CN112039092A - 计及储能soc恢复的孤岛直流外送agc模型预测控制方法 - Google Patents

Abstract

本发明提出一种计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法，构建孤岛电网状态空间模型，利用所获得系统动态状态方程矩阵预测ACE的输出值，建立滚动优化目标函数，根据ACE预测结果动态调节权重进行滚动优化，同时借助预测误差进行反馈校验，提升预测准确度。最终实现当ACE预测值较小时恢复储能荷电状态；当ACE预测值较大时，则控制调频单元出力以使得ACE最小的AGC模型预测控制目标。

Description

计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法

技术领域

本发明属于电力系统频率控制领域，具体涉及一种计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法。

背景技术

我国风能资源蕴含量丰富，集中分布在西北地区以及东南沿海和附近岛屿。为充分开发和消纳风电资源，我国必须建设大容量、远距离能源输送通道，促进全国范围内清洁能源的合理配置。高压直流输电在远距离大容量输电和大区联网两方面具有很大的优势，已成为我国远距离输电的首选方式。

对于交直流复杂互联大电网，存在着因直流发生单极/双极闭锁，导致潮流大范围转移到交流输电通道的潜在威胁。孤岛直流外送是现阶段避免交直流并联运行风险的一种有效措施。然而由于直流的频率隔离，孤岛电网缺乏大电网的支撑，再加上内部以发电为主，负荷小，缺乏负荷调节效应，同时短路比和转动惯量都较低，在大规模新能源接入背景下，系统频率更加脆弱。

当前对孤岛系统频率控制的相关研究中，研究内容主要集中在机组调频系统性能改进及直流频率限制控制器(Frequency Limit Control,FLC)配合上，对孤岛内自动发电控制(Automatic Generation Control,AGC)研究极少。

在含有储能参与电力系统AGC控制的相关研究中，由于技术限制以成本问题等的因素，储能系统的容量很小，在参与AGC控制时须兼顾荷电状态(state ofcharge,SOC)的变化，避免过充过放影响寿命。基于上述考虑，文献[1]提出采用模糊控制方法对储能出力进行平滑，在系统状态良好时恢复储能SOC。文献[2]提出了分频段控制和分区调整控制的策略，仅利用储能响应高频分量，减小储能的调节过程，避免过充及过放。文献[3]则提出了可在AGC单一方向调节过程中恢复储能SOC的调频资源协调控制策略。

当前，传统的AGC控制以PI控制为主，算法调节滞后，当控制区域内频率或联络线偏差达到调节阈值后才开始调节。对AGC系统的动态行为提前预测并施加控制，才是提升AGC控制水平的关键。模型预测控制(Model Predictive Control,MPC)因其基于模型对系统未来动态行为预测，实现控制过程的在线优化，在AGC控制应用中获得广泛关注。

参考文献：

[1]崔红芬，杨波，蒋叶，等.基于模糊控制和SOC自恢复储能参与二次调频控制策略[J],电力系统保护与控制,2019,47(22):89-97.

[2]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,2014,342(9):5080-5086.

[3]于昌海，吴继平，杨海晶,等.规模化储能系统参与电网调频的控制策略研究[J].电力工程技术.2019，38(4)：68-73.

发明内容

本发明的目的在于提出一种计及储能SOC恢复的孤岛直流外送系统AGC模型预测控制方法，用于解决直流送端孤岛情况下，因大规模新能源不确定出力导致电网频率不稳定的问题，同时维持储能系统SOC水平保证其持续有效的参与AGC控制。该方法包括：

步骤1：构建孤岛电网状态空间模型，获得系统动态状态方程和输出方程矩阵：

Y＝C_tX

式中，X为状态变量；U为控制变量；R为扰动变量；Y为输出变量；A_t、B_t、E_t、C_t分别为状态矩阵、控制矩阵、扰动矩阵和输出矩阵；

步骤2：依据电网等值聚合结果，将系统等值后的模型参数输入所述系统动态状态方程和输出方程矩阵中，对预测模型进行初始化；

步骤3：采集系统当前状态量X、控制量U、扰动量R及储能电池SOC，假设k+1时刻之后扰动量和控制量均未发生改变的情况下预测未来k+p时刻ACE的输出值，其中：

下一时刻，ACE的预测输出为

y(k+1)＝C_tΔX(k+1)+y_c(k)

未来k+p时刻ACE的预测输出为：

式中，y_c(k)为当前k时刻系统的实际输出；p为预测时域；A＝A_t+E,E为单位矩阵；ΔX(k),ΔU(k),ΔR(k)为当前时刻状态增量、控制增量、扰动增量，ΔX(k+1)，Δy(k+1)为下一时刻状态增量和输出增量；

步骤4：基于下一时刻的ACE预测输出y(k+1)，确定目标函数中的权重r值，以控制ACE最小或储能SOC恢复为控制目标进行滚动优化，并将得到的优化控制量U*实施；

优化目标函数表示为

式中，q_i为第i项预测输出y(k+i)的权重；SOC_k+1为下一时刻电池SOC值，r为动态调节权重，r取值与预测值y(k+1)之间的关系为

式中，x为预测值y(k+1)，P₀为初始值，K为函数终值，i为参数，衡量曲线变化快慢，a为控制目标切换阈值；

步骤5：系统优化控制量U*作用后计算下一控制时刻ACE实际值，并与预测值y(k+1)作差，更新预测误差，校正预测方程；

在k时刻预测误差可表示为

e(k)＝y_c(k)-y(k|k-1)

式中，y(k|k-1)为前一时刻的输出预测值，预测输出方程校正后为

y_cor(k+i)＝y(k+i)+e(k),i＝1,...,p

步骤6：当频率偏差位于-0.0225HZ～0.0225HZ之间，y(k+1)预测位于二次调频区间±30％以内(-90MW～90MW)时，AGC功能保持投入，此时的作用是调整储能的SOC恢复；当频率良好，频率偏差处于49.9775HZ～50.0225HZ之间，且储能的SOC状态良好，处于0.4～0.6区间时，目标函数取值小于1.81，不进行调整控制，否则返回第2步骤重复上述控制过程。

进一步，系统动态状态方程矩阵具体为：

系统输出矩阵为：

其中，H为等效发电机惯性时间常数，D为等效阻尼系数，ΔP_M为发电机机械功率增量，ΔP_DC为直流系统的附加控制环节引起的直流功率增量，ΔP_L为负荷增量，ΔP_W为风电预测功率偏差，ΔP_B为储能输出功率增量，ΔP_CG为机组有功控制增量；ΔP_CB为储能有功控制增量；T_g为调速器时间常数；ΔP_CV为调速器阀门位置开度输出；K_r、T_r分别为原动机再热系数和时间常数；ΔP_GV为原动机阀门开度增量；T_t为汽轮机响应时间常数；T_b为储能并网换流器响应时间常数；Δf为频率偏差，K_DC为直流功率调制比；T_DC为直流系统时间常数，B为系统控制区的频率响应特性系数

为调速器阀门位置开度输出ΔP_CV的一阶偏导，

为原动机阀门开度增量ΔP_GV的一阶偏导，

为发电机机械功率增量ΔP_M的一阶偏导，

为储能输出功率增量ΔP_B的一阶偏导，

为直流系统的附加控制环节引起的直流功率增量ΔP_DC的一阶偏导，

为系统频率偏差Δf的一阶偏导。

进一步，目标函数在滚动优化过程中，需满足的控制约束包括：

储能电池SOC与有功功率的出力之间满足下列等式约束关系

式中，SOC_k为当前电池SOC值，P_CBΔt为Δt时间内储能的充(放)电量，η_d为电池充放电效率，该值与所选用的电池类型、外部环境等因素有关，Q_tol为电池系统总电量；

储能电池的荷电状态约束

SOC_min≤SOC_k≤SOC_max

式中，SOC_min、SOC_max分别为电池的SOC上下限值；

储能电池电站的最大充放电功率约束

P_Chg≤P_CB≤P_Dch

式中，P_Chg为储能最大充电功率，为负值；P_Dch为储能最大放电功率，为正值；

火力发电机功率变化约束

|ΔP_CG|≤P_Gt

式中，P_Gt为上下爬坡速率，典型约束值为0.015pu/min。

本发明的有益效果在于：

1.本发明的方法可有效提升系统频率稳定性。相比于传统的基于PI环节的AGC控制方法，采用模型预测控制对AGC系统的动态行为提前预测并施加控制，可从根本上改善AGC控制过程的滞后性，提升系统频率稳定水平。

2.本发明的方法可维持储能系统状态良好。本发明的方法中在滚动优化阶段，目标函数的构建考虑了储能SOC恢复过程，当系统状态良好，频率偏差较小或ACE较小时，利用系统二次调频剩余容量恢复储能SOC。

附图说明

图1是含储能电池参与的孤岛直流外送系统AGC控制框图；

图2是Logistic函数变换形式图像；

图3是本发明的基于模型预测控制的AGC控制流程；

图4是仿真对比示例所使用的西北地区能源基地孤岛直流外送电网结构；

图5是仿真对比示例中风电场功率随机扰动曲线；

图6是本发明方法和其他两种现有方法的系统频率比较图；

图7是本发明方法和其他两种现有方法的储能SOC对比图。

具体实施方式

下面结合附图，对实施例作详细说明。

首先需要构建孤岛电网状态空间模型。

直流送端孤岛系统频率稳定特性由机组特性、直流系统、负荷特性、风电出力和储能出力共同作用。根据电网等值思想，送端火电机群可等值为单机模型。根据发电机转子的运动方程，有

式中：ω为发电机转速；H为等效发电机惯性时间常数；P_M为发电机机械功率；P_E为电磁功率，D为等效阻尼系数；Δω为发电机转速增量，ΔP_M为发电机机械功率增量，ΔP_E为、电磁功率增量。发电机等效参数按容量比进行聚合。

在功率平衡条件下有

ΔP_E＝ΔP_DC+ΔP_L+ΔP_W+ΔP_B (2)

式中：ΔP_DC为直流系统的附加控制环节引起的直流功率增量；ΔP_L为负荷增量；ΔP_W为风电预测功率偏差；ΔP_B为储能输出功率增量。

系统状态空间模型结构如附图1所示，图中T₁为转速测量环节时间常数；M为调差系数；ΔP_CG为机组有功控制增量；ΔP_CB为储能有功控制增量；T_g为调速器时间常数；ΔP_CV为调速器阀门位置开度输出；K_r、T_r分别为原动机再热系数和时间常数；ΔP_GV为原动机阀门开度增量；T_t为汽轮机响应时间常数；T_b为储能并网换流器(Power Conversion System,PCS)响应时间常数；Δf为频率偏差。其中ΔP_CV,ΔP_GV,ΔP_M,ΔP_DC,ΔP_B,Δf为状态变量；ΔP_CG,ΔP_CB为控制变量；ΔP_L,ΔP_W为扰动变量。

模型中单再热式汽轮机状态方程为

直流频率限制器FLC状态方程为

式中：K_DC为直流功率调制比；T_DC为直流系统时间常数。

储能系统状态方程为

系统频率状态方程为

孤岛AGC系统控制模式为定频率控制方式(Flat Tie-line Control,FFC)，模型的输出变量为ACE，故输出方程表示为

y＝ACE＝-10BΔf (9)

式中：B为系统控制区的频率响应特性系数。

综上，将公式(3)-(9)整理可得系统动态状态方程和输出方程矩阵形式为

Y＝C_tX

式中：X为状态变量；U为控制变量；R为扰动变量；Y为输出变量；A_t、B_t、E_t、C_t分别为状态矩阵、控制矩阵、扰动矩阵和输出矩阵，具体为

状态方程中等号左边为状态变量的一阶偏导，分别为调速器阀门位置开度输出ΔP_CV，原动机阀门开度增量ΔP_GV，发电机机械功率增量ΔP_M，储能输出功率增量ΔP_B，直流系统的附加控制环节引起的直流功率增量ΔP_DC，系统频率偏差Δf。

之后利用AGC模型进行预测控制。

模型预测控制是基于控制对象数学模型的控制算法，由多步预测、滚动优化及反馈校正三部分组成。多步预测提供了预先控制的基础；滚动优化中目标函数的选择体现了控制目的及控制系统性能的要求；反馈校正对控制偏差进行修正，形成闭环控制。

AGC模型进行预测控制的多步预测：

考虑在k时刻将式(10)微分方程差分化，则有

ΔX(k+1)＝AΔX(k)+B_tΔU(k)+E_tΔD(k) ΔX(k+1)＝AΔX(k)+B_tΔU(k)+E_tΔR(k)

Δy(k+1)＝C_tΔX(k+1) Δy(k+1)＝C_tΔX(k+1)

(11)

式中：A＝A_t+E,E为单位矩阵；ΔX(k),ΔU(k),ΔR(k)为当前时刻状态增量、控制增量、扰动增量，ΔX(k+1)，Δy(k+1)为下一时刻状态增量和输出增量。对下一时刻，系统的预测输出即为

y(k+1)＝C_tΔX(k+1)+y_c(k) (12)

式中：y_c(k)为当前k时刻系统的实际输出。据此可进一步递推得到未来k+p时刻的系统状态输出

式中：p为预测时域，由于未来的控制量和扰动尚不可知，上式(13)的推导基于假设k+1时刻之后扰动量和控制量均未发生改变，因此对于预测时域内，p值越大预测值偏差也越大。

AGC模型进行预测控制的滚动优化：

当前由于技术限制以成本问题等的因素，储能电池电站系统的容量很小，在储能参与AGC控制时，需兼顾储能电池SOC的变化，使储能系统能量趋于良好的状态，以保证其持续有效的参与调节。基于上述考虑，本发明设定滚动优化目标函数表示为

式中：q_i为第i项预测输出y(k+i)的权重；SOC_k+1为下一时刻电池SOC值，与当前SOC值及电池放电时间和功率有关；r为动态调节权重，取值大小依据预测值y(k+1)决定。

上述目标函数由两项构成，前一项为区域控制偏差调节，后一项为电池SOC恢复，滚动优化的主要控制目标通过r值调节：当r值取接近零值时，后一项可忽略不计，主要优化目标为调整区域控制偏差ACE最小；当r取较大值，远大于ACE预测值时，目标函数的主要调节目标则为电池SOC调节，使其趋向于最大充放电能力的区域调节(即SOC＝0.5时)。r取值与预测值y(k+1)之间的关系采用Logistic函数的变换形式来表示，函数图像如附图2所示，关系式具体表示为

式中：x为预测值y(k+1)，P₀为初始值，K为函数终值，i为参数，衡量曲线变化快慢，a为控制目标切换阈值。当系统状态良好，ACE预测值在二次调频区间的30％以内时，r取大值，控制储能SOC自恢复，即

a＝10B×0.15Hz×30％ (16)

综上所述，本发明的模型预测控制策略为当预测值y(k+1)较小时，r取较大值，滚动优化以SOC恢复为主要控制目标；当预测值y(k+1)较大时，r取接近零值，滚动优化以调整ACE最小为主要控制目标，由此实现储能参与AGC的同时兼顾SOC自恢复过程。

目标函数在滚动优化过程中，需要满足控制系统的相关约束要求，包括有以下：

储能电池SOC与有功功率的出力之间满足下列等式约束关系

式中：SOC_k为当前电池SOC值，P_CBΔt为Δt时间内储能的充(放)电量，η_d为电池充放电效率，该值与所选用的电池类型、外部环境等因素有关，Q_tol为电池系统总电量。

储能电池的荷电状态约束

SOC_min≤SOC_k≤SOC_max (18)

式中：SOC_min、SOC_max分别为电池的SOC上下限值。

储能电池电站的最大充放电功率约束

P_Chg≤P_CB≤P_Dch (19)

式中：P_Chg为储能最大充电功率，为负值；P_Dch为储能最大放电功率，为正值

火力发电机功率变化约束

|ΔP_CG|≤P_Gt (20)

式中：P_Gt为上下爬坡速率，典型约束值为0.015pu/min。

模型预测控制的实际输出值与预测值之间必然存在误差，可利用误差信息来补偿下一次预测值，提高预测精度。在k时刻预测误差可表示为

e(k)＝y_c(k)-y(k|k-1) (21)

式中：y(k|k-1)为前一时刻的输出预测值。预测输出方程校正后为

y_cor(k+i)＝y(k+i)+e(k),i＝1,...,p (22)

利用校正后的预测方程，AGC系统等待获取下一时刻的电网状态，开展多步预测和优化，更新预测误差，实现在线滚动控制。

本发明的基于模型预测控制的AGC控制流程如附图3所示。

1)依据电网等值聚合结果，将系统等值后的模型参数输入公式(10)中预测模型(内部对象)进行初始化。

2)AGC采集系统当前状态量X、控制量U、扰动量R及储能电池SOC，利用预测方程公式(13)进行多步预测，预测ACE的输出值。

3)基于下一时刻的ACE预测输出y(k+1)，确定目标函数中的权重r值，选择以控制ACE最小为目标或储能SOC恢复为主要控制目标进行滚动优化，并将得到的优化控制量U*实施。

4)系统优化控制量U*作用后计算下一控制时刻ACE实际值，并与预测值y(k+1)作差，更新预测误差，校正预测方程。

5)最后，当频率偏差位于-0.0225HZ～0.0225HZ，y(k+1)预测位于二次调频区间±30％以内(-90MW～90MW)时，AGC功能保持投入，此时的作用是调整储能的SOC恢复；当频率良好，频率偏差处于49.9775HZ～50.0225HZ区间，且储能的SOC状态良好，处于0.4～0.6区间时，目标函数取值小于1.81，不进行调整控制，否则返回第2步骤重复上述控制过程。

下面通过仿真对比来说明本发明的控制方法的实际效果。仿真模型以西北电网实际BPA数据进行PSCAD建模，包括火电机组、双馈风机及储能电池等模块，各模块间通过交流线路、变压器、电抗器等相连构成送端交流网架，如附图4所示。其中火电机组共11台，总装机容量约为7600MW；风电场总装机容量约为3060MW；储能电站总容量12MW·h，初始容量SOC＝0.5，最大充放电功率为±100MW。当前孤岛直流外送运行方式下，系统稳态时火电总出力约5887MW，风电总出力约1700MW，风电占比约22％；HVDC功率外送4000MW，岛内总负荷约3600MW。系统等值后模型预测控制参数如表1所示。

表1 孤岛直流外送系统模型参数

选取对比方法为基于模糊控制的SOC自恢复方法及传统PI控制方法进行仿真对比，其中传统PI控制方法不含SOC恢复功能，且储能电池优先出力，剩余调频功率再由常规机组响应。选用风电场有功功率随机波动如附图5所示。不同控制方式下，系统频率变化及SOC变化如附图6、附图7所示。

由图6可知，应用本发明方法AGC模型预测控制方式下系统总体的频率偏差最小。尤其当风电功率波动幅度较大时，频率稳定效果更显著。而当扰动幅度较小时，三种控制方法的频率变化相差不大，表明在SOC恢复过程中并不会造成电网频率波动。

由图7可知，本发明的方法与模糊控制的SOC自恢复方法均考虑了储能SOC恢复，而本发明方法具有更好的调节效果，恢复速率更快。在系统频率偏差较小(即较小ACE)时，本发明的方法更能充分利用传统机组的调频余量恢复储能SOC。

综上所述，本发明所提AGC模型预测控制方法基于电网下一时刻的状态预测值进行提前控制，可有效抑制功率波动引起的频率变化，提升孤岛电网频率稳定性的同时，兼顾储能SOC恢复，使储能持续有效的参与AGC调节。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法，包括：

步骤1：构建孤岛电网状态空间模型，获得系统动态状态方程和输出方程矩阵：

Y＝C_tX

式中，X为状态变量；U为控制变量；R为扰动变量；Y为输出变量；A_t、B_t、E_t、C_t分别为状态矩阵、控制矩阵、扰动矩阵和输出矩阵；

步骤2：依据电网等值聚合结果，将系统等值后的模型参数输入所述系统动态状态方程和输出方程矩阵中，对预测模型进行初始化；

步骤3：采集系统当前状态量X、控制量U、扰动量R及储能电池SOC，假设k+1时刻之后扰动量和控制量均未发生改变的情况下预测未来k+p时刻ACE的输出值，其中：

下一时刻，ACE的预测输出为

y(k+1)＝C_tΔX(k+1)+y_c(k)

未来k+p时刻ACE的预测输出为：

式中，y_c(k)为当前k时刻系统的实际输出；p为预测时域；A＝A_t+E,E为单位矩阵；ΔX(k),ΔU(k),ΔR(k)为当前时刻状态增量、控制增量、扰动增量，ΔX(k+1)，Δy(k+1)为下一时刻状态增量和输出增量；

步骤4：基于下一时刻的ACE预测输出y(k+1)，确定目标函数中的权重r值，以控制ACE最小或储能SOC恢复为控制目标进行滚动优化，并将得到的优化控制量U*实施；

优化目标函数表示为

式中，q_i为第i项预测输出y(k+i)的权重；SOC_k+1为下一时刻电池SOC值，r为动态调节权重，r取值与预测值y(k+1)之间的关系为

式中，x为预测值y(k+1)，P₀为初始值，K为函数终值，i为参数，衡量曲线变化快慢，a为控制目标切换阈值；

步骤5：系统优化控制量U*作用后计算下一控制时刻ACE实际值，并与预测值y(k+1)作差，更新预测误差，校正预测方程；

在k时刻预测误差可表示为

e(k)＝y_c(k)-y(k|k-1)

式中，y(k|k-1)为前一时刻的输出预测值，预测输出方程校正后为

y_cor(k+i)＝y(k+i)+e(k),i＝1,...,p

步骤6：当频率偏差位于-0.0225HZ～0.0225HZ之间，y(k+1)预测位于二次调频区间±30％以内(-90MW～90MW)时，AGC功能保持投入，此时的作用是调整储能的SOC恢复；当频率良好，频率偏差处于49.9775HZ～50.0225HZ之间，且储能的SOC状态良好，处于0.4～0.6区间时，目标函数取值小于1.81，不进行调整控制，否则返回第2步骤重复上述控制过程。

2.根据权利要求1所述的一种计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法，其特征在于，所述系统动态状态方程矩阵具体为：

系统输出矩阵为：

其中，H为等效发电机惯性时间常数，D为等效阻尼系数，ΔP_M为发电机机械功率增量，ΔP_DC为直流系统的附加控制环节引起的直流功率增量，ΔP_L为负荷增量，ΔP_W为风电预测功率偏差，ΔP_B为储能输出功率增量，ΔP_CG为机组有功控制增量；ΔP_CB为储能有功控制增量；T_g为调速器时间常数；ΔP_CV为调速器阀门位置开度输出；K_r、T_r分别为原动机再热系数和时间常数；ΔP_GV为原动机阀门开度增量；T_t为汽轮机响应时间常数；T_b为储能并网换流器响应时间常数；Δf为频率偏差，K_DC为直流功率调制比；T_DC为直流系统时间常数，B为系统控制区的频率响应特性系数

为调速器阀门位置开度输出ΔP_CV的一阶偏导，

为原动机阀门开度增量ΔP_GV的一阶偏导，

为发电机机械功率增量ΔP_M的一阶偏导，

为储能输出功率增量ΔP_B的一阶偏导，

为直流系统的附加控制环节引起的直流功率增量ΔP_DC的一阶偏导，

为系统频率偏差Δf的一阶偏导。

3.根据权利要求2所述的一种计及储能SOC恢复的孤岛直流外送AGC模型预测控制方法，其特征在于，目标函数在滚动优化过程中，需满足的控制约束包括：

储能电池SOC与有功功率的出力之间满足下列等式约束关系

式中，SOC_k为当前电池SOC值，P_CBΔt为Δt时间内储能的充(放)电量，η_d为电池充放电效率，该值与所选用的电池类型、外部环境等因素有关，Q_tol为电池系统总电量；

储能电池的荷电状态约束

SOC_min≤SOC_k≤SOC_max

式中，SOC_min、SOC_max分别为电池的SOC上下限值；

储能电池电站的最大充放电功率约束

P_Chg≤P_CB≤P_Dch

式中，P_Chg为储能最大充电功率，为负值；P_Dch为储能最大放电功率，为正值；

火力发电机功率变化约束

|ΔP_CG|≤P_Gt

式中，P_Gt为上下爬坡速率，典型约束值为0.015pu/min。

Images