CN106384163A - 一种新能源发电技术成熟度预测方法及装置 - Google Patents

一种新能源发电技术成熟度预测方法及装置 Download PDF

Info

Publication number
CN106384163A
CN106384163A CN201610809608.8A CN201610809608A CN106384163A CN 106384163 A CN106384163 A CN 106384163A CN 201610809608 A CN201610809608 A CN 201610809608A CN 106384163 A CN106384163 A CN 106384163A
Authority
CN
China
Prior art keywords
maturity
class label
crucial phrase
association
default
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610809608.8A
Other languages
English (en)
Inventor
樊昊
李琼慧
谢国辉
刘佳宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Energy Research Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610809608.8A priority Critical patent/CN106384163A/zh
Publication of CN106384163A publication Critical patent/CN106384163A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种新能源发电技术成熟度预测方法及装置，该方法包括：根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个类别标签对应的历史数据信息；根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，增强了预测结果的准确度。

Description

一种新能源发电技术成熟度预测方法及装置
技术领域
本发明涉及电力技术分析领域，更具体地说，涉及一种新能源发电技术成熟度预测方法及装置。
背景技术
进入二十一世纪以来，新能源发电技术迅猛发展，大型海陆风电、太阳能光伏发电和海洋能发电等都成为全球能源互联网的主要能源来源。以新能源为支点推进能源转型成为世界各国能源发展的新趋势，因此，对于能源转型政策和计划制定者来说，对技术发展趋势的精确信息分析和预测愈发重要。
目前，为了克服情景分析法、德尔菲法和层次分析法等传统方法带来的工作量大和主观性强的问题，研究人员对海量信息分析和技术研究机会发现等开展了***性的定量分析研究，但是这些研究存在如下问题：主要专注于现有技术信息而在未来预测方面研究较少，并且在技术分解等方面仍然依赖于专家的主观判断。
因此，现有的技术方案对不能有效预测新能源发电技术成熟度。
发明内容
有鉴于此，本发明提供一种新能源发电技术成熟度预测方法及装置，以解决现有的技术方案不能有效预测新能源发电技术成熟度的问题。技术方案如下：
一种新能源发电技术成熟度预测方法，包括：
根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息；
根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。
优选的，所述根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息，包括：
根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组；
调用所述预设聚类算法对所述目标关联关键词组进行归类处理，得到各个所述类别标签；
获取各个所述类别标签在所述预设数据库中对应的历史数据信息。
优选的，所述根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组，包括：
根据所述关键词检索请求，调用所述预设数据库进行关联关键词抽取，得到关联关键词组；
获取所述关联关键词组中各个关联关键词在所述预设数据库中对应的词频值；
根据各个所述词频值，对所述关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余所述关联关键词的重要关键词组；
将所述重要关键词组中的各个所述关联关键词按照词频值由大到小排序，选取包含预设数量的所述关联关键词的所述目标关联关键词组。
优选的，所述根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度，包括：
对各个所述历史数据信息进行回归处理，得到各个所述类别标签对应的拟合曲线；
根据各个所述拟合曲线确定各个所述类别标签对应的所述成熟度参数值，其中，所述成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
根据各个所述成熟度参数值和所述设定时间，计算各个所述类别标签对应的第一类别成熟度其中，t为所述设定时间；
归一化各个所述第一类别成熟度，得到各个所述类别标签对应的第二类别成熟度其中，bi为归一化的所述第一参数值，τi为归一化的所述第二参数值；
对各个所述第二类别成熟度求和，计算得到新能源发电技术成熟度其中，n为所述类别标签的总数量。
优选的，所述预设数据库包括：预设专利数据库和预设论文数据库。
优选的，所述预设聚类算法包括：预设K-Means聚类算法。
一种新能源发电技术成熟度预测装置，包括：获取模块和确定计算模块；
所述获取模块，用于根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息；
所述确定计算模块，用于根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。
优选的，所述获取模块包括：目标关联关键词组获取单元、类别标签获取单元和历史数据信息获取单元；
所述目标关联关键词组获取单元，用于根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组；
所述类别标签获取单元，用于调用所述预设聚类算法对所述目标关联关键词组进行归类处理，得到各个所述类别标签；
所述历史数据信息获取单元，用于获取各个所述类别标签在所述预设数据库中对应的历史数据信息。
优选的，所述目标关联关键词组获取单元包括：关联关键词抽取单元、词频值获取单元、重要关键词组获取单元和目标关联关键词组选取单元；
所述关联关键词抽取单元，用于根据所述关键词检索请求，调用所述预设数据库进行关联关键词抽取，得到关联关键词组；
所述词频值获取单元，用于获取所述关联关键词组中各个关联关键词在所述预设数据库中对应的词频值；
所述重要关键词组获取单元，用于根据各个所述词频值，对所述关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余所述关联关键词的重要关键词组；
所述目标关联关键词组选取单元，用于将所述重要关键词组中的各个所述关联关键词按照词频值由大到小排序，选取包含预设数量的所述关联关键词的所述目标关联关键词组。
优选的，所述确定计算模块包括：回归处理单元、确定单元、第一计算单元、第二计算单元和第三计算单元；
所述回归处理单元，用于对各个所述历史数据信息进行回归处理，得到各个所述类别标签对应的拟合曲线；
所述确定单元，用于根据各个所述拟合曲线确定各个所述类别标签对应的所述成熟度参数值，其中，所述成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
所述第一计算单元，用于根据各个所述成熟度参数值和所述设定时间，计算各个所述类别标签对应的第一类别成熟度其中，t为所述设定时间；
所述第二计算单元，用于归一化各个所述第一类别成熟度，得到各个所述类别标签对应的第二类别成熟度其中，bi为归一化的所述第一参数值，τi为归一化的所述第二参数值；
所述第三计算单元，用于对各个所述第二类别成熟度求和，计算得到新能源发电技术成熟度其中，n为所述类别标签的总数量。
相较于现有技术，本发明实现的有益效果为：
以上本发明提供的一种新能源发电技术成熟度预测方法及装置，该方法包括：根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个类别标签对应的历史数据信息；根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，增强了预测结果的准确度。
附图说明
为了更清楚地说明本发明实施例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本发明的实施例，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获得其他的附图。
图1为本发明实施例一公开的一种新能源发电技术成熟度预测方法流程图；
图2为本发明实施例二公开的一种新能源发电技术成熟度预测方法部分流程图；
图3为本发明实施例二公开的另一种新能源发电技术成熟度预测方法部分流程图；
图4为本发明实施例二公开的另一种新能源发电技术成熟度预测方法部分流程图；
图5为本发明实施例三公开的一种新能源发电技术成熟度预测装置结构示意图；
图6为本发明实施例四公开的一种新能源发电技术成熟度预测装置部分结构示意图；
图7为本发明实施例四公开的另一种新能源发电技术成熟度预测装置部分结构示意图；
图8为本发明实施例四公开的另一种新能源发电技术成熟度预测装置部分结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
实施例一
本发明实施例一公开了一种新能源发电技术成熟度预测方法，应用于新能源发电技术成熟度预测装置，流程图如图1所示，新能源发电技术成熟度预测方法包括：
S101，根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个类别标签对应的历史数据信息；
在执行步骤S101的过程中，当预设技术为风力发电技术，预设数据库为预设专利数据库时，根据风力发电技术的关键词检索请求，调用预设专利数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签，并根据各个类别标签从专利数据库中获取对应的历史数据信息。
S102，根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度；
在执行步骤S102的过程中，根据各个历史数据信息和设定时间确定各个类别标签对应的成熟度参数值，然后计算各个类别标签对应的归一化成熟度，对各个归一化成熟度求和得到新能源发电技术成熟度。
需要说明的是，预设数据库包括但不局限于预设专利数据库和预设论文数据库，可根据实际需要具体设定；预设聚类算法包括但不局限于预设K-Means聚类算法，可根据实际需要具体设定。
本发明实施例公开的新能源发电技术成熟度预测方法，该方法包括：根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各个分支技术对整体技术成熟度的影响，增强了预测结果的准确度。
实施例二
基于上述本发明实施例一公开的新能源发电技术成熟度预测方法，如图1示出的步骤S101中，根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息的具体执行过程，如图2所示，包括如下步骤：
S201，根据预设技术的关键词检索请求，调用预设数据库进行检索处理，并选取目标关联关键词组；
在执行步骤S201的过程中，当预设技术为风力发电技术，预设数据库为预设专利数据库时，根据风力发电技术的关键词检索请求和专利数据库选取目标关联关键词组包括：在预设专利数据库中进行风力发电技术相关联的关键词抽取，得到关联关键词组(关联关键词组包括：风轮、发电机、叶片、电动机、叶片剪切、变速箱、支撑结构、板材、信息传输、锁定装置、涂层、齿轮和减震等)，获取关联关键词中各个关联关键词对应的词频值，并根据各个词频值选取目标关联关键词组。
S202，调用预设聚类算法对目标关联关键词组进行归类处理，得到各个类别标签；
S203，获取各个类别标签在预设数据库中对应的历史数据信息。
本实施例公开的新能源发电技术成熟度预测方法，利用预设聚类算法对在预设数据库中基于关键词检索请求得到的关联关键词进行归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各个技术研究方向对整体技术成熟度的影响，增强了预测结果的准确度。
基于上述本发明实施例二公开的新能源发电技术成熟度预测方法，如图2示出的步骤S201中，根据预设技术的关键词检索请求，调用预设数据库进行检索处理，并选取目标关联关键词组的具体执行过程，如图3所示，包括如下步骤：
S301，根据关键词检索请求，调用预设数据库进行关联关键词抽取，得到关联关键词组；
S302，获取关联关键词组中各个关联关键词在预设数据库中对应的词频值；
S303，根据各个词频值，对关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余所述关联关键词的重要关键词组；
S304，将重要关键词组中的各个关联关键词按照词频值由大到小排序，选取包含预设数量的关联关键词的目标关联关键词组。
本实施例公开的新能源发电技术成熟度预测方法，在预设数据库中获取关联关键词组，并根据词频值对没有研究价值的通用关联关键词进行剔除，得到与包含关联关键词的重要关键词组，再通过词频高低进行排序，选取由词频值高的关联关键词构成的目标关联关键词组；调用预设聚类算法对目标关联关键词组进行归类处理，得到各个类别标签；获取各个类别标签在预设数据库中对应的历史数据信息；根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，增强了预测结果的准确度。
基于上述本发明实施例一公开的新能源发电技术成熟度预测方法，如图1示出的步骤S102中，根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度的具体执行过程如图4所示，包括如下步骤：
S401，对各个历史数据信息进行回归处理，得到各个类别标签对应的拟合曲线；
S402，根据各个拟合曲线确定各个类别标签对应的成熟度参数值，其中，成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
S403，根据各个成熟度参数值和设定时间，计算各个类别标签对应的第一类别成熟度y1；
在步骤S403中，计算第一类别成熟度y1采用公式(1)：
y 1 = y m a x 1 + e - b ( t - τ ) - - - ( 1 )
其中，t为设定时间；
S404，归一化各个第一类别成熟度，得到各个类别标签对应的第二类别成熟度y2；
在步骤S404中，计算第二类别成熟度y2采用公式(2)：
y 2 = 1 1 + e - b i ( t - τ i ) - - - ( 2 )
其中，bi为归一化的第一参数值，τi为归一化的第二参数值；
S405，对各个第二类别成熟度求和，计算得到新能源发电技术成熟度yc；
在步骤S405中，计算新能源发电技术成熟度yc采用公式(3)：
y c = 1 1 + e - b c ( n t - τ c ) = 1 1 + e - ( Σ ( 1 / b i ) ) - 1 ( n t - Στ i ) - - - ( 3 )
其中，n为类别标签的总数量。
本实施例公开的新能源发电技术成熟度预测方法，根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的方法，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，减少了单一分支技术对整体技术成熟度预测的影响，增强了预测结果的准确度。
实施例三
基于上述本发明各实施例提供的新能源发电技术成熟度预测方法，本实施例三则对应公开了执行上述新能源发电技术成熟度预测方法的装置，其结构示意图如图5所示，新能源发电技术成熟度预测装置500包括：获取模块501和确定计算模块502；
获取模块501，用于根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个类别标签对应的历史数据信息；
确定计算模块502，用于根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。
本发明实施例公开的新能源发电技术成熟度预测装置，包括：获取模块根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；确定计算模块根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的装置，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，增强了预测结果的准确度。
实施例四
结合上述本发明实施三提供的新能源发电技术成熟度预测装置，本实施例四还提供了一种新能源发电技术成熟度预测装置，其中，获取模块501的结构示意图如图6所示，获取模块501包括：目标关联关键词组获取单元601、类别标签获取单元602和历史数据信息获取单元603；
目标关联关键词组获取单元601，用于根据预设技术的关键词检索请求，调用预设数据库进行检索处理，并选取目标关联关键词组；
类别标签获取单元602，用于调用预设聚类算法对目标关联关键词组进行归类处理，得到各个类别标签；
历史数据信息获取单元603，用于获取各个类别标签在预设数据库中对应的历史数据信息。
本实施例公开的新能源发电技术成熟度预测装置，获取模块中的各单元利用预设聚类算法对在预设数据库中基于关键词检索请求得到的关联关键词进行归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；确定计算模块根据各个历史数据信息确定各个类别标签对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的装置，避免了研究人员个人主观判断对结果的影响，而且考虑了各个技术研究方向对整体技术成熟度的影响，增强了预测结果的准确度。
结合上述本发明实施例四提供的新能源发电技术成熟度预测装置，本实施例四还提供了另一种新能源发电技术成熟度预测装置，其中，目标关联关键词组获取单元601的结构示意图如图7所示，目标关联关键词组获取单元601包括：关联关键词抽取单元701、词频值获取单元702、重要关键词组获取单元703和目标关联关键词组选取单元704；
关联关键词抽取单元701，用于根据关键词检索请求，调用预设数据库进行关联关键词抽取，得到关联关键词组；
词频值获取单元702，用于获取关联关键词组中各个关联关键词在预设数据库中对应的词频值；
重要关键词组获取单元703，用于根据各个词频值，对关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余关联关键词的重要关键词组；
目标关联关键词组选取单元704，用于将重要关键词组中的各个关联关键词按照词频值由大到小排序，选取包含预设数量的关联关键词的目标关联关键词组。
本实施例公开的新能源发电技术成熟度预测装置，目标关联关键词组获取单元中的各单元在预设数据库中获取关联关键词组，并根据词频值对没有研究价值的通用关联关键词进行剔除，得到与包含关联关键词的重要关键词组，再通过词频高低进行排序，选取由词频值高的关联关键词构成的目标关联关键词组；类别标签获取单元调用预设聚类算法对目标关联关键词组进行归类处理，得到各个类别标签；历史数据信息获取单元获取各个类别标签在预设数据库中对应的历史数据信息；确定计算模块根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的装置，避免了研究人员个人主观判断对结果的影响，而且考虑了各分支技术对整体技术成熟度的影响，增强了预测结果的准确度。
结合上述本发明实施例三提供的新能源发电技术成熟度预测装置，本实施例四还提供了另一种新能源发电技术成熟度预测装置，其中，确定计算模块502的结构示意图如图8所示，确定计算模块502包括：回归处理单元801、确定单元802、第一计算单元803、第二计算单元804和第三计算单元805；
回归处理单元801，用于对各个历史数据信息进行回归处理，得到各个类别标签对应的拟合曲线；
确定单元802，用于根据各个拟合曲线确定各个类别标签对应的成熟度参数值，其中，成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
第一计算单元803，用于根据成熟度参数值和设定时间，计算各个类别标签对应的第一类别成熟度其中，t为设定时间；
第二计算单元804，用于归一化各个第一类别成熟度，得到各个类别标签对应的第二类别成熟度其中，bi为归一化的第一参数值，τi为归一化的第二参数值；
第三计算单元805，用于对各个第二类别成熟度求和，计算得到新能源发电技术成熟度其中，n为类别标签的总数量。
本实施例公开的新能源发电技术成熟度预测装置，获取模块根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其对应的历史数据信息；确定计算模块中的各单元根据各个历史数据信息确定对应的成熟度参数值，并根据各个成熟度参数值和设定时间计算新能源发电技术成熟度。基于上述公开的装置，避免了研究人员个人主观判断对结果的影响，而且考虑了各个技术研究方向对整体技术成熟度的影响，减少了单一技术研究方向对整体技术成熟度预测的影响，增强了预测结果的准确度。
以上对本发明所提供的一种新能源发电技术成熟度预测方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种新能源发电技术成熟度预测方法，其特征在于，包括：
根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息；
根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。
2.根据权利要求1所述的方法，其特征在于，所述根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息，包括：
根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组；
调用所述预设聚类算法对所述目标关联关键词组进行归类处理，得到各个所述类别标签；
获取各个所述类别标签在所述预设数据库中对应的历史数据信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组，包括：
根据所述关键词检索请求，调用所述预设数据库进行关联关键词抽取，得到关联关键词组；
获取所述关联关键词组中各个关联关键词在所述预设数据库中对应的词频值；
根据各个所述词频值，对所述关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余所述关联关键词的重要关键词组；
将所述重要关键词组中的各个所述关联关键词按照词频值由大到小排序，选取包含预设数量的所述关联关键词的所述目标关联关键词组。
4.根据权利要求1所述的方法，其特征在于，所述根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度，包括：
对各个所述历史数据信息进行回归处理，得到各个所述类别标签对应的拟合曲线；
根据各个所述拟合曲线确定各个所述类别标签对应的所述成熟度参数值，其中，所述成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
根据各个所述成熟度参数值和所述设定时间，计算各个所述类别标签对应的第一类别成熟度其中，t为所述设定时间；
归一化各个所述第一类别成熟度，得到各个所述类别标签对应的第二类别成熟度其中，bi为归一化的所述第一参数值，τi为归一化的所述第二参数值；
对各个所述第二类别成熟度求和，计算得到新能源发电技术成熟度其中，n为所述类别标签的总数量。
5.根据权利要求1所述的方法，其特征在于，所述预设数据库包括：预设专利数据库和预设论文数据库。
6.根据权利要求1所述的方法，其特征在于，所述预设聚类算法包括：预设K-Means聚类算法。
7.一种新能源发电技术成熟度预测装置，其特征在于，包括：获取模块和确定计算模块；
所述获取模块，用于根据预设技术的关键词检索请求，调用预设数据库和预设聚类算法进行关键词检索归类，得到用来表示分支技术类别的各个类别标签及其各个所述类别标签对应的历史数据信息；
所述确定计算模块，用于根据各个所述历史数据信息确定各个所述类别标签对应的成熟度参数值，并根据各个所述成熟度参数值和设定时间计算新能源发电技术成熟度。
8.根据权利要求7所述的装置，其特征在于，所述获取模块包括：目标关联关键词组获取单元、类别标签获取单元和历史数据信息获取单元；
所述目标关联关键词组获取单元，用于根据所述预设技术的所述关键词检索请求，调用所述预设数据库进行检索处理，并选取目标关联关键词组；
所述类别标签获取单元，用于调用所述预设聚类算法对所述目标关联关键词组进行归类处理，得到各个所述类别标签；
所述历史数据信息获取单元，用于获取各个所述类别标签在所述预设数据库中对应的历史数据信息。
9.根据权利要求8所述的装置，其特征在于，所述目标关联关键词组获取单元包括：关联关键词抽取单元、词频值获取单元、重要关键词组获取单元和目标关联关键词组选取单元；
所述关联关键词抽取单元，用于根据所述关键词检索请求，调用所述预设数据库进行关联关键词抽取，得到关联关键词组；
所述词频值获取单元，用于获取所述关联关键词组中各个关联关键词在所述预设数据库中对应的词频值；
所述重要关键词组获取单元，用于根据各个所述词频值，对所述关联关键词组中的通用关联关键词进行剔除处理，得到包含剩余所述关联关键词的重要关键词组；
所述目标关联关键词组选取单元，用于将所述重要关键词组中的各个所述关联关键词按照词频值由大到小排序，选取包含预设数量的所述关联关键词的所述目标关联关键词组。
10.根据权利要求7所述的装置，其特征在于，所述确定计算模块包括：回归处理单元、确定单元、第一计算单元、第二计算单元和第三计算单元；
所述回归处理单元，用于对各个所述历史数据信息进行回归处理，得到各个所述类别标签对应的拟合曲线；
所述确定单元，用于根据各个所述拟合曲线确定各个所述类别标签对应的所述成熟度参数值，其中，所述成熟度参数值包括类别上限值ymax、第一参数值b和和第二参数值τ；
所述第一计算单元，用于根据各个所述成熟度参数值和所述设定时间，计算各个所述类别标签对应的第一类别成熟度其中，t为所述设定时间；
所述第二计算单元，用于归一化各个所述第一类别成熟度，得到各个所述类别标签对应的第二类别成熟度其中，bi为归一化的所述第一参数值，τi为归一化的所述第二参数值；
所述第三计算单元，用于对各个所述第二类别成熟度求和，计算得到新能源发电技术成熟度其中，n为所述类别标签的总数量。
CN201610809608.8A 2016-09-08 2016-09-08 一种新能源发电技术成熟度预测方法及装置 Pending CN106384163A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610809608.8A CN106384163A (zh) 2016-09-08 2016-09-08 一种新能源发电技术成熟度预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610809608.8A CN106384163A (zh) 2016-09-08 2016-09-08 一种新能源发电技术成熟度预测方法及装置

Publications (1)

Publication Number Publication Date
CN106384163A true CN106384163A (zh) 2017-02-08

Family

ID=57938109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610809608.8A Pending CN106384163A (zh) 2016-09-08 2016-09-08 一种新能源发电技术成熟度预测方法及装置

Country Status (1)

Country Link
CN (1) CN106384163A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019178974A1 (zh) * 2018-03-23 2019-09-26 北京金风慧能技术有限公司 风力发电机叶片的疲劳损伤监测方法、电子设备和存储介质
CN110956675A (zh) * 2019-10-28 2020-04-03 清华大学 技术成熟度曲线自动生成方法及装置
CN111126865A (zh) * 2019-12-27 2020-05-08 北京中技华软科技服务有限公司 一种基于科技大数据的技术成熟度判断方法和***
CN112231349A (zh) * 2020-09-10 2021-01-15 广州众成医疗器械产业发展有限公司 产品技术成熟度曲线的处理方法、***和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184078A (zh) * 2015-09-06 2015-12-23 华南理工大学 基于专利相对量分析的技术成熟度评价方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184078A (zh) * 2015-09-06 2015-12-23 华南理工大学 基于专利相对量分析的技术成熟度评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
农志明等: "技术成熟度研究的热点和趋势分析", 《现代情报》 *
杨良选: "技术成熟度多维度模型研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019178974A1 (zh) * 2018-03-23 2019-09-26 北京金风慧能技术有限公司 风力发电机叶片的疲劳损伤监测方法、电子设备和存储介质
CN110956675A (zh) * 2019-10-28 2020-04-03 清华大学 技术成熟度曲线自动生成方法及装置
CN111126865A (zh) * 2019-12-27 2020-05-08 北京中技华软科技服务有限公司 一种基于科技大数据的技术成熟度判断方法和***
CN111126865B (zh) * 2019-12-27 2023-05-23 北京本应科技有限公司 一种基于科技大数据的技术成熟度判断方法和***
CN112231349A (zh) * 2020-09-10 2021-01-15 广州众成医疗器械产业发展有限公司 产品技术成熟度曲线的处理方法、***和存储介质

Similar Documents

Publication Publication Date Title
CN106384163A (zh) 一种新能源发电技术成熟度预测方法及装置
CN106505593B (zh) 一种基于大数据的配变三相不平衡分析与负荷调整的方法
CN104573879B (zh) 基于最优相似日集的光伏电站出力预测方法
CN106447098B (zh) 一种光伏超短期功率预测方法及装置
CN109902874A (zh) 一种基于深度学习的微电网光伏发电短期预测方法
Xiao et al. Multistage decision support framework for sites selection of solar power plants with probabilistic linguistic information
CN104331844B (zh) 一种电网基建项目投资决策方法
CN103106544B (zh) 一种基于t-s型模糊神经网络的光伏发电预测***
CN107609707B (zh) 一种洪水预报、防灾决策方法及***
CN104376384B (zh) 一种基于电力大数据分析的台风日最大日负荷预测***
Lee et al. Food security and digital economy in China: A pathway towards sustainable development
Narrei et al. Post-mining land-use methods optimum ranking, using multi attribute decision techniques with regard to sustainable resources management
CN103971175B (zh) 一种多级变电站的短期负荷预测方法
CN107895015A (zh) 基于层次分析法的电力用户特征标签权重体系构建方法
CN101093517A (zh) 产品配置设计***
CN105069521A (zh) 一种基于加权fcm聚类算法的光伏电站输出功率预测方法
CN107392397A (zh) 一种短期风速预测方法、装置及***
CN108197848A (zh) 一种基于直觉模糊理论的电能质量综合评估方法及装置
CN108921322A (zh) 一种基于实时电价的超短期节点负荷预测方法及***
CN108470022A (zh) 一种基于运维管理的智能工单质检方法
CN107679153A (zh) 一种专利分类方法及装置
CN110276528A (zh) 一种电厂控制***信息安全风险评估***
CN104036364A (zh) 一种配电网网络结构水平评价方法
CN108921411A (zh) 一种基于案例推理的电力事故应急辅助决策方法
CN104102951A (zh) 一种基于emd历史数据预处理的短期风电功率预测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 102209 Beijing, Beiqijia Town, the future of science and Technology Park, North District, Power Grid Corp A329 room

Applicant after: National Grid Energy Research Institute Co., Ltd.

Applicant after: State Grid Corporation of China

Address before: 102209 Beijing, Beiqijia Town, the future of science and Technology Park, North District, Power Grid Corp A329 room

Applicant before: State Grid Energy Research Institute

Applicant before: State Grid Corporation of China

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20170208

RJ01 Rejection of invention patent application after publication