基于自适应自抗扰控制的飞轮-火电调频策略

李伟境; 杨锡运; 赵亚; 张启亮

doi:10.12404/j.issn.1671-1815.2507573

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (28) :12217-12226 DOI: 10.12404/j.issn.1671-1815.2507573

电工技术

基于自适应自抗扰控制的飞轮-火电调频策略

李伟境 ¹ ,
杨锡运 ¹^,²^,^* ,
赵亚 ¹ ,
张启亮 ³

作者信息 +

Primary Frequency Regulation Strategy for Flywheel-thermal Power Combined System Based on Adaptive Active Disturbance Rejection Control

LI Wei-jing ¹ ,
YANG Xi-yun ¹^,²^,^* ,
ZHAO Ya ¹ ,
ZHANG Qi-liang ³

Author information +

文章历史 +

摘要

为保证火电机组更好地应对新能源迅速发展背景下电网频率不稳定的问题,提出一种基于参数自适应自抗扰的飞轮-火电联合系统的一次调频控制策略。首先,建立联合系统一次调频模型,并在此基础上采用基于第三代遗传优化算法-变分模态分解的联合调频系统功率分配方法。此方法通过第三代遗传优化算法自适应改变影响变分模态分解性能的关键参数惩罚因子和模态数,能够在提升变分模态分解性能的同时避免过拟合和欠拟合。其次,针对飞轮储能应用传统PID控制存在的响应慢超调量大的问题,设计了一种改进的参数自适应自抗扰控制器,充分考虑了一次调频不同阶段对于控制速度与精度的不同需求,根据频率偏差和变化率动态的调整自抗扰控制器的观测器参数和增益参数,以提升联合系统的调频性能。最后,在MATLAB/Simulink平台进行仿真验证,结果表明:所提出的控制策略在阶跃扰动和随机扰动测试中最大频率偏差分别降低了7.23%和5.79%。

Abstract

To better address instable utility frequency of thermal power units in the background of fast new energy development, a primary frequency modulation control strategy was proposed for a parameter-adaptive and active-disturbance-rejection flywheel-thermal power hybrid system. First, a primary frequency modulation model for hybrid system was established. On this basis, a power distribution method was adopted for hybrid frequency modulation system based on non-dominated sorting genetic algorithm III-variational mode decomposition. In this method, the adaptive non-dominated sorting genetic algorithm III was employed to optimize the key influencing parameters of penalty factor and modal number, thereby enhancing the variational modal decomposition and preventing overfitting and underfitting. Secondly, to solve the problems of slow response and large overshoot in traditional PID control for flywheel energy storage applications, an improved parameter-adaptive and active-disturbance-rejection controller was developed. After adequate consideration of varying requirements for speed and precision control at different stages of primary frequency regulation, the observer and gain parameters of the active-disturbance-rejection controller were dynamically adjusted based on frequency deviation and the rate of change, which improved the frequency modulation of the hybrid system. Finally, simulation verification was performed on the MATLAB/Simulink. The results show that the proposed control strategy reduces the maximum frequency deviation by 7.23% and 5.79% in the step disturbance and random disturbance tests, respectively.

Graphical abstract

关键词

火电机组 / 飞轮储能 / 一次调频 / 变分模态分解 / 自抗扰控制

Key words

thermal power / flywheel energy storage / primary frequency regulation / variational mode decomposition / active disturbance rejection control

引用本文

引用格式 ▾

李伟境, 杨锡运, 赵亚, 张启亮. 基于自适应自抗扰控制的飞轮-火电调频策略[J]. 科学技术与工程, 2026, 26(28): 12217-12226 DOI:10.12404/j.issn.1671-1815.2507573

LI Wei-jing, YANG Xi-yun, ZHAO Ya, ZHANG Qi-liang. Primary Frequency Regulation Strategy for Flywheel-thermal Power Combined System Based on Adaptive Active Disturbance Rejection Control[J]. Science Technology and Engineering, 2026, 26(28): 12217-12226 DOI:10.12404/j.issn.1671-1815.2507573

登录浏览全文

4963

注册一个新账户忘记密码

随着“双碳”目标的推进,清洁高效可再生的新能源在电网的占比持续上升,风电、太阳能发电装机容量累计突破4×10⁸ kW和5×10⁸kW,共占总发电资源的1/3^[1-2]。新能源因其随天气等因素波动变化的出力特性给电力系统频率稳定造成了威胁^[3-4],迫使火电机组面临更加严格的调频需求,由于火电机组受限于自身的结构会造成一定的迟滞性^[5],并且调频过程中机械结构反复运作会影响其寿命。因此需要引入其他调频源来增强火电机组的调频能力。

对于火电机组的迟滞性导致的瞬时出力小、频率响应迟缓的问题,引入响应速度快、瞬时充放电功率大、寿命长的飞轮储能辅助进行调频^[6-7]是解决的有效途径。国家能源投资集团有限责任公司将与山东蓬莱建设的12 MW/3 MW·h飞轮储能联合火电机组协同调频项目^[8]。关于飞轮储能参与调频相关的研究,文献[9]通过仿真飞轮储能辅助抽水蓄能机组调频证明了飞轮储能可以有效抽水蓄能机组机械部件及结构的频繁动作,提高其可靠性及使用寿命。文献[10]分析了飞轮储能阵列并网的能量惯量以及协同控制策略。文献[11]引入飞轮储能与火电机组组成联合系统,通过改进的比例-积分-微分(proportional-integral-derivative,PID)和比例-微分(proportional-derivative,PD)控制器控制作为外环以及内环控制器,显著提升区域系统的频率稳定。上述研究表明,引入飞轮储能可以增强火电机组的调频性能,但现有研究仍主要集中于飞轮辅助火电后对电网频率的影响,并未充分发掘飞轮储能的调频潜力。缺乏对飞轮-火电联合系统内部功率分配的深入研究,未能发挥飞轮储能的快速提供高功率支撑的优势,以弥补火电机组在频率响应初期出力变化慢的所导致的功率缺口。

目前,一次调频功率指令的分配主要通过低通滤波器实现,文献[12]采用模糊自适应时间常数的低通滤波器对飞轮-火电联合系统的一次调频指令进行分解。但低通滤波器存在频带混叠和响应迟滞的问题,无法处理愈加复杂的频率指令。因此,需要应用更先进的信号分解方法。变分模态分解(variational mode decomposition,VMD)在处理非平稳、非线性信号时,相较于传统的信号分解方法在模态分离精度、抗噪声能力等方面具有一定优势。因此VMD常与其他方法相结合,进行中、短期的功率预测是热门的研究方向^[13-15]。但由于VMD分解的结果受模态数和惩罚因子两个参数的影响^[16],如何优化确定这两个参数并适配于一次调频的指令分解,是需要深入研究的问题。

除了功率分配环节会影响飞轮储能性能的发挥外,由于飞轮储能需要在频率响应初期快速精确地提供大功率支撑,飞轮储能的控制性能对其一次调频能力有重要的影响。目前,飞轮储能的有功功率控制主要采用PID控制器进行控制^[17]。传统的PID控制依赖误差反馈的机制使其性能提升受到了限制^[18]产生了“快速性”和“超调量”之间的矛盾。为解决这一问题,自抗扰控制(active disturbance rejection control,ADRC)被应用于飞轮储能控制中。ADRC由韩京清^[19]提出,因其扩张状态观测器的设计而具有低延迟、小超调量和强鲁棒性的特点,在各领域得到了广泛的应用^[20-21]。文献[22]提出了一种基于改进的自抗扰控制策略永磁同步电机策略,相较于传统的PI控制,提升响应速度同时抑制了超调量,能够有效提高永磁轮电机的运行稳定性。文献[23]通过模糊思想在线整定自抗扰控制参数作为电压外环,代替传统PID控制和ADRC控制对混合储能系统进行控制。文献[24]提出采用改进LADRC控制对光储联合系统进行控制,结果表明,ADRC在动态响应速度、抗干扰能力和参数整定难度上优于传统PID控制。上述研究证明了自抗扰控制在改善储能控制性能方面的有效性,但由于一次调频不同阶段的控制要求不同,单一固定参数的ADRC无法满足这一需求,限制了飞轮储能的发挥。

针对上述问题,在VMD的基础上引入第三代遗传优化算法(non-dominated sorting genetic algorithm III,NSGA-III)解决VMD应用于功率分解的参数问题,并根据一次调频的不同阶段设计参数自适应的ADRC控制器来充分发挥飞轮储能响应快出力大的优势。主要贡献在于:一是建立飞轮-火电联合系统一次调频的数学模型,采用NSGA-III优化VMD的惩罚因子与模态数解决一次调频指令分解的频谱混叠、滞后问题,响应快、出力大的飞轮储能优先响应高频功率需求以平滑火电机组出力;二是根据一次调频不同阶段的需求以及频率偏差与频率变化率动态调整自抗扰控制器参数,代替传统的PID控制以提高飞轮储能的动态响应能力,有效减少系统频率波动量。通过上述改进控制策略提升火电机组的调频性能,增强电网系统的频率稳定性。

1 飞轮-火电联合系统一次调频控制策略

一次调频是指电网频率越过调频死区后,机组根据调速器响应频率偏差使电网频率恢复到稳态的过程。首先建立飞轮-火电联合系统一次调频系统,主要探究火电搭配飞轮的控制策略及其控制效果,因此联合调频模型采用传递函数的形式如图1所示。

发电机-负荷传递函数G(s)可表示为

(1)$G\left(s\right)=\frac{1}{2Hs+D}$

式(1)中:H为发电机惯性时间常数;s为拉普拉斯算子;D为发电机负荷阻尼系数。

火电机组传递函数主要由调速器传递函数和汽轮机传递函数构成。火电机组调速器传递函数可表示为

(2)${G}_{\mathrm{H}}=\frac{1}{1+s{T}_{\mathrm{H}}}$

式(2)中:T_H为调速器时间常数。

汽轮机传递函数可表示为

(3)${G}_{\mathrm{g}\mathrm{e}\mathrm{n}}=\frac{1+s{F}_{\mathrm{h}\mathrm{p}}{T}_{\mathrm{r}\mathrm{h}}}{(1+s{T}_{\mathrm{c}\mathrm{h}})(1+s{T}_{\mathrm{r}\mathrm{h}})}$

式(3)中:T_rh为再热器时间常数;T_ch为汽轮机时间常数;F_hp为再热器增益。

对联合调频系统,提出基于NSGA-III-VMD进行功率分配策略,高频指令由飞轮储能响应充分发挥飞轮储能响应快、瞬时出力大的优点;低频指令由火电机组响应避免火电机组因频繁导致调频动作平滑机组出力。对于飞轮储能的有功功率控制部分,采用改进的ADRC代替传统控制中的PID控制器,并根据频率偏差与频率变化率对自抗扰控制器的参数进行动态优化使其更适配一次调频的需求,具体控制流程如图2所示。

2 基于NSGA-III-VMD的功率分配策略

VMD技术的原理是通过将复杂的非线性信号分解为一系列具有特定中心频率和带宽的本征模态函数(intrinsic mode function, IMF),其核心思想在于将信号分解问题转化为一个求解约束变分问题,使得所有IMF在能够准确地重构信号的同时其估计带宽之和最小,以此避免模态混叠、端点效应等问题,其主要表达式为

(4)$\left\{\begin{array}{l}s.t.\sum _{k=1}^{K}{\mu }_{k}\left(t\right)=f\left(t\right)\\ \underset{\left\{\right\{{\mu }_{k}\left(t\right)\},\{{\omega }_{k}\left\}\right\}}{\mathrm{m}\mathrm{i}\mathrm{n}}\left(\sum _{k=1}^{K}{‖{\partial }_{t}\left\{\left[\delta \left(t\right)+\frac{\mathrm{j}}{\mathrm{\pi }t}\right]\mathrm{*}{\mu }_{k}\left(t\right)\right\}{\mathrm{e}}^{-\mathrm{j}{\omega }_{k}t}‖}_{2}^{2}\right)\end{array}\right.$

式(4)中:μ_k(t)为第k个本征模态函数;k=1,2,…,K;f(t)为原始信号;j为虚数单位;ω_k为第k个模态对应的中心频率;δ(t)为狄利克雷函数;*为卷积符号;∂_t为对时间求偏导。

VMD的关键参数惩罚因子(α)和模态数(K)对分解的结果和性能有决定性的影响,而VMD分解的结果将进一步影响系统的调频效果、火电机组和飞轮储能的出力,因此对于惩罚因子(α)和模态数K的优化可以引申为一个多目标优化问题。DEB等提出了NSGA-III算法^[25],在许多领域都用应用,如通过NSGA-III优化参数,实现了半球谐振脱落的裂解补偿^[26]以及将NSGA-III算法应用与冲压发动机的喷管性能预测^[27]。采用NSGA-III算法对VMD的参数进行优化,利用NSGA-III参考点机制和快速非支配排序,通过种群初始化、选择交叉变异、父子代合并、非支配排序等搜索优化VMD的参数惩罚因子(α)和模态数(K),获得这两个参数的最优值,具体算法步骤如下。

步骤1 种群初始化。在由优化目标个数的空间所形成的超平面上均匀的产生多个惩罚因子(α)和模态数(K)的参考点并形成规模为N的父代种群,通过随机取值的方法父代种群赋值。

步骤2 选择交叉变异。通过对α和K进行如二进制交叉、多项式变异等遗传操作来产生规模同样为N的子代种群。

步骤3 父子代合并。将α父代和子代合并为一个规模为2N的联合种群,同理将K也合并为一个规模为2N的联合种群。

步骤4 非支配排序。将步骤3中生成α和K的联合种群按照非支配的关系进行分层,得到F1代表当前α、K非支配排序下的最前沿解。

步骤5 循环迭代。通过比较当前进化代数和设定值的关系,若是小于设定的最大迭代数则继续重复步骤2~步骤4直到满足最大迭代数后获得α、K的最终帕累托前沿解。

用NSGA-III优化VMD参数α、K的伪代码流程如下。其中,Pareto_optimal_solutions为最终输出的帕累托最优解集;t为当前迭代代数;P_size为种群规模;P(t)为第t代的父代种群;Z为通常与参考点或辅助变量相关,在 NSGA-III 中,初始化时会生成均匀分布的参考点集合,用于维持种群的多样性和引导搜索方向;M为目标函数的数量;signal为原始输入信号;IMF(i)为本征模态函数;S为重构信号;A为重构信号S的包络熵;EnvelopeEntropy为包络熵;F为目标函数值;Initialize(P_size, M)为初始化函数;Evaluate_VMD(P(t), signal)为适应度评估函数C(t)为第t代的子代种群;VMD signal为经过变分模态分解处理后的信号;R(t)为第t代的混合种群;termination condition为终止条件;[F1,F2,…]为非支配排序后的种群分层;Select P(t+1) from R(t)为环境选择(Environmental Selection)操作。

通过上述参数优化,可有效避免由于惩罚因子(α)和模态数(K)设置不正确,导致VMD使用过程中需要频繁进行参数修改带来的工作量,同时避免了这两个参数引起的VMD分解效果不佳,导致的飞轮储能和火电机组功率分配的不合理问题。NSGA-III-VMD的算法流程如图3所示。

初始的一次调频信号经NSGA-III优化的VMD信号分解之后会得到一系列频率由高到低的IMF,以系统频率波动的频率和幅值最低为目标,选择合适的界限将一系列本征模态函数划分为高频部分和低频部分,将高频分量分配给飞轮储能机组,将低频分量分配给火电机组。其流程如图4所示。

基于NSGA-III-VMD的功率分配的伪代码流程如下。

火电机组和飞轮储能各自的功率计算公式为

(5)${P}_{\mathrm{r}\mathrm{e}\mathrm{f}}=-{K}_{\mathrm{G}}\Delta f$

(6)$\begin{array}{l}{P}_{\mathrm{F}}\left(\mathrm{t}\right)=\sum _{i=1}^{N}{c}_{j}\left(t\right)\\ {P}_{\mathrm{G}}\left(t\right)=\sum _{i=N+1}^{J}{c}_{j}\left(t\right)\end{array}$

式中:P_ref为一次调频功率控制给定值;N为高低频分量的界限;c_j为分解出来的第j个IMF分量;P_G(t)和P_F(t)分别为对应火电机组和飞轮储能的功率给定值。

3 基于自适应参数自抗扰控制的飞轮储能系统控制

在工程实践中广泛采用的PID控制器存在无法兼顾速度和超调量的缺点,鉴于此,提出一种根据不同调频阶段改变参数的自抗扰控制策略(adaptive active disturbance rejection control, AADRC)。飞轮储能系统(flywheel energy storage system,FESS)利用飞轮的动能来存储和释放电能,主要包括飞轮、永磁同步电机(permanent magnet synchronous motor,PMSM)、轴承系统和控制系统等关键组件。飞轮储能使用永磁同步电机的模型,其模型的表达式为

(7)$\left\{\begin{array}{l}\frac{\mathrm{d}{i}_{d}}{\mathrm{d}t}=\frac{1}{{L}_{d}}({u}_{d}-{R}_{\mathrm{s}}{i}_{d}+{\omega }_{\mathrm{e}}{L}_{q}{i}_{q})\\ \frac{\mathrm{d}{i}_{q}}{\mathrm{d}t}=\frac{1}{{L}_{q}}({u}_{q}-{R}_{\mathrm{s}}{i}_{q}-{\omega }_{\mathrm{e}}{L}_{d}{i}_{q}-{\omega }_{\mathrm{e}}{\psi }_{\mathrm{f}})\end{array}\right.$

式(7)中:R_s为定子绕组电阻;ω_e为转子电角速度; i_d、i_q分别为电机电流的d轴分量和q轴分量;ψ_f为转子磁链; u_d、u_q分别为电机电压的d轴分量和q轴分量; L_d、L_q分别为d轴和q轴的同步电感。

转子电磁转矩方程为

(8)${T}_{\mathrm{e}}=\frac{3}{2}p[{\psi }_{\mathrm{f}}{i}_{q}+({L}_{d}-{L}_{q}\left){i}_{d}{i}_{q}\right]$

式(8)中:T_e为电磁转矩;p为极对数。

转子运动方程为

(9)$J\frac{\mathrm{d}\omega }{\mathrm{d}t}={T}_{\mathrm{e}}-{T}_{\mathrm{L}}-B\omega $

式(9)中:ω为转子机械角速度;B为摩擦系数;T_L为负载转矩;J为转动惯量。

飞轮储能采用矢量控制,外环采用功率控制,电流内环采用电流为零的控制策略,在此控制策略下转子电磁转矩T_e和i_q呈线性关系,因此只需要控制i_q即可控制电机的转矩,电磁转矩方程可简化为

(10)${T}_{\mathrm{e}}=\frac{3}{2}p{\psi }_{\mathrm{f}}{i}_{q}$

由此可以得出飞轮输出的电磁功率P_e为

(11)${P}_{\mathrm{e}}={T}_{\mathrm{e}}{\omega }_{\mathrm{e}}$

基于AADRC的飞轮储能外环功率控制框图如图5所示。

一次调频虽然时间尺度只有秒级,但仍然可以分为不同阶段,而每一个阶段对于控制器的要求有所不同。在一次调频响应初期,频率偏差小但频率变化率较大,因此控制器应该尽可能更快地提供较大的出力并可以允许造成一定超调以达到更好的调频效果;而在进入频率恢复阶段则要求控制器尽可能追踪目标减少超调量和稳态误差,以防止频率的二次跌落。对比PID,具有更强的鲁棒性和追踪给定值能力的ADRC更适合一次调频控制。对于ADRC来说,扩张状态观测器(extended state observer, ESO)是其核心。ESO的原理在于将作用在被控对象的各种内外部的扰动统一,并实时地估计扰动的大小和变化趋势,再通过控制器对扰动进行抵消,削弱各种扰动造成的影响。将原本复杂的系统变为简单的纯积分串联线性系统,搭配简单的比例控制器就可以实现优秀的追踪性能和抗干扰能力。在传统线性ESO的基础上引入基于Logistics回归函数的动态观测器增益因子,增强ADRC对于一次调频不同阶段的适应性,其ESO的动态方程为

(12)$\left\{\begin{array}{l}{\dot{z}}_{1}={z}_{2}+{b}_{0}u+({\beta }_{1}+\mathrm{\Delta }{\beta }_{1})(y-{z}_{1})\\ {\dot{z}}_{2}=({\beta }_{2}+\mathrm{\Delta }{\beta }_{2})(y-{z}_{1})\end{array}\right.$

式(12)中:z₁为系统输入的估计值;z₂为总扰动的估计值;b₀为控制增益的估计值;β₁、β₂为观测器增益;Δβ₁、Δβ₂为动态观测器增益,其表达式分别为

(13)$\left\{\begin{array}{l}\mathrm{\Delta }{\beta }_{1}=2\left({\alpha }_{1}\mathrm{\Delta }f+{\alpha }_{2}\frac{\mathrm{d}f}{\mathrm{d}t}\right)\\ \mathrm{\Delta }{\beta }_{2}={\left({\alpha }_{1}\mathrm{\Delta }f+{\alpha }_{2}\frac{\mathrm{d}f}{\mathrm{d}t}\right)}^{2}\end{array}\right.$

式(13)中:α₁、α₂为动态增益系数,其计算公式为

(14)$\left\{\begin{array}{l}{\alpha }_{1}={\alpha }_{1}+\frac{{L}_{1}(\mathrm{\Delta }f,\mathrm{d}f/\mathrm{d}t)}{1+{\mathrm{e}}^{{L}_{2}(\mathrm{\Delta }f,\mathrm{d}f/\mathrm{d}t)\mathrm{\Delta }f}}\\ {\alpha }_{2}={\alpha }_{2}+\frac{{L}_{3}(\mathrm{\Delta }f,\mathrm{d}f/\mathrm{d}t)}{1+{\mathrm{e}}^{{L}_{4}(\mathrm{\Delta }f,\mathrm{d}f/\mathrm{d}t)\mathrm{\Delta }f}}\end{array}\right.$

式(14)中:L₁(Δf, df/dt)、L₂(Δf, df/dt)为Δf和df/dt的相关函数。

改进后的AADRC的控制原理图如图6所示。

通过上述在传统的ADRC控制器的观测器带宽的基础上引入基于频率偏差(Δf)和频率变化率(df/dt)的动态因子Δβ₁、Δβ₂,使得控制器能够兼顾一次调频的不同阶段对于速度和精度的不同需求,在频率响应初期提升控制器观测器带宽和控制增益,提升飞轮响应速度;在频率回复阶段则适当降低观测器带宽和控制增益,提升飞轮储能的控制精度,解决一次调频不同阶段对飞轮储能控制速度与精度需求不同的矛盾。

4 仿真分析

为测试所提出的NSGA-III-VMD和AADRC控制器的有效性,在MATLAB/Simulink环境下开展了仿真工作。仿真模型参数如表1、表2所示。火电机组的装机容量为200 MW,火电机组一次调频的容量通常为6%~10%,定义火电机组的最大调频容量为20 MW,火电机组模型仿真参数基于华北某台国产再热凝气式汽轮发电机组进行设置^[28],详细参数如表1所示。同时配置容量为20 MW的飞轮储能。参数基于北京奇峰聚能科技有限公司生产的磁悬浮飞轮储能单体QFFL200-60-1/15M进行设置,详细参数如表2所示。一次调频死区为±0.033 H。

4.1 基于NSGA-III-VMD分解一次调频性能分析

当t=0 s时加入随机扰动,仿真时长20 s。其一次调频指令如图7所示。两个相同的飞轮-火电联合系统分别采用传统低通滤波和NSGA-III-VMD分解两种方法对相同的调频信号进行分解。NSGA-III-VMD分解的结果如图8所示。从图8可以看出,NSGA-III-VMD将调频信号分解出了高频和低频分量,波动小但功率大的调频指令由火电机组响应,平滑火电机组出力的同时充分发挥火电机组响应慢但功率大的优点,波动大的小功率指令则由瞬时出力大但持续响应能力较弱的飞轮承担。图9为频率偏差响应曲线,图10为火电机组的输出功率。表3为连续负荷扰动下的系统频率评价指标,可以看出,NSGA-III-VMD分解一次调频信号的方法在连续负荷扰动下,飞轮储能可以充分发挥自身优势快速响应一次调频环节。由图10可知,相较于传统低通滤波器,NSGA-III-VMD分解后的信号能减少了火电机组波动性的同时,让火电机组提供更大的有功功率。火电机组和飞轮储能能够在联合调频系统中更好地发挥各自的作用,符合预期的设计。

4.2 AADRC控制策略性能分析

当t=10 s时,添加幅值为20 MW的阶跃扰动,仿真时长40 s,所得的频率偏差如图11所示,表4为阶跃负荷扰动下的频率评价指标,可以看出,PID控制和AADRC控制的稳态频率一致,但由于AADRC的控制性能更好,并且针对不同调频阶段进行动态优化,使得最大频率偏差的绝对值要小于PID控制,更早地进入频率恢复阶段,可以有效防止频率进一步恶化。对比PID控制,AADRC控制的最大频率偏差降低7.23%,平均频率变化率下降6.34%。

随机扰动测试中,t=0 s时加入较大的随机扰动。仿真时间20 s,系统的频率偏差和飞轮储能的部分输出分别如图12和图13所示,表5为频率评价指标,频率变化率为整个调频过程的频率变化率标准差。由此可知,AADRC控制追踪一次调频信号的效果比PID控制效果要好,频率变化率降低了5.44%。从图13可以看出,AADRC的飞轮储能的有功功率几乎和给定值完全重合,相较于传统的PID控制器追踪性能更好。结合AADRC的飞轮储能能够在联合调频系统中更好地发挥自身速度快出力大的优点,辅助火电机组更好地参与一次调频。

5 结论

建立飞轮-火电联合调频系统,采用基于NSGA-III-VMD方法对一次调频功率指令进行分配,提出适用于飞轮储能的应对不同调频需求的参数自适应自抗扰控制,得出如下主要结论。

(1)采用NSGA-III-VMD分解一次调频信号的功率分配策略,可有效降低火电机组调频期间的频繁动作,平滑火电机组出力减少机械磨损。同时稳定系统频率,仿真显示与低通滤波器相比频率平均值下降41.5%,频率变化均方差降低14.3%,充分发挥飞轮储能响应速度快的优势稳定了系统频率。

(2)设计一种基于频率的参数自适应自抗扰控制策略,与传统的PID控制相比所采用的AADRC能够有效提升飞轮储能机组的响应速度和追踪信号能力,使得飞轮储能在联合调频系统中能够更快更稳定地响应高频率分量,进一步释放了飞轮储能的调频潜力。

(3)结合NSGA-III-VMD和AADRC控制的联合调频系统在阶跃扰动测试中最大频率偏差降低7.23%,平均频率变化率下降6.34%。在随机扰动测试中最大频率偏差降低5.79%,频率标准变化标准差降低了5.44%,提升了联合系统的调频能力。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	李明, 常永康, 毛永涛, 等. 高渗透率新能源发电并网变流器跟网/构网型稳定控制技术综述与展望[J]. 高电压技术, 2024, 50 (11): 4773-4788.

[2]	Li Ming, Chang Yongkang, Mao Yongtao, et al. Review and prospect of stability control techniques for grid-following/grid-forming converters in high-penetration renewable energy generation[J]. High Voltage Engineering, 2024, 50(11): 4773-4788.

[3]	周原冰, 张士宁, 侯方心, 等. 电力行业碳达峰及促进全社会碳减排影响分析[J]. 中国电力, 2024, 57(9): 1-9.

[4]	Zhou Yuanbing, Zhang Shining, Hou Fangxin, et al. Analysis of carbon peaking in power sector and its impact on promoting whole-society carbon emissions reduction[J]. Electric Power, 2024, 57(9): 1-9.

[5]	郑晓亮, 杨晓亮, 来文豪. 新能源发电预测方法分类及研究进展[J]. 科学技术与工程, 2024, 24(34): 14503-14521.

[6]	Zheng Xiaoliang, Yang Xiaoliang, Lai Wenhao. Classification and research progress of new energy power generation forecasting methods[J]. Science Technology and Engineering, 2024, 24(34): 14503-14521.

[7]	吴珊, 边晓燕, 张菁娴, 等. 面向新型电力系统灵活性提升的国内外辅助服务市场研究综述[J]. 电工技术学报, 2023, 38(6): 1662-1677.

[8]	Wu Shan, Bian Xiaoyan, Zhang Jingxian, et al. A review of domestic and international auxiliary service market research aimed at enhancing the flexibility of new power systems[J]. Journal of Electrical Engineering, 2023, 38(6): 1662-1677.

[9]	洪烽, 杜浩, 梁璐, 等. 基于模态匹配的飞轮/锂电混合储能辅助火电AGC控制策略及应用[J]. 中国电机工程学报, 2026, 46(6): 2229-2240.

[10]	Hong Feng, Du Hao, Liang Lu, et al. Flywheel/lithium hybrid energy storage assisted thermal power AGC control strategy and application based on mode matching[J]. Proceedings of the CSEE, 2026, 46(6): 2229-2240.

[11]	郭强, 陈崇德, 胡阳, 等. 飞轮和锂电池储能联合光伏发电一次调频控制[J]. 电力系统及其自动化学报, 2023, 35(11): 1-9.

[12]	Guo Qiang, Chen Chongde, Hu Yang et al. Flywheel and lithium battery energy storage combined with photovoltaic power generation participating in primary frequency regulation control[J]. Proceedings of the CSU-EPSA, 2023, 35(11): 1-9.

[13]	Ji W, Hong F, Zhao Y, et al. Applications of flywheel energy storage system on load frequency regulation combined with various power generations: a review[J]. Renewable Energy, 2024, 223: 119975.

[14]	陈海生, 李泓, 徐玉杰, 等. 2024年中国储能技术研究进展[J]. 储能科学与技术, 2025, 14(6): 2149-2192.

[15]	Chen Haisheng, Li Hong, Xu Yujie, et al. Research progress on China’s energy storage technology in 2024[J]. Energy Storage Science and Technology, 2025, 14(6): 2149-2192.

[16]	乔天舒, 梁双印, 郭鹏, 等. 飞轮储能辅助抽水蓄能机组一次调频仿真研究[J]. 太阳能学报, 2024, 45(11): 619-626.

[17]	Qiao Tianshu, Liang Shuangyin, Guo Peng, et al. Simulation study on primary frequency regulation of pumped storage unit assisted by flywheel energy storage[J]. Acta Energiae Solaris Sinica, 2024, 45(11): 619-626.

[18]	许庆祥, 滕伟, 秦润, 等. 电网调频飞轮储能系统并网能量管理与控制策略[J]. 储能科学与技术, 2025, 14(5): 2013-2022.

[19]	Xu Qingxiang, Teng Wei, Qin Run, et al. Energy management and control strategy for grid-connected frequency regulation flywheel energy storage systems[J]. Energy Storage Science and Technology, 2025, 14(5): 2013-2022.

[20]	孔德安, 梁家豪, 钱白云, 等. 计及稳频性能的火电-飞轮储能互联电网AGC控制策略[J]. 热能动力工程, 2025, 40(12): 119-131.

[21]	Kong Dean, Liang Jiahao, Qian Baiyun, et al. AGC control strategy for thermal power-flywheel energy storage interconnected power grid considering frequency stability performance[J]. Journal of Engineering for Thermal Energy and Power, 2025, 40(12): 119-131.

[22]	陈彪, 王玮, 高嵩, 等. 基于模糊自适应指令分解的飞轮-火电一次调频控制策略[J]. 电力系统自动化, 2023, 47(19): 128-137.

[23]	Chen Biao, Wang Wei, Gao Song, et al. Primary frequency regulation control strategy for flywheel-thermal power joint system based on fuzzy adaptive command decomposition[J]. Automation of Electric Power Systems, 2023, 47(19): 128-137.

[24]	夏梦, 于惠钧. 基于VMD-IOOA-Bi GRU模型及误差补偿的短期电力负荷预测[J]. 科学技术与工程, 2025, 25(27): 11642-11650.

[25]	Xia Meng, Yu Huijun. Short-term power load forecasting based on VMD-IOOA-BIGRU model and error compensation[J]. Science Technology and Engineering, 2025, 25(27): 11642-11650.

[26]	林彦旭, 高辉. 基于SSA-VMD-BiLSTM模型的充电站负荷预测方法[J]. 广东电力, 2024, 37(6): 53-61.

[27]	Lin Yanxu, Gao Hui. Load prediction method of charging station based on SSA-VMD-BiLSTM model[J]. Guangdong Electric Power, 2024, 37(6): 53-61.

[28]	张海涛, 李文娟, 李雪峰, 等. 基于变分模态分解和时间注意力机制TCN网络的光伏发电功率预测[J]. 电测与仪表, 2024, 61(12): 156-163.

[29]	Zhang Haitao, Li Wenjuan, Li Xuefeng et al. Photovoltaic power forecasting based on TPA-TCN model and variational modal decomposition[J]. Electrical Measurement & Instrumentation, 2024, 61(12): 156-163.

[30]	周纲, 黄瑞, 刘谋海, 等. 基于变分模态分解和复合变量选取的短期负荷预测[J]. 电测与仪表, 2024, 61(2): 122-129.

[31]	Zhou Gang, Huang Rui, Liu Mouhai, et al. Short-term load forecasting based on variational mode decomposition and complex variable selection algorithm[J]. Electrical Measurement & Instrumentation, 2024, 61(2): 122-129.

[32]	Xiang B, Wu S, Wen T, et al. Design, modeling, and validation of a 0.5 kWh flywheel energy storage system using magnetic levitation system[J]. Energy, 2024, 308: 132867.

[33]	赵志伟, 汤旭泽, 葛超, 等. 四旋翼无人机BSMC-ADRC姿态控制以及轨迹跟踪[J/OL]. ( 2025-10-20)[2026-07-14]. DOI: https://doi.org/10.14107/j.cnki.kzgc.20231098.21.1476.tp.20240509.1802.007.

[34]	Zhao Zhiwei, Tang Xuze, Ge Chao, et al. Quadcopter unmanned aerial vehicle BSMC-ADRC attitude control and trajectory tracking[J/OL]. ( 2025-10-20)[2026-07-14]. DOI: https://doi.org/10.14107/j.cnki.kzgc.20231098.21.1476.tp.20240509.1802.007.

[35]	韩京清. 从PID技术到“自抗扰控制”技术[J]. 控制工程, 2002(3): 13-18.

[36]	Han Jingqing. From PID technology to “active disturbance rejection control” technology[J]. Control Engineering, 2002(3): 13-18.

[37]	李雪, 王硕, 艾文森, 等. 基于线性自抗扰算法的公路隧道火灾通风控制[J]. 中国公路学报, 2025, 38(4): 186-200.

[38]	Li Xue, Wang Shuo, Ai Wensen, et al. Fire ventilation control in highway tunnels based on linear active disturbance rejection algorithm[J]. China Journal of Highway and Transport, 2025, 38(4): 186-200.

[39]	郭池, 陈明霞, 吴俊杰. 基于SOA优化的ADRC胎面卷取张力控制系统[J]. 科学技术与工程, 2024, 24(23): 9937-9946.

[40]	Guo Chi, Chen Mingxia, Wu Junjie. ADRC tread coiling tension control system based on SOA optimization[J]. Science Technology and Engineering, 2024, 24(23): 9937-9946.

[41]	林旺煊, 陈怡浩, 石嘉恒, 等. 基于改进自抗扰的永磁轮电机控制研究[J]. 电工技术学报, 2026, 41(8): 2564-2577.

[42]	Lin Wangxuan, Chen Yihao, Shi Jiaheng, et al. Research on permanent magnet electrodynamic wheel motor based on improved active disturbance rejection control[J]. Transactions of China Electrotechnical Society, 2026, 41(8): 2564-2577.

[43]	农宝翔, 杨超, 杜刃刃, 等. 基于模糊自抗扰的光伏储能控制策略研究[J]. 电力科学与工程, 2023, 39(3): 17-24.

[44]	Nong Baoxiang, Yang Chao, Du Renren, et al. Research on photovoltaic energy storage control strategy based on fuzzy self disturbance rejection[J]. Electric Power Science and Engineering, 2023, 39(3): 17-24.

[45]	Ibrahim A W, Fang Z J, Cai J Q, et al. Fast DC-link voltage control based on power flow management using linear ADRC combined with hybrid salp particle swarm algorithm for PV/wind energy conversion system[J]. International Journal of Hydrogen Energy, 2024, 61: 688-709.

[46]	Deb K, Jain H. An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, part I: solving problems with box constraints[J]. IEEE Transactions on Evolutionary Computation, 2013, 18(4): 577-601.

[47]	高忠峰, 李平华, 乔琦, 等. 基于NSGA-III的半球谐振陀螺的频率裂解补偿[J]. 仪器仪表学报, 2025, 46(3): 296-306.

[48]	Gao Zhongfeng, Li Pinghua, Qiao Qi, et al. Frequency splitting compensation of hemispherical resonator gyro based on NSGA-III[J]. Chinese Journal of Scientific Instrument, 2025, 46(3): 296-306.

[49]	闵科, 蔡泽君, 张加乐, 等. 基于NSGA-III-SAM算法的冲压发动机喷管性能预测[J]. 航空学报, 2025, 46(14): 51-65.

[50]	Min Ke, Cai Zejun, Zhang Jiale, et al. Scramjet nozzle performance prediction based on NSGA-III-SAM algorithm[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(14): 51-65.

[51]	田云峰, 郭嘉阳, 刘永奇, 等. 用于电网稳定性计算的再热凝汽式汽轮机数学模型[J]. 电网技术, 2007(5): 39-44.

[52]	Tian Yunfeng, Guo Jiayang, Liu Yongqi, et al. A mathematical model of rehear turbine for power grid stability calculation[J]. Power System Technology, 2007(5): 39-44.