本发明属于分布式储能控制领域，尤其是指基于改良的pick-kx算法的分布式储能控制的优化方法。
背景技术：
分布式储能是从根本上解决可再生能源发电接入问题的最有效途径，通过储能系统来弥补可再生能源发电的间歇性和不稳定性缺陷，从而实现可再生能源电力平滑并入电网。但是分布式储能使得配电系统发生根本性的变化，整个分布式储能模块和配电网之间的控制和调度必须协调。
pick-kx算法是一种能够根据系统当前的状况实时调节分配策略，保证各部分负载平衡，避免出现无法处理用户请求的现象的动态负载均衡算法。
技术实现要素：
针对分布式储能模块在电网连接、电网安全、供电质量等方面存在较多问题，本发明提出了基于改良的pick-kx算法的分布式储能控制的优化方法，算法简洁、易于实现，使得各分布式储能模块均衡的分担负荷，提高分布式储能模块的效率并保证供电质量及电网安全，具有理论价值和现实意义。
本发明实现的技术思路是：首先建立分布式储能模块的模型，获得算法所需要的参数，如当前负荷、系统总负载能力、单个模块负载能力、单个模块的当前负载占比、条件限制的失败率等，根据负荷需求功率、负荷需求时间，带入算法，计算出模块的负载分配概率，根据负载分配概率将负载均衡的分配到各个分布式储能模块上，提高分布式储能模块的效率并保证供电质量及电网安全。
为了实现上述的目标，下面进一步描述本发明的具体技术方案。
基于改良的pick-kx算法的分布式储能控制的优化方法，包括以下步骤。
步骤1：建立分布式储能模块模型。
步骤2：建立优化函数。
步骤3：计算、查找单个模块当前负荷em和单个模块负载能力nm以及单个模块可利用时间等参tm数。
步骤4：设置基于改良的pick-kx算法的参数。
步骤5：设置任务的负荷需求功率q、负荷需求时间t。
步骤6：计算单个模块当前负载占比qm。
步骤7：设置总负荷任务数x1、未完成负荷任务数x2。
步骤8：计算限制条件的失败率fm。
步骤9：计算负载的分配概率pm。
步骤10：对负载进行最有优分配。
进一步，所述步骤1中，建立分布式储能模块模型包括抽水储能、飞轮储能、电池储能等分布式储能模块。
进一步，所述步骤2中，建立的优化函数为。
其中，n为分布式储能模块的数量。
进一步，所述步骤3中，单个模块当前负荷。
其中，g1为有功功率，g2为线损功率，g3为厂用功率，k1、k2、k3为权值且k1+k2+k3=1。
单个模块负载能力nm，即装机容量。
由于分布式储能各个模块可利用时间不同，设置单个模块可利用时间tm。
进一步，所述步骤5中，先设置任务的负荷需求功率q，并和单个模块负载能力nm比较，将任务分配给单个模块负载能力nm≥任务的负荷需求功率q的这些模块中，再通过设置负荷需求时间t，使之与单个模块可利用时间tm相比较，将任务分配给单个模块可利用时间tm≥负荷需求时间t的这些模块中。
进一步，所述步骤6中，单个模块当前负载占比:
如果单个模块当前负载占比qm≥90％，则该模块的负载分配概率为0，即这次负荷任务不会分配给该模块。
进一步，所述步骤8中，限制条件的失败率。
如果未完成负荷任务数x2=0，会导致计算出的fm为0，所以设定当x2=0时，令fm=1。
进一步，所述步骤9中，负载的分配概率。
进一步，所述步骤10中，根据各个模块的负载分配概率，进行负荷任务的分发。
附图说明。
图1是本发明的总体流程图。
具体实施方案
本发明的核心思想是通过改良的pick-kx算法实现对分布式储能功率分配的优化控制。
图1是本发明的总体流程图，本发明实现步骤如下。
1.建立分布式储能模块模型，包括包括抽水储能、飞轮储能、电池储能等分布式储能模块，并知晓其基本参数，如工作温度，最大电流等。
2.本发明的目的是实现对分布式储能功率分配的优化控制，建立的优化函数如下。
其中，n为分布式储能模块的数量。计算负载的分配概率pm，根据pm大小分配负荷任务。
3.计算、查找单个模块当前负荷em和单个模块负载能力nm以及单个模块可利用时间tm等参数。
1）单个模块当前负荷。
其中，g1为有功功率，g2为线损功率，g3为厂用功率，k1、k2、k3为权值且k1+k2+k3=1。
2）单个模块负载能力nm即为该模块的装机容量。
3）查找单个模块可利用时间tm，不同类型的分布式储能模块可利用时间不同，其中飞轮储能模块一般为1ms-15min，超级电容器储能模块一般为1ms-1h，抽蓄电站储能模块一般为数百小时。
4.设置基于改良的pick-kx算法的参数。
本发明基于改良的pick-kx算法，将单个模块当前负荷em和单个模块负载能力nm以及单个模块可利用时间tm等参数设置到算法里，用于后续判断及计算。
5.设置任务的负荷需求功率q、负荷需求时间t。
1）先设置任务的负荷需求功率q，并和单个模块负载能力nm比较，将任务分配给单个模块负载能力nm≥任务的负荷需求功率q的这些模块中。
2）再通过设置负荷需求时间t，使之与单个模块可利用时间tm相比较，将任务分配给单个模块可利用时间tm≥负荷需求时间t的这些模块中。
6.计算单个模块当前负载占比qm。
1）单个模块当前负载占比:。
2）如果单个模块当前负载占比qm≥90%，则该模块的负载分配概率为0，即这次负荷任务不会分配给该模块。
7.设置总负荷任务数x1、未完成负荷任务数x2。
每一次负荷任务及筛选过程均计次数，用于优化功率分配概率。
8.计算限制条件的失败率fm。。
1）限制条件的失败率。
2）如果未完成负荷任务数x2=0，会导致计算出的fm为0，所以设定当x2=0时，令fm=1。
9.计算负载的分配概率pm。
将计算和查找的各类数据带入优化函数。
得到负载的分配概率pm。
10.对负载进行最有优分配。
根据各个模块的负载分配概率，进行负荷任务的分发。