(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 202210977049.7 (22)申请日 2022.08.15 (71)申请人 华能新能源股份有限公司山西分公 司 地址 030000 山西省太原市小店区南中环 街200号国际大都会中心广场4幢B单 元19层190 3、 1904号 申请人 中国华能集团清洁能源技 术研究院 有限公司 (72)发明人 史成宇　孙财新　申旭辉　杨介立　 潘霄峰　王鹏飞　王鸿策　马杰　 (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 30/02(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) H02J 3/00(2006.01) (54)发明名称 蚁群算法的风电场储能功率预测时间窗选 择方法及设备 (57)摘要 本发明提出一种蚁群算法的风电场储能功 率预测时间窗选择方法及设备， 该方法通过计算 功率误差、 短期预测电量和实时额度的置信区 间， 利用蚁群算法计算， 获取蚁群算法禁忌表指 定位置元素作为模拟数据， 计算不同时刻收益的 数学期望， 根据数学期望绘制图形选取最优窗 口。 通过本发明， 能够减少偏差数据的传递， 优化 储能系统的控制策略， 优化风电场的实发功率； 一方面能够为储能灵活控制策略的制订提供良 好的数据基础， 另一方面能够规避数据中离预测 时刻较远而缺乏相应准确度的数据， 降低不良数 据对系统运行的影响。 权利要求书3页 说明书9页 附图4页 CN 115310708 A 2022.11.08 CN 115310708 A 1.一种蚁群算法的风电场储能功率预测时间窗选择 方法， 其特 征在于， 包括： 针对风电场的原始功率曲线， 采用误差非参数核密度计算未来N个时刻功率误差的置 信区间， 叠加已知的原始功 率预测， 得到未来N个时刻真实的功 率区间， 并与时间相乘， 计算 未来N个时刻的短期预测电量区间； 针对风电场的实时价格曲线， 采用误差非参数核密度， 计算得到未来N个时刻价格误差 的置信区间， 叠加已知的实时价格， 得到未来N个时刻真实的价格区间， 并计算实时价格区 间； 采用蚁群算法对未来N个时刻的短期预测电量区间、 未来N个时刻的实时价格区间及未 来N个时刻的风电场储能电池功率区间进行计算， 获取蚁群算法禁忌表指定位置元素作为 模拟数据； 基于所述模拟数据， 计算每一时刻的增量数据， 对每一时刻的对应的增量数据计算数 学期望， 得到N个时刻的数 学期望值； 根据得到的数学期望绘制图形， 选取数学期望总和最大的点， 作为超短期功率预测最 优时间窗口。 2.根据权利要求1所述的蚁群算法的风电场储能功率预测时间窗选择方法， 其特征在 于， 所述误差非参数核密度公式表示 为公式(1)： 其中， n为总体的样本值； l为带宽； p＝{p1,p2,...,pn}为风电场在不同时刻的误差功率 或误差价格， 每个时刻的误差功率为真实功率与短期预测功率的偏差， 每个时刻的误差价 格为实时价格与预测价格的偏差 。 3.根据权利要求1所述的蚁群算法的风电场储能功率预测时间窗选择方法， 其特征在 于， 在基于所述模拟数据， 计算每一时刻的增量数据的步骤中， 将储能介 入前的损失量与储 能介入后的相应损失量做对比， 以前后损失量的相对值作为评价标准， 研究不同长度时间 窗口对储能控制效果的影响； 其中， 如果发电量预测值P1高于发电量实际值P2， 需要放电； 当P1>P2 ×(1+λ )且标杆额 度Q1大于实时额度Q2时， 其中偏差ΔPt＝P1‑P2×(1+λ )的部分产生偏差回收损失如公式 (2)所示： 如果发电量预测值P1低于发电量实际值P2， 需要充电； 当P1<P2 ×(1‑λ )且标杆额度Q1 小于实时额度Q2时， 其中偏差 ΔPt＝P2×(1‑λ )‑P1的部分进行偏差回收如公式(3)所示： 实际额度Q2高于标杆额度Q1， 且实际发电量P2低于预测发电量P1， 即 “P2<P1,Q1<Q2 ”， 超发损失 公式表示 为公式(4)所示： 实际额度Q2低于标杆额度Q1， 且实际发电量P2高于申报发电量P1， 即 “P2>P1,Q1>Q2 ”，权　利　要　求　书 1/3 页 2 CN 115310708 A 2超发损失 公式表示 为公式(5)所示： 实际额度Q2低于标杆额度Q1， 且实际发电量P2低于预测发电量P1， 即 “P2<P1<(1+λ )P2, Q1>Q2”， 超发增量数据公式表示 为公式(6)所示： 实际额度Q2高于标杆额度Q1， 且实际发电量P2高于预测发电量P1， 即 “P2>P1>(1 ‑λ )P2, Q1<Q2”， 超发增量数据公式表示 为公式(7)所示： 4.根据权利要求3所述的蚁群算法的风电场储能功率预测时间窗选择方法， 其特征在 于， 储能系统介入后， t时刻的充放电功率PESS,t在风电场实际发电量P 2的基础上进行动态实 时调整， 将P2被替换成储能介入后的P2 ‑ut； 其中， 减号 “‑”表示： 当储能系统充电时， 风电场 实发电量P2减少； 当储能系统放电时， 风电场实际发电量P2增 加； 储能介入之后产生相应的补贴损失， 其模型表示 为公式(8)： 5.根据权利要求4所述的蚁群算法的风电场储能功率预测时间窗选择方法， 其特征在 于， 将储能介入前 的损失量减去储能介入后的损失量作为最终增 量数据， 公式表示为公式 (9)： J＝J_realtime ‑J_origin‑J_subsidy                (9) 其中， 式中， 权　利　要　求　书 2/3 页 3 CN 115310708 A 3