图；
[0037] 图3为风电出力爬坡率优化前、后对比图。
【具体实施方式】
[003引下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性 的，而不是为了限制本发明的范围及其应用。本例的应用环境为风储联合系统，其中包括风 电场和储能系统，本例中储能系统采用电池储能系统。
[0039] 本例中的考虑上网电价与遗传算法优化的风储发电控制系统包括：
[0040] A、种群生成模块，用于设置遗传算法的参数，W及生成初始种群中的所有个体。种 群生成模块可W进一步包括：
[0041] A1、参数设置子模块，用于根据实际情况设置遗传算法的参数；
[0042] A2、第一计算子模块，用于根据储能系统充放电功率状态，随机生成初始种群中所 有个体。
[0043] B、计算模块，用于计算初始种群中每个个体的适应值及其累积概率，对每个个体 进行选择复制操作，生成新种群。计算模块可W进一步包括：
[0044] B1、第二计算子模块，用于计算风储混合系统向电网的风电出力值、风电出力爬坡 率和风电出力爬坡率越限时的惩罚项，并进一步通过风储混合系统出力优化的目标函数F 确定每个个体的适应值；
[0045] B2、累积概率计算子模块，用于根据适应值求取每个个体适应值的累积概率；
[0046] B3、复制子模块，用于根据累积概率与随机数的比较结果，调整每个个体并生成新 种群。
[0047] C、交叉模块，用于对新种群中的个体两两随机配对，并对每对配对成功的个体进 行交叉操作。交叉模块可W进一步包括：
[0048] C1、第一比较子模块，用于通过比较交叉概率P。与随机数rs的大小，来决定是否对 种群中每一对配对成功的个体进行交叉操作，所述随机数为随机生成的0到1的随机数；
[0049] C2、交叉操作子模块，若需要进行交叉操作，则先确定对哪个时刻的储能系统充放 电功率进行交叉操作；并在交叉操作时，将配对成功的个体的所确定的时刻的功率进行交 换，W完成交叉操作。
[0050] D、变异模块，用于对进行交叉操作后的每个个体进行变异操作。变异模块可W进 一步包括：
[0051] D1、第二比较子模块，用于通过比较变异概率Pm与随机数r。的大小，来决定是否对 粒子群中各粒子进行变异操作，所述rg为随机生成的0到1的随机数；
[0052] D1、变异操作子模块，若需要进行变异操作，则先确定对哪个时刻的储能系统充放 电功率进行变异操作；并在变异操作时，根据储能系统充、放电功率的最大值对该时刻的储 能系统充放电功率重新取值。
[0化3] E、执行模块，用于判断新种群是否满足迭代次数要求或收敛要求，直至满足任一 要求后输出新种群，并在其中找出全局最优值所对应个体的位置，所述个体的位置即为该 个体所对应储能系统的充放电功率。执行模块可W进一步包括：
[0054] E1、判断模块，用于判断新种群是否满足迭代次数要求或收敛要求，所述迭代次数 要求根据实际情况设置，所述收敛要求为所有个体适应值得最大与最小值之差小于一大于 零的极小数；
[0化5] E2、结果输出模块，用于从满足迭代次数要求或收敛要求的新种群中选出全局最 优值个体，并通过计算模块重新计算该个体的适应值，并输出该个体所对应的储能系统充 放电功率。
[0056] 目标函数
[0化7] 抑制风电出力爬坡率过大时，W风电上网电量最大化为目标，同时考虑电池储能 系统运营（即充放电操作）所带来的成本，W及风电出力爬坡率越限时的惩罚项，得到目标 函数如下：
【主权项】
1. 一种考虑上网电价与遗传算法优化的风储发电控制方法，其特征在于，该方法包括 如下步骤： A、 设置遗传算法的参数和上网电价； B、 生成初始种群的所有个体； C、 计算每个个体的目标函数值，并进一步确定每个个体的适应值； D、 计算每个个体适应值的累积概率，对每个个体进行选择复制操作，生成新种群； E、 对新种群中的个体两两随机配对，并对配对成功的每对个体进行交叉操作； F、 根据变异概率，对进行交叉操作后的每个个体进行变异操作； G、 根据储能系统的功率上下限约束以及荷电状态上下限约束，对所有个体进行调整； H、 判断新种群是否已满足迭代次数要求或收敛要求，如满足这两个要求之一，则停止 迭代，输出新种群；否则，跳转至步骤C继续迭代，直至满足这两个要求之一为止； I、 在新种群中选出最优个体和全局最优值，并输出各时刻的储能系统充放电功率。
2. 如权利要求1所述的方法，其特征在于，步骤A中，所述遗传算法的参数包括交叉概 率、变异概率、迭代次数和种群大小。
3. 如权利要求1所述的方法，其特征在于，步骤B中，根据下式的储能系统充放电功率 的第一代状态序列,随机生成初始种群中所有N个体，即在种群中有N个个体，对于第1 代种群中第i个个体的表示形式如下：
式中，i= 1，2，…，N，N表示种群中个体大小；□表示储能系统在优化时段数T内充 放电功率所组成的向量；i表示初始种群中第i个个体t时刻的充放电功率；当充放 电功率为负值表示储能系统处于充电状态，为正值时表示储能系统处于放电状态，为0表 示电池储能系统处于浮充状态，T为优化时段数； 根据储能系统充、放电功率的最大值Pbess,ctawPbess, dis_，随机生成如下式所有个体中 的每个元素 P 1 = P +r X fP -p ) [bess，i，t厂bess，chmax 1、厂bess，dismax^bess, chmax^ 式中，Pbess,d?x为负值、表示储能系统最大允许充电功率，Pbess,dis_为正值、表示储能系 统最大允许放电功率&表示0到1之间的随机数。
4. 如权利要求1所述的方法，其特征在于，所述步骤C中， 对于第i个个体的适应值fV计算如下：
式中，<表示第j代种群中第i个个体的目标函数值，表示第j代种群中所 有个体目标函数值的最小值，所述目标函数值F/通过下式求取：
式中，T为优化时段数；cgHd为风电上网电价；为根据第j代种群第i个个体中 储能系统t时刻的充放电功率Ptess,i,tH十算得到的风储混合系统向电网的出力值；At为风 电出力测量的间隔；Cb_为储能系统的单位运营成本；PhuJ为第j代种群第i个个体中 储能系统t时刻的充放电功率；为负值、表示储能系统处于充电状态；Phu」为正 值、表示储能系统处于放电状态；Pbess,i, ?为0、表示储能系统处于浮充状态；M为风电出力 爬坡率越限惩罚项系数；Pp;u"is/UtS根据第j代种群第i个个体中储能系统t时刻的充放 电功率Pbess,i,tH十算得到的风电出力爬坡率越限时的惩罚项。
5. 如权利要求4所述的方法，其特征在于， 所述风储混合系统向电网的出力值/^^#为：
所述风电出力爬坡率:
所述风电出力爬坡率越限时的惩罚项PjLuauS:
式中，pwind,$t时刻的风电出力值；p/amMt为根据第j代种群第i个个体中储能系统 t时刻的充放电功率计算得到的风电出力爬坡率；为根据第j代种群第i个个体 中储能系统t时刻的充放电功率计算得到的风电出力值与[t，t-K]区间内最大风电出力值 的差值的绝对值；|AP"!；a;c_h|为根据第j代种群第i个个体中储能系统t时刻的充放电功率 计算得到的风电出力值与[t，t-K]区间内最小风电出力值的差值的绝对值；K为抑制风电 出力爬坡率时所设定考察的时间段；Pstad为风电出力爬坡率标准值。
6. 如权利要求1所述的方法，其特征在于，步骤D中，所述个体适应值的累积概率为：
式中，Pi、Puo为第i、个个体的累积概率；fV为第i个个体的适应值； SiU//为初始种群中所有个体的适应值之和；N为初始种群中个体的总数； 根据下式对所有个体进行选择复制操作，生成新种群：
式中，€ess(i表示第j代种群中的第i个个体，以e_iL、以e_sU分别表示j-1代种群中的 第1、k个个体，1~2为0到1之间的随机数。
7. 如权利要求1所