CPS標準下AGC機組動態優化調度的改進模型

趙　霞　張榮榮　趙瑞鋒　顏　偉　余　娟

(1.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)　重慶　400030

2.廣東電網有限責任公司電力調度控制中心　廣州　510600)

?

CPS標準下AGC機組動態優化調度的改進模型

趙霞1張榮榮1趙瑞鋒2顏偉1余娟1

(1.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)重慶400030

2.廣東電網有限責任公司電力調度控制中心廣州510600)

摘要為克服常規自動發電控制(AGC)滯后控制的問題，提升互聯電網對控制性能標準(CPS)的適應性，現有研究提出了AGC動態優化調度模型，但存在未考慮網絡安全約束和有功損耗影響等問題。通過在原模型中增加考慮有功損耗的影響，引入支路及斷面潮流安全約束，修正AGC輔助服務費用目標，并增加發電單位合同電量完成率的新目標，提出了AGC機組優化調度的改進模型。用修正的IEEE14節點系統驗證所提改進模型的有效性，并討論模型中CPS1指標作為優化目標和(或)約束條件的物理意義及其影響。

關鍵詞：自動發電控制控制策略動態優化調度網絡安全約束控制性能標準

An Extended Dynamic Optimization Model for AGC Generators Dispatch Under CPS

ZhaoXia1ZhangRongrong1ZhaoRuifeng2YanWei1YuJuan1

(1.State Key Laboratory of Power Transmission Equipment & System Security and New Technology Chongqing UniversityChongqing400030China 2.Electric Power Dispatching Control Centre of GDPCGuangzhou510600China)

AbstractIn order to overcome the problem of the lagging control within the conventional automatic generation control (AGC) and improve the adaptability of the interconnected power system to the new control performance standard (CPS)，the dynamic optimization model for AGC generators dispatch has been proposed.However，the existing model still have some defects，such as neglecting the effect of network security constraints and power loss，etc.An extended dynamic optimization model for AGC generators dispatch under CPS is thus proposed in this paper with the following modifications：①the active power loss and the loading limits through the branches and boundaries are integrated；②the original objective of ancillary service cost is revised；and ③the completion of electricity production contract is added as a new objective function.The modified IEEE 14-bus test system is used to verify the extended model and the physical interpretations of treating the CPS1 index as an objective and/or a constraint are also discussed.

Keywords：Automatic generation control (AGC)，control strategy，dynamic optimization dispatch，network security constraint，control performance standard (CPS)

0引言

自動發電控制(Automatic Generation Control，AGC)是電力系統實現有功頻率控制的一種重要技術手段。廣義的AGC涵蓋一次、二次和三次調頻(即經濟調度)，而狹義的AGC一般不含三次調頻，甚至特指二次調頻[1，2]。本文將參與二次調頻的發電機組稱為AGC機組。

常規AGC控制過程中，區域電網調度中心實時計算當前的功率不平衡量，即區域控制偏差(Area Control Error，ACE)，通過調節各AGC機組的出力來減少或消除ACE。對區域電網調度中心而言，常規AGC要解決的兩個關鍵問題是：①如何根據ACE生成區域的總調節功率(通常稱為“AGC控制策略”)；②如何在AGC機組之間分配總調節功率。圍繞這兩個問題，國內外開展了大量研究[2，3]。控制策略方面，經典PI控制[4]、以最優控制[5]為代表的現代控制理論以及基于神經網絡[6]、模糊理論[7]和Multi-agent[8]的智能控制均有應用；功率分配方面則有按參與因子分配的簡單方法以及基于強化學習理論的一些新方法[9]。

常規AGC是一種典型的滯后控制，其實質是通過調節AGC機組未來的出力來校正當前的ACE。滯后控制的最大問題是難以實現不同調節性能機組(如水、火電機組)的協調控制，易出現過調、欠調，甚至調節作用沖抵的情況。此外，隨著風電的快速發展，風電集中并網引入大量分鐘級的功率波動[10]，在增加AGC調節任務的同時，對AGC的協調控制也提出了更高要求。另一方面，目前國內外廣泛采用北美電力可靠性委員會(NERC)于1996年推出的互聯運行控制性能標準(Control Performance Standard，CPS)[11]取代原有的A標準，CPS標準放寬“10 min內ACE必須過零”的要求也為AGC協調控制提供了更大空間。

為克服常規AGC滯后控制的問題，提升電網對CPS標準的適應性，文獻[4，12]分別在區域總調節功率中增加負荷預報分量和CPS分量，文獻[13，14]提出按調節性能對AGC機組進行分類和分群控制。這些方法致力于解決常規AGC的兩個關鍵問題，對AGC控制作用的改善比較有限。基于此，一些學者提出“AGC動態優化策略”這一新概念，即根據負荷預測信息，考慮AGC機組的調節成本、調節特性及CPS指標，通過優化模型確定AGC機組在多個時段內的調節功率，以實現快慢AGC機組的協調控制以及AGC調節成本和調節性能的協調[15]。文獻[16，17]發展了這一思路，提出AGC機組動態優化調度模型，改進了文獻[15]模型中描述機組調節特性的約束條件，引入了互聯系統頻率與聯絡線功率的約束關系，同時明確提出了以該模型作為發電計劃(ACE=0)和常規AGC控制(ACE≠0)之間的銜接環節。

然而，文獻[16，17]所提AGC動態優化調度模型(以下稱為“原模型”)仍存在以下不足：①未考慮網絡安全約束。如前所述，風電等新能源并網引入大量分鐘級功率波動，AGC機組的出力變動幅度相應增大，可導致潮流大幅波動而影響電網的安全運行；②原模型的功率平衡關系中未考慮有功損耗，而實際系統有功損耗的絕對量并不容忽略，不計損耗所做的AGC決策在實際執行時很可能影響AGC的控制性能；③由于風電的大量接入，AGC機組出力的變動幅度增大，各發電單位合同電量的完成情況也成為AGC決策中需要考慮的一個新問題[14]。此外，關于“CPS指標應作為AGC的控制目標還是約束條件”這個問題，現有研究還有一些不同看法[18]，原模型對CPS指標的處理方式及其意義值得進一步討論，原模型對AGC輔助服務費用的考慮也需要進行修正。

針對上述問題，本文從以下幾方面對原模型進行改進：考慮有功損耗對AGC機組調節功率的影響，引入支路及斷面潮流安全約束，修正AGC輔助服務費用目標，并增加發電單位合同電量完成率的新目標。用修正的IEEE14節點系統驗證所提改進模型的有效性，并討論模型中CPS1指標作為優化目標和(或)約束條件的物理意義及其影響。

1CPS標準及其在AGC機組優化調度模型中的實現

NERC于1996年推出的CPS標準[11]定義各控制區域的區域控制偏差為

EACE=ΔPT-10BΔF

(1)

式中，ΔPT為區域實際交換功率PTa(輸出為正)相對于計劃功率PTs的偏差，ΔPT=PTa-PTs；ΔF為實際頻率fa相對于額定頻率fs的偏差，ΔF=fa-fs；B為控制區域的頻率偏差系數，MW/0.1 Hz，為負數。

CPS含CPS1和CPS2兩個標準，相關計算公式為

(2)

(3)

式中，下標1 min和10 min分別為1 min和10 min平均值；運算符{·}T為對時段T(一年或一個月)取平均值；Bs為整個互聯電網的頻率偏差系數；ε1 min和ε10 min為頻率控制目標，通常取互聯電網上一年度1 min 和10 min頻率平均偏差方均根的統計值；N為整個考核周期以10 min為間隔的總時段數；NαCF-2>1為其中αCF-2>1的時段數。

NERC規定，控制區域CPS考核合格的條件為，在一個月或一年內滿足KCPS1≥100%且KCPS2≥90%。可見，與原有A標準要求“10 min內ACE必須過零一次”比較，NERC的CPS標準更注重評價互聯電網的長期(一個月或一年)控制行為。

我國在引進NERC的CPS標準時，結合實際情況，對CPS進行了大幅度的修改[19，20]。我國電網CPS指標的形式與式(1)～式(3)類似，但評價周期一般采用10 min或15 min，考核方式也有較大變化。以南方電網CPS[21]為例，每1 min統計一次，每10 min考核一次(取10 min內KCPS1的平均值作為考核依據)，考核標準為：①若KCPS1≥200%，表明控制區的控制行為對電網的頻率質量有幫助，此時不要求考核CPS2指標；②若100%≤KCPS1<200%，CPS1滿足要求，但同時要求CPS2指標滿足要求；③若KCPS1<100%，表明區域電網不滿足CPS要求。

需要特別指出的是，當以10 min為考核周期時，式(3)所示KCPS2指標及其考核要求演化為

(4)

文獻[16，17]所提以及本文改進的AGC機組動態優化調度模型，其基本思想是基于負荷預測信息，考慮區域控制偏差ACE，在CPS標準下優化AGC機組的調節功率。考慮到希望所提模型與96點日前發電計劃進行銜接，本文選取1 min為一個時段，以15 min作為CPS考核周期和AGC優化周期。因此，在一個優化周期內，區域電網的ACE及CPS指標按式(5)和式(6)計算。

(5)

(6)

式中，上標t為第t個時段，t=1，…，15。

2AGC機組動態優化調度的改進模型

2.1決策變量

(7)

對于不參與二次調頻的非AGC機組j，第t個時段的出力為

(8)

2.2目標函數

原模型的目標函數包括CPS1指標最優和AGC輔助服務費用最小兩個目標。按第1節所述對CPS的考核要求，KCPS1最接近200%能夠兼顧AGC的控制性能和調節代價，即有

minf1=(2-KCPS1)2

(9)

由于發電機組的AGC服務一般是按照機組實發電量與計劃電量的偏差(包含正、負偏差)來計算輔助服務費用[22]，本文將原模型的輔助費用目標修正為

(10)

在以上兩個目標的基礎上，本文引入各發電單位合同電量完成率的新目標，以體現市場環境對完成合同電量以及公平性的追求，具體表達式為

(11)

式中，NC為控制區內發電單位總數；NGj為第j個發電單位的機組總數；Wsj為第j個發電單位分解至本優化周期內的合同電量。

2.3等式約束

與原模型不同，本文在功率平衡方程中計入有功損耗和機組的一次調節功率。

(12)

(13)

(14)

(15)

2.4不等式約束

原模型考慮了以下約束條件：

1)CPS1指標的上下限約束

(16)

式中，KCPS1按式(6)計算，“—”、“—”分別表示上下限，下同。

2)CPS2指標的約束

(17)

3)機組出力的上下限約束

(18)

4)機組爬坡速率的上下限約束

(19)

5)AGC機組的最小持續爬坡時間約束

由于機組動作存在慣性，當機組處于向上(或向下)爬坡運行狀態時，其爬坡狀態必須維持一段時間才能進行反向調節，該時間即為機組最小持續爬坡時間。最小持續爬坡時間實際上體現了對機組出力調整方向的限制。機組類型或機組特性不同，最小持續爬坡時間也有差異。一般來說，火電機組要求較長的持續爬坡時間，而水電機組由于機組特性差異也可能存在該限制。

(20)

6)聯絡線功率偏差的上下限約束

(21)

7)系統頻率偏差的上下限約束

(22)

式中，ΔFt為第t個時段的系統頻率偏差，ΔFt=fta-fs。

除上述不等式約束之外，本文模型進一步考慮以下支路及斷面潮流約束

(23)

(24)

(25)

3算例分析

3.1基礎數據及仿真條件

第2節所述改進模型是一個多階段、多目標混合整數非線性規劃問題，本文采用多目標免疫進化規劃算法[16，17]求解，并以IEEE 14節點系統為原型系統對改進模型進行驗證。算例接線圖如圖1所示。

圖1　算例系統Fig.1　Simulation system

假設IEEE-14節點系統為所研究的區域電網，通過節點5與外網相連。節點3接入一裝機容量為200 MW的風電場，線路1-5、2-5、2-4及3-4構成區域內的一個斷面。發電機組的數據如表1所示。

假設控制區域與整個互聯電網的頻率偏差系數分別為15.437 5 MW/0.1 Hz和92.625 MW/0.1 Hz；ε1 min和ε10 min分別取0.019 473和0.024 039；頻率偏差上下限取±0.1 Hz，聯絡線功率偏差上下限取±50 MW，CPS1指標上下限約束為100%～400%。

表1　發電機組信息

假設區域總負荷在一個優化周期的預測曲線如圖2所示，各節點負荷功率按原IEEE-14節點系統的負荷等比例進行分配而得；參考重慶武隆四眼坪風電場的歷史數據構造節點3處風電場的出力曲線，與原節點3的負荷功率進行疊加，得到如圖3所示的等效負荷曲線。

圖2　區域負荷曲線Fig.2　Regional load curve

圖3　節點3等效負荷曲線Fig.3　Power curve of the equivalent load in bus 3

3.2改進模型的有效性

對3.1節所述仿真系統，按原模型及本文改進模型分別進行優化計算，優化結果如表2所示，優化模型的一些關鍵狀態變量如圖4所示。表2中，CASC表示AGC調節的輔助服務費用；W1、W2分別表示發電單位Ⅰ和Ⅱ的合同電量完成率。

表2　兩種模型的優化結果

圖4　兩種優化模型的狀態變量Fig.4　State variable of two models

由圖4和表2可知，原模型與本文改進模型均能有效保證電網對頻率偏差(±0.1 Hz)和聯絡線功率偏差(±50 MW)的要求，且KCPS1接近200%這一優化目標。與原模型相比，由于改進模型中增加了合同電量完成率的優化目標，兩個發電單位合同電量完成率的差距由3%縮減為0.6%；但由于考慮了支路及斷面潮流安全約束以及有功損耗的影響，改進模型的AGC輔助服務費用有較大增加。

為進一步說明新增支路及斷面潮流約束的作用，圖5和圖6分別給出了兩種模型下典型支路2-3(節點2、3分別為AGC機組和風電場接入節點)及斷面各時段的傳輸功率(由于原模型并未考慮支路及斷面潮流功率約束，根據原模型所得AGC機組的調節功率，按式(25)計算得到相應的支路及斷面的功率)。

圖5　支路2-3的傳輸功率Fig.5　Active power of branch 2-3

圖6　斷面的傳輸功率Fig.6　Active power of interface

由圖5、圖6可見，按原模型對AGC機組進行優化調度，支路2-3及斷面在優化周期內的某些時段均出現了不同程度的功率越限情況，而改進模型則能有效保證AGC機組的調節決策滿足支路及斷面潮流安全約束。

另由圖3可見，由于節點3接有風電場，疊加風電功率后的等效負荷波動幅度較大，尤其是在時段5處出現“陡升陡降”現象，而節點2接有AGC機組，且該機組的費用系數最小，為應對節點3等效負荷的大幅波動，同時又追求AGC輔助服務費用最小的優化目標，優化模型引導節點2處的AGC機組進行較大幅度的出力調整，導致支路2-3及斷面傳輸功率出現較大變動，原模型因未考慮支路及斷面潮流安全約束而出現了功率越限的不良后果。

為分析有功功率損耗對AGC調節功率決策的影響，在改進模型中去掉支路及斷面潮流安全約束，針對計及/不計有功損耗兩種情況進行優化計算。圖7為兩種情況下支路2-3的功率。可見，由于有功損耗的影響，與不計損耗的情況比較，支路2-3的功率出現不同程度的變化(除第3個時段外，其余時段的功率均增大)，在第5及15兩個時段甚至出現功率越限的情況。因此，當優化模型中考慮支路功率約束后，是否考慮有功損耗會影響AGC機組調節功率的決策。

圖7　支路2-3的傳輸功率Fig.7　Active power of branch 2-3

3.3關于CPS1指標的討論

如前所述，CPS標準應作為互聯電網AGC控制(特別是對于10 min或15 min短期AGC考核)的約束條件還是目標，現有文獻還有一些不同看法[18]。第2節所述優化模型同時考慮了CPS1指標和CPS2指標約束(式(16)和式(17))以及CPS1指標的目標(式(9))，其物理意義在于要求區域電網在優化周期內嚴格滿足CPS1和CPS2指標的硬約束，同時追求CPS1指標的最優。

為分析CPS1指標作為目標/約束對AGC決策的影響，設計以下3種方案(為方便分析，以下各方案均不考慮合同電量完成率目標)：

1)CPS1指標同時作為目標和約束條件。該方案與第2節所述改進模型的差別僅在于不考慮合同電量完成率目標。

2)CPS1指標僅作為約束、不作為優化目標，即此時優化模型僅考慮AGC輔助服務費用最小的目標，約束條件與第2節所述改進模型相同。

3)CPS1指標僅作為目標、不作為約束。該方案同時考慮AGC輔助服務費用最低的目標，其余約束條件與第2節所述改進模型相同。

表3為3種方案的CPS1指標及AGC輔助服務費用，表中ΔCASC表示以方案1為基準，各方案輔助服務費用的相對增量。

表3　3種方案下CPS1指標及AGC調節輔助服務費用

由表3可見，與方案3相比，由于考慮了CPS1指標約束，方案1和方案2均能滿足CPS標準的考核要求(即100%≤KCPS1≤400%)，由于方案1考慮了CPS1目標，其優化結果也保證了KCPS1更接近于200%，代價是增加了AGC的輔助服務費用；方案3將CPS1指標作為目標，放開了對CPS1指標的硬約束，雖然大幅度降低了AGC的輔助服務費用(相對于方案1減少約35%，相對于方案2減少約20%)，但優化結果既未達到KCPS1接近于200%的目標，也不滿足CPS1標準的考核要求。

以上3種方案體現了互聯電網對AGC控制性能的不同要求(方案1的要求最高，方案2其次，方案3最低)。但是，3種方案都對優化周期內的頻率偏差、聯絡線偏差及ACE進行了約束，均能滿足互聯電網對頻率和聯絡線功率控制的基本要求。因此，實際運行中，互聯電網可根據對AGC控制性能的不同要求，通過選取不同方案構造AGC機組的優化調度模型。

4結論

針對現有AGC動態優化調度模型中存在的一些問題，本文通過在原模型中考慮有功損耗的影響，引入支路及斷面潮流安全約束，修正AGC輔助服務費用目標，并增加發電單位合同電量完成率的新目標，提出了AGC機組優化調度的改進模型。

基于IEEE-14節點系統的仿真結果表明，所提改進模型能夠在保證電網對頻率偏差、聯絡線功率偏差和CPS指標要求的條件下，降低AGC的調節成本，實現AGC控制性能和控制成本的協調。與原模型相比，改進模型不僅能有效保證AGC決策不違反網絡安全約束，還能促進各發電單位完成合同電量。關于CPS1指標的討論表明，CPS1指標作為優化模型和(或)約束條件體現了對AGC控制性能的不同要求，實際電網可根據具體情況選取不同的處理方案來構造不同的AGC優化模型。

參考文獻

[1]Jaleeli N，Vanslyck L S，Ewart D，et al.Understanding automatic generation control[J].IEEE Transactions on Power System，1992，7(3)：1106-1122.

[2]Ibraheem，Kumar P，Kothari D P.Recent philosophies of automatic generation control strategies in power systems[J].IEEE Transactions on Power Systems，2005，20(1)：346-357.

[3]顏偉，趙瑞鋒，趙霞，等.自動發電控制中控制策略研究發展綜述[J].電力系統保護與控制，2013，41(8)：149-155.

Yan Wei，Zhao Ruifeng，Zhao Xia，et al.Review on control strategies in automatic generation control[J].Power System Protection and Control，2013，41(8)：149-155.

[4]高宗和，滕賢亮，張小白.互聯電網CPS標準下的自動發電控制策略[J].電力系統自動化，2005，29(19)：40-44.

Gao Zonghe，Teng Xianliang，Zhang Xiaobai.Automatic generation control strategy under control performance standard for interconnected power system[J].Automation of Electric Power Systems，2005，29(19)：40-44.

[5]余濤，周斌，陳家榮.基于多步回溯Q(λ)學習的互聯電網隨機最優CPS控制[J].電工技術學報，2011，26(6)：179-186.

Yu Tao，Zhou Bin，Chan Jiarong.Stochastic optimal CPS control for interconnected power girds using multi-step backtrackQ(λ) learning[J].Transactions of China Electrotechnical Society，2011，26(6)：179-186.

[6]Rishabh V，Shalini P，Sathans S.Intelligent automatic generation control of two-area hydrothermal power system using ANN and fuzzy logic[C]//IEEE International Conference on Communication Systems and Network Technologies，Gwalior，2013：552-556.

[7]Sahu R K，Panda S，Sekhar G T C.A novel hybrid PSO-PS optimized fuzzy PI controller for AGC in multi area interconnected power systems[J].International Journal of Electrical Power and Energy Systems，2015，64(1)：880-893.

[8]Bevrani H，Daneshfar F，Hiyama T.A new intelligent agent-based AGC design with real-time Application[J].IEEE Transactions on Systems，Man，and Cybernetics，Part C：Applications and Reviews，2012，42(6)：994-1002.

[9]余濤，周斌.基于強化學習的互聯電網CPS自校正控制[J].電力系統保護與控制，2009，37(10)：33-38.

Yu Tao，Zhou Bin.Reinforcement learning based CPS self-tuning control methodology for interconnected power system[J].Power System Protection and Control，2009，37(10)：33-38.

[10]Banakar H，Luo Changling，Boon T O.Impacts of wind power minute-to-minute variations on power system operation[J].IEEE Transactions on Power Systems，2008，23(1)：150-160.

[11]Jaleeli N，Vanslyck L S.NERC’s new control performance standards[J].IEEE Transactions on Power Systems，1999，14(3)：1092-1099.

[12]高宗和，丁恰，溫柏堅，等.利用超短期負荷預報實現AGC的超前控制[J].電力系統自動化，2000，24(11)：42-44.

Gao Zonghe，Ding Qia，Wen Bojian，et al.AGC-in-advance based on super-short-term load forecasting[J].Automation of Electric Power Systems，2000，24(11)：42-44.

[13]陳銘，劉嬈，呂泉，等.AGC機組分群控制策略[J].電網技術，2013，37(3)：868-873.

Chen Ming，Liu Rao，Lü Quan，et al.A grouping control strategy for AGC units[J].Power Systems Technology，2013，37(3)：868-873.

[14]李樹山，廖勝利，申建建，等.廠網協調模式下梯級AGC控制策略[J].中國電機工程學報，2014，34(7)：1113-1123.

Li Shushan，Liao Shengli，Shen Jianjian，et al.Automatic generation control strategies of cascaded hydropower plants oriented to the coordination of power plants and power grids[J].Proceedings of the CSEE，2014，34(7)：1113-1123.

[15]李濱，韋化，農蔚濤，等.基于現代內點理論的互聯電網控制性能評價標準下的AGC控制策略[J].中國電機工程學報，2008，28(25)：56-61.

Li Bin，Wei Hua，Nong Weitao，et al.AGC control strategy under control performance standard for interconnected power gird based on optimization theory[J].Proceeding of the CSEE，2008，28(25)：56-61.

[16]Yan Wei，Zhao Ruifeng，Zhao Xia，et al.Dynamic optimization model of AGC strategy under CPS for interconnected power system[J].International Review of Electrical Engineering，2012，7(5)：5733-5743.

[17]趙瑞鋒.互聯電網AGC的動態優化策略及其在線計算平臺研究[D].重慶：重慶大學，2013.

[18]Zhang P.CPS Based Control Algorithms for Modern AGC Systems[R].California：California Independent System Operator(CAISO)，2002.

[19]巴宇，劉嬈，李衛東.CPS及其考核在北美與國內的應用對比[J].電力系統自動化，2012，36(15)：63-72.

Ba Yu，Liu Rao，Li Weidong.Comparison of CPS and its assessment between North America and China[J].Automation of Electric Power Systems，2012，36(15)：63-72.

[20]汪德星.關于CPS應用的學術討論[J].電力系統自動化，2012，36(15)：73-77，82.

Wang Dexing.Academic discussions on CPS application[J].Automation of Electric Power Systems，2012，36(15)：73-77，82.

[21]黃韜，王堅.南方電網頻率控制性能標準考核方法探討[J].南方電網技術，2012，6(1)：34-37.

Huang Tao，Wang Jian.On the frequency-control performance standard for china southern power grid[J].Southern Power System Technology，2012，6(1)：34-37.

[22]葛炬，張粒子，周小兵，等.AGC機組參與電力市場輔助服務的探討[J].電網技術，2002，26(12)：61-65.

Ge Ju，Zhang Lizi，Zhou Xiaobing，et al.Discussion on AGC units participating ancillary services in electricity market[J].Power System Technology，2002，26(12)：61-65.

[23]Cardell J B.Marginal loss pricing for hours with transmission congestion[J].IEEE Transactions on Power Systems，2007，22(4)：1466-1474.

[24]朱澤磊，周京陽，潘毅，等.考慮電力電量平衡的安全約束經濟調度[J].中國電機工程學報，2013，33(10)：168-176.

Zhu Zelei，Zhou Jingyang，Pan Yi，et al.Constrained economic dispatch considering balance of electric power and energy[J].Proceedings of the CSEE，2013，33(10)：168-176.

趙霞女，1975年生，博士，副教授，碩士生導師，研究方向為電力系統優化運行及風險評估。

E-mail：zx@cqu.edu.cn

張榮榮男，1991年生，碩士研究生，研究方向為自動發電控制及電力系統優化調度。

E-mail：jeson09@163.com(通信作者)

作者簡介

中圖分類號：TM734

收稿日期2015-06-23改稿日期2015-09-17

國家自然科學基金資助項目(51307186)。