大規模可再生能源接入區域電網側儲能頻率穩定控制方法研究

謝永勝，王凡，胥國毅，王衡

（1.國網新疆電力有限公司，新疆 烏魯木齊 830000；2.華北電力大學新能源電力系統國家重點實驗室，北京 102206）

0 引言

傳統電網中的同步發電機具有良好的慣性和阻尼特性，能夠通過慣性響應吸收或釋放能量，維持系統頻率穩定[1]。大規模可再生能源通過電力電子設備并入電網，但無法為電網提供穩定、有效的慣量支撐。電力系統正向低慣量的方向發展[2]，由慣量降低而引發的電力系統頻率穩定問題逐步引起關注[3]。

隨著儲能價格的降低和可再生能源發電對儲能需求的增大，儲能技術得到了迅猛發展，其應用場景涵蓋電力系統“發-輸-變-配-用”各個環節。電網側儲能主要面向電網調控運行，被廣泛用于平滑風電場有功出力抑制風功率波動、補償可再生能源系統的虛擬慣量等環節，大大地改善了風光等可再生能源的運行特性[4]。利用儲能單元的充放電來模擬傳統同步發電機的頻率響應能力，使儲能單元具備與同步發電機相似的外特性[5]，將在很大程度上解決可再生能源大規模接入面臨的頻率穩定問題。

目前，儲能提供虛擬慣量的技術路線按照慣量源響應特性及控制方式可分為電流源型虛擬慣量和電壓源型虛擬慣量控制[6]。電流源型控制將系統的頻率變化率（Rate of Change of Frequency，ROCOF）引入有功控制環節，使儲能向電網提供與頻率變化率成正比的附加功率。電流型控制本質上仍是功率源，與同步機組的轉動慣量有本質區別，不具有分擔系統功率擾動的能力[7]。電壓源型虛擬慣量主要指虛擬同步發電機（Virtual Synchronous Generator，VSG）技術[8]，[9]。在變流器控制環節引入同步機轉子運動方程及電磁暫態方程，使其具有與同步機組類似的慣性和一次調頻特性，能夠在擾動初期承擔部分擾動功率。文獻[10]提出一種基于自適應的VSG控制策略，該方法模擬同步發電機的行為，構造頻率變化率與虛擬慣性的關系，自適應改變虛擬同步發電機控制的慣性，從而提高微電網系統抗干擾能力和過載能力。文獻[11]分析了同步發電機和虛擬同步機的頻率響應特性，探討了虛擬同步機的虛擬慣量與阻尼配置問題。上述對儲能/可再生能源虛擬慣量控制的研究，大多聚焦于控制策略自身的頻率響應特性，一般在微網或無窮大電網中實現，大多不考慮其對實際電網的影響，且頻率控制策略考慮單一，缺少控制策略間的性能對比，不利于根據實際電網的需求選擇恰當的頻率控制策略。

對電力系統進行頻率響應特性分析、獲得頻率響應曲線是研究不同儲能控制策略對實際電網頻率支撐能力的前提。電力系統頻率響應分析方法包括時域仿真法和等值模型法[12]。時域仿真法模型詳細，能夠較為準確地獲得實際電網的頻率響應[13]，但受限于時域仿真軟件的功能，尚無法靈活實現各種儲能頻率控制策略，在不同虛擬慣量控制策略對實際電網的頻率支撐能力對比中難以應用。以電力系統頻率響應模型（System Frequency Response，SFR）為代表的等值模型法，能夠靈活實現各類可再生能源頻率控制策略，并且具有模型階數低，運算速度快的特點，但由于模型過于簡化，對于實際大電網的頻率響應分析精度較低[14]，[15]。

本文基于靈敏度分析不同頻率響應指標的主導參數，明確高比例可再生能源接入對系統頻率響應指標的影響規律，建立了改進的計及儲能頻率控制的頻率響應模型，并以新疆南疆地區電網為算例，對比不同技術方案的頻率控制效果，有利于根據電網的實際需求選擇儲能頻率控制方案和頻率控制參數。

1 系統頻率響應指標主導參數分析

頻率控制參數直接決定系統的頻率響應特性，主導參數對系統頻率響應指標的影響更大，因此明確關鍵參數在頻率響應不同階段的作用，有利于根據實際電網的調頻需求合理選擇頻率控制策略。軌跡靈敏度指系統參數發生微小變化時系統動態軌跡的變化程度，能反映系統的時域軌跡與參數的關系[16]。通過求解各參數對系統頻率偏差的軌跡靈敏度，可以確定影響系統各頻率響應指標的主導參數。本文利用SFR模型[17]求解參數的軌跡靈敏度，其傳遞函數如圖1所示。

圖1 SFR模型Fig.1 SFR model

圖中：ΔPL為功率不平衡量；Δf為頻率偏差；D為等效阻尼系數；M為等效慣性時間常數；G（s）為原動機傳遞函數；R為調差系數，表示同步機組調速器作用。實際系統中原動機的特征參數通常為固定值，因此影響系統頻率響應特性的主要參數為調差系數R、慣性時間常數M和等效阻尼系數D。

各參數的絕對靈敏度為系統頻率偏差對該參數的偏導，即：

為獲得更明顯的頻率偏差，ΔPL取0.5 p.u.。設系統最大頻率偏差出現時刻為Tnadir，各參數的軌跡靈敏度曲線如圖2所示。

圖2各參數軌跡靈敏度曲線Fig.2 Trajectory sensitivity curves of different parameters

由圖2可以看出：在頻率變化初始階段，頻率變化率對慣性時間常數的靈敏度最大；隨著時間推移，慣性時間常數的作用逐漸減弱；調差系數的作用逐漸增強；最大頻率偏差和穩態頻率偏差對于調差系數的靈敏度最大。由上述分析可知：慣性時間常數為慣量響應階段的主導參數；改善等效慣性時間常數能夠有效改善ROCOF；調差系數為一次調頻階段的主導參數，改善等效調差系數能夠有效改善系統頻率偏差。

2 儲能系統的慣量支撐原理

儲能系統的頻率支撐能力不受自然因素的影響，具有響應快速、靈活可控和運行平穩的優勢，尤其是大量可再生能源并入電網時，在電網中配置適量的儲能，并提供一定的慣量支撐，能夠提高可再生能源的消納能力，滿足電力系統的調頻需求。儲能向系統提供慣量支撐的方法從原理上可以分為電流源性虛擬慣量和電壓源型虛擬慣量。

2.1 電流源型虛擬慣量控制基本原理

電流源型虛擬慣量控制基本思路是將系統的測量頻率反饋至變流器有功控制環節以改變有功功率參考值，利用儲能來滿足系統的有功調節需求[19]。電流源型虛擬慣量控制本質上是一個功率源，并不增加系統等效慣量，也不具備同步機組在擾動初期的擾動功率分配能力，且頻率測量過程導致其與同步機的瞬時自然響應存在約100 ms延時[20]。

虛擬慣量控制參與調頻的有功功率為

2.2 電壓源型虛擬慣量控制基本原理

電壓源型虛擬慣量控制策略如圖3所示。

圖3 電壓源型虛擬慣量控制結構圖Fig.3 Controlstructure diagram of voltagesourcevirtualinertia

電壓源型虛擬慣量控制將同步發電機轉子運動方程和電磁方程引入儲能系統的逆變器控制，使并網運行的儲能單元表現出和同步機相似的外特性，能夠響應電網頻率的變化而改變自身的功率輸出，為電網提供必要的慣量支撐能力[21]。

VSG的運動方程可以等效為同步發電機的轉子運動方程，其標幺值形式為

式中：Pm*為虛擬機械功率；Pe*為虛擬電磁功率，由VSG的輸出功率等效；ω*為VSG的轉子角頻率；ωg*為電網實際角頻率；ω0為額定角頻率；δ為功角；Tj為虛擬同步機的慣性常數；D為阻尼系數。

對式（9）進行拉普拉斯變換，可得到VSG控制的小信號模型和有功功率的表達式：

當電網頻率波動時，VSG有功輸出隨系統頻率的變化量由儲能系統提供，儲能單元的出力由系統頻率偏差和VSG的控制參數決定。

3 系統頻率響應改進模型

實際電網的頻率響應曲線一般由全狀態時域仿真獲得，但仿真速度較慢，且無法實現不同頻率控制策略。SFR模型仿真速度快，能夠實現不同的儲能頻率控制策略，但由于其基于系統頻率均一的假設，用于頻率響應分析時，不能反應區域間頻率響應。

為研究不同儲能頻率控制策略對實際電網的頻率支撐能力，本文將實際電網分為被研究區域內部、外部以及儲能系統。對三者各自的頻率響應分別建立模型并求取參數，以提高模型的精度。頻率響應等值模型建立流程如圖4所示。

圖4 頻率響應模型建立流程圖Fig.4 Theflowchart of establishing extended frequency response model

3.1 區域內同步機組等值模型及參數

目前，電力系統中常見的同步發電機組主要包括非再熱式汽輪機、再熱式汽輪機和水輪機，在頻率響應模型中，主要考慮反應其有功功率調節特性的原動機和調速器模型[18]。

結合以上分析，建立考慮不同類型同步機組的頻率響應模型，如圖5所示。

圖5 考慮不同類型同步機組的頻率響應模型Fig.5 Frequency response model considered of different types of synchronous generators

3.2 基于參數辨識的區域外頻率響應等值模型

SFR模型研究區域電網頻率響應時，未考慮外部區域頻率響應是SFR模型誤差來源之一。區域內SFR模型參數相對容易獲取，但外部區域對本區域的頻率響應難以確知，因此本文提出一種基于參數辨識的外部區域等值方法以減小SFR模型誤差。

設外部區域的頻率響應傳遞函數為

利用粒子群算法[23]對傳遞函數中的參數進行辨識，流程如圖6所示。

圖6 粒子群算法參數辨識流程Fig.6 Parameters identification process of PSO

粒子群算法的適應度函數選擇，頻率響應模型輸出Δfout與實際時域仿真輸出Δfact之間誤差平方和，即：

式中：θ為待辨識參數，θ=[a0，a1，b0，b1，b2]T；Δfout為等值模型輸出的頻率偏差；Δfcat為實際的頻率偏差；k為第k個采樣點。

3.3 計及儲統慣量支撐的頻率響應模型

設儲能系統用于慣量支撐的有功出力為ΔPESS，儲能環節的頻率響應傳遞函數為

電流源型和電壓源型虛擬慣量分別按照式（8），（12）作為儲能系統的頻率響應傳遞函數。當儲能環節提供電流源型虛擬慣量時，系統的等效慣性時間常數不發生變化，當儲能環節采用電壓源型虛擬慣量控制時，由于其控制方式參與系統擾動功率分配，系統等效慣性時間常數增加，即：

式中：Hsys為系統等效慣性時間常數；Esyn為同步機組動能；EV為VSG提供的動能；Ssys為系統總額定容量，包括常規機組和可再生能源機組；Tj為虛擬慣性時間常數；SV為儲能單元所對應的VSG額定容量。

將被研究區域的內部、外部和儲能系統的功率施加在等值轉子上，獲得計及儲能系統慣量支撐的頻率響應模型，用于研究不同頻率控制策略對電網頻率響應的影響，如圖7所示。

圖7 計及儲能慣量支撐能力的頻率響應模型Fig.7 Frequency response model considered inertia support capacity of energy storage

同步機組頻率響應模塊中，K為同步機組出力占比，將其作為同步機組頻率響應的增益系數，能夠反映不同可再生能源占比下的同步機組調頻能力變化。外部頻率響應等值模塊中傳遞函數Gout（s）使用3.2節參數辨識結果。儲能頻率響應等值模塊中，假設系統中存在n臺同步機，m臺虛擬同步機，則二者均具有擾動功率分擔能力，在擾動初始時刻按照同步功率系數分擔功率，因此能夠增大系統等效慣性。ΔPGn，ΔPGm分別為同步機和虛擬同步機分擔的有功功率大小；電流源型虛擬慣量控制不具備擾動分擔能力，因此用與頻率偏差相關的功率注入表示，等效減小系統的有功缺額。

4 算例分析

為驗證系統頻率響應改進模型的有效性，以及不同儲能頻率控制策略對實際電網的慣量支撐能力，本文以新疆南疆地區電網為算例建立仿真模型進行仿真驗證。

4.1 南疆地區頻率響應特性分析

采用的系統模型以新疆電網南疆地區網架為基礎，建立南疆地區頻率響應模型。電網網架結構如圖8所示。

圖8 南疆電網網架結構Fig.8 The grid structure of Southern Xinjiang power grid

考慮到南疆地區電網同步發電機組類型，將南疆地區內部的同步發電機等值聚合為1臺再熱式火電機組和1臺水電機組，各類發電機的等值參數如表1所示。

表1 各類發電機等值參數Table 1 Equivalent parameters of various generators

對于南疆地區外部區域的頻率響應等值模型，按照前文方法進行參數辨識，辨識結果如表2所示。

表2 外部區域辨識參數結果Table 2 Frequency response parameters identification results of external area

以南疆地區可再生能源增加9.0×106kW為算例，設置系統發生擾動功率為0.07 p.u.，將本文所建立的頻率響應模型與PSASP時域仿真頻率響應曲線對比，如圖9所示。由圖9可以看出，該可再生能源占比下，發生功率擾動后，南疆地區頻率跌落迅速，ROCOF約為0.8 Hz/s，最大頻率偏差約0.8 Hz，有觸發防孤島保護和低頻減載的風險。通過仿真對比可以看出，本文所提出的頻率響應模型得到的頻率響應曲線與時域仿真結果較為接近，可用于實際電網頻率響應分析與儲能慣量支撐能力研究。

圖9 頻率響應模型與時域仿真的曲線對比Fig.9 Curve comparison of frequency response model and time domain simulation

4.2 儲能慣量支撐對南疆電網的影響

為驗證不同慣量支撐策略對電網頻率響應的影響，本文按照3.3節所述方法，搭建計及不同儲能系統慣量支撐控制的南疆電網頻率響應模型。有功功率擾動大小設為0.07 p.u.，通過調整頻率控制器參數，使得兩種控制方式下儲能系統向電網提供的最大有功功率相同，以此來對比電壓源型和電流源型虛擬慣性控制的電網頻率響應特性。本文將兩種虛擬慣量形式下儲能向系統提供的最大有功功率均設置為0.03 p.u.，并以此為約束條件確定頻率控制器參數。在儲能釋放的最大有功功率相同的前提下，電壓源型和電流源型虛擬慣性形式下的電網頻率響應如圖10所示。

由圖10可以看出，由于電壓源型虛擬慣量能夠模擬同步機組的瞬時慣量響應，具有參與擾動功率分配能力。在相同的儲能容量配置下，對ROCOF和最大頻率偏差的改善性能均優于電流源型虛擬慣量，能夠明顯提升系統的ROCOF和最大頻率偏差；由于電流源型的虛擬慣量響應存在延遲，無法模擬同步機的瞬時自然響應，因此其慣量支撐能力較差，對于最大頻率偏差的改善效果不及電壓源型虛擬慣量。

圖10 不同儲能慣量支撐方法對南疆電網的影響Fig.10 Influence of different energy storage inertia support methods on Southern Xinjiang power grid

圖11為系統頻率響應FFT分析結果。

圖11 不同儲能慣量支撐方法FFT分析結果Fig.11 FFT analysis results of different energy storage inertia support methods

由圖11可以看出，電壓源型虛擬慣量控制具有更少的低頻分量，其控制效果優于電流源型虛擬慣量控制。

在儲能配置充足的前提下，電流源型虛擬慣量能夠通過參數設置達到與電壓源型虛擬慣量相同的控制效果，但對儲能有功功率的需求增大。本算例中，電流源型虛擬慣量控制要達到圖10所示的電壓源型虛擬慣量的效果，儲能系統須向系統提供的最大有功功率達到0.06 p.u.。

5 結論

為應對大規模可再生能源接入電網系統所帶來的頻率穩定問題，本文基于靈敏度分析了不同頻率響應階段的主導參數，分析了不同儲能慣量支撐方案的機理；提出了改進的頻率響應模型，并在此基礎上研究了不同儲能慣量支撐方法對南疆電網頻率的影響。結論如下：①根據軌跡靈敏度分析可知慣性時間常數是慣量響應階段的主導參數，為應對南疆大規模光伏接入帶來的頻率穩定問題，利用儲能提供虛擬慣量是提高系統頻率穩定性的有效措施；②本文提出的改進頻率響應模型能夠較為準確地描述實際電網的頻率響應，便于實現不同儲能頻率控制策略，能夠用于研究頻率控制策略對實際電網頻率響應的影響；③儲能系統容量配置相同的前提下，電壓源型虛擬慣量控制方法相比于電流源型虛擬慣量控制方法具有更好的慣量支撐能力。