[发明专利]一种基于数据分析的储能设备运行优化方法及系统

权利要求书

1.一种基于数据分析的储能设备运行优化方法，其特征在于，包括以下步骤：

S102：获取储能设备的历史运行参数，得到储能设备的历史运行参数合集，预设若干个子时间段，基于模糊聚类算法对所述历史运行参数合集中的历史运行参数按照各个子时间段进行聚类，得到各个子时间段的历史运行参数聚类集；

S104：基于孤立森林算法对各个子时间段的历史运行参数聚类集中离群的历史运行参数进行剔除，得到各个子时间段的最终历史运行参数聚类集；

S106：获取储能设备的待优化时段，对各个子时间段的最终历史运行参数聚类集进行特征分析，得到储能设备在各个子时间段内的历史运行规律，根据所述待优化时段与历史运行规律得到储能设备在待优化时段的模拟运行规律；

S108：获取储能设备在待优化时段时的实际环境因子，根据所述实际环境因子预测出储能设备在待优化时段时的模拟能量消耗速率；

S110：根据所述模拟运行规律与模拟能量消耗速率得到当前待优化时段的预设优化策略，并将所述预设优化策略输出，基于所述预设优化策略对储能设备进行优化。

2.根据权利要求1所述的一种基于数据分析的储能设备运行优化方法，其特征在于，获取储能设备的历史运行参数，得到储能设备的历史运行参数合集，预设若干个子时间段，基于模糊聚类算法对所述历史运行参数合集中的历史运行参数按照各个子时间段进行聚类，得到各个子时间段的历史运行参数聚类集，具体为：

S202：获取储能设备的历史运行参数，并对储能设备的历史运行参数进行汇聚，得到储能设备的历史运行参数合集；预设若干个子时间段，基于若干个所述子时间段确定出聚类数目，根据所述聚类数目确定出各个子时间段的聚类中心；

S204：计算历史运行参数合集中的每一历史运行参数与各聚类中心之间的隶属度，当某一历史运行参数与聚类中心之间的隶属度小于预设隶属度时，则将该历史运行参数聚类至隶属度小于预设隶属度的聚类中心中，聚类完毕后，得到初始参数聚类集；

S206：获取初始参数聚类集中任一历史运行参数与其余历史运行参数之间的第一平均距离，以及获取该历史运行参数与最近邻的初始参数聚类集中所有历史运行参数之间的第二平均距离；根据所述第一平均距离与第二平均距离计算出初始参数聚类集的轮廓系数；

S208：判断该初始参数聚类集的轮廓系数是否大于预设阈值；若不大于，则根据S204以及S206步骤对该初始参数聚类集进行重新迭代；若大于，则停止对该初始参数聚类集迭代，并将该初始参数聚类集输出；当所有初始参数聚类集满足要求后，将对应初始参数聚类集标定为对应子时间段的历史运行参数聚类集。

3.根据权利要求1所述的一种基于数据分析的储能设备运行优化方法，其特征在于，基于孤立森林算法对各个子时间段的历史运行参数聚类集中离群的历史运行参数进行剔除，得到各个子时间段的最终历史运行参数聚类集，具体为：

预制模型训练数集，基于决策树构建孤立森林模型，并在所述孤立森林模型中选择一个随机特征和一个随机分割值，基于所述随机特征与随机分割值将模型训练数集分割成左子树和右子树，递归地对左右子树进行分割，直到达到递归停止条件，训练完毕，得到训练完成的孤立森林模型；

将各子时间段的历史运行参数聚类集导入所述训练完成的孤立森林模型中，得到各历史运行参数聚类集中每一历史运行参数在每棵决策树中的路径长度；并根据历史运行参数在每棵决策树中的路径长度计算出其在所有决策树中的平均路径长度，将所述平均路径长度作为异常得分来度量该历史运行参数的异常度；

将各历史运行参数聚类集中每一历史运行参数的异常度与预设异常度进行比较；若异常度大于预设异常度，则将异常度大于预设异常度对应的历史运行参数标定为离群点，并将该离群点在对应的历史运行参数聚类集中剔除；若异常度不大于预设异常度，则将该历史运行参数在对应的历史运行参数聚类集中保留；得到各个子时间段的最终历史运行参数聚类集。