基于ahp-可拓云模型的电化学储能电站综合性能评价方法
技术领域
1.本发明属于面向新能源电站的储能电站的指标体系建立和综合评价领域，具体涉及基于ahp-可拓云模型的电化学储能电站综合性能评价方法。
背景技术：2.新能源发电站接入储能电站的需求日益强烈，如何从新能源发电站的角度对储能电站进行选择和评价成为当务之急。由于储能电站具有复杂和大型的特点，且新能源电站的诸多方面都会对于储能的经济性造成影响，且储能电站的安全、管理水平等各种因素也需要被重点考虑。因此，新能源发电站难以对储能电站的综合水平有全面的掌握。而对储能电站进行综合评价可以对储能电站的综合表现水平进行评定，有助于加深新能源发电站对于储能电站的深入了解。
3.从新能源发电厂商的角度对储能电站的性能和各项指标进行综合评价，有利于提高储能电站的经济性和安全性，对于储能行业的快速稳定发展也有着推动作用。但在面向新能源电站的储能电站的指标体系建立和综合评价方面，缺少成熟且广泛适用的模型框架，不利于新能源电站对于储能电站进行评价和选择，且难以应用于实际的管理和决策中。因此，本发明对储能电站的多个相关规程和标准进行了分析，建立了面向新能源厂商的全面的储能电站评价指标体系和详细的评价方法。
4.最关键的技术问题：面向新能源发电站的电化学储能电站的综合评价需要考虑诸多影响因素，属于多属性决策问题。因此需要选择适合的权重计算方法和综合性能等级确定方法。但决策者对于储能电站进行评价时，得到的是定性的评价语言，具有模糊性，且不同的决策者具有不同的风险偏好。因此选择能表示专家犹豫心理的评价语言十分重要。另外，确定评价等级时，使用可拓云模型可以解决不确定性问题，还能解决储能电站与各个评价等级的关联度的关键的技术问题。
5.次要问题：当前对于新能源发电站视角下的电化学储能电站综合评价研究较少，缺乏能全面反映储能电站综合水平的指标体系。因此，如何构建全面的指标体系成为本发明需要解决的技术问题。
技术实现要素：6.本发明所为了解决背景技术中存在的技术问题，目的在于提供了基于ahp-可拓云模型的电化学储能电站综合性能评价方法。
7.为了解决技术问题，本发明的技术方案是：
8.基于ahp-可拓云模型的电化学储能电站综合性能评价方法，
9.s1：建立面向新能源发电站的全面的储能电站评价指标模型，采用ahp方法以新能源发电站的全面的储能电站的综合性能为总指标，以技术维度指标、安全维度指标、管理维度指标和运营维度指标为一级指标，以储能设备技术要求、调度响应水平、充放电技术要求、输电技术要求、储电技术要求、储能电池安全水平、消防安全水平、储能电站可靠性、故
障处理水平、生产水平、巡检水平、运维水平、储能度电成本、调峰补偿收益、单位容量污染物减排量、减少弃电收益、单位容量碳减排量和单位容量土地占用面积为二级指标，各级指标之间为从属关系；
10.s2：根据建立面向新能源发电站的全面的储能电站评价指标模型，建立基于三角模糊数、带有可信度的犹豫术语集和评价语言的对应关系；
11.s3：使用所述犹豫术语集对所述一级指标下的二级指标进行评价，得到判断矩阵；
12.s4：将判断矩阵中的元素去模糊化，得到去模糊化后的权重判断矩阵；
13.s5：对权重判断矩阵，利用一致性指标进行一致性检验；
14.s6：确定各二级指标的权重；
15.s7：设定7个储能电站评价结果的等级；
16.s8：使用所述等级对上述二级指标打分，并将语言变量等级与对应预设的云模型进行转换，得到对应的各等级范围云模型的物元；
17.s9：基于得到的各等级范围云模型的物元进行物元可拓运算，得到储能电站二级指标与各等级范围云模型的关联度；
18.s10：确定总关联度和待评价物元等级：即把步骤s6得到的各指标权重和步骤s9得到的关联度加权求和得到总关联度；其中，对应总关联度最大的等级即为待评价物元的综合性能等级。
19.进一步，
20.所述步骤s2具体包括：
21.评价语言和三角模糊数的转换关系如表1所示：
22.表1
23.评价语言三角模糊数前者与后者相比，两者同等重要(n)(1，1，1)前者与后者相比，前者比后者稍微重要(v)(2，3，4)前者与后者相比，前者比后者明显重要(l)(4，5，6)前者与后者相比，前者比后者强烈重要(h)(6，7，8)前者与后者相比，前者比后者极端重要(vh)(8，9，9)
24.带有可信度的犹豫模糊术语集如公式(1)所示，x
ij
表示指标i比指标j更为重要的程度；
[0025][0026]
其中，a、b和c分别指标i比指标j稍微重要(v)、明显重要(l)和强烈重要(h)的可信度。
[0027]
进一步，所述步骤s2具体包括：
[0028]
按照各指标的重要性，选取技术维度指标c11-c15，构造判断矩阵x＝(x
ij
)5×5，即公式(2)；
[0029][0030]
其中，x
12
表示指标c11比指标c12更重要的程度，同理，x
21
表示指标c12比指标c21更重要的程度，因此，有x
12
＝1/x
21
。
[0031]
进一步，所述步骤s4具体包括：
[0032]
将判断矩阵x中的元素去模糊化，如公式(3)和(4)所示，得到去模糊化后的权重判断矩阵y＝(y
ij
)5×5，即公式(5)所示；
[0033][0034][0035][0036]
进一步，所述步骤s5具体包括：
[0037]
对权重判断矩阵y进行一致性检验；一致性指标cr，如式(6)计算得到；若cr＜0.1，则满足一致性检验；
[0038]
cr＝[(λ
max-m)/(m-1)]/ri
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)；
[0039]
其中，λ
max
是所述判断矩阵的最大特征值，m是判断矩阵的阶数，此处为5，ri表示所述判断矩阵的平均随机一致性指标。
[0040]
进一步，所述步骤s6具体包括：
[0041]
根据公式(7)分别对判断矩阵y的每行求和得出再根据公式(8)对进行归一化运算即可得到指标权重；
[0042][0043][0044]
其中，为计算得出的未归一化的指标c11-c15的权重，wj是归一化后的指标c11-c15的权重，归一化后的指标c11-c15的权重满足：
[0045]
进一步，所述步骤s7具体包括：
[0046]
专家设定7个储能电站评价结果的等级，确定的效果等级或语言变量等级与预设
云模型的对应关系如表2所示；
[0047]
表2
[0048][0049][0050]
进一步，所述步骤s8具体包括：
[0051]
专家使用表2中的效果等级/语言变量对储能电站的指标c11-c46进行评价，得到对应的基于评价语言的各等级的物元rj′
：如公式(10)所示；
[0052][0053]
其中，nj表示表2中效果等级，v
j1
为所述等级对上述二级指标的评价值，是形如的带有可信度的术语集，由专家给出；
[0054]
并将语言变量等级与对应预设的云模型进行转换，如公式(11)、(12)和(13)所示；
[0055][0056][0057][0058]
其中，|c(si)|表示评价语言的可信度的数量，r表示可信度值，|index(hs)|为指标得到的评价语言的数目，分别表示专家对某二级指标给出的评价值转换为云模型后的期望、熵和超熵；分别表示专家对某二级指标给出的二级指标的评价值中某语言变量对应云模型的期望、熵和超熵；hs表示专家对某二级指标给出的评价值，如
[0059]
转换后得到对应的各等级范围云模型的物元rj，如公式(14)所示；
[0060][0061]
评价指标的等级范围与最终评价结果如表3所示；
[0062]
表3
[0063][0064]
进一步，所述步骤s9具体包括：
[0065]
云模型mj的估计值xj可利用下述公式(15)进行去模糊化处理得到：
[0066][0067]
其中，xi,yi是在坐标系中组成云模型的云滴《(x1,y1),(x2,y2),...,(xn,yn)》的坐标值；
[0068]
基于得到的对应的各等级范围云模型的物元，进行物元可拓运算，获取待评价物元各指标与各等级云模型的关联度γi，如公式(16)所示：
[0069][0070]
其中，e
x
为对应等级的云模型的期望值，rn为基于表3的等级范围云，生成的期望值为en、标准差为he的服从正态分布的随机数rn。
[0071]
进一步，所述步骤s10具体包括：
[0072]
确定总关联度和待评价物元等级，即把步骤6得到的各指标权重wj和步骤9得到的关联度γi加权求和得到总关联度γ
t
，如公式(17)所示；
[0073][0074]
对应总关联度最大的等级为待评价物元的综合性能等级，即为储能电站的综合性能表现的等级。
[0075]
与现有技术相比，本发明的优点在于：
[0076]
根据电化学储能电站的特性，从新能源发电站的视角出发，提出了电化学储能电站的评价指标体系，构建了基于ahp-可拓云模型的电化学储能电站综合性能的评价方法。分别从技术、安全、管理、运营4个维度，梳理并提出了18个评价指标。在指标赋权过程中，提出了带有可信度的基于三角数的犹豫模糊术语集的ahp方法对评价指标赋权，在电化学储能电站的等级评价过程中，本文提出了基于可拓云模型的电化学储能电站综合性能等级计算方法，极大的增强了新能源电站对电化学储能电站综合性能的判断水平。
附图说明
[0077]
图1、本发明基于ahp-可拓云模型的电化学储能电站综合性能评价方法的流程图；
[0078]
图2、本发明基于ahp-可拓云模型的电化学储能电站综合性能评价方法的总指标、一级指标、二级指标关系图。
具体实施方式
[0079]
下面结合实施例描述本发明具体实施方式：
[0080]
需要说明的是，本说明书所示意的结构、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，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成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
[0081]
同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
[0082]
实施例1
[0083]
如图1和图2所示，基于ahp-可拓云模型的电化学储能电站综合性能评价方法，
[0084]
s1：建立面向新能源发电站的全面的储能电站评价指标模型，采用ahp方法以新能源发电站的全面的储能电站的综合性能为总指标，以技术维度指标、安全维度指标、管理维度指标和运营维度指标为一级指标，以储能设备技术要求、调度响应水平、充放电技术要求、输电技术要求、储电技术要求、储能电池安全水平、消防安全水平、储能电站可靠性、故障处理水平、生产水平、巡检水平、运维水平、储能度电成本、调峰补偿收益、单位容量污染物减排量、减少弃电收益、单位容量碳减排量和单位容量土地占用面积为二级指标，各级指标之间为从属关系；
[0085]
s2：根据建立面向新能源发电站的全面的储能电站评价指标模型，建立基于三角模糊数、带有可信度的犹豫术语集和评价语言的对应关系；
[0086]
s3：使用所述犹豫术语集对所述一级指标下的二级指标进行评价，得到判断矩阵；
[0087]
s4：将判断矩阵中的元素去模糊化，得到去模糊化后的权重判断矩阵；
[0088]
s5：对权重判断矩阵，利用一致性指标进行一致性检验；
[0089]
s6：确定各二级指标的权重；
[0090]
s7：设定7个储能电站评价结果的等级；
[0091]
s8：使用所述等级对上述二级指标打分，并将语言变量等级与对应预设的云模型进行转换，得到对应的各等级范围云模型的物元；
[0092]
s9：基于得到的各等级范围云模型的物元进行物元可拓运算，得到储能电站二级指标与各等级范围云模型的关联度；
[0093]
s10：确定总关联度和待评价物元等级：即把步骤s6得到的各指标权重和步骤s9得到的关联度加权求和得到总关联度；其中，对应总关联度最大的等级即为待评价物元的综合性能等级。
[0094]
进一步，
[0095]
所述步骤s2具体包括：建立基于三角模糊数、带有可信度的犹豫术语集和评价语
言的对应关系；
[0096]
三角模糊数是形如表1中(1，1，1)的三角数，是为了解决不确定环境下的问题而提出的，所用的评价语言和三角模糊数及之间的对应转换关系均由专家确定。
[0097]
带有可信度的犹豫模糊术语集可用于表示指标之间的相对重要程度，如a、b、c分别表示专家给出的对评价语言v、l、h的可信度。
[0098]
评价语言和三角模糊数的转换关系如表1所示：
[0099]
表1
[0100][0101][0102]
带有可信度的犹豫模糊术语集如公式(1)所示，x
ij
表示指标i比指标j更为重要的程度；
[0103][0104]
其中，a、b和c分别指标i比指标j稍微重要(v)、明显重要(l)和强烈重要(h)的可信度。以为例，表示专家给出指标c11比指标c12稍微重要(v)、明显重要(l)和强烈重要(h)的可信度分别是10％，30％和20％。
[0105]
进一步，所述步骤s2具体包括：
[0106]
按照各指标的重要性，选取技术维度指标c11-c15，构造判断矩阵x＝(x
ij
)5×5，即公式(2)；
[0107][0108]
其中，x
12
表示指标c11比指标c12更重要的程度，同理，x
21
表示指标c12比指标c21更重要的程度，因此，有x
12
＝1/x
21
。
[0109]
进一步，所述步骤s4具体包括：
[0110]
将判断矩阵x中的元素去模糊化，如公式(3)和(4)所示，得到去模糊化后的权重判断矩阵y＝(y
ij
)5×5，即公式(5)所示；
[0111][0112][0113][0114]
进一步，所述步骤s5具体包括：
[0115]
对权重判断矩阵y进行一致性检验；一致性指标cr，如式(6)计算得到；若cr＜0.1，则满足一致性检验；
[0116]
cr＝[(λ
max-m)/(m-1)]/ri
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)；
[0117]
其中，λ
max
是所述判断矩阵的最大特征值，m是判断矩阵的阶数，此处为5，ri表示所述判断矩阵的平均随机一致性指标。
[0118]
进一步，所述步骤s6具体包括：
[0119]
根据公式(7)分别对判断矩阵y的每行求和得出再根据公式(8)对进行归一化运算即可得到指标c11-c15的权重；
[0120][0121][0122]
其中，为计算得出的未归一化的指标c11-c15的权重，wj是归一化后的指标c11-c15的权重，归一化后的指标c11-c15的权重满足：
[0123]
进一步，所述步骤s7具体包括：
[0124]
专家设定7个储能电站评价结果的等级，确定的效果等级或语言变量等级与预设云模型的对应关系如表2所示；
[0125]
表2
[0126][0127]
[0128]
进一步，所述步骤s8具体包括：
[0129]
专家使用表2中的效果等级/语言变量对储能电站的指标c11-c46进行评价，得到对应的基于评价语言的各等级的物元rj′
：如公式(10)所示；
[0130][0131]
其中，nj表示表2中效果等级，v
j1
为所述等级对上述二级指标的评价值，是形如的带有可信度的术语集，由专家给出；
[0132]
并将语言变量等级与对应预设的云模型进行转换，如公式(11)、(12)和(13)所示；
[0133][0134][0135][0136]
其中，|c(si)|表示评价语言的可信度的数量，r表示可信度值，|index(hs)|为指标得到的评价语言的数目，分别表示专家对某二级指标给出的评价值转换为云模型后的期望、熵和超熵；分别表示专家对某二级指标给出的二级指标的评价值中某语言变量对应云模型的期望、熵和超熵；hs表示专家对某二级指标给出的评价值，如
[0137]
转换后得到对应的各等级范围云模型的物元rj，如公式(14)所示；
[0138][0139]
评价指标的等级范围与最终评价结果如表3所示；
[0140]
表3
[0141][0142]
进一步，所述步骤s9具体包括：
[0143]
云模型mj的估计值xj可利用下述公式(15)进行去模糊化处理得到：
[0144][0145]
其中，xi,yi是在坐标系中组成云模型的云滴《(x1,y1),(x2,y2),...,(xn,yn)》的坐标值；
[0146]
基于得到的对应的各等级范围云模型的物元，进行物元可拓运算，获取待评价物元各指标与各等级云模型的关联度γi，如公式(16)所示：
[0147][0148]
其中，e
x
为对应等级的云模型的期望值，rn为基于表3的等级范围云，生成的期望值为en、标准差为he的服从正态分布的随机数rn。
[0149]
进一步，所述步骤s10具体包括：
[0150]
确定总关联度和待评价物元等级，即把步骤6得到的各指标权重wj和步骤9得到的关联度γi加权求和得到总关联度γ
t
，如公式(17)所示；
[0151][0152]
对应总关联度最大的等级为待评价物元的综合性能等级，即为储能电站的综合性能表现的等级。
[0153]
上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
[0154]
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。
技术特征：1.基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，s1：建立面向新能源发电站的全面的储能电站评价指标模型，采用ahp方法以新能源发电站的全面的储能电站的综合性能为总指标，以技术维度指标、安全维度指标、管理维度指标和运营维度指标为一级指标，以储能设备技术要求、调度响应水平、充放电技术要求、输电技术要求、储电技术要求、储能电池安全水平、消防安全水平、储能电站可靠性、故障处理水平、生产水平、巡检水平、运维水平、储能度电成本、调峰补偿收益、单位容量污染物减排量、减少弃电收益、单位容量碳减排量和单位容量土地占用面积为二级指标，各级指标之间为从属关系；s2：根据建立面向新能源发电站的全面的储能电站评价指标模型，建立基于三角模糊数、带有可信度的犹豫术语集和评价语言的对应关系；s3：使用所述犹豫术语集对所述一级指标下的二级指标进行评价，得到判断矩阵；s4：将判断矩阵中的元素去模糊化，得到去模糊化后的权重判断矩阵；s5：对权重判断矩阵，利用一致性指标进行一致性检验；s6：确定各二级指标的权重；s7：设定7个储能电站评价结果的等级；s8：使用所述等级对上述二级指标打分，并将语言变量等级与对应预设的云模型进行转换，得到对应的各等级范围云模型的物元；s9：基于得到的各等级范围云模型的物元进行物元可拓运算，得到储能电站二级指标与各等级范围云模型的关联度；s10：确定总关联度和待评价物元等级：即把步骤s6得到的各指标权重和步骤s9得到的关联度加权求和得到总关联度；其中，对应总关联度最大的等级即为待评价物元的综合性能等级。2.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s2具体包括：评价语言和三角模糊数的转换关系如表1所示：表1评价语言三角模糊数前者与后者相比，两者同等重要(n)(1，1，1)前者与后者相比，前者比后者稍微重要(v)(2，3，4)前者与后者相比，前者比后者明显重要(l)(4，5，6)前者与后者相比，前者比后者强烈重要(h)(6，7，8)前者与后者相比，前者比后者极端重要(vh)(8，9，9)带有可信度的犹豫模糊术语集如公式(1)所示，x
ij
表示指标i比指标j更为重要的程度；其中，a、b和c分别指标i比指标j稍微重要(v)、明显重要(l)和强烈重要(h)的可信度。3.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，
其特征在于，所述步骤s2具体包括：按照各指标的重要性，选取技术维度指标c11-c15，构造判断矩阵x＝(x
ij
)5×5，即公式(2)；其中，x
12
表示指标c11比指标c12更重要的程度，同理，x
21
表示指标c12比指标c21更重要的程度，因此，有x
12
＝1/x
21
。4.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s4具体包括：将判断矩阵x中的元素去模糊化，如公式(3)和(4)所示，得到去模糊化后的权重判断矩阵y＝(y
ij
)5×5，即公式(5)所示；，即公式(5)所示；，即公式(5)所示；5.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s5具体包括：对权重判断矩阵y进行一致性检验；一致性指标cr，如式(6)计算得到；若cr＜0.1，则满足一致性检验；cr＝[(λ
max-m)/(m-1)]/ri
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)；其中，λ
max
是所述判断矩阵的最大特征值，m是判断矩阵的阶数，此处为5，ri表示所述判断矩阵的平均随机一致性指标。6.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s6具体包括：根据公式(7)分别对判断矩阵y的每行求和得出再根据公式(8)对进行归一化运算即可得到指标权重；
其中，为计算得出的未归一化的指标c11-c15的权重，w
j
是归一化后的指标c11-c15的权重，归一化后的指标c11-c15的权重满足：7.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s7具体包括：专家设定7个储能电站评价结果的等级，确定的效果等级或语言变量等级与预设云模型的对应关系如表2所示；表2效果等级/语言变量符号对应的云模型很差s1m1(0，0.0833，0.4237)差s2m2(0.25，0.0515，0.2618)较差s3m3(0.4045，0.0318，0.1618)一般s4m4(0.5，0.0197，0.1)较好s5m5(0.5955，0.0318，0.1618)好s6m6(0.75，0.0515，0.2618)很好s7m7(1，0.0833，0.4273)。8.根据权利要求7所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s8具体包括：专家使用表2中的效果等级/语言变量对储能电站的指标c11-c46进行评价，得到对应的基于评价语言的各等级的物元r
j
′
：如公式(10)所示；其中，n
j
表示表2中效果等级，v
j1
为所述等级对上述二级指标的评价值，是形如的带有可信度的术语集，由专家给出；并将语言变量等级与对应预设的云模型进行转换，如公式(11)、(12)和(13)所示；并将语言变量等级与对应预设的云模型进行转换，如公式(11)、(12)和(13)所示；
其中，|c(s
i
)|表示评价语言的可信度的数量，r表示可信度值，|index(h
s
)|为指标得到的评价语言的数目，分别表示专家对某二级指标给出的评价值转换为云模型后的期望、熵和超熵；分别表示专家对某二级指标给出的二级指标的评价值中某语言变量对应云模型的期望、熵和超熵；h
s
表示专家对某二级指标给出的评价值，如转换后得到对应的各等级范围云模型的物元r
j
，如公式(14)所示；评价指标的等级范围与最终评价结果如表3所示；表39.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s9具体包括：云模型m
j
的估计值x
j
可利用下述公式(15)进行去模糊化处理得到：其中，x
i
,y
i
是在坐标系中组成云模型的云滴<(x1,y1),(x2,y2),...,(x
n
,y
n
)>的坐标值；基于得到的对应的各等级范围云模型的物元，进行物元可拓运算，获取待评价物元各指标与各等级云模型的关联度γ
i
，如公式(16)所示：其中，e
x
为对应等级的云模型的期望值，rn为基于表3的等级范围云，生成的期望值为en、标准差为he的服从正态分布的随机数rn。10.根据权利要求1所述的基于ahp-可拓云模型的电化学储能电站综合性能评价方法，其特征在于，所述步骤s10具体包括：确定总关联度和待评价物元等级，即把步骤6得到的各指标权重w
j
和步骤9得到的关联
度γ
i
加权求和得到总关联度γ
t
，如公式(17)所示；对应总关联度最大的等级为待评价物元的综合性能等级，即为储能电站的综合性能表现的等级。
技术总结本发明公开了基于AHP-可拓云模型的电化学储能电站综合性能评价方法，根据电化学储能电站的特性，从新能源发电站的视角出发，提出了电化学储能电站的评价指标体系，构建了基于AHP-可拓云模型的电化学储能电站综合性能的评价方法。分别从技术、安全、管理、运营4个维度，梳理并提出了18个评价指标。在指标赋权过程中，提出了带有可信度的基于三角数的犹豫模糊术语集的AHP方法对评价指标赋权，在电化学储能电站的等级评价过程中，本文提出了基于可拓云模型的电化学储能电站综合性能等级计算方法，极大的增强了新能源电站对电化学储能电站综合性能的判断水平。站综合性能的判断水平。站综合性能的判断水平。
技术研发人员：史柯夫 向辉 乔雄 田大为 陶俊
受保护的技术使用者：安徽继远软件有限公司
技术研发日：2022.04.06
技术公布日：2022/7/5
