考虑变负荷速率影响的储能辅助火电AGC变负荷容量优化配置

李展; 刘磊; 康静秋; 杨振勇; 高明帅; 吕游

doi:10.12404/j.issn.1671-1815.2505628

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (26) :11339-11347 DOI: 10.12404/j.issn.1671-1815.2505628

电工技术

考虑变负荷速率影响的储能辅助火电AGC变负荷容量优化配置

李展 ¹ ,
刘磊 ¹ ,
康静秋 ¹ ,
杨振勇 ¹ ,
高明帅 ¹ ,
吕游 ²

作者信息 +

Optimal Allocation of AGC Load Regulation Capacity of Thermal Power Units Assisted by Energy Storage Considering the Influence of Load Ramp Rate

Author information +

文章历史 +

摘要

为解决储能辅助火电机组AGC(automatic generation control)变负荷容量配置问题。通过对额定功率为660 MW火电机组在春、夏、秋、冬季节中各一周的AGC变负荷数据进行分析,研究机组AGC变负荷指令大小、方向及间隔时间特征。提出考虑AGC变负荷指令单独或短间隔连续阶跃变化下及储能荷电状态(state of charge,SOC)自恢复特性的容量配置计算方法及辅助变负荷控制策略。最后,选择某一典型日机组实际变负荷数据,使用粒子群优化算法(particle swarm optimization,PSO)得出机组在2.45%Pe(Pe为额定负荷)变速率下,配置功率为20.082 MW、容量为2.75 MW·h的功率型飞轮储能,可实现收益率最大为0.92。随着调频单价及调频里程的增加,机组的收益率会不断增加,当调频单价为11元/MW时或调频里程达到 2 800 MW 时机组收益率超过1。所提出的容量核算方法,为其他类型机组的容量配置提供了有益参考。

Abstract

To address the capacity configuration issue of energy storage assisting thermal power units in AGC load variation, an analysis was first conducted on the AGC load variation data of a 660 MW-rated thermal power unit over one-week periods in spring, summer, autumn, and winter, examining the characteristics of the magnitude, direction, and interval time of AGC load variation commands; a capacity configuration calculation method and an auxiliary load variation control strategy were proposed, considering both independent or short-interval continuous step changes of AGC load variation commands and the self-recovery characteristics of the energy storage system’s SOC (state of charge). Finally, using actual load variation data from a typical day, PSO (particle swarm optimization) algorithm was applied, revealing that with a variation rate of 2.45%Pe (rated power), configuring a power-type flywheel energy storage system with a power of 20.082 MW and a capacity of 2.75 MW·h could achieve a maximum return rate of 0.92. As the frequency regulation price and frequency regulation mileage increase, the unit’s return rate continues to rise, exceeding 1 when the frequency regulation price reaches 11 CNY/MW or the frequency regulation mileage reaches 2 800 MW. The capacity accounting method proposed in this paper provides a useful reference for capacity configuration of other types of units.

Graphical abstract

关键词

变负荷 / 容量配置 / 季节 / 控制策略 / 粒子群算法 / 收益率

Key words

load regulation / capacity allocation / season / control strategy / particle swarm optimization / rate of return

引用本文

引用格式 ▾

李展, 刘磊, 康静秋, 杨振勇, 高明帅, 吕游. 考虑变负荷速率影响的储能辅助火电AGC变负荷容量优化配置[J]. 科学技术与工程, 2026, 26(26): 11339-11347 DOI:10.12404/j.issn.1671-1815.2505628

LI Zhan, LIU Lei, KANG Jing-qiu, YANG Zhen-yong, GAO Ming-shuai, LÜ You. Optimal Allocation of AGC Load Regulation Capacity of Thermal Power Units Assisted by Energy Storage Considering the Influence of Load Ramp Rate[J]. Science Technology and Engineering, 2026, 26(26): 11339-11347 DOI:10.12404/j.issn.1671-1815.2505628

登录浏览全文

4963

注册一个新账户忘记密码

随着新型电力系统的建设提速,火电机组作为电力系统的压舱石和稳定器,其调峰任务愈加繁重。但同时火电机组由于其自身特性,其对调峰响应有一定迟延,且负荷控制精度较差。但如飞轮储能、超级电容储能等功率型储能系统具有响应时间段、调节速度快、控制精度高的特点。所以使用功率型储能辅助火电机组进行AGC(automatic generation control)变负荷调节是一条可行的路线。针对相关内容国内一些学者对此进行了相关研究。如周登涛等^[1]使用基于经验模态分解和变分模态分解的方法,对平抑风电功率波动的储能经济性配置问题进行了研究。周军等^[2]提出一种电池辅助火电机组进行AGC变负荷的动态系数控制策略,结果表明此方法在电池荷电状态保持及调峰效果方面具有较大的优势。王圣等^[3]对基于电池辅助机组调峰的比例、差额和频率3种分配策略进行了对比,分析结果表明使用频率控制不仅可提高机组的调峰能力,还能延长电池寿命。张文政等^[4]提出了一种多层次、非线性、变速率限制的AGC指令分解方法,结果表明该方法具备多重优越性。吴清华等^[5]选择混合储能辅助火电机组调峰,考虑储能成本、调峰及环境收益等约束,建立了混合储能容量配置模型。司文博^[6]依据AGC变负荷过程的响应阶段、爬坡阶段和稳定阶段的不同特点,提出了不同阶段储能辅助火电机组调频动作的自适应方法。刘鑫屏等^[7]考虑火电机组爬坡率限制和储能荷电状态限制,给出一种自适应调频信号分解策略。房方等^[8]提出一种基于AGC指令和电网频率偏差的动态负荷分配策略。陈沛等^[9]根据AGC指令变化方向,将储能电池进行分组配合火电机组升降负荷,仿真结果表明所提方法不但提高了机组的AGC变负荷特性,还可以减少对储能电池的寿命损耗。于琳琳等^[10]基于区域控制偏差和电池荷电状态,提出在不同区域和频率调节需求下的多元化辅助调频方式。

在功率型储能辅助火电机组进行AGC变负荷研究方面,上述文献主要对储能辅助机组进行AGC变负荷协同控制策略进行了研究,在储能容量配置方面研究相对较少,且已有的容量配置研究一般仅局限于对某天的AGC变负荷数据进行分析,未考虑机组不同季节的配置区别。现考虑不同季节天气对火电机组AGC变负荷指令的大小和间隔影响,特选取春、夏、秋、冬不同季节的数据进行系统分析,同时考虑不同AGC变负荷的速率、变负荷的幅值、相邻指令间隔大小及功率型储能荷电状态恢复时间等因素,对功率型储能容量配置进行系统的研究,以期对其他类型火电机组配储研究提供参考。

1 AGC变负荷指令分析

1.1 变负荷次数分析

考虑不同季节的温度、风力、光照等的天气因素变化较多,导致区域用电负荷、新能源出力不稳定,这一定会导致火电厂负荷指令变化的差异。所以选取一额定容量为660 MW电厂春、夏、秋、冬不同季节下各一周的AGC变负荷数据进行分析。如图1所示,其AGC变负荷指令次数在春、秋季节比夏、冬季更为频繁。这主要是由于该地区春、秋两季风力大小、方向变化剧烈,为实时维持电网频率稳定,火电机组变负荷次数多。夏季光照较为稳定且强烈,规律性较强;同时冬季受限于供热量的影响,导致该火电机组AGC变负荷次数显著减少。所以在计算储能辅助火电机组变负荷配置时,需要选择机组AGC变化比较频繁的季节数据,以求储能配置容量,容错性更强。

1.2 变负荷大小、方向、间隔分析

为了简化研究内容,选择春季和夏季两个季节的数据,对AGC变负荷指令大小、指令方向、间隔时间等内容进行研究。

图2所示为电厂春季某周变负荷数据,机组的上升指令一共4 340次,其中0~1%Pe(Pe为机组额定负荷)变负荷范围次数最多,占比65.32%,其次为1%Pe~2%Pe变负荷范围, 占比18.87%,从0~7%Pe的变负荷次数占总数的99.6%。下降指令一共3 346次,其中0~1%Pe变负荷范围次数最多,占比56.07%,其次为1%Pe~2%Pe变负荷范围, 占比19.87%,从0~7%Pe的变负荷次数占总次数的99.6%。

图3所示为电厂夏季某周变负荷数据,机组的上升指令一共595次,其中0~1%Pe变负荷范围次数最多,占比63.53%,其次为1%Pe~2%Pe变负荷范围, 占比23.53%,从0~7%Pe的变负荷次数占总次数的100%。下降指令一共399次,其中0~1%Pe变负荷范围次数最多,占比52.63%,其次为1%Pe~2%Pe变负荷范围, 占比22.8%,从0~7%Pe的变负荷次数占总次数的98.24%。

选择春季某一天的AGC变负荷数据进行统计,暂不考虑相邻AGC变负荷指令之间的时间间隔,将相邻且同向的变负荷指令次数进行合并。如图4所示,可以看出合并前的变负荷指令数为928个,合并后的指令个数为152个,所以从这里可以看出,机组日常运行中很多AGC变负荷指令是同向且连续出现的。

考虑到储能辅助火电机组进行AGC变负荷期间,需要及时进行能量状态自恢复,所以有必要分析AGC变负荷指令之间的时间间隔,尤其在大量同向指令连续发生时,其间隔时间显得更加重要。如图5所示,该电厂的AGC变负荷指令的间隔在0~30 s的居多,在春、夏两季都占到了40%以上,30~120 s的指令占比也都在30%左右。

从上述分析可知,AGC变负荷指令的幅度大小统计来看,该电厂在春、夏两季节中的单次上升、下降指令中,0~2%Pe的变负荷幅度占比一般在80%以上,0~7%Pe的变负荷幅度占比一般在99%左右,从这里可以看出,如果机组配置的容量在7%Pe时即可满足电厂的需求。但从图4可知,AGC连续同向变负荷指令次数占总次数的80%左右。此外,从相邻的指令间隔时间统计来看,AGC变负荷的间隔时间在0~120 s的占比在70%左右。所以在进行火电机组储能配置优化时,除了考虑单次变负荷的大小以外,还需要将储能本身荷电状态(state of charge,SOC)的自恢复与相邻同向的AGC变负荷指令大小、指令间隔时间等因素进行统筹考虑,以求储能配置计算更准确。

2 储能配置计算优化

根据《火力发电厂自动发电控制性能测试验收规程》(DL/T 1210—2025)的要求,中速磨煤机的直流锅炉变负荷速率一般不低于1.5%Pe,首先按照1.5%Pe/min的固定变负荷速率为例进行分析。如图6所示为选择该厂春季某天的AGC变负荷数据进行绘制所得曲线。

飞轮储能以其良好的功率响应特性、寿命长的特点,近些年商业化运行工程越来越多。选择飞轮储能为例进行相关计算,其他储能可参照进行。飞轮储能一般用荷电状态(SOC)表示其目前充、放电能力^[11]。

(1)SOC=$\frac{{\mathit{\omega }}_{\mathit{s}}^{2}-{\mathit{\omega }}_{\mathit{m}\mathit{i}\mathit{n}}^{2}}{{\mathit{\omega }}_{\mathit{m}\mathit{a}\mathit{x}}^{2}-{\mathit{\omega }}_{\mathit{m}\mathit{i}\mathit{n}}^{2}}$

式(1)中:ω_s、ω_max ω_max、ω_min分别为飞轮的实际转速、最大角速度、最小角速度,rad/s。

飞轮储能为功率型储能,其SOC自恢复时间一般和其充、放电电流、电压的大小有关,同时为了保证火电厂厂用电的安全,一般会对充、放电的电压、电流进行限制,致使其自恢复的时间一般和储能容量大小成正比例关系。但为了简化计算,这里先根据机组变负荷的指令大小对自恢复的时间进行初步的选择,假设配置的飞轮储能恢复的时间为90 s,同时考虑储能开始自恢复的时间一般在变负荷指令结束后的30 s开始。飞轮储能动作及自恢复的流程图如图7所示。以机组升负荷为例,在升负荷时,如果AGC负荷设定值高于机组实际负荷时,储能开始动作,并按照式(2)进行动作;当机组实际负荷值大于设定值,并高于机组额定负荷的0.5%Pe时,储能开始按照式(3)进行动作;当机组负荷设定值稳定,且负荷设定值与实际功率偏差在0.5%Pe以内时,储能开始进行自恢复动作。

(2)P_c=P_agc-P_s

(3)P_c=P_s-P_agc-1

式中:P_c、P_agc、P_s分别为储能动作量、AGC负荷设定值、机组实际功率,MW。

考虑机组AGC变负荷指令间隔、相邻变负荷指令方向等因素,对AGC变负荷指令的配储计算规则规定如下。

步骤1 根据机组原AGC变负荷指令,计算以1.5%Pe/min速率下的AGC负荷设定值数据。

步骤2 首先根据机组负荷设定值数据趋势变化,将整个负荷设定值数据分为上升段、下降段、平稳段3种类别。

步骤3 如果平稳段持续时间≤30 s,且相邻的AGC变负荷指令同向,则可以将两个相邻的变化段,合并成一个变化段,并按流程图4中的规则计算此变化段的积分电量。

步骤4 如果平稳段持续时间>30 s,但小于120 s,且相邻的AGC变负荷指令同向。将两个相邻的同方向变化段积分电量相加,同时考虑间隔时间段内,储能自身荷电状态的恢复情况,即将相加后电量需要再乘恢复系数K,得出此段最终的积分电量,其中K为本次间隔时间与储能理论恢复时间的比值。

步骤5 如果平稳段持续时间≥120 s,则不予合并,对相邻的变化段进行单独的电量积分计算。

步骤6 计算每一个变化段的负荷设定值与机组实际负荷值之间的偏差量,寻找每个变化段中的最大偏差值,作为配置储能的功率大小值。

按照上述原则,同时为了简化文章篇幅,这里选择图6中数据为例进行计算。图8为不考虑连续同向变化时的初步分析,从图中可以看出AGC变负荷的指令变化一共是367段,其中升负荷216段,降负荷151段,升负荷段下的最大配储电量为 0.635 MW·h,降负荷段下的最大配储电量为 0.723 MW·h。如果按照上述第一步到第4步的规则进行核算,如图9为将AGC变负荷指令合并后的统计,从图中可以看出合并后,AGC变负荷的指令变化一共是126段,其中升负荷64段,降负荷62段,升负荷段下的最大配储电量为2.64 MW·h,降负荷段下的最大配储电量为1.64 MW·h。

表1为AGC指令合并前后具体数据统计。从表1 中可以看出AGC指令合并前后储能的配置分别为19.354 MW (0.723 MW·h)、19.354 MW(2.640 MW·h)。因为在指令合并前后,负荷设定值与机组实际功率最大偏差是不变的,但是同向指令的合并会显著增大储能配置的容量,所以本文方法是合理可用的。

3 考虑变负荷速率的储能配置方法

一般来说机组的变负荷速率越大,机组负荷调节效果越好,机组的辅助服务收益也更高。从图10可以看出,随着机组AGC变负荷速率的不断增加,机组的实际负荷与负荷指令设定值之间的偏差会越来越大,如果要满足机组更快的变负荷需求,则需要配置更多容量的储能,但储能成本和调峰收益需要综合考虑,才能实现电厂利润最大化。

3.1 辅助调频收益分析

正常情况下,火电机组一般要求的调频速率为1.5%Pe,且一般火电机组本身的调节速率上限也在此速率附近。如果想要提高机组的变负荷速率,获得更多的调频收益,则需要储能辅助,且变负荷速率越大,需要的储能配置量越大。但储能的成本目前还较高,所以一般存在一个最优的储能配置容量。

目前山西电网已经对机组调频辅助服务进行市场化交易,即电厂提供调频服务后,可以获得相应的补偿,补偿收益计算为

(4)Y_c=Y_s

${\mathit{K}}_{\mathit{P}}^{\mathit{i},\mathit{j}}$

Y_m

式(4)中:Y_c为调频总收益,元;Y_s为机组实际调节里程,MW;Y_m为调频结算价格,元/MW;K^i,j_P为机组调频性能指数。

其中机组调频性能指数K^i,j_P的计算公式为

(5)${\mathit{K}}_{\mathit{P}}^{\mathit{i},\mathit{j}}$=${\mathit{K}}_{1}^{\mathit{i},\mathit{j}}{\mathit{K}}_{2}^{\mathit{i},\mathit{j}}{\mathit{K}}_{3}^{\mathit{i},\mathit{j}}$

式(5)中:

${\mathit{K}}_{1}^{\mathit{i},\mathit{j}}$

为调节速率指标,衡量的是AGC调频资源i在第j次调频过程中实际调节速率K^i,j_v与其应该达到的标准速率相比的值;

${\mathit{K}}_{2}^{\mathit{i},\mathit{j}}$

为调节精度指标,衡量的是AGC调频资源i在第j次调频过程中实际调节偏差量K^i,j_a与其应该达到的标准偏差量相比的值;

${\mathit{K}}_{3}^{\mathit{i},\mathit{j}}$

为响应时间指标,衡量的是AGC调频资源i在第j次调频过程中实际响应时间K^i,j_r与其应该达到的标准响应时间相比的值。

按照相关规程要求,本台机组的标准调节速率为1.5%Pe;标准调节精度为1%Pe偏差以内,标准调节响应时间为1 min。则

(6)

$\left\{\begin{array}{l}{\mathit{K}}_{1}^{\mathit{i},\mathit{j}}=\frac{{\mathit{K}}_{\mathit{v}}^{\mathit{i},\mathit{j}}}{1.5}\\ {\mathit{K}}_{2}^{\mathit{i},\mathit{j}}=\frac{1}{{\mathit{K}}_{\mathit{a}}^{\mathit{i},\mathit{j}}}\\ {\mathit{K}}_{3}^{\mathit{i},\mathit{j}}=\frac{1}{{\mathit{K}}_{\mathit{r}}^{\mathit{i},\mathit{j}}}\end{array}\right.$

储能辅助机组在不同调节速率进行调频时,机组的实际调节速率、实际精度值、实际响应时间如表2所示。

3.2 储能成本分析

选择飞轮储能为例对储能最优配置进行计算。飞轮储能的成本一般主要分为初始投资成本和运行维护成本两部分^[12]。

初始投资总成本C_inv计算公式为

(7)C_inv=C_pcsP_rated+C_fessE_rated

式(7)中:C_pcs为设备单位功率成本,万元/MW;C_fess为设备单位容量成本,万元/(MW·h);P_rated为储能的额定功率,MW;E_rated为储能的额定容量,MW·h;

将初始投资成本折算到每天,则每天的投资成本为

(8)C_T=$\frac{{\mathit{C}}_{\mathit{i}\mathit{n}\mathit{v}}}{365{\mathit{T}}_{\mathit{L}\mathit{C}\mathit{C}}}$

式(8)中:T_LCC为飞轮储能寿命年数,一般取20年。

运行维护费C_OM计算公式为

(9)C_OM=C_POMP_rated+C_EOME_rated

式(9)中: C_POM为单位设备功率维护费,万元/MW;C_EOM为单位设备容量维护费,万元/(MW·h)。

因设备运行维护费按年度产生,且随着设备使用年限的不断增加,设备的维护费用也逐渐增加,这里将储能寿命内全部成本折算成每天的经济现值N_T,计算公式为

(10)N_T=C_OM

$\frac{{(1+\mathit{r})}^{{\mathit{T}}_{\mathit{L}\mathit{C}\mathit{C}}}-1}{365\mathit{r}{(1+\mathit{r})}^{{\mathit{T}}_{\mathit{L}\mathit{C}\mathit{C}}}}$

式(10)中:r为贴现率,这里取0.05。

储能辅助机组进行AGC变负荷时的每天收益、成本比为

(11)C=$\frac{{\mathit{Y}}_{\mathit{c}}}{{\mathit{N}}_{\mathit{T}}+{\mathit{C}}_{\mathit{T}}}$

以电厂每天综合收益率最大为目标,得出机组储能容量配置目标函数为

(12)F=maxC

3.3 粒子群优化算法

选择粒子群优化算法(particle swarm optimization,PSO),对储能容量配置目标函数进行寻优。选择初始化粒子种群,当判断出粒子种群到达陷入早熟的条件后,自动将相关粒子解空间重新分配,并帮助标准粒子跳出局部最优解,流程如图11所示,具体步骤如下。

步骤1 对标准粒子群进行初始化赋值,并初设粒子种群规模、惯性权重,速度值,迭代次数等重要参数。

步骤2 计算每个粒子的适应值f(x_i)并作比较,找到个体粒子的最优位置p_i_best及种群最优位置g_best。

步骤3 计算各粒子的平均粒距D和适应度方差σ²,并将D、σ²和预设阈值进行比较,以此来判断是否出现收敛过早,如过早则转步骤4;否则,转步骤5。

步骤4 重新初始化粒子种群。

步骤5 进一步更改各粒子的加速度及其位置,产生新的粒子种群。

步骤6 重新计算新粒子群中各粒子的适应度,并持续与其自身和种群中最优位置相对比,找出粒子新的最佳位置。

步骤7 判断是否满足预设的结束条件,如不满足,则转入步骤2。

4 储能配置结果分析

为了简化计算,选择该厂春季某一天的数据进行分析,对当天的AGC变负荷指令进行累计,并对其调频里程进行了分析。根据相关调频报价规程要求,价格范围为5~15元/MW,这里统一取调频价格为10元/MW,得出表3中的统计数据。参照文献[12]中的飞轮储能成本数据参数如表4所示。

根据表3中的典型日调节数据及表4中的模型参数,选择上文中粒子群算法对储能配置进行寻优,得出表5机组最优的储能配置容量及变负荷速率选择。从表5中可以看出,当选择变负荷速率为2.45%Pe时,机组的收益率最大,达到0.92。当调频单价由10元/MW逐渐增加时,同等的调频里程下,收益率会正比增加,当单价为11元/MW时,机组收益率达到1以上,即开始盈利,如图12所示。当调频单价一致,随着调频里程的增加,收益率也会显著增加,当达到2 800 MW及以上时,机组收益率达到1以上,如图13所示。

5 结论

通过分析一电厂不同季节的AGC指令大小、指令方向、指令间隔时间等影响因素。选择春季某天的具体AGC变负荷历史趋势,给出了具体的储能辅助火电机组变负荷的容量配置方法,最后选择粒子群算法对储能配置进行寻优,得出以下结论。

(1)受天气因素如风力、风向、光照强度、温度等影响,电厂在春、秋两季AGC变负荷次数较夏、冬两季明显增多。

(2)电厂AGC变负荷指令一般在0~7%Pe,一般占总次数的99%左右; AGC连续同向变负荷指令次数占总次数的80%左右;AGC变负荷的间隔时间为0~120 s的占比在70%左右。所以在进行火电机组储能配置优化时,需要将储能本身SOC值的自恢复与相邻同向的AGC变负荷指令大小、指令间隔时间等因素进行统筹考虑。

(3)通过所提出的储能优化配置方法,得出该厂选择变负荷速率为2.45%Pe时,机组的容量配置为20.082 MW(2.75 MW·h),且此时收益率最大,达到0.92。

(4)随着调频单价及调频里程的增加,机组的收益率会不断增加,当调频单价为11元/MW时或调频里程达到2 800 MW时机组收益率超过1。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	周登涛, 金福宝, 马山刚, 等. 基于EMD-VMD的混合储能系统容量优化配置[J]. 科学技术与工程, 2025, 25(19): 8090-8098.

[2]	Zhou Dengtao, Jin Fubao, Ma Shangang, et al. Capacity optimal configuration of hybrid energy storage system based on EMD-VMD[J]. Science Technology and Engineering, 2025, 25(19): 8090-8098.

[3]	周军, 石生超, 祁富志, 等. 储能电池辅助火电机组二次调频控制策略研究[J]. 中国测试, 2024, 50(10): 51-58.

[4]	Zhou Jun, Shi Shengchao, Qi Fuzhi, et al. Research on control strategy of energy storage battery assisted secondary frequency regulation for thermal power units[J]. China Measurement & Test, 2024, 50(10): 51-58.

[5]	王圣, 延寒, 李健, 等. 计及电池寿命的储能系统参与二次调频功率分配策略[J]. 洁净煤技术, 2024, 30(9): 95-101.

[6]	Wang Sheng, Yan Han, Li Jian, et al. Power allocation strategy of energy storage system participating in secondary frequency regulation considering battery life[J]. Clean Coal Technology, 2024, 30(9): 95-101.

[7]	张文政, 王玮, 高嵩, 等. 考虑火电运行平稳性的飞轮储能辅助二次调频控制策略[J]. 动力工程学报, 2024, 44(6): 919-929.

[8]	Zhang Wenzheng, Wang Wei, Gao Song, et al. Flywheel energy storage assisted secondary frequency regulation control strategy considering operational stability of thermal power units[J]. Journal of Power Engineering, 2024, 44(6): 919-929.

[9]	吴清华. 二次调频用混合储能系统容量优化配置与实时功率分配研究[D]. 杭州: 浙江大学, 2024.

[10]	Wu Qinghua. Research on optimal capacity configuration and real-time power allocation of hybrid energy storage system for secondary frequency regulation[D]. Hangzhou: Zhejiang University, 2024.

[11]	司文博. 辅助新型电力系统二次调频的多元化储能控制策略[D]. 吉林: 东北电力大学, 2024.

[12]	Si Wenbo. Diversified energy storage control strategies for secondary frequency regulation in new power systems[D]. Jilin: Northeast Electric Power University, 2024.

[13]	刘鑫屏, 刘磊. 基于调频信号自适应分解的电池储能辅助二次调频控制策略[J]. 动力工程学报, 2024, 44(4): 590-598, 631.

[14]	Liu Xinping, Liu Lei. Control strategy of battery energy storage assisted secondary frequency regulation based on adaptive decomposition of frequency modulation signal[J]. Journal of Power Engineering, 2024, 44(4): 590-598, 631.

[15]	房方, 刘渝斌, 王冰玉, 等. 基于NSGA-Ⅱ的飞轮-火电联合二次调频最优负荷分配策略[J]. 电力系统自动化, 2024, 48(12): 79-88.

[16]	Fang Fang, Liu Yubin, Wang Bingyu, et al. Optimal load allocation strategy for flywheel-thermal power joint secondary frequency regulation based on NSGA-Ⅱ[J]. Automation of Electric Power Systems, 2024, 48(12): 79-88.

[17]	陈沛, 张新松, 郭晓丽, 等. 考虑AGC指令随机特性的火-储混合电站二次调频研究[J]. 电力系统保护与控制, 2023, 51(12): 168-177.

[18]	Chen Pei, Zhang Xinsong, Guo Xiaoli, et al. Research on secondary frequency regulation of thermal-storage hybrid power station consi-dering stochastic characteristics of AGC commands[J]. Power System Protection and Control, 2023, 51(12): 168-177.

[19]	于琳琳, 常青青, 孟高军, 等. 基于区域偏差控制和荷电状态分区的电池储能参与二次调频控制策略[J]. 热力发电, 2021, 50(8): 157-163.

[20]	Yu Linlin, Chang Qingqing, Meng Gaojun, et al. Battery energy storage participation in secondary frequency regulation based on area deviation control and SOC partitioning[J]. Thermal Power Generation, 2021, 50(8): 157-163.

[21]	李展, 刘磊, 杨振勇, 等. 基于过程分解的飞轮储能-火电互助式一次调频分析[J]. 储能科学与技术, 2023, 12(9): 2854-2861.

[22]	Li Zhan, Liu Lei, Yang Zhenyong, et al. Analysis of flywheel ene-rgy storage-thermal power mutual primary frequency regulation based on process decomposition[J]. Energy Storage Science and Technology, 2023, 12(9): 2854-2861.

[23]	洪烽, 贾欣怡, 梁璐, 等. 火-储耦合协同调频策略下飞轮储能容量配置一体化研究[J]. 热力发电, 2023, 52(9): 65-75.

[24]	Hong Feng, Jia Xinyi, Liang Lu, et al. Integrated research on flywheel energy storage capacity configuration under thermal-storage coupling cooperative frequency regulation strategy[J]. Thermal Power Generation, 2023, 52(9): 65-75.