一种储能火电机组调频控制方法与流程

本发明涉及火电储能调频技术领域，尤其是涉及一种储能火电机组调频控制方法。

背景技术：

众所周知，电力系统的频率稳定性是由其能量供需平衡关系决定的，在传统能量结构中，短时能量平衡主要由传统机组（包括水电、火电等）通过相应agc（automaticgaincontrol）调度指令（目标输出功率）进行调节。

目前，国内火电机组的agc调频性能与电网的调节期望相比尚有差距，主要表现为调节的延迟、偏差（超调和欠调）等现象。随着电池储能技术的发展，电池储能作为一种优质的调频资源，可有效辅助电力系统的调频，具有快速和精确的响应能力，此外，火电机组加装储能系统，还可以间接延长火电机组的使用寿命，减少机组频繁动作。

现有的储能agc调频控制策略未充分考虑电池储能的荷电状态（soc）问题，会存在储能电池长时间满功率使用的情况，从而影响储能电池的使用寿命，造成很大投资效益损失。

技术实现要素：

为了克服现有技术的不足，本发明现提供一种储能火电机组调频控制方法，能够周期调节储能补偿度，避免储能电池长时间满功率使用，从而延长储能电池的使用寿命。

本发明的上述发明目的一是通过以下技术方案得以实现的：

一种储能火电机组调频控制方法，所述控制方法包括：

获取电池储能系统的储能电量soc数据；

判断所述储能电量soc数据是否超出预设的阈值范围；

若否，则判断是否接收到能量管理系统下发的agc调度新指令；

若未接收到agc调度新指令，则开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，然后根据所述储能补偿度最优值，生成储能出力周期指令，并向所述电池储能系统发送所述储能出力周期指令，以周期调度电池储能系统的储能出力。

通过采用上述技术方案，通过获取电池储能系统的储能电量soc数据，并判断所述储能电量soc数据是否超出预设的阈值范围，从而可以对电池储能系统的荷电状态进行监控，若储能电量soc数据未超出预设的阈值范围，则判断是否接收到能量管理系统下发的agc调度新指令，若未接收到agc调度新指令，则开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，从而可以对储能出力策略进行优化，然后根据所述储能补偿度最优值，生成储能出力周期指令，并向所述电池储能系统发送所述储能出力周期指令，从而可以周期调节储能补偿，避免储能满功率补偿，并提高机组的调节能力，延长电池的使用寿命。

本发明在一较佳示例中可以进一步配置为：所述判断所述储能电量soc数据是否超出预设的阈值范围的步骤之后，所述控制方法还包括：

若储能电量soc数据超出预设的阈值范围，则生成储能调节指令，并向所述电池储能系统发送所述储能调节指令，所述储能调节指令用于控制电池储能系统以最大功率进行充电或放电。

通过采用上述技术方案，若储能电量soc数据超出阈值范围，说明电池储能系统的荷电状态过高或过低，则生成储能调节指令并发送至所述电池储能系统，以控制电池储能系统以最大功率进行紧急充电或放电，避免长期对电池储能的容量造成过度使用，进而延长电池寿命。

本发明在一较佳示例中可以进一步配置为：所述判断是否接收到能量管理系统下发的agc调度新指令的步骤，所述控制方法还包括：

若接收到agc调度新指令，则对储能出力值进行初始化，初始化的计算公式描述如下：

式中，pb^ref(ti)表示ti时刻的储能出力值；pa(ti)表示ti时刻agc调度指令的目标出力值；pg(ti)表示ti时刻的火电机组出力值；pcmax、pdmax分别表示储能最大充电功率和储能最大放电功率；ec和ed分别表示储能最大可充电量和储能最大可放电量；t表示优化周期；

当到ti+t时刻，开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析。

通过采用上述技术方案，若接收到agc调度新指令，则对储能出力值进行初始化，由于agc调度新指令下发时刻不定，且往往不属于优化周期的末端，因此需要对储能出力值进行初始化后，再至ti+t时刻，开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，从而可以自动对agc调频策略模型周期优化分析。

本发明在一较佳示例中可以进一步配置为：所述agc调频策略模型的目标函数包括调频性能指标子目标函数和储能电量平衡度子目标函数，所述agc调频策略模型的目标函数描述如下：

式中，fp(δ)表示储能补偿度为δ时的火储综合调频性能指标，δ∈［0,1］；ds、rs、ps分别表示火储综合调频性能指标的子指标；a1、a2、a3分别表示火储综合调频性能指标的子指标各自所占权重，a1+a2+a3=1；ds表示火储联合出力值时agc响应时延；rs表示火储联合出力值后agc调节速率；ps表示火储联合出力值后agc调节精度；fb(δ)表示储能补偿度为δ时的储能电量平衡度；en表示储能额定电量；ec和ed分别表示储能最大可充电量和储能最大可放电量；smax和smin分别表示储能电量soc值的阈值范围上限值和下限值。

通过采用上述技术方案，通过预设的agc调频策略模型的目标函数包括调频性能指标子目标函数和储能电量平衡度子目标函数，从而以调频性能指标和储能电量平衡度为两个优化目标，使得在保证调频性能指标的情况下尽量考虑储能电量的荷电状态，从而延长储能电池的使用寿命；通过建立以agc响应时延、agc调节速率以及agc调节精度三个子指标为优化目标的调频性能指标函数，从而可以精准地优化调频性能指标，通过建立储能电量平衡目标函数可以优化储能电量平衡，使得在保证调频性能指标的情况下尽量考虑储能电量的荷电状态，从而延长储能电池的使用寿命。

本发明在一较佳示例中可以进一步配置为：所述目标函数的约束条件由储能补偿度约束和储能电量soc值约束建立；

所述储能补偿度的约束条件为：

式中，δ为储能补偿度，pcmax和pdmax分别表示储能最大充电功率和储能最大放电功率；pa(t)表示t时刻agc调度指令；pg(t)表示t时刻火电机组出力值；

储能电量soc值的约束条件：

式中，s(t)表示t时刻储能电量soc值；tc表示充电时长；ηc表示充电效率；td表示放电时长；ηd表示放电效率，tc=td=t。

通过采用上述技术方案，通过对储能补偿度建立约束条件，从而避免电池储能系统满功率补偿，通过对储能电量soc值建立约束条件，从而可以避免储能电量soc过低或过高，真正解决储能电池的寿命使用问题。

本发明在一较佳示例中可以进一步配置为：所述开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，具体包括：

s1：定义多目标粒子群算法的参数信息和粒子信息，所述粒子信息包括粒子的位置和速度，将粒子的位置设为储能补偿度；

s2：初始化粒子qi的储能补偿度δi(k)和速度vi(k)，k=1,…,m，m表示迭代次数，i=1,…,n，n为粒子群大小；

s3：根据储能补偿度δi和agc调频策略模型，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)；

s4：判断粒子是否满足储能电量soc值的约束条件，若满足，则转入步骤s5，否则转入步骤s2；

s5：提取第1次至第k次迭代所得的粒子qi，根据调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)，按非支配关系筛选出当前最优储能补偿度δibest(k)；

s6：筛选第k次迭代的粒子群中未被支配的粒子，所述未被支配的粒子为非劣解集，将所述非劣解集保存到外部存档集r，对所述外部存档集r的粒子使用网格法获取全局最优储能补偿度gbest(k)；

s7：将当前迭代次数进行赋值k=k+1，然后根据当前最优储能补偿度δibest(k)和全局最优储能补偿度gbest(k)，更新粒子的速度vi(k+1)和储能补偿度δi(k+1)：

式中，w表示惯性权重，c1和c2分别表示两个学习因子，r1和r2分别表示两个取值在［0,1］随机数；

s8：判断粒子qi的储能补偿度δi(k+1)是否满足储能补偿度的约束条件，若满足，则转入步骤s9，否则转入步骤s6；

s9：根据更新后的储能补偿度δi(k+1)，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)，然后根据非支配关系更新当前最优储能补偿度δibest(k+1)和第k+1迭代的非劣解集，并将第k+1迭代的非劣解集和外部存档集r合并成并集，确定并集中两两粒子的支配关系，然后将未被支配的粒子作为更新后的外部存档集r，通过网格法更新全局最优储能补偿度gbest(k+1)；

s10：判断迭代次数k是否大于m，若是，则将迭代完成后的全局最优储能补偿度gbest(m+1)作为储能补偿度最优值δ^*，否则转入步骤s7。

通过采用上述技术方案，通过多目标粒子群算法对agc调频策略模型进行周期优化分析，每一周期的优化分析需要多目标粒子算法对agc调频策略模型进行多次迭代寻优，每迭代寻优以储能补偿度为决策变量，可以寻优到粒子当前最优补偿度和全局最优补偿度，并能够得到优化的调频性能指标和储能电量平衡度，通过多次迭代后，获得储能补偿度最优值，从而实现周期优化分析储能补偿度最优值。

本发明在一较佳示例中可以进一步配置为：所述根据所述储能补偿度最优值，生成储能出力周期指令，并向所述电池储能系统发送所述储能出力周期指令，具体包括：

s11：根据储能补偿度最优值，计算储能出力周期指令，具体计算公式如下：

式中，pb^ref(t)为当前优化周期的储能出力周期指令；

s12：将所述储能出力周期指令发送至电池储能系统，至t+t时刻，开始下一周期的优化分析。

通过采用上述技术方案，通过根据储能补偿度最优值，生成当前优化周期的储能出力周期指令，然后将所述储能出力周期指令发送至电池储能系统，从而完成一个周期的agc调频策略优化分析，使得电池储能系统执行优化后的储能指令，从而延长电池的使用寿命；通过至t+t时刻，开始下一周期的优化分析，从而可以周期优化分析储能出力周期指令，使得电池储能系统避免满功率补偿，延长电池的使用寿命。

本发明在一较佳示例中可以进一步配置为：在步骤s11之后，即根据储能补偿度最优值，计算储能出力周期指令的步骤之后，还包括：

s110：若｜pb^ref(t)｜＜0.1，则将pb^ref(t)重置为0，然后转入步骤s12；

s111：若｜pb^ref(t)｜≥0.1，则转入步骤s12。

通过采用上述技术方案，考虑储能死区，判断｜pb^ref(t)｜＜0.1是否成立，若｜pb^ref(t)｜＜0.1，则本优化周期内不动作，若｜pb^ref(t)｜≥0.1，则转入步骤s12，则正常动作，调节电池储能系统的储能出力。

本发明在一较佳示例中可以进一步配置为：步骤s6中，所述对所述外部存档集r的粒子使用网格法获取全局最优储能补偿度gbest(k)的步骤，具体包括：

对所述外部存档集r的目标空间划分网格，通过欧式空间计算原理统计粒子在网格中的分布密度，在分布密度稀疏的网格中任选一粒子作为全局最优储能补偿度gbest(k)。

通过采用上述技术方案，通过网格法划分外部存档集r的目标空间，并通过欧式空间计算原理统计粒子在网格中的分布密度，从而可以准确确定全局最优补偿度，有助于实现预期的优化目标。

本发明在一较佳示例中可以进一步配置为：步骤s6中，所述将所述非劣解集保存到外部存档集r的步骤还包括：

判断外部存档集r中粒子数是否超过预设的外部存档集容量u，若是，则通过网格法划分外部存档集r，并随机删除网格中一个粒子；

步骤s9中，所述将未被支配的粒子作为更新后的外部存档集r的步骤还包括：

将未被支配的粒子作为待更新外部存档集r，判断待更新外部存档集r中粒子数是否超过预设的外部存档集容量u，若是，则通过网格法划分外部存档集r，并随机删除网格中一个粒子，然后将删除粒子后对应的待更新外部存档集r作为所述更新后的外部存档集r。

通过采用上述技术方案，通过将外部存档集r和待更新外部存档集r进行粒子删除，从而使得固定容量的外部存档集r能够保存后续更优的非劣解，便于寻得全局最优储能补偿度。

本发明的上述发明目的二是通过以下技术方案得以实现的：

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述储能火电机组调频控制方法的步骤。

本发明的上述发明目的三是通过以下技术方案得以实现的：

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述储能火电机组调频控制方法的步骤。

综上所述，本发明包括以下至少一种有益技术效果：

1、本申请通过获取电池储能系统的储能电量soc数据，并判断所述储能电量soc数据是否超出预设的阈值范围，从而可以对电池储能系统的荷电状态进行监控；若储能电量soc数据超出阈值范围，说明电池储能系统的荷电状态过高或过低，则生成储能调节指令并发送至所述电池储能系统，以控制电池储能系统以最大功率进行紧急充电或放电，避免长期对电池储能的容量造成过度使用，进而延长电池寿命。

2、本申请通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，从而可以对储能出力策略进行优化，然后根据所述储能补偿度最优值，生成储能出力周期指令，并向所述电池储能系统发送所述储能出力周期指令，从而可以周期调节储能补偿，避免储能满功率补偿，并提高机组的调节能力，延长电池的使用寿命。

3、本申请以调频性能指标和储能电量平衡度为两个优化目标，使得在保证调频性能指标的情况下尽量考虑储能电量的荷电状态，从而延长储能电池的使用寿命；通过目标函数的约束条件由储能补偿度约束和储能电量soc值约束建立，从而可以考虑储能补偿度约束和储能电量soc值，真正解决储能电池的寿命使用问题。

附图说明

图1是本申请实施例的储能火电机组调频控制方法的实现流程图；

图2是本申请实施例的储能火电机组调频控制方法步骤s102之后的一实现流程图；

图3是本申请实施例的储能火电机组调频控制方法步骤s103之后的一实现流程图；

图4是本申请实施例的储能火电机组调频控制方法步骤s104中一实现流程图；

图5是本申请实施例的计算机设备一原理框图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

实施例：

现在火电机组和储能联合使用的项目正在初步发展，火电和储能联合出力的问题也随之而来，传统的技术是通过相应agc调度指令调节电池储能系统出力，但一般都采用满功率补偿，导致电池储能系统长期满功率放电或充电，使得电池储能系统长期过度使用，从而影响了电池储能系统的使用寿命。

在实施例中，如图1所示，本发明公开了一种储能火电机组调频控制方法，具体包括如下步骤：

s101：获取电池储能系统的储能电量soc数据。

在本实施例中，soc数据是指电池储能系统中电池的剩余能量。

具体地，通过检测电池储能系统在没有使用时的初始电荷量，然后检测当前工作时电池的电流计算当前电荷量，根据初始电荷量和电池的当前电荷量，计算电池当前的soc值。

s102：判断储能电量soc数据是否超出预设的阈值范围。

具体地，判断储能电量soc值是否超出预设的阈值范围，本实施例中，阈值范围设置为［0.2,0.8］，在其他实施例中，也可以根据具体情况来设定。

s103：若否，则判断是否接收到能量管理系统下发的agc调度新指令。

在本实施例中，agc调度新指令是指用于控制火电机组和电池储能系统的目标输出功率指令。

具体地，若储能电量soc数据未超出预设的阈值范围，说明储能电量soc在正常范围内，不需要紧急调节，然后控制系统判断当前时刻是否接收到由能量管理系统下发的agc调度新指令，以调整储能补偿度优化的时刻，从而可以方便进行后续的周期优化分析，在本实施例agc调度指令是自动发电控制指令，按电网调度中心的控制目标将指令发送给控制系统，本实施例中，控制系统包括集散控制器和协调控制器，集散控制器控制发电机发电功率，协调控制器控制电池储能系统的发电功率。

s104：若未接收到agc调度新指令，则开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，然后根据储能补偿度最优值，生成储能出力周期指令，并向电池储能系统发送储能出力周期指令，以周期调度电池储能系统的储能出力。

在本实施例中，储能补偿度最优值是指当前优化周期的储能补偿度最佳值；储能补偿度是指用于调整储能出力的调整参数；储能出力周期指令是指经过当前周期优化分析后得到的储能出力指令，该指令用于控制电池储能系统的电量出力。

具体地，控制系统和能量管理系统通信连接，若控制系统未接收到能量管理系统下发的agc调度新指令，则从当前时刻开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，在本实施例中agc调配策略模型以调频性能指标子目标函数和储能电量平衡度子目标函而建立的模型，通过优化分析获取储能补偿度最优值，该储能补偿度是当前优化周期的储能补偿度最优值。可以知道，在每个优化周期的区间始端对储能补偿度进行决策，使得调频性能指标和储能平衡度达到平衡的状态。

本实施例中，如图2所示，步骤s102的步骤之后即判断储能电量soc数据是否超出预设的阈值范围的步骤之后，控制方法还包括：

s112：若储能电量soc数据超出预设的阈值范围，则生成储能调节指令，并向电池储能系统发送储能调节指令，储能调节指令用于控制电池储能系统以最大功率进行充电或放电。

进一步地，储能调节指令包括第一储能出力指令或第二储能出力指令，步骤s112具体包括：

s1121：若储能电量soc数据超出阈值范围的上限，则生成第一储能出力指令，并向电池储能系统发送第一储能出力指令，第一储能出力指令用于控制电池储能系统以最大放电功率进行放电。

s1122：若储能电量soc数据超出阈值范围的下限，则生成第二储能出力指令，并向电池储能系统发送第二储能出力指令，第二储能出力指令用于控制电池储能系统以最大充电功率进行充电。

在本实施例中，如图3所示，步骤s103之后，即判断是否接收到能量管理系统下发的agc调度新指令的步骤之后，控制方法还包括：

s1031：若接收到agc调度新指令，则对储能出力值进行初始化，初始化的计算公式描述如下：

式中，pb^ref(ti)表示ti时刻的储能出力值；pa(ti)表ti时刻agc调度指令的目标出力值；pg(ti)表示ti时刻的火电机组出力值；pcmax、pdmax分别表示储能最大充电功率和储能最大放电功率；ec和ed分别表示储能最大可充电量和储能最大可放电量；t表示优化周期；min{pa(ti)-pg(ti),pdmax,ed/t}表示取pa(ti)-pg(ti)，pdmax，ed/t三个值中的最小值，max{pa(ti)-pg(ti),-pcmax,-ec/t}表示取pa(ti)-pg(ti)，-pcmax，-ec/t中三个值的最大值，pcmax和ec为负值。

具体地，由于能量管理系统下发的agc跳读指令的时刻不定，在新指令下发ti时，直接初始化储能出力pb^ref(ti)。

s1032：当到ti+t时刻，开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析。

具体地，完成储能出力值初始化后，当至ti+t时刻，开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析。

在本实施例中，agc调频策略模型的目标函数包括调频性能指标子目标函数和储能电量平衡度子目标函数，agc调频策略模型的目标函数描述如下：

式中，fp(δ)表示储能补偿度为δ时的火储综合调频性能指标，δ∈［0,1］；ds、rs、ps分别表示火储综合调频性能指标的子指标；a1、a2、a3分别表示火储综合调频性能指标的子指标各自所占权重，a1+a2+a3=1；ds表示火储联合出力值时agc响应时延；rs表示火储联合出力值后agc调节速率；ps表示火储联合出力值后agc调节精度；fb(δ)表示储能补偿度为δ时的储能电量平衡度；en表示储能额定电量；ec和ed分别表示储能最大可充电量和储能最大可放电量；smax和smin分别表示储能电量soc值的阈值范围上限值和下限值。

具体地，agc调频策略模型以优化火储综合调频性能指标和储能电量平衡度两个参数，使火储综合调频性能指标和储能电量平衡度达到最大。

在本实施例中，目标函数的约束条件由储能补偿度约束和储能电量soc值约束建立；

储能补偿度的约束条件为：

式中，δ为储能补偿度，pcmax和pdmax分别表示储能最大充电功率和储能最大放电功率；pa(t)表示t时刻agc调度指令；pg(t)表示t时刻火电机组出力值。

储能电量soc值的约束条件：

式中，s(t)表示t时刻储能电量soc值；tc表示充电时长；ηc表示充电效率；td表示放电时长；ηd表示放电效率，tc=td=t。

由上述约束条件可知，储能补偿度δ使火储综合调频性能指标和储能电量平衡度达到最大时，同时满足储能补偿度的约束和储能电量soc值的约束，从而避免储能电量过高或过低，提高储能电池寿命，因此储能补偿度δ的决策取值对火储综合调频性能指标和储能电池寿命至关重要。

在本实施例中，如图4所示，步骤s104中，开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，具体包括：

s1：定义多目标粒子群算法的参数信息和粒子信息，粒子信息包括粒子的位置和速度，将粒子的位置设为储能补偿度。

具体地，多目标粒子群算法的参数信息包括储能电量soc初始值、上限值smax、下限值smin，储能额定电量en，储能最大充电功率pcmax和储能最大放电功率pdmax，充电效率ηc，放电效率ηd，优化周期t；粒子信息包括：粒子的位置和速度，还包括粒子群规模n和迭代次数m，其中粒子的位置定位为储能补偿度。

s2：初始化粒子qi的储能补偿度δi(k)和速度vi(k)，k=1,…,m，m表示迭代次数，i=1,…,n，n为粒子群大小。

具体地，初始化粒子qi的储能补偿度δi(k)和速度vi(k)，k=1,…,m，m表示迭代次数，且m为正整数；i=1,…,n，n为粒子群大小，n为正整数。

s3：根据储能补偿度δi和agc调频策略模型，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)。

具体地，根据储能补偿度和agc调频策略模型的目标函数，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)。

s4：判断粒子是否满足储能电量soc值的约束条件，若满足，则转入步骤s5，否则转入步骤s2。

具体地，根据储能补偿度和储能电量soc的约束公式，判断储量电量soc值是否满足约束条件，若满足，则继续向下一步骤s5执行，若不满足，则转入步骤s2，重新初始化。

s5：提取第1次至第k次迭代所得的粒子qi，根据调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)，按非支配关系筛选出当前最优储能补偿度δibest(k)。

具体地，提取第1次至第k次迭代所得的粒子qi，通过调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)确定两两之间的支配关系，若判断第j次迭代的粒子qi未被支配，则将第j次迭代的粒子qi的储能补偿度作为粒子qi的当前最优储能补偿度δibest(k)。

s6：筛选第k次迭代的粒子群中未被支配的粒子，未被支配的粒子为非劣解集，将非劣解集保存到外部存档集r，对外部存档集r的粒子使用网格法获取全局最优储能补偿度gbest(k)。

具体地，根据第k次迭代的粒子群，通过调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)确定两两之间的支配关系，将未被支配的粒子作为非劣解集，将非劣解集保存到外部存档集r。

进一步地，通过在外部档案集r的目标空间中划分网格，通过欧式空间计算原理统计粒子在网格中的分布密度，在密度稀疏的网络中任选一个粒子作为当前全局最优粒子，并将当前全局最优粒子的储能补偿度作为全局最优补偿度gbest(k)。

进一步地，判断外部存档集r中粒子数是否超过预设的外部存档集容量u，若是，则通过网格法划分外部存档集r，并随机删除网格中一个粒子。

s7：将当前迭代次数进行赋值k=k+1，然后根据当前最优储能补偿度δibest(k)和全局最优储能补偿度gbest(k)，更新粒子的速度vi(k+1)和储能补偿度δi(k+1)：

式中，w表示惯性权重，c1和c2分别表示两个学习因子，r1和r2分别表示两个取值在［0,1］随机数。

具体地，将当前迭代次数进行赋值，然后根据当前最优储能补偿度δibest(k)和全局最优储能补偿度gbest(k)，更新粒子的速度vi(k+1)和储能补偿度δi(k+1)，速度从而完成一次迭代更新。

s8：判断粒子qi的储能补偿度δi(k+1)是否满足储能补偿度的约束条件，若满足，则转入步骤s9，否则转入步骤s6。

具体地，根据粒子qi更新后的储能补偿度δi(k+1)，判断粒子qi的储能补偿度δi(k+1)是否满足储能补偿度的约束条件，若满足，则继续向下一步骤s9执行，若不满足，则转入步骤s6，重新筛选全局最优储能补偿度。

s9：根据更新后的储能补偿度δi(k+1)，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)，然后根据非支配关系更新当前最优储能补偿度δibest(k+1)和第k+1迭代的非劣解集，并将第k+1迭代的非劣解集和外部存档集r合并成并集，确定并集中两两粒子的支配关系，然后将未被支配的粒子作为更新后的外部存档集r，通过网格法更新全局最优储能补偿度gbest(k+1)。

具体地，根据更新后的储能补偿度δi(k+1)和agc调频策略模型的目标函数，计算各粒子的调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)，通过调频性能适应度值fp(δi)和储能电量平衡度适应度值fb(δi)确定两两之间的支配关系，筛选当前最优储能补偿度δibest(k+1)。

进一步地，根据第k+1迭代的粒子群，按照非支配关系求取第k+1迭代的非劣解集，然后将第k+1迭代的非劣解集和外部存档集r合并成并集，确定并集中两两粒子的支配关系，然后将未被支配的粒子作为待更新外部存档集r。

进一步地，判断待更新外部存档集r中粒子数是否超过预设的外部存档集容量u，若是，则通过网格法划分外部存档集r，并随机删除网格中一个粒子，然后将删除粒子后对应的待更新外部存档集r作为更新后的外部存档集r。

s10：判断迭代次数k是否大于m，若是，则将迭代完成后的全局最优储能补偿度gbest(m+1)作为储能补偿度最优值δ^*，否则转入步骤s7。

具体地，判断迭代次数k是否大于m，即判断是否完成迭代，若是，则将迭代完成后的全局最优补偿度gbest(m+1)作为储能补偿度最优值δ^*，否则转入步骤s7，继续迭代计算。

上述多目标粒子群算法收敛快且计算精度高，能够快速寻优决策出储能补偿度最优值δ^*，实现储能调频模型的优化目标，使调频性能指标和储能电量soc获得相对平衡，解决了现有的调频策略中为保证储能性能指标而使储能电池长时间满功率使用，导致储能寿命折损的问题，此外，本实施例的储能调频策略通过在每个优化区间的始端对储能补偿度进行决策，从而能够实时调整调频性能指标和储能电量soc的相对平衡，提高储能电池寿命和经济效益。

在本实施例中，步骤s104中，根据储能补偿度最优值，生成储能出力周期指令，并向电池储能系统发送储能出力周期指令，以周期调度电池储能系统的储能出力，具体包括：

s11：根据储能补偿度最优值，计算储能出力周期指令，具体计算公式如下：

式中，pb^ref(t)为当前优化周期的储能出力周期指令。

具体地，根据储能补偿度最优值和t时刻agc调度指令的目标出力值pa(t)和t时刻的火电机组出力值pg(t)，计算储能出力周期指令。

s12：将储能出力周期指令发送至电池储能系统，至t+t时刻，开始下一周期的优化分析。

具体地，将储能出力周期指令发送至电池储能系统，控制电池储能系统根据储能出力周期指令进行相应出力；至t+t时刻，开始下一周期的优化分析，获取下一周期的储能出力周期指令，并发送给电池储能系统。

在本实施例中，步骤s11之后，即根据储能补偿度最优值，计算储能出力周期指令的步骤之后，还包括：

s110：若｜pb^ref(t)｜＜0.1，则将pb^ref(t)重置为0，然后转入步骤s12。

具体地，考虑死区，若优化分析得到的储能出力周期指令小于0.1，则将pb^ref(t)重置为0，当前周期内不动作，然后转入步骤s12。

s111：若｜pb^ref(t)｜≥0.1，则转入步骤s12。

具体地，若｜pb^ref(t)｜≥0.1，则保持优化得到的储能出力周期指令，直接转入步骤s12。

在本实施例中，还提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储储能soc数据、agc指令、火电机组出力、储能出力等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种储能火电机组调频控制方法，处理器执行计算机程序时实现以下步骤：

s101：获取电池储能系统的储能电量soc数据。

s102：判断储能电量soc数据是否超出预设的阈值范围。

s103：若否，则判断是否接收到能量管理系统下发的agc调度新指令。

s104：若未接收到agc调度新指令，则开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，然后根据储能补偿度最优值，生成储能出力周期指令，并向电池储能系统发送储能出力周期指令，以周期调度电池储能系统的储能出力。

在本实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

s101：获取电池储能系统的储能电量soc数据。

s102：判断储能电量soc数据是否超出预设的阈值范围。

s103：若否，则判断是否接收到能量管理系统下发的agc调度新指令。

s104：若未接收到agc调度新指令，则开始通过多目标粒子群算法对预设的agc调频策略模型进行周期为t的优化分析，获取储能补偿度最优值，然后根据储能补偿度最优值，生成储能出力周期指令，并向电池储能系统发送储能出力周期指令，以周期调度电池储能系统的储能出力。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink）dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。