买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湘潭大学

摘要：本发明提出一种客观理论与主观经验相结合的指标筛选方法。用于解决在建立综合性的储能系统应用于高铁辅助服务的需求评价指标体系的过程中，如何使最终指标体系反映的信息量尽可能大且信息冗余状况得到改善的问题。该方法主要包括：定义特定指标，并结合传统评价指标建立双重辅助服务的需求综合评价初始指标体系；建立储能配置的经济性模型；建立基尼系数、Person相关系数、KMO检验统计量和D‑S理论相结合的指标筛选模型；最后，引入信息贡献率In和指标集整体信息重叠降低比例Rk的概念来检验最终评价指标体系合理性及信息重叠指标筛选合理性。该方法效果显著，在兼顾信息损失较小的同时降低信息重叠水平，使辅助服务需求评价指标体系的建立更加合理化。

主权项：1.一种客观理论与主观经验相结合的指标筛选方法，其特征在于，包括：获取牵引变电站日内的实测负荷数据；定义特定指标，并结合传统评价指标建立双重辅助服务的需求综合评价初始指标体系；建立高铁储能的经济性模型，求解储能系统ESS的最佳配置参数，计算评价指标值；建立基尼系数、Person相关系数、KMO检验统计量和D-S理论相结合的指标筛选模型；检验最终评价指标体系合理性及信息重叠指标筛选合理性；1双重辅助服务的需求综合评价初始指标体系的建立，包括：结合储能系统应用于高铁负荷削峰和再生制动能量回收利用的双重辅助服务特性以及高铁负荷的波动性与不确定性，并考虑到指标的可获取性，定义6个特定指标；再参照传统评价指标，建立综合考虑技术性，经济性，安全性及建设性等4个维度的储能系统应用于高铁双重辅助服务的需求综合评价初始指标体系；特定指标的定义：1削峰率I1：指日运行周期T内最大负荷与削峰线之差比上最大负荷，该指标可用于衡量储能系统辅助服务完成度的大小； 式中：Pt,max表示一个时间周期T内t时刻的最大功率，Ppos表示储能系统实现削峰填谷的目标削峰线；2削峰不足期望值I2：指日运行周期T内储能系统辅助服务目标域中负载状态概率与削峰不足量的乘积之和，该指标可用于反映负载状态对储能系统进行辅助服务的影响程度； 式中：x表示负载状态事件，负载情况分为重载、中载、轻载三种，G表示负载变化这个总事件，px表示负载状态事件发生的概率大小，Cx表示在不同负载状态下的削峰不足量；3储能供电量宽裕度I3：指日运行周期T内储能额定容量与额定功率之比，该指标可说明储能供电量宽裕度越大，储能系统充放电安全性也越高； 式中：EESS表示日运行周期T内储能系统额定容量，PESS表示日运行周期T内储能系统额定功率；4电网供电量所占比I4：指日运行周期T内电网供电量与负荷需求总电量之比，该指标可说明电网供电量所占比越大，会出现系统等效峰谷差增大，调峰需求增大的情况，对系统安全稳定运行影响越大； 式中：Ee表示日运行周期T内电网供电量，Emax表示日运行周期T内负荷需求总电量；5再生制动能量贡献率I5：指日运行周期T内再生制动能量对电网供电量的消减量与负荷需求总电量之比，该指标可反映再生制动能量回收利用的程度，减少回流电网造成冲击的风险； 式中：Ee表示日运行周期T内电网供电量，Emax-Ee表示日运行周期T内再生制动能量对电网供电量的消减量；6投资回收年限率I6：指在储能全寿命周期内投资成本与运行成本之和比上净收益，该指标可用于衡量投资方成本回收期的长短； 式中：C1表示储能系统初始投资成本，C2表示储能全寿命周期内运行维护成本，F为储能全寿命周期内净收益；2建立高铁储能的经济性模型，包括：以削峰线P1和填谷线P2为决策变量，全寿命周期内净收益最大为目标函数，即maxF＝B1+B2+B3+B4+B5-C71储能投资及运行维护成本C 式中：CE为储能单位容量价格，CP为储能单位功率价格，EESS为储能额定容量，PESS为储能额定功率；N为储能使用年限，Cmt为储能单位充放电功率第t年运行维护成本，tr为通货膨胀率，dr为贴现率；2牵引变压器投资成本收益B1B1＝CEVvSVvα+SVvβ-S'Vv9式中：CEVv是牵引变压器容量成本，SVvα和SVvβ分别为两臂牵引变压器容量大小，S'Vv根据λP1大小，按照牵引变压器容量等级得到，且S'Vv≥λP1；牵引变压器所需有功P1通过γ核算其容量，γ＝1cosφ，按照变压器性质，一般取cosφ＝0.8，则λ＝1.25；3牵引变压器运行维护成本收益B2 式中：CmVvt是第t年牵引变压器每单位容量的运行维护成本；4基本电费收益B3 式中：Yb为每个月的基本电费；5电度电费收益B4 式中：ΔEESS为日削峰总能量，Yw为电度电费；6电网公司补贴B5 式中：Cup为单位容量电网升级成本，u为补贴比例；约束条件：1决策变量削峰线P1和填谷线P2作为优化关键，需满足不等式约束Pavg≤P1≤Pmax14Pmin≤P2≤015式中：Pmax和Pmin分别为牵引负荷的最大值和最小值，Pavg为负荷的均值；2ESS充放总电量约束ΔEC_ESS-ΔED_ESS≤ε16式中：ΔED_ESS为ESS参与的总调峰能量，ΔEC_ESS为ESS回收的再生制动总能量，ε为接近0的任意小值；3ESS充放电的额定功率约束ΔPD_ESS＝Pmax-P117ΔPC_ESS＝P2-Pmin18PESS≥maxΔPD_ESS,ΔPC_ESS19式中：ΔPD_ESS为储能部分的调峰功率上限，ΔPC_ESS为储能谷值时回收再生制动能量的填谷功率上限；4荷电状态SOC约束 SOCmin≤SOCt≤SOCmax21式中：SOC0为储能系统ESS初始时刻的荷电状态，SOCmin和SOCmax分别为ESS允许的最低和最高荷电状态，SOCt为t时刻ESS荷电状态，EESSt为从初始时刻到t时刻时间段内ESS累计吸收的能量；3建立基尼系数、Person相关系数、KMO检验统计量和D-S理论相结合的指标筛选模型，包括：步骤1利用初始样本数据，建立决策矩阵，根据离差标准化方法，对决策矩阵中的指标值进行正向标准化处理，得到标准化决策矩阵，再计算指标基尼系数；指标基尼系数 其中：n为评价对象个数，zij和zkj分别为第i个评价对象和第k个评价对象在第j个指标下的指标标准化值，ζj为第j个指标的基尼系数用于衡量指标内第j个指标对比强度dj；步骤2指标初筛选，计算指标集内指标基尼系数ζj的均值，将其均值设为对比强度初始阈值d1；若任意指标基尼系数ζj大于等于阈值d1，则该指标不需进行删除；反之，指标基尼系数ζj小于阈值d1，则该指标需进行删除，应用D-S理论对专家给出的信任度分配表进行融合，对指标筛选的可信度与不可信度进行计算；可信度大于不可信度则指标筛选事件可信；不可信度大于可信度则指标筛选事件不可信，立即调整阈值d1，循环步骤2；步骤3根据Pearson相关系数，得到相关系数矩阵 其中：rij为第i个指标和第j个指标间的相关系数；步骤4指标次筛选，CRITIC客观赋权法确定指标权重，指标权重从大至小进行排列，按0.618黄金优选比例选取组成一个新的指标集，为保证指标综合信息含量的充足且可靠，选定权重最小的指标为基准指标；再将基准指标与其余指标的相关系数从小至大进行排列，按0.618黄金优选比例剔除较小相关系数，为避免指标信息含量的过度流失和信息重叠严重，选取剩余的最小相关系数作为相关度初始阈值r1；若相关系数小于设定阈值r1，说明指标反映信息不重复，同时保留两个评价指标；若相关系数大于等于设定阈值r1，说明指标反映信息重复，则需进行指标筛选，删除这两个指标中信息含量较小的一个，利用D-S理论对指标筛选的可信度与不可信度进行计算；可信度大于不可信度则指标筛选事件成立；不可信度大于可信度则指标筛选事件不成立，立即调整阈值r1，循环步骤4；步骤5一组指标X1，X2，…，Xn的KMOn检验统计量计算公式如下 其中：rij为指标Xi和Xj间的Pearson相关系数，pij是任意两个指标Xi和Xj间的n-2阶偏相关系数；KMO检验认为，一组指标KMO值越接近于0，该组指标内部相关性越低，即指标信息重叠水平越低；一组指标KMO值越接近于1，该组指标内部相关性越高即指标的信息重叠水平越高；步骤6指标再筛选，在指标次筛选完成后指标集KMO值若小于初始指标集KMO值且居于0.7以下，则说明该指标集相关性已经较低，因此不必再进行整体信息重叠指标筛选；反之，说明该指标集相关性较高，需要进行整体信息重叠指标筛选，计算剔除指标集中每个指标后的KMO值，将对指标集KMO值变小贡献性最大的指标删除，循环步骤6；4检验最终评价指标体系合理性及信息重叠指标筛选合理性，包括：1指标体系合理性检验，计算筛选后的指标集对初始指标集的信息贡献率InIn＝trSktrSn25其中：S是指标数据的协方差矩阵，trS是协方差矩阵的迹，表示协方差矩阵的主对角线上各指标方差之和，k是筛选后的指标个数，n是初始指标的个数；2信息重叠指标筛选合理性检验，计算信息重叠降低比例Rk 其中：k是筛选后的指标个数，n是初始指标的个数，KMOk是剩余k个指标的KMO检验统计量，KMOn是初始n个指标的KMO检验统计量。

全文数据：

权利要求：

百度查询： 湘潭大学 一种客观理论与主观经验相结合的指标筛选方法