大規(guī)模可再生能源接入背景下自動發(fā)電控制研究現(xiàn)狀與展望

胡澤春, 羅浩成

(1. 清華大學電機工程與應(yīng)用電子技術(shù)系, 北京市 100084; 2. 電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點實驗室, 清華大學, 北京市 100084)

0 引言

為應(yīng)對化石能源危機和環(huán)境污染問題,世界各國大力推動以風電和光伏為代表的可再生能源發(fā)展,促進電能生產(chǎn)的清潔化轉(zhuǎn)型[1]。然而,風電、光伏的發(fā)電出力具有隨機性、間歇性和難以準確預測等特點,其裝機容量的迅猛增長已給電力系統(tǒng)安全穩(wěn)定和經(jīng)濟運行帶來了巨大挑戰(zhàn)。

電力系統(tǒng)自動發(fā)電控制(automatic generation control,AGC)是實現(xiàn)發(fā)電功率和負荷功率平衡,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)電功率跟隨負荷功率的隨機擾動。隨著以風電和光伏大規(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)和機遇。一方面,隨著風電機組和光伏發(fā)電系統(tǒng)替代傳統(tǒng)機組發(fā)電,使得在線機組的總轉(zhuǎn)動慣量減小,維持頻率質(zhì)量的能力降低,而可再生能源發(fā)電出力的隨機波動又加重了系統(tǒng)對調(diào)頻資源的需求;另一方面,風電和光伏發(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能資源和需求側(cè)靈活資源,如化學電池儲能、電動汽車、蓄冷/蓄熱負荷等。相比火力發(fā)電機組,新型儲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。

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

本文在簡單概述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,分別對可再生能源發(fā)電、需求側(cè)靈活資源、儲能資源等新型調(diào)頻資源參與AGC的關(guān)鍵問題和研究動態(tài)進行了總結(jié)和分析。接著,歸納并討論了幾類先進控制技術(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)負荷出現(xiàn)擾動或發(fā)電機組出力出現(xiàn)偏差,導致系統(tǒng)頻率偏離基準值,聯(lián)絡(luò)線交換功率偏離預定的計劃值。

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

圖1 AGC基本原理圖Fig.1 Block diagram of AGC

3)調(diào)頻機組調(diào)節(jié)出力以跟蹤AGC控制指令,補償負荷擾動和出力偏差,促使系統(tǒng)頻率恢復至基準值、聯(lián)絡(luò)線交換功率恢復至計劃值。

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)電出力預測偏差。

可再生能源滲透率的不斷提升將導致系統(tǒng)轉(zhuǎn)動慣量M的顯著變化,同時給電網(wǎng)的有功功率實時平衡帶來更大的擾動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,本文將首先對這一問題的研究現(xiàn)狀進行總結(jié)。另一方面,新型調(diào)頻資源是應(yīng)對可再生能源接入對AGC造成不利影響的重要手段。新型調(diào)頻資源復雜多樣,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)濟性特點,因此本文將從新型調(diào)頻資源參與AGC的經(jīng)濟性、本地控制技術(shù)與建模、AGC控制策略等多個角度總結(jié)相關(guān)研究進展。為應(yīng)對可再生能源接入和新型調(diào)頻資源參與后AGC控制的復雜性,一些先進控制理論被應(yīng)用于AGC控制器設(shè)計,以對功率調(diào)節(jié)量更優(yōu)地估計和分配,本文也將對幾種典型AGC控制方法的相關(guān)研究進行綜述。

2 可再生能源接入對AGC的影響

2.1 可再生能源接入對系統(tǒng)頻率響應(yīng)性能的影響

以風電、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),對系統(tǒng)轉(zhuǎn)動慣量沒有貢獻[3]。而隨著可再生能源裝機容量和滲透率的不斷提升并逐步替代傳統(tǒng)機組發(fā)電,電網(wǎng)在線機組的總慣量減小,有功功率擾動情況下電網(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下,由于轉(zhuǎn)動慣量M的下降,頻率偏差Δf將隨之上升。文獻[4]結(jié)合實際電網(wǎng)運行數(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下的頻率變化率、頻率最低點、穩(wěn)態(tài)頻率偏差等指標表現(xiàn)更差。文獻[5]通過對美國德克薩斯州(簡稱“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(主要是風電),電網(wǎng)總慣量在峰谷時段的差異進一步增大,導致電網(wǎng)頻率響應(yīng)性能評估和參數(shù)整定難度增加[6]。

為了降低可再生能源接入對頻率響應(yīng)性能的影響,一些國家出臺了針對改善可再生能源頻率響應(yīng)能力的導則或規(guī)定,期望可再生能源能夠像傳統(tǒng)機組一樣提供慣性響應(yīng)和頻率支撐等能力[7]。特別地,對于投運更早的風電機組,相關(guān)規(guī)定對其有功備用能力、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[8]。工業(yè)界和學術(shù)界也針對這一問題展開了一系列研究與嘗試。GE和Vestas等風機制造商在風力發(fā)電機控制器內(nèi)附加頻率控制和有功功率控制模塊[9-10],以實現(xiàn)可再生能源出力對電網(wǎng)頻率變化的響應(yīng)。在此基礎(chǔ)上,風電場內(nèi)的有功功率控制系統(tǒng)也被改造,以滿足電網(wǎng)運營商對于并網(wǎng)風電的性能要求[11-12]。學術(shù)界的相關(guān)研究則嘗試通過事前評估、控制器和控制參數(shù)優(yōu)化等方法更進一步挖掘可再生能源發(fā)電提供頻率支撐的潛力。文獻[13-15]對可再生能源的頻率支撐能力評估展開了研究,以指導可再生能源場站側(cè)頻率控制器的設(shè)計與優(yōu)化。為在提升可再生能源頻率響應(yīng)性能的同時保證其運行穩(wěn)定性,文獻[16-19]在現(xiàn)有控制器設(shè)計基礎(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[20-24]則嘗試改進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)。

盡管通過對可再生能源發(fā)電設(shè)備和系統(tǒng)的改進可降低可再生能源接入對電網(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)頻率控制的復雜度。

2.2 可再生能源出力波動對調(diào)頻需求的影響

可再生能源發(fā)電出力的隨機波動給電網(wǎng)發(fā)用電的實時平衡帶來了新的有功功率擾動,因而隨著可再生能源發(fā)電滲透率的提升,電力系統(tǒng)對調(diào)頻容量也將隨之增長: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)頻資源提供偏差補償,以消除有功功率不平衡。文獻[25]總結(jié)了包括挪威、芬蘭、瑞士、愛爾蘭、英格蘭、德國、美國明尼蘇達州和加利福尼亞州在內(nèi)的多個國家和地區(qū)對可再生能源接入造成短期備用需求上升的研究成果。由于各國電網(wǎng)運行方式、市場機制的不同,相同比例的可再生能源接入對短期備用造成的上升需求不盡相同?？稍偕茉吹念A測精度提升將有助于降低其對短期備用需求的影響。該文獻還指出,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)機組在部分時段難以滿足調(diào)節(jié)需求,新型快速調(diào)節(jié)資源亟待引入。文獻[26]通過對風電隨機波動的估計,測算大規(guī)模風電接入后中國西北各省級電網(wǎng)調(diào)頻容量需求的變化情況,計算結(jié)果指出甘肅和寧夏兩個省級電網(wǎng)所需增加的調(diào)頻需求達到風電裝機容量的18.99%和8.35%。

可再生能源接入對調(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)頻機組性能、調(diào)頻控制策略等因素密切相關(guān)。文獻[27]對調(diào)頻機組調(diào)節(jié)速率和風電波動的匹配關(guān)系進行了分析,測算了中國華北某省級電網(wǎng)在高比例風電場景下對調(diào)頻容量的需求,計算結(jié)果表明,電網(wǎng)在峰荷時段的調(diào)頻需求大于谷荷時段,上調(diào)頻備用比下調(diào)頻備用更易出現(xiàn)不足。文獻[28]則利用美國德州電網(wǎng)實際運行數(shù)據(jù)對其不同風電接入比例下的調(diào)頻需求進行仿真,指出該電網(wǎng)對下調(diào)頻容量的需求大于對上調(diào)頻容量的需求。文獻[29]進一步指出,德州電網(wǎng)在夜間谷荷時段的調(diào)頻需求更大,主要原因之一是該電網(wǎng)夜間風電大發(fā)將帶來更大的預測誤差。文獻[30]則發(fā)現(xiàn),德州電網(wǎng)的風電在早上06:00和晚上22:00較易出現(xiàn)爬坡事件,在這些時段電網(wǎng)對調(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[31]通過仿真發(fā)現(xiàn),大規(guī)模光伏接入后美國南內(nèi)華達州電網(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)頻需求上升而導致運行成本的上升,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。下文將對可再生能源發(fā)電、需求側(cè)靈活資源和儲能資源這三類新型調(diào)頻資源參與AGC的關(guān)鍵問題和研究動態(tài)分別進行了梳理和分析。

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)機組需要預留更多的備用容量,可能導致其偏離經(jīng)濟運行點,從而降低了系統(tǒng)的經(jīng)濟性。

為了減小可再生能源出力隨機性的影響,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[8]。中國于2011年頒布的國家標準GB/T 19963—2011《風電場接入電力系統(tǒng)技術(shù)規(guī)定》中明確指出:風電場應(yīng)配置有功功率控制系統(tǒng),具備有功功率調(diào)節(jié)能力;風電場應(yīng)能夠接收并自動執(zhí)行電力系統(tǒng)調(diào)度機構(gòu)下達的有功功率及其變化的控制指令,風電場有功功率及其變化應(yīng)與電力系統(tǒng)調(diào)度機構(gòu)下達的給定值一致[32]。文獻[33]認為,未來應(yīng)使風電場的運行方式與現(xiàn)有傳統(tǒng)電廠的運行方式一致,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)濟性評估、控制策略優(yōu)化等熱點問題外,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)

為實現(xiàn)可再生能源參與AGC,可再生能源發(fā)電兩個層面的有功功率控制能力不可或缺:在機組層面,應(yīng)具備在可用功率水平下減載運行并跟蹤指令的能力;在場站層面,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。目前,為滿足電網(wǎng)公司對風電接入的規(guī)定,一些商用風機已具備基本的減載運行和指令跟蹤能力[9,34]。典型商用風機的有功功率控制系統(tǒng)模型見圖2。

圖2 典型商用風機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

為延長風機變槳距機構(gòu)的使用壽命,文獻[35]提出了一種全風速下風機有功功率控制策略,在槳距角控制啟動前盡可能使用轉(zhuǎn)速控制進行風機有功功率控制,在降低變槳距機構(gòu)動作頻率和幅度的同時,利用風機轉(zhuǎn)動慣量提升發(fā)電量。文獻[36]利用泰勒展開得到了風機在當前運行點附近的線性化模型,考慮風速的不確定性,提出了一種控制參數(shù)自適應(yīng)調(diào)整的風機槳距角控制策略,以減小變風速下風機的疲勞損耗。文獻[37]指出,可通過改進光伏逆變器控制策略,使其具備減載運行和參與電網(wǎng)有功功率調(diào)節(jié)的能力。文獻[38]通過引入逆變器內(nèi)部參數(shù)的估計技術(shù)和最大可用出力評估技術(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。

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

上述研究假設(shè)風速或光照強度等可再生能源發(fā)電的重要參數(shù)可被較好估計或預測,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,上述研究多采用在當前運行點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),對于大擾動下的系統(tǒng)動態(tài)無法準確描述。

3.2 可再生能源參與AGC的經(jīng)濟性評估

一般而言,可再生能源減載運行參與AGC不具有經(jīng)濟性,這是因為可再生能源發(fā)電的邊際成本很低,其減載運行將降低電力供給的經(jīng)濟性,可能會降低可再生能源發(fā)電商的收益。然而,近年來的一些研究和分析表明,在特定的場景下,可再生能源參與AGC對電網(wǎng)和可再生能源發(fā)電商都具有經(jīng)濟性。

對于電網(wǎng)而言,可再生能源參與AGC可降低其出力不確定性對電網(wǎng)調(diào)頻的需求,從而減少整個系統(tǒng)的調(diào)頻服務(wù)費用支出[43]。同時,隨著可再生源預測和控制技術(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)機組[44],其參與AGC可減少對其他機組的調(diào)頻容量需求和調(diào)頻負擔。文獻[41]指出,在一些場景下,采用光伏減載運行提供AGC服務(wù)甚至比投資儲能提供AGC服務(wù)具有更好的經(jīng)濟性。

對于可再生能源發(fā)電商而言,可再生能源減載運行并參與AGC可使其同時參與能量市場及收益更高的輔助服務(wù)市場,從而總收益得到提升。文獻[45]通過分析西班牙電力市場的歷史數(shù)據(jù)指出:即便在當前的市場環(huán)境下,風電減載運行并參與AGC的收益也略高于風電僅參與能量市場的收益;而在未來風力發(fā)電補貼降低的預期下,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時有功功率調(diào)節(jié)能力的可靠性低于傳統(tǒng)機組。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,考慮可再生能源的實時調(diào)節(jié)能力,以避免可再生能源參與AGC時因?qū)崟r調(diào)節(jié)能力不足導致調(diào)頻性能的下降。

文獻[46]結(jié)合滑動平均和偏差估計動態(tài)設(shè)置風電在AGC中的基點值,以保證風電參與頻率調(diào)節(jié)時的可用能力。文獻[47-48]基于風機有功功率控制系統(tǒng)模型和模型預測控制技術(shù),提出了含風電參與的AGC控制器,利用預測信息優(yōu)化控制指令生成和分配。文獻[49]進一步采用分布式算法,實現(xiàn)了含風電參與和基于模型預測的AGC控制器,提高了控制器的計算效率和實用性。文獻[50]則指出,基于模型預測控制和含風電參與的AGC控制策略性能受風機狀態(tài)量估計精度的影響,因此引入了用于風機狀態(tài)量估計的卡爾曼濾波器以提升AGC控制性能。為了應(yīng)對輸入量的不確定性和控制模型的非線性,文獻[51]結(jié)合積分滑?？刂坪蜕窠?jīng)網(wǎng)絡(luò)算法,提出了一種含風電的AGC控制策略,并通過理論推導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,其不確定性將給電網(wǎng)的頻率控制帶來額外風險(例如,在需要可再生能源上調(diào)出力時出現(xiàn)風速或光照強度的快速跌落),而現(xiàn)有研究尚未有效處理這種風險。同時,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)實情況不符。另一方面,目前對于可再生能源參與AGC時的建模通常采用單機等值的確定性模型,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、實現(xiàn)電力系統(tǒng)需求與供給良性互動作為一種有效提升可再生能源消納能力、實現(xiàn)電網(wǎng)安全經(jīng)濟運行的重要手段得到了廣泛關(guān)注。同時,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)度部門的管理和運行帶來極大挑戰(zhàn)。為了鼓勵需求側(cè)資源參與到AGC中,需要對AGC的相關(guān)規(guī)定和調(diào)控規(guī)則進行修改或調(diào)整。例如,由于一些需求側(cè)資源容量相對較小,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)能力并不對稱,為了在AGC中充分利用這些資源,調(diào)度部門不應(yīng)強制要求調(diào)頻資源具有完全相同的上下調(diào)能力[58]?？紤]到部分需求側(cè)資源是“開關(guān)性負荷”,即其通過控制負荷的投入或切除實現(xiàn)用電功率控制,無法實現(xiàn)功率的連續(xù)調(diào)節(jié),美國和新英格蘭調(diào)度引入了適應(yīng)該類調(diào)頻資源的調(diào)節(jié)信號,其僅包含零、滿額用電、滿額放電三種控制信號[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)資源模型受其運行狀態(tài)、外部環(huán)境等因素影響,因此在經(jīng)濟性評估、控制策略設(shè)計以外,刻畫其特征的模型也是一個研究熱點。由于需求側(cè)資源類型眾多,以下主要對具有代表性的工業(yè)電解鋁負荷、商業(yè)居民蓄冷/蓄熱負荷、電動汽車等需求側(cè)資源的相關(guān)研究進行討論。

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、簡潔的需求側(cè)資源模型至關(guān)重要。

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

對于用戶需求存在一定不確定性、單個用電功率較小的商業(yè)、居民負荷,可先對單個負荷采用統(tǒng)一、簡潔的形式進行建模,然后再對大規(guī)模需求側(cè)資源進行集總,為其參與AGC的控制策略研究奠定基礎(chǔ)。文獻[62-63]分別采用一階和二階熱力學模型描述大型商業(yè)樓宇內(nèi)用電負荷與溫度間的數(shù)學關(guān)系,并考慮用戶對溫度的體驗給出了大型商業(yè)樓宇參與AGC的運行約束和可用能力。文獻[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[66]在電動汽車充電負荷集總過程中考慮了充放電效率,可更為準確地評估電動車集群在電網(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體不確定性對于整體調(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,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)運行約束的影響。已發(fā)表的文獻尚未充分考慮此因素。

4.2 需求側(cè)資源參與AGC的經(jīng)濟性評估

需求側(cè)資源參與調(diào)頻的一個原則是盡可能減小對用戶的影響。需求側(cè)資源參與調(diào)頻時可能會給用戶帶來一定的額外投資和經(jīng)濟損失,而用戶獲得的補償應(yīng)足以彌補其損失。例如,商業(yè)居民蓄冷/蓄熱負荷(如空調(diào)、冰箱等)參與AGC時,用戶需要付出包括設(shè)備操作成本和負荷非最優(yōu)運行增加的電力需求支出在內(nèi)的運行成本[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]。

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

對于工業(yè)電解鋁負荷,可通過改變直流側(cè)電壓從而改變負荷消耗的有功功率。盡管電解池是一個慣性較大的熱力系統(tǒng),有功功率輸入的改變?nèi)詫ζ滗X產(chǎn)量造成一些影響。但是,由于電解鋁負荷通常處于電源富集、電價相對較低的地區(qū),如中國內(nèi)蒙古、甘肅等地,電解鋁負荷參與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層級:需求側(cè)資源總控制指令的生成(調(diào)度機構(gòu)側(cè))和多個需求側(cè)資源間控制指令的分配(集成商側(cè))。

單個用電功率較大的工業(yè)負荷在參與AGC時可直接接受調(diào)度機構(gòu)下發(fā)的調(diào)節(jié)指令,不涉及多個個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。文獻[55]基于電解鋁負荷的動態(tài)模型,提出了一種基于模型預測控制的AGC控制策略,可較好地考慮傳統(tǒng)機組和電解鋁負荷在調(diào)節(jié)過程中的特性和約束。文獻[71]在此基礎(chǔ)上提出了顯式模型預測控制應(yīng)用于AGC的具體方法,可方便運行人員了解系統(tǒng)當前運行狀態(tài),并避免了優(yōu)化問題的在線求解,節(jié)省了計算時間。

蓄冷/蓄熱負荷、電動汽車等需求側(cè)資源,通常由集成商接受調(diào)度機構(gòu)下發(fā)的調(diào)節(jié)指令后在多個需求側(cè)資源間分配控制指令。在調(diào)度機構(gòu)側(cè),一些文獻沿用了現(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,因此一些研究對需求側(cè)資源參與下調(diào)度機構(gòu)側(cè)的AGC控制策略進行了改進。文獻[74]考慮電動汽車參與AGC時存在的響應(yīng)延遲可能導致系統(tǒng)失穩(wěn),提出了一種調(diào)度機構(gòu)側(cè)控制參數(shù)的整定方法。文獻[75]則借鑒了儲能參與AGC的控制策略,對電動汽車參與AGC的調(diào)度側(cè)控制策略進行了優(yōu)化。

在集成商側(cè),其調(diào)節(jié)指令分配策略的主要目標是在保證用戶需求的同時盡可能地響應(yīng)調(diào)度機構(gòu)下發(fā)的調(diào)節(jié)指令。文獻[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/蓄熱負荷集成商分配調(diào)頻指令的實時控制策略。文獻[76]則提出了一種基于卡爾曼濾波器和模型預測控制的蓄冷/蓄熱負荷集成商控制策略,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[75]提出了一種電動汽車實時指令分配策略,以保證在隨機調(diào)頻指令下滿足電動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,但對于需求側(cè)資源而言,其參與AGC依賴于電力市場環(huán)境,因此經(jīng)濟性最優(yōu)應(yīng)是不容忽視的控制策略目標之一。

與此同時,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,也是未來的重要研究方向。

5 儲能系統(tǒng)參與AGC

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

為了提升儲能系統(tǒng)在AGC中的利用效率,降低調(diào)頻輔助服務(wù)的費用,一些調(diào)度部門已引入了適應(yīng)儲能系統(tǒng)特性的AGC控制策略和調(diào)度機制[56,59,77-80]。例如,美國PJM電網(wǎng)和新英格蘭電網(wǎng)引入了適應(yīng)儲能系統(tǒng)等快速調(diào)頻資源的快速調(diào)節(jié)信號(如圖3所示),在充分發(fā)揮儲能性能優(yōu)勢的同時規(guī)避其總電量有限的缺點[56,59];美國加利福尼亞州電網(wǎng)、紐約州電網(wǎng)和中部電網(wǎng)則通過實時市場和實時調(diào)度機制的設(shè)計,對儲能系統(tǒng)在參與調(diào)頻服務(wù)后出現(xiàn)的電量偏差進行補償,以將儲能系統(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]。中國華北電網(wǎng)也在近年針對儲能系統(tǒng)參與AGC服務(wù)的控制策略、控制效果和性能評價進行了一系列的研究和試驗工作[81-83]。

為了進一步提升儲能系統(tǒng)參與AGC的可行性,儲能系統(tǒng)參與AGC的效用評估、經(jīng)濟性評估和控制策略設(shè)計是當前的研究熱點。

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

5.1 儲能系統(tǒng)參與AGC的效用評估

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

5.2 儲能系統(tǒng)參與AGC的經(jīng)濟性評估

盡管儲能系統(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)可能加速儲能系統(tǒng)的折損,因此,對儲能系統(tǒng)參與AGC服務(wù)在經(jīng)濟性上是否可行的分析至關(guān)重要。

文獻[70]分析認為,由于實際的調(diào)頻信號多為折返頻繁的小幅信號,在參與調(diào)頻過程中電池儲能系統(tǒng)的電量變化幅度不會太大,這樣的“淺充淺放”對電池儲能系統(tǒng)的壽命影響不大,電池儲能系統(tǒng)在輔助服務(wù)市場中獲得的收益高于其成本,電池儲能系統(tǒng)參與AGC服務(wù)前景廣闊。文獻[86]比較了儲能系統(tǒng)參與美國PJM電力市場不同類型輔助服務(wù)的收益情況,指出儲能系統(tǒng)參與調(diào)頻服務(wù)所獲得的綜合收益最高;同時,該文獻還指出儲能系統(tǒng)參與調(diào)頻服務(wù)可幫助電網(wǎng)降低調(diào)頻服務(wù)的采購成本。文獻[87-88]對飛輪儲能系統(tǒng)參與AGC服務(wù)的收益和全生命周期成本進行了測算,發(fā)現(xiàn)其投資收益較高,具有推廣價值。文獻[89-91]則分析了儲能系統(tǒng)在美國多個電力市場中參與調(diào)頻服務(wù)的收益,研究結(jié)果表明,儲能系統(tǒng)在不同市場的AGC服務(wù)中均具有較強的競爭力和盈利能力。

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

5.3 儲能系統(tǒng)參與AGC的控制策略

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

圍繞以上兩個目標,相關(guān)文獻展開了一系列控制策略設(shè)計與討論。文獻[92]提出了一種保證儲能系統(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應(yīng)最優(yōu)的儲能占比。文獻[93]則在通過電量、功率約束確定儲能系統(tǒng)可用功率的基礎(chǔ)上,比較了儲能系統(tǒng)和傳統(tǒng)機組采用三種不同方式進行協(xié)調(diào)的控制效果,指出不同協(xié)調(diào)方式在不同場景下表現(xiàn)排序不同,不存在一種在所有場景下均最優(yōu)的協(xié)調(diào)方式。文獻[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能占比下的AGC性能和經(jīng)濟性進行了比較分析。文獻[95]提出了一種在多個發(fā)電機和儲能系統(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優(yōu)化問題,通過對目標函數(shù)的合理設(shè)置,以在調(diào)頻過程中盡量維持儲能系統(tǒng)的剩余電量。該論文進一步考慮了儲能系統(tǒng)的充放電效率和分布式算法的實現(xiàn),以提升該算法在大規(guī)模實際問題中的適用性。文獻[96]提出了一種在多個儲能系統(tǒng)間分配調(diào)節(jié)指令的控制策略,通過考慮儲能系統(tǒng)當前狀態(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)指令的同時保證儲能系統(tǒng)的利用率。

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

由于儲能系統(tǒng)的調(diào)節(jié)將影響其使用壽命,因此儲能系統(tǒng)所有者在儲能參與AGC時可能會附加本地控制策略,以優(yōu)化儲能對于調(diào)度指令的響應(yīng)決策,平衡其參與AGC的收益和儲能的調(diào)節(jié)損耗,最大化經(jīng)濟收益[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 對比分析

表2對儲能系統(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)濟性、控制模式及控制策略需解決的主要問題進行了歸納。值得注意的是,調(diào)頻資源的運行控制和經(jīng)濟性均與能量市場耦合,因此應(yīng)加強AGC與經(jīng)濟調(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)主要對較受關(guān)注的魯棒控制、模型預測控制和分布式控制的相關(guān)研究進行綜述。

6.1 魯棒控制

可再生能源出力具有顯著的波動性,因此其大規(guī)模接入將使得電力系統(tǒng)的運行點在更大幅度內(nèi)變化。同時,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)單一運行點整定的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[99]提出了基于Riccati等式的AGC魯棒控制器設(shè)計方法,但該方法對系統(tǒng)參數(shù)有特定的要求,且需通過試錯法確定部分參數(shù),因此其應(yīng)用受到限制。文獻[100]研究了基于線性矩陣不等式的H∞控制在AGC中的應(yīng)用,并進一步考慮實際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[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能資源參與的AGC控制器設(shè)計。

除參數(shù)不確定性外,未建模動態(tài)也是系統(tǒng)不確定性的重要組成部分。在AGC中,對一些新型調(diào)頻資源通常難以進行準確建模,因此這部分未建模動態(tài)將影響AGC的控制性能。文獻[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,未建模動態(tài)對AGC的控制性能具有更大影響,并進一步研究了考慮未建模動態(tài)的AGC魯棒控制器設(shè)計方法。

6.2 模型預測控制

模型預測控制是近年來AGC領(lǐng)域的研究熱點。與傳統(tǒng)控制技術(shù)相比,模型預測控制可以利用系統(tǒng)狀態(tài)方程構(gòu)建預測模型,從而預測系統(tǒng)未來動態(tài),并根據(jù)預測信息進行控制決策。模型預測控制的另一個特點是其將控制問題轉(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。

模型預測控制的基本思想見圖5。在當前控制時刻t依據(jù)系統(tǒng)狀態(tài)量采樣信息和預測模型,求解有限步長內(nèi)開環(huán)最優(yōu)問題,并將得到的最優(yōu)控制序列的第一個控制量u(t)作用于系統(tǒng)。在下一控制時刻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)問題并實施控制,如此重復直至t→+∞[104]。

圖5 模型預測控制基本思想示意圖Fig.5 Illustration of basic rule for model predictive control

為進一步利用系統(tǒng)預測信息,文獻[105]將負荷和新能源擾動預測信息引入預測模型,以構(gòu)建用于AGC的模型預測控制器。仿真結(jié)果表明,在預測誤差不超過預測幅值50%的條件下,引入預測信息可以提升AGC的控制性能。

為了提升模型預測控制在AGC中的工程應(yīng)用價值,一些研究對實際部署中可能遇到的問題進行了分析并提出了解決方案。例如,模型預測控制在決策階段需要大量的系統(tǒng)狀態(tài)量信息,但這些信息的量測可能并非完整、準確,因此對狀態(tài)量的估計至關(guān)重要,文獻[106-107]均采用了卡爾曼濾波器以盡可能完整、準確地估計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測控制器性能的重要因素,文獻[108]在控制器設(shè)計中引入了Lyapunov穩(wěn)定判據(jù),以提升控制器的魯棒性能;由于模型預測控制器需要求解優(yōu)化問題,其在大規(guī)模電網(wǎng)中的應(yīng)用對控制中心的計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[49]。

6.3 分布式控制

對于大電網(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雜,集中控制模式在通信、計算需求、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、并行計算、有限數(shù)據(jù)交互等方式推動AGC控制模式的革新[109]。

文獻[110]嘗試將AGC與電網(wǎng)的經(jīng)濟調(diào)度相結(jié)合,通過鄰近節(jié)點間邊際電價的相互傳遞,在實現(xiàn)頻率調(diào)節(jié)的同時保證所有調(diào)頻資源的邊際電價一致。文獻[111]通過對傳統(tǒng)AGC的逆向工程分析發(fā)現(xiàn),集中AGC控制下的電網(wǎng)動態(tài)恰與采用改進原—對偶梯度法求解特定優(yōu)化問題的迭代過程一致,因此其對傳統(tǒng)AGC進行了適當改進與分布式實現(xiàn),以使得AGC控制對應(yīng)的穩(wěn)態(tài)解恰為經(jīng)濟調(diào)度問題的最優(yōu)解。在此基礎(chǔ)上,文獻[112]進一步討論了在考慮機組和線路運行約束的情況下,如何利用原—對偶梯度法設(shè)計分布式AGC控制器。文獻[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實現(xiàn)頻率恢復和經(jīng)濟調(diào)度。

6.4 其他控制方法

除以上提到的控制方法外,滑模控制[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)對新能源大規(guī)模接入帶來的擾動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。

7 結(jié)論與展望

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

1)大規(guī)?？稍偕茉唇尤雽GC的影響。結(jié)合運行數(shù)據(jù)分析、仿真測試、理論推導等手段,對大規(guī)?？稍偕茉唇尤霂淼捻憫?yīng)性能惡化和調(diào)頻需求上升進行了定量分析與評估,并對通過改進可再生能源控制技術(shù)以降低其對于AGC的影響進行了探索和嘗試。

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)濟性,并針對調(diào)頻資源的不同特點,展開了效用評估、模型建立和控制技術(shù)改進等方向的研究。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,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、模型預測控制及人工神經(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)對不確定性因素。這些控制方法尚未在調(diào)度中心獲得實際應(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下,AGC的研究可以從以下方向加強。

1)調(diào)頻需求的評估與優(yōu)化。大規(guī)?？稍偕茉吹慕尤牒拓摵深愋偷淖兓瘜е码娏ο到y(tǒng)對調(diào)頻需求的變化。已發(fā)表的文獻從不同角度、根據(jù)不同評判標準對系統(tǒng)調(diào)頻需求進行了分析,得出的結(jié)果和結(jié)論有一定的差異。而實際電力系統(tǒng)的調(diào)頻容量需求多基于經(jīng)驗或固定的負荷功率比例確定。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)隨負荷和新能源出力的變化,以及對不同響應(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的基礎(chǔ)。對于需求側(cè)資源和可再生能源的建模,應(yīng)考慮不確定性因素對其調(diào)節(jié)能力和跟蹤調(diào)頻信號準確性的影響。此外,還應(yīng)加強對需求側(cè)靈活資源、儲能和可再生能源發(fā)電參與調(diào)頻的個體與集群的優(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控制機制與方法。在線機組和調(diào)頻資源的變化將導致系統(tǒng)頻率響應(yīng)特性的變化,對調(diào)度中心應(yīng)進行自適應(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)模可再生能源接入條件下多類型調(diào)頻資源參與AGC的經(jīng)濟性,考慮控制區(qū)之間的調(diào)頻資源共享及AGC與經(jīng)濟調(diào)度的多時間尺度聯(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)及主動配電網(wǎng)層面的有功功率控制協(xié)調(diào)也是需要加強的研究方向。

4)AGC輔助市場設(shè)計與調(diào)頻資源的市場競爭。AGC輔助服務(wù)市場的研究主要涉及調(diào)頻容量需求優(yōu)化、多類型調(diào)頻資源的準入條件、報價與出清機制、考核與補償標準等方面。從市場組織者和社會效益的角度,應(yīng)研究調(diào)頻市場的組織時序、與能量及其他輔助服務(wù)市場的配合、對不同類型調(diào)頻資源的容量約束等。對調(diào)頻資源而言,其參與市場的競價、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

[1] 魯宗相,黃瀚,單葆國,等.高比例可再生能源電力系統(tǒng)結(jié)構(gòu)形態(tài)演化及電力預測展望[J].電力系統(tǒng)自動化,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.風力發(fā)電的調(diào)頻技術(shù)研究綜述[J].中國電機工程學報,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,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)能力實測分析[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,江國琪,王建學,等.風電接入對西北電網(wǎng)輔助服務(wù)的影響[J].中國電力,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.高比例風電對電力系統(tǒng)調(diào)頻指標影響的定量分析[J].電力系統(tǒng)自動化,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] 中國電力科學研究院.風電場接入電力系統(tǒng)技術(shù)規(guī)定:GB/T 19963—2011[S].北京:中國標準出版社,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.變速變槳距風電機組的全風速限功率優(yōu)化控制[J].中國電機工程學報,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.基于實際跟蹤數(shù)據(jù)統(tǒng)計分析的機組調(diào)節(jié)性能評價指標[J].電力系統(tǒng)自動化,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,2011.

[88] 薛金花,葉季蕾,汪春,等.飛輪儲能在區(qū)域電網(wǎng)中的調(diào)頻應(yīng)用及經(jīng)濟性分析[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.含儲能資源參與的自動發(fā)電控制策略研究[J].中國電機工程學報,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學習的互聯(lián)電網(wǎng)自動發(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.