[发明专利]现货场景下多目标的风储灵活控制方法和装置

权利要求书

1.一种现货场景下多目标的风储灵活控制方法，其特征在于，包括以下步骤：

获取风电信息数据，其中，所述风电信息数据包括：中长期合约数据、日前出清数据、现货电价预测数据、风电场预测数据、风电场实发数据；

根据所述风电信息数据，以现货结算收益和风电消纳最大化为目标构建目标函数，并构建风储约束条件；

根据所述目标函数和所述风储约束条件，构建储能灵活控制模型；

基于灰狼优化算法对所述储能灵活控制模型进行求解，得到储能系统充放电功率；

采用滚动优化方法周期性更新储能系统充放电功率。

2.如权利要求1所述的方法，其特征在于，所述中长期合约数据包括中长期合约加权电价和中长期合约分时电量；

所述日前出清数据包括：日前出清电量、基数电量和标杆电价；

所述现货电价预测数据包括：日前电价预测数据和实时电价预测数据；

所述风电场预测数据包括：超短期风功率预测数据和短期风功率预测数据；

所述风电场实发数据包括：风电场实发功率。

3.如权利要求1所述的方法，其特征在于，在所述以现货结算收益和风电消纳最大化为目标构建目标函数之前，还包括：

获取现货结算收入、超额获利回收损失和风电消纳；

根据所述现货结算收入和超额获利回收损失计算所述现货结算收益。

4.如权利要求1所述的方法，其特征在于，所述风储约束条件包括风储联合输出功率等式约束、电池容量限制约束、储能充放电功率约束、储能SOC约束中的任一一种或者多种。

5.如权利要求1所述的方法，其特征在于，所述基于灰狼优化算法对所述储能灵活控制模型进行求解，得到储能系统充放电功率，包括：

将储能的最优控制策略的优化转化为GWO算法模型；

根据所述GWO算法模型进行计算，得到当前时刻最优控制策略的储能系统充放电功率。

6.如权利要求1所述的方法，其特征在于，在所述采用滚动优化方法周期性更新储能系统充放电功率之后，还包括：

根据所述储能系统充放电功率生成充放电序列曲线，并根据所述充放电序列曲线将下一时刻的充放电功率指令下发给储能系统，以根据所述充放电功率指令对所述储能系统进行充放电控制。

7.一种现货场景下多目标的风储灵活控制装置，其特征在于，包括：

获取模块，用于获取风电信息数据，其中，所述风电信息数据包括：中长期合约数据、日前出清数据、现货电价预测数据、风电场预测数据、风电场实发数据；

第一构建模块，用于根据所述风电信息数据，以现货结算收益和风电消纳最大化为目标构建目标函数，并构建风储约束条件；

第二构建模块，用于根据所述目标函数和所述风储约束条件，构建储能灵活控制模型；

求解模块，用于基于灰狼优化算法对所述储能灵活控制模型进行求解，得到储能系统充放电功率；

更新模块，用于采用滚动优化方法周期性更新储能系统充放电功率。

8.如权利要求7所述的装置，其特征在于，还包括：

生成模块，用于根据所述储能系统充放电功率生成充放电序列曲线；

控制模块，用于根据所述充放电序列曲线将下一时刻的充放电功率指令下发给储能系统，以根据所述充放电功率指令对所述储能系统进行充放电控制。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一所述的方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。