[发明专利]一种基于人工智能灵活控制策略的风电场先进储能系统

权利要求书

1.一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，包括实时数据接入系统、深度学习价格预测系统、人工智能灵活控制策略系统和实时监控系统，实时数据接入系统、深度学习价格预测系统和人工智能灵活控制策略系统均与实时监控系统相连接；实时数据接入系统负责数据的采集传输、手动导入；深度学习价格预测系统进行日前、实时价格预测，为后续灵活控制策略提供数据支持；人工智能灵活控制策略系统实时计算电池充放电功率，为储能系统提供控制决策；实时监控系统对日前、实时预测价格、电池预期充放电功率、电池实时充放电功率、风电场实时预测功率、风电场实时实发功率、电池剩余可用容量、风电场预期收益进行可视化展示。

2.根据权利要求1所述的一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，所述实时数据接入系统连接EMS、风电场和电网调度中心，实时数据接入系统负责从EMS、风功率预测系统、风电场实发监测系统采集数据，电网调度中心数据由用户手动上传至实时数据接入系统，EMS配备了监控系统软件和储能电池，储能电池连接DC/AC转换模块，可实现储能电池的在线监测，主要包括电池状态监测、电池状态分析、电池安全保护、电池信息管理和能量控制管理。

3.根据权利要求2所述的一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，所述风电场具有风功率预测系统和实发监控系统，风功率预测系统对风电场实发功率进行滚动预测；风电场实发监测系统对风电场实发电量由计量电表实时检测。

4.根据权利要求1所述的一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，所述深度学习价格预测系统进行未来多日日前、实时价格滚动预测中选择的数据包括历史气象数据、日期类型、历史全网日前价格、实时价格、预测日日期类型和预测日气象，并基于相似日法的LSTM神经网络模型滚动预测未来多日日前价格和实时价格。

5.根据权利要求2所述的一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，所述人工智能灵活控制策略系统还与EMS相连接对储能电池充放电功率进行滚动预测，上传至EMS系统。

6.根据权利要求1所述的一种基于人工智能灵活控制策略的风电场先进储能系统，其特征在于，所述实时监控系统对价格预测系统的预测结果、电池预期充放电功率、电池实时充放电功率、电池实时剩余可用容量、风电场实时预测功率、历史实发功率进行滚动展示。