买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华电电力科学研究院有限公司申请的专利风储协同控制方法、装置、设备、存储介质及程序产品获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121356004B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511894422.2，技术领域涉及：H02J3/32；该发明授权风储协同控制方法、装置、设备、存储介质及程序产品是由郭亮;吴亚文;潘巧波;黄宇昊;崔光;马越明;赵梓暄;张乐平;孔德同;周宇昊设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本风储协同控制方法、装置、设备、存储介质及程序产品在说明书摘要公布了：本申请涉及风力发电技术领域，公开了风储协同控制方法、装置、设备、存储介质及程序产品，该方法包括：获取目标风电场的运行数据，并对运行数据进行湍流多时间尺度分析，得到表征不同时间尺度波动特性的湍流特征参数；基于湍流特征参数，通过多目标优化算法求解以风机等效疲劳载荷、储能设备寿命损耗及电网调频要求为优化目标的多目标优化问题，生成协同控制策略；执行协同控制策略，对风电机组和储能系统进行协同控制。本申请通过先对风电场运行数据进行湍流多时间尺度分析以获取湍流特征参数，再采用多目标优化算法进行协同决策，有效解决了相关技术无法在复杂湍流工况下同时保证风机疲劳寿命、储能设备寿命及电网频率稳定性的问题。

本发明授权风储协同控制方法、装置、设备、存储介质及程序产品在权利要求书中公布了：1.一种风储协同控制方法，其特征在于，包括： 获取目标风电场的运行数据，并对所述运行数据进行湍流多时间尺度分析，得到表征不同时间尺度波动特性的湍流特征参数； 基于所述湍流特征参数，通过多目标优化算法求解以风机等效疲劳载荷、储能设备寿命损耗及电网调频要求为优化目标的多目标优化问题，生成协同控制策略； 执行所述协同控制策略，对风电机组和储能系统进行协同控制； 通过多目标优化算法求解多目标优化问题，所采用的算法为多目标粒子群优化算法，通过所述多目标粒子群优化算法求解多目标优化问题，生成协同控制策略的过程包括： 初始化粒子群，为每个粒子随机生成代表协同控制策略的初始位置和速度； 进入迭代优化循环，在每次迭代过程中，执行以下步骤： 根据当前迭代次数与最大迭代次数的比值，采用自适应机制动态调整惯性权重和学习因子； 基于自适应调整后的参数、每个粒子的个体历史最优解以及从外部存档集中选出的全局最优解，更新每个粒子的速度和位置，从而生成新的候选协同控制策略； 对所述新的候选协同控制策略进行多目标函数评估与约束条件满足性判断，根据评估与判断结果，更新每个粒子的个体历史最优解，并更新外部存档集，将当前迭代产生的非支配解与存档集中已有解进行比较，保留所有非支配解； 在更新外部存档集后，基于拥挤距离对存档集内的所述非支配解进行筛选，以维持解在目标空间中的分布多样性； 在解的优劣比较中，优先选择满足所有约束条件的可行解，对于不满足约束条件的不可行解，计算其约束违反度，并采用随迭代次数增加而增大的动态惩罚系数进行惩罚； 重复所述迭代优化循环，直至满足预终止条件，从所述外部存档集中选取最优协同控制策略； 所述采用自适应机制动态调整惯性权重和学习因子的步骤包括： 根据当前迭代次数与总迭代次数的比值，动态计算惯性权重，使惯性权重随所述比值的增大从预设的最大值线性递减至预设的最小值； 根据所述当前迭代次数与总迭代次数的比值，对认知学习因子和社会学习因子进行反向调整，使认知学习因子随所述比值的增大而递减，社会学习因子c2随所述比值的增大而递增； 在所述惯性权重的调整中引入正弦扰动项，且所述正弦扰动项的幅度随迭代次数的增加而衰减。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华电电力科学研究院有限公司，其通讯地址为：310030 浙江省杭州市西湖区西园一路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。