(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210883385.5 (22)申请日 2022.07.26 (71)申请人 中国华能集团清洁能源技 术研究院 有限公司 地址 102209 北京市昌平区北七家未来科 技城华能人才创新创业基地实验楼A 楼 申请人 华能新能源股份有限公司山西分公 司 (72)发明人 潘霄峰　郭小江　陈勇　孙财新　 高国青　关何格格　李冠渊　 王鸿策　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 曲进华(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06F 17/11(2006.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) H02J 3/28(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01) (54)发明名称 一种风电场储能最优配置方法、 装置及存储 介质 (57)摘要 本申请提出的风电场储能最优配置方法、 装 置及存储介质中， 获取风电场储能配置所需的数 据和风电场的历史数据， 基于风电场储能配置所 需的数据建立风电场储能最优配置模 型， 根据风 电场的历史数据， 对风电场储能最优配置模型进 行寻优计算， 得到储能最优配置结果。 其中， 本申 请同时考虑了平抑效果和投资回报率， 并对储能 设备的容 量和功率进行协同优化配 置。 权利要求书1页 说明书8页 附图1页 CN 114971088 A 2022.08.30 CN 114971088 A 1.一种风电场储能最优配置方法， 其特 征在于， 所述方法包括： 获取风电场储能配置所需的数据和所述 风电场的历史数据； 基于所述 风电场储能配置所需的数据建立 风电场储能最优配置模型； 根据所述风电场的历史数据， 对所述风电场储能最优配置模型进行寻优计算， 得到储 能最优配置结果。 2.根据权利要求1所述的风电场储能最优配置方法， 其特征在于， 所述风电场储能配置 所需的数据包括储能设备的额定功率、 储能电池充放电功率、 储能电池的额定功率。 3.根据权利要求2所述的风电场储能最优配置方法， 其特征在于， 所述基于所述数据建 立风电场储能最优配置模型， 包括： 建立以投资回报率 最大为目标的目标函数； 基于所述风电场储能配置所需的数据建立适用于所述风电场储能最优配置模型的多 个约束条件。 4.根据权利要求3所述的风电场储能最优配置方法， 其特征在于， 所述多个约束条件包 括： 风储联合 实发电量等式约束 条件、 储能电池功 率边界约束 条件、 储能电池功 率边界约束 条件、 储能设备容 量等式约束条件、 储能电池容 量变化率约束条件。 5.根据权利要求1所述的风电场储能最优配置方法， 其特征在于， 所述根据所述风电场 的历史数据， 对所述风电场储能最优配置模型进行寻优计算， 得到储能最优配置结果， 包 括： 根据所述 风电场的历史数据， 对所述 风电场进行储能配置的控制仿真， 得到 仿真结果； 利用智能仿生 算法对所述仿真结果进行寻优计算， 得到储能最优配置结果。 6.根据权利要求5所述的风电场储能最优配置方法， 其特征在于， 所述利用智能仿生算 法对所述仿真结果进行寻优计算， 得到储能最优配置结果， 包括： 利用鲸鱼算法对所述仿真结果进行寻优计算， 得到储能最优配置结果。 7.一种风电场储能最优配置装置， 特 征在于， 所述装置包括： 获取模块， 用于获取风电场储能配置所需的数据和所述 风电场的历史数据； 构建模块， 用于基于所述数据建立 风电场储能最优配置模型； 计算模块， 用于根据所述风电场的历史数据， 对所述风电场储能最优配置模型进行寻 优计算， 得到储能最优配置结果。 8.根据权利要求7所述的风电场储能最优配置装置， 其特征在于， 所述风电场储能配置 所需的数据包括储能设备的额定功率、 储能电池充放电功率、 储能电池的额定功率。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 能够实现如权利要求 1‑6中任一所述的 方法。 10.一种计算机存储介质， 其中， 所述计算机存储介质存储有计算机可执行指令； 所述 计算机可 执行指令被处 理器执行后， 能够实现权利要求1 ‑6中任一所述的方法。权　利　要　求　书 1/1 页 2 CN 114971088 A 2一种风电场储能最优配置方 法、 装置及存储介质 技术领域 [0001]本申请涉及风电场储能技术领域， 尤其涉及一种风电场储能最优配置方法、 装置 及存储介质。 背景技术 [0002]风电场具有风电出力的不确定性、 难预测性、 可调度性差等自然属性， 使得风电场 会对电力装置带来严重的波动性影响， 因此需要对风电场的储能进行配置， 以避免在电力 市场场景下投资回报率较低。 [0003]相关技术中， 储能配置的方法有以下几种： 方法一： 频域分析方法， 具体为通过利用Fourier变换对间歇性电源出力的数据序 列作频谱分析， 基于此确定平抑目标和储能分量所处频段， 计算各个采样时刻的电量累计 值和样本周期 中储能装置的累计电量的最大值与最小值之差， 在储能装置充放电功率、 荷 电状态满足要求且能保证连续稳定运行的前提下， 利用仿真法确定储能装置的容 量配置。 [0004]方法二： 概率统计方法， 具体为首先得到储能装置平滑风电最小级波动分量， 并分 别给出了储能装置最小级充放电量的分布规律， 然后根据统计学中的区间估计理论确定该 储能装置的容 量配置。 [0005]但是， 相关技术中， 上述方法一和方法二仅考虑了储能配置问题中储能装置 的平 抑效果， 并未考虑储能配置的投资回报率， 且平抑效果与投资回报率之间并非呈线性关系， 平抑效果较好， 对应的投资回报率未必较高。 发明内容 [0006]本申请提供一种风电场储能最优配置方法、 装置及存储介质， 以解决上述相关技 术中出现的技 术问题。 [0007]本申请第一方面实施例提出一种风电场储能最优配置方法， 包括： 获取风电场储能配置所需的数据和所述 风电场的历史数据； 基于所述 风电场储能配置所需的数据建立 风电场储能最优配置模型； 根据所述风电场的历史数据， 对所述风电场储能最优配置模型进行寻优计算， 得 到储能最优配置结果。 [0008]可选的， 所述风电场储能配置所需的数据包括储能设备的额定功率、 储能电池充 放电功率、 储能电池的额定功率。 [0009]可选的， 基于所述数据建立 风电场储能最优配置模型， 包括： 建立以投资回报率 最大为目标的目标函数； 基于所述风电场储能配置所需的数据建立适用于所述风电场储能最优配置模型 的多个约束条件。 [0010]可选的， 所述多个约束条件包括： 风储联合实发电量等式约束条件、 储能电池功率 边界约束 条件、 储能电池功 率边界约束 条件、 储能设备容量等式约束 条件、 储能电池容量变说　明　书 1/8 页 3 CN 114971088 A 3