在风能、太阳能等间歇性能源的转化过程中,间歇性、不稳定性会影响其发展。在间歇性能源管理系统数据监测与存储时,无法及时存储与处理海量运行数据,难以满足电力系统的运营需求。在此背景下,本文分析了对现存监测系统数据存储带来的困扰,依据间歇性能源数据的特性,利用云存储数据库在处理与存储数据的优异性,设计出新型存储模式。在云存储中,针对决策者决策和资源供给选择中形成的多目标问题进行了分析,同时运用多目标优化算法对云存储负载均衡的多目标进行了优化研究,主要工作如下。建立了基于间歇性能源数据的云存储模型。间歇性能源数据存储中,研究了现有存储系统架构,利用云存储和大数据处理技术的优异性,在不同业务数据的驱动下,结合传统和新型存储与处理技术,提出风电系统的新型数据存储模式。基于风电监测系统中不同QoS的需求,对风力发电监测数据云存储中的多目标负载均衡进行了优化研究。首先建立了风力发电监测数据云存储多目标模型,存储模型包含决策者多目标负载均衡模型和系统资源供给多目标负载均衡模型,最后给出负载均衡多目标优化处理流程。针对多目标优化问题时,在实际工程中优化问题无法确定具体优化函数,建立了代理模型。引入多目标粒子群算法进行优化。针对算法易收敛,陷入局部最优的问题,求解中对其进行了丰富粒子初始化和粒子飞行选择优化。在风力发电系统中,依据运营特性和应用多属性的要求等需得到较多方案,运用改进的多目标粒子群算法对代理模型进行了优化,可辅助间歇性能源监测中决策者选择更多解决方案。