CN114069664B - 一种规模化储能系统的配电网电压分布式控制方法 - Google Patents

Abstract

一种规模化储能系统的配电网电压分布式控制方法，该方法先基于目标电力网络拓扑结构以及线路阻抗参数构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型，再将优化问题模型转化成标准形式，并确定目标函数、约束条件中的耦合与可拆分部分，随后对优化模型的标准形式进行对偶形式转化，并引入对偶变量的一致性约束条件，最后采用ADMM算法对经对偶形式转化的优化问题模型进行分布式求解，并将收敛后的储能节点的充、放电功率作为分布式储能单元的设定功率，指导分布式储能单元进行充、放电。该方法实现了储能系统快速响应控制。

Description

一种规模化储能系统的配电网电压分布式控制方法

技术领域

本发明属于电网储能控制领域，具体涉及一种规模化储能系统的配电网电压分布式控制方法，尤其适用于要求储能系统快速响应以平抑可再生能源出力对电网不良影响的应用场景。

背景技术

随着新能源发电的装机并网，储能被视为智能电网、可再生能源高占比能源系统的重要组成和支撑技术。传统的集中式储能(如抽水蓄能等)受地理条件等因素的限制，装机容量增速呈逐年下降趋势；与此同时，需求侧分布式储能技术正得到迅速发展。在低压配电网中，可再生能源发电的间歇性和波动性导致系统内严重的电压偏移，将直接影响末端用户的电能使用质量。传统的配网调压方式依靠为数有限的变压器有载分接开关，其响应速度慢、调压效果差，无法平抑可再生能源出力对电网电压造成的影响，也无法保证配网中各节点的调压效果。

近年来，信息通信技术的发展赋予需求侧分布式储能与可控负荷主动参与系统运行调控的能力，通过微电网、虚拟电厂、主动配电网等方式实现有效的潮流管理，就地解决系统中的局部电压支撑等问题。分布式储能是需求侧响应的重要功率来源，与集中式储能相比，具有容量小、数量规模大、灵活性高和响应速度快等特点。那么，如何协调这些覆盖辽阔地理区域的多元化储能设备，为电力系统提供快速、有效的局部电压支撑，是规模化储能资源利用所要解决的重要问题。。

常见的分布式控制方法可分为一致性控制和分布式优化两种。一致性控制方法是多智能体网络的主要控制手段，被广泛运用于孤网状态下的微电网控制，可直接同步分布式电源节点上的电压与频率。在一般大电网系统中，更多的研究采用主从一致性方法，令分布式发电设备集群具有主动参与电力系统调控的能力。相比于单纯实现储能单元间的一致性控制，系统运营商或储能设备提供商更希望优化配置其管理下的储能资源，在满足电网服务要求基础上降低设备使用成本，使收益最大化。虽然一致性控制可以通过增量成本一致性，达到类似经济调度的效果，但针对实际物理设备的运行极限，此类方法只能靠限幅环节加以约束。相比之下，分布式优化方法可更为系统地解决规模化储能的优化调度问题，设备及电网的运行约束可在建立的优化问题中体现，目标函数与储能的使用成本与回报相关，因而此类方法适用性更为广泛。分布式优化方法将原有的集中式优化问题分配给各智能体协同解决，能够实现系统内资源的快速优化配置，但难点是获得具有较好收敛性的分布式求解算法。

发明内容

本发明的目的是克服现有技术中存在的上述问题，提供一种能够实现储能系统快速响应的规模化储能系统的配电网电压分布式控制方法。

为实现以上目的，本发明提供了以下技术方案：

一种规模化储能系统的配电网电压分布式控制方法，依次包括以下步骤：

步骤A、基于目标电力网络拓扑结构以及线路阻抗参数构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型；

步骤B、将优化问题模型整理成标准形式，并确定目标函数、约束条件中的耦合与可拆分部分；

步骤C、对优化问题模型的标准形式进行对偶形式转化，并引入对偶变量的一致性约束条件；

步骤D、采用ADMM算法对经对偶形式转化的优化问题模型进行分布式求解，并将收敛后的储能节点的充、放电功率作为分布式储能单元的设定功率，指导分布式储能单元进行充、放电。

所述步骤A依次包括以下步骤：

步骤A1、根据目标配电网系统拓扑以及线路阻抗参数确定目标配电网系统的电阻、电抗矩阵；

步骤A2、利用得到的电阻、电抗矩阵构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型。

步骤A1中，所述目标配电网系统的电阻、电抗矩阵由下列公式计算得到：

R=M^-TD_rM^-1

X＝M^-TD_xM^-1

上式中，R、X分别为配电网的电阻、电抗矩阵，M为目标电力网络拓扑结构的关联矩阵，D_r、D_x分别为各储能节点之间的线路电阻、电抗组成的对角矩阵，M^-T为M的逆并转置；

步骤A2中，所述优化问题模型的目标函数为：

上式中，h|t为当前时刻t对未来第h时刻的预测，h＝0，1，...，H-1，H为预测时域范围内的时刻数，分别为未来第h时刻第i个储能节点的充、放电功率，/>为配电网中除公共连接点外所有储能节点的集合，a_i、b_i分别为储能设备运行成本计算公式中的二次项、一次项系数；

所述优化问题模型的约束条件包括充放电功率约束、储能节点能量约束、电压范围约束、预测时域范围内的配电网潮流模型；

所述充放电功率约束为：

上式中，为第i个储能节点允许的最大充放电功率；

所述储能节点能量约束为：

上式中，为未来第h时刻第i个储能节点的能量，/>为第i个储能节点的荷电容量，/>为第i个储能节点的初始能量，/>分别为第i个储能节点的充、放电效率，Δt为未来第h时刻与第h+1时刻的时间差；

所述电压范围约束为：

V^min≤V_i，h|t≤V^max

上式中，V_i，h|t为未来第h时刻第i个储能节点的电压，V^min、V^max分别为配电网允许的储能节点最小、最大电压幅值；

所述预测时域范围内的配电网潮流模型为：

V_i，h|t-V_j，h|t＝r_ijP_ij，h|t+x_ijQ_ij，h|t

上式中，P_ij，h|t、Q_ij，h|t分别为未来第h时刻第i个与第j个储能节点之间的线路有功、无功潮流，P_jl，h|t、Q_jl，h|t分别为未来第h时刻第j个与第l个储能节点之间的线路有功、无功潮流，分别为未来第h时刻可再生能源系统、储能设备、不可控负荷的注入功率，/>为未来第h时刻第l个储能节点的负荷无功潮流，V_i，h|t、V_j，h|t为未来第h时刻第i、j个储能节点的电压，r_ij、x_ij分别为第i个与第j个储能节点之间的线路电阻、电抗。

步骤B中，所述优化问题模型的标准形式为：

耦合约束：

上式中，f_i(x_i)为优化问题模型的目标函数，为配电网中除公共连接点外所有储能节点的集合，x_i为第i个储能节点的充放电功率，/>是目标函数的决策变量，/>为x_i的可行域，由充放电功率约束和储能节点能量约束得到，Ω_i为由a_i得到的对角矩阵，Ω_i＝diag[a_i1_2H]，β_i为由b_i得到的矩阵，β_i＝b_i1_2H，1_2H为所有元素均为1且维度是2H的列向量，A_i为所有储能节点电压对第i个储能节点注入功率变化的敏感度，/>R_i为配电网的电阻矩阵R的第i列向量，E为参数矩阵，E＝[-I_H，I_H]，I_H为维度是H的单位矩阵，b_i为参数向量，分别为预测时域范围内第i个储能节点在各时刻的可再生能源、负荷有功功率、负荷无功功率预测值组成的列向量，X_i为配电网的电抗矩阵X的第i列向量，v₀为配电网中公共连接点处的电压，1_i为第i个元素为1、其余元素为0且维度是H的列向量，1_H为所有元素均为1且维度是H的列向量。

所述步骤C依次包括以下步骤：

步骤C1、基于由标准形式中的耦合约束得到的拉格朗日函数确定优化问题模型的对偶问题模型：

上式中，g(y)为对偶函数，g_i(y)为第i个储能节点的对偶函数，y为标准形式中耦合约束的对偶变量，为非正象限，/>为/>的指示函数，当w位于该象限内时，/>为0，否则为正无穷，N为配电网中除公共连接点外所有储能节点的集合/>中的储能节点数量，x_i为第i个储能节点的充放电功率，/>为x_i的可行域，trace为矩阵的迹，A_i为所有储能节点电压对第i个储能节点注入功率变化的敏感度，E为参数矩阵，b_i为参数向量；

步骤C2、针对每个储能节点，为对偶变量设置本地副本y_i，并引入对偶变量的一致性约束条件以使其收敛到相同值，得到对偶问题模型的以下可分布式求解形式：

y_i＝θ_ij，y_j＝θ_ij，

上式中，y_i为第i个储能节点的对偶变量，g_i(y_i)为y_i对应的对偶函数，θ_ij为引入的辅助变量，为配电网中第i个储能节点的邻居节点组成的集合。

步骤D中，所述ADMM算法采用下列公式进行迭代更新：

上式中，ρ为设定常数，分别为第k次迭代后的对偶变量一致性状态变量、决策变量的残差状态变量，/>分别为第k次迭代后第i、j个储能节点的对偶变量，为第k次迭代后的x_i，/>为第k+1次迭代后的t_i，t_i位于/>中，/>为非正象限，d_i为配电网中第i个储能节点的邻居节点组成的集合/>中的元素数量，||x||_F为矩阵x的Frobenius范数，/>为/>向非负象限的投影。

所述ADMM算法的收敛条件为满足以下条件或循环达到最大迭代次数：

上式中，obj^k为第k次迭代后的目标函数值，obj^*为集中式控制方法得到的最优目标函数值，ε₁、ε₂为目标函数、偶合变量的收敛阈值，为第k次迭代后的/>为各储能节点的偶合变量均值，N为配电网中除公共连接点外所有储能节点的集合/>中的元素数量。

与现有技术相比，本发明的有益效果为：

本发明一种规模化储能系统的配电网电压分布式控制方法先基于目标电力网络拓扑结构以及线路阻抗参数构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型，再将优化问题模型整理成标准形式，并确定目标函数、约束条件中的耦合与可拆分部分，随后对优化模型的标准形式进行对偶形式转化，并引入对偶变量的一致性约束条件，最后采用ADMM算法对经对偶形式转化的优化问题模型进行分布式求解，并将收敛后的储能节点的充、放电功率作为分布式储能单元的设定功率，指导分布式储能单元进行充、放电，一方面，该方法考虑到储能系统模型的时间耦合特性，将优化问题嵌入模型预测控制框架内进行滚动求解，另一方面，其通过对原始优化问题进行对偶形式转化，并结合对偶变量的一致性约束，不仅能够快速收敛得到优化问题的最优解，实现储能系统快速响应以平抑可再生能源出力波动对电网影响，确保电网电压的安全稳定，而且仅依靠相邻设备间有限的通讯即可实现完全分布式的储能设备充放电管理与配电网电压支撑。因此，本发明不仅实现了储能系统的快速响应控制，而且仅依靠相邻设备间有限的通讯即可实现储能设备的充放电管理。

附图说明

图1为本发明的优化问题模型转换流程图。

图2为实施例1采用的配电网的储能分布式控制结构。

图3为实施例1得到的无储能响应、有储能响应两种情况下的分布式储能。

具体实施方式

下面结合具体附图以及实施方式对本发明作进一步的说明。

本发明提供了一种规模化储能系统的配电网电压分布式控制方法，该方法适用于协同大规模储能并为电网提供快速调压服务的应用场景，在超大规模储能系统的开发、利用中体现出了更快的计算速度与更好的扩展能力。

实施例1：

参见图1，一种规模化储能系统的配电网电压分布式控制方法，本实施例采用如图2所示IEEE33节点配电网结构，依次按照以下步骤进行：

1、根据目标配电网系统拓扑以及线路阻抗参数确定目标配电网系统的电阻、电抗矩阵：

R＝M^-TD_rM^-1

X＝M^-TD_xM^-1

上式中，R、X分别为配电网的电阻、电抗矩阵，M为目标电力网络拓扑结构的关联矩阵，D_r、D_x分别为各储能节点之间的线路电阻、电抗组成的对角矩阵，M^-T为M的逆并转置；

2、利用得到的电阻、电抗矩阵构建构建预测控制框架下以储能设备的使用成本最低为目标函数的优化问题模型，其中，所述优化问题模型的目标函数为：

上式中，h|t为当前时刻t对未来第h时刻的预测，h＝0，1，...，H-1，H为未来一段时间的时刻数，为优化问题模型的决策变量，分别为未来第h时刻第i个储能节点的充、放电功率，/>为配电网中除公共连接点外所有储能节点的集合，a_i、b_i分别为储能设备运行成本计算公式中的二次项、一次项系数；

上述目标函数中显式地对进行惩罚，避免了非线性互补约束的引入，确保了任意时刻储能设备只工作于充电或者放电状态；

所述优化问题模型的约束条件包括充放电功率约束、储能节点能量约束、电压范围约束以及预测时域范围内的配电网潮流模型；

所述充放电功率约束为：

上式中，为第i个储能节点允许的最大充放电功率；

所述储能节点能量约束为：

上式中，为未来第h时刻第i个储能节点的能量，/>为第i个储能节点的荷电容量，/>为第i个储能节点的初始能量，即当前储能能量的测量值，/>分别为第i个储能节点的充、放电效率，Δt为未来第h时刻与第h+1时刻的时间差；

所述电压范围约束为：

V^min≤V_i，h|t≤V^max

上式中，V_i，h|t为未来第h时刻第i个储能节点的电压，V^min、V^max分别为配电网允许的储能节点最小、最大电压幅值；

所述预测时域范围内的配电网潮流模型为：

V_i，h|t-V_j，h|t＝r_ijP_ij，h|t+x_ijQ_ij，h|t

上式中，P_ij，h|t、Q_ij，h|t分别为未来第h时刻第i个与第j个储能节点之间的线路有功、无功潮流，P_jl，h|t、Q_jl，h|t分别为未来第h时刻第j个与第l个储能节点之间的线路有功、无功潮流，分别为未来第h时刻可再生能源系统、储能设备、不可控负荷的注入功率，/>为未来第h时刻第l个储能节点的负荷无功潮流，V_i，h|t、V_j，h|t为未来第h时刻第i、j个储能节点的电压，r_ij、x_ij分别为第i个与第j个储能节点之间的线路电阻、电抗；

3、将优化问题模型转化成以下标准形式：

耦合约束：

上式中，f_i(x_i)为优化问题模型的目标函数，x_i为第i个储能节点的充放电功率，是目标函数的决策变量，/>为x_i的可行域，由充放电功率约束和储能节点能量约束得到，Ω_i为由a_i得到的对角矩阵，Ω_i＝diag[a_i1_2H]，β_i为由b_i得到的矩阵，β_i＝b_i1_2H，1_2H为所有元素均为1且维度是2H的列向量，A_i为所有储能节点电压对第i个储能节点注入功率变化的敏感度，由潮流模型的向量表现形式得到，/>R_i为配电网的电阻矩阵R的第i列向量，E为参数矩阵，E[-I_H，I_H]，I_H为维度是H的单位矩阵，b_i为参数向量，分别为预测时域范围内第i个储能节点在各时刻的可再生能源、负荷有功功率、负荷无功功率预测值组成的列向量，若第i个储能节点无可再生能源发电，则/>X_i为配电网的电抗矩阵X的第i列向量，v₀为配电网中公共连接点处的电压，1_i为第i个元素为1、其余元素为0且维度是H的列向量，1_H为所有元素均为1且维度是H的列向量；

4、将前述耦合约束表示为以下形式：

上式中，w为中的任意一点，/>为非正象限；

5、基于以上形式确定如下拉格朗日函数

上式中，为非正象限/>的指示函数，当w位于该象限内时，/>为0，否则为正无穷，y为耦合约束的对偶变量，/>N为集合/>中的元素数量，/>为配电网中第i个储能节点的邻居节点组成的集合；

6、确定优化问题模型的对偶问题模型：

上式中，g(y)为对偶函数，gi(y)为第i个储能节点的对偶函数；

根据拉格朗日函数的表达式可知，优化问题模型的对偶问题模型具有可拆分的形式，假设对偶间隙(duality gap)为0，可通过求解对偶问题模型还原原始优化问题模型的最优解；

7、针对每个储能节点，为对偶变量设置本地副本y_i，并引入对偶变量的一致性约束条件以使其收敛到相同值，得到对偶问题模型的以下可分布式求解形式：

y_i＝θ_ij，y_j＝θ_ij，

上式中，y_i为第i个储能节点的对偶变量，g_i(y_i)为y_i对应的对偶函数，θ_ij为引入的辅助变量；

8、设定ADMM算法中的参数ρ，并初始化令迭代次数k＝1；

9、判断k是否为最大迭代次数或满足收敛条件，若满足其中任一条件，则结束循环迭代，并以得到的储能节点的充、放电功率作为分布式储能单元的设定功率，指导分布式储能单元进行充、放电，若两个条件都不满足，则进入步骤10，其中，所述收敛条件为：

上式中，obj^k为第k次迭代后的目标函数值，obj^*为集中式控制方法得到的最优目标函数值，ε₁、ε₂为目标函数、偶合变量的收敛阈值，为第k次迭代后的/>为各储能节点的偶合变量均值；

10、对于储能节点j，获取其邻居节点的/>值，并根据下列公式进行更新迭代：

上式中，ρ为设定常数，分别为第k次迭代后的对偶变量一致性状态变量、决策变量的残差状态变量，/>分别为第k次迭代后第i、j个储能节点的对偶变量，为第k次迭代后的x_i，/>为第k+1次迭代后的t_i，t_i位于/>中，d_i为集合/>中的元素数量，||x||_F为矩阵x的Frobenius范数，/>为非正象限/>向非负象限的投影；

从上述公式可以看出，各储能节点仅需获得相邻节点的值，各控制器的计算平行进行，无需中央协调单元，即可解决储能系统的分布式电压控制问题；

11、令k＝k+1，并进入步骤9。

本实施例选取配电网允许的电压范围设为0.95～1.02p.u.，配电网公共连接点处的电压设为1p.u.，ρ设为0.01，最大迭代次数设为500，ε₁＝0.05，ε₂＝0.1，采用上述方法得到的分布式储能的电压支撑效果如图3所示，与无储能响应的情况相比，分布式储能响应使配电网各节点电压处于安全运行范围内。另外，通过监测各分布式储能的充、放电功率与荷电容量发现储能设备的运行约束得到满足，且采用本发明方法优化得到的储能运行成本变化图与集中式控制方法的优化结果类似，两者具有相似的经济调度结果。

Claims (7)

1.一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

所述控制方法依次包括以下步骤：

步骤A、基于目标电力网络拓扑结构以及线路阻抗参数构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型，该优化问题模型的目标函数为：

上式中，h|t为当前时刻t对未来第h时刻的预测，h＝0，1，...，H-1，H为预测时域范围内的时刻数，分别为未来第h时刻第i个储能节点的充、放电功率，/>为配电网中除公共连接点外所有储能节点的集合，a_i、b_i分别为储能设备运行成本计算公式中的二次项、一次项系数；

步骤B、将优化问题模型转化成标准形式，并确定目标函数、约束条件中的耦合与可拆分部分，其中，所述优化问题模型的标准形式为：

耦合约束：

上式中，f_i(x_i)为优化问题模型的目标函数，为配电网中除公共连接点外所有储能节点的集合，x_i为第i个储能节点的充放电功率，/>是目标函数的决策变量，/>为x_i的可行域，由充放电功率约束和储能节点能量约束得到，Ω_i为由a_i得到的对角矩阵，Ω_i＝diag[a_i1_2H]，β_i为由b_i得到的矩阵，β_i＝b_i1_2H，1_2H为所有元素均为1且维度是2H的列向量，A_i为所有储能节点电压对第i个储能节点注入功率变化的敏感度，/>R_i为配电网的电阻矩阵R的第i列向量，E为参数矩阵，E＝[-I_H，I_H]，I_H为维度是H的单位矩阵，B_i为参数向量， 分别为预测时域范围内第i个储能节点在各时刻的可再生能源、负荷有功功率、负荷无功功率预测值组成的列向量，X_i为配电网的电抗矩阵X的第i列向量，v₀为配电网中公共连接点处的电压，1_i为第i个元素为1、其余元素为0且维度是H的列向量，1_H为所有元素均为1且维度是H的列向量；

步骤C、对优化问题模型的标准形式进行对偶形式转化，并引入对偶变量的一致性约束条件；

步骤D、采用ADMM算法对经对偶形式转化的优化问题模型进行分布式求解，并将收敛后的储能节点的充、放电功率作为分布式储能单元的设定功率，指导分布式储能单元进行充、放电。

2.根据权利要求1所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

所述步骤A依次包括以下步骤：

步骤A1、根据目标配电网系统拓扑以及线路阻抗参数确定目标配电网系统的电阻、电抗矩阵；

步骤A2、利用得到的电阻、电抗矩阵构建预测控制框架下以储能设备运行成本最低为目标函数的优化问题模型。

3.根据权利要求2所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

步骤A1中，所述目标配电网系统的电阻、电抗矩阵由下列公式计算得到：

R＝M^-TD_rM^-1

X＝M^-TD_xM^-1

上式中，r、X分别为配电网的电阻、电抗矩阵，M为目标电力网络拓扑结构的关联矩阵，D_r、D_x分别为各储能节点之间的线路电阻、电抗组成的对角矩阵，M^-T为M的逆并转置。

4.根据权利要求2所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

步骤A2中，所述优化问题模型的约束条件包括充放电功率约束、储能节点能量约束、电压范围约束、预测时域范围内的配电网潮流模型；

所述充放电功率约束为：

上式中，为第i个储能节点允许的最大充放电功率；

所述储能节点能量约束为：

上式中，为未来第h时刻第i个储能节点的能量，/>为第i个储能节点的荷电容量，/>为第i个储能节点的初始能量，/>分别为第i个储能节点的充、放电效率，Δt为未来第h时刻与第h+1时刻的时间差；

所述电压范围约束为：

V^min≤V_i，h|t≤V^max

上式中，V_i，h|t为未来第h时刻第i个储能节点的电压，V^min、V^max分别为配电网允许的储能节点最小、最大电压幅值；

所述预测时域范围内的配电网潮流模型为：

V_i，h|t-V_j，h|t＝r_ijP_ij，h|t+x_ijQ_ij，h|t

上式中，P_ij，h|t、Q_ij，h|t分别为未来第h时刻第i个与第j个储能节点之间的线路有功、无功潮流，P_jl，h|t、Q_jl，h|t分别为未来第h时刻第j个与第l个储能节点之间的线路有功、无功潮流，分别为未来第h时刻可再生能源系统、储能设备、不可控负荷的注入功率，/>为未来第h时刻第l个储能节点的负荷无功潮流，V_i，h|t、V_j，h|t为未来第h时刻第i、j个储能节点的电压，r_ij、x_ij分别为第i个与第j个储能节点之间的线路电阻、电抗。

5.根据权利要求1-3中任一项所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

所述步骤C依次包括以下步骤：

步骤C1、基于由标准形式中的耦合约束得到的拉格朗日函数确定优化问题模型的对偶问题模型：

上式中，g(y)为对偶函数，g_i(y)为第i个储能节点的对偶函数，y为标准形式中耦合约束的对偶变量，为非正象限，/>为/>的指示函数，当w位于该象限内时，/>为0，否则为正无穷，N为配电网中除公共连接点外所有储能节点的集合/>中的储能节点数量，x_i为第i个储能节点的充放电功率，/>为x_i的可行域，trace为矩阵的迹，A_i为所有储能节点电压对第i个储能节点注入功率变化的敏感度，E为参数矩阵，B_i为参数向量；

步骤C2、针对每个储能节点，为对偶变量设置本地副本y_i，并引入对偶变量的一致性约束条件以使其收敛到相同值，得到对偶问题模型的以下可分布式求解形式：

上式中，y_i为第i个储能节点的对偶变量，g_i(y_i)为y_i对应的对偶函数，θ_ij为引入的辅助变量，为配电网中第i个储能节点的邻居节点组成的集合。

6.根据权利要求1-3中任一项所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

步骤D中，所述ADMM算法采用下列公式进行迭代更新：

上式中，ρ为设定常数，r_i ^k分别为第k次迭代后的对偶变量一致性状态变量、决策变量的残差状态变量，/>分别为第k次迭代后第i、j个储能节点的对偶变量，/>为第k+1次迭代后的x_i，/>为第k+1次迭代后的t_i，t_i位于/>中，/>为非正象限，d_i为配电网中第i个储能节点的邻居节点组成的集合/>中的元素数量，||x||_F为矩阵x的Frobenius范数，/>为/>向非负象限的投影。

7.根据权利要求6所述的一种规模化储能系统的配电网电压分布式控制方法，其特征在于：

所述ADMM算法的收敛条件为满足以下条件或循环达到最大迭代次数：

上式中，obj^k为第k次迭代后的目标函数值，obj^*为集中式控制方法得到的最优目标函数值，ε₁、ε₂为目标函数、偶合变量的收敛阈值，为第k次迭代后的/>为各储能节点的偶合变量均值，N为配电网中除公共连接点外所有储能节点的集合/>中的元素数量。