首页 / 专利库 / 电脑零配件 / 数据总线 / PCI总线 / 基于大数据处理和灰色理论分析风发电效益的方法

基于大数据处理和灰色理论分析发电效益的方法

阅读:403发布:2020-05-08

专利汇可以提供基于大数据处理和灰色理论分析发电效益的方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了基于大 数据处理 和灰色理论分析 风 发电效益的方法,包括风发电指标数据的采集及预处理;采用灰色关联度对所采集和预处理的指标数据与风电出 力 进行相关性分析;根据灰色关联度的高低依次对指标数据进行排序;选取关联度≥m的指标数据,其中,m为在0-1中设定的值;将选取的指标数据放入DEA-CCR模型中进行效益评估。本发明通过对风发电指标数据的采集及预处理,然后将采集的指标数据进行灰色关联度的分析,并针对需要选择出需要的指标数据,最后将选取出来的指标数据进行效益评估得出指标数据对发电效率的影响,这样,指标数据的选取避免了人为影响,效益评估的效率高、准确率也高。,下面是基于大数据处理和灰色理论分析发电效益的方法专利的具体信息内容。

1.基于大数据处理和灰色理论分析发电效益的方法,其特征在于,包括如下步骤:
步骤1:风发电指标数据的采集及预处理;
步骤2:采用灰色关联度对所采集和预处理的指标数据与风电出进行相关性分析;
其中,灰色关联度用数学模型表示为:
设存在序列 和X(0)(k), 为基准矢量序列,即为大数据分类筛选指标的历史采集数据,X(0)(k)为目标矢量序列,即为当前采集和预处理的指标数据,序列 和X(0)(k)表示为:
X(0)(k)=[X(0)(1),X(0)(2),...,X(0)(n)];
(0)
对于序列 和X (k),则关联系数定义如下:
式中,ρ为分辨率,0<ρ<1,取ρ=0.5;ηminmin(k)和ηmaxmax(k)分别为两级最小差和两级最大差,分别表示为:
其中, 为第k个点 和X(0)(k)的绝对值差;
X(0)(k)和 的灰色关联度定义为n个关联系数平均值为:
灰色关联度r的值在0-1之间,值越接近1, 和X(0)(k)线性相关程度就越大,r值越接近于0, 和X(0)(k)之间就线性相关程度就越低,当r<0.2时,为无关联,当0.2≤r≤
0.6时,为中等关联程度,当r≥0.6时,为高度关联;
步骤3:根据灰色关联度的高低依次对指标数据进行排序;选取关联度≥m的指标数据,其中,m为在0-1中设定的值;
步骤4:将选取的指标数据放入DEA-CCR模型中进行效益评估。
2.根据权利要求1所述的基于大数据处理和灰色理论分析风发电效益的方法,其特征在于:在步骤1中对于风发电指标数据的采集采用通过温度采集传感器盐度采集传感器、pH值采集传感器、浊度采集传感器和摄像头分别对温度、盐度、pH值、浊度和照片进行采集,被采集到的指标数据通过数据采集转换模进行预处理后发送至PCI总线接口,通过PCI总线接口发送至中央处理器内。
3.根据权利要求1所述的基于大数据处理和灰色理论分析风发电效益的方法,其特征在于:在步骤2中通过灰色关联度分析来判断指标数据与风电出力之间的紧密度,灰色关联度分析是根据数据序列之间是否在形状上相似来判断序列之间的联系是否紧密,相似程度越高,则相应序列的灰色关联度越高,相似程度越低,则相应序列的灰色关联度越低。
4.根据权利要求2所述的基于大数据处理和灰色理论分析风发电效益的方法,其特征在于:数据采集转换模块为将模拟型号转换为数字信号的模块。

说明书全文

基于大数据处理和灰色理论分析发电效益的方法

技术领域

[0001] 本发明涉及一种分析风发电效益的方法,特别是涉及基于大数据处理和灰色理论分析风发电效益的方法,属于风发电技术领域。

背景技术

[0002] 风电作为一种清洁可再生的能源,是目前新能源的重要组成部分,提高风电场发电效率,对于减少不可再生能源的消耗有着积极的作用,而对其进行准确、有效地分析和评价是实现该目标的前提,数据包络分析(DEA)效益评估算法是运筹学、管理科学和数理经济学交叉研究的一个新的领域,是用来评价具有多输入多输出决策单元(DMU)相对有效性的非参数方法,采用DEA对风电厂发电效率进行评价分析,是目前研究的热点。
[0003] 然而采用DEA评价方法进行评价时,评价指标的选取人为因素影响较大,一般根据经验判断,选取影响发电效率的指标,不具有客观性而且选取的指标不同,对于评价结果影响偏差也较大,因此设计一种基于大数据处理和灰色理论分析方法作为DEA评价方法的前置条件来优化DEA评价方法的上述问题。

发明内容

[0004] 本发明的目的是为了提供基于大数据处理和灰色理论分析风发电效益的方法,指标选取避免了人为影响,根据大数据处理及灰色理论分析关联度紧密度的方法,得出指标对发电效率的影响。
[0005] 本发明的目的可以通过采用如下技术方案达到:
[0006] 基于大数据处理和灰色理论分析风发电效益的方法,包括如下步骤:
[0007] 步骤1:风发电指标数据的采集及预处理;
[0008] 步骤2:采用灰色关联度对所采集和预处理的指标数据与风电出进行相关性分析;
[0009] 其中,灰色关联度用数学模型表示为:
[0010] 设存在序列 和 为基准矢量序列,即为大数据分类筛选指标的历史采集数据,X(0)(k)为目标矢量序列,即为当前采集和预处理的指标数据,序列和X(0)(k)表示为:
[0011]
[0012] X(0)(k)=[X(0)(1),X(0)(2),...,X(0)(n)];
[0013] 对于序列 和X(0)(k),则关联系数定义如下:
[0014]
[0015] 式中,ρ为分辨率,0<ρ<1,取ρ=0.5;ηminmin(k)和ηmaxmax(k)分别为两级最小差和两级最大差,分别表示为:
[0016]
[0017]
[0018] 其中, 为第k个点 和X(0)(k)的绝对值差;
[0019] X(0)(k)和 的灰色关联度定义为n个关联系数平均值为:
[0020]
[0021] 灰色关联度r的值在0-1之间,值越接近1, 和X(0)(k)线性相关程度就越大,r值越接近于0, 和X(0)(k)之间就线性相关程度就越低,当r<0.2时,为无关联,当0.2≤r≤0.6时,为中等关联程度,当r≥0.6时,为高度关联;
[0022] 步骤3:根据灰色关联度的高低依次对指标数据进行排序;选取关联度≥m的指标数据,其中,m为在0-1中设定的值;
[0023] 步骤4:将选取的指标数据放入DEA-CCR模型中进行效益评估。
[0024] 进一步的,在步骤1中对于风发电指标数据的采集采用通过温度采集传感器盐度采集传感器、pH值采集传感器、浊度采集传感器和摄像头分别对温度、盐度、pH值、浊度和照片进行采集,被采集到的指标数据通过数据采集转换模进行预处理后发送至PCI总线接口,通过PCI总线接口发送至中央处理器内。
[0025] 进一步的,在步骤2中通过灰色关联度分析来判断指标数据与风电出力之间的紧密度,灰色关联度分析是根据数据序列之间是否在形状上相似来判断序列之间的联系是否紧密,相似程度越高,则相应序列的灰色关联度越高,相似程度越低,则相应序列的灰色关联度越低。
[0026] 进一步的,数据采集转换模块为将模拟型号转换为数字信号的模块。
[0027] 本发明的有益技术效果:
[0028] 本发明提供的基于大数据处理和灰色理论分析风发电效益的方法,指标选取避免了人为影响,根据大数据处理及灰色理论分析关联度紧密度的方法,得出指标对发电效率的影响。附图说明
[0029] 图1为按照本发明的基于大数据处理和灰色理论分析风发电效益的方法的一优选实施例流程图

具体实施方式

[0030] 为使本领域技术人员更加清楚和明确本发明的技术方案,下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
[0031] 如图1所示,本实施例提供的基于大数据处理和灰色理论分析风发电效益的方法,其特征在于,包括如下步骤:
[0032] S1:风发电指标数据的采集及预处理;
[0033] S2:采用灰色关联度对采集和与处理的指标数据与风电出力进行相关性分析;
[0034] S3:根据灰色关联度的高低依次对指标数据进行排序;
[0035] S4:将选取的指标数据放入DEA-CCR模型中进行效益评估。DEA-CCR模型为现有的模型。
[0036] 在本实施例中,在步骤1中对于风发电指标数据的采集采用通过温度采集传感器、盐度采集传感器、pH值采集传感器、浊度采集传感器和摄像头分别对温度、盐度、pH值、浊度和照片进行采集,被采集到的指标数据通过数据采集转换模块进行预处理后发送至PCI总线接口,通过PCI总线接口发送至中央处理器内。数据采集转换模块为将模拟型号转换为数字信号的模块,该模块为现有的模块。
[0037] 在本实施例中,在步骤2中通过灰色关联度分析来判断指标数据与风电出力之间的紧密度,灰色关联度分析是根据数据序列之间是否在形状上相似来判断序列之间的联系是否紧密,相似程度越高,则相应序列的灰色关联度越高,相似程度越低,则相应序列的灰色关联度越低。
[0038] 在本实施例中,所述灰色关联度用数学模型可以表示为:
[0039] 设存在序列 和X(0)(k),为基准矢量序列,在本发明中, 为为大数据分类筛选指标的历史采集数据,即该指标数据是预存在中央处理器中,用于与X(0)(k)序列进行比较;X(0)(k)为目标矢量序列,在本发明中,为当前采集和预处理的指标数据;序列和X(0)(k)表示为:
[0040]
[0041] X(0)(k)=[X(0)(1),X(0)(2),...,X(0)(n)]。
[0042] 在本实施例中,温度、盐度、pH值、浊度和照片分别具有 和X(0)(k)序列。
[0043] 在本实施例中,对于序列 和X(0)(k),则灰度关联系数定义如下:
[0044]
[0045] 式中,ρ为分辨率,0<ρ<1,一般取ρ=0.5;ηminmin(k)和ηmaxmax(k)分别为两级最小差和两级最大差;分别表示为:
[0046]
[0047]
[0048] 其中, 为第k个点 和X(0)(k)的绝对值差;
[0049] 在本实施例中,X(0)(k)和 的灰色关联度定义为n个关联系数平均值为:
[0050]
[0051] 在本实施例中,所述 为大数据分类筛选各个核心指标历史采集值,将X(0)(k)为历史风电出力采集数据,当 和X(0)(k)之间的关联度越高越大时,X(0)(k)所表征的当前指标与风电出力之间的关联就越紧密,灰色关联度r的值在0-1之间,值越接近1,和X(0)(k)线性相关程度就越大,r值越接近于0, 和X(0)(k)之间就线性相关程度就越低,当r<0.2时,为无关联,当0.2≤r≤0.6时,为中等关联程度,当r≥0.6时,为高度关联。
[0052] 在本实施例中,选取灰色关联度r≥m的指标数据,其中,m为在0-1中设定的值,m可以根据需要进行数据选择,在本实施例中m选择为0.6。
[0053] 综上所述,通过对风发电指标数据的采集及预处理,然后将采集的指标数据进行灰色关联度的分析,并针对需要选择出需要的指标数据,最后将选取出来的指标数据进行效益评估得出指标数据对发电效率的影响,这样,指标数据的选取避免了人为影响,效益评估的效率高、准确率也高。
[0054] 以上所述,仅为本发明进一步的实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明所公开的范围内,根据本发明的技术方案及其构思加以等同替换或改变,都属于本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈