(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210880549.9 (22)申请日 2022.07.25 (65)同一申请的已公布的文献号 申请公布号 CN 115102202 A (43)申请公布日 2022.09.23 (73)专利权人 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 专利权人 华能新能源股份有限公司山西分 公司 (72)发明人 孙财新　李楠　申旭辉　杨介立　 潘霄峰　贾和雨　王鸿策　李志文　 (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. H02J 3/28(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01) G06Q 30/02(2012.01) G06N 20/00(2019.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (56)对比文件 CN 113888202 A,202 2.01.04 CN 107563542 A,2018.01.09 EP 3640869 A1,2020.04.2 2 审查员 江晨 (54)发明名称 基于滚动式实时电价预测的储能控制方法 (57)摘要 本申请提出了一种基于滚动式实时 电价预 测的储能控制方法及系统， 该方法包括： 计算实 时电价预测的滚动时间间隔； 每隔一段滚动时间 间隔获取一次实际的实时电价数据， 并通过期望 统计分析对日前价格与实时电价之间的差值期 望进行统计分析； 通过滚动式预测算法对未来预 设时间段内的实时电价进行预测， 包括： 通过系 统负载率算法模 型计算每个时刻的系统负载率， 基于系统负载率通过梯度提升决策树进行实时 电价预测； 根据差值期望对预测的实时电价进行 修正， 并根据修正后的实时电价确定储能控制的 边界数据， 优化储能系统的控制策略。 该方法可 以为储能灵活控制策略的优化 以滚动的形式提 供更加准确的数据边界， 提高对储能系统灵活控 制的准确性。 权利要求书2页 说明书9页 附图2页 CN 115102202 B 2022.11.29 CN 115102202 B 1.一种基于滚动式实时电价预测的储能控制方法， 其特 征在于， 包括以下步骤： 计算实时电价预测的滚动时间 间隔； 每间隔一段所述滚动时间间隔获取一 次实际的实时电价数据， 并通过期望统计分析对 日前价格与所述实时电价之间的差值期望进行统计分析； 通过滚动式预测算法对未来预设时间段内的实时电价进行预测， 包括： 通过预设的系 统负载率算法模型计算每个时刻的系统负载率， 并基于所述系统负载率通过梯度提升决策 树GBDT模型进行实时电价预测； 根据所述差值期望对预测的实时电价进行修正处理， 并根据修正后的实时电价确定储 能控制的边界数据， 基于所述边界数据优化储能系统的灵活控制策略； 所述计算实时电价 预测的滚动时间 间隔， 包括： 获取预设的能源场站申报出力时间间隔、 现货市场出清价格曲线时间间隔和超短期功 率预测数值时间 间隔； 通过以下公式计算所述实时电价预测的滚动时间 间隔： M=min{K， L， N} 其中， M为实时电价预测的滚动时间间隔， K为能源场站申报出力时间间隔， L为现货市 场出清价格曲线时间间隔， N为超短期功 率预测数值时间间隔； 所述系统负载率算法模型如 以下公式所示： 其中， 为t时刻的系统负载率， 为t时刻的全网负荷预测值， 为t时刻的新能源出力预测值， 为t时刻的所有参与现货机组总 容量，t表示全天任一时刻。 2.根据权利要求1所述的控制方法， 其特征在于， 所述基于所述系统负载率通过梯度提 升决策树GBDT模型进行实时电价预测， 包括： 根据所述未来预设时间段内每一 时刻的所述系统负载率， 建立对应数量的预设深度的 决策树； 根据每个所述决策树 生成对应的弱学习器， 并获取每 个所述弱学习器学习到的权 重； 根据全部的弱学习器及其对应的权重生成强学习器算法模型， 通过所述强学习器算法 模型进行实时电价预测。 3.根据权利要求2所述的控制方法， 其特征在于， 在所述生成强学习器算法模型之前， 还包括： 通过仿生优化调参模型对所述GBDT模型中的决策树的个数、 决策树子叶的最小样 本数、 决策树的最大深度和最大 特征数比例进行优化调参。 4.一种基于滚动式实时电价预测的储能控制系统， 其特 征在于， 包括： 计算模块， 用于计算实时电价预测的滚动时间 间隔； 统计分析模块， 用于每间隔一段所述滚动 时间间隔获取一次实 际的实时电价数据， 并 通过期望统计分析对日前价格与所述实时电价之间的差值期望进行统计分析； 预测模块， 用于通过滚动式预测算法对未来预设时间段内的实时电价进行预测， 包括：权　利　要　求　书 1/2 页 2 CN 115102202 B 2通过预设的系统负载率算法模型计算每个时刻的系统负载率， 并基于所述系统负载率通过 梯度提升决策树GBDT模型进行实时电价预测； 控制模块， 用于根据所述差值期望对预测的实时电价进行修正处理， 并根据修正后的 实时电价确定储能控制的边界数据， 基于所述边界数据优化储能系统的灵活控制策略； 所 述计算模块， 具体用于： 获取预设的能源场站申报出力时间间隔、 现货市场出清价格曲线时间间隔和超短期功 率预测数值时间 间隔； 通过以下公式计算所述实时电价预测的滚动时间 间隔： M=min{K， L， N} 其中， M为实时电价预测的滚动时间间隔， K为能源场站申报出力时间间隔， L为现货市 场出清价格曲线时间间隔， N为超短期功率预测数值时间间隔； 所述预测模块， 具体用于通 过以下公式计算系统负载率： 其中， 为t时刻的系统负载率， 为t时刻的全网负荷预测值， 为t时刻的新能源出力预测值， 为t时刻的所有参与现货机组总 容量，t表示全天任一时刻。 5.根据权利要求 4所述的控制系统， 其特 征在于， 所述预测模块， 还用于： 根据所述未来预设时间段内每一 时刻的所述系统负载率， 建立对应数量的预设深度的 决策树； 根据每个所述决策树 生成对应的弱学习器， 并获取每 个所述弱学习器学习到的权 重； 根据全部的弱学习器及其对应的权重生成强学习器算法模型， 通过所述强学习器算法 模型进行实时电价预测。 6.一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 ‑3中任一所述的基于滚动式实时电价预测的储能 控制方法。权　利　要　求　书 2/2 页 3 CN 115102202 B 3