1. 项目背景与核心价值
风电作为清洁能源的主力军，在电力系统中的渗透率逐年攀升。但风电机组与传统同步发电机不同，其通过电力电子设备并网，缺乏惯性响应能力。当系统出现功率缺额时，风电场无法像传统机组那样自动释放转子动能来支撑频率。这个问题在"四机两区"这类典型区域互联系统中尤为突出——某个区域突然失去大电源时，不仅本地频率会暴跌，还会通过联络线冲击另一区域的电网安全。
去年参与某省电网频率紧急控制项目时，我们实测发现：当风电渗透率超过30%时，系统在失去400MW电源后的频率最低点会下降1.2Hz，远超安全标准。这正是我们研究风储联合调频的出发点——用储能系统快速充放电的特性，补偿风电机组"先天性"的调频能力缺失。
2. 系统建模关键步骤
2.1 四机两区基准模型搭建
在Simulink中构建如图1所示的测试系统：
code复制[Area1] G1(600MW)-G2(600MW) →← [Area2] G3(800MW)-G4(800MW)
↑ ↑
Wind Farm(300MW) Load Center
↓
BESS(50MW/100MWh)
每个同步发电机采用六阶实用模型，包含调速器(PI型)和励磁系统(STA1型)。关键参数包括：
- 惯性时间常数H：G1/G2取4.2s，G3/G4取5.0s
- 调速器droop：4%
- 联络线阻抗：0.02+j0.2 pu
注意：两区域间的SCR(短路容量比)建议控制在3-5之间，否则会出现不合理的功率振荡
2.2 双馈风机频域模型实现
采用频域模型法建立DFIG模型，核心在于将转子侧变换器(RSC)和电网侧变换器(GSC)的动态过程用传递函数表示：
code复制ΔP_wind = [K_d/(1+sT_d)]*Δf + [K_i/s]*∫Δf dt
其中：
- K_d = 0.8~1.2 (取决于风机运行点)
- T_d = 8~12s (主要反映变流器响应延迟)
- K_i = 0.3~0.5 (模拟虚拟惯性控制)
在Simulink中用Transfer Fcn模块实现时，需加入输出限幅(±0.2pu)避免过调制。
2.3 储能系统控制策略
设计如图2所示的混合控制架构：
code复制频率偏差Δf → [高通滤波] → 下垂控制 → 功率指令
[低通滤波] → 虚拟惯性 → 功率指令
具体参数整定方法：
- 下垂系数R_BESS = (Δf_max/ΔP_BESS)*100%
- 通常取2%~5%（比火电机组更陡）
- 虚拟惯性时间常数T_v = 2H_eq*Δf_max/ΔP_BESS
- 典型值10~15s
- 滤波器截止频率：
- 高通：0.05~0.1Hz (隔离稳态偏差)
- 低通：0.5~1Hz (抑制测量噪声)
3. 仿真实验设计
3.1 扰动场景设置
设计三类典型故障：
- 区域1突然失去G1机组(600MW)
- 区域2负荷骤增300MW
- 联络线双回线中跳开一回
每种场景下对比三种情况：
- 无风电场(base case)
- 含风电但不参与调频
- 风储联合调频
3.2 关键指标计算
在Simulink中用MATLAB Function模块实时计算：
matlab复制function [f_nadir,rocof,qss_err] = fcn(Δf,t)
f_nadir = min(Δf);
rocof = max(gradient(Δf)./gradient(t));
qss_err = Δf(end);
end
评判标准：
- 频率最低点 ≥ 49.2Hz (GB/T 31464-2015)
- ROCOF ≤ 0.5Hz/s (防止保护误动)
- 稳态误差 ≤ 0.05Hz
4. 实测问题与解决方案
4.1 风储协调振荡问题
在初期测试中，当储能响应速度过快时(时间常数<1s)，会出现如图3所示的2-3Hz高频振荡。这是由于：
- 风机功率测量存在50ms延迟
- 储能PCS响应延迟20ms
- 两者相位差引发正反馈
解决方法：
- 在储能功率指令通道加入40ms的一阶惯性环节
- 调整风机虚拟惯性环节的K_i从0.5降至0.3
- 加入联络线功率微分反馈
4.2 SOC恢复策略冲突
持续调频会导致储能SOC偏离额定值。我们对比了三种恢复策略：
| 策略类型 | 响应速度 | 对频率影响 | 适用场景 |
|---|---|---|---|
| 定时恢复 | 慢 | 小 | 高风电渗透率 |
| 偏差触发 | 中等 | 中等 | 常规场景 |
| 连续调节 | 快 | 大 | 紧急控制 |
最终选择偏差触发式：
matlab复制if abs(SOC-0.5) > 0.2
P_recovery = Kp*(SOC_ref - SOC);
else
P_recovery = 0;
end
Kp取0.05pu/min可实现6小时内SOC回归正常范围。
5. 进阶优化方向
5.1 考虑风电预测的预决策控制
在现有模型基础上增加：
matlab复制% 预测未来5分钟风电出力
[P_wind_pred, ~] = arimaPredict(wind_history);
% 提前调整储能备用容量
if P_wind_pred < P_wind_current
P_reserve = K*(P_wind_current - P_wind_pred);
end
实测可减少15%~20%的储能动作次数。
5.2 基于强化学习的参数自整定
建立DQN框架：
- 状态空间：Δf, ROCOF, SOC, P_wind
- 动作空间：调整K_d, K_i, R_BESS
- 奖励函数：
math复制r = -(|Δf| + 0.5|ROCOF| + 0.1|SOC-0.5|)
在MATLAB中用Reinforcement Learning Toolbox训练后，系统在随机扰动下的频率偏差RMS值降低22%。
6. 工程实施建议
-
硬件在环测试配置：
- RT-LAB实时仿真器运行电网模型
- 实际储能PCS通过功率放大器接入
- 通信延迟需控制在<10ms
-
现场参数整定步骤：
- 先测试储能单独调频效果
- 逐步增加风电调频参与度
- 最后测试风储协调模式
-
经济性评估方法：
matlab复制function LCOE = calculateLCOE(C_cap, C_op, E_annual) LCOE = (C_cap*CRF + C_op)/E_annual; CRF = r*(1+r)^n / ((1+r)^n -1); % 资本回收因子 end某200MWh项目测算显示，调频收益可使储能投资回收期缩短3.2年。