新能源电网储能设备能量响应时效性指数预测方法及系统与流程

本发明属于电力监测，具体涉及新能源电网储能设备能量响应时效性指数预测方法及系统。

背景技术：

1、现阶段，新能源电网储能设备在电网能量响应方面发挥着至关重要的作用，它们有助于实现电网的功率-能量高效平衡，由于新能源（如太阳能和风能）的间歇性和不可预测性，电网需要能够快速响应并调整供电以保持稳定性。储能设备通过提供能量时移、快速响应和灵活布置等功能，可以有效地改善系统的动态特性。

2、而设备能量响应时效性指数是一个技术参数，它用于预测和评估新能源电网中移动储能设备在能量响应方面的速度和效率，设备能量响应时效性指数有助于了解储能设备在电网需求变化时的响应能力，从而确保电网的稳定性和可靠性。

3、现有的新能源电网储能设备工作参数以及技术指标存在差异，从而影响了电网运行的流畅度以及增加了电网调度的难度，使得调度配电容易产生误差的情况，为了解决上述问题，我们提出了新能源电网储能设备能量响应时效性指数预测方法及系统。

技术实现思路

1、本发明的目的在于针对现有技术的不足之处，提供新能源电网储能设备能量响应时效性指数预测方法及系统，解决了现有的新能源电网储能设备工作参数以及技术指标存在差异，从而影响了电网运行的流畅度以及增加了电网调度的难度，使得调度配电容易产生误差的问题。

2、现有的新能源电网储能设备工作参数以及技术指标存在差异，从而影响了电网运行的流畅度以及增加了电网调度的难度，使得调度配电容易产生误差，为了解决上述问题，我们提出了新能源电网储能设备能量响应时效性指数预测方法及系统，简而言之，所述方法包括获取储能设备技术指标，对储能设备技术指标进行归一化处理，得到指标向量集，响应于储能设备的至少一组供电指令，解析并识别所述供电指令中供电参数，基于指标向量集建立并训练生成设备动态响应模型，实时获取储能设备的运行参数，基于储能设备的运行参数计算储能设备的可靠性指数，然后加载储能设备的可靠性指数，判断可靠性指数是否大于预设可靠性阈值，若大于预设可靠性阈值，基于可靠性指数计算时效性指数，若小于预设可靠性阈值，反馈可靠性指数，发送能量响应预警。本发明实施例通过构建并训练得到设备动态响应模型，设备动态响应模型能够基于储能设备的运行参数计算储能设备的可靠性指数，然后通过可靠性指数计算时效性指数，保证了时效性指数的精准度，同时也能及时反馈可靠性指数，保证电力调度时新能源电网储能设备的有效响应，提高了配电效率。

3、本发明是这样实现的，新能源电网储能设备能量响应时效性指数预测方法，所述新能源电网储能设备能量响应时效性指数预测方法包括：

4、获取储能设备技术指标，对储能设备技术指标进行归一化处理，得到指标向量集，其中，储能设备技术指标包括储能设备能量密度、充放电倍率、储能效率、设备坐标参数以及响应时间；

5、响应于储能设备的至少一组供电指令，解析并识别所述供电指令中供电参数；

6、基于指标向量集建立并训练生成设备动态响应模型，实时获取储能设备的运行参数，基于储能设备的运行参数计算储能设备的可靠性指数。

7、加载储能设备的可靠性指数，判断可靠性指数是否大于预设可靠性阈值，若大于预设可靠性阈值，基于可靠性指数计算时效性指数，若小于预设可靠性阈值，反馈可靠性指数，发送能量响应预警。

8、优选地，所述获取储能设备技术指标，对储能设备技术指标进行归一化处理的方法，具体包括：

9、以采样频率为获取单日储能设备技术指标集，整合多日储能设备技术指标集，形成个储能设备技术指标数据集；

10、加载个储能设备技术指标数据集，以单日储能设备技术指标集分别除以单日储能设备技术指标集中最大指标值，得到单日储能设备技术矢量集，整合多日储能设备技术矢量集，形成个储能设备技术矢量集；

11、基于模糊c均值聚类算法归一化个储能设备技术矢量集，得到归一化聚类向量。

12、优选地，所述基于指标向量集建立并训练生成设备动态响应模型的方法，具体包括：

13、获取归一化聚类向量，将归一化聚类向量以7:3的比例分为训练集和验证集，其中，训练集和验证集的划分方法为k折交叉验证法；

14、采用随机数来初始化设备动态响应模型，得到基于支持向量机和fcm聚类算法的初始模型，设置初始模型最大迭代次数，当前迭代次数，迭代误差，聚类个数为k；

15、基于决定系数评估模型对训练集样本的拟合程度，并采用均方误差、平均绝对误差、归一化均方根误差以及阈值统计峰值百分比评估模型的准确度；

16、其中，均方误差（mse）计算公式为：

17、（1）；

18、其中，为训练集样本数量，为训练集样本输入的归一化聚类向量值，而为输入的归一化聚类向量值的预测值，而表示从第一组样本开始累积计算误差平方；

19、平均绝对误差（mae）计算公式为：

20、（2）；

21、其中，归一化均方根误差（nrmse）计算公式为：

22、（3）；

23、其中，阈值统计峰值百分比（ppts）计算公式为：

24、（4）；

25、其中，参数为控制峰值筛选的百分比阈值，而为参数对应的最大峰值数量，为设置参数为时计算指标值；

26、采用贝叶斯优化的方式连续计算初始模型的损失函数值，更新贝叶斯后验估计，得到优化后初始模型；

27、获取验证集，采用验证集验证初始模型是否符合预设精度，若符合，则输出设备动态响应模型。

28、优选地，所述基于储能设备的运行参数计算储能设备的可靠性指数的方法，具体包括：

29、加载供电指令中供电参数，输入n维的供电参数，对供电参数预处理，将供电参数均值变为0以及方差变为1；

30、对预处理后的供电参数进行降维特征分解，得到降维后特征向量集，基于fcm聚类算法计算降维后特征向量集中心隶属度值，其中，中心隶属度值通过公式（5）计算：

31、（5）；

32、其中，为降维后特征向量的维度数，为聚类中心个数，为聚类模糊度，而为隶属常量；

33、（6）；

34、其中，为降维后特征向量的维度数，为聚类中心个数，为聚类模糊度，为隶属常量，为聚类函数的第一关联系数，为聚类函数的第二关联系数；

35、基于降维后特征向量集中心隶属度值匹配供电指令中供电参数对应的设备理想运行参数。

36、优选地，所述基于储能设备的运行参数计算储能设备的可靠性指数的方法，具体还包括：

37、获取设备理想运行参数以及储能设备的运行参数，分别以设备理想运行参数以及储能设备的运行参数为输入，执行设备动态响应模型；

38、设备动态响应模型基于设备理想运行参数计算第一关联值，所述第一关联值通过公式（7）计算；

39、（7）；

40、其中，为第一关联值，为设备理想运行参数输入值，为设备理想运行参数种类数，为自然对数，为设备动态响应模型输出层的偏置系数；

41、设备动态响应模型基于储能设备的运行参数计算第二关联值，其中，所述第二关联值通过公式（8）计算；

42、（8）；

43、其中，为第二关联值，为储能设备的运行参数的输入值，为设备动态响应模型输出层的偏置系数；

44、设备动态响应模型基于第一关联值以及第二关联值计算储能设备的可靠性指数。

45、优选地，所述设备动态响应模型基于第一关联值以及第二关联值计算储能设备的可靠性指数的方法，具体包括：

46、获取第一关联值以及第二关联值；

47、设备动态响应模型基于高斯核函数计算储能设备的可靠性指数，其中，可靠性指数通过公式（9）计算；

48、（9）；

49、其中，为第一关联值，为第二关联值，为设备动态响应模型输出层的偏置系数，为可靠性指数。

50、优选地，所述基于可靠性指数计算时效性指数的方法，具体包括：

51、获取可靠性指数；

52、以可靠性指数为输入，设备动态响应模型基于sigmoid 核函数添加不对称变量实现可靠性指数的分析映射，变换后输出时效性指数；

53、（10）；

54、其中，为时效性指数，分别为sigmoid 核函数的映射前置系数以及后置系数，为可靠性指数。

55、另一方面，本发明实施例还提供了一种新能源电网储能设备能量响应时效性指数预测系统，所述新能源电网储能设备能量响应时效性指数预测系统包括：

56、指标获取模块，所述指标获取模块用于获取储能设备技术指标，对储能设备技术指标进行归一化处理，得到指标向量集，其中，储能设备技术指标包括储能设备能量密度、充放电倍率、储能效率、设备坐标参数以及响应时间；

57、指令响应模块，所述指令响应模块响应于储能设备的至少一组供电指令，解析并识别所述供电指令中供电参数；

58、可靠性指数计算模块，所述可靠性指数计算模块基于指标向量集建立并训练生成设备动态响应模型，实时获取储能设备的运行参数，基于储能设备的运行参数计算储能设备的可靠性指数；

59、时效性指数计算模块，所述时效性指数计算模块用于判断可靠性指数是否大于预设可靠性阈值，若大于预设可靠性阈值，基于可靠性指数计算时效性指数，若小于预设可靠性阈值，反馈可靠性指数，发送能量响应预警。

60、优选地，所述指标获取模块，具体包括：

61、指标整合单元，所述指标整合单元以采样频率为获取单日储能设备技术指标集，整合多日储能设备技术指标集，形成个储能设备技术指标数据集；

62、矢量集获取单元，所述矢量集获取单元用于加载个储能设备技术指标数据集，以单日储能设备技术指标集分别除以单日储能设备技术指标集中最大指标值，得到单日储能设备技术矢量集，整合多日储能设备技术矢量集，形成个储能设备技术矢量集；

63、聚类向量生成单元，所述聚类向量生成单元基于模糊c均值聚类算法归一化个储能设备技术矢量集，得到归一化聚类向量。

64、与现有技术相比，本技术实施例主要有以下有益效果：

65、本发明实施例通过构建并训练得到设备动态响应模型，设备动态响应模型能够基于储能设备的运行参数计算储能设备的可靠性指数，然后通过可靠性指数计算时效性指数，保证了时效性指数的精准度，同时也能及时反馈可靠性指数，保证电力调度时新能源电网储能设备的有效响应，提高了配电效率。

66、本发明实施例基于模糊c均值聚类算法归一化储能设备技术矢量集，从而得到归一化聚类向量，实现了对储能设备技术指标进行归一化、标准化处理，从而方便了对技术指标的分析以及模型的构建，同时也保证了时效性指数预测的精准度，便于转换为建模语言，提高建模效率。

67、本发明实施例中设备动态响应模型的初始模型为基于支持向量机和fcm聚类算法的初始模型，兼具了支持向量机和fcm聚类算法的优点，同时配合k折交叉验证法划分训练集和验证集可以减少由于数据划分导致的偏差，提高模型的泛化能力，相对于现有模型预测更为精准，建模成本较低。

68、本发明实施例中设备动态响应模型基于第一关联值以及第二关联值计算储能设备的可靠性指数，并以可靠性指数评估计算储能设备的时效性指数，从而能够在第一时间响应供电指令，并通过计算精准的时效性指数评判储能设备是否达到供电指令的要求，从而避免能量响应慢、效率低的问题。