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！

龙图腾网获悉国网山西省电力公司经济技术研究院;太原理工大学申请的专利一种考虑风光不确定性和时序特性的电网储能方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119070283B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411166787.9，技术领域涉及：H02J3/00；该发明授权一种考虑风光不确定性和时序特性的电网储能方法是由赵海波;荆永明;王凯凯;常馨月;张婧晅;刘红丽;许敏茹;高瑾;陈洁;王鹏;石正;邓娇娇设计研发完成，并于2024-08-23向国家知识产权局提交的专利申请。

本一种考虑风光不确定性和时序特性的电网储能方法在说明书摘要公布了：本发明涉及电网储能领域，并公开了一种考虑风光不确定性和时序特性的电网储能方法，包括通过SOM聚类方法对场景进行削减得到风光荷典型季节性场景，考虑长期储能建立了多时间尺度储能模型，综合考虑电网投资的经济性、低碳性构建电网风光储随机规划模型；本发明通过构建适用于现实条件的长‑短期多时间尺度混合储能模型，解实现日间的电力平衡；并同时兼顾风光出力不确定性和计算的高效性，利用SOM聚类方法生成典型场景，获得风光荷典型季节性数据集，在保障计算准确性的同时提高计算效率。

本发明授权一种考虑风光不确定性和时序特性的电网储能方法在权利要求书中公布了：1.一种考虑风光不确定性和时序特性的电网储能方法，其特征在于：包括通过SOM聚类方法对场景进行削减得到风光荷典型季节性场景，考虑长期储能建立了多时间尺度储能模型，综合考虑电网投资的经济性、低碳性构建电网风光储随机规划模型； 具体包括如下步骤： S1、考虑不确定性的风光荷季节性场景生成方法； 包括提出改进的生成对抗网络生成考虑不确定性的风光出力场景，在此基础上，对风光荷数据对采用拉丁超立方抽样法和SOM聚类算法相结合的方法进行场景削减，得到具有季节特性的风光荷典型场景； S2、考虑多时间尺度储能协同的电网规划方法； 基于考虑不确定性的风光荷典型季节性场景对电网进行规划，提出建立短期储能和长期储能协同的多时间尺度混合储能模型，在此基础上，提出考虑多时间尺度储能协同的电网规划方法； 所述步骤S1中对风光荷数据对采用拉丁超立方抽样法和SOM聚类算法相结合的方法进行场景削减，得到具有季节特性的风光荷典型场景具体步骤如下： 风光荷季节性场景削减 将改进生成对抗网络生成的具有不确定性的风光数据与全年同一时刻的负荷历史数据组成8760组数据对，按照时间序列从小到大对其排序，对其采用拉丁超立方抽样法LatinHypercubeSampling，LHS进行抽样，构建具有时序特性的初始数据集， LHS具体步骤如下： 假设LHS抽样对象规模为N，有k个随机变量，随机变量xk的概率密度函数如下： yk＝fkxk9 1对每个随机变量xk的概率空间进行N等分，构成N个子区间， 即：{[0,1N],[1N,2N],…,[N-1N,1]}， 2在各子区间内随机选取一个采样点yki，i＝1,2,…,N 3利用如式2所示函数反变换求出各区间采样点xki，并按时间序列从小到大排列，得到采样值为kⅹN阶的初始采样矩阵S，即风光荷全年初始数据集， 对得到的风光荷全年初始数据集据进行标幺化处理，使用自组织映射self-organizingmaps，SOM聚类算法进行场景削减，得到4组聚类结果，即具有季节特性的风光荷数据集，4组数据集分别对应春、夏、秋、冬四个季节，在每个数据集中，风光荷数据对具有对应的季节特性， SOM聚类算法根据数据的特征将其自动分类，基本原理是将欧式距离小的两个数据归为一类，用这种方式来对数据进行分组，SOM聚类算法具体步骤如下： 首先设一个数据集集合D，集合D中的样本为x1,x2,…,xn，即：D＝{x1,x2,…,xn},每个样本包含n个元素，如样本xi中元素为xi1,xi2,…,xin，即：xi＝xi1,xi2,…,xin,同理，样本xj中元素为xj1,xj2,…,xjn，即xj＝xj1,xj2,…,xjn， 计算样本xi和样本xj之间的欧氏距离，欧氏距离dxi,xj表示如下： 1初始化，初始化SOM网络连接权为随机值，确定学习初值、输入向量初值及输出神经元即聚类数的个数， 2确认最佳匹配单元bestmatchingunit，BMU，通过欧氏距离公式计算并比较领域节点之间的距离，找出最小距离，确认获胜神经元， 3权重更新调整，在BMU半径内更新节点神经元权重，使用高斯函数对每次迭代的领域范围进行收缩，邻域半径表示为: rn＝r0exp-na12 式中，rn为第n次更新的领域半径；r0为初始值；a为常数， 4重复步骤2-步骤3直至最大迭代次数，输出结果， 5最后，聚类数由计算戴维森堡丁指数davies-bouldinindex， DBI获得，选取DBI最小的聚类情况作为聚类的最后结果， DBI的计算方法表示如下： Ni,j＝||Ci-Cj||p15 式中：N为聚类总个数；Li,j描述了聚类结果中第i类和第j类的关系，其值越小聚类情况越好；Ni,j为聚类i和j的距离；Si为聚类i的欧氏距离，Ti为第i类聚类矩阵的大小；Yk为聚类中第k个特征向量；Ci为i聚类的矩心；Cj为j聚类的矩心；p为聚类向量维数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网山西省电力公司经济技术研究院;太原理工大学，其通讯地址为：030021 山西省太原市晋源区长风商务区谐园路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。