胡澤春, 羅浩成

(1. 清華大學(xué)電機(jī)工程與應(yīng)用電子技術(shù)系, 北京市 100084; 2. 電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國(guó)家重點(diǎn)實(shí)驗(yàn)室, 清華大學(xué), 北京市 100084)

0 引言

為應(yīng)對(duì)化石能源危機(jī)和環(huán)境污染問題,世界各國(guó)大力推動(dòng)以風(fēng)電和光伏為代表的可再生能源發(fā)展,促進(jìn)電能生產(chǎn)的清潔化轉(zhuǎn)型[1]。然而,風(fēng)電、光伏的發(fā)電出力具有隨機(jī)性、間歇性和難以準(zhǔn)確預(yù)測(cè)等特點(diǎn),其裝機(jī)容量的迅猛增長(zhǎng)已給電力系統(tǒng)安全穩(wěn)定和經(jīng)濟(jì)運(yùn)行帶來了巨大挑戰(zhàn)。

電力系統(tǒng)自動(dòng)發(fā)電控制(automatic generation control,AGC)是實(shí)現(xiàn)發(fā)電功率和負(fù)荷功率平衡,保持電網(wǎng)頻率為規(guī)定值和聯(lián)絡(luò)線交換功率為計(jì)劃值的重要手段。傳統(tǒng)意義上, AGC是通過調(diào)節(jié)發(fā)電功率跟隨負(fù)荷功率的隨機(jī)擾動(dòng)。隨著以風(fēng)電和光伏大規(guī)模接入電網(wǎng),傳統(tǒng)的電力系統(tǒng)頻率控制問題面臨新的挑戰(zhàn)和機(jī)遇。一方面,隨著風(fēng)電機(jī)組和光伏發(fā)電系統(tǒng)替代傳統(tǒng)機(jī)組發(fā)電,使得在線機(jī)組的總轉(zhuǎn)動(dòng)慣量減小,維持頻率質(zhì)量的能力降低,而可再生能源發(fā)電出力的隨機(jī)波動(dòng)又加重了系統(tǒng)對(duì)調(diào)頻資源的需求;另一方面,風(fēng)電和光伏發(fā)電出力可通過電力電子設(shè)備快速調(diào)節(jié),具備維持電力系統(tǒng)頻率水平的巨大潛力。此外,電網(wǎng)中正在接入越來越多的新型儲(chǔ)能資源和需求側(cè)靈活資源,如化學(xué)電池儲(chǔ)能、電動(dòng)汽車、蓄冷/蓄熱負(fù)荷等。相比火力發(fā)電機(jī)組,新型儲(chǔ)能和靈活資源通常具有較快的功率調(diào)節(jié)速度,能夠?qū)ο到y(tǒng)的頻率變化做出快速響應(yīng),適合參與電力系統(tǒng)的頻率調(diào)節(jié),因而受到了越來越多的關(guān)注。

在新的形勢(shì)下,AGC的系統(tǒng)構(gòu)架、控制模型將日趨復(fù)雜,模型與參數(shù)的不確定性增加,對(duì)AGC控制提出了更高要求[2]。理論研究如何與工程實(shí)際相結(jié)合,在AGC中實(shí)現(xiàn)先進(jìn)控制方法的應(yīng)用至關(guān)重要。

本文在簡(jiǎn)單概述AGC基本原理的基礎(chǔ)上,首先總結(jié)了可再生能源接入對(duì)電力系統(tǒng)頻率響應(yīng)性能和調(diào)頻需求的影響。然后,分別對(duì)可再生能源發(fā)電、需求側(cè)靈活資源、儲(chǔ)能資源等新型調(diào)頻資源參與AGC的關(guān)鍵問題和研究動(dòng)態(tài)進(jìn)行了總結(jié)和分析。接著,歸納并討論了幾類先進(jìn)控制技術(shù)應(yīng)用于AGC的研究現(xiàn)狀與前景。最后,展望了大規(guī)?？稍偕茉唇尤胂翧GC的主要挑戰(zhàn)與研究方向。

1 AGC的基本原理

AGC的基本原理如圖1所示,其調(diào)節(jié)的典型流程如下。

1)負(fù)荷出現(xiàn)擾動(dòng)或發(fā)電機(jī)組出力出現(xiàn)偏差,導(dǎo)致系統(tǒng)頻率偏離基準(zhǔn)值,聯(lián)絡(luò)線交換功率偏離預(yù)定的計(jì)劃值。

2)AGC控制系統(tǒng)根據(jù)量測(cè)信息和頻率偏差系數(shù)計(jì)算區(qū)域控制偏差(area control error,ACE),并經(jīng)AGC控制器計(jì)算區(qū)域控制需求(area regulation requirement,ARR),然后分配至各調(diào)頻機(jī)組。

圖1 AGC基本原理圖Fig.1 Block diagram of AGC

3)調(diào)頻機(jī)組調(diào)節(jié)出力以跟蹤AGC控制指令,補(bǔ)償負(fù)荷擾動(dòng)和出力偏差,促使系統(tǒng)頻率恢復(fù)至基準(zhǔn)值、聯(lián)絡(luò)線交換功率恢復(fù)至計(jì)劃值。

考慮可再生能源發(fā)電的接入,系統(tǒng)頻率偏差的響應(yīng)方程為:

(1)

式中:M為電力系統(tǒng)轉(zhuǎn)動(dòng)慣量;D為阻尼系數(shù);Δf為頻率偏差量;ΔPG為調(diào)頻資源功率調(diào)整量;ΔPL為負(fù)荷偏差量;ΔPT為聯(lián)絡(luò)線交換功率偏差量;ΔPR為可再生能源發(fā)電出力預(yù)測(cè)偏差。

可再生能源滲透率的不斷提升將導(dǎo)致系統(tǒng)轉(zhuǎn)動(dòng)慣量M的顯著變化,同時(shí)給電網(wǎng)的有功功率實(shí)時(shí)平衡帶來更大的擾動(dòng)ΔPR,改變電力系統(tǒng)的頻率響應(yīng)性能和調(diào)頻容量需求,從而影響電力系統(tǒng)頻率控制性能。因此,本文將首先對(duì)這一問題的研究現(xiàn)狀進(jìn)行總結(jié)。另一方面,新型調(diào)頻資源是應(yīng)對(duì)可再生能源接入對(duì)AGC造成不利影響的重要手段。新型調(diào)頻資源復(fù)雜多樣,不同類型調(diào)頻資源具有不同的調(diào)節(jié)性能、控制架構(gòu)及經(jīng)濟(jì)性特點(diǎn),因此本文將從新型調(diào)頻資源參與AGC的經(jīng)濟(jì)性、本地控制技術(shù)與建模、AGC控制策略等多個(gè)角度總結(jié)相關(guān)研究進(jìn)展。為應(yīng)對(duì)可再生能源接入和新型調(diào)頻資源參與后AGC控制的復(fù)雜性,一些先進(jìn)控制理論被應(yīng)用于AGC控制器設(shè)計(jì),以對(duì)功率調(diào)節(jié)量更優(yōu)地估計(jì)和分配,本文也將對(duì)幾種典型AGC控制方法的相關(guān)研究進(jìn)行綜述。

2 可再生能源接入對(duì)AGC的影響

2.1 可再生能源接入對(duì)系統(tǒng)頻率響應(yīng)性能的影響

以風(fēng)電、光伏為代表的可再生能源通常通過電力電子變換器接入電網(wǎng),對(duì)系統(tǒng)轉(zhuǎn)動(dòng)慣量沒有貢獻(xiàn)[3]。而隨著可再生能源裝機(jī)容量和滲透率的不斷提升并逐步替代傳統(tǒng)機(jī)組發(fā)電,電網(wǎng)在線機(jī)組的總慣量減小,有功功率擾動(dòng)情況下電網(wǎng)的頻率響應(yīng)性能將隨之惡化,根據(jù)式(1)可知,在相同的有功功率擾動(dòng)下,由于轉(zhuǎn)動(dòng)慣量M的下降,頻率偏差Δf將隨之上升。文獻(xiàn)[4]結(jié)合實(shí)際電網(wǎng)運(yùn)行數(shù)據(jù),仿真分析了不同可再生能源發(fā)電占比下電網(wǎng)的頻率響應(yīng)過程。仿真結(jié)果表明,更高的可再生能源占比下,電網(wǎng)在相同有功功率擾動(dòng)下的頻率變化率、頻率最低點(diǎn)、穩(wěn)態(tài)頻率偏差等指標(biāo)表現(xiàn)更差。文獻(xiàn)[5]通過對(duì)美國(guó)德克薩斯州(簡(jiǎn)稱“德州”)電網(wǎng)兩次頻率跌落過程的分析指出,可再生能源接入帶來的系統(tǒng)慣性下降是造成電網(wǎng)更大頻率跌落的主要原因。另一方面,由于可再生能源表現(xiàn)出一定的“反調(diào)峰”特性(主要是風(fēng)電),電網(wǎng)總慣量在峰谷時(shí)段的差異進(jìn)一步增大,導(dǎo)致電網(wǎng)頻率響應(yīng)性能評(píng)估和參數(shù)整定難度增加[6]。

為了降低可再生能源接入對(duì)頻率響應(yīng)性能的影響,一些國(guó)家出臺(tái)了針對(duì)改善可再生能源頻率響應(yīng)能力的導(dǎo)則或規(guī)定,期望可再生能源能夠像傳統(tǒng)機(jī)組一樣提供慣性響應(yīng)和頻率支撐等能力[7]。特別地,對(duì)于投運(yùn)更早的風(fēng)電機(jī)組,相關(guān)規(guī)定對(duì)其有功備用能力、頻率調(diào)節(jié)能力和應(yīng)急有功支撐能力提出了具體要求,相關(guān)規(guī)定整理見文獻(xiàn)[8]。工業(yè)界和學(xué)術(shù)界也針對(duì)這一問題展開了一系列研究與嘗試。GE和Vestas等風(fēng)機(jī)制造商在風(fēng)力發(fā)電機(jī)控制器內(nèi)附加頻率控制和有功功率控制模塊[9-10],以實(shí)現(xiàn)可再生能源出力對(duì)電網(wǎng)頻率變化的響應(yīng)。在此基礎(chǔ)上,風(fēng)電場(chǎng)內(nèi)的有功功率控制系統(tǒng)也被改造,以滿足電網(wǎng)運(yùn)營(yíng)商對(duì)于并網(wǎng)風(fēng)電的性能要求[11-12]。學(xué)術(shù)界的相關(guān)研究則嘗試通過事前評(píng)估、控制器和控制參數(shù)優(yōu)化等方法更進(jìn)一步挖掘可再生能源發(fā)電提供頻率支撐的潛力。文獻(xiàn)[13-15]對(duì)可再生能源的頻率支撐能力評(píng)估展開了研究,以指導(dǎo)可再生能源場(chǎng)站側(cè)頻率控制器的設(shè)計(jì)與優(yōu)化。為在提升可再生能源頻率響應(yīng)性能的同時(shí)保證其運(yùn)行穩(wěn)定性,文獻(xiàn)[16-19]在現(xiàn)有控制器設(shè)計(jì)基礎(chǔ)上研究了控制器參數(shù)優(yōu)化方法,可應(yīng)用于現(xiàn)有控制器的改造。文獻(xiàn)[20-24]則嘗試改進(jìn)可再生能源頻率控制器的構(gòu)架和控制邏輯,以提升可再生能源在響應(yīng)頻率變化過程中的性能表現(xiàn)。

盡管通過對(duì)可再生能源發(fā)電設(shè)備和系統(tǒng)的改進(jìn)可降低可再生能源接入對(duì)電網(wǎng)頻率響應(yīng)性能的影響,但是,可再生能源提供慣性響應(yīng)和頻率支撐的能力有限,無法在所有運(yùn)行狀態(tài)下均提供充足的頻率響應(yīng)能力?？稍偕茉刺峁T性響應(yīng)和頻率支撐的能力難以保證高可靠性,即便在單次調(diào)頻響應(yīng)過程中,可再生能源出力的變化也存在不確定性,增加了電網(wǎng)頻率控制的復(fù)雜度。

2.2 可再生能源出力波動(dòng)對(duì)調(diào)頻需求的影響

可再生能源發(fā)電出力的隨機(jī)波動(dòng)給電網(wǎng)發(fā)用電的實(shí)時(shí)平衡帶來了新的有功功率擾動(dòng),因而隨著可再生能源發(fā)電滲透率的提升,電力系統(tǒng)對(duì)調(diào)頻容量也將隨之增長(zhǎng):根據(jù)式(1),可再生能源出力偏差ΔPR的增大需要由容量更大、響應(yīng)速率更快的調(diào)頻資源提供偏差補(bǔ)償,以消除有功功率不平衡。文獻(xiàn)[25]總結(jié)了包括挪威、芬蘭、瑞士、愛爾蘭、英格蘭、德國(guó)、美國(guó)明尼蘇達(dá)州和加利福尼亞州在內(nèi)的多個(gè)國(guó)家和地區(qū)對(duì)可再生能源接入造成短期備用需求上升的研究成果。由于各國(guó)電網(wǎng)運(yùn)行方式、市場(chǎng)機(jī)制的不同,相同比例的可再生能源接入對(duì)短期備用造成的上升需求不盡相同?？稍偕茉吹念A(yù)測(cè)精度提升將有助于降低其對(duì)短期備用需求的影響。該文獻(xiàn)還指出,由于可再生能源出力變化較為迅速,爬坡速率較慢的現(xiàn)有傳統(tǒng)機(jī)組在部分時(shí)段難以滿足調(diào)節(jié)需求,新型快速調(diào)節(jié)資源亟待引入。文獻(xiàn)[26]通過對(duì)風(fēng)電隨機(jī)波動(dòng)的估計(jì),測(cè)算大規(guī)模風(fēng)電接入后中國(guó)西北各省級(jí)電網(wǎng)調(diào)頻容量需求的變化情況,計(jì)算結(jié)果指出甘肅和寧夏兩個(gè)省級(jí)電網(wǎng)所需增加的調(diào)頻需求達(dá)到風(fēng)電裝機(jī)容量的18.99%和8.35%。

可再生能源接入對(duì)調(diào)頻需求的影響與電網(wǎng)內(nèi)的可再生能源出力特性、調(diào)頻機(jī)組性能、調(diào)頻控制策略等因素密切相關(guān)。文獻(xiàn)[27]對(duì)調(diào)頻機(jī)組調(diào)節(jié)速率和風(fēng)電波動(dòng)的匹配關(guān)系進(jìn)行了分析,測(cè)算了中國(guó)華北某省級(jí)電網(wǎng)在高比例風(fēng)電場(chǎng)景下對(duì)調(diào)頻容量的需求,計(jì)算結(jié)果表明,電網(wǎng)在峰荷時(shí)段的調(diào)頻需求大于谷荷時(shí)段,上調(diào)頻備用比下調(diào)頻備用更易出現(xiàn)不足。文獻(xiàn)[28]則利用美國(guó)德州電網(wǎng)實(shí)際運(yùn)行數(shù)據(jù)對(duì)其不同風(fēng)電接入比例下的調(diào)頻需求進(jìn)行仿真,指出該電網(wǎng)對(duì)下調(diào)頻容量的需求大于對(duì)上調(diào)頻容量的需求。文獻(xiàn)[29]進(jìn)一步指出,德州電網(wǎng)在夜間谷荷時(shí)段的調(diào)頻需求更大,主要原因之一是該電網(wǎng)夜間風(fēng)電大發(fā)將帶來更大的預(yù)測(cè)誤差。文獻(xiàn)[30]則發(fā)現(xiàn),德州電網(wǎng)的風(fēng)電在早上06:00和晚上22:00較易出現(xiàn)爬坡事件,在這些時(shí)段電網(wǎng)對(duì)調(diào)頻容量的需求最大;極端天氣條件下的調(diào)頻需求可能是一般條件下的兩倍。文獻(xiàn)[31]通過仿真發(fā)現(xiàn),大規(guī)模光伏接入后美國(guó)南內(nèi)華達(dá)州電網(wǎng)在冬季的調(diào)頻需求變化量大于其在夏季的調(diào)頻需求變化量。

為保證大規(guī)?？稍偕茉唇尤胂翧GC的控制效果,并盡可能降低因調(diào)頻需求上升而導(dǎo)致運(yùn)行成本的上升,將調(diào)節(jié)性能好、調(diào)節(jié)成本低的新型調(diào)頻資源納入AGC是有效的解決方案。下文將對(duì)可再生能源發(fā)電、需求側(cè)靈活資源和儲(chǔ)能資源這三類新型調(diào)頻資源參與AGC的關(guān)鍵問題和研究動(dòng)態(tài)分別進(jìn)行了梳理和分析。

3 可再生能源參與AGC

可再生能源高占比的電力系統(tǒng)中,不受控的可再生能源出力對(duì)電網(wǎng)調(diào)頻容量和有功功率平衡控制均提出了更高要求。傳統(tǒng)機(jī)組需要預(yù)留更多的備用容量,可能導(dǎo)致其偏離經(jīng)濟(jì)運(yùn)行點(diǎn),從而降低了系統(tǒng)的經(jīng)濟(jì)性。

為了減小可再生能源出力隨機(jī)性的影響,將可再生能源納入電網(wǎng)有功功率控制已成為電網(wǎng)企業(yè)的共識(shí)[8]。中國(guó)于2011年頒布的國(guó)家標(biāo)準(zhǔn)GB/T 19963—2011《風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定》中明確指出:風(fēng)電場(chǎng)應(yīng)配置有功功率控制系統(tǒng),具備有功功率調(diào)節(jié)能力;風(fēng)電場(chǎng)應(yīng)能夠接收并自動(dòng)執(zhí)行電力系統(tǒng)調(diào)度機(jī)構(gòu)下達(dá)的有功功率及其變化的控制指令,風(fēng)電場(chǎng)有功功率及其變化應(yīng)與電力系統(tǒng)調(diào)度機(jī)構(gòu)下達(dá)的給定值一致[32]。文獻(xiàn)[33]認(rèn)為,未來應(yīng)使風(fēng)電場(chǎng)的運(yùn)行方式與現(xiàn)有傳統(tǒng)電廠的運(yùn)行方式一致,可為電網(wǎng)提供備用并參與AGC。

在可再生能源參與AGC的研究中,除經(jīng)濟(jì)性評(píng)估、控制策略優(yōu)化等熱點(diǎn)問題外,如何保證不確定性可再生能源的有功功率調(diào)節(jié)能力和調(diào)節(jié)空間也是一個(gè)關(guān)鍵問題。

3.1 可再生能源發(fā)電的有功功率控制技術(shù)

為實(shí)現(xiàn)可再生能源參與AGC,可再生能源發(fā)電兩個(gè)層面的有功功率控制能力不可或缺:在機(jī)組層面,應(yīng)具備在可用功率水平下減載運(yùn)行并跟蹤指令的能力;在場(chǎng)站層面,應(yīng)具備調(diào)節(jié)指令合理分配和反饋跟蹤的能力。

在機(jī)組層面的有功功率控制技術(shù)研究中,提升有功功率控制性能和降低調(diào)節(jié)損耗是主要的研究目標(biāo)。目前,為滿足電網(wǎng)公司對(duì)風(fēng)電接入的規(guī)定,一些商用風(fēng)機(jī)已具備基本的減載運(yùn)行和指令跟蹤能力[9,34]。典型商用風(fēng)機(jī)的有功功率控制系統(tǒng)模型見圖2。

圖2 典型商用風(fēng)機(jī)的有功功率控制系統(tǒng)模型Fig.2 Active power control system model of a typical commercial wind turbine

為延長(zhǎng)風(fēng)機(jī)變槳距機(jī)構(gòu)的使用壽命,文獻(xiàn)[35]提出了一種全風(fēng)速下風(fēng)機(jī)有功功率控制策略,在槳距角控制啟動(dòng)前盡可能使用轉(zhuǎn)速控制進(jìn)行風(fēng)機(jī)有功功率控制,在降低變槳距機(jī)構(gòu)動(dòng)作頻率和幅度的同時(shí),利用風(fēng)機(jī)轉(zhuǎn)動(dòng)慣量提升發(fā)電量。文獻(xiàn)[36]利用泰勒展開得到了風(fēng)機(jī)在當(dāng)前運(yùn)行點(diǎn)附近的線性化模型,考慮風(fēng)速的不確定性,提出了一種控制參數(shù)自適應(yīng)調(diào)整的風(fēng)機(jī)槳距角控制策略,以減小變風(fēng)速下風(fēng)機(jī)的疲勞損耗。文獻(xiàn)[37]指出,可通過改進(jìn)光伏逆變器控制策略,使其具備減載運(yùn)行和參與電網(wǎng)有功功率調(diào)節(jié)的能力。文獻(xiàn)[38]通過引入逆變器內(nèi)部參數(shù)的估計(jì)技術(shù)和最大可用出力評(píng)估技術(shù),提升了逆變器在天氣變化條件下有功功率控制的響應(yīng)速度。

在場(chǎng)站層面,合理協(xié)調(diào)多個(gè)可再生能源發(fā)電機(jī)組以實(shí)現(xiàn)控制指令的有效跟蹤和合理分配是主要研究目標(biāo)。文獻(xiàn)[33,39]分別根據(jù)風(fēng)速和風(fēng)機(jī)可用出力按比例分配調(diào)節(jié)指令,以保證分配到各風(fēng)機(jī)的調(diào)節(jié)指令可被有效執(zhí)行。文獻(xiàn)[40]則引入了風(fēng)機(jī)調(diào)節(jié)損耗,在線性化風(fēng)機(jī)模型的基礎(chǔ)上,提出了一種基于模型預(yù)測(cè)控制的風(fēng)電場(chǎng)有功功率控制策略,在實(shí)現(xiàn)控制指令有效跟蹤的同時(shí)盡可能地降低風(fēng)機(jī)的疲勞損耗。對(duì)于多個(gè)光伏逆變器間的協(xié)調(diào),根據(jù)可用出力按比例分配調(diào)節(jié)指令是一種簡(jiǎn)單、有效的手段[41]。文獻(xiàn)[42]提出了一種基于一致性理論的多光伏機(jī)組分布式有功功率控制策略,以削除控制實(shí)現(xiàn)對(duì)集中控制器的依賴性。

上述研究假設(shè)風(fēng)速或光照強(qiáng)度等可再生能源發(fā)電的重要參數(shù)可被較好估計(jì)或預(yù)測(cè),忽略了其中的不確定性因素,因此控制方法的魯棒性能難以保證。同時(shí),上述研究多采用在當(dāng)前運(yùn)行點(diǎn)線性化可再生能源的能量轉(zhuǎn)換過程及控制系統(tǒng)中包含的非線性環(huán)節(jié),對(duì)于大擾動(dòng)下的系統(tǒng)動(dòng)態(tài)無法準(zhǔn)確描述。

3.2 可再生能源參與AGC的經(jīng)濟(jì)性評(píng)估

一般而言,可再生能源減載運(yùn)行參與AGC不具有經(jīng)濟(jì)性,這是因?yàn)榭稍偕茉窗l(fā)電的邊際成本很低,其減載運(yùn)行將降低電力供給的經(jīng)濟(jì)性,可能會(huì)降低可再生能源發(fā)電商的收益。然而,近年來的一些研究和分析表明,在特定的場(chǎng)景下,可再生能源參與AGC對(duì)電網(wǎng)和可再生能源發(fā)電商都具有經(jīng)濟(jì)性。

對(duì)于電網(wǎng)而言,可再生能源參與AGC可降低其出力不確定性對(duì)電網(wǎng)調(diào)頻的需求,從而減少整個(gè)系統(tǒng)的調(diào)頻服務(wù)費(fèi)用支出[43]。同時(shí),隨著可再生源預(yù)測(cè)和控制技術(shù)的不斷提升,部分可再生能源的有功功率控制性能已優(yōu)于傳統(tǒng)機(jī)組[44],其參與AGC可減少對(duì)其他機(jī)組的調(diào)頻容量需求和調(diào)頻負(fù)擔(dān)。文獻(xiàn)[41]指出,在一些場(chǎng)景下,采用光伏減載運(yùn)行提供AGC服務(wù)甚至比投資儲(chǔ)能提供AGC服務(wù)具有更好的經(jīng)濟(jì)性。

對(duì)于可再生能源發(fā)電商而言,可再生能源減載運(yùn)行并參與AGC可使其同時(shí)參與能量市場(chǎng)及收益更高的輔助服務(wù)市場(chǎng),從而總收益得到提升。文獻(xiàn)[45]通過分析西班牙電力市場(chǎng)的歷史數(shù)據(jù)指出:即便在當(dāng)前的市場(chǎng)環(huán)境下,風(fēng)電減載運(yùn)行并參與AGC的收益也略高于風(fēng)電僅參與能量市場(chǎng)的收益;而在未來風(fēng)力發(fā)電補(bǔ)貼降低的預(yù)期下,參與AGC帶來的額外收益將更多。

3.3 可再生能源參與AGC的控制策略

由于可再生能源發(fā)電的出力具有不確定性,其參與AGC時(shí)有功功率調(diào)節(jié)能力的可靠性低于傳統(tǒng)機(jī)組。因此,應(yīng)在研究可再生能源與傳統(tǒng)調(diào)頻資源協(xié)調(diào)控制時(shí),考慮可再生能源的實(shí)時(shí)調(diào)節(jié)能力,以避免可再生能源參與AGC時(shí)因?qū)崟r(shí)調(diào)節(jié)能力不足導(dǎo)致調(diào)頻性能的下降。

文獻(xiàn)[46]結(jié)合滑動(dòng)平均和偏差估計(jì)動(dòng)態(tài)設(shè)置風(fēng)電在AGC中的基點(diǎn)值,以保證風(fēng)電參與頻率調(diào)節(jié)時(shí)的可用能力。文獻(xiàn)[47-48]基于風(fēng)機(jī)有功功率控制系統(tǒng)模型和模型預(yù)測(cè)控制技術(shù),提出了含風(fēng)電參與的AGC控制器,利用預(yù)測(cè)信息優(yōu)化控制指令生成和分配。文獻(xiàn)[49]進(jìn)一步采用分布式算法,實(shí)現(xiàn)了含風(fēng)電參與和基于模型預(yù)測(cè)的AGC控制器,提高了控制器的計(jì)算效率和實(shí)用性。文獻(xiàn)[50]則指出,基于模型預(yù)測(cè)控制和含風(fēng)電參與的AGC控制策略性能受風(fēng)機(jī)狀態(tài)量估計(jì)精度的影響,因此引入了用于風(fēng)機(jī)狀態(tài)量估計(jì)的卡爾曼濾波器以提升AGC控制性能。為了應(yīng)對(duì)輸入量的不確定性和控制模型的非線性,文獻(xiàn)[51]結(jié)合積分滑模控制和神經(jīng)網(wǎng)絡(luò)算法,提出了一種含風(fēng)電的AGC控制策略,并通過理論推導(dǎo)和仿真分析證明了所提控制策略的穩(wěn)定性。

在可再生能源參與AGC時(shí),其不確定性將給電網(wǎng)的頻率控制帶來額外風(fēng)險(xiǎn)(例如,在需要可再生能源上調(diào)出力時(shí)出現(xiàn)風(fēng)速或光照強(qiáng)度的快速跌落),而現(xiàn)有研究尚未有效處理這種風(fēng)險(xiǎn)。同時(shí),部分研究假設(shè)可再生能源在參與單次頻率控制過程中最大出力不發(fā)生變化[47,49-50],這與現(xiàn)實(shí)情況不符。另一方面,目前對(duì)于可再生能源參與AGC時(shí)的建模通常采用單機(jī)等值的確定性模型,未能考慮可再生能源的集群響應(yīng)和不確定性因素對(duì)于可再生能源調(diào)節(jié)能力的影響。

4 需求側(cè)資源參與AGC

隨著電網(wǎng)中需求側(cè)資源管理能力和可控水平的不斷提升,需求側(cè)資源參與電網(wǎng)調(diào)控、實(shí)現(xiàn)電力系統(tǒng)需求與供給良性互動(dòng)作為一種有效提升可再生能源消納能力、實(shí)現(xiàn)電網(wǎng)安全經(jīng)濟(jì)運(yùn)行的重要手段得到了廣泛關(guān)注。同時(shí),由于一些需求側(cè)資源的響應(yīng)速度和爬坡能力優(yōu)于傳統(tǒng)機(jī)組[52-55],其在AGC中具有較好的應(yīng)用潛力。

電網(wǎng)中的需求側(cè)資源廣泛分布在工業(yè)用戶、商業(yè)用戶和居民用戶中,部分可參與AGC服務(wù)的需求側(cè)資源見表1。由于不同類型需求側(cè)資源具有不同的規(guī)模和調(diào)節(jié)特性,其參與到AGC服務(wù)中將給電網(wǎng)調(diào)度部門的管理和運(yùn)行帶來極大挑戰(zhàn)。為了鼓勵(lì)需求側(cè)資源參與到AGC中,需要對(duì)AGC的相關(guān)規(guī)定和調(diào)控規(guī)則進(jìn)行修改或調(diào)整。例如,由于一些需求側(cè)資源容量相對(duì)較小,即便在經(jīng)由集成商集總后,其可調(diào)容量仍小于提供AGC服務(wù)的準(zhǔn)入門檻。為了將這部分需求側(cè)資源也納入AGC服務(wù)中,美國(guó)PJM電網(wǎng)和德州電網(wǎng)均下調(diào)了調(diào)頻資源的最低容量要求[56-57]。一些需求側(cè)資源的上調(diào)能力和下調(diào)能力并不對(duì)稱,為了在AGC中充分利用這些資源,調(diào)度部門不應(yīng)強(qiáng)制要求調(diào)頻資源具有完全相同的上下調(diào)能力[58]。考慮到部分需求側(cè)資源是“開關(guān)性負(fù)荷”,即其通過控制負(fù)荷的投入或切除實(shí)現(xiàn)用電功率控制,無法實(shí)現(xiàn)功率的連續(xù)調(diào)節(jié),美國(guó)和新英格蘭調(diào)度引入了適應(yīng)該類調(diào)頻資源的調(diào)節(jié)信號(hào),其僅包含零、滿額用電、滿額放電三種控制信號(hào)[59]。

表1 可參與AGC服務(wù)的需求側(cè)資源示例Table 1 Examples of demand side resources that can participate in AGC

相比于傳統(tǒng)調(diào)頻資源,需求側(cè)資源模型受其運(yùn)行狀態(tài)、外部環(huán)境等因素影響,因此在經(jīng)濟(jì)性評(píng)估、控制策略設(shè)計(jì)以外,刻畫其特征的模型也是一個(gè)研究熱點(diǎn)。由于需求側(cè)資源類型眾多,以下主要對(duì)具有代表性的工業(yè)電解鋁負(fù)荷、商業(yè)居民蓄冷/蓄熱負(fù)荷、電動(dòng)汽車等需求側(cè)資源的相關(guān)研究進(jìn)行討論。

4.1 需求側(cè)資源參與AGC的建模

需求側(cè)資源建模是研究其參與AGC控制策略的基礎(chǔ),因此建立有效、簡(jiǎn)潔的需求側(cè)資源模型至關(guān)重要。

對(duì)于用戶需求確定性較高、單體用電功率較大的工業(yè)負(fù)荷,相關(guān)研究主要對(duì)單個(gè)工業(yè)負(fù)荷的調(diào)節(jié)特性和運(yùn)行約束進(jìn)行建模。文獻(xiàn)[55,60]基于理論分析和實(shí)驗(yàn)數(shù)據(jù),建立了電解鋁負(fù)荷的靜態(tài)模型和基于傳遞函數(shù)的動(dòng)態(tài)線性非機(jī)理模型,以有效描述電解鋁負(fù)荷的調(diào)節(jié)特性。文獻(xiàn)[61]結(jié)合理論推導(dǎo)和運(yùn)行經(jīng)驗(yàn)指出,采用飽和電抗器調(diào)節(jié)電解鋁負(fù)荷的調(diào)節(jié)范圍為總負(fù)荷的6%左右,而采用調(diào)節(jié)變壓器側(cè)電壓改變負(fù)荷的調(diào)節(jié)范圍為總負(fù)荷的12%左右。

對(duì)于用戶需求存在一定不確定性、單個(gè)用電功率較小的商業(yè)、居民負(fù)荷,可先對(duì)單個(gè)負(fù)荷采用統(tǒng)一、簡(jiǎn)潔的形式進(jìn)行建模,然后再對(duì)大規(guī)模需求側(cè)資源進(jìn)行集總,為其參與AGC的控制策略研究奠定基礎(chǔ)。文獻(xiàn)[62-63]分別采用一階和二階熱力學(xué)模型描述大型商業(yè)樓宇內(nèi)用電負(fù)荷與溫度間的數(shù)學(xué)關(guān)系,并考慮用戶對(duì)溫度的體驗(yàn)給出了大型商業(yè)樓宇參與AGC的運(yùn)行約束和可用能力。文獻(xiàn)[64-65]則采用能量和功率上下限描述需求側(cè)資源的調(diào)節(jié)范圍,建立了多類型需求側(cè)資源的能量和功率集總模型,可方便地應(yīng)用于需求側(cè)資源調(diào)度和控制。即

(2)

文獻(xiàn)[66]在電動(dòng)汽車充電負(fù)荷集總過程中考慮了充放電效率,可更為準(zhǔn)確地評(píng)估電動(dòng)車集群在電網(wǎng)調(diào)度中的可用能力。

盡管現(xiàn)有研究嘗試通過需求側(cè)資源的集總以消除個(gè)體不確定性對(duì)于整體調(diào)節(jié)能力的影響,但這類確定性集總模型仍未能描述需求側(cè)資源整體的不確定性特征。另一方面,需求側(cè)資源往往分散于電網(wǎng)的不同節(jié)點(diǎn),其調(diào)節(jié)能力除受到自身特性的約束外,還受到電力系統(tǒng)運(yùn)行約束的影響。已發(fā)表的文獻(xiàn)尚未充分考慮此因素。

4.2 需求側(cè)資源參與AGC的經(jīng)濟(jì)性評(píng)估

需求側(cè)資源參與調(diào)頻的一個(gè)原則是盡可能減小對(duì)用戶的影響。需求側(cè)資源參與調(diào)頻時(shí)可能會(huì)給用戶帶來一定的額外投資和經(jīng)濟(jì)損失,而用戶獲得的補(bǔ)償應(yīng)足以彌補(bǔ)其損失。例如,商業(yè)居民蓄冷/蓄熱負(fù)荷(如空調(diào)、冰箱等)參與AGC時(shí),用戶需要付出包括設(shè)備操作成本和負(fù)荷非最優(yōu)運(yùn)行增加的電力需求支出在內(nèi)的運(yùn)行成本[54],但其優(yōu)良調(diào)節(jié)性能帶來的調(diào)頻收益明顯超出這些成本支出[67-68]。

由于電動(dòng)汽車經(jīng)集成商匯集后是一種“類儲(chǔ)能”資源[66],同時(shí)其電能存儲(chǔ)于鋰離子電池中,因此對(duì)其參與AGC的經(jīng)濟(jì)性分析與對(duì)鋰離子電池儲(chǔ)能系統(tǒng)的分析結(jié)論相似,即參與AGC可幫助電動(dòng)汽車集成商獲得收益[69],而不會(huì)對(duì)電動(dòng)汽車電池的使用壽命造成顯著影響[70]。

對(duì)于工業(yè)電解鋁負(fù)荷,可通過改變直流側(cè)電壓從而改變負(fù)荷消耗的有功功率。盡管電解池是一個(gè)慣性較大的熱力系統(tǒng),有功功率輸入的改變?nèi)詫?duì)其鋁產(chǎn)量造成一些影響。但是,由于電解鋁負(fù)荷通常處于電源富集、電價(jià)相對(duì)較低的地區(qū),如中國(guó)內(nèi)蒙古、甘肅等地,電解鋁負(fù)荷參與AGC將有助于降低頻率控制成本,提高可再生能源發(fā)電的消納能力[55,61]。

4.3 需求側(cè)資源參與AGC的控制策略

需求側(cè)資源參與AGC的控制策略可分為兩個(gè)層級(jí):需求側(cè)資源總控制指令的生成(調(diào)度機(jī)構(gòu)側(cè))和多個(gè)需求側(cè)資源間控制指令的分配(集成商側(cè))。

單個(gè)用電功率較大的工業(yè)負(fù)荷在參與AGC時(shí)可直接接受調(diào)度機(jī)構(gòu)下發(fā)的調(diào)節(jié)指令,不涉及多個(gè)個(gè)體間控制指令的分配,因此調(diào)節(jié)指令的生成是其研究重點(diǎn)。文獻(xiàn)[55]基于電解鋁負(fù)荷的動(dòng)態(tài)模型,提出了一種基于模型預(yù)測(cè)控制的AGC控制策略,可較好地考慮傳統(tǒng)機(jī)組和電解鋁負(fù)荷在調(diào)節(jié)過程中的特性和約束。文獻(xiàn)[71]在此基礎(chǔ)上提出了顯式模型預(yù)測(cè)控制應(yīng)用于AGC的具體方法,可方便運(yùn)行人員了解系統(tǒng)當(dāng)前運(yùn)行狀態(tài),并避免了優(yōu)化問題的在線求解,節(jié)省了計(jì)算時(shí)間。

蓄冷/蓄熱負(fù)荷、電動(dòng)汽車等需求側(cè)資源,通常由集成商接受調(diào)度機(jī)構(gòu)下發(fā)的調(diào)節(jié)指令后在多個(gè)需求側(cè)資源間分配控制指令。在調(diào)度機(jī)構(gòu)側(cè),一些文獻(xiàn)沿用了現(xiàn)有的AGC控制策略,并采用比例分配的方式在傳統(tǒng)機(jī)組和需求側(cè)資源間分配調(diào)節(jié)指令[72-73]。但這種控制策略未能充分考慮需求側(cè)資源的調(diào)節(jié)特性,控制效果趨于保守,因此一些研究對(duì)需求側(cè)資源參與下調(diào)度機(jī)構(gòu)側(cè)的AGC控制策略進(jìn)行了改進(jìn)。文獻(xiàn)[74]考慮電動(dòng)汽車參與AGC時(shí)存在的響應(yīng)延遲可能導(dǎo)致系統(tǒng)失穩(wěn),提出了一種調(diào)度機(jī)構(gòu)側(cè)控制參數(shù)的整定方法。文獻(xiàn)[75]則借鑒了儲(chǔ)能參與AGC的控制策略,對(duì)電動(dòng)汽車參與AGC的調(diào)度側(cè)控制策略進(jìn)行了優(yōu)化。

在集成商側(cè),其調(diào)節(jié)指令分配策略的主要目標(biāo)是在保證用戶需求的同時(shí)盡可能地響應(yīng)調(diào)度機(jī)構(gòu)下發(fā)的調(diào)節(jié)指令。文獻(xiàn)[72]在模型中引入熱泵爬坡能力和人體舒適的溫度范圍約束,提出了一種蓄冷/蓄熱負(fù)荷集成商分配調(diào)頻指令的實(shí)時(shí)控制策略。文獻(xiàn)[76]則提出了一種基于卡爾曼濾波器和模型預(yù)測(cè)控制的蓄冷/蓄熱負(fù)荷集成商控制策略,以提升在響應(yīng)存在延遲的情況下，跟蹤調(diào)頻指令的性能。文獻(xiàn)[75]提出了一種電動(dòng)汽車實(shí)時(shí)指令分配策略,以保證在隨機(jī)調(diào)頻指令下滿足電動(dòng)汽車用戶的充電需求。

需要指出的是,上述控制策略均以控制性能最優(yōu)為目標(biāo),但對(duì)于需求側(cè)資源而言,其參與AGC依賴于電力市場(chǎng)環(huán)境,因此經(jīng)濟(jì)性最優(yōu)應(yīng)是不容忽視的控制策略目標(biāo)之一。

與此同時(shí),需求側(cè)資源的有效控制依賴于信息物理系統(tǒng)的融合發(fā)展,如何實(shí)現(xiàn)需求側(cè)資源可靠、安全、私密和低成本的通信與調(diào)度是目前的研究熱點(diǎn),也是未來的重要研究方向。

5 儲(chǔ)能系統(tǒng)參與AGC

以電池、飛輪為代表新興儲(chǔ)能資源具有爬坡能力強(qiáng)、響應(yīng)速度快、調(diào)節(jié)精度高等特點(diǎn),參與調(diào)頻服務(wù)時(shí)可以快速響應(yīng)調(diào)頻指令,跟隨負(fù)荷與可再生能源出力的變化。由于儲(chǔ)能資源在參與調(diào)頻時(shí)跟蹤的是波動(dòng)速度快、均值接近零的信號(hào),因而對(duì)電量的要求并不高。這些特點(diǎn)使得儲(chǔ)能系統(tǒng)在AGC應(yīng)用中具有天然的性能優(yōu)勢(shì),在調(diào)頻輔助服務(wù)市場(chǎng)中具有一定競(jìng)爭(zhēng)力,在近幾年來得到了廣泛關(guān)注。

為了提升儲(chǔ)能系統(tǒng)在AGC中的利用效率,降低調(diào)頻輔助服務(wù)的費(fèi)用,一些調(diào)度部門已引入了適應(yīng)儲(chǔ)能系統(tǒng)特性的AGC控制策略和調(diào)度機(jī)制[56,59,77-80]。例如,美國(guó)PJM電網(wǎng)和新英格蘭電網(wǎng)引入了適應(yīng)儲(chǔ)能系統(tǒng)等快速調(diào)頻資源的快速調(diào)節(jié)信號(hào)(如圖3所示),在充分發(fā)揮儲(chǔ)能性能優(yōu)勢(shì)的同時(shí)規(guī)避其總電量有限的缺點(diǎn)[56,59];美國(guó)加利福尼亞州電網(wǎng)、紐約州電網(wǎng)和中部電網(wǎng)則通過實(shí)時(shí)市場(chǎng)和實(shí)時(shí)調(diào)度機(jī)制的設(shè)計(jì),對(duì)儲(chǔ)能系統(tǒng)在參與調(diào)頻服務(wù)后出現(xiàn)的電量偏差進(jìn)行補(bǔ)償,以將儲(chǔ)能系統(tǒng)的電量維持在其額定容量的中值附近,可有效提高其利用率[77-80]。中國(guó)華北電網(wǎng)也在近年針對(duì)儲(chǔ)能系統(tǒng)參與AGC服務(wù)的控制策略、控制效果和性能評(píng)價(jià)進(jìn)行了一系列的研究和試驗(yàn)工作[81-83]。

為了進(jìn)一步提升儲(chǔ)能系統(tǒng)參與AGC的可行性,儲(chǔ)能系統(tǒng)參與AGC的效用評(píng)估、經(jīng)濟(jì)性評(píng)估和控制策略設(shè)計(jì)是當(dāng)前的研究熱點(diǎn)。

圖3 快速與常規(guī)調(diào)節(jié)信號(hào)分配的示意圖Fig.3 Schematic illustration of fast and normal regulation signal allocation

5.1 儲(chǔ)能系統(tǒng)參與AGC的效用評(píng)估

由于儲(chǔ)能系統(tǒng)的電量配置、儲(chǔ)能系統(tǒng)的容量在總調(diào)頻容量中的占比等因素對(duì)AGC的調(diào)節(jié)性能和經(jīng)濟(jì)性均有較大影響,有效評(píng)估儲(chǔ)能系統(tǒng)參與AGC的效用可輔助調(diào)度部分的市場(chǎng)決策,減少調(diào)頻資源的浪費(fèi)和調(diào)頻服務(wù)的支出。

5.2 儲(chǔ)能系統(tǒng)參與AGC的經(jīng)濟(jì)性評(píng)估

盡管儲(chǔ)能系統(tǒng)具有非常優(yōu)異的調(diào)節(jié)性能,但其循環(huán)次數(shù)有限且受到充放電深度的顯著影響,參與AGC服務(wù)可能加速儲(chǔ)能系統(tǒng)的折損,因此,對(duì)儲(chǔ)能系統(tǒng)參與AGC服務(wù)在經(jīng)濟(jì)性上是否可行的分析至關(guān)重要。

文獻(xiàn)[70]分析認(rèn)為,由于實(shí)際的調(diào)頻信號(hào)多為折返頻繁的小幅信號(hào),在參與調(diào)頻過程中電池儲(chǔ)能系統(tǒng)的電量變化幅度不會(huì)太大,這樣的“淺充淺放”對(duì)電池儲(chǔ)能系統(tǒng)的壽命影響不大,電池儲(chǔ)能系統(tǒng)在輔助服務(wù)市場(chǎng)中獲得的收益高于其成本,電池儲(chǔ)能系統(tǒng)參與AGC服務(wù)前景廣闊。文獻(xiàn)[86]比較了儲(chǔ)能系統(tǒng)參與美國(guó)PJM電力市場(chǎng)不同類型輔助服務(wù)的收益情況,指出儲(chǔ)能系統(tǒng)參與調(diào)頻服務(wù)所獲得的綜合收益最高;同時(shí),該文獻(xiàn)還指出儲(chǔ)能系統(tǒng)參與調(diào)頻服務(wù)可幫助電網(wǎng)降低調(diào)頻服務(wù)的采購(gòu)成本。文獻(xiàn)[87-88]對(duì)飛輪儲(chǔ)能系統(tǒng)參與AGC服務(wù)的收益和全生命周期成本進(jìn)行了測(cè)算,發(fā)現(xiàn)其投資收益較高,具有推廣價(jià)值。文獻(xiàn)[89-91]則分析了儲(chǔ)能系統(tǒng)在美國(guó)多個(gè)電力市場(chǎng)中參與調(diào)頻服務(wù)的收益,研究結(jié)果表明,儲(chǔ)能系統(tǒng)在不同市場(chǎng)的AGC服務(wù)中均具有較強(qiáng)的競(jìng)爭(zhēng)力和盈利能力。

圖4 不同儲(chǔ)能占比和不同頻率控制標(biāo)準(zhǔn)下的調(diào)頻需求Fig.4 Regulation requirements under different proportions of energy storage and frequency regulation standards

5.3 儲(chǔ)能系統(tǒng)參與AGC的控制策略

為了在充分利用儲(chǔ)能系統(tǒng)優(yōu)異性能的同時(shí)避免其因電量越限而退出AGC運(yùn)行,儲(chǔ)能系統(tǒng)參與AGC的控制策略通常包括兩個(gè)目標(biāo)[81]:①通過與傳統(tǒng)機(jī)組間的協(xié)調(diào)控制,實(shí)現(xiàn)調(diào)節(jié)指令的最優(yōu)響應(yīng);②將儲(chǔ)能系統(tǒng)電量維持在中值附近,以保證其可用率。

圍繞以上兩個(gè)目標(biāo),相關(guān)文獻(xiàn)展開了一系列控制策略設(shè)計(jì)與討論。文獻(xiàn)[92]提出了一種保證儲(chǔ)能系統(tǒng)電量不越限的啟發(fā)式控制策略,并通過仿真給出了大規(guī)模光伏接入條件下該控制策略對(duì)應(yīng)最優(yōu)的儲(chǔ)能占比。文獻(xiàn)[93]則在通過電量、功率約束確定儲(chǔ)能系統(tǒng)可用功率的基礎(chǔ)上,比較了儲(chǔ)能系統(tǒng)和傳統(tǒng)機(jī)組采用三種不同方式進(jìn)行協(xié)調(diào)的控制效果,指出不同協(xié)調(diào)方式在不同場(chǎng)景下表現(xiàn)排序不同,不存在一種在所有場(chǎng)景下均最優(yōu)的協(xié)調(diào)方式。文獻(xiàn)[94]提出了兩種適應(yīng)AGC服務(wù)不同發(fā)展階段的控制策略,并通過仿真就不同儲(chǔ)能占比下的AGC性能和經(jīng)濟(jì)性進(jìn)行了比較分析。文獻(xiàn)[95]提出了一種在多個(gè)發(fā)電機(jī)和儲(chǔ)能系統(tǒng)間分配調(diào)頻指令的控制算法,將調(diào)頻指令分配問題描述為一個(gè)優(yōu)化問題,通過對(duì)目標(biāo)函數(shù)的合理設(shè)置,以在調(diào)頻過程中盡量維持儲(chǔ)能系統(tǒng)的剩余電量。該論文進(jìn)一步考慮了儲(chǔ)能系統(tǒng)的充放電效率和分布式算法的實(shí)現(xiàn),以提升該算法在大規(guī)模實(shí)際問題中的適用性。文獻(xiàn)[96]提出了一種在多個(gè)儲(chǔ)能系統(tǒng)間分配調(diào)節(jié)指令的控制策略,通過考慮儲(chǔ)能系統(tǒng)當(dāng)前狀態(tài)和未來可用能力,所提控制策略可在盡可能地響應(yīng)調(diào)節(jié)指令的同時(shí)保證儲(chǔ)能系統(tǒng)的利用率。

值得一提的是,上述控制策略均建立在儲(chǔ)能系統(tǒng)作為一種獨(dú)立調(diào)頻資源參與AGC的基礎(chǔ)上。但在許多實(shí)際電網(wǎng)中,僅有傳統(tǒng)機(jī)組被認(rèn)定為調(diào)頻資源,儲(chǔ)能系統(tǒng)尚無法作為獨(dú)立調(diào)頻資源直接參與到AGC中。將儲(chǔ)能系統(tǒng)安裝在火電廠內(nèi),通過與火電機(jī)組的出力配合可提高“儲(chǔ)能系統(tǒng)—火電機(jī)組”聯(lián)合體的調(diào)頻性能、增加機(jī)組的調(diào)頻服務(wù)收益。文獻(xiàn)[97]提出了發(fā)電廠內(nèi)儲(chǔ)能系統(tǒng)與傳統(tǒng)機(jī)組相互配合響應(yīng)AGC指令的控制策略。

由于儲(chǔ)能系統(tǒng)的調(diào)節(jié)將影響其使用壽命,因此儲(chǔ)能系統(tǒng)所有者在儲(chǔ)能參與AGC時(shí)可能會(huì)附加本地控制策略,以優(yōu)化儲(chǔ)能對(duì)于調(diào)度指令的響應(yīng)決策,平衡其參與AGC的收益和儲(chǔ)能的調(diào)節(jié)損耗,最大化經(jīng)濟(jì)收益[98]。由于本地控制策略的存在,調(diào)度側(cè)控制策略的最優(yōu)性和調(diào)頻效果將受到影響。

5.4 對(duì)比分析

表2對(duì)儲(chǔ)能系統(tǒng)、需求側(cè)資源、可再生能源這三類新型調(diào)頻資源參與AGC的調(diào)節(jié)性能、經(jīng)濟(jì)性、控制模式及控制策略需解決的主要問題進(jìn)行了歸納。值得注意的是,調(diào)頻資源的運(yùn)行控制和經(jīng)濟(jì)性均與能量市場(chǎng)耦合,因此應(yīng)加強(qiáng)AGC與經(jīng)濟(jì)調(diào)度問題的聯(lián)合優(yōu)化研究。

表2 新型調(diào)頻資源參與AGC的主要特點(diǎn)Table 2 Main features of new types of regulation resources in AGC

6 新理論與方法在AGC中的應(yīng)用

隨著可再生能源發(fā)電的接入和新型調(diào)頻資源的參與,電力系統(tǒng)AGC將面臨更多輸入和模型參數(shù)上的不確定因素,一些新的控制理論和方法被應(yīng)用于AGC。本節(jié)主要對(duì)較受關(guān)注的魯棒控制、模型預(yù)測(cè)控制和分布式控制的相關(guān)研究進(jìn)行綜述。

6.1 魯棒控制

可再生能源出力具有顯著的波動(dòng)性,因此其大規(guī)模接入將使得電力系統(tǒng)的運(yùn)行點(diǎn)在更大幅度內(nèi)變化。同時(shí),引入含不確定性的新型調(diào)頻資源(如可再生能源、需求側(cè)資源)后,系統(tǒng)參數(shù)的不確定性有所提升,根據(jù)單一運(yùn)行點(diǎn)整定的AGC控制器難以保證電網(wǎng)的頻率控制性能。因此,具有良好抗擾性的魯棒控制在AGC中的應(yīng)用受到了廣泛關(guān)注。

文獻(xiàn)[99]提出了基于Riccati等式的AGC魯棒控制器設(shè)計(jì)方法,但該方法對(duì)系統(tǒng)參數(shù)有特定的要求,且需通過試錯(cuò)法確定部分參數(shù),因此其應(yīng)用受到限制。文獻(xiàn)[100]研究了基于線性矩陣不等式的H∞控制在AGC中的應(yīng)用,并進(jìn)一步考慮實(shí)際AGC控制器通常采用比例—積分(PI)控制器,提出了滿足系統(tǒng)魯棒性能要求的PI參數(shù)整定方法。文獻(xiàn)[101-102]分別采用基于線性矩陣不等式和基于回路成型法的H∞魯棒控制方法研究了含儲(chǔ)能資源參與的AGC控制器設(shè)計(jì)。

除參數(shù)不確定性外,未建模動(dòng)態(tài)也是系統(tǒng)不確定性的重要組成部分。在AGC中,對(duì)一些新型調(diào)頻資源通常難以進(jìn)行準(zhǔn)確建模,因此這部分未建模動(dòng)態(tài)將影響AGC的控制性能。文獻(xiàn)[103]通過基于結(jié)構(gòu)奇異值理論的分析指出,相比于參數(shù)不確定性,未建模動(dòng)態(tài)對(duì)AGC的控制性能具有更大影響,并進(jìn)一步研究了考慮未建模動(dòng)態(tài)的AGC魯棒控制器設(shè)計(jì)方法。

6.2 模型預(yù)測(cè)控制

模型預(yù)測(cè)控制是近年來AGC領(lǐng)域的研究熱點(diǎn)。與傳統(tǒng)控制技術(shù)相比,模型預(yù)測(cè)控制可以利用系統(tǒng)狀態(tài)方程構(gòu)建預(yù)測(cè)模型,從而預(yù)測(cè)系統(tǒng)未來動(dòng)態(tài),并根據(jù)預(yù)測(cè)信息進(jìn)行控制決策。模型預(yù)測(cè)控制的另一個(gè)特點(diǎn)是其將控制問題轉(zhuǎn)換為優(yōu)化問題,可以考慮系統(tǒng)中的約束條件,適用于需考慮多種約束條件的調(diào)頻控制。

模型預(yù)測(cè)控制的基本思想見圖5。在當(dāng)前控制時(shí)刻t依據(jù)系統(tǒng)狀態(tài)量采樣信息和預(yù)測(cè)模型,求解有限步長(zhǎng)內(nèi)開環(huán)最優(yōu)問題,并將得到的最優(yōu)控制序列的第一個(gè)控制量u(t)作用于系統(tǒng)。在下一控制時(shí)刻t+1更新系統(tǒng)狀態(tài)量采樣信息,并再次求解開環(huán)最優(yōu)問題并實(shí)施控制,如此重復(fù)直至t→+∞[104]。

圖5 模型預(yù)測(cè)控制基本思想示意圖Fig.5 Illustration of basic rule for model predictive control

為進(jìn)一步利用系統(tǒng)預(yù)測(cè)信息,文獻(xiàn)[105]將負(fù)荷和新能源擾動(dòng)預(yù)測(cè)信息引入預(yù)測(cè)模型,以構(gòu)建用于AGC的模型預(yù)測(cè)控制器。仿真結(jié)果表明,在預(yù)測(cè)誤差不超過預(yù)測(cè)幅值50%的條件下,引入預(yù)測(cè)信息可以提升AGC的控制性能。

為了提升模型預(yù)測(cè)控制在AGC中的工程應(yīng)用價(jià)值,一些研究對(duì)實(shí)際部署中可能遇到的問題進(jìn)行了分析并提出了解決方案。例如,模型預(yù)測(cè)控制在決策階段需要大量的系統(tǒng)狀態(tài)量信息,但這些信息的量測(cè)可能并非完整、準(zhǔn)確,因此對(duì)狀態(tài)量的估計(jì)至關(guān)重要,文獻(xiàn)[106-107]均采用了卡爾曼濾波器以盡可能完整、準(zhǔn)確地估計(jì)AGC的相關(guān)狀態(tài)量信息;模型參數(shù)的不確定性和控制延遲的不確定性也是顯著影響模型預(yù)測(cè)控制器性能的重要因素,文獻(xiàn)[108]在控制器設(shè)計(jì)中引入了Lyapunov穩(wěn)定判據(jù),以提升控制器的魯棒性能;由于模型預(yù)測(cè)控制器需要求解優(yōu)化問題,其在大規(guī)模電網(wǎng)中的應(yīng)用對(duì)控制中心的計(jì)算能力提出了較高要求,因此一些分散式和分布式算法也是研究熱點(diǎn)[49]。

6.3 分布式控制

對(duì)于大電網(wǎng)和互聯(lián)電網(wǎng),AGC采用集中式控制模式,由調(diào)度中心計(jì)算并分發(fā)調(diào)節(jié)指令。但隨著分布式資源的大規(guī)模發(fā)展和電網(wǎng)結(jié)構(gòu)、調(diào)頻資源類型的日益復(fù)雜,集中控制模式在通信、計(jì)算需求、數(shù)據(jù)安全與隱私等方面面臨新的挑戰(zhàn)。因此,一些研究將近年來發(fā)展迅速的分布式控制技術(shù)應(yīng)用到AGC中,以期通過鄰域通信、并行計(jì)算、有限數(shù)據(jù)交互等方式推動(dòng)AGC控制模式的革新[109]。

文獻(xiàn)[110]嘗試將AGC與電網(wǎng)的經(jīng)濟(jì)調(diào)度相結(jié)合,通過鄰近節(jié)點(diǎn)間邊際電價(jià)的相互傳遞,在實(shí)現(xiàn)頻率調(diào)節(jié)的同時(shí)保證所有調(diào)頻資源的邊際電價(jià)一致。文獻(xiàn)[111]通過對(duì)傳統(tǒng)AGC的逆向工程分析發(fā)現(xiàn),集中AGC控制下的電網(wǎng)動(dòng)態(tài)恰與采用改進(jìn)原—對(duì)偶梯度法求解特定優(yōu)化問題的迭代過程一致,因此其對(duì)傳統(tǒng)AGC進(jìn)行了適當(dāng)改進(jìn)與分布式實(shí)現(xiàn),以使得AGC控制對(duì)應(yīng)的穩(wěn)態(tài)解恰為經(jīng)濟(jì)調(diào)度問題的最優(yōu)解。在此基礎(chǔ)上,文獻(xiàn)[112]進(jìn)一步討論了在考慮機(jī)組和線路運(yùn)行約束的情況下,如何利用原—對(duì)偶梯度法設(shè)計(jì)分布式AGC控制器。文獻(xiàn)[113-114]分別研究微電網(wǎng)和多端直流互聯(lián)電力系統(tǒng)中采用分布式控制方法以同時(shí)實(shí)現(xiàn)頻率恢復(fù)和經(jīng)濟(jì)調(diào)度。

6.4 其他控制方法

除以上提到的控制方法外,滑?？刂芠115]和一些智能控制方法[116-117]也在近年來的AGC研究中受到關(guān)注。這些方法的研究和應(yīng)用都旨在應(yīng)對(duì)新能源大規(guī)模接入帶來的擾動(dòng)和模型不確定性的增加及新型調(diào)頻資源參與帶來模型復(fù)雜度的提升。各類控制技術(shù)的結(jié)合與交叉優(yōu)化,也正逐漸成為趨勢(shì)。

7 結(jié)論與展望

本文對(duì)大規(guī)模可再生能源接入對(duì)AGC的影響、新型調(diào)頻資源參與AGC的關(guān)鍵問題和新形勢(shì)下的AGC控制技術(shù)三大方面的研究進(jìn)行了綜述和討論,現(xiàn)有的主要研究?jī)?nèi)容和成果可概括如下。

1)大規(guī)?？稍偕茉唇尤雽?duì)AGC的影響。結(jié)合運(yùn)行數(shù)據(jù)分析、仿真測(cè)試、理論推導(dǎo)等手段,對(duì)大規(guī)?？稍偕茉唇尤霂淼捻憫?yīng)性能惡化和調(diào)頻需求上升進(jìn)行了定量分析與評(píng)估,并對(duì)通過改進(jìn)可再生能源控制技術(shù)以降低其對(duì)于AGC的影響進(jìn)行了探索和嘗試。

2)多類型調(diào)頻資源參與AGC。分析了不同類型調(diào)頻資源參與AGC的經(jīng)濟(jì)性,并針對(duì)調(diào)頻資源的不同特點(diǎn),展開了效用評(píng)估、模型建立和控制技術(shù)改進(jìn)等方向的研究。以充分發(fā)揮調(diào)頻資源調(diào)節(jié)能力和保證其可用能力為目標(biāo),研究提出了適應(yīng)不同類型調(diào)頻資源的AGC控制策略。

3)多種控制理論與方法的應(yīng)用研究。對(duì)PI控制器研究的核心問題是控制參數(shù)的整定。隨著可再生能源的接入和新型調(diào)頻資源的參與,模糊控制、模型預(yù)測(cè)控制及人工神經(jīng)網(wǎng)絡(luò)等理論與方法被應(yīng)用于AGC以提升其控制性能,魯棒控制等則主要被用來應(yīng)對(duì)不確定性因素。這些控制方法尚未在調(diào)度中心獲得實(shí)際應(yīng)用。

在可再生能源大規(guī)模接入和更多新型調(diào)頻資源參與的新形勢(shì)下,AGC的研究可以從以下方向加強(qiáng)。

1)調(diào)頻需求的評(píng)估與優(yōu)化。大規(guī)?？稍偕茉吹慕尤牒拓?fù)荷類型的變化導(dǎo)致電力系統(tǒng)對(duì)調(diào)頻需求的變化。已發(fā)表的文獻(xiàn)從不同角度、根據(jù)不同評(píng)判標(biāo)準(zhǔn)對(duì)系統(tǒng)調(diào)頻需求進(jìn)行了分析,得出的結(jié)果和結(jié)論有一定的差異。而實(shí)際電力系統(tǒng)的調(diào)頻容量需求多基于經(jīng)驗(yàn)或固定的負(fù)荷功率比例確定。除研究基本的調(diào)頻容量需求之外,還應(yīng)研究調(diào)頻需求在日內(nèi)隨負(fù)荷和新能源出力的變化,以及對(duì)不同響應(yīng)速度(即不同類型)調(diào)頻資源的需求。

2)調(diào)頻資源的建模與控制。不同類型調(diào)頻資源的控制性能和運(yùn)行約束不同,建立有效的調(diào)頻資源模型是控制策略研究和校驗(yàn)的基礎(chǔ)。對(duì)于需求側(cè)資源和可再生能源的建模,應(yīng)考慮不確定性因素對(duì)其調(diào)節(jié)能力和跟蹤調(diào)頻信號(hào)準(zhǔn)確性的影響。此外,還應(yīng)加強(qiáng)對(duì)需求側(cè)靈活資源、儲(chǔ)能和可再生能源發(fā)電參與調(diào)頻的個(gè)體與集群的優(yōu)化控制研究,并需考慮調(diào)頻資源內(nèi)部多主體的相互協(xié)調(diào)、信息物理系統(tǒng)的融合與隱私安全等問題。

3)調(diào)度中心AGC控制機(jī)制與方法。在線機(jī)組和調(diào)頻資源的變化將導(dǎo)致系統(tǒng)頻率響應(yīng)特性的變化,對(duì)調(diào)度中心應(yīng)進(jìn)行自適應(yīng)和變參數(shù)(如考慮系統(tǒng)頻率偏差系數(shù)的變化)的AGC控制策略研究。為提升大規(guī)?？稍偕茉唇尤霔l件下多類型調(diào)頻資源參與AGC的經(jīng)濟(jì)性,考慮控制區(qū)之間的調(diào)頻資源共享及AGC與經(jīng)濟(jì)調(diào)度的多時(shí)間尺度聯(lián)合優(yōu)化有待深入研究。此外,大電網(wǎng)的頻率控制與微電網(wǎng)及主動(dòng)配電網(wǎng)層面的有功功率控制協(xié)調(diào)也是需要加強(qiáng)的研究方向。

4)AGC輔助市場(chǎng)設(shè)計(jì)與調(diào)頻資源的市場(chǎng)競(jìng)爭(zhēng)。AGC輔助服務(wù)市場(chǎng)的研究主要涉及調(diào)頻容量需求優(yōu)化、多類型調(diào)頻資源的準(zhǔn)入條件、報(bào)價(jià)與出清機(jī)制、考核與補(bǔ)償標(biāo)準(zhǔn)等方面。從市場(chǎng)組織者和社會(huì)效益的角度,應(yīng)研究調(diào)頻市場(chǎng)的組織時(shí)序、與能量及其他輔助服務(wù)市場(chǎng)的配合、對(duì)不同類型調(diào)頻資源的容量約束等。對(duì)調(diào)頻資源而言,其參與市場(chǎng)的競(jìng)價(jià)、容量分配和能量與調(diào)頻聯(lián)合優(yōu)化策略等是值得研究的內(nèi)容。

參考文獻(xiàn)

[1] 魯宗相,黃瀚,單葆國(guó),等.高比例可再生能源電力系統(tǒng)結(jié)構(gòu)形態(tài)演化及電力預(yù)測(cè)展望[J].電力系統(tǒng)自動(dòng)化,2017,41(9):12-18.DOI:10.7500/AEPS20170109001.

LU Zongxiang, HUANG Han, SHAN Baoguo, et al. Morphological evolution model and power forecasting prospect of future electric power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2017, 41(9): 12-18. DOI: 10.7500/AEPS20170109001.

[2] SHANKAR R, PRADHAN S R, CHATTERJEE K, et al. A comprehensive state of the art literature survey on LFC mechanism for power system[J]. Renewable and Sustainable Energy Reviews, 2017, 76: 1185-1207.

[3] DREIDY M, MOKHLIS H, MEKHILEF S. Inertia response and frequency control techniques for renewable energy sources: a review[J]. Renewable and Sustainable Energy Reviews, 2017, 69: 144-155.

[4] MILLER N W, SHAO M, VENKATARAMAN S, et al. Frequency response of California and WECC under high wind and solar conditions[C]// IEEE Power and Energy Society General Meeting, July 22-26, 2012, San Diego, CA, USA: 1-8.

[5] CONTO J. Grid challenges on high penetration levels of wind power[C]// IEEE Power and Energy Society General Meeting, July 22-26, 2012, San Diego, USA: 1-3.

[6] SHARMA S, HUANG S H, SARMA N. System inertial frequency response estimation and impact of renewable resources in ERCOT interconnection[C]// IEEE Power and Energy Society General Meeting, July 24-29, 2011, Detroit, USA: 1-6.

[7] BEVRANI H, GHOSH A, LEDWICH G. Renewable energy sources and frequency regulation: survey and new perspectives[J]. IET Renewable Power Generation, 2010, 4(5): 438-457.

[8] 唐西勝,苗福豐,齊智平,等.風(fēng)力發(fā)電的調(diào)頻技術(shù)研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(25):4304-4314.

TANG Xisheng, MIAO Fufeng, QI Zhiping, et al. Survey on frequency control of wind power[J]. Proceedings of the CSEE, 2014, 34(25): 4304-4314.

[9] CLARK K, MILLER N W, SANCHEZ G J. Modeling of GE wind turbine-generators for grid studies[R]. New York, USA: General Electric International Inc., 2010.

[10] MARTINEZ A, NAYEBI K, GUPTA M, et al. Wind power plant frequency control to support the penetration of high levels of renewable sources[R]. Melbourne, Australia: Vestas Wind Systems A/S, 2016.

[11] TARNOWSKI G C. Wind power plant frequency control: Denmark, 2013/050139[P]. 2018-01-05.

[12] 孫驍強(qiáng),劉鑫,程松,等.光伏逆變器參與西北送端大電網(wǎng)快速頻率響應(yīng)能力實(shí)測(cè)分析[J].電網(wǎng)技術(shù),2017,41(9):2792-2798.

SUN Xiaoqiang, LIU Xin, CHENG Song, et al. Actual measurement and analysis of fast frequency response capability of PV inverters in northwest power grid[J]. Power System Technology, 2017, 41(9): 2792-2798.

[13] KANG M, KIM K, MULJADI E, et al. Frequency control support of a doubly-fed induction generator based on the torque limit[J]. IEEE Transactions on Power Systems, 2016, 31(6): 4575-4583.

[14] WU L, INFIELD D G. Towards an assessment of power system frequency support from wind plant-modeling aggregate inertial response[J]. IEEE Transactions on Power Systems, 2013, 28(3): 2283-2291.

[15] HANSEN A D, ALTIN M, MARGARIS I D, et al. Analysis of the short-term overproduction capability of variable speed wind turbines[J]. Renewable Energy, 2014, 68(7): 326-336.

[16] WILCHES-BERNAL F, CHOW J H, SANCHEZ-GASCA J J. A fundamental study of applying wind turbines for power system frequency control[J]. IEEE Transactions on Power Systems, 2016, 31(2): 1496-1505.

[17] HUANG Linbin, XIN Huanhai, ZHANG Leiqi, et al. Synchronization and frequency regulation of DFIG-based wind turbine generators with synchronized control[J]. IEEE Transactions on Energy Conversion, 2017, 32(3): 1251-1262.

[18] VIDYANANDAN K V, SENROY N. Primary frequency regulation by de-loaded wind turbines using variable droop[J]. IEEE Transactions on Power Systems, 2013, 28(2): 837-846.

[19] HU Jiabing, SUN Li, YUAN Xiaoming, et al. Modeling of type 3 wind turbines with df/dtinertia control for system frequency response study[J]. IEEE Transactions on Power Systems, 2017, 32(4): 2799-2809.

[20] MIN H, MULJADI E, PARK J W, et al. Dynamic droop-based inertial control of a doubly-fed induction generator[J]. IEEE Transactions on Sustainable Energy, 2016, 7(3): 924-933.

[21] AHO J, PAO L, FLEMING P. An active power control system for wind turbines capable of primary and secondary frequency control for supporting grid reliability[C]// AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition, January 7-10, 2013, Grapevine, USA: 1-13.

[22] GHOSH S, KAMALASADAN S, SENROY N, et al. Doubly fed induction generator(DFIG)-based wind farm control framework for primary frequency and inertial response application[J]. IEEE Transactions on Power Systems, 2016, 31(3): 1861-1871.

[23] AHMADYAR A S, VERBIC G. Control strategy for optimal participation of wind farms in primary frequency control[C]// IEEE Eindhoven PowerTech, June 29-July 2, 2015, Eindhoven, Netherlands: 1-6.

[24] VARIANI M H, TOMSOVIC K. Two-level control of doubly fed induction generator using flatness-based approach[J]. IEEE Transactions on Power Systems, 2016, 31(1): 518-525.

[25] HOLTTINEN H, MEIBOM P, ORTHS A, et al. Impacts of large amounts of wind power on design and operation of power systems, results of IEA collaboration[J]. Wind Energy, 2011, 14(2): 179-192.

[26] 白興忠,江國(guó)琪,王建學(xué),等.風(fēng)電接入對(duì)西北電網(wǎng)輔助服務(wù)的影響[J].中國(guó)電力,2009,42(12):73-76.

BAI Xingzhong, JIANG Guoqi, WANG Jianxue, et al. Influences of wind power connecting on ancillary services of Northwest China grid[J]. Electric Power, 2009, 42(12): 73-76.

[27] 丁立,喬穎,魯宗相,等.高比例風(fēng)電對(duì)電力系統(tǒng)調(diào)頻指標(biāo)影響的定量分析[J].電力系統(tǒng)自動(dòng)化,2014,38(14):1-8.DOI:10.7500/AEPS20130810001.

DING Li, QIAO Ying, LU Zongxiang, et al. Impact on frequency regulation of power system from wind power with high penetration[J]. Automation of Electric Power Systems, 2014, 38(14): 1-8. DOI: 10.7500/AEPS20130810001.

[28] WALLING R A, FREEMAN L A, LASHER W P. Regulation requirements with high wind generation penetration in the ERCOT market[C]// Power Systems Conference and Exposition, March 15-18, Seattle, USA: 1-7.

[29] HUANG S H, MAGGIO D, MCINTYRE K A, et al. Impact of wind generation on system operations in the deregulated environment: ERCOT experience[C]// IEEE Power and Energy Society General Meeting, July 26-30, 2009, Calgary, Canada: 4765-4772.

[30] CHAVEZ H, BALDICK R, SHARMA S. Regulation adequacy analysis under high wind penetration scenarios in ERCOT nodal[J]. IEEE Transactions on Sustainable Energy, 2012, 3(4): 743-750.

[31] MA Jian, LU Shuai, HAFEN R P, et al. The impact of solar photovoltaic Generation on balancing requirements in the southern Nevada system[C]// IEEE PES Transmission and Distribution Conference and Exposition, May 7-10, 2012, Orlando, USA: 1-9.

[32] 中國(guó)電力科學(xué)研究院.風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定:GB/T 19963—2011[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2011.

[33] CHANG-CHIEN L R. YIN Y C. Strategies for operating wind power in a similar manner of conventional power plant[J]. IEEE Transactions on Energy Conversion, 2009, 24(4): 926-934.

[34] JONKMAN J, BUTTERFIELD S, MUSIAL W, et al. Definition of a 5 MW reference wind turbine for offshore system development[R]. USA: National Renewable Energy Laboratory (NREL), 2009.

[35] 周志超,王成山,郭力,等.變速變槳距風(fēng)電機(jī)組的全風(fēng)速限功率優(yōu)化控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(8):1837-1844.

ZHOU Zhichao, WANG Chengshan, GUO Li, et al. Output power curtailment control of variable-speed variable-pitch wind turbine generator at all wind speed regions[J]. Proceedings of the CSEE, 2015, 35(8): 1837-1844.

[36] YUAN Y, TANG J. Adaptive pitch control of wind turbine for load mitigation under structural uncertainties[J]. Renewable Energy, 2017, 71(105): 483-494.

[38] HOKE A F, SHIRAZI M, CHAKRABORTY S A, et al. Rapid active power control of photovoltaic systems for grid frequency support[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2017, 5(3): 1154-1163.

[39] HANSEN A D, SORENSEN P, IOV F, et al. Centralised power control of wind farm, with doubly fed induction generators[J]. Renewable Energy, 2006, 31(7): 935-951.

[40] ZHAO Haoran, WU Qiuwei, HUANG Shaojun, et al. Fatigue load sensitivity-based optimal active power dispatch for wind farms[J]. IEEE Transactions on Sustainable Energy, 2017, 8(3): 1247-1259.

[41] ZARINA P P, MISHRA S, SEKHAR P C. Exploring frequency control capability of a PV system in a hybrid PV-rotating machine-without storage system[J]. International Journal of Electrical Power and Energy Systems, 2014, 60(60): 258-267.

[42] XIN Huanhai, LU Zehan, LIU Yun, et al. A center-free control strategy for the coordination of multiple photovoltaic generators[J]. IEEE Transactions on Smart Grid, 2014, 5(3): 1262-1269.

[43] DVORKIN Y. ORTEGA-VAZUQEZ M A, KIRSCHEN D S. Wind generation as a reserve provider[J]. IET Generation Transmission and Distribution, 2015, 9(8): 779-787.

[44] AHO J, FLEMING P, PAO L Y. Active power control of wind turbines for ancillary services: a comparison of pitch and torque control methodologies[C]// American Control Conference (ACC), July 6-8, 2016, Boston, USA: 1407-1412.

[45] SAIZ-MARIN E, GARCIA-GONZALEZ J, BARQUIN J A. Economic assessment of the participation of wind generation in the secondary regulation market[J]. IEEE Transactions on Power Systems, 2012, 27(2): 866-874.

[46] CHANG-CHIEN L R. LIN W T,YIN Y C. Enhancing frequency response control by DFIGs in the high wind penetrated power systems[J]. IEEE Transactions on Power Systems, 2011, 26(2): 710-718.

[47] MOHAMED T H, MOREL J, BEVRANI H, et al. Model predictive based load frequency control design concerning wind turbines[J]. International Journal of Electrical Power and Energy Systems, 2012, 43(1): 859-867.

[48] LUO H, HU Z, XIE X. Model predictive based automatic generation control with participation of the output-constrained wind farms[C]// IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), October 25-28, 2016, Xi’an, China: 1584-1588.

[49] MA Miaomiao, LIU Xiangjie, ZHANG Chunyu. LFC for multi-area interconnected power system concerning wind turbines based on DMPC[J]. IET Generation Transmission and Distribution, 2017, 11(10): 2689-2696.

[50] BACCINO F, CONTE F, GRILLO S A, et al. An optimal model-based control technique to improve wind farm participation to frequency regulation[J]. IEEE Transactions on Sustainable Energy, 2015, 6(3): 993-1003.

[51] QIAN Dianwei, TONG Shiwen, LIU Hong, et al. Load frequency control by neural-network-based integral sliding mode for nonlinear power systems with wind turbines[J]. Neurocomputing, 2016, 173: 875-885.

[52] LIN Yashen, BAROOAH P, MEYN S, et al. Experimental evaluation of frequency regulation from commercial building HVAC systems[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 776-783.

[53] LAKSHMANAN V, MARINELLI M, HU J, et al. Provision of secondary frequency control via demand response activation on thermostatically controlled loads: solutions and experiences from Denmark[J]. Applied Energy, 2016, 173: 470-480.

[54] BEIL I, HISKENS I, BACKHAUS S. Frequency regulation from commercial building HVAC demand response[J]. Proceedings of the IEEE, 2016, 104(4): 745-757.

[55] JIANG Hao, LIN Jin, SONG Yonghua, et al. MPC-based frequency control with demand-side participation: a case study in an isolated wind-aluminum power system[J]. IEEE Transactions on Power Systems, 2015, 30(6): 3327-3337.

[56] PILONG C. PJM manual 12: balancing operation[R/OL]. [2017-12-03]. https://www.mendeley.com/research-papers/pjm-manual-12-balancing-operations/.

[57] ERCOT. ERCOT nodal protocols section 6:adjustment period and real-time operations[R/OL]. [2017-12-04]. http://www.doc88.com/p-9932181500559.html.

[58] CAPPERS P, MACDONALD J, GOLDMAN C, et al. An assessment of market and policy barriers for demand response providing ancillary services in US electricity markets[J]. Energy Policy, 2013, 62(7): 1031-1039.

[59] ISO N E. Description of the energy neutral AGC dispatch algorithm[R]. USA: ISO-NE, 2015.

[60] JIANG Hao, LIN Jin, SONG Yonghua, et al. Demand side frequency control scheme in an isolated wind power system for industrial aluminum smelting production[J]. IEEE Transactions on Power Systems, 2014, 29(2): 844-853.

[61] XU J, LIAO S, SUN Y, et al. An isolated industrial power system driven by wind-coal power for aluminum productions: a case study of frequency control[J]. IEEE Transactions on Power Systems, 2014, 30(1): 471-483.

[62] YIN Rongxin, KARA E C, LI Yaping, et al. Quantifying flexibility of commercial and residential loads for demand response using setpoint changes[J]. Applied Energy, 2016, 177: 149-164.

[63] LIN Yashen, BAROOAH P, MATHIEU J L. Ancillary services through demand scheduling and control of commercial buildings[J]. IEEE Transactions on Power Systems, 2017, 32(1): 186-197.

[64] HAO He, SANANDAJI B M, POOLLA K, et al. Aggregate flexibility of thermostatically controlled loads[J]. IEEE Transactions on Power Systems, 2015, 30(1): 189-198.

[65] XU Z, CALLAWAY D S, HU Z, et al. Hierarchical coordination of heterogeneous flexible loads[J]. IEEE Transactions on Power Systems, 2016, 31(6): 4206-4216.

[66] ZHANG Hongcai, HU Zechun, XU Zhiwei, et al. Evaluation of achievable vehicle-to-grid capacity using aggregate PEV model[J]. IEEE Transactions on Power Systems, 2017, 32(1): 784-794.

[67] LIN Yashen, BAROOAH P, MEYN S, et al. Experimental evaluation of frequency regulation from commercial building HVAC systems[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 776-783.

[68] AUNEDI M, KOUNTOURIOTIS P A, CALDERON J O, et al. Economic and environmental benefits of dynamic demand in providing frequency regulation[J]. IEEE Transactions on Smart Grid, 2013, 4(4): 2036-2048.

[69] LUO Z, HU Z, SONG Y, et al. Economic analyses of plug-in electric vehicle battery providing ancillary services[C]// IEEE International Electric Vehicle Conference (IEVC), March 4-8, 2012, Greenville, USA: 1-5.

[70] HAN S, HAN S, SEZAKI K. Economic assessment on V2G frequency regulation regarding the battery degradation[C]// IEEE PES Innovative Smart Grid Technologies (ISGT), January 16-20, 2012, Washington, USA: 1-6.

[71] JIANG Hao, LIN Jin, SONG Yonghua, et al. Explicit model predictive control applications in power systems: an AGC study for an isolated industrial system[J]. IET Generation Transmission and Distribution, 2016, 10(4): 964-971.

[72] VRETTOS E, ANDERSSON G. Scheduling and provision of secondary frequency reserves by aggregations of commercial buildings[J]. IEEE Transactions on Sustainable Energy, 2016, 7(2): 850-864.

[73] KIM Y J, FUENTES E, NORFORD L K. Experimental study of grid frequency regulation ancillary service of a variable speed heat pump[J]. IEEE Transactions on Power Systems, 2016, 31(4): 3090-3099.

[74] KO K S, SUNG D K. The effect of EV aggregators with time-varying delays on the stability of a load frequency control system[J]. IEEE Transactions on Power Systems, 2018, 33(1): 669-680.

[75] LIU H, QI J, WANG J, et al. EV dispatch control for supplementary frequency regulation considering the expectation of EV owners[J/OL]. IEEE Transactions on Smart Grid[2018-01-05]. http://ieeexplore.ieee.org/document/7790841/.

[76] LEDVA G S, VRETTOS E, MASTELLONE S, et al. Managing communication delays and model error in demand response for frequency regulation[J]. IEEE Transactions on Power Systems, 2018, 33(2): 1299-1308.

[77] JIANG Y. Business practices manual:energy and operating reserve market[R]. USA: MISO, 2016.

[78] MALEKOS J. Non-generator resource and regulation energy management project[R]. USA: CAISO, 2012.

[79] NYISO. Operation engineering.ancillary services manual[R]. USA: NYISO, 2016.

[80] HICKEY J. Limited energy storage resource market integration update[R]. USA: NYISO, 2009.

[81] XIE X, LUO H, NIU S, et al. Optimal control strategy for energy storage system participating in automatic generation control[C]// 21st Conference of Electric Power Supply Industry, February 26, Bangkok, Thailand: 1-6.

[82] ZHANG Fang, HU Zechun, XIE Xu, et al. Assessment of the effectiveness of energy storage resources in the frequency regulation of a single-area power system[J]. IEEE Transactions on Power Systems, 2017, 32(5): 3373-3380.

[83] 吳繼平,謝旭,郭磊,等.基于實(shí)際跟蹤數(shù)據(jù)統(tǒng)計(jì)分析的機(jī)組調(diào)節(jié)性能評(píng)價(jià)指標(biāo)[J].電力系統(tǒng)自動(dòng)化,2017,41(4):163-169.DOI:10.7500/AEPS20160522009.

WU Jiping, XIE Xu, GUO Lei, et al. Unit regulation performance indices based on statistical analysis of real tracking data[J]. Automation of Electric Power Systems, 2017, 41(4): 163-169. DOI: 10.7500/AEPS20160522009.

[84] MAKAROV Y V, LU S, MA J, et al. Assessing the value of regulation resources based on their time response characteristics[R]. USA: Pacific Northwest National Laboratory (PNNL), 2008.

[85] KEMA. To determine the effectiveness of the AGC in controlling fast and conventional resources in the PJM frequency regulation market[R]. USA: KEMA, 2011.

[86] WALAWALKAR R, APT J. Market analysis of emerging electric energy storage systems[R]. USA: NETL, 2008.

[87] 吳晉波.飛輪儲(chǔ)能技術(shù)及其在電力系統(tǒng)控制中的應(yīng)用研究[D].武漢:華中科技大學(xué),2011.

[88] 薛金花,葉季蕾,汪春,等.飛輪儲(chǔ)能在區(qū)域電網(wǎng)中的調(diào)頻應(yīng)用及經(jīng)濟(jì)性分析[J].電網(wǎng)與清潔能源,2013,29(12):113-118.

XUE Jinhua, YE Jilei, WANG Chun, et al. Frequency regulation application and economic analysis of flywheel energy storage in a regional power grid[J]. Power System and Clean Energy, 2013, 29(12): 113-118.

[89] BYRNE R H, SILVA M A. Potential revenue from electrical energy storage in the electricity reliability council of Texas(ERCOT)[C]// PES General Meeting Conference and Exposition, July 27-31, National Harbor, USA: 1-5.

[90] BYRNE R H, SILVA M A. Estimating the maximum potential revenue for grid connected electricity storage: arbitrage and regulation[R]. USA: Sandia National Laboratories, 2012.

[91] WALAWALKAR R, APT J, MANCINI R. Economics of electric energy storage for energy arbitrage and regulation in New York[J]. Energy Policy, 2007, 35(4): 2558-2568.

[92] CHEN Shuaixun, ZHANG Tian, GOOI H B, et al. Penetration rate and effectiveness studies of aggregated BESS for frequency regulation[J]. IEEE Transactions on Smart Grid, 2016, 7(1): 167-177.

[93] CHENG Y, TABRIZI M, SAHNI M, et al. Dynamic available AGC based approach for enhancing utility scale energy storage performance[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 1070-1078.

[94] 胡澤春,謝旭,張放,等.含儲(chǔ)能資源參與的自動(dòng)發(fā)電控制策略研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(29):5080-5087.

HU Zechun, XIE Xu, ZHANG Fang, et al. Research on automatic generation control strategy incorporating energy storage resources[J]. Proceedings of the CSEE, 2014, 34(29): 5080-5087.

[95] MEGEL O, LIU T, HILL D J, et al. Distributed secondary frequency control algorithm considering storage efficiency[J/OL]. IEEE Transactions on Smart Grid[2018-01-05]. http://ieeexplore.ieee.org/document/7932464/.

[96] KIM W W, SHIN J S, KIM J O. Operation strategy of multi-energy storage system for ancillary services[J]. IEEE Transactions on Power Systems, 2017, 32(6): 4409-4417.

[97] XIE X, GUO Y, WANG B, et al. Improving AGC performance of coal-fueled thermal generators using multi-MW scale BESS: a practical application[J/OL]. IEEE Transactions on Smart Grid[2018-01-05]. http://ieeexplore.ieee.org/document/7542188/.

[98] XU B, SHI Y, KIRSCHEN D S, et al. Optimal battery participation in frequency regulation markets[J/OL]. [2018-01-08]. https://arxiv.org/abs/1710.10514.

[99] RAY G, PRASAD A N, PRASAD G D. A new approach to the design of robust load-frequency controller for large scale power systems[J]. Electric Power Systems Research, 1999, 51(1): 13-22.

[100] RERKPREEDAPONG D, HASANOVIC A, FELIACHI A. Robust load frequency control using genetic algorithms and linear matrix inequalities[J]. IEEE Transactions on Power Systems, 2003, 18(2): 855-861.

[101] ZHU Dinghuan, HUG-GLANZMANN G. Coordination of storage and generation in power system frequency control using an H-infinity approach[J]. IET Generation Transmission and Distribution, 2013, 7(11): 1263-1271.

[102] SINGH V P, MOHANTY S R, KISHOR N, et al. Robust H-infinity load frequency control in hybrid distributed generation system[J]. International Journal of Electrical Power and Energy Systems, 2013, 46(1): 294-305.

[103] TAN W, SUI L, XU Z. Robust analysis and design of load frequency controller for power systems[J]. Electric Power Systems Research, 2009, 79(5): 846-853.

[104] MACIEJOWKI J M, Predictive control: with constraints [M]. US: Pearson Education, 2002.

[105] GANGER D, ZHANG Junshan, VITTAL V. Forecast-based anticipatory frequency control in power systems[J]. IEEE Transactions on Power Systems, 2018, 33(1): 1004-1012.

[106] ERSDAL A M, IMSLAND L, UHLEN K. Model predictive load-frequency control[J]. IEEE Transactions on Power Systems, 2015, 31(1): 777-785.

[107] MCNAMARA P, MILANO F. Model predictive control-based AGC for multi-terminal HVDC-connected AC grids[J]. IEEE Transactions on Power Systems, 2018, 33(1): 1036-1048.

[108] OJAGHI P, RAHMANI M. LMI-based robust predictive load frequency control for power systems with communication delays[J]. IEEE Transactions on Power Systems, 2017, 32(5): 4091-4100.

[109] MOLZAHN D K, DORFLER F, SANDBERG H, et al. A survey of distributed optimization and control algorithms for electric power systems[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2941-2962.

[110] ZHAO Changhong, MALLADA E, DOERFLER F. Distributed frequency control for stability and economic dispatch in power networks[C]// American Control Conference (ACC), July 1-3, 2015, Chicago, USA: 2359-2364.

[111] LI N, ZHAO C, CHEN L. Connecting automatic generation control and economic dispatch from an optimization view[J]. IEEE Transactions on Control of Network Systems, 2016, 3(3): 254-264.

[112] WANG Z, LIU F, LOW S H, et al. Distributed frequency control with operational constraints,part II:network power balance[J/OL]. IEEE Transactions on Smart Grid[2018-01-05]. http://ieeexplore.ieee.org/document/7990367/.

[113] D?RFLER F. SIMPSON-PORCO J W,BULLO F.breaking the hierarchy:distributed control and economic optimality in microgrids[J]. IEEE Transactions on Control of Network Systems, 2016, 3(3): 241-253.

[114] ANDREASSON M, WIGET R, DIMAROGONAS D V, et al. Distributed frequency control through MTDC transmission systems[J]. IEEE Transactions on Power Systems, 2017, 32(1): 250-260.

[115] MU Chaoxu, TANG Yufei, HE Haibo. Improved sliding mode design for load frequency control of power system integrated an adaptive learning strategy[J]. IEEE Transactions on Industrial Electronics, 2017, 64(8): 6742-6751.

[116] 殷林飛,鄭寶敏,余濤.人工情感Q學(xué)習(xí)的互聯(lián)電網(wǎng)自動(dòng)發(fā)電控制算法[J].控制理論與應(yīng)用,2016,33(12):1650-1657.

YAN Linfei, ZHENG Baomin, YU Tao. Artificial emotional Q-learning for automatic generation control of interconnected power grids[J]. Control Theory and Applications, 2016, 33(12): 1650-1657.

[117] FARHANGI R, BOROUSHAKI M, HOSSEINI S H. Load-frequency control of interconnected power system using emotional learning-based intelligent controller[J]. International Journal of Electrical Power and Energy Systems, 2012, 36(1): 76-83.