CN117151469A - 一种储能电站的安全风险评价方法和系统 - Google Patents

Abstract

本发明公开了一种储能电站的安全风险评价方法和系统，属于数据处理技术领域，方法包括：获取针对储能电站的安全风险评价体系；确定各个评估指标的初始权重；对各个评估指标的初始权重进行修正，得到正式权重；获取多个专家对于储能电站在各个评估指标下的评分情况；根据专家的可信度，确定储能电站的评分向量；将对于多个储能电站的评分向量组合为评分矩阵，并确定评分矩阵的正理想解向量和负理想解向量；结合各个评估指标的正式权重，计算各个储能电站的评分向量与正理想解向量之间的欧式距离以及与负理想解向量之间的欧式距离；计算各个储能电站的评分向量与负理想解向量之间的贴近度；确定各个储能电站的安全风险等级。

Description

一种储能电站的安全风险评价方法和系统

技术领域

本发明属于数据处理技术领域，具体涉及一种储能电站的安全风险评价方法和系统。

背景技术

新型储能设施有利于提高能源系统调节能力，增加储存能力，目前已成为社会关注的热点研究课题。储能电站属于能量高度密集的化学集成设备，安全风险较高，如果电池外壳或电气设备发生故障，电池材料很容易发生放热副反应，导致电池热泄漏，从而引起储能系统的火灾或爆炸等严重事故。因此，储能电站的安全风险评价更是重中之重。

当前，储能电站的安全风险评价主要以人工巡检为主，通过人工巡检对于各个安全风险项进行检查并打分，根据最终的打分情况进行安全风险的评估，费时费力，而且依赖于人工判断，容易收到主观因素的影响，导致安全风险评价的准确性和一致性较差。

随着模式识别、机器视觉、深度学习等技术的迅速发展，以及对于储能电站安全风险评价的迫切需要，越来越多的现代化技术被应用到储能电站评估中。其中，以风险矩阵分析为代表的现代化技术得到了快速的应用。风险矩阵是一种图形化工具，用于将风险的可能性和影响程度进行定性和定量化，以确定风险的等级。在储能电站中，可以使用风险矩阵分析来确定不同风险的优先级，以便针对高风险区域采取更有针对性的控制措施。

然而传统风险矩阵通常仅考虑风险事件的可能性和影响，而缺乏对不同风险指标之间权重和相互影响程度的综合考虑，并且风险矩阵分析通常只考虑两个维度(可能性和影响)，无法有效处理多维度、多指标的复杂风险情况，导致安全风险评价的准确性较低。

发明内容

为了解决现有技术通过人工巡检对于各个安全风险项进行检查并打分，根据最终的打分情况进行安全风险的评估，费时费力，而且依赖于人工判断，容易收到主观因素的影响，导致安全风险评价的准确性和一致性较差，传统风险矩阵通常仅考虑风险事件的可能性和影响，而缺乏对不同风险指标之间权重和相互影响程度的综合考虑，并且风险矩阵分析通常只考虑两个维度(可能性和影响)，无法有效处理多维度、多指标的复杂风险情况，导致安全风险评价的准确性较低的技术问题，本发明提供一种储能电站的安全风险评价方法和系统。

第一方面

本发明提供了一种储能电站的安全风险评价方法，包括：

S101：获取针对储能电站的安全风险评价体系，所述安全风险评价体系包括多个评估指标；

S102：确定各个所述评估指标的初始权重；

S103：根据各个所述评估指标之间的影响程度，对各个所述评估指标的初始权重进行修正，得到正式权重；

S104：获取多个专家对于储能电站在各个评估指标下的评分情况；

S105：根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度，确定储能电站的评分向量；

S106：将对于多个储能电站的评分向量组合为评分矩阵，并确定所述评分矩阵的正理想解向量和负理想解向量；

S107：结合各个所述评估指标的正式权重，计算各个储能电站的评分向量与正理想解向量之间的欧式距离以及与负理想解向量之间的欧式距离；

S108：计算各个储能电站的评分向量与所述负理想解向量之间的贴近度；

S109：根据各个储能电站的评分向量与所述负理想解向量之间的贴近度，确定各个储能电站的安全风险等级。

第二方面

本发明提供了一种储能电站的安全风险评价系统，用于执行第一方面中的储能电站的安全风险评价方法。

与现有技术相比，本发明至少具有以下有益技术效果：

(1)在本发明中，可以同时考虑多个评估指标，为每个评估指标赋予权重，并根据各个所述评估指标之间的影响程度，对各个所述评估指标的初始权重进行修正，可以综合考虑不同风险指标之间权重以及相互影响程度，能够有效处理多维度、多指标的复杂风险情况，使得安全风险评价更加综合和客观，提升安全风险评价的准确性和一致性。

(2)在本发明中，根据各个储能电站的评分向量与所述负理想解向量之间的贴近度，自动化地确定各个储能电站的安全风险等级，可以减少主观因素的影响，提升安全风险评价的准确性和一致性。

(3)在本发明中，引入专家可信度，根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度来确定储能电站的评分向量，可以提升评分的可信度，使得评估过程的定量化更加可靠，提升安全风险评价的准确性。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明提供的一种储能电站的安全风险评价方法的流程示意图；

图2是本发明提供的一种储能电站的安全风险评价方法的结构示意图。

具体实施方式

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，下面将对照附图说明本发明的具体实施方式。

在一个实施例中，参考说明书附图1，示出了本发明提供的一种储能电站的安全风险评价方法的流程示意图。参考说明书附图2，示出了本发明提供的一种储能电站的安全风险评价方法的结构示意图。

本发明提供的一种储能电站的安全风险评价方法，包括：

S101：获取针对储能电站的安全风险评价体系，安全风险评价体系包括多个评估指标。

其中，安全风险评价体系包括五个一级评估指标：电池状况、防范措施执行情况、运行环境、地理位置和安全监控保护系统配备情况。

电池状况包括五个二级评估指标：壳体破损、散发异味、表面清洁度、电池可用容量和单体电压不一致。

防范措施执行情况包括三个二级评估指标：外部短路防范措施执行情况、外部火源防范措施执行情况和物理冲击防范措施执行情况。

运行环境包括三个二级评估指标：潮湿、粉尘和通风情况。、

地理位置包括三个二级评估指标：气候、地形和自然灾害发生率。

安全监控保护系统配备情况包括四个二级评估指标：电池管理系统配备情况、安全联动系统配备情况、防雷接地保护系统配备情况和消防系统配备情况。

需要说明的是，以上评估指标均对于储能电站的安全风险具有一定的影响力。

S102：确定各个评估指标的初始权重。

在一种可能的实施方式中，S102具体包括：

S1021：通过对各个评估指标的影响程度进行两两比较，结合九级标度法，建立判别矩阵：

其中，A表示判别矩阵，a_ij表示第i个评估指标相对于第j个评估指标的重要程度，a_ij的取值可通过九极标度法确定，m表示评估指标的总数，i＝1,2,…,m，j＝1,2,…,m。

其中，九极标度法是一种常用于比较和评估不同选项之间相对重要性的方法，通常用于权重确定、决策分析和对选项进行排序。在一系列级别中选择一个数字，以表示对于某个准则或因素，一个选项相对于另一个选项的重要程度。九级标度法中的级别从1到9。其中，1表示两个选项的相对重要性完全相等，而9表示一个选项相对于另一个选项的极端重要性。1表示相等重要性，3表示轻微偏向重要性，5表示中等重要性，7表示强烈偏向重要性，9表示极端重要性，2、4、6、8则表示在相邻级别之间的中间态，用于表示相对程度的介于两个级别之间的情况。

需要说明的是，使用九级标度法进行两两比较，将评估指标的重要性进行量化。这消除了主观判断的影响，使得权重的确定更加客观和标准化。

S1022：计算判别矩阵A的特征向量和特征值：

Aw＝λw→(A-λI)w

其中，λ表示判别矩阵A的特征值，w表示判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λ_max，与最大的特征值对应的特征向量记为w_max，w_max＝(w₁,w₂,…,w_m)。

S1023：对最大的特征值对应的特征向量w_max进行归一化处理：

其中，归一化后的向量的各个分量/>分别代表各个评估指标的初始权重，可分别记为α₁,α₂,…,α_m。

在本发明中，利用判别矩阵的特征值和特征向量来计算权重，能够将不同指标之间的关系进行数学表示，进而根据特征向量确定各个评估指标的初始权重，增加了评估的客观性、一致性和可靠性，减少了主观性带来的误差。

S103：根据各个评估指标之间的影响程度，对各个评估指标的初始权重进行修正，得到正式权重。

需要说明的是，评估指标之间可能存在相互影响的情况，某些指标可能对其他指标的影响更大。这个方法通过计算综合影响矩阵，能够系统地分析各个指标之间的影响程度，使得权重能够更准确地反映指标间的相对重要性。

在一种可能的实施方式中，S103具体包括：

S1031：对判别矩阵进行规范化得到规范化矩阵：

其中，F表示规范化矩阵，A表示判别矩阵，max表示取最大值，a_ij表示第i个评估指标相对于第j个评估指标的重要程度，a_ij的取值可通过九极标度法确定，m表示评估指标的总数，i＝1,2,…,m，j＝1,2,…,m。

S1032：根据规范化矩阵，计算综合影响矩阵：

C＝F+F²+…+F^m＝F(1-F)^-1

其中，C表示综合影响矩阵，综合影响矩阵中的各个元素记为c_ij，c_ij表示综合影响矩阵中第i行第j列的元素值。

S1033：根据综合影响矩阵，计算各个评估指标对其他评估指标的影响度以及被影响度：

其中，f_i表示第i个评估指标的影响度，g_j表示第j个评估指标的被影响度，m表示评估指标的总数，i＝1,2,…,n，j＝1,2,…,n。

其中，影响度是指标对其他指标的影响程度，即一个指标对其他指标的重要程度。而被影响度是其他指标对某一指标的影响程度，即其他指标对某一指标的重要程度。

S1034：根据各个评估指标的影响度以及被影响度，计算各个评估指标的中心度：

H_j＝f_j+g_j

其中，H_j表示第j个评估指标的中心度，f_j表示第j个评估指标的影响度，g_j表示第j个评估指标的被影响度。

需要说明的是，通过计算影响度和被影响度，可以量化指标之间的影响程度，并确定每个指标的中心度。这有助于更全面地理解各个指标在整个体系中的作用和地位。

其中，中心度是指评估指标在整个风险评估体系中的相对重要程度。中心度通过综合考虑指标的影响度和被影响度，量化了指标在整个评估体系中的相对重要性。指标的中心度越高，意味着该指标在评估中起到的作用越大，其对其他指标的影响程度以及受其他指标影响的程度都比较高。

S1035：根据各个评估指标的中心度，对各个评估指标的初始权重进行修正，得到正式权重：

其中，β_j表示第j个评估指标的正式权重，α_j表示第j个评估指标的初始权重。

需要说明的是，通过综合分析评估指标之间的关系，以及指标的影响度和中心度，能够更准确地调整初始权重，使得正式权重能够更好地反映不同指标的相对重要性，从而提高了整个风险评估方法的可靠性和准确性。

在本发明中，可以同时考虑多个评估指标，为每个评估指标赋予权重，并根据各个评估指标之间的影响程度，对各个评估指标的初始权重进行修正，可以综合考虑不同风险指标之间权重以及相互影响程度，能够有效处理多维度、多指标的复杂风险情况，使得安全风险评价更加综合和客观，提升安全风险评价的准确性和一致性。

S104：获取多个专家对于储能电站在各个评估指标下的评分情况。

S105：根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度，确定储能电站的评分向量。

在一种可能的实施方式中，S105具体包括：

S1051：根据以下公式，计算各个专家对于储能电站在各个评估指标下的进行评分时的客观性参数：

其中，B_k表示第k个专家对于储能电站在各个评估指标下的进行评分时的客观性参数，e_kj表示第k个专家在对第j个评估指标进行打分时的原始评分，表示各个专家对于第j个评估指标进行打分时的原始评分的平均值，j＝1,2,...,m，m表示评估指标的总数，k＝1,2,...,K，K表示专家总数。

需要说明的是，计算评分的平均值作为参考，可以帮助确定专家评分的整体分布情况。这有助于判断评分是否集中在某个范围内，从而对评分的合理性进行评估。

S1052：根据以下公式计算各个专家的可信度：

其中，μ_k表示第k个专家的可信度。

需要说明的是，通过计算专家的客观性参数和可信度，可以量化专家评分的客观程度和可信程度。这有助于消除评估过程中的主观偏见，从而使评估结果更加客观和准确。

S1053：根据各个专家的可信度以及对各个评估指标进行打分时的原始评分，计算储能电站在各个评估指标下的的最终评分：

其中，e_j表示第j个评估指标下的最终评分。

需要说明的是，通过计算最终评分向量，能够将专家的原始评分与客观性参数和可信度相结合，得到更准确的评分结果。这使得评估结果更加准确，有助于有效地反映储能电站在各个评估指标下的实际情况。

S1054：确定储能电站的评分向量：

e＝[e₁,e₂,…,e_j]

其中，e表示评分向量。

则第i个储能电站的评分向量可表示为：e_i＝[e_i1,e_i2,…,e_ij]。

需要说明的是，能够充分考虑专家评分的客观性和可信度，提高评估结果的可靠性和准确性。通过综合不同专家的意见，结合定量化的计算过程，可以得到更全面、客观、准确的评估结果，从而支持更好的决策和分析。

在本发明中，引入专家可信度，根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度来确定储能电站的评分向量，可以提升评分的可信度，使得评估过程的定量化更加可靠，提升安全风险评价的准确性。

S106：将对于多个储能电站的评分向量组合为评分矩阵，并确定评分矩阵的正理想解向量和负理想解向量。

在一种可能的实施方式中，S106具体包括：

S1061：将对于多个储能电站的评分向量组合为评分矩阵：

其中，E表示评分矩阵，e_ij表示第i个储能电站第j个评估指标下的最终评分，i＝1,2,…,n，n表示储能电站总数，j＝1,2,…,m，m表示评估指标的总数。

S1062：确定评分矩阵的正理想解向量和负理想解向量：

其中，表示正理想解向量，由评分矩阵中各行的最大值组成，/>表示负理想解向量，由评分矩阵中各行的最小值组成。

需要说明的是，正理想解向量表示了在所有评估指标下均取得最高分的最理想状态。对于每个评估指标，正理想解向量中的对应值是该评估指标下所有储能电站中的最高分。进一步地，负理想解向量表示了在所有评估指标下均取得最低分的最差状态。对于每个评估指标，负理想解向量中的对应值是该评估指标下所有储能电站中的最低分。

S107：结合各个评估指标的正式权重，计算各个储能电站的评分向量与正理想解向量之间的欧式距离以及与负理想解向量之间的欧式距离。

在一种可能的实施方式中，S107具体包括：

S1071：通过以下公式，计算各个储能电站的评分向量与正理想解向量之间的欧式距离：

其中，表示第i个储能电站的评分向量与正理想解向量之间的欧式距离，β_j表示第j个评估指标的正式权重，e_ij表示第i个储能电站第j个评估指标下的最终评分，/>表示正理想解向量，i＝1,2,…,n，n表示储能电站总数，j＝1,2,...,m，m表示评估指标的总数。

需要说明的是，通过储能电站的评分向量与正理想解向量之间的欧式距离，可以衡量储能电站在各个评估指标下相对于最理想状态的差距程度。欧式距离越小，表示储能电站在各个评估指标下的评分越接近最理想状态。

S1072：通过以下公式，计算各个储能电站的评分向量与负理想解向量之间的欧式距离：

其中，表示第i个储能电站的评分向量与负理想解向量之间的欧式距离，/>表示负理想解向量。

需要说明的是，通过储能电站的评分向量与负理想解向量之间的欧式距离，可以衡量储能电站在各个评估指标下相对于最差状态的差距程度。欧式距离越小，表示储能电站在各个评估指标下的评分越接近差状态。

S108：计算各个储能电站的评分向量与负理想解向量之间的贴近度。

在一种可能的实施方式中，S108具体为：

根据以下公式，计算各个储能电站的评分向量与负理想解向量之间的贴近度：

其中，τ_i表示第i个储能电站的评分向量与负理想解向量的贴近度，当第i个储能电站的评分向量与负理想解向量的贴近度τ_i越小时，表示第i个储能电站的评分向量越接近于负理想解向量，则第i个储能电站的安全风险等级越高。

在本发明中，通过计算储能电站的评分向量与负理想解向量之间的贴近度，实际上是在量化衡量每个储能电站在各个评估指标下相对于最差状态的接近程度。这个贴近度的计算有助于确定每个储能电站在安全风险上的强弱，从而实现更准确的排序和评估。

S109：根据各个储能电站的评分向量与负理想解向量之间的贴近度，确定各个储能电站的安全风险等级。

在一种可能的实施方式中，S109具体为：

S1091：当目标储能电站的评分向量与负理想解向量之间的贴近度τ满足τ≤T₁时，确定目标储能电站的安全风险等级为极高风险。

S1092：当目标储能电站的评分向量与负理想解向量之间的贴近度τ满足T₁<τ≤T₂时，确定目标储能电站的安全风险等级为高风险。

S1093：当目标储能电站的评分向量与负理想解向量之间的贴近度τ满足T₂<τ≤T₃时，确定目标储能电站的安全风险等级为中等风险。

S1094：当目标储能电站的评分向量与负理想解向量之间的贴近度τ满足τ>T₃时，确定目标储能电站的安全风险等级为低风险。

其中，T₁表示第一预设贴近度，T₂表示第二预设贴近度，T₃表示第三预设贴近度。

其中，本领域技术人员可以根据实际情况设置第一预设贴近度T₁、第二预设贴近度T₂和第三预设贴近度T₃的大小，本发明不做限定。

在本发明中，根据各个储能电站的评分向量与负理想解向量之间的贴近度，自动化地确定各个储能电站的安全风险等级，可以减少主观因素的影响，提升安全风险评价的准确性和一致性。

与现有技术相比，本发明至少具有以下有益技术效果：

(1)在本发明中，可以同时考虑多个评估指标，为每个评估指标赋予权重，并根据各个评估指标之间的影响程度，对各个评估指标的初始权重进行修正，可以综合考虑不同风险指标之间权重以及相互影响程度，能够有效处理多维度、多指标的复杂风险情况，使得安全风险评价更加综合和客观，提升安全风险评价的准确性和一致性。

(2)在本发明中，根据各个储能电站的评分向量与负理想解向量之间的贴近度，自动化地确定各个储能电站的安全风险等级，可以减少主观因素的影响，提升安全风险评价的准确性和一致性。

(3)在本发明中，引入专家可信度，根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度来确定储能电站的评分向量，可以提升评分的可信度，使得评估过程的定量化更加可靠，提升安全风险评价的准确性。

实施例2

在一个实施例中，本发明提供的一种储能电站的安全风险评价系统，用于执行实施例1中的储能电站的安全风险评价方法。

本发明提供的一种储能电站的安全风险评价系统可以实现上述实施例1中的储能电站的安全风险评价方法的步骤和效果，为避免重复，本发明不再赘述。

与现有技术相比，本发明至少具有以下有益技术效果：

(1)在本发明中，可以同时考虑多个评估指标，为每个评估指标赋予权重，并根据各个评估指标之间的影响程度，对各个评估指标的初始权重进行修正，可以综合考虑不同风险指标之间权重以及相互影响程度，能够有效处理多维度、多指标的复杂风险情况，使得安全风险评价更加综合和客观，提升安全风险评价的准确性和一致性。

(2)在本发明中，根据各个储能电站的评分向量与负理想解向量之间的贴近度，自动化地确定各个储能电站的安全风险等级，可以减少主观因素的影响，提升安全风险评价的准确性和一致性。

(3)在本发明中，引入专家可信度，根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度来确定储能电站的评分向量，可以提升评分的可信度，使得评估过程的定量化更加可靠，提升安全风险评价的准确性。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种储能电站的安全风险评价方法，其特征在于，包括：

S101：获取针对储能电站的安全风险评价体系，所述安全风险评价体系包括多个评估指标；

S102：确定各个所述评估指标的初始权重；

S103：根据各个所述评估指标之间的影响程度，对各个所述评估指标的初始权重进行修正，得到正式权重；

S104：获取多个专家对于储能电站在各个评估指标下的评分情况；

S105：根据各个专家对于储能电站在各个评估指标下的评分情况以及专家的可信度，确定储能电站的评分向量；

S106：将对于多个储能电站的评分向量组合为评分矩阵，并确定所述评分矩阵的正理想解向量和负理想解向量；

S107：结合各个所述评估指标的正式权重，计算各个储能电站的评分向量与正理想解向量之间的欧式距离以及与负理想解向量之间的欧式距离；

S108：计算各个储能电站的评分向量与所述负理想解向量之间的贴近度；

S109：根据各个储能电站的评分向量与所述负理想解向量之间的贴近度，确定各个储能电站的安全风险等级。

2.根据权利要求1所述的储能电站的安全风险评价方法，其特征在于，所述安全风险评价体系包括五个一级评估指标：电池状况、防范措施执行情况、运行环境、地理位置和安全监控保护系统配备情况；电池状况包括五个二级评估指标：壳体破损、散发异味、表面清洁度、电池可用容量和单体电压不一致；防范措施执行情况包括三个二级评估指标：外部短路防范措施执行情况、外部火源防范措施执行情况和物理冲击防范措施执行情况；运行环境包括三个二级评估指标：潮湿、粉尘和通风情况；地理位置包括三个二级评估指标：气候、地形和自然灾害发生率；安全监控保护系统配备情况包括四个二级评估指标：电池管理系统配备情况、安全联动系统配备情况、防雷接地保护系统配备情况和消防系统配备情况。

3.根据权利要求1所述的储能电站的安全风险评价方法，其特征在于，所述S102具体包括：

S1021：通过对各个评估指标的影响程度进行两两比较，结合九级标度法，建立判别矩阵：

其中，A表示判别矩阵，a_ij表示第i个评估指标相对于第j个评估指标的重要程度，a_ij的取值可通过九极标度法确定，m表示评估指标的总数，i＝1,2,…,m，j＝1,2,…,m；

S1022：计算所述判别矩阵A的特征向量和特征值：

Aw＝λw→(A-λI)w

其中，λ表示所述判别矩阵A的特征值，w表示所述判别矩阵A的特征向量，I表示单位矩阵，取最大的特征值记为λ_max，与最大的特征值对应的特征向量记为w_max，w_max＝(w₁,w₂,…,w_m)；

S1023：对所述最大的特征值对应的特征向量w_max进行归一化处理：

其中，归一化后的向量的各个分量/>分别代表各个评估指标的初始权重，可分别记为α₁,α₂,...,α_m。

4.根据权利要求3所述的储能电站的安全风险评价方法，其特征在于，所述S103具体包括：

S1031：对所述判别矩阵进行规范化得到规范化矩阵：

其中，F表示规范化矩阵，A表示判别矩阵，max表示取最大值，a_ij表示第i个评估指标相对于第j个评估指标的重要程度，a_ij的取值可通过九极标度法确定，m表示评估指标的总数，i＝1,2,...,m，j＝1,2,...,m；

S1032：根据所述规范化矩阵，计算综合影响矩阵：

C＝F+F²+...+F^m＝F(1-F)^-1

其中，C表示综合影响矩阵，综合影响矩阵中的各个元素记为c_ij，c_ij表示综合影响矩阵中第i行第j列的元素值；

S1033：根据所述综合影响矩阵，计算各个评估指标对其他评估指标的影响度以及被影响度：

其中，f_i表示第i个评估指标的影响度，g_j表示第j个评估指标的被影响度，m表示评估指标的总数，i＝1,2,...,n，j＝1,2,...,n；

S1034：根据各个评估指标的影响度以及被影响度，计算各个评估指标的中心度：

H_j＝f_j+g_j

其中，H_j表示第j个评估指标的中心度，f_j表示第j个评估指标的影响度，g_j表示第j个评估指标的被影响度；

S1035：根据各个评估指标的中心度，对各个所述评估指标的初始权重进行修正，得到正式权重：

其中，β_j表示第j个评估指标的正式权重，α_j表示第j个评估指标的初始权重。

5.根据权利要求1所述的储能电站的安全风险评价方法，其特征在于，所述S105具体包括：

S1051：根据以下公式，计算各个专家对于储能电站在各个评估指标下的进行评分时的客观性参数：

其中，B_k表示第k个专家对于储能电站在各个评估指标下的进行评分时的客观性参数，e_kj表示第k个专家在对第j个评估指标进行打分时的原始评分，表示各个专家对于第j个评估指标进行打分时的原始评分的平均值，j＝1,2,...,m，m表示评估指标的总数，k＝1,2,...,K，K表示专家总数；

S1052：根据以下公式计算各个专家的可信度：

其中，μ_k表示第k个专家的可信度；

S1053：根据各个专家的可信度以及对各个评估指标进行打分时的原始评分，计算储能电站在各个评估指标下的的最终评分：

其中，e_j表示第j个评估指标下的最终评分；

S1054：确定储能电站的评分向量：

e＝[e₁,e₂,…,e_j]

其中，e表示评分向量；

则第i个储能电站的评分向量可表示为：e_i＝[e_i1,e_i2,…,e_ij]。

6.根据权利要求1所述的储能电站的安全风险评价方法，其特征在于，所述S106具体包括：

S1061：将对于多个储能电站的评分向量组合为评分矩阵：

其中，E表示评分矩阵，e_ij表示第i个储能电站第j个评估指标下的最终评分，i＝1,2,…,n，n表示储能电站总数，j＝1,2,…,m，m表示评估指标的总数；

S1062：确定所述评分矩阵的正理想解向量和负理想解向量：

其中，表示正理想解向量，由评分矩阵中各行的最大值组成，/>表示负理想解向量，由评分矩阵中各行的最小值组成。

7.根据权利要求6所述的储能电站的安全风险评价方法，其特征在于，所述S107具体包括：

S1071：通过以下公式，计算各个储能电站的评分向量与正理想解向量之间的欧式距离：

其中，表示第i个储能电站的评分向量与正理想解向量之间的欧式距离，β_j表示第j个评估指标的正式权重，e_ij表示第i个储能电站第j个评估指标下的最终评分，/>表示正理想解向量，i＝1,2,…,n，n表示储能电站总数，j＝1,2,…,m，m表示评估指标的总数；

S1072：通过以下公式，计算各个储能电站的评分向量与负理想解向量之间的欧式距离：

其中，表示第i个储能电站的评分向量与负理想解向量之间的欧式距离，/>表示负理想解向量。

8.根据权利要求7所述的储能电站的安全风险评价方法，其特征在于，所述S108具体为：

根据以下公式，计算各个储能电站的评分向量与所述负理想解向量之间的贴近度：

其中，τ_i表示第i个储能电站的评分向量与负理想解向量的贴近度，当第i个储能电站的评分向量与负理想解向量的贴近度τ_i越小时，表示第i个储能电站的评分向量越接近于负理想解向量，则第i个储能电站的安全风险等级越高。

9.根据权利要求8所述的储能电站的安全风险评价方法，其特征在于，所述S109具体为：

S1091：当目标储能电站的评分向量与所述负理想解向量之间的贴近度τ满足τ≤T₁时，确定目标储能电站的安全风险等级为极高风险；

S1092：当目标储能电站的评分向量与所述负理想解向量之间的贴近度τ满足T₁<τ≤T₂时，确定目标储能电站的安全风险等级为高风险；

S1093：当目标储能电站的评分向量与所述负理想解向量之间的贴近度τ满足T₂<τ≤T₃时，确定目标储能电站的安全风险等级为中等风险；

S1094：当目标储能电站的评分向量与所述负理想解向量之间的贴近度τ满足τ>T₃时，确定目标储能电站的安全风险等级为低风险；

其中，T₁表示第一预设贴近度，T₂表示第二预设贴近度，T₃表示第三预设贴近度。

10.一种储能电站的安全风险评价系统，其特征在于，用于执行权利要求1至9任一项所述的储能电站的安全风险评价方法。