考虑储能调频死区的一次调频控制方法

马智慧;李欣然;谭庄熙;黄际元;贺悝

【摘 要】提出一种考虑储能调频死区的综合一次调频控制方法.通过对常规机组调频死区机理分析,定义储能参与调频的死区限制,为充分发挥储能快速、精准响应在电网调频中的潜力,将储能调频死区的界限设置在常规机组死区的范围内,有效改善电网频率质量,并避免常规机组参与调频的频繁动作;通过分析虚拟下垂与虚拟惯性控制对电网频率的影响,提出一种将二者合理结合的控制方法,依据系统调频需求,选择相应的控制策略,以实现两种控制策略的协调运行及优势互补;为了约束储能功率输出,对虚拟下垂与虚拟惯性控制采用基于logistic函数的自适应控制规律,从而避免荷电状态(SOC)耗尽或饱和现象的发生.最后利用Matlab/Simulink对典型区域电网进行了仿真证明,结果表明所提控制策略可以有效改善频率质量,同时能明显减少常规机组的动作比例.

【期刊名称】《电工技术学报》 【年(卷),期】2019(034)010 【总页数】14页(P2102-2115)

【关键词】储能调频死区;一次调频;虚拟下垂控制;虚拟惯性控制;荷电状态 【作 者】马智慧;李欣然;谭庄熙;黄际元;贺悝

【作者单位】湖南大学电气与信息工程学院 长沙 410082;湖南大学电气与信息工程学院 长沙 410082;湖南大学电气与信息工程学院 长沙 410082;国网湖南省电力有限公司长沙供电分公司 长沙 410015;湖南大学电气与信息工程学院 长沙 410082

【正文语种】中 文 【中图分类】TM732

随着能源日益紧张，新能源并网及储能技术将成为未来能源战略的重要一环[1-3]。我国风电装机容量为全球第一，但是高比例风电不能被消纳，其中近30%的弃风电量是由调频问题导致的[4]。近几年来，国内外已经有大量商业化储能项目应用于辅助服务领域，美国PJM市场储能调频系统安装量超过了200MW，国内在京能石景山热电厂实施了国内第一个储能火电联合调频商业化示范项目后，山西也陆续实施了多个同类储能调频项目，这使得储能调频需求和控制策略成为当前研究热点[5-6]。

纵观当前储能电池参与电网一次调频（Primary Frequency Regulation, PFR）控制策略的相关研究，大部分都关注储能电池的选型与容量配置、协调控制策略优化以及储能参与调频的经济性评估等。文献[7]提出将储能电池应用于交直流混合微电网，利用虚拟下垂控制解决交流侧频率稳定等问题，证明了虚拟下垂控制策略的可行性及稳态效果好的特点。文献[8]对虚拟惯量控制的响应特性及机理进行了分析，推导了虚拟惯量控制与系统频率的量化关系，为风电机组虚拟惯量控制的参数整定和控制方法优化提供了理论参考。文献[9]论述了在电力系统一次调频中采用惯性控制或下垂控制的可行性以及容量优化评估等问题，提出了一种从容量方面评估电网惯性响应的方法。文献[10]提出了确定储能电池动作时机及调节模式的方法，其动作时机即为虚拟下垂与惯性控制间的切换，能较大程度地改善电网调频效果，文献[11]在此基础上为实现两种控制策略的优势互补，考虑了不同频率区间下电网对调频的需求，但忽略了储能调频死区对其参与电网一次调频效果的影响。文献[12]通过研究储能荷电状态（State of Charge, SOC）与储能单位调节功率之间的关系，进而得到负荷功率分配关系。文献[13]利用模糊控制在频率偏差较大时，根

据储能SOC反馈，平滑蓄电池的输出功率，解决储能电池可能存在的过充过放问题，但模糊控制规则繁多，主观性强，难以客观地利用储能电池进行出力。 上述研究在储能电池参与电网一次调频的控制策略方面存在以下不足：储能参与调频的死区方面，大部分学者并未考虑其对电网与储能的影响[14-16]，或默认死区大小与常规机组参与一次调频的死区一致[17]，没有站在储能参与电网调频的根本目的这一角度对该问题进行探讨；在协调控制方面，当前研究主要集中在下垂控制与惯性控制对频率改善效果进行研究，忽略了常规机组的调频需求与这两种经典控制策略对电网频率的动态影响及其优势互补[18]；在储能出力约束方面，除了采用固定的单位调节功率值模拟机组的下垂特性来实现储能电池参与一次调频的过程[19-20]，还采用变单位调节功率值[21]，但大部分的算法忽略了在后期硬件设计中的实现及其工程实践便捷性。

综合以上分析，本文针对储能参与电网一次调频的问题，设置恰当的储能调频死区，利用储能减小常规机组一次调频死区附近的频率波动，以减少常规机组的功率输出比例，从而达到提高常规机组运行经济性的目的。通过分析电网调频需求及虚拟下垂与虚拟惯性控制对电网频率的影响，依据不同类型的频率波动设置不同的工况，进而选择合适的控制策略，在缩小频率偏差的同时，也能有效阻止频率恶化。最后对典型区域电网在阶跃扰动和连续扰动两个场景下进行仿真，对调频效果和SOC维持效果进行综合评价，并定量分析本文所提方法对常规机组动作次数的改善。 为了在系统频率波动较小的情况下提高机组的稳定性，需要在电网设置调频死区[22]，常规机组的一次调频死区是指机组在额定转速附近对转速的不灵敏区。 发电机组调速系统不灵敏区的标准定义是：“在速度持续变化的总范围内，由调速系统控制的阀门位置没有可测量的变化”。在发电机调速系统中，不灵敏区由机械固有频率死区和人工频率死区两种死区组成，其中机械固有频率死区由常规机组调速器本身的物理死区和随动系统的不准确度得到，其存在是为了减小调节控制及其

对稳定性不利的因素，机械固有死区一般小于额定转速的0.03%（0.017Hz）；人工频率死区是由人为设定的电力系统频率正常偏差范围，在此范围内调速器不动作，总体上减少了机组的动作次数，提升了系统运行稳定性[23]。一次调频的调节死区较多设置为±0.033Hz，不会对频率的下降量和下降速率产生明显影响。图1为常见的一次调频死区设置方式[23]。

目前常见的一次调频死区设置方式有三种：图1a为无死区的线性函数，多应用于日本等国家引进的新型机组中；图1b设置方式对精度要求不高，适用于负荷调整精度较低的火电机组，所以目前我国大部分地区电力系统采用此种死区设置方式；图1c有较高的精度要求，适用于能精准控制输出功率的储能装置，本文储能系统采用此种死区设置方式。根据2014年华中某省级电网中心频率[20]得到图2频率概率分布图。

从图2中可以看出，电网频率分布大部分在常规机组一次调频死区（50-0.033Hz, 50+0.033Hz）之内，而对于需要调频的部分，大多处于死区边界附近。造成这一现象的小幅高频负荷扰动，使得常规机组频繁动作参与一次调频，为减少对常规机组的磨损，考虑设置储能调频死区对一次调频死区附近的频率波动进行下调，尽可能减少常规机组的动作次数，从而提高发电机组运行的经济性。

储能参与调频的主要目的是利用其快速的功率吞吐能力减少常规机组参与调频的损耗，因此储能参与调频的动作边界应当小于常规机组，并先于常规机组动作以充分发挥其作用。

正如《两个细则》（《并网发电厂辅助服务管理实施细则（试行）》和《发电厂并网运行管理实施细则（试行）》）提出的——死区是机组调频的关键参量，因此储能调频死区也是其参与电网调频中不可忽视的重要参量之一。而大部分文献将储能调频死区的大小默认为与常规机组参与电网调频的死区大小一致[24-25]，常见的储能参与调频的死区设置如图3所示，图中给出一种常规的储能参与调频的死

区设置[17]，其中Pmax为最大充放电功率限制。

类似地，可将储能调频死区分为储能固有死区和储能人工频率死区。由于储能准确性高，且其快速响应速度小于s级，甚至为ms级[26-27]，储能装置本身的物理死区非常小，所以认为储能的固有死区可忽略不计。以电池型储能为例，利用储能装置吸收/释放功率能力的特性（即SOC）来描述越限区域，其上下限由储能电池类型决定，如图4所示为储能死区设置示意图，在储能人工死区与越限区域内，储能都不参与电网一次调频。 由图4可知，当时，有 当时，有

式中，DPgen和DPbess分别为火电机组和储能参与电网一次调频的输出功率；DP为系统一次调频综合出力变化；SOCmax、SOCmin分别表示储能越限区域的上、下边界值；为火电机组参与电网一次调频的死区，即0.033Hz；为储能人工频率死区，即人为设定的动作边界，其存在是为了防止储能在较小的扰动时频繁改变出力方向，以避免储能频繁出力而降低其循环寿命。不同的控制策略下储能出力的输入信号不同，也需要设置不同的死区大小，如虚拟下垂控制与虚拟惯性控制中输入信号分别为频率偏差与频率偏差变化率。文中下垂控制动作边界与频率偏差死区相对应，惯性控制动作边界与频率偏差变化率死区相对应。

储能能够参与电网一次调频，一方面因常规机组的特点是可以提供大容量功率支撑，但常规机组并不擅长响应快速的功率波动[28]，而储能具备快速、精准的功率响应能力，可以实现两者的优势互补；另一方面能够将大量常规机组容量从繁重的调频功能中解放出来，提升机组的运行经济性和使用寿命，减少一次调频备用容量。而为达到上述储能参与调频的效果，除了满足上述储能参与电网调频的频率边界（即储能调频的人工死区）的设定之外，还需考虑其自身采用的控制策略，以及不同控制策略之间的协调控制。

虚拟下垂控制和虚拟惯性控制是应用于储能参与调频的经典控制策略，两者协调运行的关键在充分利用两者的优势与在控制策略切换时能平滑出力。当储能电池分别采用虚拟惯性控制和虚拟下垂控制模式时，参与一次调频的区域电网调频动态模型如图5所示。图中，、和为火电机组出力变化、储能电池出力变化和负荷变化；、分别为采用虚拟惯性控制和虚拟下垂控制时储能电池出力变化；H为系统旋转惯量；D为系统阻尼系数；、分别为储能采用虚拟下垂控制时的下垂系数和采用虚拟惯量控制时的惯性系数；Kgen和Ggen(s)分别为传统电源的单位调节功率和传递函数；系数B(s)为储能电池的传递函数；、分别表示储能采用虚拟惯性和下垂控制时的频率偏差。

由图5a和图5b可得传递函数方程为

储能采用下垂控制时==-DFD(s)·；储能采用虚拟惯性控制时DPB(s)==-DFI(s)。 结合式（3）和式（4）可得 由式（5）可得

式中，和分别为的初始变化率和稳态偏差；和分别为的初始变化率和稳态偏差；为负荷扰动。

由式（6）和式（7）可知，当采用惯性控制时，的初始变化率的值取决于电网本身的惯性时间常数H和储能电池虚拟惯性系数。由式（4）可知，当负荷扰动DPL(s)为正值时，上升，火电机组出力DPG(s)与储能电池出力也会增加，随之的上升速率减小，并在二者出力之和超过DPL(s)时开始恢复。最终稳定在稳态偏差，此时储能电池不出力，传统机组出力等于DPL(s)。因此，虚拟惯性控制能快速抑制频率初始变化率，但对稳态偏差无改善作用。

当采用下垂控制时，的初始变化率的值仅取决于电网本身的惯性时间常数H。当传统机组的出力DPG(s)与储能电池的出力之和超过DPL(s)时，开始减小并趋于稳态频率偏差，此时二者出力之和等于DPL(s)。因此，虚拟下垂控制能够改善稳态

偏差，但对初始频差变化率不起作用。

以往的研究常从储能自身的角度切入，将重点放在储能参与电网调频的频差维持及其经济性运行上，且常采用单一的控制方法对具有不同调频需求的波动进行调节，较少从系统层面关注频率调节对常规机组的影响。为了解决单一控制方法只对调频效果起单一作用问题，充分利用虚拟下垂和惯性控制的优势互补，考虑将二者结合，其动态模型如图6所示，并将调频工况分为两种：一类为频率恶化工况；另一类为频率恢复工况。储能调频工况如图7所示。 类似地，由图6可得

在频率恶化阶段，采用惯性与下垂共同控制的模式，一方面利用下垂控制稳态效果好的优势缩小频率偏差；另一方面利用惯性控制减小频差变化率，阻碍频率的进一步恶化。文献[29]引入灵敏度来比较分析下垂控制与惯性控制对区域电网的控制影响，充分表明虚拟惯性控制下的灵敏度存在零点。过零前储能电池对DF(s)的改善作用较为显著；过零后储能电池对DF(s)的阻碍作用也更为明显，即此时采用惯性控制的储能电池出力对系统造成二次干扰，阻碍频率的恢复，这与系统调频恢复需求相违背，所以本文在频率恢复阶段采用单一下垂控制。

综上所述，当正在增大时，即在频率恶化工况下，本文采取虚拟下垂与惯性控制共同作用的方法减小频率偏差，同时抑制频率恶化；当正在减小时，即在频率恢复工况下，利用虚拟下垂控制恢复系统频率。

虚拟下垂控制与虚拟惯性控制作为储能应用于调频的两种经典控制方法，已有许多专家学者针对定K[19-20]下垂控制法作了改进，较为典型的有变K法[30]。本文对两种方法的系数进行自适应控制，是为了维持储能电池SOC，避免储能设备因过度充电而发生功率畸变，进而影响使用寿命。在图8中构造频率自适应控制回路，由于储能电池可以从电网吸收或注入能量，因此必须包括一个具有上、下限的饱和模块（即限幅环节）。

考虑SOC反馈的自适应控制规律要求当SOC相对较好时，储能电池以最大速度释放/储存电量，优先保证调频需求；当SOC接近饱和或耗尽时，以适当的系数进行出力，保证SOC维持在合理范围内；当SOC超过规定范围时，停止充放电，其变化曲线如图9所示（下文仿真将储能越限区域界限分别设为SOCmin=0.1, SOCmax=0.9）。图中，Kbess_c、Kbess_d分别为储能电池在充电、放电时的单位调节功率系数Kbess的值。

logistic曲线[31]是一种常见的S形函数，广义logistic曲线可以模仿一些类似人口增长（P）的S形曲线。初始阶段大致是指数增长，随着逐渐饱和，增加速度减慢，达到一定程度增加停止，并稳定在某一值，其函数表达式为

式中，K0为初始值；Kmax为终值；n用来衡量曲线变化快慢，经过适当的图形变换可得到与图9曲线变化趋势类似的曲线，其表达式如下。 当时 当时 当时

n一定时，不同K0值对应的储能出力系数曲线如图10所示。

据图10可知，当n较小时，在三个区间(0, SOCmin)、(SOCmin, SOCmax)和(SOCmax,1)的交界处，即在SOC= SOCmin或SOC=SOCmax时所对应的出力系数Kbess越小，防止储能电池的过充电和过放电，因此本文初始值P0取0.01。 K0一定时，不同n值对应的储能出力系数曲线如图11所示。

据图11可知，n值越大，Kbess值随SOC的变化越不敏感，n值越小，Kbess值随SOC的变化越敏感。为了满足储能电池在良好状态下（默认SOC在区间（0.45, 0.55）内）的充分利用，本文n值取15。

本文利用logistic函数，一方面因其算法简单，与复杂的智能算法相区别，在后期的硬件设计上更容易实现，能较好地应用于工程实践；另一方面，依据具体工程实

践需求，通过调节其中的参数可以表征曲线的不同特性，对后期实践应用有巨大意义。

根据上述分析，本文提出了一种储能参与电网一次调频的控制方法，储能参与调频部分如图12所示，其中Section Ⅰ为储能调频死区模块、Section Ⅱ为储能调频策略选择模块、Section Ⅲ为储能出力约束模块，分别在本文第1节、第2节、第3节进行详细的描述和分析。

选取某区域电网作为仿真对象，设置机组额定容量为100MW，参与电网一次调频的储能电池容量为1MW·h，参数以电网额定频率和机组额定容量为基准值进行标幺化。

针对阶跃负荷扰动，Dfm、tm、Dtm、vm分别为扰动后的最大频率偏差及其对应的时刻、频率变化时间和频率恶化速率。Dfm值越小，表明调频效果越显著；vm越小表明电网频率维持能力越强，即电网频率稳定性越好。

针对连续负荷扰动提出频率偏差和SOC偏差（偏离SOC0的程度）的方均根值作为评价指标，分别为反应调频效果和SOC保持效果的RMSf和RMSSOC，具体如下。

式中，fi和SOCi为采样点i的频率和SOC；f0为额定频率50Hz；SOC0设为0.5；N为总采样点的个数。当系统频率的分布符合以标准频率为数学期望值的正态分布时，RMSf、RMSSOC的值反映了系统频率分布函数的离散程度，即这两个指标值越小，系统频率或SOC偏离标准频率或SOC的程度越低，表示调频效果或SOC保持效果越好。

基于图5含储能电池参与电网一次调频的区域电网调频动态模型，研究储能参与电网调频对电网幅频特性的改善效果，通过分析其幅频特性得到电网可承受的最大负荷扰动。

储能电池采用虚拟下垂与虚拟惯性共同控制参与电网调频的幅频特性表达式为

储能电池采用虚拟下垂控制参与电网调频的幅频特性表达式为 储能电池采用虚拟惯性控制参与电网调频的幅频特性表达式为 不含储能电池时的电网幅频特性表达式为

据式（16）～式（19）可知，当=24，=12，=20时，储能电池分别采用虚拟下垂控制和虚拟惯性控制参与电网调频和不含储能电池时的电网幅频特性，如图13所示。

由图13可知，当储能电池不参与调频时，区域电网幅频特性函数的最大幅值为0.12(pu)，当允许频率偏差为1%，即Df =±0.5Hz时，区域电网可承受最大允许负荷扰动幅值为8.33%；当储能采用虚拟惯性控制参与电网调频时，电网幅频特性函数的最大幅值为0.086 8(pu)，可承受最大负荷扰动为11.52%；当储能采用虚拟下垂控制参与电网调频时，电网幅频特性函数的最大幅值为0.038 1(pu)，可承受最大负荷扰动为26.25%；当储能采用虚拟下垂与虚拟惯性共同控制参与电网调频时，电网幅频特性函数的最大幅值为0.027 9(pu)，可承受最大负荷扰动为35.84%，故在区域电网中储能电池无论是采用虚拟下垂控制还是采用虚拟惯性控制，都能有效提高电网承受负荷扰动的能力，若采用两者共同控制的方法则电网承受负荷扰动的能力最强。

为验证本文方法的有效性及优势，本文利用控制变量法就储能调频死区、储能调频策略选择和储能出力约束设计三方面与文献[11]方法进行仿真对比分析。 4.3.1 储能调频人工死区设置仿真对比分析

针对本文第1节所提策略的有效性问题，设置如下场景，验证不同调频死区设置对调频效果的影响。构建储能电池参与电网一次调频的模型，选择文献[11]中提出的虚拟下垂控制与惯性控制在频差临界值f1处切换的自适应控制策略，并分别设置储能调频死区为火电机组死区的20%、40%、60%、80%和储能调频死区与火电机组死区相等，以下分别简称0.2DB、0.4DB、0.6DB、0.8DB和1.0DB（对比

方法）。加入如图14所示的连续负荷扰动，对应的频率偏差曲线如图15所示，频率分布如图16所示，调频效果指标见表1。

由图15可知，储能调频人工死区设置越小，其调频效果越好，由于储能调频人工死区设置小于火电机组参与电网的调频死区，储能会先于火电机组动作并将处于火电机组调频死区外附近的频率调节至死区内，从而减少火电机组的动作和出力。由图16可知，对比方法的频率大多数处于火电机组死区外，因此机组几乎一直处于参与电网一次调频的状态，随着储能调频人工死区的缩小，频率分布越向50Hz集中，结合表1数据可知，储能调频死区越小，火电机组出力时间比例越少，0.8DB的火电机组出力时间比例比1.0DB缩短了21.4%，而0.6DB比0.8DB缩短了53.6%，但0.4DB和0.2DB的火电机组出力时间比例与0.6DB几乎相同，因此储能调频死区的设置不宜过大，否则无法弥补常规机组频率响应相对较慢的缺陷，违背了储能调频的意义；而小幅度的高频负荷波动会被电力系统的机械惯性环节与滤波器所吸收，储能并不需要平抑这类扰动，其响应特性要求快速、精准，因此储能调频死区的设置不宜过小，从而避免储能频繁出力影响其运行经济性。

综上所述，由于一次调频死区附近幅度较小的高频随机波动，使得常规机组频繁动作，影响其运行稳定性，储能的调频死区范围应适当小于常规机组的一次调频死区，使得储能在常规机组投入调频之前可迅速对电力系统频率波动进行平抑，从而减少机组机械磨损和动作的调动费用，增加机组的 使用寿命，提高经济效益，本文取=60%。 4.3.2 储能参与电网调频策略选择仿真对比分析

针对本文第2节所提策略的有效性问题，设置如下场景，并评价本文所提优化控制策略的优劣。构建储能电池参与电网一次调频的模型，分别加入幅值为0.005(pu)和0.02(pu)的阶跃负荷扰动，对本文所提优化策略（下文称“本文策略1”）与文献[11]中提出的频差临界值f1处切换策略（下文称“对比策略1”）进

行仿真对比，设定相同SOC反馈环节，且二者中储能人工调频死区都与火电机组参与电网调频的死区相同，即=100%。

文献[11]中所述“f1的选取可以根据具体需要来适当调整”，若对比策略中f1取得太小，则对虚拟下垂控制作用的频率偏差也非常小，导致无法最大化地缩小最大频率偏差，若该值取得太大，则会导致对虚拟惯性控制作用的频率偏差率太小，无法发挥虚拟惯性控制对电网频率的支撑作用，因此对比策略中f1取文献[11]的原值，即0.001(pu)，0.05Hz。对应的频率偏差曲线如图17所示，其最大初始频率偏差及其对应的时刻见表2。

在0.005(pu)阶跃扰动下，本文策略1的最大频差略小于对比策略1。当频率偏差达到最大频率偏差前，即在频率恶化阶段，对比策略1采用的是在f1处对虚拟下垂和惯性控制切换进行出力，由于f1在该场景下相对较大，整个调频过程中未达到储能采用虚拟惯性控制的条件，因此只有虚拟下垂控制发挥作用；而本文策略1在扰动瞬间直至频差达到频差最大值的过程中，虚拟惯性控制一直参与调频以抑制频率变化率的进一步增大，结合表2可知，本文策略1的频率恶化速度仅为对比策略1的41.8%，即虚拟惯性控制对频率偏差变化率的抑制效果明显。类似地，当频差超过最大频率偏差，即在频率恢复阶段，对比策略1在整个调频过程中未达到储能采用虚拟负惯性控制的条件，正如图17a所示，本文策略1与对比策略1在该阶段调频效果相同。

在0.02(pu)阶跃扰动下，由表2可知，由于f1在该扰动场景下相对较小，对比策略1中储能采用虚拟下垂控制的持续时间非常短，因此在频率恶化阶段，储能几乎只采用虚拟惯性控制参与调频以抑制频率恶化速率，而该阶段本文策略1中一直有虚拟下垂控制参与调频以缩小最大频差，结合表2可知，本文策略1的最大频率偏差比对比策略1减小了26.7%，但频率恶化速度为后者的1.7倍。根据图17b，当频差超过最大频率偏差的瞬间，对比策略1中储能迅速切换至虚拟负惯性

控制，加速系统频率恢复，当达到临界值f1时，虚拟负惯性控制退出并切换至虚拟惯性控制，此时频差变化率转向，对系统造成二次干扰，储能采用虚拟惯性控制进行抑制；而本文策略1从频率恢复的瞬间，储能就仅采用单一虚拟下垂控制进行平滑出力。

综上所述，在储能参与电网一次调频策略方面，本文策略1与对比策略1相比，不仅能在较小扰动场景下有效抑制频率恶化速率，在大扰动场景下较大程度地缩小最大频率偏差值，还可以有效规避在频率偏差临界值f1选取方面的复杂性和主观性，避免虚拟负惯性控制对系统带来二次扰动的可能性。 4.3.3 储能参与一次调频出力约束仿真对比分析

针对本文第3节所提策略的有效性问题，设置如下场景，为说明本文提出的储能参与调频的出力约束的优势，构建储能电池参与电网一次调频的模型，加入如图18所示的连续负荷扰动，对本文所提约束设计（下文称“本文策略2”）与文献[11]中提出的考虑SOC反馈的自适应控制（下文称“对比策略2”）进行仿真对比，并选择文献[11]中提出的虚拟下垂与惯性控制在频差临界值f1处切换的策略，设定储能调频人工死区与火电机组调频死区相同，对应的SOC曲线如图19所示，储能输出功率曲线如图20所示。

在如图18的连续负荷扰动下，结合图19和图20可知，本文策略2的储能在其荷电状态较好时，输出功率比对比策略2大，随着储能持续放电，SOC的状态越来越差，本文策略2的储能输出功率随之减小，并且小于对比策略2的储能输出功率，由于对比策略2采用的是分段线性函数的形式来表示考虑SOC反馈的自适应控制，对不同荷电状态下的出力系数考虑较为简单，而本文采用非线性的logistic函数，可以更好地根据SOC的情况对储能出力进行约束，以维持储能的SOC，防止过放电的情况发生导致储能使用寿命缩短。

本文所采用的约束策略，相比文献[11]，更加符合实际应用，由于不同电池在不同

的SOC水平下，充放电限制不是线性的，所以完全线性化出力这种约束是不够合理的。

4.3.4 综合仿真对比

本文已在4.3.1节、4.3.2节和4.3.3节对储能调频死区、储能参与电网调频策略和储能出力约束设计三方面的改进分别进行仿真分析和评价，为证明这三方面改进共同作用下的综合方法对火电机组参与调频的影响，本文在区域模型中加入如图21所示的60min连续负荷扰动对本文方法和对比方法进行策略分析和评价，两种方法下的频率偏差变化、储能及火电机组输出功率如图22～图24所示，电网调频指标见表3。

从图22和图23与表3可知，在图21的扰动下，对比方法的调频效果不如本文方法，储能出力较少，且在整个调频过程中火电机组几乎一直参与调频，而本文方法的调频效果不仅好，而且火电机组出力的时间比例明显少于传统方法，由图24可知本文方法的火电机组输出功率明显小于传统方法，并且在此场景下，火电机组的动作次数减少了59.26%，恰好证明了本文方法既能达到改善调频效果的目的，又对火电机组频繁动作的现象做出了巨大改善。

本文提出一种考虑储能调频死区的一次调频控制策略，结论如下：

1）该控制策略考虑储能参与调频的储能调频死区，能够有效减小常规火电机组参与调频的输出功率，在相同扰动下，相较于传统方法，常规机组参与调频次数由27次减少至11次，明显改善其频繁动作的问题。

2）该控制策略包含虚拟下垂和惯性共同控制及单一虚拟下垂控制，依据系统调频需求，选择相应的控制策略，能够有效减小频差，并阻碍频率恶化。

3）该控制策略充分发挥储能参与电网调频的作用，并考虑储能出力约束，采用基于logistic函数的自适应控制规律，增强了后期工程实践便捷性。

本文工作为今后进一步深入研究储能电池容量配置奠定基础，而储能调频死区与储

能装置的类型密切相关，其取值大小并非固定不变，因此在储能调频死区设定方面，其与火电机组旋转备用容量间的关系仍有很大的研究价值；储能电池的成本制约其参与电网调频大规模应用，而荷电状态作为影响储能电池寿命的重要因素之一，必须考虑其限制及变化，所以储能与常规机组联合调频的经济性评估也将是今后的研究工作之一。

马智慧 女，1994年生，硕士，研究方向为储能技术与新能源 并网。E-mail: ****************

谭庄熙 男，1990年生，博士，研究方向为电力系统中的应用及优化调度技术、储能技术与新能源并网等。E-mail:*******************.cn（通信作者） 国家重点研发计划（2017YFB0903400）、湖南省科技重大专项（2016GK1003）和国网湖南省电力有限公司科技项目（5216A1170002）资助项目。 【相关文献】

[1] 赵嘉兴, 高伟, 上官明霞, 等. 风电参与电力系统调频综述[J]. 电力系统保护与控制, 2017, 45(21): 157-169.

Zhao Jiaxing, Gao Wei, Shangguan Mingxia, et al. Review on frequency regulation technology of power grid by wind farm[J]. Power System Protection and Control, 2017, 45(21): 157-169.

[2] 李欣然, 黄际元, 陈远扬, 等. 大规模储能电源参与电网调频研究综述[J]. 电力系统保护与控制, 2016, 44(7): 145-153.

Li Xinran, Huang Jiyuan, Chen Yuanyang, et al. Review on large-scale involvement of energy storage in power grid fast frequency regulation[J]. Power System Protection and Control, 2016, 44(7): 145-153.

[3] 李建林, 马会萌, 惠东. 储能技术融合分布式可再生能源的现状及发展趋势[J]. 电工技术学报, 2016, 31(14): 1-10.

Li Jianlin, Ma Huimeng, Hui Dong. Present development condition and trends of energy storage technology in the integration of distributed renewable energy[J]. Transactions of China Electrotechnical Society, 2016, 31(14): 1-10.

[4] 田书欣, 程浩忠, 曾平良, 等. 基于调频层面的风电弃风分析[J]. 电工技术学报, 2015, 30(7):

18-26.

Tian Shuxin, Cheng Haozhong, Zeng Pingliang, et al. Analysis on wind power curtailment at frequency adjustment level[J]. Transactions of China Elec- trotechnical Society, 2015, 30(7): 18-26.

[5] 胡泽春, 谢旭, 张放, 等. 含储能资源参与的自动发电控制策略研究[J]. 中国电机工程学报, 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.

[6] 孙冰莹, 杨水丽, 刘宗歧, 等. 国内外兆瓦级储能调频示范应用现状分析与启示[J]. 电力系统自动化, 2017, 41(11): 8-16, 38.

Sun Bingying, Yang Shuili, Liu Zongqi, et al. Analysis on present application of megawatt-scale energy storage in frequency regulation and its enlightenment[J]. Automation of Electric Power Systems, 2017, 41(11): 8-16, 38.

[7] Li Yong, He Li, Liu Fang. Flexible voltage control strategy considering distributed energy storages for DC distribution network[J]. IEEE Transactions on Smart Grid, 2019, 10(1): 163-172.

[8] 邢鹏翔, 侍乔明, 王刚, 等. 风电机组虚拟惯量控制的响应特性及机理分析[J]. 高电压技术, 2018, 44(4):1302-1310.

Xing Pengxiang, Shi Qiaoming, Wang Gang, et al. Response characteristics and mechanism analysis about virtual inertia control of wind generators[J]. High Voltage Engineering, 2018, 44(4): 1302-1310.

[9] Knap V, Chaudhary S K, Stroe D L, et al. Sizing of an energy storage system for grid inertial response and primary frequency reserve[J]. IEEE Transactions on Power Systems, 2016, 31(5): 3447-3456.

[10] 黄际元, 李欣然, 曹一家, 等. 考虑储能参与快速调频动作时机与深度的容量配置方法[J]. 电工技术学报, 2015, 30(12): 454-464.

Huang Jiyuan, Li Xinran, Cao Yijia, et al. Capacity allocation of energy storage system considering its action moment and output depth in rapid frequency regulation[J]. Transactions of China Electrotechnical Society, 2015, 30(12): 454-464.

[11] 邓霞, 孙威, 肖海伟. 储能电池参与一次调频的综合控制方法[J]. 高电压技术, 2018, 44(4): 1157- 1165.

Deng Xia, Sun Wei, Xiao Haiwei. Integrated control strategy of battery energy storage system in primary frequency regulation[J]. High Voltage Engineering, 2018, 44(4): 1157-1165.

[12] Guerrero J M, Vasquez J C, Matas J, et al. Hierarchical control of droop-controlled AC and DC microgrids-a general approach toward standar- dization[J]. IEEE Transactions

on Industrial Electro- nics, 2011, 58(1): 158-172.

[13] Li Peiqiang, Tan Zhuangxi, Zhou Yanji, et al. Secondary frequency regulation strategy with fuzzy logic method and self-adaptive modification of state of charge[J]. IEEE Access, 2018, 6: 43575-43585.

[14] 吴晋波, 文劲宇, 孙海顺, 等. 基于储能技术的交流互联电网稳定控制方法[J]. 电工技术学报, 2012, 27(6): 261-267.

Wu Jinbo, Wen Jinyu, Sun Haishun, et al. Study of control method for improving ac interconnected grid stability based on energy storage technology[J]. Transactions of China Electrotechnical Society, 2012, 27(6): 261-267.

[15] 李妍, 荆盼盼, 王丽, 等. 通用储能系统数学模型及其PSASP建模研究[J]. 电网技术, 2012, 36(1): 51-57.

Li Yan, Jin Panpan, Wang Li, et al. A mathematical model of versatile energy storage system and its modeling by power system analysis software package[J]. Power System Technology, 2012, 36(1): 51-57.

[16] 钟诚, 周顺康, 严干贵, 等. 基于变减载率的光伏发电参与电网调频控制策略研究[J]. 电工技术学报, 2019, 34(5): 1013-1024.

Zhong Cheng, Zhou Shunkang, Yan Gangui, et al. A new frequency regulation control strategy for photovoltaic power plant based on variable power reserve level control[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1013-1024.

[17] Liu Hui, Hu Zechun, Song Yonghua, et al. Decentra- lized vehicle-to-grid control for primary frequency regulation considering charging demands[J]. IEEE Transactions on Power Systems, 2013, 28(3): 3480- 3489.

[18] 李欣然, 邓涛, 黄际元, 等. 储能电池参与电网快速调频的自适应控制策略[J]. 高电压技术, 2017, 43(7): 2362-2369.

Li Xinran, Deng Tao, Huang Jiyuan, et al. Battery energy storage systems self-adaptation control strategy in fast frequency regulation[J]. High Voltage Engineering, 2017, 43(7): 2362-2369.

[19] Peas Lopes J A, Almeida P M R, Soares F J. Using vehicle-to-grid to maximize the integration of intermittent renewable energy resources in islanded electric

grids[C]//International Conference on Clean Electrical Power, Capri, Italy, 2009: 290-295. [20] M Rocha Almeida P, A Peças Lopes J, J Soares F, et al. Electric vehicles participating in frequency control: operating islanded systems with large penetration of renewable power sources[C]//2011 IEEE Trondheim Power Tech, Trondheim, Norway, 2011: 1-6. [21] 丁明, 吴建锋, 朱承治, 等. 具备荷电状态调节功能的储能系统实时平滑控制策略[J]. 中国电机工程学报, 2013, 33(1): 22-29.

Ding Ming, Wu Jianfeng, Zhu Chengzhi, et al. A real-time smoothing control strategy with SOC adjustment function of storage systems[J]. Pro- ceedings of the CSEE, 2013, 33(1):

22-29.

[22] 业跃鸿. 火电厂一次调频功能的研究与应用[D]. 北京: 华北电力大学, 2011.

[23] 金娜, 刘文颖, 曹银利, 等. 大容量机组一次调频参数对电网频率特性的影响[J]. 电力系统保护与控制, 2012, 40(1): 91-95.

Jin Na, Liu Wenying, Cao Yinli, et al. Influence on the grid frequency characteristic by the parameters of primary frequency modulation of large capacity generator units[J]. Power System Protection and Control, 2012, 40(1): 91-95.

[24] 李家壮, 艾欣, 胡俊杰. 电动汽车参与电网二次调频建模与控制策略研究[J]. 电网技术, 2019, 43(2): 495-503.

Li Jiazhuang, Ai Xin, Hu Junjie. Supplementary frequency regulation modeling and control strategy with electric vehicles[J]. Power System Technology, 2019, 43(2): 495-503. [25] 黄际元, 李欣然, 常敏, 等. 考虑储能电池参与一次调频技术经济模型的容量配置方法[J]. 电工技术学报, 2017, 32(21): 112-121.

Huang Jiyuan, Li Xinran, Chang Min, et al. Capacity allocation of bess in primary frequency regulation considering its technical-economic model[J]. Transa- ctions of China Electrotechnical Society, 2017, 32(21): 112-121.

[26] Wen Xiankui, Zhang Shihai, Wu Peng, et al. Study on primary frequency modulation parameter setting of compressed air energy storage[C]//2018 2nd Inter- national Conference on Green Energy and Appli- cations (ICGEA), Singapore, 2018: 143-146. [27] 胡娟, 杨水丽, 侯朝勇, 等. 规模化储能技术典型示范应用的现状分析与启示[J]. 电网技术, 2015, 39(4): 879-885.

Hu Juan, Yang Shuili, Hou Chaoyong, et al. Present condition analysis on typical demonstration appli- cation of large-scale energy storage technology and its enlightenment[J]. Power System Technology, 2015, 39(4): 879-885.

[28] 张峰, 董晓明, 梁军, 等, 考虑目标分解及其互补平抑的风电场复合储能容量优化[J]. 电力系统自动化, 2014, 38(7): 9-15.

Zhang Feng, Dong Xiaoming, Liang Jun, et al. Capacity optimization of hybrid energy storage system based on target decomposition and com- plementary fluctuations smoothing[J]. Automation of Electric Power Systems, 2014, 38(7): 9-15.

[29] 李欣然, 黄际元, 陈远扬, 等. 基于灵敏度分析的储能电池参与二次调频控制策略[J]. 电工技术学报, 2017, 32(12): 224-233.

Li Xinran, Huang Jiyuan, Chen Yuanyang, et al. Battery energy storage control strategy in secondary frequency regulation considering its action moment and depth[J]. Transactions of China Electrotechnical Society, 2017, 32(12): 224-233.

[30] Zhang Yingjun (Angela), Zhao Changhong, Tang Wanrong, et al. Profit maximizing planning and control of battery energy storage systems for primary frequency control[J].

IEEE Transactions on Smart Grid, 2018, 9(2): 712-723.

[31] 迟丹丹. 基于模糊Logistic神经网络的分类问题研究[D]. 大连: 大连理工大学, 2016.