(19)中华 人民共和国 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 202111415712.6 (22)申请日 2021.11.25 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市新韶东路398号 申请人 国网湖南省电力有限公司电力科 学 研究院　 国家电网有限公司 (72)发明人 张坤　邹鑫　贺鹏程　杨丹　 宋军英　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 代理人 谭武艺 (51)Int.Cl. H02J 3/32(2006.01) H02J 3/38(2006.01)H02J 3/24(2006.01) H02J 7/00(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 风电储能混合系统的储能荷电状态参考值 预测方法及系统 (57)摘要 本发明公开了一种风电储能混合系统的储 能荷电状态 参考值预测方法及系统， 本发明方法 包括获取风电储能混合系统最近的前后两连续 时段的平均功率预测值； 将前后两连续时段的平 均功率预测值输入预先完成训练的两输入 ‑单输 出的机器学习网络模型， 从而得到风电储能混合 系统中储能装置的储能荷电状态 参考值， 所述两 输入‑单输出的机器学习网络模 型被预先训练建 立了前后两连续时段的平均功率预测值、 储能装 置的储能荷电状态参考值之间的映射关系。 本发 明能够在电池储能系统功率和容量配置一定的 前提下， 实现对风电场功率波动的最优平滑效 果， 同时还能使电池储能系统避免出现过度充电 或深度放电的状况发生。 权利要求书2页 说明书9页 附图8页 CN 114123279 A 2022.03.01 CN 114123279 A 1.一种风电储能混合系统的储能荷电状态参 考值预测方法， 其特 征在于， 包括： 1)获取风电储能混合系统最近的前后两连续时段的平均功率预测值； 2)将前后两连续时段的平均功率预测值输入预先完成训练的两输入 ‑单输出的机器学 习网络模 型， 从而得到风电储能混合系统中储能装置的储能荷电状态参考值， 所述两输入 ‑ 单输出的机器学习网络模型被预先训练建立了前后两连续时段的平均 功率预测值、 储能装 置的储能荷电状态参 考值之间的映射关系。 2.根据权利要求1所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 所述两 输入‑单输出的机器学习网络模型为两 输入‑单输出的单隐层 BP网络。 3.根据权利要求2所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 所述单隐层BP网络包括输入层、 隐含层和输出层， 其中输入层 包含两个神经元用于输 入前后两连续时段的平均功率预测值， 隐含层包括6个神经元用于输出X1～X6， 输出层用于 输出得到的储能装置的储能荷电状态参 考值。 4.根据权利要求3所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 输入层和隐含层间采用双曲线正切激励函数tansig相连， 所述隐含层的函数表达式 为： 上式中， tanh表示双曲线正切激励函数tansig， 和 分别为6个神经元 的两组权 重参数， Pmean(k)和Pmean(k+1)为输入层输入的前后两连续时段的平均功率预测值。 5.根据权利要求4所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 所述隐含层和输出层之间采用线性 函数purel in相连， 所述输出层的函数表达式为： 上式中， tanh表示线性函数purelin， 分别为输出层分别与隐含层的6个神经 元之间连接的六个权 重参数。 6.根据权利要求5所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 步骤2)之前还 包括预先进行离线训练单隐层 BP网络的步骤： S1)生成训练数据并划分为训练数据集和验证数据集， 所述训练数据集和验证数据集 包括归一化处理后的前后两连续时段 的平均功率预测 值以及对应的储能装置的储能荷电 状态参考值的标签； S2)选用Levenberg ‑Marquardt反向传播优化算法， 采用训练数据集训练单隐层BP网 络， 且采用选动量梯度下降学习函数Learngdm来调整隐含层和输出层的权 重参数； S3)采用验证数据集验证完成本轮训练的单 隐层BP网络， 如果单 隐层BP网络的误差小权　利　要　求　书 1/2 页 2 CN 114123279 A 2于预设阈值， 则判定训练完成， 保存隐含层和输出层的权重参数作为最 终得到的训练结果， 否则跳转执 行步骤S1)继续训练。 7.根据权利要求1所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 步骤2)之后还包括： 获取储能装置的储能荷电状态实际值及其与储能装置的储能荷 电状态参考值之 间的差得到储能荷电状态差值ΔSOC； 将储能荷电状态差值ΔSOC以及电池 储能系统此时的充放电状态作为模糊控制器的输入， 通过模糊控制器根据储能荷电状态差 值ΔSOC和充放电状态利用模糊规则获得当前的平 滑时间常数T。 8.根据权利要求7所述的风电储能混合系统的储能荷电状态参考值预测方法， 其特征 在于， 所述获得当前的平滑时间常数T之后还包括将风电场输出的功率PG经一阶低通滤波 器得到风电并网功率参考值PT*的步骤， 当风电场输出功率PG高于风电并网功率参考值PT* 时， 把多余的能量存储在储能装 置中； 当风电场输出功率PG低于风电并网功率参考值PT*时， 储能装置中存 贮的能量释放出来为电网提供功 率支撑； 且所述一阶低通滤波器的传递函数 的函数表达式为： 上式中， T为平 滑时间常数。 9.一种风电储能混合系统的储能荷电状态参考值预测系统， 包括相互连接的微处理器 和存储器， 其特征在于， 该微处理器被编程或配置以执行权利要求1～8中任意一项所述风 电储能混合系统的储能荷电状态参 考值预测方法的步骤。 10.一种计算机可读存储介质， 该计算机可读存储介质中存储有计算机程序， 其特征在 于， 该计算机程序用于被计算机 设备执行以实施权利要求 1～8中任意一项所述风电储能混 合系统的储能荷电状态参 考值预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114123279 A 3