-
公开(公告)号:CN112600227B
公开(公告)日:2022-09-20
申请号:CN202011505097.3
申请日:2020-12-18
申请人: 华北电力大学 , 国网吉林省电力有限公司通化供电公司
摘要: 本发明公开了一种基于典型日挖掘的储能辅助调峰容量配置方法,包括从全年电网运行数据中提取风电输出功率数据,并对功率数据进行分类,分析风电输出的反调峰现象;针对典型日的反调峰特点,利用统计分析法挖掘反映反调峰程度的评价指标;将评价指标归一化处理,利用层次分析法确定各评价指标的权重;利用基于理想点的多目标优化算法将评价指标的最优解转换为到理想点的最短距离,并转换成表征总体状态最优的适应度值;建立基于典型日挖掘的储能辅助调峰容量优化配置模型,利用人工蜂群算法对模型进行求解;针对不同适应度值下的储能容量配置结果进行敏感度分析。本发明有效地解决了由于典型日选取不同,导致储能容量配置过大或过小等问题。
-
公开(公告)号:CN112712281B
公开(公告)日:2023-11-03
申请号:CN202110041821.X
申请日:2021-01-13
申请人: 华北电力大学 , 国网吉林省电力有限公司通化供电公司
IPC分类号: G06Q10/0639 , G06Q50/06
摘要: 本发明公开了一种基于云模型的储能工况适应性综合评估方法及系统,该方法通过构建储能系统综合评价指标域和标准域,利用熵权法计算各个储能系统综合评价指标的权重矩阵,基于云模型理论对储能系统进行综合评价,确定正态云模型的基本参数,建立指标域和标准域的模糊关系矩阵;根据储能系统综合评价指标域中的决策指标值,运用正向云发生器计算各个储能系统综合评价指标域中的决策指标值在标准域中每个评估级别中的正态云模型隶属度矩阵;通过计算标准域上的模糊子集,得出各个储能系统工况适应性的综合评分。该方法利用云模型理论对待选型储能系统进行综合评价,得到特定工况下的储能系统最佳选型方案,本发明同样适用于不同应用场景下的储能工况适应性综合评估。
-
公开(公告)号:CN112712281A
公开(公告)日:2021-04-27
申请号:CN202110041821.X
申请日:2021-01-13
申请人: 华北电力大学 , 国网吉林省电力有限公司通化供电公司
摘要: 本发明公开了一种基于云模型的储能工况适应性综合评估方法及系统,该方法通过构建储能系统综合评价指标域和标准域,利用熵权法计算各个储能系统综合评价指标的权重矩阵,基于云模型理论对储能系统进行综合评价,确定正态云模型的基本参数,建立指标域和标准域的模糊关系矩阵;根据储能系统综合评价指标域中的决策指标值,运用正向云发生器计算各个储能系统综合评价指标域中的决策指标值在标准域中每个评估级别中的正态云模型隶属度矩阵;通过计算标准域上的模糊子集,得出各个储能系统工况适应性的综合评分。该方法利用云模型理论对待选型储能系统进行综合评价,得到特定工况下的储能系统最佳选型方案,本发明同样适用于不同应用场景下的储能工况适应性综合评估。
-
公开(公告)号:CN112600227A
公开(公告)日:2021-04-02
申请号:CN202011505097.3
申请日:2020-12-18
申请人: 华北电力大学 , 国网吉林省电力有限公司通化供电公司
摘要: 本发明公开了一种基于典型日挖掘的储能辅助调峰容量配置方法,包括从全年电网运行数据中提取风电输出功率数据,并对功率数据进行分类,分析风电输出的反调峰现象;针对典型日的反调峰特点,利用统计分析法挖掘反映反调峰程度的评价指标;将评价指标归一化处理,利用层次分析法确定各评价指标的权重;利用基于理想点的多目标优化算法将评价指标的最优解转换为到理想点的最短距离,并转换成表征总体状态最优的适应度值;建立基于典型日挖掘的储能辅助调峰容量优化配置模型,利用人工蜂群算法对模型进行求解;针对不同适应度值下的储能容量配置结果进行敏感度分析。本发明有效地解决了由于典型日选取不同,导致储能容量配置过大或过小等问题。
-
公开(公告)号:CN112183804A
公开(公告)日:2021-01-05
申请号:CN201910603345.9
申请日:2019-07-05
申请人: 华北电力大学
摘要: 本发明属于电动汽车虚拟储能可用容量预测技术领域,尤其涉及一种基于马尔科夫链的电动汽车虚拟储能可用容量预测方法。该方法首先通过马尔科夫链预测不同地点的电动汽车数量;再根据大量电动汽车历史日行驶里程数据,结合K‑means聚类方法,拟合得到电动汽车日行驶里程的概率密度分布;再结合电动汽车行为习惯、电动汽车的随机性、电动汽车车主响应度、电动汽车电池特性、电动汽车出行结束时间和电池充放电阈值建立电动汽车虚拟储能可用容量预测模型。根据所建立的预测模型对电动汽车参与虚拟储能的可用容量进行预测,并计算预测误差。
-
-
-
-