享为极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性规模而形成的信息收益值,kDSi为因电力物联网提供第i个速率的数据存储共享而给用户带来的单位收益值;kMiMH为物联网在感知层为水电机组提供数据采集而形成的信息收益值,kMiMT为物联网在感知层为火电机组提供数据采集而形成的信息收益值,kMiMN为物联网在感知层为核电机组提供数据采集而形成的信息收益值,kMiMG为物联网在感知层为气电机组提供数据采集而形成的信息收益值,kMiMES为物联网在感知层为储能集群提供数据采集而形成的信息收益值,kMiMX为物联网在感知层为西电东送机组提供数据采集而形成的信息收益值,kMi为物联网在感知层为机组提供数据采集而而给用户带来的单位收益值;E[]为对[]求期望值,/>表示9个模糊集的并集。
7.根据权利要求1所述的面向储能集群调频交易的物联网信任度分析方法,其特征在于,所述根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值,具体包括:
将参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,代入到信息损失值计算公式中,计算得到电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
其中,所述信息损失值计算公式为:
9.一种面向储能集群调频交易的物联网信任度分析系统,其特征在于,包括:
第一计算单元,用于根据电力系统的调频价格数据和调频功率需求量数据、以及参与调频的储能集群的调频功率量数据和报价数据,采用统计分析法分别计算确定时段电力系统的调频价格和调频功率需求量的采集误差的三维梯形模糊集、以及参与调频的储能集群的调频功率量和报价的采集误差的三维梯形模糊集;
第二计算单元,用于根据物联网监控数据中心的数据传输速率、数据带宽数据和数据存储共享规模数据,采用统计分析方法分别计算确定数据传输速率、数据带宽、以及数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集;
第三计算单元,用于根据调频功率需求量、调频功率量的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频功率量采集误差,根据调频价格和报价的采集误差的三维梯形模糊集计算电力物联网中形成的参与调频储能集群调频报价采集误差;
第四计算单元,用于根据数据传输速率、数据带宽和数据存储共享规模不同等级的若干个模糊不确定性的三维梯形模糊集,以及物联网在感知层为储能集群、火电机组、核电机组、气电机组、储能集群和西电东送机组提供数据采集而形成的信息收益值,计算电力物联网在调频交易中的信息收益值;
第五计算单元,用于根据参与调频储能集群调频功率量采集误差、以及参与调频储能集群调频报价采集误差,计算电力物联网中形成的参与调频储能集群调频功率量和报价采集误差将造成调频交易的信息损失值;
第六计算单元,用于根据所述信息损失值和所述信息收益值,计算在面向储能集群调频交易的电力物联网中,电力物联网对所有用户信任度的平均值。
10.根据权利要求9所述的面向储能集群调频交易的物联网信任度分析系统,其特征在于,还包括:评估单元;
所述评估单元,用于根据电力物联网对所有用户信任度的平均值,对电力物联网的信任度等级进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310478846.5A CN116342288A (zh) | 2023-04-27 | 2023-04-27 | 面向储能集群调频交易的物联网信任度分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310478846.5A CN116342288A (zh) | 2023-04-27 | 2023-04-27 | 面向储能集群调频交易的物联网信任度分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116342288A true CN116342288A (zh) | 2023-06-27 |
Family
ID=86886022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310478846.5A Pending CN116342288A (zh) | 2023-04-27 | 2023-04-27 | 面向储能集群调频交易的物联网信任度分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342288A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117793008A (zh) * | 2024-02-27 | 2024-03-29 | 广东电网有限责任公司中山供电局 | 物联网流量的安全管理方法、装置和电力物联网系统 |
CN117812019A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
-
2023
- 2023-04-27 CN CN202310478846.5A patent/CN116342288A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117793008A (zh) * | 2024-02-27 | 2024-03-29 | 广东电网有限责任公司中山供电局 | 物联网流量的安全管理方法、装置和电力物联网系统 |
CN117812019A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
CN117812019B (zh) * | 2024-02-29 | 2024-06-04 | 广东电网有限责任公司中山供电局 | 发电机组在电力物联网安全访问上的控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116468556A (zh) | 面向电力市场调频交易的物联网信任度分析方法及系统 | |
CN116342288A (zh) | 面向储能集群调频交易的物联网信任度分析方法及系统 | |
CN116596667A (zh) | 核电机组调频交易管理的物联网信任度分析方法及系统 | |
CN116416067A (zh) | 气电机组的物联网调频交易信息信任度分析方法及系统 | |
CN107332889A (zh) | 一种基于云计算的云端信息管理控制系统及控制方法 | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN112433139B (zh) | 一种提高超级电容循环寿命的方法及装置 | |
CN114777192B (zh) | 基于数据关联和深度学习的二级网供热自主优化调控方法 | |
CN116385207A (zh) | 面向海上风电监测的物联网信任度分析方法及相关装置 | |
CN116342287A (zh) | 火电机组调频交易管理的物联网信任度分析方法及系统 | |
CN112613637A (zh) | 充电负荷的处理方法和装置 | |
CN117078048A (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
CN116108919A (zh) | 一种基于相似特征协作的个性化联邦学习方法和系统 | |
CN106980874A (zh) | 一种面向配网大数据的多时态维度数据融合方法 | |
CN116187474A (zh) | 一种横向联邦学习中参与方的贡献度评估方法 | |
CN105139157A (zh) | 一种基于能源数据的企业管理方法和系统 | |
Aldhyani et al. | An integrated model for prediction of loading packets in network traffic | |
CN116993391A (zh) | 一种站点式共享单车系统使用需求预测方法 | |
CN116316635A (zh) | 基于量测信息的电力协同控制方法及系统 | |
CN110533257A (zh) | 一种用于区域供热负荷的预测方法 | |
CN112926801B (zh) | 一种基于分位数回归的负荷曲线组合预测方法及装置 | |
CN116862670A (zh) | 西电东送机组调频交易的物联网信任度分析方法及系统 | |
CN112560325B (zh) | 换电业务的预测方法、系统、设备及存储介质 | |
CN113837473A (zh) | 基于bp神经网络的充电设备故障率分析系统和方法 | |
CN111698332A (zh) | 业务对象的分配方法、装置、设备及存储介质 |
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 |