一种综合能源能效评估体系建立方法与流程

1.本发明涉及新能源系统领域，尤其涉及一种综合能源能效评估体系建立方法。


背景技术：

2.基于多站融合的综合能源系统中，组成元素众多，电、气、热、冷等能源形式和能源系统高度耦合，同时，各种能源与气候、园区生产行为、民俗习惯等多元因素深度耦合。多站融合的综合能源系统需要最优的调度多种能源，在满足园区生产生活需求的前提下，最大程度的发挥综合能源系统中各个组成元素自身的性能，使综合能源系统的能源利用效率最优。
3.例如，一种在中国专利文献上公开的“一种综合能源系统能效的评估方法”，。其公告号：cn106600104a，公开了对每个端子进行指标化，对每个指标进行权重化评估，评估可靠性较差，不能实现准确评估多个能源系统的可靠性。


技术实现要素：

4.为此，本发明提供一种综合能源能效评估体系建立方法，能够使用机器学习，线性回归的对能源系统方案提出效果预测，对能效评估使用权重分析的方法进行评价。
5.为了实现上述目的，本发明提供如下技术方案：
6.一种综合能源能效评估体系建立方法，包括如下步骤：
7.s1、研究影响因素；分析研究多站融合综合能源系统的元素组成及其差异性需求；
8.s2、建立综合指标体系；根据组成元素特点的能效指标体系建立综合指标体系；
9.s3、建立统一评估模型，根据综合指标体系建立综合指标体系。
10.作为优选的，s1中元素包括能源形式的变化特性，能源间的耦合特性，各类转化设备的效率。能够综合电力系统内不同能源提供电力时的差异性，同时对供电、计划、分配提供全面的分析，优化供电技术方案。
11.作为优选的，s2包括计算风险综合指数，首先对数据进行标准化处理，消除量纲带来的影响，之后利用客观赋权法确定各个风险指标的权重，最后通过线性加权法算出最终的风险综合指数。用熵值法确定风险指标权重。能够对电力系统中作出的供电方案作出评价，对于不同供电优化方案提供可靠性分析，综合考虑电力系统中的影响因素确定最优化的方案。
12.作为优选的，s3包括使用机器学习模型进行评估。能够大大提高决策速度，使用经验分析对供电方案作出辅助评判，提高了供电方案的可靠性。
13.作为优选的，机器学习模型包括svr模型和xgboost模型，xgboost模型中，首先进行训练集和测试集的划分，然后对特征进行标准化处理，用测试集进行模型性能检验。首先需要对数据进行标准化处理，消除量纲对分析结果的影响。其次，通过划分训练集和测试集，对模型进行训练，利用网格搜索法，对模型的超参数进行调优。最后，利用表现最好的参数组合进行评价。当模型中存在t个决策树的时候，
[0014][0015]
其中，n表示样本的数量，f
t
表示第t棵回归树，f表示所有分类和回归树的集合空间，表示第i个样本完成t次决策树后的预测值。
[0016]
模型的损失函数为：
[0017][0018][0019]
式中l表示真实值和预测值之间的偏离度，t代表决策树叶子节点的个数，w表示叶子节点的权重，而γ和λ为正则化系数。
[0020]
对损失函数进行泰勒级数展开，可以得到下式：
[0021][0022]
式中，gi、hi和c分别为一阶导数、二阶导数和常数项：
[0023][0024][0025][0026]
定义对方程进行求导，这样就可以求得式(4-14)的最优解：
[0027][0028]
经过一系列得公式推导，目标函数得最优值为：
[0029][0030]
首先通过枚举法列出所有可能的树结构，然后利用求解得到的目标函数最优值，即式(4-19)来计算每种可能的树结构对应的分数，最终选择分数最低的树结构计算其每个叶子节点计算预测值。枚举所有可能得树结构是庞大甚至无穷的，这时需要采用贪心策略来生成决策树的节点，从而完成xgboost决策树的完整训练学习过程。
[0031]
采用xgboost的默认参数设置，对所有指标的重要性进行计算并排序。
[0032]
作为优选的，根据svr模型和xgboost模型的权重来确定评估结果，可靠性更高的
方法权重占比更高，可靠性更低的方法权重占比更低。
[0033]
作为优选的，能效指标体系包括设定能源评估折算系数，形成动态可变的加权体系，将多能系统中的子系统进行统一建模，在考虑不同能源子系统动态时间尺度差异性基础上，再结合多站融合中输配用的不同层级来建立综合能源系统的综合能效评估统一模型。
[0034]
本发明的实施方式具有如下优点：
[0035]
(1)能够使用机器学习，线性回归的对能源系统方案提出效果预测；(2)能够指导综合能源服务园区和系统的整体设计和能效提升工作，有利于提高节能减排工作的提高，减小服务对象的能源消费支出，具有重要的经济效益和社会效益。
附图说明
[0036]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0037]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达到的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
[0038]
图1是本发明的方法步骤图。
具体实施方式
[0039]
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的认识可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040]
如图1所示，在一个较佳的实施例中，本发明公开了一种综合能源能效评估体系建立方法，包括如下步骤：
[0041]
s1、研究影响因素；分析研究多站融合综合能源系统的元素组成及其差异性需求；
[0042]
s2、建立综合指标体系；根据组成元素特点的能效指标体系建立综合指标体系；
[0043]
s3、建立统一评估模型，根据综合指标体系建立综合指标体系。
[0044]
s1中元素包括能源形式的变化特性，能源间的耦合特性，各类转化设备的效率。能够综合电力系统内不同能源提供电力时的差异性，同时对供电、计划、分配提供全面的分析，优化供电技术方案。
[0045]
s2包括计算风险综合指数，首先对数据进行标准化处理，消除量纲带来的影响，之后利用客观赋权法确定各个风险指标的权重，最后通过线性加权法算出最终的风险综合指数。用熵值法确定风险指标权重。能够对电力系统中作出的供电方案作出评价，对于不同供电优化方案提供可靠性分析，综合考虑电力系统中的影响因素确定最优化的方案。
[0046]
s3包括使用机器学习模型进行评估。能够大大提高决策速度，使用经验分析对供
电方案作出辅助评判，提高了供电方案的可靠性。
[0047]
机器学习模型包括svr模型和xgboost模型，xgboost模型中，首先进行训练集和测试集的划分，然后对特征进行标准化处理，用测试集进行模型性能检验。首先需要对数据进行标准化处理，消除量纲对分析结果的影响。其次，通过划分训练集和测试集，对模型进行训练，利用网格搜索法，对模型的超参数进行调优。最后，利用表现最好的参数组合进行评价。当模型中存在t个决策树的时候，
[0048][0049]
其中，n表示样本的数量，f
t
表示第t棵回归树，f表示所有分类和回归树的集合空间，表示第i个样本完成t次决策树后的预测值。
[0050]
模型的损失函数为：
[0051][0052][0053]
式中l表示真实值和预测值之间的偏离度，t代表决策树叶子节点的个数，w表示叶子节点的权重，而γ和λ为正则化系数。
[0054]
对损失函数进行泰勒级数展开，可以得到下式：
[0055][0056]
式中，gi、hi和c分别为一阶导数、二阶导数和常数项：
[0057][0058][0059][0060]
定义对方程进行求导，这样就可以求得式(4-14)的最优解：
[0061][0062]
经过一系列得公式推导，目标函数得最优值为：
[0063]
[0064]
首先通过枚举法列出所有可能的树结构，然后利用求解得到的目标函数最优值，来计算每种可能的树结构对应的分数，最终选择分数最低的树结构计算其每个叶子节点计算预测值。枚举所有可能得树结构是庞大甚至无穷的，这时需要采用贪心策略来生成决策树的节点，从而完成xgboost决策树的完整训练学习过程。
[0065]
采用xgboost的默认参数设置，对所有指标的重要性进行计算并排序。
[0066]
根据svr模型和xgboost模型的权重来确定评估结果，可靠性更高的方法权重占比更高，可靠性更低的方法权重占比更低。
[0067]
能效指标体系包括设定能源评估折算系数，形成动态可变的加权体系，将多能系统中的子系统进行统一建模，在考虑不同能源子系统动态时间尺度差异性基础上，再结合多站融合中输配用的不同层级来建立综合能源系统的综合能效评估统一模型。
[0068]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

技术特征：
1.一种综合能源能效评估体系建立方法，其特征在于，包括如下步骤：s1、研究影响因素；分析研究多站融合综合能源系统的元素组成及其差异性需求；s2、建立综合指标体系；根据组成元素特点的能效指标体系建立综合指标体系；s3、建立统一评估模型，根据综合指标体系建立综合指标体系。2.根据权利要求1所述的一种综合能源能效评估体系建立方法，其特征在于，所述s1中元素包括能源形式的变化特性，能源间的耦合特性，各类转化设备的效率。3.根据权利要求1或2所述的一种综合能源能效评估体系建立方法，其特征在于，所述s2包括计算风险综合指数，首先对数据进行标准化处理，消除量纲带来的影响，之后利用客观赋权法确定各个风险指标的权重，最后通过线性加权法算出最终的风险综合指数。4.根据权利要求1或2所述的一种综合能源能效评估体系建立方法，其特征在于，所述s3包括使用机器学习模型进行评估。5.根据权利要求4所述的一种综合能源能效评估体系建立方法，其特征在于，所述机器学习模型包括svr模型和 xgboost模型；xgboost模型中，首先进行训练集和测试集的划分，然后对特征进行标准化处理，用测试集进行模型性能检验。6.根据权利要求5所述的一种综合能源能效评估体系建立方法，其特征在于，根据svr模型和 xgboost模型的权重来确定评估结果，可靠性更高的方法权重占比更高，可靠性更低的方法权重占比更低。7.根据权利要求1所述的一种综合能源能效评估体系建立方法，其特征在于，所述能效指标体系包括设定能源评估折算系数，形成动态可变的加权体系，将多能系统中的子系统进行统一建模，在考虑不同能源子系统动态时间尺度差异性基础上，再结合多站融合中输配用的不同层级来建立综合能源系统的综合能效评估统一模型。

技术总结
本发明公开了一种综合能源能效评估体系建立方法，包括如下步骤：S1、研究影响因素；分析研究多站融合综合能源系统的元素组成及其差异性需求；S2、建立综合指标体系；根据组成元素特点的能效指标体系建立综合指标体系；S3、建立统一评估模型，根据综合指标体系建立综合指标体系；能够使用机器学习，线性回归的对能源系统方案提出效果预测，能够指导综合能源服务园区和系统的整体设计和能效提升工作，有利于提高节能减排工作的提高，减小服务对象的能源消费支出，具有重要的经济效益和社会效益。具有重要的经济效益和社会效益。具有重要的经济效益和社会效益。


技术研发人员：钟宏伟 富小敏 沈犇 曹佳斌 张小美 陈艳
受保护的技术使用者：国网浙江省电力有限公司嘉兴供电公司
技术研发日：2021.11.25
技术公布日：2022/5/25