面向新型能源结构的系统调频技术回顾与展望

蔡文亮,赵正晖,汪洋,王一帆,李斌,姬伟

(江苏大学 电气与信息工程学院,江苏 镇江 212013)

0 引 言

煤、石油等一次能源的大规模使用,在推动人类加速发展的同时,也造成了难以忽视的环境问题。近年来,全球在新能源领域的探索表明,以风、光为代表的可再生能源将成为未来人类低碳发展的重要基石[1]。我国也致力于提高国家自主贡献力度,采取了更加有力的政策和措施,力争2030年前二氧化碳排放达到峰值,努力争取2060年前实现“碳中和”。预期到2030年我国风电和光伏总容量将超过1 200 GW[2]。当前,可再生能源机组通过逆变器、变流器等电力电子装置接入主网,有功输出和频率响应处于解耦状态。虽然可引入虚拟惯性和下垂控制的方式提供频率响应,但是风电和光伏具有强波动性和强随机性,相比于传统火力机组而言,难以提供相对稳定的调频能力。在可预计的未来,更多传统火力发电机组被新能源机组取代,系统惯性和调频资源总量将降低,调频总容量呈减少趋势,在有功扰动下,系统的频率波动将增加,给电力系统频率安全带来前所未有之挑战[3]。

目前,对于系统的调频研究大多集中于惯性、一次调频以及二次调频的控制方面。除了传统火力机组外,充分挖掘源-荷-储不同环节的调频能力是研究的热点。新能源机组通过添加控制环节,实现类似火力机组的惯性响应和一次调频能力。负荷和储能分别通过需求侧响应技术和快速充放电实现调频能力。考虑调频的优化调度是保证现代电力系统安全稳定、经济运行的重要基础,也是检验各类资源调频效果的重要手段。因此将从挖掘电力系统不同环节的调频能力入手,对风电、光伏、负荷以及储能参与系统调频的方式进行梳理,分析各调频资源的调度潜力,在此基础上对考虑调频备用资源的优化调度问题进行总结,对比调度模型中不确定性的处理方法和求解策略,最后基于以上综述和回顾,对各调频资源参与系统运行问题进行展望。

1 多种资源参与系统调频的方式研究

可再生能源的快速发展对电力系统频率安全提出了更高的发展要求,因此挖掘电力系统各个环节的调频资源迫在眉睫。在电源侧,为了加强新能源机组对电力系统稳定性的贡献,《电力系统网源协调技术导则》[4]中规定风电场和光伏电站应具备一次调频能力,能在规定时间内做出响应以满足系统的调频需求,为系统提供频率支撑。在负荷侧,用户的需求侧管理也逐步发展为电力系统中重要的调频资源。它通过引导用户优化用电方式,调动负荷侧的频率响应资源来满足系统的调频需求。需求侧调频资源包括负荷需求响应和电动汽车等。储能作为电力系统中的多面手,不仅可以参与火力发电厂的调频辅助服务,减少火电厂考核损失增加补偿盈利,部分区域也开始尝试参与新能源场站的调频辅助服务。对于较为脆弱的地方电网,负荷变化的冲击可能导致系统频率波动较大,研究表明可以在以关停的火电机组处建设独立的储能电站主动参与电网调频。目前,对于以上系统中主流的调频资源,众多专家学者对于其参与系统调频的方式已经展开了较为广泛的研究,本节将从控制方法的和调频策略方面梳理不同资源参与系统调频的前沿技术。

1.1 风力发电机参与系统调频方法的研究综述

目前风电机组参与系统调频的方法主要有两大类,如图1所示,一类是利用自身惯量参与系统调频的转子动能控制[5-12],另一类是预留有功备用参与调频的有功备用控制[13-22]。

图1 风力发电机组参与调频方式

1.1.1 利用惯量参与调频的转子动能控制

转子动能控制是指当风电机组检测到电网频率偏差时,提高有功控制的参考值,在此之后由于风电机组的输出电磁功率大于其输入的机械功率,风电机组转子开始减速,并释放出转子动能,以此来参与系统调频。

在不同的文献中,转子动能控制方式通常被归纳为两种,第一种是将系统频率变化量与风电有功出力相互耦合,风电机组参与调频时模拟同步机组的惯性响应,将频率变化率引入风电机组的控制环节,实现风电机组有功出力和频率的耦合,当系统频率下降,增大风机的功率参考值,使转子的动能释放增加有功输出。该方法通常采用虚拟惯量控制(Virtual Inertial Control)[11]方式实现。第二种是将风电机组有功功率和系统频率偏差进行耦合,建立二者之间的下垂特性。此种控制方法称为下垂控制(Droop Control)[12]又叫斜率控制或比例控制。

1.1.2 利用风电减载备用参与调频的控制方法

风电减载备用参与调频的方法是指风电机组通过主动控制使其偏离最大功率点运行,跟踪降载曲线使其具有上调和下调的出力空间,即实现了减载运行。当系统出现频率偏差时,风电机组可以根据调频指令实时调整出力参与系统调频,其系统结构如图2所示。由于风电机组捕获的风功率与转子转速和桨距角都有关,因此可以将风电减载调频的控制方式分为桨距角控制和超速减载控制。

图2 风电减载调频的系统结构图

(1)超速减载控制

如图3所示,超速减载控制通过控制风力机转子转速,使转子的实际转速高于最大功率曲线运行状态下的转速,此时风电机组运行于非最大功率曲线的另一次优点,降低捕获的风功率,从而使机组保留一部分有功备用实现减载运行。当系统发生有功扰动时,再降低转速,增大风电机组捕获的风功率,从而使其有功输出增加参与调频[14-15]。

图3 超速减载控制策略

(2)桨距角控制

通过控制风力机叶片的桨距角,使桨距角大于风电机组正常运行的桨距角,进而减小风电机组捕获的风功率,使其运行于减载状态。当遭受有功扰动时,减小其桨距角,增大风电机组的有功出力参与调频[13,23]。

(3)超速减载控制结合桨距角控制

超速减载和桨距角减载都各自有其优缺点,前者的优点是响应速度快,但缺点是当风电机组处于高风速的工况下,风机的转速已达上限,不具备减载备用的可能,因此其适用范围只限于中、低风速的工况[24]。而后者可以适用于各种风速的工况,但是桨距角的变化涉及内部机械部件动作,因此有响应速度慢、风机部件易磨损的缺点,增加了风机的维护成本[25]。为了使风电机组可以在全风况下减载备用,并可维持较长的时间,增加风电的可调度性,有研究提出将两种减载方式相结合的策略[21,26],其控制方式如图4所示。

Vcr、Vw1、Vn分别为切入风速,最优转速区临界风速和额定风速。A点、C点和D点是在风速为Vcr、Vw1、和Vn的最大功率运行点。当风速为Vw时,风电机组在超速减载控制的作用下,其运行点可以从B点向B′点移动,当运行达到B′点时,由于转子转速已达到最大值无法继续用超速减载控制减载,此时利用桨距角控制,可使得风电机组的运行点沿B′点向F点移动。F点是转速为ωmax,采用桨距角控制的最大调整量运行点。因此,在任一风速下风电机组存在最大可减载率。当风电机组的减载率为Kopt%时,风电机组运行于B0点,则其调频容量为:

(1)

(2)

Pde.opt=(1-Kopt%)*Pg.MPPT

(3)

减载运行的风电机组具备双向调频的能力,且可维持较长的时间。是实现风电参与调频调度的有效途径。然而长期减载的风电机组会对风电场的经营成本带来影响。文献[27]对比了超速减载控制和桨距角控制对风电场收入的影响;文献[28]指出,100 MW的风电场按照10%的装机容量减载,在不限电区域每年亏损2 500万元。因此,在系统调度层面决策风电场是否减载以及风电场的减载容量需要深入研究。

1.2 光伏发电系统参与系统调频的研究

研究表明光伏系统具备参与电网调频的能力,其方式与风电机组类似,即需要预留一部分有功备用,使其能够迅速的响应系统的频率变化,快速提供有功输出。如图5所示,现有研究通常将光伏参与调频的方式分为两类,第一种方法是光伏机组单独参与系统调频,其运行于非最大功率点,从而保持一定有功功率备用[29-31]。第二种方法是给光伏机组配置一定容量的储能,光伏机组仍然运行于最大功率点,通过储能快速释放和吸收有功功率参与系统调频[32-33]。

图5 光伏发电系统参与调频的系统结构图

1.2.1 光储联合参与调频

储能系统可以进行快速充放电,具有灵活性高,响应速度快、控制精度高的特点。因此为光伏机组配置储能,可以有效平滑光伏的发电功率,同时参与系统调频。文献[34]利用混合储能系统的出力弥补光伏发电功率预测值和实际值的偏差从而达到平抑光伏出力波动的目的。文献[35]分析光伏出力波动对于系统调频备用需求的影响,提出利用储能的充放对于光伏波动进行有限平抑并建立容量优化模型,在控制电网频率稳定的同时使光储系统的等效收益最大。

1.2.2 利用光伏减载备用参与系统调频

当光伏机组运行在最大功率跟踪模式时,无法提供可用的备用功率,在电网频率下降时难以提供有功支撑,通过控制光伏机组的工作电压使其使其工作在非最大功率点,可以控制光伏机组的输出功率在减载状态。如图6所示,A点为最大功率跟踪点,提升光伏机组的运行电压,使其在C点减载运行,其备用容量为PMPPT和P减载的差值。当系统出现有功扰动,频率下降时,将光伏机组运行电压降低至V′使其在B点工作,增大机组输出功率,达到参与电网调频的效果。

图6 光伏减载控制策略

文献[36]提出基于牛顿二次插值的光伏系统功率控制策略,通过二次曲线逼近光伏系统的功率-电压特性曲线,迭代获得光伏系统所需的终端电压,通过电压控制其输出功率实现减载。文献[37]将离线拟合和在线功率跟踪相结合实现光伏发电系统的变减载控制,根据电网频率的变化改变减载率。文献[38]考虑光伏发电系统的备用容量,将减载控制器和备用功率相结合,提出了一种等比例减载控制光伏调频的策略。

1.3 负荷资源参与系统调频的研究

随着我国智能电网的发展,通信和控制技术的提升为负荷侧资源参与调频备用提供了有利支撑。目前,需求侧的负荷调频资源日趋多样化,负荷资源可以直接与电网互动,也可通过需求响应的方式参与电网频率响应。根据负荷资源的特性不同,可将负荷调频备用资源分为单纯可调的被动负荷和可以双向互动的主动负荷[39]。

1.3.1 被动负荷调频特性

被动负荷指事先与用户签订协议或者是在用户许可的条件下可以临时退出或接入电网的负荷,可用于恢复源荷平衡和消除可再生能源波动。可中断负荷与直接控制负荷作为两种有效的被动负荷调频资源,可在紧急频率事件发生时分别按照约定,自动切除或远程调节部分负荷以参与系统一次调频[40]。例如,电热水器拥有可控性高、有功输出稳定等优点。是良好的负荷侧调频备用资源。可以对大量的电热水器负荷经过合理的聚合后,调整其工作状态,在负荷节点处以虚拟发电厂的形式参与电力系统的一次调频[41-42]。文献[43]建立了一次调频动态响应模型,以此模型构造机组最小一次调频容量约束条件,在考虑此约束的前提下,合理分配各机组所需承担的调频容量,保证系统频率稳定。

1.3.2 主动负荷调频特性

主动负荷是指具有储能特性且可通过主动控制充放电参与系统调频的负荷,具有功率的双向调节能力,是较为理想的负荷侧调频备用资源,例如电动汽车(Electric Vehicle,EV)等移动储能装置。文献[44]提出EV可受电网的直接控制参与调频,具有迅速响应系统指令,提供调频辅助服务的能力。文献[45]考虑EV用户充电行为的不确定性和用能需求,建立了EV聚合商充电功率及备用上报的优化决策模型。文献[46]在考虑电动汽车用户行为特性的基础上,提出考虑用户积极性的电动汽车与机组联合调频的两阶段随机优化调度模型,实现火电和电动汽车调频容量上的互补。

1.4 储能系统参与系统调频的研究

目前,在开展的新能源参与电网调频的研究中,也把储能作为重要的技术路线。通过对储能充放电策略的控制实现对功率的双向调节,维持系统有功平衡,使频率处于安全范围之内。

1.4.1 储能参与系统调频控制方式

储能系统通过下垂控制进行一次调频响应,这种控制是利用储能电站的一次调频容量,模拟同步机组频率响应的出力方式[47-48]。如图7所示当系统出现频率偏差时,储能系统快速充放电维持系统的有功平衡[49]。

图7 储能下垂调频控制策略

1.4.2 储能预留备用参与系统调频

考虑储能参与调频,其重点是留有充足的调频备用并满足调频前后的充放电功率以及电量限制[50-52]。储能的调频功率见式(4),需要满足正常运行状态下的充放电功率约束如式(5)、式(6)以及调频后的电量约束如式(8):

ΔPE=Pdis,max-Pdis+Pch

(4)

Pdis.min≤Pdis≤Pdis.min

(5)

Pch.min≤Pch≤Pch.min

(6)

ΔE=Pdis,maxΔt

(7)

Emin≤E0-ΔE≤Emax

(8)

式中Pch、Pdis分别为储能充放电功率;Δt表示储能调频持续时间;E0、Emin和Emax分别表示初始电量、电量最小值和电量最大值;ΔE为储能放电的电量变化;Pdis.min、Pdis.max分别为储能放电状态时的最小和最大功率;Pch.min、Pch.max分别为储能充电状态时的最小和最大功率。

由于风电机组的转速变化范围有限,转子动能控制无法提供充足的调频备用,难以满足高比例新能源电力系统的调频需求。因此保留有功备用是风电场提供一次调频的主要方式。然而风电和光伏的出力具有波动性和不可控性,其调频容量与风速和光照密切相关,因此风电和光伏参与系统调频仍有局限性。储能可以增大电网备用容量,通过对输出功率的快速增减校正电网供需平衡,其极快的响应速度使得频率控制更加精确,需要更少的调频容量。但是由于安装成本高,投资回报率低,使得储能难以在大范围推广应用。可中断负荷和直接负荷控制可以做到快速、精准的功率控制,但是只能提供向上的调频容量,不能进行双向调频,因此比较理想的调频负荷是具有储能性质,响应速度快,具有向上和向下调节的可控负荷。各类资源参与系统的频率调整不仅需要合理的控制方法,也需要电网调度部门依据实际需求科学的安排调频资源的运行方案。

2 考虑风光荷储参与调频备用的调度优化

系统的调频资源对于系统的安全运行承担重要作用,尤其随着新能源的渗透率的不断升高,系统运行中的不确定性增加,传统根据最大发电负荷安排火电机组的备用计划,往往面临备用容量不足,调频困难的问题。在此情境下,越来越多的研究从调频资源提供调频备用的角度出发,探索如何合理安排调频备用资源,减少在线火电发电机组的运行压力。

2.1 考虑单一资源参与系统调频的备用调度

文献[53]提出了一种考虑风电场减载备用的双层模型,上层模型是预调度阶段以系统运行费用最小为目标函数制定备用计划,下层模型是实时阶段以系统计划偏差量最小为目标函数优化调整风电机组的减载率和火电机组的出力以达到降低总成本的目的。文献[54]在文献[53]的基础上进一步提出利用鲁棒优化的方法刻画风电和负荷的不确定性,建立考虑风电降载的系统备用调度模型。文献[26]从电网的有功不平衡量角度出发,将风电预测误差和负荷预测误差刻画为电网的调频需求,针对风电出力的不确定性,采用机会约束规划建立不同时间尺度下考虑风电减载调频的调度模型,并采用粒子群算法结合随即模拟技术进行求解,得到在一定时间尺度内的风电减载率和机组出力。文献[55]针对如何平衡风电机组的减载率和火电机组的运行成本的问题,提出考虑最小风电减载率和最小火电机组运行成本的多目标机组组合模型,并采用模糊隶属度函数法,得到最优折中解。文献[56]提出了一种随机机组组合模型,通过场景法描述风电出力,并在此基础上分析了不确定情景下的风电减载容量。该方法的局限性在于需要确定所有场景下的减载容量,并且没有考虑风电场的再调度过程。文献[57]考虑风电场运行的尾流效应和风电场提供备用的方式,分析并网容量与风电场出力不确定性的关系,一是建立可变风电不确定集合,并基于风电场和风机运行方式建立了风电备用模型;二是建立考虑网络约束的风电场与系统协同运行鲁棒优化模型,并通过列约束生成算法(C&CG)算法进行求解。文献[58-59]将风电减载备用引入两阶段经济调度模型,但没有考虑风电的不确定性。

现有的研究通常建立两阶段模型确定风电减载率,第一阶段通过长时间尺度的预测信息或者工况最差的典型场景,确定机组的开停机状况以及较为保守的减载量并将结果带入第二阶段。在第二阶段通过尺度更短的预测信息或者日内场景对第一阶段的风电减载量进行修正,平抑新能源的有功不平衡量,确保系统频率安全。

在系统层面,现有文献对光伏减载率的确定采用了与风电减载率类似的方法,文献[60]建立了以同步机组发电备用计划和光伏减载量为决策变量的日前日内两阶段光伏发电调度模型,以此研究尺度内的光伏减载量。除了考虑光伏的不确定性,还有研究考虑了系统频率的动态响应,文献[61]构建了考虑光伏调频的频率响应模型,推导出光伏调频容量约束和动态频率约束并加入传统机组组合模型中,并采用Benders法对所提模型进行求解,相比于光伏未参与调频的模型可以有效降低系统运行的成本。

储能电站在作为调频备用时,需特别注意与火电机组调频进行协调,在满足电网调频需求的同时,优先发挥火电机组的调频作用,尽量避免储能频繁充电放电,对储能寿命造成影响。文献[62]针对含有电网侧储能的系统调峰和调频联合调度的问题,制定了联合调度中储能的控制策略,建立了储能与同步机组共同参与调峰调频的联合优化模型最终实现储能与机组的协同优化处理空间的分配。文献[63]针对跨区优化调度中未考虑调频需求的问题,在构建跨区安全经济的鲁棒优化调度中加入满足惯量支撑和调频需求的储能,使得调频需求与供给达到平衡。

2.2 考虑多种资源参与调频的系统备用调度

以上研究在系统调度运行中仅考虑了单一电源侧调频备用或储能调频备用。也有学者对多种调频备用资源进行协同优化的问题展开探究。

文献[64]针对风电和负荷备用资源联合优化的问题,提出了一种日前、日内两阶段鲁棒优化模型。首先根据各资源的备用方式进行建模,其次采用鲁棒优化方法刻画风电机组的不确定性,建立两阶段机组组合与备用优化模型,保障系统在最恶劣运行工况下安全可靠运行,考虑风电减载和需求侧可中断负荷同时参与系统一次调频,建立了稳态暂态联合优化的日前调度模型,暂态仿真中确保系统的频率安全,风电机组通过减载运行方式与常规机组联合参与系统一次调频,同时负荷侧的可中断负荷也作为调频备用的一部分。提出了一种稳态与暂态联合的实时滚动调度模型,在多种高风险随机场景下进行暂态仿真确保系统运行的频率安全。

2.3 不确定因素

长期以来,风电和光伏等可再生能源被认为是电力系统中不确定性因素的主要来源。在考虑调频备用资源分配的问题中,均会涉及新能源出力、负荷预测功率、机组的状态等不确定因素。针对不确定因素,相关文献通常采用随机优化、鲁棒优化[54]和区间优化三种方法处理。随机优化有多场景和机会约束规划两种模型。场景法模型简单,通过典型场景将不确定性问题转换为确定性问题进行求解,缺点是需要将海量场景进行削减,计算时间长,场景典型性要求高。机会约束规划是允许部分约束条件在一定置信度水平下越限,缺点是置信度设置较为主观。鲁棒优化[54]是通过不确定集合描述不确定因素,按照最差场景下的优化方案,缺点是求解结果较为保守。区间优化描述不确定性时,除了预测场景外,还要添加由变量取值区间上下限逐一组合的极端场景,保守性强且计算规模大。

2.4 求解方法

在考虑调频资源的电力系统优化的模型中,其变量通常包含了用于决策的整数变量和用于控制的连续变量,是一个典型的混合整数优化问题。对于模型的求解分成智能算法和数学优化方法两种。

由于智能算法对于模型中非线性的复杂约束具有很好地适应性,因此可以广泛应用于任意优化模型中。现有的文献通常将原问题分解为日前决策和日内运行模拟两阶段模型进行求解。因此智能算法可以对两阶段模型进行分层求解,对第一阶段模型中的决策变量进行迭代寻优,并将其最优决策变量传递至第二阶段的模型中,第二阶段的模型以第一阶段的决策变量为基础仍采用智能算法进行迭代寻优以求解其余变量或修正第一阶段模型中的决策。文献[26]采用基于随机模拟的粒子群算法求解考虑风电减载的频率优化模型,将第一阶段所求解的长时间尺度下开机机组组合传递至第二阶段短时间尺度下的模型中,第二阶段短时间尺度下所求解的风电最优减载率修正了第一阶段长时间尺度模型下的风电减载率。文献[63]采用飞蛾扑火算法对第一阶段机组组合模型进行求解,并将优化后的火电机组运行状态传递至第二阶段模型中,第二阶段采用自适应蝴蝶算法解决考虑储能调频的辅助服务优化问题。智能算法对于复杂的优化问题具有极强的适用性,其缺点是在处理大规模问题时,计算速度较为缓慢且无法得到全局最优解,容易陷入局部最优。

数学优化方法[41]通常需要将模型和约束进行处理,使其转化为混合整数线性优化问题。非线性约束通常采用大M法、分段线性化以及边界法进行处理,其优点是使用范围广,可以构造任意的变量关系式,但存在局部保守型不足的缺点。数学优化算法通常将原问题分解为上层决策与下层运行模拟的双层模型,并通过Benders分解法[62]或列与约束生成(Column-and-constraint Generation,C&CG)算法[57,64]进行迭代求解。该类问题通常采用CPLEX、GUROBI、MOSEK等求解器直接求解。相比于智能算法,数学优化算法具有较高的求解精度,且可严格保证全局最优性。

3 展望

目前,国内外对于各类资源参与调频的方法研究不断深入并取得了一定成果,但是各类调频资源参与系统频率调整,不仅需要合理的控制方法,也需要电网调度依据运行实际需求科学评估各资源参与频率调整的策略,以制定科学的运行方案,因此依然存在较多问题亟待研究:

(1)风电和光伏机组以减载运行的方式为系统预留调频有功备用。长期减载运行的风电和光伏机组会对风电场和光伏电站的利益造成不容小觑的影响。在厂网分离的大环境下,在确保系统频率稳定的同时,也要顾及新能源场站的利益,因此以系统的角度安排新能源的减载计划可能与实际情况存在出入。博弈论为分析各主体利益关系提供了新的调度思想,通过博弈论建立考虑多种资源调频服务的优化调度模型,在满足系调频需求的基础上,平衡不同调频资源主体之间的利益关系,分析各主体利益诉求以及可能达到的均衡点,在保证系统稳定的同时最大化各调频资源的利益,激励多类资源积极参与调频服务;

(2)负荷侧调频具有响应速度快,可控性强等优势,其主要通过改变负荷的功率进行系统的频率响应,现有研究大部分局限于负荷响应策略,少有考虑与传统机组调频能力结合运用到调度研究中以此确定合理的负荷预留容量与机组调频备用容量;

(3)储能可以在电力系统中的各个环节提供容量支撑,但受成本的限制,在系统中配置的容量仍然有限。因此,研究低成本大容量的储能是未来新型电力系统下储能参与调频辅助服务的基础。在技术层面上,储能的调频备用能力在发电计划和自身电量约束的影响下,呈现动态特征,在充放电策略中储能如何合理划分其自身出力空间和调频备用容量空间是需要解决的问题。在效益层面上,考虑储能成本的容量配置,对储能参与系统调频的效益及定价补偿方法也是未来的研究方向;

(4)现有的“三公”电力调度机制不再适应能源转型下电力系统需要,优化日前、日内和实时调度运行的潜力还没有被充分挖掘,风、光伏的不确定性因素对系统频率的影响,极大增加了日内调度计划调整的频次和工作量。因此完善电力市场机制,优化调度运行,对调频能力强的机组赋予优势,激发潜在调频资源是要进一步展开的工作。

4 结束语

在现代新型电力系统中,随着新能源发电机组逐步取代火电机组,传统电力系统中仅依靠火电机组提供调频备用的策略会给电网安全稳定运行带来极大挑战。因此,新能源机组、储能以及负荷侧调频资源将成为满足未来电网调频备用需求的重要组成部分。

文中对新型电力系统下的多种潜在调频资源进行深入分析,从源-荷-储不同环节梳理风电机组、光伏机组、负荷资源以及储能参与系统调频的方式。从各类调频资源本身的层面来看,由于风电与光伏机组的出力具有不确定性,新能源机组在实际应用中主要采用更为可靠的减载备用的方式参与系统的调频;储能系统主要通过下垂控制参与系统的一次调频,具有极快的频率响应速度和可以满足小幅度高频率的调频需求,在现有的使用场景中可以与火电机组联合,弥补火电机组响应时间长,调频速率低的特点;被动负荷虽然可以做到及时、快速的功率调节,但由于只能提供向上的调频容量,因此具有储能性质、可控性强的主动负荷在未来更加具有调频潜力。从系统层面看,考虑调频备用需求的电力系统优化调度,就是在一定周期内制定电力运行计划,安排合理的调频资源,以满足系统的调频需求。通过对机组的启停操作,调频资源的决策,调频备用的合理安排,优化系统的调频性能。