[发明专利]一种基于分布式梯度算法的储能系统充电优化方法

权利要求书

1.一种基于分布式梯度算法的储能系统充电优化方法，其特征在于，包括以下步骤：

步骤一、建立储能系统充电优化模型的目标函数，并进行参数初始化；

步骤二、初始化权值矩阵；

步骤三、将第i个储能单元的充电功率P_b，i与预设的第i个充电功率最大阈值和充电功率最小阈值进行比较判断，使得如果第i个储能单元的充电功率P_b，i大于则将其充电功率设置为此时该储能单元不再参与分布式梯度迭代，仅仅起到信息交互的作用，即离网，在下一次迭代时的通信权值改变；如果第i个储能单元的充电功率P_b，i小于则将其充电功率设置为充电功率最小阈值，同样仅仅信息交互，不再分布式梯度迭代，在下一次迭代时的通信权值改变；如果充电功率在之间，则采用分布式梯度算法对各个储能单元进行充电功率的迭代更新；其中，i＝1，…，n，n为储能单元的总个数；

步骤四、计算储能充电功率误差值P_m；

其中，S_g为分布式发电机的指数集合，S_l为负荷需求量的指数集合，S_b为电池储能的指数集合，P_g，p是第p个发电机的发电量，P_l，q是第q个负荷需求量，p＞0，q＞0；

步骤五、若P_m不在允许的预设误差范围内则转到步骤三，若在允许的预设误差范围内则分布式梯度算法结束。

2.根据权利要求1所述的一种基于分布式梯度算法的储能系统充电优化方法，其特征在于，所述步骤一中的目标函数为i＝1～n，a_i、b_i均为电池储能充电系数。

3.根据权利要求2所述的一种基于分布式梯度算法的储能系统充电优化方法，其特征在于，目标函数的建立过程具体如下：

第i个储能单元的实际充电量函数为P_b，iη_c，i，η_c，i为第i个储能单元的充电效率；

充电效率和充电功率呈线性关系：η_c，i＝a_i-b_iP_b，i；

第i个储能单元充电损耗为P_b，i-P_b，iη_c，i＝b_iP_b，i²-(a_i-1)P_b，i；

则储能系统总损耗为

储能系统充电优化模型的目标函数为

4.根据权利要求1所述的一种基于分布式梯度算法的储能系统充电优化方法，其特征在于，步骤一中的参数包括各储能单元的充电功率、和

5.根据权利要求1所述的一种基于分布式梯度算法的储能系统充电优化方法，其特征在于，步骤三中采用分布式梯度算法进行充电功率的迭代更新的分布式梯度迭代公式为，

其中，P_b，i[k]表示第i个储能单元在第k次迭代的充电功率，充电功率P_b，i[k+1]是P_b，i[k]的下一次迭代值，α[k]为步长，为第j个储能单元在第k次充电功率的目标函数的导数，j∈[1，n]，idx_b[k]为储能输入量达到界限的指数集，idx_b[k]^c为idx_b[k]的补集；

在一个不定向的拓扑结构图中有n个节点，这n个节点即相当于n个储能单元，第i个储能单元和与其相连的第j个储能单元的连接通信权值为W_ij[k]；

idx_i[k]代表第i个储能单元的相邻储能单元的指数集，n_i[k]表示第i个储能单元进行第k次迭代时的相邻储能单元的数量，n_j[k]表示第j个储能单元进行第k次迭代时的相邻储能单元的数量，第j个储能单元需和第i个储能单元相连；

n_i[k]通过计算公式得到，a_ij[k]是通信拓扑的邻接矩阵A[k]的元素，邻接矩阵A[k]表示拓扑结构图的连通度，当第i个储能单元与第j个储能单元相连有通信时，a_ij[k]＝1；否则为0。