[发明专利]一种基于云模型的储能系统典型曲线挖掘方法

摘要

本发明属于电力系统储能系统技术领域，尤其涉及一种基于云模型的储能系统典型曲线挖掘方法，选定储能系统的确定应用场景与合适的控制策略，统计储能系统纵向时序功率。将储能系统纵向时序功率值的频率分布分解为若干个不同粒度的云模型，对正态云模型组的期望加权求和，给出储能系统典型运行曲线。本发明能大大减少计算量，便于对储能系统充放功率整体有清楚认知；云模型中的逆向云发生器可以将精确数据转换为以数字特征表示的云模型，实现数值到概念的提取与转换，即实现储能系统充放功率数据挖掘出储能系统典型运行曲线。

主权项

一种基于云模型的储能系统典型曲线挖掘方法，其特征在于，包括：步骤1、确定储能系统的应用场景与控制策略，对储能系统的充放功率进行数据采集，记第j日k时刻储能系统充放功率值为P_jk，j＝1,2,…,n，n为统计总天数，k＝1,2,…,s，s为每日采样点个数，n天内k时刻充放功率最大值为P_kmax,则储能系统充放功率在k时刻的标幺值为：P_{jk_pu}＝P_jk/P_kmax，P_{jk_pu}∈[0,1]；步骤2、统计n天的不同时刻的标幺充放功率值并存入矩阵M_s*n＝[p₁，p₂，...，p_k，...，p_s]^T，p_k是储能系统n天内k时刻的标幺充放功率向量，p_k＝[P_{1k_pu},P_{2k_pu},…,P_{nk_pu}]；步骤3、统计标幺充放功率向量p_k的频率分布，得到p_k的频率分布曲线f(x)_k，并根据频率分布曲线f(x)_k的峰值F_kj所对应的横坐标得到云模型的期望E_xki，即云的重心位置；i＝1,2,…,m，初始值i＝1；步骤4、以云模型的期望E_xki为中心，找出左右两边出现的第一个波谷所在位置，分别记为x_left与x_right，则确定第一个云模型的云滴范围d_i＝min(E_xki‑x_left,x_right‑E_xki)；利用无需确定度信息的逆向云算法计算出熵E_Tki与超熵He_ki，继而计算云模型的数据分布函数f_cloud‑ki；步骤5、从频率分布曲线f(x)_k中减去云模型分布函数f_cloud‑ki，得到新的频率分布曲线f’(x)_k，并寻找f’(x)_k的峰值F_ki+1；计算峰值F_ki与峰值F_ki+1的差值Distance_ki＝F_ki‑F_ki+1；步骤6、若Distance_ki大于等于阈值ε，则找出峰值F_ki+1对应的横坐标E_xki+1，则i＝i+1并重复步骤4～步骤5，直到Distance_km小于阈值ε，并获得所对应的横坐标E_xki；若Distance_ki小于阈值ε，则k＝k+1，即进入寻找下一时刻的正态云模型组；步骤7、根据步骤4～步骤6得到k时刻的代表充放功率值向量：(E_xk1,E_xk2,…,E_xki,…,E_xkm)；储能系统在k时刻的典型充放功率值的计算方法如下：$P_k=\underset{i=1}{\overset{m}{\Σ}}\frac{F_{ki}}{\underset{i=1}{\overset{m}{\Σ}}{F}_{ki}}\·E_{xki}$步骤8、依次计算k+1，k+2，…,s时刻的储能系统典型充放功率值，得到储能系统典型运行曲线P＝[P₁，P₂，…，P_s]。