一种基于层次分析法的氢能发电系统评估方法与流程

：
1.本发明涉及氢能发现系统，进一步涉及一种基于层次分析法的氢能发电系统评估方法。


背景技术：
：
2.随着世界对清洁能源的日益重视，氢储能发电系统蓬勃发展，同时也带来了许多不可避免的问题。因此系统评估过程十分复杂。当前国内外的单一的决策模型，不论是从理论上还是应用上都有很多不足，无法完全考虑到不同重要程度的指标之间的平衡，导致模型算法的应用无法作为科学可靠的决策依据知道决策部门选择最优的决策方案。氢能发电系统需要考虑众多指标因素，如成本、环境友好度、发电效率等，及其应用场景，如交通、航空航天、电站等等，要实现某些相对重要性高的指标的最大化，同时也要考虑到其他一些指标的平衡。不同的氢能发电系统对不同指标的重视程度不同，如何分配权重；以及在不同应用场景下，需要使用不同的氢能发电系统以使发电系统综合效益最优。各指标之间权重如何定值，如何在对应使用场景下找出最优发电方案，都是当前亟待解决的问题。
3.层次分析法是一种层次权重决策分析方法，其特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法，是对难于完全定量的复杂系统作出决策的模型和方法。其优点是简单实用，结构清晰，不分裂各个指标对总决策目标的影响，又同时将分析过程数学化、系统化。在决策指标和方案过多的情况下，需要构造多个层次，多个判断矩阵，会对层次单排序和总排序一致性产生影响，使得一致性校验不能通过。


技术实现要素：
：
4.本发明是结合层次分析法的优点和发电系统评估的特殊性，提出一种针对性的评估方法。具体技术方案如下：
5.一种基于层次分析法的氢能发电系统评估方法，包括如下过程：
6.一种基于层次分析法的氢能发电系统评估方法，其特征在于，包括如下过程：
7.步骤1：根据应用场景，构建评估指标体系，指标包括：低成本、环境友好、高能量转化率、低工作温度、快速启动性；
8.步骤2：对各个指标进行两两比较，构造各指标之间的的权重判断矩阵：
[0009][0010]
步骤3：计算步骤2所述权重矩阵的最大特征值及最大特征值对应特征向量；
[0011]
步骤4：根据步骤3所述求得的最大特征值计算矩阵的一致性；如果一致性比率小
于0.1时，认为判断矩阵a不一致程度在容许范围内，有满意的一致性，通过一致性检验，继续步骤5；如果矩阵一致性比率大于或等于0.1，则需要重新构造成对比较矩阵a，对c
ij
加以调整，返回步骤2；
[0012]
步骤5：将特征向量作为权重向量；
[0013]
步骤6：将方案层各个方案对指标层的每个指标形成两两对比，得到权重判断矩阵:
[0014][0015]
其中，β
i
表示方案层的所有方案对于指标层的每一个指标的两两对比得出的判断矩阵，其元素b
ij i,j∈(1，m)表示第i个方案和第j个方案关于某一个指标的相对权重判断矩阵；
[0016]
步骤7：计算步骤6所述权重判断矩阵的最大特征值及最大特征值对应特征向量；
[0017]
步骤8：根据步骤7所述求得的最大特征值计算矩阵的一致性；如果一致性比率小于0.1时，认为判断矩阵b不一致程度在容许范围内，有满意的一致性，通过一致性检验，继续步骤9；如果矩阵一致性比率大于或等于0.1，则需要重新构造成对比较矩阵，对矩阵b加以调整，返回步骤6；
[0018]
步骤9：将步骤7所述特征向量组合为权向量矩阵；
[0019]
步骤10：根据方案判断矩阵权值特征向量和指标判断矩阵权值特征向量，进行相乘运算，得到一个一维向量，即可得出哪一个氢能发电方案最适合用户选择的这个应用场景。
[0020]
所述应用场景包括：削峰填谷、汽车电池、平抑电网波动、固定发电站。
[0021]
本发明相对于现有技术的优点是：本发明充分考虑不同应用场景下各个发电系统对不同指标的权重差异性，采用模块化层次分析，层次结构清晰，根据用户选择不同应用场景，给各个指标分配不同的权重。针对不同的指标，给各个发电方案分配不同的权重，整体结构分层少，结构简单，有效提高了对氢能发电系统评估的可操作性，为不同应用场景下，多决策目标共存，选取综合效益最优的氢能发电系统提供了一种新的简单实用的决策方案。
附图说明：
[0022]
图1是本发明方法流程示意图。
具体实施方式：
[0023]
实施例：
[0024]
以下结合附图对本发明作进一步详细说明。
[0025]
如图1所示，本发明提供一种基于层次分析法的氢能发电系统评估方法，其包括三层结构：目标层、指标层、方案层。
[0026]
目标层，其用于设定总的决策目标，设定氢能发电系统的应用场景，如削峰填谷、
汽车电池、平抑电网波动、固定发电站等等；
[0027]
指标层，其用于表示氢能发电系统的多项参考指标，包括：低成本、环境友好、高能量转化率、低工作温度、快速启动性等等；
[0028]
方案层，其包括多个备选氢能发电方案，具体的，有氢能+固体氧化物燃料电池、氢能+质子交换膜燃料电池、氢能+固体氧化物电解池、氢能+内燃机发电等等；
[0029]
本发明中总的权重向量是将指标层和方案层所得到的权向量和权向量矩阵相乘，得到总权重向量，其中每个元素代表对应氢能发电系统的在该应用场景下的优度值；
[0030]
具体而言，当指标层指标两两之间相对总决策目标的权重计算出来之后，在分别计算方案层的方案两两之间相对指标的的每个指标的权重值，采用权重向量的加权和计算每个方案的总权重值，划分各个氢能发电系统的优度等级；技术方案如下：
[0031]
一种基于层次分析法的氢能发电系统评估方法，包括如下过程：
[0032]
步骤1：将氢能发电系统的各个价值评价指标通过ahp建立三层层次结构模型，分别为目标层、指标层、方案层；
[0033]
步骤2：通过对指标层之间进行两两比较，评定指标两两之间的相对重要性等级，构造指标层对目标层的两两对比的权重判断矩阵：
[0034][0035]
其中，c
ij
表示判断矩阵a第i行第j列的元素，其表示指标层中的i和j两个指标之间对于总决策目标的相对重要性等级，i＝1,2,...,n,j＝1,2,...n，且c
ij
＝1/c
ij
；
[0036]
本发明中c
ij
的取值，是根据由saaty等人提出的“九级标度法”赋值的，其表示第i个指标对第j个指标的重要程度；
[0037]“九级标度法”[0038][0039]
具体的，若c
ij
＝1/3，则表示第i个指标相对第j个指标稍微不重要，若c
ij
＝3/1，表示第i个指标相对第j个指标稍微重要；本发明设定的指标层设定了五个初始指标，故判断矩阵a为5阶矩阵；
[0040]
步骤3：对判断矩阵a求最大特征值，并求取最大特征值λ
amax
对应的特征向量w
(2)
＝(w1,w2,
…
w
n
)
t
，其中，w
(2)
表示第二层对第一层的判断矩阵对应特征向量；对所述特征向量归一化处理，得到指标层各个指标对于最高层元素的相对重要性的权向量；
[0041]
步骤4：对所述判断矩阵a做一致性校验，衡量判断矩阵a的偏离一致性的程度，若其不一致性在允许范围内，执行步骤5，若其不一致性超出允许范围，则重新评定指标层指标两两之间相对重要性等级，然后返回步骤2，直到判断矩阵a的不一致性在允许范围内；
[0042]
所述一致性指标为：
[0043]
其中，n为指标层的指标个数；
[0044]
步骤4所述一致性比例为：
[0045]
其中，ci
a
为s4所述一致性指标检验中的一致性指标，ri
a
为随机一致性指标，可通过查下表得到其数值。
[0046]
n1234567891011ri
n
000.580.901.121.241.321.411.451.491.51
[0047]
步骤5：将特征向量w
(2)
＝(w1,w2,
…
w
n
)
t
作为权重向量；
[0048]
步骤6：在上述步骤基础上，把第三层各方案两两之间对于第二层各个指标之间的相对权重矩阵计算出来，并对其进行一致性校验；步骤s6所述方案层对指标层的权重判断矩阵为：
[0049][0050]
其中，b
i
,i∈(1,m)表示第三层对第二层的权重判断矩阵，m是方案层方案个数；
[0051]
步骤7：计算步骤6所述权重判断矩阵b
i
的最大特征值λ
bimax
，i∈(1,m)，计算最大特征值对应的特征向量
[0052]
步骤8：对步骤6所述权重判断矩阵根据步骤7所求的特征值对判断矩阵b
i
进行一致性校验，校验方案类比步骤4；
[0053]
其中，m为方案的方案个数；
[0054]
一致性比例为：
[0055]
其中，为步骤8所述一致性指标检验中的一致性指标，ri
m
为随机一致性指标；
[0056]
若b
i
通过一致性校验，则继续步骤9；否则返回步骤6；
[0057]
步骤9：将步骤7所述特征向量组合为权向量矩阵：
[0058][0059]
步骤10：将w
(3)
与w
(2)
相乘得到总的权重向量w，即w＝w
(3)
*w
(2)
，为各个方案的相对权重值，也就是总权重向量；由此得到的向量w中最大值对应的氢能发电系统即为该应用场景下最优发电系统。
[0060]
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。