CN111697597A - 一种基于粒子群算法的火储联合agc调频控制方法 - Google Patents

Abstract

本发明公开了一种基于粒子群算法的火储联合AGC调频控制方法，包括以下步骤：建立调频运行成本函数；计算调频运行成本函数中基于功率变化速率和SOC偏差的权重系数；根据调频运行成本函数和权重系数建立AGC调频控制目标函数和约束条件；通过粒子群算法求解AGC调频控制目标函数，建立储能辅助火电机组调频模型。本发明有效减小了机组损耗，极大提高了调频响应速率和质量；对储能系统SOC进行实时管理，使储能在调频过程中能自适应充、放电调节，控制荷电状态始终维持在最佳状态附近，保证了储能调频持续、高效运行。

Description

一种基于粒子群算法的火储联合AGC调频控制方法

技术领域

本发明属于储能调频控制技术领域，具体涉及一种基于粒子群算法的火储联合AGC调频控制方法。

背景技术

频率是衡量电网中电能质量的重要指标之一，为了维持电力系统中发电设备、用电设备的安全稳定运行，必须要通过各种手段使电网频率保持在合格的范围内。目前，我国电力系统中，主要还是以常规火电机组承担电网的基本负荷，提供AGC调频服务，维持电网的安全稳定。但由于常规火电机组调频响应速度较慢、频繁启停会造成能源浪费、自身承担任务较重无法充分发挥调频功能等问题，难以满足日益提高的调频要求。储能因其可以适应不同时间维度参与灵活调节，其规模化应用以及与“源、网、荷”及其他的调节资源协同优化运行时，可以极大提升电力系统的安全稳定运行能力。10MW的储能系统可以在200ms内精确调节最多达20MW的调频任务，相较仅延迟时间就需要2-3秒的传统火电机组，储能调频技术的精度和响应时间性能是传统火电的50-100倍。因此，常规火电机组配备一定比例的储能系统，充分发挥大容量储能快速灵活调节特性，辅助火电机组参与AGC调频服务，可以极大提高电网的调频能力，减少火电机组损耗，维持电网的安全稳定。

现有的AGC调频方法一般是通过差额补偿法或者静态比例分配法，但是差额补偿法在存在阶跃性高频波动负荷扰动时，储能SOC会出现明显的偏移，且无法自适应恢复到最佳荷电状态，静态比例分配法由于不考虑储能出力特征和实时的荷电状态，在经过一系列调频指令后，储能SOC因持续出力而明显偏离基准荷电状态，容易因电量过低而退出调频，无法持续性工作。

发明内容

本发明针对现有技术中的不足，提供一种基于粒子群算法的火储联合AGC调频控制方法，提高了调频响应速率和质量，控制荷电状态始终维持在最佳状态附近，保证了储能调频持续、高效运行。

为实现上述目的，本发明采用以下技术方案：

一种基于粒子群算法的火储联合AGC调频控制方法，包括如下步骤：

建立调频运行成本函数；

计算调频运行成本函数中基于功率变化速率和SOC偏差的权重系数；

根据调频运行成本函数和权重系数建立AGC调频控制目标函数和约束条件；

通过粒子群算法求解AGC调频控制目标函数，建立储能辅助火电机组调频模型。

为优化上述技术方案，采取的具体措施还包括：

进一步地，上述调频运行成本函数包括反映火电机组调频运行成本的函数和反映储能系统调频运行成本的函数；

所述反映火电机组调频运行成本的函数为：

其中，A_i,k为第i个火电机组在k时刻的调频运行成本；P_agc,i,k为第i个火电机组在k时刻的AGC指令；P_i,k-1为第i个火电机组在(k-1)时刻的实际调频出力；m_i,1,k和m_i,2,k为权重系数；

所述反映储能系统调频运行成本的函数为：

其中，A_j,k为第j个储能电池在k时刻的调频运行成本；P_agc,j,k为第j个储能电池在k时刻的AGC指令；SOC_j,k为第j个储能电池在k时刻的理论荷电状态；SOC_ref为希望储能电池维持的参考荷电状态；n_j,1,k和n_j,2,k为权重系数。

进一步地，上述计算基于功率变化速率和SOC偏差的权重系数具体包括以下步骤：

根据AGC指令功率变化速率，建立权重系数动态函数，根据AGC指令的变化特征实时更新权重系数，得到:

其中，m_i,1,0、m_i,2,0、n_j,1,0、n_j,2,0为权重系数的基准值；v_k为k时刻AGC指令功率变化速率；v_ref为用于划分调频责任的功率变化速率参考值；α、β、γ为影响因子的比例系数；k时刻AGC指令功率变化速率为：

其中，P_agc,k为k时刻的AGC调频出力指令。

进一步地，上述AGC调频控制目标函数为：min(∑A_i,k+∑A_j,k)。

进一步地，上述AGC调频控制约束条件包括基于调频需求的约束条件和基于调频能力的约束条件，所述基于调频需求的约束条件为：

P_agc,k＝∑P_agc,i,k+∑P_agc,j,k；

所述基于调频能力的约束条件为：

其中，v_i为第i个火电机组爬坡率；P_i,min、P_i,max为第i个火电机组备用功率上下限；P_j,min、P_j,max为第j个储能系统出力上下限；SOC_j,min、SOC_j,max为第j个储能系统荷电状态上下限。

进一步地，上述通过粒子群算法求解AGC调频控制目标函数具体包括以下步骤：

步骤101：获取k时刻AGC调频指令、(k-1)时刻储能系统荷电状态，(k-1)时刻AGC调频指令，(k-1)时刻火电机组实际出力值和(k-1)时刻火电机组AGC指令；

步骤102：设置粒子群规模、最大迭代次数、迭代精度、速度最大值和速度最小值；更新粒子群位置的最大值和最小值；初始化粒子群中各粒子的位置和速度；

步骤103：根据AGC调频控制目标函数构建适应度函数并计算粒子群中各粒子的适应度值；

步骤104：比较粒子群中各粒子的适应度值，更新个体极值和全局极值；

步骤105：判断粒子群中各粒子的个体极值和全局极值是否满足终止条件，若不满足，更新各粒子的位置和速度，然后回到步骤103；若满足，执行步骤106；

步骤106：确定k时刻火电机组和储能的AGC指令分配结果。

本发明的有益效果是：

本发明提供的一种基于粒子群算法的火储联合AGC调频控制方法通过分析火电机组和储能系统调频出力特征、储能系统运行特性与可持续性、火储联合调频运行成本以及不同类型负荷扰动对AGC调频责任分配方式的影响，构建适用于反映调频运行成本的函数，采用基于功率变化速率的权重系数控制策略，充分发挥了火电机组和储能不同的调频特性，有效减小了机组损耗，极大提高了调频响应速率和质量；采用基于SOC偏差值的权重系数，对储能系统SOC进行实时管理，使储能在调频过程中能自适应充、放电调节，对于缓慢变化的负荷扰动能将频率偏差控制在极小的范围内；对于波动较大的阶跃扰动，虽然频偏明显变大，但仍能在极短的时间内迅速恢复频率，维持频率波动在较小的范围内，控制荷电状态始终维持在最佳状态附近，保证了储能调频持续、高效运行，。

附图说明

图1为本发明的方法流程示意图。

图2为本发明的储能系统模型示意图。

图3为本发明的储能辅助火电机组参与区域电网的调频动态模型示意图。

图4为本发明的动态负荷扰动曲线示意图。

图5为本发明的频率偏差响应曲线示意图。

图6为本发明的AGC调频出力指令分配结果示意图。

图7为本发明的储能电池荷电状态变化曲线示意图。

图8为本发明的调频运行成本变化曲线示意图。

图9为本发明的AGC指令变化速率与权重系数变化曲线示意图。

图10为本发明的3种调频方式下区域电网频率偏差响应曲线示意图。

图11为本发明的3种调频控制方法的区域电网频率偏差响应曲线示意图。

图12为本发明的3种调频控制方式的有功出力变化曲线示意图。

图13为本发明的3种调频控制方式的储能电池荷电状态变化曲线示意图。

图14为本发明的3种调频控制方式的累计调频运行成本变化曲线示意图。

具体实施方式

现在结合附图1-14对本发明作进一步详细的说明。

需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

如图1所示，在本发明的其中一个实施例中，一种基于粒子群算法的火储联合AGC调频控制方法，包括如下步骤：

步骤一：建立调频运行成本函数；

在本实施例中，明确火储联合AGC调频控制方法的影响因素：不同类型的负荷扰动对AGC调频责任分配方式的影响、储能系统与火电机组调频的出力特征、储能系统运行特性与可持续性(有容量限制)、火储联合调频的运行成本，结合传统火电机组运行成本与输出有功功率呈二次函数关系，可以得到适用于反映调频运行成本的函数，其中，反映火电机组调频运行成本的函数为：

式中，A_i,k反映第i个火电机组在k时刻的调频运行成本；P_agc,i,k为第i个火电机组在k时刻的AGC指令；P_i,k-1为第i个火电机组在(k-1)时刻的实际调频出力；m_i,1,k和m_i,2,k为权重系数。

由于火电机组除了二次调频控制，还有一次调频控制指令，式(1)的设定能使火电机组更好地跟踪二者指令之和。同时，能在一定程度上使火电机组在承受波动频率高、幅值变化快的调频指令时产生更大的运行成本。

反映储能系统调频运行成本的函数为

式中，A_j,k反映第j个储能电池在k时刻的调频运行成本；P_agc,j,k为第j个储能电池在k时刻的AGC指令；SOC_j,k为第j个储能电池在k时刻的理论荷电状态；SOC_ref为希望储能电池维持的参考荷电状态；n_j,1,k和n_j,2,k为权重系数。

其中，储能电池在k时刻的SOC理论值还可以表示成关于储能电池被分配到的AGC指令分量的函数，即：

SOC_j,k＝SOC_j,k-1-P_agc,j,k·Δt/E_B (3)

式中，SOC_j,k-1表示第j个储能电池在(k-1)时刻的实际荷电状态；Δt表示采样间隔时间；E_B表示储能额定容量。

式(2)的设定，充分考虑了储能系统调频出力特征以及需要维持荷电状态在某一能可持续工作范围内的特点。储能SOC偏离参考值越大，相应产生的调频运行成本就越高，从而将减少对储能同向的调频责任分配。

步骤二：计算调频运行成本函数中基于功率变化速率和SOC偏差的权重系数；

在本实施例中，基于AGC指令功率变化速率，建立权重系数动态函数，根据AGC指令的变化特征实时更新权重系数：

式中，m_i,1,0、m_i,2,0、n_j,1,0、n_j,2,0为权重系数的基准值；v_k为k时刻AGC指令功率变化速率；v_ref为用于划分调频责任的功率变化速率参考值；α、β、γ为影响因子的比例系数。

其中，k时刻AGC指令功率变化速率还可表示成：

式中，P_agc,k为k时刻的AGC调频出力指令。

v_ref取值为火电机组爬坡率，式(4)的设定，使得当AGC指令功率变化速率小于机组爬坡率时，火电机组权重系数变小，储能权重系数变大，此时火电机组所占运行成本更低，AGC指令将更多地由火电机组承担。反之，当AGC指令功率变化速率大于机组爬坡率时，n_j,1,k变小，m_i,1,k变大，储能系统将承担更多的调频责任。此外，储能系统当前的荷电状态也将更大程度地影响调频责任的分配，储能SOC偏离参考值越多，n_j,2,k就越大，储能调频将会产生更多的运行成本，从而会减少储能出力。

步骤三：根据调频运行成本函数和权重系数建立AGC调频控制目标函数和约束条件；

在本实施例中，根据步骤一所提火电机组和储能调频运行成本函数，结合步骤二权重系数设置方式，建立AGC调频控制目标函数：

min(∑A_i,k+∑A_j,k) (6)

目标函数综合考虑了火电机组和储能系统的各项技术指标，充分考虑其各自对不同调频指令的响应能力，并通过实时管理储能荷电状态，达到储能可持续稳定工作的目的。利用调频运行成本低则被优先调度的策略，实现期望的调频责任分配方式。

对于“调频需求”来说，火电机组和储能所承担的调频有功功率指令之和应当与这一刻总的AGC指令相等，即：

P_agc,k＝∑P_agc,i,k+∑P_agc,j,k (7)

对于“调频能力”来说，主要包括火电机组的爬坡率和备用功率上下限、储能充放电功率限制和荷电状态可变范围，即：

式中，v_i为第i个火电机组爬坡率；P_i,min、P_i,max为第i个火电机组备用功率上下限；P_j,min、P_j,max为第j个储能系统出力上下限；SOC_j,min、SOC_j,max为第j个储能系统荷电状态上下限。

从“调频需求”和“调频能力”两个方面，建立AGC调频控制约束条件。

步骤四：通过粒子群算法求解AGC调频控制目标函数，建立储能辅助火电机组调频模型。

在本实施例中，通过粒子群算法求解AGC调频控制目标函数具体包括以下步骤：

步骤101：获取k时刻AGC调频指令、(k-1)时刻储能系统荷电状态，(k-1)时刻AGC调频指令，(k-1)时刻火电机组实际出力值和(k-1)时刻火电机组AGC指令；

步骤102：设置粒子群规模、最大迭代次数、迭代精度、速度最大值和速度最小值；更新粒子群位置的最大值和最小值；初始化粒子群中各粒子的位置和速度；

步骤103：根据AGC调频控制目标函数构建适应度函数并计算粒子群中各粒子的适应度值；

步骤104：比较粒子群中各粒子的适应度值，更新个体极值和全局极值；

步骤105：判断粒子群中各粒子的个体极值和全局极值是否满足终止条件，若不满足，更新各粒子的位置和速度，然后回到步骤103；若满足，执行步骤106；

步骤106：确定k时刻火电机组和储能的AGC指令分配结果。

将所有火电机组和储能系统分别看作一个整体，忽略各自内部的调频责任分配方式，那么结合式(7)，可将AGC调频控制转化成单目标优化问题，而粒子群算法非常适合求解这类优化问题，因此选用密切度择优的粒子群算法，对上述建立的AGC调频控制目标优化函数进行求解，具体步骤如图1所示。

图中，各粒子的速度V和位置pop的更新规则如下所示：

式中，pop_i为第i维粒子的位置；V_i为第i维粒子的速度；n为迭代次数；c₁、c₂为粒子权重系数；r₁、r₂为0～1之间符合均匀分布的随机数；w为惯性权重，采取线性递减权值策略。

建立含SOC的可用于研究储能辅助调频的储能系统模型如图2所示：图中，T_B为储能系统的时间常数；K_T为积分电量计算时间常数，其值与仿真时间步长有关；E_B为储能系统额定容量；S_SOC,in为储能系统SOC初始值；P_B,ref为储能系统有功功率目标指令；P_B为储能系统实际输出有功功率；S_SOC为储能系统实际的荷电状态。

储能系统实时的荷电状态(SOC)计算式如下：

构建含储能辅助火电机组调频的区域电网调频动态模型如图3所示：图中，Δf为系统频率偏差；ΔP_line为互联电网联络线交换功率；K_I为PI调节器的积分系数；K_k为PI调节器的比例系数；B为二次调频频率偏差系数；P_Gi为第i台传统火电机组的二次调频出力指令；P_Bj为第j个储能系统二次调频出力指令；P_Gi1为第i台传统火电机组的一次调频出力；P_G'_i为第i台传统火电机组的实际输出的有功功率；P_B'_j为第j个储能系统实际输出的有功功率；P_Ld为系统净负荷波动；T_B为储能系统的时间常数；K_T为积分电量计算时间常数，其值与仿真时间步长有关；E_B为储能系统额定容量；S_SOC,in为储能系统SOC初始值；S_SOC为储能系统实际的荷电状态；T_g为调速器时间常数；T_r为再热时间常数；T_t为发电机时间常数；R为机组调差系数；K_r为再热系数；K_p为系统增益；T_p为系统时间常数。

在本发明的其中一个实施例中，考虑火电机组和储能系统技术特性、出力特征、调频特性等，区域电网调频动态仿真模型参数设置如下表1：

表1

利用Matlab/simulink平台和Matlab Function模块搭建仿真模型，系统的装机容量为1000MW，且选取基准功率为1000MW，储能初始荷电状态设为50％。储能SOC的可变范围控制在10％～90％，储能额定功率为±30MW，储能额定容量为15MW·h，储能最佳荷电状态为50％，火电机组备用功率上下限为±60MW，爬坡率为额定功率的3％/min。

根据数据统计，实际工程中有80％左右的AGC指令值在总装机容量的3％以内，因此选取负荷扰动方式为：净负荷在±30MW的范围内波动4000s，其中包括连续低频、连续高频和阶跃等多种典型工况，动态负荷扰动曲线如图4所示。

如图5-图9所示，在本发明的其中一个实施例中，如图5所示，火储联合AGC调频控制方法对于缓慢变化的负荷扰动能将频率偏差控制在极小的范围内；对于波动较大的阶跃扰动，虽然频偏明显变大，但仍能在极短的时间内迅速恢复频率，维持频率波动在较小的范围内。

如图6所示，火电机组分配到的出力指令平缓，主要承担了低频、幅值较大的调频责任，有效减少了火电机组的磨损。在0～2500s内，负荷扰动变化缓慢，储能系统出力指令极小；在1000～1500s内，储能系统出力迅速减小至零，由火电机组承担全部的高幅调频责任，有效维持了储能SOC；在2500s出现阶跃负荷扰动时，储能系统出力迅速响应，在2500～3500s内，高频AGC出力指令主要分配给储能系统，充分发挥了储能调频响应速度快、调节精度高的特性。

如图7所示，储能系统荷电状态较好地维持在47％～52％之间，使储能系统在辅助火电机组AGC调频时可以持续工作在较好的调频性能下。在500～1000s内，AGC调频指令增大，由于储能系统承担了部分较小的调频责任，SOC缓慢下降，且随着权重系数n2的增大，SOC下降速度逐渐减缓；在1000～1500s内，储能出力指令迅速减小至零，SOC基本不变；在1500～2500s内，AGC调频出力指令逐渐减小，储能承担小部分调频责任进行充电，SOC逐渐增大，且随着权重系数的变化，SOC上升速率先增后减；在2500～3500s内，负荷扰动呈现阶跃性高频波动状态，储能承担主要的调频责任，SOC短时内迅速减小，随着负荷扰动波动幅度的降低，SOC减小速率变缓；在3500s之后，负荷扰动逐渐降低至零，储能系统执行充电并逐渐恢复到最佳荷电状态。

图8和图9反映了在区域电网调频过程中，AGC指令变化速率以及调频运行成本函数中部分权重系数的变化情况。可以看到，随着SOC的变化，权重系数n2变化明显，二者互相影响，有效管理储能电池维持在较好的荷电状态。在2500s出现阶跃负荷扰动时，AGC指令变化速率明显增大，继而显著影响权重系数m1和n1，使得高频AGC出力指令被更多地指派给储能系统承担。

如图10所示，在本发明的其中一个实施例中，对3种不同方式下参与区域电网调频进行了仿真对比。其中，方式1为火储联合AGC调频，方式2为火电机组AGC调频(无储能)，方式3为火电机组一次调频(无储能)。

由图10可知，在方式3的调频作用下，由于一次调频是有差调频，当区域电网存在负荷扰动时频率偏差较大，在1000～1500s内，尽管负荷扰动维持不变，频率依旧存在稳定偏差；对于方式2，由于火电机组二次调频的作用，在负荷扰动变化缓慢时，频率偏差对比方式3明显变小，但由于火电机组受到爬坡率的限制，面对高频波动的负荷扰动，频偏较大，无法达到电能质量的要求；方式1采用火储联合AGC调频控制方式，充分利用了储能调频快速、精准响应的特性，对各类负荷扰动，均能有效控制频率在较小范围内波动，调频能力和质量得到了显著提升。

如图11-图14所示，将本方法所述AGC调频控制方法与其他两种常见的控制方法作对比，其中方法1采用了差额补偿法，方法2采用了静态比例分配法。

图11反映了3种调频控制方法下区域电网频率偏差响应情况。可以看出，对于变化缓慢的负荷扰动，3种方法均可以控制频偏在极小的范围内，其中本文方法与方法1控制频偏变化更平缓。对于高频的阶跃性负荷扰动，采用本文所述方法调频时具有显著优势，频偏明显小于其他两种方法，频率恢复速度更快。由于方法2是在火电机组与储能间按照静态比例分配调频责任，面对阶跃扰动时，分配给火电机组的调频责任显然无法得到及时响应，故造成较大的频率波动。方法1由于充分利用了储能快速响应的特性，频率波动也明显要小于方法2。

图12反映了3种调频控制方法下火电机组和储能AGC调频出力情况。可以看出，相较其他两种方法，采用本文方法时火电机组和储能调频出力更为平缓，波动更少，降低了磨损，提高了运行可靠性。

图13反映了3种调频控制方法下储能电池荷电状态变化情况。可以看到，在本文方法下通过对储能电池SOC实时有效管理，储能电池的荷电状态始终维持在最佳荷电状态附近，在承担各类不同调频任务后，储能SOC依旧能通过自适应充、放电调节逐渐恢复到最佳状态，实现可持续、高质量的调频工作；在加入阶跃性高频波动负荷扰动后，方法1下的储能SOC出现了明显偏移，且无法自适应恢复到最佳荷电状态；方法2由于不考虑储能出力特征和实时的荷电状态，在经过一系列调频指令后，储能SOC因持续出力而明显偏离基准荷电状态，容易因电量过低而退出调频，无法持续性工作。

图14反映了3种调频控制方法下累计调频运行成本变化情况。可以看到，方法2随着储能电池的过度利用，调频运行成本明显高于其他两种方法；当负荷扰动呈现低频缓慢变化时，本文方法与方法1的调频运行成本相差无几，而随着高频阶跃性负荷扰动的出现，方法1的累计调频运行成本逐渐显著高于本文方法。截止到4000s，本文方法下的累计调频运行总成本为0.6276，方法1为1.496，方法2为33.650，本文方法在经济优化方面也表现出优越性。

综上所述，本发明在火储联合AGC调频原理的基础上，在综合考虑了火电机组和储能系统调频出力特征、储能系统运行特性与可持续性、火储联合调频运行成本以及不同类型负荷扰动对AGC调频责任分配方式的影响后，提出了一种基于粒子群算法的火储联合AGC调频控制方法。该控制方法通过建立反映调频运行成本的数学模型，采用基于功率变化速率与SOC偏差的权重系数，基于密切度择优的粒子群算法求解优化问题，利用调频运行成本低则被优先调度的策略，实现期望的调频责任分配方式。根据调频电源特性以及调频技术特征，搭建了区域电网动态调频模型，并利用Matlab/simulink平台进行了仿真对比实验。

仿真结果表明，采用本文所述火储联合AGC调频控制方法，能将变化缓慢、低频高幅的调频指令分配给火电机组，使其出力更平缓，减小了机组损耗；而储能则主要承担高频、低幅的调频指令，充分发挥了储能系统快速精准响应的调频优势，极大提高了调频速率和质量，满足调频需求。同时，通过对储能SOC的实时管理，能维持其在最佳荷电状态附近小幅波动，保障了储能系统持续高效工作。此外，对于优化经济、减少调频运行成本，本文方法也表现出了优越性。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.一种基于粒子群算法的火储联合AGC调频控制方法，其特征在于，包括如下步骤：

建立调频运行成本函数；

计算调频运行成本函数中基于功率变化速率和SOC偏差的权重系数；

根据调频运行成本函数和权重系数建立AGC调频控制目标函数和约束条件；

通过粒子群算法求解AGC调频控制目标函数，建立储能辅助火电机组调频模型。

2.根据权利要求1所述的基于粒子群算法的火储联合AGC调频控制方法，其特征在于，所述调频运行成本函数包括反映火电机组调频运行成本的函数和反映储能系统调频运行成本的函数；

所述反映火电机组调频运行成本的函数为：

其中，A_i,k为第i个火电机组在k时刻的调频运行成本；P_agc,i,k为第i个火电机组在k时刻的AGC指令；P_i,k-1为第i个火电机组在(k-1)时刻的实际调频出力；m_i,1,k和m_i,2,k为权重系数；

所述反映储能系统调频运行成本的函数为：

其中，A_j,k为第j个储能电池在k时刻的调频运行成本；P_agc,j,k为第j个储能电池在k时刻的AGC指令；SOC_j,k为第j个储能电池在k时刻的理论荷电状态；SOC_ref为希望储能电池维持的参考荷电状态；n_j,1,k和n_j,2,k为权重系数。

3.根据权利要求2所述的基于粒子群算法的火储联合AGC调频控制方法，其特征在于，所述计算基于功率变化速率和SOC偏差的权重系数具体包括以下步骤：

根据AGC指令功率变化速率，建立权重系数动态函数，根据AGC指令的变化特征实时更新权重系数，得到:

其中，m_i,1,0、m_i,2,0、n_j,1,0、n_j,2,0为权重系数的基准值；v_k为k时刻AGC指令功率变化速率；v_ref为用于划分调频责任的功率变化速率参考值；α、β、γ为影响因子的比例系数；k时刻AGC指令功率变化速率为：

其中，P_agc,k为k时刻的AGC调频出力指令。

4.根据权利要求3所述的基于粒子群算法的火储联合AGC调频控制方法，其特征在于，所述AGC调频控制目标函数为：min(∑A_i,k+∑A_j,k)。

5.根据权利要求3所述的基于粒子群算法的火储联合AGC调频控制方法，其特征在于，所述AGC调频控制约束条件包括基于调频需求的约束条件和基于调频能力的约束条件，所述基于调频需求的约束条件为：P_agc,k＝∑P_agc,i,k+∑P_agc,j,k；

所述基于调频能力的约束条件为：

其中，v_i为第i个火电机组爬坡率；P_i,min、P_i,max为第i个火电机组备用功率上下限；P_j,min、P_j,max为第j个储能系统出力上下限；SOC_j,min、SOC_j,max为第j个储能系统荷电状态上下限。

6.根据权利要求4或5所述的基于粒子群算法的火储联合AGC调频控制方法，其特征在于，所述通过粒子群算法求解AGC调频控制目标函数具体包括以下步骤：

步骤101：获取k时刻AGC调频指令、(k-1)时刻储能系统荷电状态，(k-1)时刻AGC调频指令，(k-1)时刻火电机组实际出力值和(k-1)时刻火电机组AGC指令；

步骤102：设置粒子群规模、最大迭代次数、迭代精度、速度最大值和速度最小值；更新粒子群位置的最大值和最小值；初始化粒子群中各粒子的位置和速度；

步骤103：根据AGC调频控制目标函数构建适应度函数并计算粒子群中各粒子的适应度值；

步骤104：比较粒子群中各粒子的适应度值，更新个体极值和全局极值；

步骤105：判断粒子群中各粒子的个体极值和全局极值是否满足终止条件，若不满足，更新各粒子的位置和速度，然后回到步骤103；若满足，执行步骤106；

步骤106：确定k时刻火电机组和储能的AGC指令分配结果。

Images