发电计划闭环中AGC机组控制模式决策方法

李利利，仇晨光，张勇，丁恰

（1.国电南瑞科技股份有限公司，江苏南京 211106；2.国网江苏省电力公司，江苏南京 210024）

电网运行方式的不断变化和需求预测精度随时间尺度不断提高的特点，决定了电网生产是一个逐步递进和细化的过程[1]。电力系统运行，包括日前发电计划、日内滚动计划、实时发电计划、自动发电控制（AGC）等多个不同时间尺度的环节，通过各环节的协调运作，提升电网的精细化管理水平[2-6]。发电计划与AGC的闭环协调，能够提高发电计划的执行效率，并通过发电计划的预控，减轻AGC的控制压力，提升电网运行的安全性与经济性。

AGC是时时刻刻保证发电与负荷平衡，维持电力系统频率质量的重要技术手段[7-8]。近年来，国内大量发电机组具备了投入AGC运行的条件[9]。AGC机组的运行控制模式一般分为2类：第1类是跟踪发电计划指令运行，即计划模式，如SCHEO机组；第2类是按电网实时控制指令运行，使本系统的频率保持额定值或使联络线的功率维持于计划值，即调节模式，如AUTOR机组、SCHER机组等。

目前调度生产中，发电计划环节优化机组出力后交给AGC执行，在AGC中由调度人员根据经验进行机组控制模式的设置，选择部分机组用于跟踪实时发电计划。由于发电计划环节并未考虑AGC机组的控制模式，将增大AGC的控制压力，也会影响实时计划的执行效果。同时，在现有方式下，调度员需要时时根据系统运行情况转换AGC机组的控制模式，工作量和强度都很大。为此，调度员通常采用相对保守的方式，系统中设置较多的调节模式机组，影响了系统运行的经济性，也增加了不同性能机组之间协调控制的难度[10]。

随着电网规模不断扩大，电网运行日益复杂，调峰调频压力日渐增大，不同类型、不同控制目标机组的运行模式转换频繁。如何根据电网的不同运行状态，兼顾电网安全、经济、环保、公平与效益多方面要求，实现AGC机组控制模式的优化调控，是提高发电计划及其闭环控制品质，提升电网调度精益化水平的关键。本文首先分析AGC机组控制模式决策需求，采用层次分析法获得机组的综合评估指标，进而建立优化决策模型，应用效果表明，本文所提方法能够满足电网运行需求。

1 发电计划闭环分析

电力系统频率变化主要是由负荷波动引起的。负荷波动可以分解为随机分量、脉动分量和持续分量3种负荷分量[11]。随机分量变化周期在10 s以内，变化幅度较小，对应的调整方式是发电机组的一次调频；脉动分量变化周期在10 s到数分钟之间，对应的调整方式是二次调频，即自动发电控制；持续分量变化缓慢，变化幅度大，对应的调整方式是发电计划，如图1所示。

图1 负荷波动与相应控制方式Fig.1 Load fluctuation and the corresponding control mode

负荷波动持续分量的调整，在一段时间内对发电机出力的要求是单调增加或单调减小的，大多数发电机组都能够适应这样的要求。若能对调节速率较低的AGC机组、以及不具备AGC功能的发电机组进行预先控制，精确实现对负荷波动持续分量的调整，则有利于减轻负荷波动脉动分量调整的压力，降低AGC阶段调节备用的需求与实时控制的风险。

发电计划闭环控制实现了实时发电计划与日前、日内发电计划以及AGC之间的一体化衔接，为AGC在线控制预留更合理的备用分布和全局最佳调节能力，通过发电控制环节的前移，提高电网超前预控能力和发电机组在线控制品质，提升电网联络线功率和频率控制的全局优化水平，减轻调度运行压力。

2 AGC机组控制模式决策分析

发电计划闭环的关键在于对AGC机组不同控制模式的动态优化控制，决策机组的控制模式为计划模式或者调节模式，亦即决策实时调度中哪些机组负责跟踪执行发电计划，哪些机组负责提供调节备用以执行AGC控制指令。

为使电力系统更加安全稳定地运行，同时减少发电成本，应该研究新的决策方法以更好地满足电力系统精细化管理的要求[12]。传统的优先顺序法选择AGC调节机组时考虑了调节速率等性能指标，但忽略了容量报价因素；文献[13]对优先顺序法进行了改进，对市场中的AGC机组按性能价格比确定优先权顺序后，依次选取机组直至满足系统需求；文献[14-16]提出了建立优化模型对AGC机组控制模式进行调配的方案，并分别采用混合整数规划法、遗传算法、粒子群算法进行求解。然而，上述研究均基于电力市场调度模式，没有考虑目前国内调度中的电量合同完成进度等要求，无法实际应用。同时，电力生产中AGC调节服务与有功电能具有较强的耦合性，而上述文献均孤立研究AGC机组调配问题，虽易于理解和实现，但可能得不到有效的结果。

考虑到国内调度运行实际情况，AGC机组控制模式的决策需要综合考虑调节速率、响应时间、电量完成进度等因素，通过AGC调节备用与有功功率的协调调度获得合理的决策结果，既保证系统具有满足电网运行要求的快速调节能力，又实现电网运行的安全性与经济性。

3 AGC机组性能评估

不同类型发电机组的AGC调节性能差异很大，甚至同类型之间的机组调节性能差异也很大。同时，兼顾电网调度运行模式的需求，发电计划闭环控制应优先选择综合性能较优的机组参与实时调节。AGC机组的控制模式决策与下列因素有着直接的关系：

1）调节速率。AGC机组必须具备一定的调节速率配合才能满足电网运行的需要。调节速率是指机组响应负荷指令的速率，每台AGC机组的调节速率一般都不相同，一般要在运行前进行实时测定和考核。

2）响应时间。不同机组的响应时间有所差异，对于同样一个指令，响应速度快的机组调节完毕时，响应速度慢的机组可能才刚开始调节，甚至还没开始调节，从而影响实时控制效果。

3）电量完成进度。均衡发电量调度是目前我国的主要的调度模式，其核心目标是确保电厂年度合同电量的同步执行[17-18]。当前，电力调度部门多采用年计划分月，月计划分日方式，层层分解，形成理想进度的发电计划，然后调度执行。在电力生产的各个环节，保证电网安全运行的前提下，需要尽可能地保持发电进度同步。

在AGC机组控制模式决策模型中，难以直接建模考虑上述因素。为此，采用层次分析法对AGC机组的调节速率、响应时间、电量完成进度进行综合评估[19-20]。层次分析法是一种实用的多目标决策方法，其主要特征在于合理地将定性与定量的决策结合起来，按照调度人员的思维规律把决策过程层次化[21]。AGC机组评估的层次结构如图2所示。

图2 机组综合评估层次Fig.2 Hierarchical model for units evaluation

从电网运行角度考虑，机组调节性能对电网安全运行更为重要，同时兼顾机组电量完成进度。各项因素的相对重要程度为：调节速度比响应时间重要；响应时间比电量完成进度重要。在此基础上，进行层次单排序与一致性检验，获得机组性能评估的层次总排序，进而构造出反映各个机组综合性能的调节备用成本。

4 优化决策模型

模型是在机组开停方式确定的条件下优化机组出力与调节备用，要求满足系统需求和机组运行约束，并且满足电网运行的潮流约束。通过能量与备用的联合优化，获得合理的机组控制模式结果。

优化目标为机组发电成本与调节备用成本之和最小。需要指出的是，此处的成本并不局限于狭义的煤耗成本，而是满足电网调控需求的广义成本，包括追踪日前计划的偏差成本以及反映机组综合性能的调节备用成本。数学表达为

式中，T为调度时段数；I为机组数；Cpi为机组i的发电成本曲线；Cri为机组i的调节备用成本曲线；Pit为机组i在时段t的计划出力；Rit为机组i在时段t提供的调节备用。

约束条件包括系统功率约束、系统调节备用约束、区域调节备用约束、机组调节备用约束、机组出力限值约束、爬坡速率约束，以及电网安全约束。

4.1 系统功率平衡约束

式中，Plt为系统在时段t的总负荷。

4.2 机组调节备用约束

式中，Ri，max和Ri，min分别为机组i调节能力的上、下限；RFit为AGC机组i在时段t的控制模式决策状态，其为0/1变量，0代表计划模式，1代表调节模式。

4.3 机组出力限值约束

式中，Pi，max和Pi，min分别为机组i出力的上、下限。

4.4 爬坡速率约束

式中，Δi为机组i每时段爬坡速率的最大值。

4.5 系统调节备用约束

式中，Qt为系统在时段t的调节备用需求。

4.6 区域调节备用约束

式中，Qzt为区域z在时段t的调节备用需求。

4.7 调节备用爬坡约束

式中，Δri为机组i在5 min内的爬坡速率的最大值。

4.8 电网安全约束

式中，Pij，max表示支路ij的潮流上限；M为电网计算节点集合；l（i，t）为节点负荷功率；S（i，j，t）为节点i的注入功率对支路ij的灵敏度。

上述模型本质上是混合整数规划（MIP）模型，本文采用商用数学优化软件包CPLEX进行模型求解。在江苏电网实际运行时，系统包括144台建模发电机组，优化周期为未来3 h，每15 min为一时段。在CPU主频2 GHz、物理内存4 GB的工作站上，可在15 s内完成一次计算，因此满足日内及实时调度应用的要求。

5 实例分析

采用本文方法的日内及实时调度系统已经在江苏省调度控制中心试验运行。该系统的投运改变了以往实时调度中主要依靠人工经验来确定控制模式的状况，实现了发电计划闭环范围内的控制模式优化，有助于调度精益化水平的提升。

根据江苏电网某日的实测数据，采用本文方法优化机组控制模式，系统中投入调节模式的机组数目减少，更多的机组可以参与闭环控制，调节模式机组数目的变化如图3所示。其中，优化前结果为系统投运前实际运行中的投入调节模式机组数目，优化后结果为采用本文方法后计算的数据。

图3 优化前后调节模式机组数目对比Fig.3 Comparison of regulation mode number of generators before and after optimization

通过机组控制模式的优化，改变了系统实时控制方式，系统中投入调节模式的机组数目减少，而投入计划模式的机组数目增加，更多的机组可以参与系统闭环控制，有利于电网对控制资源的更合理调用，在一定程度上提高了系统运行的经济性，降低了调度运行压力。

为了给AGC留出足够的调节能力，通常处于调节模式的机组计划取可调出力上下限的中间值，从而影响了机组的电量完成进度。因而需要根据电网完成情况动态选择参与调节的机组。电量进度为各机组发电量与其计划电量的比值。优化后，部分机组的电量进度如图4所示。

图4 机组电量进度统计结果Fig.4 Statistical result of units energy schedule

在考虑各种运行因素的条件下，电量进度最大的为103%，最小的为97%，全网机组均有效地完成了计划电量。通过优化机组控制模式，动态选择提供AGC调节服务的机组，有利于电网对控制资源的更合理调用。

6 结论

通过对AGC机组不同控制模式的决策方法研究，改变目前以人工经验为主的设置模式，在保证实时控制质量的前提下，动态选择提供AGC辅助服务的机组，有利于电网对控制资源更合理调用，充分利用发电机组的调节能力，降低系统运行成本，提高机组控制的平稳性和有序性。

[1] 张智刚，夏清．智能电网调度发电计划体系架构及关键技术[J]．电网技术，2009，33（20）：1-8．ZHANG Zhigang，XIA Qing.Architecture and key technologies for generation scheduling of smart grid[J]．Power System Technology，2009，33（20）：1-8（in Chinese）．

[2] 周华锋，李鹏，胡荣，等．南方电网调度智能化关键技术研究[J]．南方电网技术，2011，5（1）：14-17．ZHOU Huafeng，LI Peng，HU Rong，et al.Research on the key technologies of intelligent dispatching system for China southern power grid[J]．Southern Power System Technology，2011，5（1）：14-17（in Chinese）．

[3] 丁恰，李利利，涂孟夫，等．智能电网日前发电计划系统设计与关键技术[J]．电网与清洁能源，2013，29（9）：1-5．DING Qia，LI Lili，TU Mengfu，et al.Design and key technologies of day-ahead generation scheduling system for smart grid[J]．Power System and Clean Energy，2013，29（9）：1-5（in Chinese）．

[4] 李虎成，於益军，李峰，等．基于多进程并行计算的日前调度计划安全校核技术[J]．电网与清洁能源，2013，29（3）：19-22．LI Hucheng，YU Yijun，LI Feng，et al.Day-ahead generation scheduling security checking based on multiprocess parallel computation[J]．Power System and Clean Energy，2013，29（3）：19-22（in Chinese）．

[5] 陈之栩，李丹，梁吉，等．华北电网日内发电计划及实时调度系统[J]．电力系统自动化，2011，35（19）：54-57．CHEN Zhixu，LI Dan，LIANG Ji，et al.Intraday generation plan and real-time dispatch system of north China grid[J]．Automation of Electric Power Systems，2011，35（19）：54-57（in Chinese）．

[6] 蒋雪峰，黄文新．基于节能与减噪的电力变压器多目标优化设计[J]．高压电器，2013，49（5）：49-53．JIANG Xuefeng，HUANG Wenxin.Multi-objective optimal design of power transformer based on energy-saving and noise reduction[J]．High Voltage Apparatus，2013，49（5）：49-53（in Chinese）．

[7] 高宗和，滕贤亮，张小白．互联电网CPS标准下的自动发电控制策略[J]．电力系统自动化，2005，29（19）：40-44．GAO Zonghe，TENG Xianliang，ZHANG Xiaobai.Automatic generation control strategy under control performance standard for interconnected power grids[J]．Automation of Electric Power Systems，2005，29（19）：40-44（in Chinese）．

[8] 李云，张晓满，张燕平，等．自动发电控制试验及其评价方法[J]．热力发电，2012，41（12）：94-95．LI Yun，ZHANG Xiaoman，ZHANG Yanping，et al.Discussion on the AGC test and its evaluation method[J]．Thermal Power Generation，2012，41（12）：94-95（in Chinese）．

[9] 高爱国，尚勇，康静秋．提高自动发电控制性能指标的协调控制策略优化与应用[J]．热力发电，2012，41（12）：43-47．GAO Aiguo，SHANG Yong，KANG Jingqiu.Optimization and application of coordination control strategy for improving the AGC performance[J]．Thermal Power Generation，2012，41（12）：43-47（in Chinese）．

[10]武星，殷晓刚，魏泉，等．电力产品可靠性研究的本质动因和前景展望[J]．高压电器，2011，47（10）：75-76．WU Xing，YIN Xiaogang，WEI Quan，et al.Motivation and prospect of research on electrical equipment reliability[J]．High Voltage Apparatus， 2011， 47（10）： 75-76 （in Chinese）．

[11]陈铭，刘娆，吕泉，等．AGC机组分群控制策略[J]．电网技术，2013，37（3）：868-873．CHEN Ming，LIU Rao，L譈 Quan，et al.Grouping control strategy for AGC units[J]．Power System Technology，2013，37（3）：868-873（in Chinese）．

[12]郭秀钦，郭大庆，张永新，等．配电网节能降损优化改造方案的研究[J]．电力电容器与无功补偿，2014，35（2）：43-49．GUO Xiuqin，GUO Daqing，ZHANG Yongxin，et al.Study on optimal energy conservation and loss reduction modification scheme for distribution network[J]．Power Capacitor Reactive Power Compensation，2014，35（2）：43-49（in Chinese）．

[13]林万菁，刘娆，李卫东．发电侧电力市场下的AGC容量确定与机组选择[J]．电力系统自动化，2004，28（19）：17-21．LIN Wanjing，LIU Rao，LI Weidong.Requirement determination and unit selection in the generation market[J]．Automation of Electric Power Systems，2004，28（19）：17-21（in Chinese）．

[14]武亚光，李卫东，吴海波．我国发电侧电力市场中AGC机组的调配框架[J]．电力系统自动化，2003，27（2）：37-40．WU Yaguang，LI Weidong，WU Haibo.Framework of AGC unit selection on the generation-sided electricity market[J]．Automation of Electric Power Systems，2003，27（2）：37-40（in Chinese）．

[15]李卫东，吴海波，武亚光，等．电力市场下AGC机组调配的遗传算法[J]．电力系统自动化，2003，27（15）：20-24．LI Weidong，WU Haibo，WU Yaguang，et al.Application of genetic algorithm to AGC service dispatch in a deregulated power system[J]．Automation of Electric Power Systems，2003，27（15）：20-24（in Chinese）．

[16]雷啸鹏，江岳文，温步瀛，等．一种用于AGC机组调配的混沌多Agent双重粒子群算法[J]．电网与清洁能源，2013，29（6）：10-15．LEI Xiaopeng，JIANG Yuewen，WEN Buying，et al.A chaos multi-agent dual particle swarm optimization algorithm for AGC unitdispatchment[J]．PowerSystem and Clean Energy，2013，29（6）：10-15（in Chinese）．

[17]吴锋，刘充许，武丽岩．考虑机组发电量约束的短期电能计划安全校正[J]．南方电网技术，2013，7（1）：95-98．WU Feng，LIU Chongxu，WU Liyan.Security correction of short-term energy scheduling with unit generation amount constraint[J]．Southern Power System Technology，2013，7（1）：95-98（in Chinese）．

[18]杨鑫，马蓉芬，袁敏，等．城市综合用地变电站接地设计研究[J]．电瓷避雷器，2008（2）：32-34．YANG Xin，MA Rongfen，YUAN Min，et al.Study on grounding arrangement of urban substation at integrative land utilized area[J]．Insulators and Surge Arresters，2008（2）：32-34（in Chinese）．

[19]向婷婷，刘娆，李卫东．评价机组AGC调节性能新方法[J]．电网与清洁能源，2009，25（2）：21-27．XIANG Tingting，LIU Rao，LI Weidong.A new method for evaluating the efficiency of generating sets with AGC[J]．Power System and Clean Energy，2009，25（2）：21-27（in Chinese）．

[20]褚云龙，程松，李云，等．火电机组一次调频及AGC全网试验分析[J]．电网与清洁能源，2013，29（9）：32-38．CHU Yunlong，CHENG Song，LI Yun，et al.Analysis of thermal power unit primary frequency regulation and the AGC whole network test[J]．Power System and Clean Energy，2013，29（9）：32-38（in Chinese）．

[21]许树柏．层次分析法原理[M]．天津：天津大学出版社，1998．