一种基于云模型的新能源冷热电联供系统用户用能评价方法

摘要

本发明公开了一种基于云模型的新能源冷热电联供系统用户用能评价方法，包括：分别获取系统总的供电、供热以及供冷的功率和相应负荷的需求功率数据；根据获取的数据分别计算电负荷满足率、热负荷满足率和冷负荷满足率，并作为评价指标；所述评价指标还包括用电满意度、用热满意度和用冷满意度；分别采用层次分析法和变异系数法求解各评价指标的权重，采用博弈论理论求解各评价指标的综合权重；计算各评价指标的综合确定度；根据最大综合确定度所在的等级，确定用户用能评价等级。本发明有益效果：本发明将云模型应用于用户用能评价过程中，有效的描述了评价过程中的随机性和模糊性，可以较为直观准确的得到评价结果。

说明书

技术领域

本发明涉及新能源冷热电联供系统用户用能评价技术领域，尤其涉及一种基于云模型的新能源冷热电联供系统用户用能评价方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

可再生能源冷热电联供系统是一种基于能量梯级利用原理，集供冷、制热和发电于一体的多联产系统，系统安装在用户附近，近距离供应冷、热、电和生活热水，实现了发电的同时余热的回收和梯级利用。大大提高了能源综合利用效率，同时大幅度降低了二氧化碳和硫氧化物等污染物的排放。

目前关于冷热电联供系统的设计和优化运行方面的研究已经比较成熟，而关于系统性能、设计、供能、用能等方面的评价研究比较少，并且各种指标体系参差不齐。此外，进一步调研发现，现有的评价标准仅从供能系统的角度出发，尤其是对于系统用户侧附近的评价甚少，而用户侧用户用能的评价直接关系着冷热电联供系统的发展和推广。此外，用户用能的评价好坏从一定程度上也是冷热电联供系统的设计、运行和供能情况的一个综合体现。

具体说来，用户用能的评价主要存在着以下两个方面的问题：

(1)用户用能的评价标准不统一，用户用能评价的不统一在很大程度上进行横向的对比得到的结果就不是那么准确。

(2)用户用能的评价方法比较单一，合理的评价方法是对系统进行评价的关键之一，而单一的确定权重的方法容易受到权重方法本身特点的影响而使得评价的结果造成很大的偏差。

为了能够更好地对用户用能情况进行评估，并正确掌握冷热电联供系统的供能情况，有必要对用户用能情况进行评价分析。

发明内容

有鉴于此，本发明提出了一种基于云模型的新能源冷热电联供系统用户用能评价方法及系统，充分考虑冷热电联供系统同时供冷、供热、供电的特点，建立了用户用能评价指标，能够实现对用户用能的准确评价。

为了实现上述目的，在一些实施方式中，采用如下技术方案：

一种基于云模型的新能源冷热电联供系统用户用能评价方法，包括：

分别获取系统总的供电、供热以及供冷的功率和相应负荷的需求功率数据；

根据获取的数据分别计算电负荷满足率、热负荷满足率和冷负荷满足率，并作为评价指标；所述评价指标还包括用电满意度、用热满意度和用冷满意度；

分别采用层次分析法和变异系数法求解各评价指标的权重，基于上述两种方法求得的各评价指标的权重，采用博弈论理论求解各评价指标的综合权重；

计算各评价指标的综合确定度；

根据最大综合确定度所在的等级，确定用户用能评价等级。

在另一些实施方式中，采用如下技术方案：

一种基于云模型的新能源冷热电联供系统用户用能评价系统，包括：

用于分别获取系统总的供电、供热以及供冷的功率和相应负荷的需求功率数据的装置；

用于根据获取的数据分别计算电负荷满足率、热负荷满足率和冷负荷满足率，并作为评价指标的装置；所述评价指标还包括用电满意度、用热满意度和用冷满意度；

用于分别采用层次分析法和变异系数法求解各评价指标的权重，基于上述两种方法求得的各评价指标的权重，采用博弈论理论求解各评价指标的综合权重的装置；

用于计算各评价指标的综合确定度的装置；

用于根据最大综合确定度所在的等级，确定用户用能评价等级的装置。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的一种基于云模型的新能源冷热电联供系统用户用能评价方法。

在另一些实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的一种基于云模型的新能源冷热电联供系统用户用能评价方法。

与现有技术相比，本发明的有益效果是：

本发明对权重的结果进行优化，在权重的求解上更加客观合理，权重结果更加准确。

本发明将云模型应用于用户用能评价过程中，有效的描述了评价过程中的随机性和模糊性，可以较为直观准确的得到评价结果。

本发明通过对用户用能分析，可以对系统的优化、策略调整后期升级起到指导作用。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明实施例中新能源冷热电联供系统用户用能评价方法流程图；

图2为本发明实施例中正向云发生器示意图；

图3为本发明实施例中用能评价云模型。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

在一个或多个实施方式中，公开了一种基于云模型的新能源冷热电联供系统用户用能评价方法，参照图1，包括：

(1)分别获取系统总的供电、供热以及供冷的功率和相应负荷的需求功率数据。

(2)根据获取的数据分别计算电负荷满足率、热负荷满足率、冷负荷满足率指标，并作为评价指标；所述评价指标还包括用电满意度、用热满意度和用冷满意度。

具体地，将用电满意度、用热满意度、用冷满意度、电负荷满足率、热负荷满足率以及冷负荷满足率确定为评价指标；

其中，用电满意度、用热满意度和用冷满意度数据根据打分问卷获得；负荷满足率指标数据通过系统总的供能功率和相应负荷的需求功率计算求得，比如：电负荷满足率为电负荷的需求功率与系统总的供电功率的比值；热负荷满足率以及冷负荷满足率指标数据也是按照此方式计算得到。

根据6个指标数据，得到冷热电联供系统评价得分值；建立指标评价等级表，如表1。

表1指标评价等级表

(3)分别采用层次分析法和变异系数法求解各评价指标的权重，基于上述两种方法求得的各评价指标的权重，采用博弈论理论求解各评价指标的综合权重。

具体地，

1)采用层次分析法求解权重Q

层次分析法(AHP)是一种确定主观权重的方法，通过列写判断矩阵的方法求解指标的权重值。具体步骤如下：

①根据表2列写判断矩阵。

表2

本实施例中，判断矩阵Y-A如下：

②求解判断矩阵的最大特征值λ和最大特征向量α。

先按各行将指标连乘：

再求各行的几何平均值：

然后，归一化处理得到第j个指标的权重系数：

得到判断矩阵的最大特征根：

式中，α为最大特征向量；C为构造的判断矩阵；n为判断矩阵的阶数。

③判断矩阵的一致性。

计算检验系数CR，比较CR和0.1的大小，若CR<0.1，则通过一致性检验，否则，需要对矩阵进行修正。

其中，CR为检验系数，CI为一致性指标，RI为随机一致性指标；其中，RI和判断矩阵的维数有关，一般情况下，维数越大，出现一致性随机偏离的可能性也越大。RI取值如表3。

表3

一致性检验完成后，如果检验通过，最大特征向量为权重值；如果检验不通过，则需要重新列写判断矩阵。

2)采用变异系数法求解权重Q

①得到各指标的原始数据。

②对原始数据做标准化处理。

式中，α

③计算权重Q

式中，

3)采用博弈论理论求解指标的综合权重。

①构建基本的权重集。

构造一个基本的权重集：u

L个权重向量的任意线性组合为：

式中，α

②对L个权重向量进行优化。

使u与各个u

根据矩阵的微分性质可得，最优化的一阶导数转化为：

对其进行归一化处理得：

得到综合权重为：

(4)基于云模型获取各评价指标的确定度。

基于各评价指标的综合权重和确定度计算各评价指标的综合确定度；

具体地，云模型是以正态分布和钟型隶属函数为基础的数学模型，用于实现客观世界中某事物和现象定性与定量之间发生不确定性转换，对于新能源冷热电联供系统评价过程中的随机性问题有很好的适用性。

云模型通过期望Ex、熵En、超熵He三个参数表示其整体特征，Ex表示云滴在论域空间分布的期望，最能代表定性概念的点；En揭示了模糊性和随机性之间的关联，用来度量定性概念的不确定度和模糊度；He是用来度量熵的不确定性。

云模型发生器包括正向云发生器和逆向云发生器，用于实现数值和不确定性的转换。本实施例中，采用正向发生器，正向云发生器是从定性到定量的映射，输入量有Ex，En，He和N，输出量为N个云滴的定量值，参照图2。

云模型参数的选取具体为：

He＝k

其中，I

具体说来，

1)生成以En为期望值、He为标准差的正态随机数En＇，En＇～N(En，He

2)生成以Ex为期望值、En＇为标准差的正态随机数x，x～N(Ex，En＇

3)计算

μ(x)为评价指标的确定度，x为数域中的1个云滴；

4)重复步骤1)—3)，直到产生N个云滴；

5)通过上述步骤产生用能评价云模型，如图3所示。

根据各评价指标的确定度，可计算得到综合确定度K：

式中：u

(5)根据最大综合确定度所在的等级，确定用户用能评价等级。

具体地，根据不同等级的云模型图确定评价指标的等级，从而确定用户用能评价等级。

实施例二

在一个或多个实施方式中，公开了一种基于云模型的新能源冷热电联供系统用户用能评价系统，包括：

用于分别获取系统总的供电、供热以及供冷的功率和相应负荷的需求功率数据的装置；

用于根据获取的数据分别计算电负荷满足率、热负荷满足率和冷负荷满足率，并作为评价指标的装置；所述评价指标还包括用电满意度、用热满意度和用冷满意度；

用于分别采用层次分析法和变异系数法求解各评价指标的权重，基于上述两种方法求得的各评价指标的权重，采用博弈论理论求解各评价指标的综合权重的装置；

用于计算各评价指标的综合确定度的装置；

用于根据最大综合确定度所在的等级，确定用户用能评价等级的装置。

需要说明的是，上述各装置的具体实现方式采用实施例一中的方法实现，不再赘述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的一种基于云模型的新能源冷热电联供方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。