[发明专利]基于云边协同的储能电池一致性充放电控制方法及系统

权利要求书

1.基于云边协同的储能电池一致性充放电控制方法，其特征在于，包括：

获取若干个边缘端上传的分布式储能系统数据；

基于分布式储能系统数据，通过多智能体强化学习算法对多智能体一致性控制模型进行训练，并将训练好的多智能体一致性控制模型传输到边缘端，以使边缘端生成一致性控制策略；

其中，所述多智能体一致性控制模型在训练过程中，以储能单元的剩余容量为决策变量，通过最小化每个储能单元剩余容量和分布式储能系统平均剩余容量之差、以及最小化分布式储能系统最大剩余容量与最小剩余容量之差，控制各边缘端探索一致性控制策略。

2.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中的约束限制条件包括：所有储能单元的放电电流之和等于分布式储能系统的设定放电总电流。

3.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中的约束限制条件包括：每个储能单元的输出电流不超过最大充放电电流。

4.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中的奖励函数包括：每个储能单元的剩余容量和分布式储能系统的平均剩余容量之差。

5.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中的奖励函数包括：分布式储能系统的最大剩余容量和最小剩余容量之差。

6.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中的奖励函数包括：每个储能单元在两相邻时刻的放电电流之差。

7.如权利要求1所述的基于云边协同的储能电池一致性充放电控制方法，其特征在于，所述多智能体一致性控制模型在训练过程中，运用近端策略优化算法学习一致性控制策略，并将一致性控制策略传输给各边缘端，以使各边缘端探索一致性控制策略。

8.基于云边协同的储能电池一致性充放电控制系统，其特征在于，包括：

数据获取模块，其被配置为：获取若干个边缘端上传的分布式储能系统数据；

控制模块，其被配置为：基于分布式储能系统数据，通过多智能体强化学习算法对多智能体一致性控制模型进行训练，并将训练好的多智能体一致性控制模型传输到边缘端，以使边缘端生成一致性控制策略；

其中，所述多智能体一致性控制模型在训练过程中，以储能单元的剩余容量为决策变量，通过最小化每个储能单元剩余容量和分布式储能系统平均剩余容量之差、以及最小化分布式储能系统最大剩余容量与最小剩余容量之差，控制各边缘端探索一致性控制策略。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于云边协同的储能电池一致性充放电控制方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于云边协同的储能电池一致性充放电控制方法中的步骤。