CN117236769A - 一种实现电制氢技术数字画像的方法及系统 - Google Patents
一种实现电制氢技术数字画像的方法及系统 Download PDFInfo
- Publication number
- CN117236769A CN117236769A CN202311243182.0A CN202311243182A CN117236769A CN 117236769 A CN117236769 A CN 117236769A CN 202311243182 A CN202311243182 A CN 202311243182A CN 117236769 A CN117236769 A CN 117236769A
- Authority
- CN
- China
- Prior art keywords
- label layer
- label
- layer
- weight
- electro
- 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
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 147
- 239000001257 hydrogen Substances 0.000 title claims abstract description 147
- 238000005516 engineering process Methods 0.000 title claims abstract description 122
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 96
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 72
- 230000008901 benefit Effects 0.000 claims abstract description 48
- 230000008878 coupling Effects 0.000 claims abstract description 37
- 238000010168 coupling process Methods 0.000 claims abstract description 37
- 238000005859 coupling reaction Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims description 91
- 238000011161 development Methods 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010248 power generation Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000001737 promoting effect Effects 0.000 claims description 6
- 230000018109 developmental process Effects 0.000 description 37
- 230000005611 electricity Effects 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000012447 hatching Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电制氢技术领域。一种实现电制氢技术数字画像的方法包括构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型，其中，目标层包括电制氢技术的画像轮廓，第一标签层包括电制氢技术涉及的不同维度标签，第二标签层包括每个维度标签对应的维度所包括的若干子标签，第三标签层包括每个子标签包括的实际消费数据；利用层次分析法分别对第一标签层和第二标签层进行计算，分别得到第一标签层和第二标签层的主观权重；利用熵权法对第三标签层进行计算，得到第三标签层的客观权重；对主观权重和客观权重进行计算，得到综合耦合权重；根据综合耦合权重，对电制氢技术评价，得到目标层。具有全面、有效对电制氢技术评价的优点。
Description
技术领域
本发明涉及电制氢技术领域，尤其是涉及一种实现电制氢技术数字画像的方法及系统。
背景技术
在节能减排的双碳计划下，清洁能源的开发和利用得到普遍的重视。其中，以风力和光伏等可再生能源发电具有随机性和间歇性的特点，在接入电网后，会造成电压和频率波动，影响电网安全稳定运行。因此，配置多类型储能是实现风力、光伏、风机发电大规模接入电网，保障电网安全经济运行的重要手段。其中，氢能作为一种重要的清洁能源，具有无污染、燃烧效率高等优点，其推广利用是实现低碳环保的有效手段之一，在未来能源的发展格局中是非常关键的组成部分。
规划提出：“以数字化转型为整体，推动生产模式、生活方式和治理模式的转型”。基于大数据数字画像对电制氢技术的发展演进、未来推广的数据进行全周期分析，客观反映推广应用的经济、技术和社会效益，精准分析影响技术演进过程中的各种因素，为企业开展技术孵化、推广机制和政策制定提供实证数据支撑。其中，大数据研究在用户画像、电力设备特性分析方面取得了良好的效益，为电力企业开展精细化运营管理提供基础支撑，但对于电制氢等相关技术的画像构建方面，尚且匮乏，具体体现在多维度标签权重求解方面，由于电制氢特性分析与评估属于多属性群决策问题，增加了画像构建的难度。
此外，已有的电制氢评价体系往往聚焦于选取电力相关指标，将技术性能和社会效益等维度纳入评价体系的研究相对缺乏，难以解决电制氢技术范畴广、影响因素多、评价指标繁杂的问题，使得如何结合数字画像对其运行特性及技术特征开展综合评价，也是需要解决的问题。
发明内容
本发明的一种实现电制氢技术数字画像的方法，用于解决解决电制氢技术范畴广、影响因素多、评价指标繁杂，以及如何结合数字画像对其运行特性及技术特征开展综合评价的问题；
本发明第一方面提供一种实现电制氢技术数字画像的方法，包括：
构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型，其中，所述目标层包括电制氢技术的画像轮廓，所述第一标签层包括电制氢技术涉及的不同维度标签，所述第二标签层包括每个维度标签对应的维度所包括的若干子标签，所述第三标签层包括每个所述子标签包括的实际消费数据；
利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重；
利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重；
对所述主观权重和所述客观权重进行计算，得到所述综合耦合权重；
根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述目标层。
可实施的一种方式中，所述构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型的步骤，包括：
所述第一标签层包括节能环保数据、技术性能数据、经济效益数据和社会效益数据形成的维度标签；
所述节能环保数据对应的所述第二标签层包括技术先进性、技术普适性和技术成熟度形成的子标签；
所述技术性能数据对应的所述第二标签层包括项目投入和项目支出形成的子标签；
所述经济效益数据对应的所述第二标签层包括地理影响和生态影响形成的子标签；
所述社会效益数据对应的所述第二标签层包括市场前景、宏观政策和对社会经济影响形成的子标签；
所述技术先进性对应的所述第三标签层包括技术新颖性、技术可靠性、技术竞争性、技术实施速率和风、光电制氢的效率形成的实际消费数据；
所述技术普适性对应的所述第三标签层包括适应市场需求和市场推广规模形成的实际消费数据；
所述技术成熟度对应的所述第三标签层包括技术发展阶段形成的实际消费数据；
所述项目投入对应的所述第三标签层包括一次投资成本和运行维护成本形成的实际消费数据；
所述项目支出对应的所述第三标签层包括新能源发电补贴收益形成的实际消费数据；
所述地理影响对应的所述第三标签层包括气候条件特征和地域条件特征形成的实际消费数据；
所述生态影响对应的所述第三标签层包括可再生能源占比和促进可持续发展形成的实际消费数据；
所述市场前景对应的所述第三标签层包括氢燃料电池汽车市场占有率和氢燃料电池汽车市场覆盖率形成的实际消费数据；
所述宏观政策对应的所述第三标签层包括政策积极落实形成的实际消费数据；
所述对社会经济影响对应的所述第三标签层包括促进产业经济发展并带动地区经济发展，和缓解就业压力形成的实际消费数据。
可实施的一种方式中，所述利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重的步骤包括：
利用层次分析法中的专家打分对所述第一标签层进行打分，得到所述第一标签层中所包括内容对应的评价指标；
利用层次分析法中的专家打分分别对所述第二标签层进行打分，得到所述第二标签层中所包括内容对应的评价指标；
建立判断矩阵：
在成对比较n个评价指标后，使用aij量表进行量化，以获得评估矩阵A：
其中，aij为第i个评价指标与第j个评价指标的相对重要性，为与前面i对j的重要性标度相反；
对所述评估矩阵的一致性进行判断：
其中，λmax是评估矩阵的最大特征值，C.R是一致性比率，BW是每个评估矩阵列的值之和；n是评估矩阵阶数；CI为一致性标签；RI为随机一致性标签；wi为算术平均法求得的权重向量；
当n为1或2时，CI为0，此时判断矩阵完全一致；当n≥3时，继续求解C.R；
若C.R≤0.1，则判断矩阵满足一致性要求，表示ωi的估计在可接受范围内，否则，调整所述判断矩阵，直到其通过一致性检验；
根据所述判断矩阵，确定所述第一标签层中所包括内容对应的评价指标以及所述第二标签层中所包括内容对应的评价指标的相对权重向量wi’：
根据所述相对权重向量wi，分别得到第一标签层和所述第二标签层的主观权重wi。
可实施的一种方式中，所述层次分析法中的专家打分包括：
将所述第一标签层和所述第二标签层中未确定权重的标签，以及确定权重的统一规则发送给多个专家，得到每个所述专家对于所述第一标签层和所述第二标签层的标签的权重值；
计算所有所述权重值的平均值和标准偏差，并将计算结果反馈给专家，得到所述专家对于所述第一标签层和所述第二标签层中标签的重新确认权重；
当重新确认权重与其平均值之间差值不超过预定义标准时，得到所述第一标签层和所述第二标签层中标签权重值的均值作为所述第一标签层和所述第二标签层中标签对应的权重。
可实施的一种方式中，所述利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重的步骤包括：
获取预设时间段内的所述第三标签层；
根据所述第三标签层，计算所述第三标签层的属性标签j的熵Ej：
其中，1/ln(k)是一个常数，与样本数量多少有关；rij取值为：0<＝rij<＝1；根据所述第三标签层的属性标签的熵进行计算，得到信息偏差度dj：
dj＝1-Ej；
根据所述信息偏差度dj进行计算，得到所述第三标签层的客观权重ωi：
可实施的一种方式中，所述对所述主观权重和所述客观权重进行计算，得到所述综合耦合权重的步骤，包括：
所述综合耦合权重计算公式为：
其中，ωi为第i个所述第一标签层和所述第二标签层通过层次分析法分别对应计算得所得的主观权重，μi为所述第i个第三标签层通过熵权法计算所得的客观权重，αi、βi为中间变量。
可实施的一种方式中，所述根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述电制氢技术的画像轮廓的步骤，包括：
利用所述综合耦合权重，建立所述目标层的综合评价体系；
利用所述综合评价体系对所述电制氢技术进行评价，得到所述电制氢技术的画像轮廓。
本申请第二方面提供一种实现电制氢技术数字画像的系统，应用于前述的实现电制氢技术数字画像的方法，所述系统包括：
构建单元，用于构建包括目标层、第一标签层、第二标签层和第三标签层构成的标签模型，其中，所述目标层包括电制氢技术的画像轮廓，所述第一标签层包括电制氢技术涉及的不同维度标签，所述第二标签层包括每个维度标签对应的维度所包括的若干子标签，所述第三标签层包括每个所述子标签包括的实际消费数据；
主观权重单元，用于利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重；
客观权重单元，用于利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重；
耦合权重单元，用于对所述主观权重和所述客观权重进行计算，得到所述综合耦合权重；
技术评价单元，用于根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述目标层。
本申请第三方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现前述的实现电制氢技术数字画像的方法。
本申请第四方面提供一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现前述的实现电制氢技术数字画像的方法的步骤。
本发明有益效果：
本申请提供了一种实现电制氢技术数字画像的方法，首先，构建包括目标层、第一标签层、第二标签层和第三标签层构成的标签模型；再利用层次分析法分别对第一标签层和第二标签层进行计算，分别得到第一标签层和第二标签层的主观权重；接下来，利用熵权法对第三标签层进行计算，得到第三标签层的客观权重；然后，对主观权重和客观权重进行计算，得到综合耦合权重；最后，根据综合耦合权重，对电制氢技术进行评价，得到目标层。本发明采用层次分析法和熵权法，针对电制氢技术评价体系，结合两者优点将第一标签层、第二标签层和第三标签层权重耦合，得到它们的综合耦合权重。综合耦合权重计算不仅考虑了主客观权重，还考虑了主客观权重差异的特点，结合了层次分析法和熵权法的优势，能全面、有效地对电制氢技术评价。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明一种实现电制氢技术数字画像的方法的流程图；
图2为本发明一种实现电制氢技术数字画像的方法的原理图。
具体实施方式
下面将结合实施例对本发明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，都属于本发明保护的范围。
在“双碳”战略推动下，清洁能源的开发和利用得到普遍重视。风力、光伏等可再生能源发电具有随机性和间歇性的特点，接入电网会造成电压和频率波动，影响电网安全稳定运行。因此，配置多类型储能是实现风力、光伏、光伏发电大规模接入电网，保障电网安全经济运行的重要手段。氢能作为一种重要的清洁能源，具有无污染、燃烧效率高等优点，其推广利用是实现低碳环保的有效手段之一，在未来能源的发展格局中是非常关键的组成部分。
规划提出：“以数字化转型为整体，推动生产模式、生活方式和治理模式的转型”。基于大数据数字画像对电制氢技术的发展演进、未来推广的数据进行全周期分析，客观反映推广应用的经济、技术和社会效益，精准分析影响技术演进过程中的各种因素，为开展技术孵化、推广机制和政策制定提供实证数据支撑。大数据研究在用户画像、电力设备特性分析方面取得了良好的效益，为电力企业开展精细化运营管理提供基础支撑，但对于电制氢等相关技术的画像构建方面，尚且匮乏。
多维度标签权重求解是实现画像精细化刻画的关键，电制氢特性分析与评估属于多属性群决策问题，主要任务是确定评估标签的相应权重。采用层次分析法，受限于评估仅涉及单一方面，难以满足实际应用需求；采用熵权法评估，更加注重指标的客观权重，使得评价结果难以满足决策者期望，且通常评价指标数量不足，影响评价准确度。与主观权重法相比，客观权重法是基于客观数据确定权重值，但容易违背决策者的主观意愿或无法准确表现规划目标。为规避主客观权重确定方法的不足，可将两种方法结合形成综合权重法来确定评价权重。此外，已有的电制氢评价体系往往聚焦于选取电力相关指标，将技术性能和社会效益等维度纳入评价体系的研究相对缺乏，难以解决电制氢技术范畴广、影响因素多、评价指标繁杂的问题，使得如何结合数字画像对其运行特性及技术特征开展综合评价，成为未来的新趋势和技术难点。
针对上述问题与挑战，本申请在考虑电制氢技术发展建设现状与运行技术特征，以电制氢技术运行海量数据及调查检测数据为基础，从节能环保、技术性能、经济效益、社会效益四个维度建立评价标签体系，构建面向电制氢技术特性及推广应用分析的数字画像评价标签库，形成基于大数据技术的多源多维综合素质评价模型；综合考虑多源数据的汇聚与整合,试图将电制氢技术的客观信息的采集范围扩大至技术、经济、环保、社会等多视角；融合电制氢技术推广应用多方信息，构建出完整、多维的电制氢技术画像；根据专家打分、电制氢技术原始数据重要特征筛选，通过层次分析法(AHP)-熵权法主客观结合的赋权方法对标签赋权，精细化计算权重形成精准刻画电制氢技术画像的轮廓。最后，选取某地区拟建的风-光-氢多能互补综合系统为算例进行评估验证，验证申请所提模型和方法在工程应用方面的适用性。
如图1和图2所示，本申请提供一种实现电制氢技术数字画像的方法包括如下步骤：
S100：构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型。
其中，目标层包括电制氢技术的画像轮廓，第一标签层包括电制氢技术涉及的不同维度标签，第二标签层包括每个维度标签对应的维度所包括的若干子标签，第三标签层包括每个子标签包括的实际消费数据。
具体地，第一标签层包括节能环保数据、技术性能数据、经济效益数据和社会效益数据形成的维度标签，也就是说，第一标签层所包括的不同维度标签分别节能环保数据、技术性能数据、经济效益数据和社会效益数据。其中，节能环保数据、技术性能数据、经济效益数据和社会效益数据对应电制氢技术中的不同维度。需要说明地是，节能环保数据、技术性能数据、经济效益数据和社会效益数据形成的维度标签仅为示例性地说明，还可以根据第一标签层的实际情况对不同维度标签进行适应性调整，例如增加或减少不同维度标签的数量，本申请对此并不加以限定。
节能环保数据对应的第二标签层包括技术先进性、技术普适性和技术成熟度。也就是说，技术先进性、技术普适性和技术成熟度分别为节能环保数据的子标签。需要说明地是，下述内容中，第二标签层包括的内容即为子标签，不再赘述。
其中，技术先进性对应的第三标签层包括技术新颖性、技术可靠性、技术竞争性、技术实施速率和风、光电制氢的效率。也就是说，技术新颖性、技术可靠性、技术竞争性、技术实施速率和风、光电制氢为实际消费数据。需要说明地是，下述内容中，第三标签层包括的内容即为实际消费数据，不再赘述。
技术普适性对应的第三标签层包括适应市场需求和市场推广规模。
技术成熟度对应的第三标签层包括技术发展阶段。
技术新颖性，是指评价可再生能源产业技术的新颖程度。
技术可靠性，是指反映在供电可靠性上，通过能源供应缺额ΔR来表示，定义为
式中：ΔRl,t为t时段总负荷的供应偏差量。
技术竞争性，可以通过其产品竞争力表现，表示氢能增值服务产品符合市场要求的程度。
技术实施速率，是指电制氢技术的实施速率是实施电制氢技术所需要的时间，体现了技术的时间效应。
制氢效率，是指风、光电化学制氢的效率取决于其能量转换效率。
适应市场需求，主要是评价可再生能源技术产品的性能和质量满足市场消费者需求的情况。
市场推广规模，主要是评价可再生能源产业技术满足低成本、规模化要求的情况，可通过其在能源规划目标中所占结构比例体现出来。
技术成熟度，是指对制氢产业技术创新在技术生命周期中目前所处阶段及特征的评价。
技术性能数据对应的第二标签层包括项目投入和项目支出。
其中，项目投入对应的第三标签层包括一次投资成本和运行维护成本。
项目支出对应的第三标签层包括新能源发电补贴收益。
一次投资成本，W1包括初始投资时各设备的总投资费用。
式中：Wi为设备i的单位费用；Pi为设备i的额定功率；k为多能系统内关键设备(如火电机组、风电机组、氢能设备、电池储能设备等)总数。将上述成本现值转换为等年值W’1：
式中：A1为折现率；T为多能系统的寿命。
运行维护成本，W2包括运维固定成本W21及运维可变成本W22
W2＝W21+W22；
余电制氢收益，是指电网多余电量用于制造氢气所获得的售氢收益。单位时间具体收益Csell对应函数表达如下：
式中：Wre表示年电网预计上网电量总和；Et表示余电制氢单位能耗；λt表示目前市场氢气单价。
新能源发电补贴收益，是指支持和鼓励新能源发电行业，对新能源发电进行补贴政策，微电网新能源发电补贴收益为补贴电价与纳入补贴计划的新能源对应发电总量的乘积，其Cng具体表达式如下：
式中：θ为政府补贴电价(元/kW·h)；Wto为光伏发电总量。
经济效益数据对应的第二标签层包括地理影响和生态影响。
其中，地理影响对应的第三标签层包括气候条件特征和地域条件特征。
生态影响对应的第三标签层包括可再生能源占比和促进可持续发展。
生态特性优劣是衡量可再生能源产业技术的重要因素。由专家进行打分，采用级评分法，是指根据不同评价尺度打出相应的分数。
气候条件特征，主要是评价该区域的气候条件对可再生能源产业技术开发的影响。
地域条件特征，主要是评价该区域的地理位置对可再生能源产业技术开发的影响。
可再生能源占比，是指风、光等可再生能源的供电量占多能系统总负荷的需求总量的比例。可再生能源占比ω体现了风、光等可再生能源的利用情况。
促进可持续发展，是指电制氢技术可以优化能源使用途径和效率，节约自然资源，从促进可持续发展的角度评估电制氢技术对减少资源浪费的作用。
社会效益数据对应的第二标签层包括市场前景、宏观政策和对社会经济影响。
其中，市场前景对应的第三标签层包括氢燃料电池汽车市场占有率和氢燃料电池汽车市场覆盖率。
宏观政策对应的第三标签层包括政策积极落实。
对社会经济影响对应的第三标签层包括促进产业经济发展并带动地区经济发展，和缓解就业压力。
以氢燃料电池汽车的示范应用为例，探讨其在未来的电动汽车市场占有率的使用比例作为氢能对能源安全贡献的评价指标。
氢燃料电池汽车市场占有率，是指氢能可用作燃料电池，应用于电动汽车发展带来减排效益，同时移动污染源变为固定污染源。该指标代表某一时期内，氢能源汽车销售量占该地区汽车销售量的比重。
氢燃料电池汽车市场覆盖率，是指可通过氢能源汽车市场覆盖率作为评价指标，以反映氢能源汽车的受欢迎程度。
氢能源电动汽车市场覆盖率＝(氢能源汽车投放地区数/全市场应销售地区数)*100％
政策积极落实，体现对增值服务的支持力度。将以技术进步为核心，加快推进可再生能源的市场化和竞争化发展。
促进产业经济发展，带动地区经济发展，电制氢对其相关产业发展起推动作用。
缓解就业压力，电制氢技术促进了相关产业发展，提供了就业岗位，一定程度上缓解了就业压力。单位投资所能提供的就业机会可作为评价指标，就业人数多，则就业效益越大，社会效益越大。
需要说明地是，第一标签层、第二标签层和第三标签层所包括的内容，可以根据需要进行调整，并非限于本申请中所列出内容。
本实施例中，利用目标层、第一标签层、第二标签层和第三标签层构建层次分析法的标签模型，通过对第一标签层、第二标签层和第三标签层的权重分析，得到目标层对应的电制氢技术的画像轮廓，也就是说，第一标签层和第二标签层能够方便后续步骤中利用层次分析法进行权重的计算，第三标签层能够方便后续步骤中利用熵权法进行权重的计算。
S200：利用层次分析法分别对第一标签层和第二标签层进行计算，分别得到第一标签层和第二标签层的主观权重。
其中，利用层次分析法中的专家打分对第一标签层进行打分，得到第一标签层中所包括内容对应的评价指标；
利用层次分析法中的专家打分分别对第二标签层进行打分，得到第二标签层中所包括内容对应的评价指标；
具体地，利用AHP计算主观权重
(1)建立判断矩阵；
在成对比较n个评价指标后，使用aij量表进行量化，以获得评估矩阵A：
(2)计算在准则下标签的相对权重；
满足条件的正互反阵的最大特征根大于零，相应特征向量将归一化为权向量，即每个元素在单个级别上的权重值；相对权重的重要性标度如表1所示。
表1相对重要性标度
由于每位专家的判断和评价都带有主观性，主观性对评估矩阵的影响不容忽视，因此，需要检测评估矩阵的一致性。评估矩阵的最大特征值λmax和一致性比率C.R，其计算公式如下：
其中，λmax是评估矩阵的最大特征值，C.R是一致性比率，BW是每个评估矩阵列的值之和；n是评估矩阵阶数；CI为一致性标签；RI为随机一致性标签；wi为算术平均法求得的权重向量；
当n为1或2时，CI为0，此时判断矩阵完全一致；当n≥3时，继续求解C.R；
若C.R≤0.1，则判断矩阵满足一致性要求，表示ωi的估计在可接受范围内，否则，调整判断矩阵，直到其通过一致性检验；
根据判断矩阵，确定第一标签层中所包括内容对应的评价指标以及第二标签层中所包括内容对应的评价指标的相对权重向量wi’：
根据相对权重向量wi’，分别得到第一标签层和第二标签层的主观权重wi。
随机一致性标签RI的取值如表2所示。
表2平均随机一致性标签RI
| n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 |
需要说明地是，层次分析法中的专家打分包括：
将第一标签层和第二标签层中未确定权重的标签，以及确定权重的统一规则发送给多个专家，得到每个专家对于第一标签层和第二标签层的标签的权重值；
计算所有权重值的平均值和标准偏差，并将计算结果反馈给专家，得到专家对于第一标签层和第二标签层中标签的重新确认权重；
当重新确认权重与其平均值之间差值不超过预定义标准时，得到第一标签层和所述第二标签层中标签权重值的均值作为第一标签层和第二标签层中标签对应的权重。
S300：利用熵权法对第三标签层进行计算，得到第三标签层的客观权重。
其中，获取预设时间段内的第三标签层；
根据第三标签层，计算属性标签j的熵Ej
其中，1/ln(k)是一个常数，与样本数量多少有关；rij取值为：0<＝rij<＝1；
根据第三标签层的属性标签的熵进行计算，得到信息偏差度dj：
dj＝1-Ej；
根据信息偏差度dj进行计算，得到第三标签层的客观权重ωi：
具体地，假设终端能源消费新技术a＝{a1,a2,a3,...,an}，各技术的综合评价标签体系为u＝{u1,u2,...,un}。新技术ai(i＝1,2,...,m)在标签uj(j＝1,2,...,n)下的属性值为aij，设决策矩阵A＝(aij)m*n，H＝(1,2,...,h),K＝(1,2,...,k)。通常情况下，标签类型一般分为效益型和成本型，为减小不同评价方面对最终评估结果的影响，属性标签必须是无量纲处理。对于效益型属性，计算公式为：
对于成本型属性，计算公式为：
最终得到无量纲化评估矩阵R＝(rij)m*n。
S400：对主观权重和客观权重进行计算，得到综合耦合权重。
其中，综合耦合权重计算公式为：
；
其中，ωi为第i个所述第一标签层和第二标签层通过层次分析法分别对应计算所得的主观权重，μi为第i个第三标签层通过熵权法计算所得的客观权重，αi、βi为中间变量。
需要说明地是，层次分析法和熵权法都有其优势和缺点，针对电制氢技术评价体系，结合层次分析法和熵权法优点将第二标签层、第三标签层权重耦合，得到它们的综合耦合权重。综合耦合权重计算不仅考虑了主客观权重，还考虑了主客观权重差异的特点，很好结合了层次分析法和熵权法的优势，能更全面、科学地对电制氢技术评价标签进行综合权重计算。
S500：根据综合耦合权重，对电制氢技术进行评价，得到电制氢技术的画像轮廓。
其中，利用前述步骤中得到的综合耦合权重，建立目标层的综合评价体系。利用综合评价体系对电制氢技术进行评价，得到电制氢技术的画像轮廓。
需要说明地是，综合评价体系是根据电制氢技术推广性能、经济性、对电力系统、社会发展的影响，以及由此带来的环境、经济、安全、社会等综合效益，建立。可以理解为，综合评价体是由综合耦合权重构成。
实施例
本申请以某地区风-光-氢联合发电系统为例，该地区是风能资源丰富的地区之一，春季风速较大，夏秋季风速较小，平均风速为3.5m/s。为验证所提出的电制氢技术标签体系，形成数字画像，以其外部数据和专家打分情况为基础进行算例分析。
标签模型构建：
电制氢技术综合效益评价的重要环节是建立面向对象的评价标签体系。标签具有代表性，既能以较为丰富的数量涵盖整个系统，也可避免选择影响较大的标签，减少评估过程中的重复计算，使整个评估体系更加科学和全面，适合于电制氢技术评估和分析。
本申请针对该地区风-光联合发电系统构建了4个维度共计21项标签综合评价体系，从技术、经济、环境、社会共4个方面进行全面的分析评论。
经济标签是指建立和运行该技术所需的各种费用，是投资者、决策者首要考虑的内容。
技术标签可以了解电制氢技术的可靠程度，是否促进电力系统发展，提高能源利用效率。
环境标签可以评估方案的环境效益，是否符合当前节能减排政策基础，是否符合绿色、低碳、环保的主流意识。
社会标签是指电制氢技术是否符合发展政策，响应号召，促进社会稳定发展；是否促进该技术相关领域的发展，增加社会就业岗位；是否有利于社会长期发展。
表3电制氢技术评价标签体系
其中，表3中，高级标签对应第一标签层，中级标签对应第二标签层，基础标签对应第三标签层。
设立专家评估小组，利用层次分析法中的专家打分，采取的具体步骤如下：
1)将每个未确定权重的标签相关数据和确定权重的统一规则发送给选定专家，并要求他们独立提供每个标签的权重值。
2)取得结果并计算每个标签重量的平均值和标准偏差。
3)将计算结果和补充信息返回给专家，并要求所有专家重新确认权重。
4)重复上述步骤2和3，直到每个标签的权重与其平均值之间差值不超过预定义标准，各专家的观点基本一致，以此时各标签权数的均值作为该标签权重。
为了对该风、光发电系统的运行状态、效益进行科学合理评估，结合层次分析法和熵权法，获取基础标签的综合耦合权重。
最终，综合耦合权重结果表4所示：
表4综合耦合权重结果
通过对表4中标签综合权重分布情况进行分析可以发现，高级标签中，技术标签的占比最大，社会标签其次，其余标签的差别较小但差距不大。技术标签下风、光制氢效率的权重最大，适应市场需求其次。这说明电制氢技术评估体系中，对于风、光制氢效率比较看重。此外环境标签中，气候条件特征、地域条件特征、可再生能源占比、促进可持续发展是尤其关键的环节，这对于后续绿色能源电制氢技术建设有重要参考价值。然而，对于其它一般性评价标签，如经济方面，作为电技术制氢评价的常用标签，往往是决策者最先关注的标签之一。对于社会环节，往往缺乏足够重视，之后的绿色能源电制氢设计者和建设者需更加注重就业效果、社会稳定，从而实现以人为本、智能化、信息化电制氢建设体系，带动相关产业发展，缓解社会就业压力。
综上所述，本申请一种实现电制氢技术数字画像的方法，基于数字画像技术建立了电制氢技术推广应用的多维度评价标签体系，并以某地区拟建的风-光联合发电系统为例开展综合评价，具有成果：
(1)基于数字画像技术，充分考虑不同终端能源消费技术之间的生命周期、通用性、技术特性和推广应用需求，创新性地构建电制氢技术画像，为形成电制氢技术项目推广管理机制，规划电制氢技术孵化路线提供核心理论支撑。
(2)在电制氢技术标签权重计算中，基于AHP的主客观结合赋权方法，其相比于单一赋权方法在指标权重求取上更加客观公正，既兼顾决策者喜好，又可避免主观因素干扰，通过对指标间影响因素更系统、全面的分析，所获指标权重更加准确，从而为电制氢技术推广应用提供科学量化依据。
(3)将进一步结合知识图谱技术，构建电制氢中各类新技术之间的关联互动关系和技术发展演化路径，形成“数智融合”下的新技术推广应用管理机制，从而为“再电气化”背景下各类终端能源消费新技术落地应用和电制氢项目发展建设提供参考。
本申请第二方面提供一种实现电制氢技术数字画像的系统，应用于前述的实现电制氢技术数字画像的方法，系统包括：
构建单元，用于构建包括目标层、第一标签层、第二标签层和第三标签层构成的标签模型，其中，目标层包括电制氢技术的画像轮廓，第一标签层包括电制氢技术涉及的不同维度标签，第二标签层包括每个维度标签对应的维度所包括的若干子标签，第三标签层包括每个子标签包括的实际消费数据；
主观权重单元，用于利用层次分析法分别对第一标签层和第二标签层进行计算，分别得到第一标签层和第二标签层的主观权重；
客观权重单元，用于利用熵权法对第三标签层进行计算，得到第三标签层的客观权重；
耦合权重单元，用于对主观权重和客观权重进行计算，得到综合耦合权重；
技术评价单元，用于根据综合耦合权重，对电制氢技术进行评价，得到目标层。
本申请第三方面提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，处理器执行计算机程序时实现前述的实现电制氢技术数字画像的方法。
本申请第四方面提供一种计算机存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现前述的实现电制氢技术数字画像的方法的步骤。
在本发明实施例的描述中，所属技术领域的技术人员应当知道，本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本发明实施例可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD-ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输，包括：无线、电线、光缆、射频(Radio Frequency，RF)或者以上任意合适的组合。
可以以汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，例如：Java、Smalltalk、C++，还包括常规的过程式程序设计语言，例如：C语言或类似的程序设计语言。计算机程序代码可以完全的在用户计算机上执行、部分的在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行以及完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括：局域网(LAN)或广域网(WAN)，可以连接到用户计算机，也可以连接到外部计算机。
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
本发明实施例的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一目标对象和第二目标对象等是用于区别不同的目标对象，而不是用于描述目标对象的特定顺序。
在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个处理单元是指两个或两个以上的处理单元；多个系统是指两个或两个以上的系统。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (10)
1.一种实现电制氢技术数字画像的方法，其特征在于，包括：
构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型，其中，所述目标层包括电制氢技术的画像轮廓，所述第一标签层包括电制氢技术涉及的不同维度标签，所述第二标签层包括每个维度标签对应的维度所包括的若干子标签，所述第三标签层包括每个所述子标签包括的实际消费数据；
利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重；
利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重；
对所述主观权重和所述客观权重进行计算，得到综合耦合权重；
根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述目标层。
2.根据权利要求1所述的实现电制氢技术数字画像的方法，其特征在于，所述构建包括目标层、第一标签层、第二标签层和第三标签层的标签模型的步骤，包括：
所述第一标签层包括节能环保数据、技术性能数据、经济效益数据和社会效益数据形成的维度标签；
所述节能环保数据对应的所述第二标签层包括技术先进性、技术普适性和技术成熟度形成的子标签；
所述技术性能数据对应的所述第二标签层包括项目投入和项目支出形成的子标签；
所述经济效益数据对应的所述第二标签层包括地理影响和生态影响形成的子标签；
所述社会效益数据对应的所述第二标签层包括市场前景、宏观政策和对社会经济影响形成的实际消费数据；
所述技术先进性对应的所述第三标签层包括技术新颖性、技术可靠性、技术竞争性、技术实施速率和风和光电制氢的效率形成的实际消费数据；
所述技术普适性对应的所述第三标签层包括适应市场需求和市场推广规模形成的实际消费数据；
所述技术成熟度对应的所述第三标签层包括技术发展阶段形成的实际消费数据；
所述项目投入对应的所述第三标签层包括一次投资成本和运行维护成本形成的实际消费数据；
所述项目支出对应的所述第三标签层包括新能源发电补贴收益形成的实际消费数据；
所述地理影响对应的所述第三标签层包括气候条件特征和地域条件特征形成的实际消费数据；
所述生态影响对应的所述第三标签层包括可再生能源占比和促进可持续发展形成的实际消费数据；
所述市场前景对应的所述第三标签层包括氢燃料电池汽车市场占有率和氢燃料电池汽车市场覆盖率形成的实际消费数据；
所述宏观政策对应的所述第三标签层包括政策积极落实形成的实际消费数据；
所述对社会经济影响对应的所述第三标签层包括促进产业经济发展并带动地区经济发展，和缓解就业压力形成的实际消费数据。
3.根据权利要求1所述的实现电制氢技术数字画像的方法，其特征在于，所述利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重的步骤包括：
利用层次分析法中的专家打分对所述第一标签层进行打分，得到所述第一标签层中所包括内容对应的评价指标；
利用层次分析法中的专家打分分别对所述第二标签层进行打分，得到所述第二标签层中所包括内容对应的评价指标；
建立判断矩阵：
在成对比较n个评价指标后，使用aij量表进行量化，以获得评估矩阵A：
其中，aij为第i个评价指标与第j个评价指标的相对重要性，为与前面i对j的重要性标度相反；
对所述评估矩阵的一致性进行判断：
其中，λmax是评估矩阵的最大特征值，C.R是一致性比率，BW是每个评估矩阵列的值之和；n是评估矩阵阶数；CI为一致性标签；RI为随机一致性标签；wi为算术平均法求得的权重向量；
当n为1或2时，CI为0，此时判断矩阵完全一致；当n≥3时，继续求解C.R；
若C.R≤0.1，则判断矩阵满足一致性要求，表示ωi的估计在可接受范围内，否则，调整所述判断矩阵，直到其通过一致性检验；
根据所述判断矩阵，确定所述第一标签层中所包括内容对应的评价指标以及所述第二标签层中所包括内容对应的评价指标的相对权重向量wi’：
根据所述相对权重向量wi’，分别得到所述第一标签层和所述第二标签层的主观权重wi。
4.根据权利要求3所述的实现电制氢技术数字画像的方法，其特征在于，所述层次分析法中的专家打分包括：
将所述第一标签层和所述第二标签层中未确定权重的标签，以及确定权重的统一规则发送给多个专家，得到每个所述专家对于所述第一标签层和所述第二标签层的标签的权重值；
计算所有所述权重值的平均值和标准偏差，并将计算结果反馈给所述专家，得到所述专家对于所述第一标签层和所述第二标签层中标签的重新确认权重；
当重新确认权重与其平均值之间差值不超过预定义标准时，得到所述第一标签层和所述第二标签层中标签权重值的均值作为所述第一标签层和所述第二标签层中标签对应的权重。
5.根据权利要求3所述的实现电制氢技术数字画像的方法，其特征在于，所述利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重的步骤包括：
获取预设时间段内的所述第三标签层；
根据所述第三标签层，计算所述第三标签层的属性标签j的熵Ej：
其中，1/ln(k)是一个常数，与样本数量多少有关；rij取值为：0<＝rij<＝1；
根据所述第三标签层的属性标签的熵进行计算，得到信息偏差度dj：
dj＝1-Ej；
根据所述信息偏差度dj进行计算，得到所述第三标签层的客观权重ωi：
6.根据权利要求3所述的实现电制氢技术数字画像的方法，其特征在于，所述对所述主观权重和所述客观权重进行计算，得到所述综合耦合权重的步骤，包括：
所述综合耦合权重计算公式为：
其中，ωi为第i个所述第一标签层和所述第二标签层通过层次分析法分别对应计算所得的主观权重，μi为第i个所述第三标签层通过熵权法计算所得的客观权重，αi、βi为中间变量。
7.根据权利要求3所述的实现电制氢技术数字画像的方法，其特征在于，所述根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述电制氢技术的画像轮廓的步骤，包括：
利用所述综合耦合权重，建立所述目标层的综合评价体系；
利用所述综合评价体系对所述电制氢技术进行评价，得到所述电制氢技术的画像轮廓。
8.一种实现电制氢技术数字画像的系统，其特征在于，应用于权利要求1-7中任一项所述的实现电制氢技术数字画像的方法，所述系统包括：
构建单元，用于构建包括目标层、第一标签层、第二标签层和第三标签层构成的标签模型，其中，所述目标层包括电制氢技术的画像轮廓，所述第一标签层包括电制氢技术涉及的不同维度标签，所述第二标签层包括每个维度标签对应的维度所包括的若干子标签，所述第三标签层包括每个所述子标签包括的实际消费数据；
主观权重单元，用于利用层次分析法分别对所述第一标签层和所述第二标签层进行计算，分别得到所述第一标签层和所述第二标签层的主观权重；
客观权重单元，用于利用熵权法对所述第三标签层进行计算，得到所述第三标签层的客观权重；
耦合权重单元，用于对所述主观权重和所述客观权重进行计算，得到所述综合耦合权重；
技术评价单元，用于根据所述综合耦合权重，对所述电制氢技术进行评价，得到所述目标层。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的实现电制氢技术数字画像的方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的实现电制氢技术数字画像的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311243182.0A CN117236769A (zh) | 2023-09-25 | 2023-09-25 | 一种实现电制氢技术数字画像的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311243182.0A CN117236769A (zh) | 2023-09-25 | 2023-09-25 | 一种实现电制氢技术数字画像的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117236769A true CN117236769A (zh) | 2023-12-15 |
Family
ID=89094537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311243182.0A Pending CN117236769A (zh) | 2023-09-25 | 2023-09-25 | 一种实现电制氢技术数字画像的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236769A (zh) |
-
2023
- 2023-09-25 CN CN202311243182.0A patent/CN117236769A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Site selection decision framework using fuzzy ANP-VIKOR for large commercial rooftop PV system based on sustainability perspective | |
| Yuan et al. | Biomass power generation fuel procurement and storage modes evaluation: A case study in Jilin | |
| Yin et al. | Risk assessment of photovoltaic-Energy storage utilization project based on improved Cloud-TODIM in China | |
| WO2024082836A1 (zh) | 一种水风光储多能互补系统综合效益评估方案寻优方法 | |
| Liu et al. | Evaluation of New Power System Based on Entropy Weight‐TOPSIS Method | |
| CN112633762A (zh) | 楼宇能效获取方法及设备 | |
| Wang et al. | A game‐theory analysis of the subsidy withdrawal policy for China's photovoltaic power generation industry | |
| CN116342176A (zh) | 一种电力市场现货电能量交易规则的火电企业分段报价方法 | |
| CN116823008A (zh) | 一种园区能源利用效率评估方法、系统、设备和存储介质 | |
| CN117236769A (zh) | 一种实现电制氢技术数字画像的方法及系统 | |
| CN111027017B (zh) | 一种配电网管理状态综合评价系统 | |
| CN113780686A (zh) | 一种面向分布式电源的虚拟电厂运行方案优化方法 | |
| Shiyun et al. | Data analysis and cloud computing of power grid infrastructure projects under the background of informatization | |
| Dong et al. | Joint optimisation of uncertain distributed manufacturing and preventive maintenance for semiconductor wafers considering multi-energy complementary | |
| Liu et al. | Collaborative decision-making of wind-storage combined power generation system based on a variety of improved evaluation methods | |
| Xie et al. | Comprehensive Evaluation of Urban Economic Development in Yangtze River Delta Based on Cluster‐Principal Component Analysis | |
| Ren et al. | Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory | |
| CN117196696B (zh) | 一种基于市场供需关系和机组行为的电价预测方法 | |
| Zhang et al. | Enterprise Electric Energy Efficiency Evaluation based on AHP-Fuzzy Method | |
| Xu et al. | Research on construction and application of cost index on overhead line engineering based on mass data technology | |
| Yufang et al. | Yardstick motivation evaluation method for investment of distribution network | |
| Cheng et al. | Construction mode optimal selection method for intelligent sensing system in zero‐carbon parks | |
| CN117649137A (zh) | 一种配电网项目投资效益的esg评价体系及评价方法 | |
| CN115619072A (zh) | 一种综合能源网综合效益评估方法及装置 | |
| Li | Customer Identification of Potential Energy Substitution Based on Big Data Method |
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 |