一种基于熵权法的混合储能容量配置方法及系统与流程

[0001]
本发明属于风电技术领域，具体涉及一种基于熵权法的混合储能配置方法及系统。


背景技术：

[0002]
在风电场中储能系统的容量配置过程中，一般用某个典型日的配置结果作为最终的储能配置结果，即典型日法，这样的方法得到的储能容量配置偶然性太大，无法准确反映全年真实的水平；也有用求各典型日配置结果的数学期望的方法，虽然有所改进，但是各典型日对最终结果的影响是均等的，也不够合理。实际上，各典型日的结果对最终结果的影响不一样，即权重不一样；如何合理地确定各典型日配置结果的权重，不但影响储能容量的最终配置结果，而且也影响风电场的并网，影响风电的消纳。
[0003]
熵最早是热力学范畴的概念，物理意义上的定义是对混乱程度的度量，后来c.e.shannon把熵了引入信息论，已经在工程技术、社会经济等领域得到了非常广泛的应用，称为信息熵。信息熵是对一个随机变量的信息和不确定性的度量，可以衡量随机变量的不确定性，当熵最大时，表示随机变量的不确定性最大，信息熵的定义见公式：
[0004]
其中，p(x
i
)代表随机事件x为x
i
的概率；
[0005]
h(x)为信息熵；
[0006]
基于信息熵计算所得出的权重能够较为精确地反应不同指标间的差别。熵权法是根据指标信息熵的大小来判断该指标所提供的信息量。熵越小，则信息量越大，在综合评价体系中的权重就越大；反之熵越大，则信息量越小，在综合评价体系中的权重就越小。相对于其它评价模型来说，熵权法的依据是数据本身所含有的信息量，具有客观准确的优点。


技术实现要素：

[0007]
针对现有技术的上述不足，本发明提供一种基于熵权法的混合储能配置方法及系统，以解决上述技术问题。
[0008]
第一方面，本发明提供一种基于熵权法的混合储能配置方法，包括：
[0009]
根据各典型日的储能配置结果指定评价指标，并将典型日数作为评价指标的个数；
[0010]
将各典型日内未被混合储能平抑的功率剩余量作为评价对象；
[0011]
设置采样频率和研究周期，所述研究周期与采用频率的商作为评价对象的个数；
[0012]
根据评价指标及其个数和评价对象及其个数以熵权法进行储能容量配置。
[0013]
进一步的，所述根据评价指标及其个数和评价对象及其个数以熵权法进行储能容量配置，包括：
[0014]
(1)根据评价指标及其个数和评价对象及其个数，建立原始评价矩阵，记为a
[a
ij
]
m
×
n
，m为评价对象个数，n为评价指标的个数，a
ij
为评价指标；
[0015]
(2)对矩阵a进行数据归一化处理，p
w
为风电场装机容量，得到标准化矩阵a'＝(a'
ij
)
m
×
n
，
[0016]
进一步计算处理得
[0017]
(3)求第j个典型日储能配置结果的信息熵：
[0018][0019]
其中：e
j
为第j个典型日结果的信息熵；
[0020]
如果p
ij
＝0，则定义ln p
ij
＝0；
[0021]
(4)确定第j个典型日储能配置结果的权重w
j
；
[0022][0023]
(5)通过各典型日的熵权，对各典型日结果进行加权处理，从而得到熵权法储能配置结果：s＝w
1
s
1
+w
2
s
2
+w
3
s
3
+w
4
s
4
，s为储能容量的熵权法配置结果，s1、s2、s3、s4分别为各典型日的储能容量配置结果。
[0024]
进一步的，所述方法还包括：
[0025]
计算典型日法、期望值法以及熵权法的储能配置结果的平均容量误差、功率误差；
[0026]
根据所述平均容量误差、功率误差评价熵权法配置储能容量的准确性。
[0027]
第二方面，本发明提供一种基于熵权法的混合储能配置系统，包括：
[0028]
评价准备单元，配置用于根据各典型日的储能配置结果指定评价指标，并将典型日数作为评价指标的个数；
[0029]
对象设置单元，配置用于将各典型日内未被混合储能平抑的功率剩余量作为评价对象；
[0030]
采样设置单元，配置用于设置采样频率和研究周期，所述研究周期与采用频率的商作为评价对象的个数；
[0031]
储能配置单元，配置用于根据评价指标及其个数和评价对象及其个数以熵权法进行储能容量配置。
[0032]
进一步的，所述储能配置单元包括：
[0033]
矩阵建立模块，配置用于根据评价指标及其个数和评价对象及其个数，建立原始评价矩阵a[a
ij
]
m
×
n
，m为评价对象个数，n为评价指标的个数，a
ij
为评价指标；
[0034]
矩阵标准化模块，配置用于对矩阵a进行数据归一化处理，p
w
为风电场装机容量，得到标准化矩阵a'＝(a'
ij
)
m
×
n
，
[0035]
进一步计算处理得
[0036]
信息熵计算模块，配置用于求第j个典型日储能配置结果的信息熵：
[0037]
其中：e
j
为第j个典型日结果的信息熵
[0038][0039]
且如果p
ij
＝0，则定义ln p
ij
＝0；
[0040]
权重计算模块，确定第j个典型日储能配置结果的权重w
j
：
[0041][0042]
结果输出单元，配置用于通过各典型日的熵权，对各典型日结果进行加权处理，从而得到熵权法储能配置结果：s＝w
1
s
1
+w
2
s
2
+w
3
s
3
+w
4
s
4
，s为储能容量的熵权法配置结果，s1、s2、s3、s4分别为各典型日的储能容量配置结果。
[0043]
进一步的，所述系统还包括：
[0044]
误差计算单元，配置用于计算典型日法、期望值法以及熵权法的储能配置结果的平均容量误差、功率误差；
[0045]
结果评价单元，配置用于根据所述平均容量误差、功率误差评价熵权法配置储能容量的准确性。
[0046]
本发明的有益效果在于，
[0047]
本发明提供的一种基于熵权法的混合储能配置方法及系统，分析典型日法储能结果的权重，把储能未能平抑的功率剩余量作为评价对象，分析这些未平抑功率剩余量中所蕴含的信息量和不确定性，以此来确定各典型日结果在最终结果中所占的权重，有效地提升了储能最终配置结果的准确性和合理性。
[0048]
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
[0049]
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，下面将对实施例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，对于本领域普通技术人员而言，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。
[0050]
图1为本申请实施例中各典型日的储能容量配置结果图。
[0051]
图2为本申请实施例中各典型日储能未平抑的功率剩余量图。
[0052]
图3为本申请实施例中各典型日结果的熵权图。
[0053]
图4为本申请实施例中各种方法储能配置最终结果比较图。
[0054]
图5为本申请实施例中各种方法储能配置结果的检验图。
具体实施方式
[0055]
为了使本技术领域的人员更好地理解本发明中的技术方案，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，所描述的实施例仅仅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，都应当属于本发明保护的范围。
[0056]
第一方面，本申请实施例提供一种基于熵权法的混合储能配置方法，包括：
[0057]
1、根据各典型日的储能配置结果指定评价指标,各典型日的储能容量配置结果如图1所示，并将典型日数作为评价指标的个数；将各典型日内未被混合储能平抑的功率剩余量作为评价对象，各典型日未平抑的功率剩余量如图2所示；设置采样频率和研究周期，所述研究周期与采用频率的商作为评价对象的个数；由于熵权法的本质是用有限个样本去“估计”指标的信息熵，在样本量过少的情况下，基于熵权法所计算得出的权重则有可能出现较大误差，故样本数必须大于等于指标数，本方法所用本实施例中的采样频率为20秒，研究周期为一天，则计算可得每天的样本数为4320个，因此在本实施例中评价对象的个数m＝4320；
[0058]
2、根据评价指标及其个数和评价对象及其个数以熵权法进行储能容量配置。
[0059]
(1)以每个典型工作日的4320个采样点的的功率剩余量作为评价对象，以4个典型日的配置结果作为评价指标，建立原始评价矩阵，建立原始评价矩阵，记为a[a
ij
]
m
×
n
，m为评价对象个数，n为评价指标的个数，a
ij
为评价指标；
[0060]
(2)根据评价指标及其个数和评价对象及其个数，建立原始评价矩阵，记为a[a
ij
]
m
×
n
，m为评价对象个数，n为评价指标的个数，a
ij
为评价指标；
[0061]
(3)对矩阵a进行数据归一化处理，p
w
为风电场装机容量，得到标准化矩阵a'＝(a'
ij
)
m
×
n
；
[0062]
进一步计算处理得
[0063]
(4)求第j个典型日储能配置结果的信息熵：
[0064][0065]
其中：e
j
为第j个典型日结果的信息熵；
[0066]
如果p
ij
＝0，则定义ln p
ij
＝0；
[0067]
(5)确定第j个典型日储能配置结果的权重w
j
，作为各典型日的熵权，结果如图3所示；
[0068]
(6)通过各典型日的熵权，对各典型日结果进行加权处理，从而得到熵权法储能配置结果：s＝w
1
s
1
+w
2
s
2
+w
3
s
3
+w
4
s
4
，s为储能容量的熵权法配置结果，s1、s2、s3、s4分别为各典型日的储能容量配置结果，如图4所示，并与期望值法以及典型日法进行比较。
[0069]
3、为了验证熵权法的有效性，在全年每个月中随机选择1天共计12天的数据作为检验数据，计算各种储能配置方法的平均容量误差、功率误差，如图5所示，从图5中可以得出以下结论：
[0070]
(1)以随机典型日结果作为储能最终配置方案的误差较大，这是由于典型日数据的偶然性太强，难以反映出全年风电功率的波动特征；
[0071]
(2)期望值法比典型日法在容量误差和功率误差上有一定程度的改进，但比熵权法仍有一定差距，故期望法在权重的确定上过于简单，不够科学；
[0072]
(3)相比期望值法，熵权法确定的配置方案的容量误差和功率误差均为最低，由于熵权法是根据各典型日结果中所包含信息量多少和不确定程度大小来确定权重，能客观有效地反映各典型日结果的差异程度和重要水平，所以更加准确合理。
[0073]
综上所述，在本实施例中熵权法是根据各典型日结果中所包含信息量多少和不确定程度大小来确定权重，能客观有效地反映各典型日结果的差异程度和重要水平，所以更加准确合理，检验结果表明用熵权法得到的储能容量最终配置，其容量误差和功率误差均为最低。因此基于熵权法的储能容量配置方法，能够客观评价各典型日结果的权重，有效地提升了储能最终配置结果的准确性和合理性。
[0074]
第二方面，本申请实施例提供一种基于熵权法的混合储能配置系统，包括：
[0075]
评价准备单元，配置用于根据各典型日的储能配置结果指定评价指标，并将典型日数作为评价指标的个数；
[0076]
对象设置单元，配置用于将各典型日内未被混合储能平抑的功率剩余量作为评价对象；
[0077]
采样设置单元，配置用于设置采样频率和研究周期，所述研究周期与采用频率的商作为评价对象的个数；
[0078]
储能配置单元，配置用于根据评价指标及其个数和评价对象及其个数以熵权法进行储能容量配置。
[0079]
可选的，作为本申请的一种实施例，所述储能配置单元包括：
[0080]
矩阵建立模块，配置用于根据评价指标及其个数和评价对象及其个数，建立原始评价矩阵a[a
ij
]
m
×
n
，m为评价对象个数，n为评价指标的个数，a
ij
为评价指标；
[0081]
矩阵标准化模块，配置用于对矩阵a进行数据归一化处理，p
w
为风电场装机容量，得到标准化矩阵a'＝(a'
ij
)
m
×
n
，
[0082]
进一步计算处理得
[0083]
信息熵计算模块，配置用于求第j个典型日储能配置结果的信息熵：
[0084]
其中：e
j
为第j个典型日结果的信息熵，
[0085][0086]
且如果p
ij
＝0，则定义ln p
ij
＝0；
[0087]
权重计算模块，确定第j个典型日储能配置结果的权重w
j
：
[0088][0089]
结果输出单元，配置用于通过各典型日的熵权，对各典型日结果进行加权处理，从而得到熵权法储能配置结果：s＝w
1
s
1
+w
2
s
2
+w
3
s
3
+w
4
s
4
，s为储能容量的熵权法配置结果，s1、s2、s3、s4分别为各典型日的储能容量配置结果。
[0090]
可选的，作为本申请的一种实施例，所述系统还包括：
[0091]
误差计算单元，配置用于计算典型日法、期望值法以及熵权法的储能配置结果的平均容量误差、功率误差；
[0092]
结果评价单元，配置用于根据所述平均容量误差、功率误差评价熵权法配置储能容量的准确性。
[0093]
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。