近年来,随着供配电要求的不断提高,储能技术对于电网已经越来越不可或缺。储能技术对电力调频、平抑可再生能源并网波动、提高电能质量等具有重要作用。本文研究了储能电池集群的双层调度问题,上层调度的对象是整个储能电池系统,用于产生底层调度指令,底层调度对象是各个电池模块,使各个电池模块对上层指令进行追踪。论文主要内容如下:将储能电池集群的调度分为两层。第一层采用深度强化学习方法做决策,研究储能电池集群的整体调度,这一层输出对整个储能系统的指令。第二层设计协同控制算法,以分布式策略调度集群中的每个储能单元,完成上层发来的指令。对于上层调度,研究了电网侧锂离子电池储能以负荷平抑为主要目标的调度问题。先对锂离子电池储能进行数学建模,考虑其建设成本和电池折旧成本设计了目标函数。之后对问题建立了马尔科夫模型,选取合适的状态空间、动作空间、奖励函数。利用深度强化学习算法在Py Torch平台进行仿真实验,验证了算法的有效性。在底层调度中,研究了上层调度的指令即储能总充放电功率在各个储能电池模块之间的具体分配和协调。因为大容量锂离子电池通常由众多锂离子电池模块构成,各模块之间因为制造工艺、串并联状态不能完全相同,导致荷电状态不均衡,甚至出现部分电池模块空电或满电的极端情况,这对电池寿命和上层算法的稳定产生不利影响。于是,利用基于一致性的初始分配算法和在线分布式调节算法,对上层调度任务进行分配和跟踪。通过数学理论推导,证明了提出的算法的正确性,并通过Matlab仿真实验验证了控制算法的有效性。综上所述,本文研究了储能电池集群的双层调度问题,上层调度采用深度强化学习算法做出决策,底层调度利用一致性算法合理执行上层调度的任务,并通过仿真实验验证了算法的有效性。