据能源圈了解到，

摘 要 随着储能技术的迅猛发展，利用其快速调节能力缓解自动发电控制（automatic generation control，AGC)过程常规机组的供电压力，对提高系统频率稳定性具有重要意义。然而，在储能协同参与AGC控制过程中，容易出现过充过放、功率分配不合理等问题，导致控制性能标准(control performance standard，CPS)的考核结果不佳。基于此，本文提出一种考虑CPS指标及储能实时运行状态的AGC控制策略。首先，结合AGC控制流程搭建了区域电网调频动态模型，并基于模型各元件响应特性推导了其简化传递函数；其次，为提升功率分配的合理性，先以储能集群的等效荷电状态（state of charge, SOC）为依据，完成储能集群与非储能集群间功率初次分配，再通过对储能SOC的主动管理，考虑实时可调功率的差异性，实现储能集群内部的二次分配；在此基础上，为确保调频指令精确匹配系统调频需求，根据CPS考核反馈结果对控制器参数进行日调整；最后，基于北方某地区实际考核流程和装机规模，以CPS考核结果、频率偏差量以及储能SOC状态等为衡量指标，仿真验证了本文策略在改善CPS考核质量和提升储能调频性能上的可行性和有效性。

关键词 控制性能标准；储能集群；自动发电控制；功率分配

随着新能源的渗透率不断提高，其间歇性、波动性等特点使得自动发电控制(automatic generation control，AGC)难度和风险正逐渐加大，系统仅依靠常规机组参与AGC控制已难以满足当前系统的调频需求。为进一步提升频率质量，满足控制性能标准(control performance standard，CPS)的考核要求、储能因具有响应时间短、调节速度快等优势，逐步应用到AGC控制领域。因此，在CPS考核标准下，研究储能协同其他电源的AGC控制技术已成为现代互联电网的一大重要课题。

为适应新考核标准要求，AGC系统常采用“发电计划+发电控制”的调度控制模式，AGC机组的实际出力一般由实时调度计划确定的基准值和滞后控制形成的调频功率共同构成。在AGC优化调度方面，现有研究考虑储能的协同参与，从“源网荷储”角度对全局指标进行优化。为更好缓解发电控制过程的调节压力，文献[4]将CPS指标引入优化模型，在发电计划层面提升CPS的考核效果。文献[5]提出一种计及用电成本及用能舒适度的协调调度策略，提升了台区对可调控资源的管控能力。文献[6-7]提出了AGC机组动态优化调度的机会约束模型，提高了对风电等不确定性新能源的适应能力。文献[8]从调度模型和求解算法两方面改进现有研究，在求解精度上有较大提升。文献[9]提出基于经济模型的日内日前两阶段协调调度方法，实现了多虚拟电厂整体最优经济运行。上述文献通过制定机组的发电计划，确定机组基准功率，从而缓解了分钟级的负荷扰动，然而调度计划所涉及的时间尺度较长，难以精确跟踪快速变化的频率波动。因此，调频过程往往还需考虑更短的时间尺度，通过发电控制平抑实时产生的区域控制误差值。

AGC控制方面一般包含两个关键部分，生成区域总调频功率的控制策略和各类发电资源间的功率分配机制。针对总调频功率的生成，大量学者通过引入控制理论和智能算法来提升调频效果，如时序协同控制、模糊控制、预测控制等。同时，考虑储能的协同参与也提出了相应的控制方法，如文献[13]为抑制储能单元电池状态的差异化，提出了基于电池状态的储能出力分配方法，仿真验证在一次调频效果上优于传统控制。文献[14]提出了储能集群的分级控制结构，提高了在调频过程中的能量效率问题。随着CPS考核标准的引入，不少学者通过对比与传统A标准的差异，提出了新的控制方法以更好满足CPS考核需求。上述文献通过提出新型控制理论，一定程度上改善了频率控制相关指标，但未充分考虑控制器参数的设置对调频能力的影响。针对调频功率指令的分配，文献[17]提出考虑SOC差异调整的功率分配策略，基于电化学储能单元的剩余可用电量实施功率分配。文献[18]提出面向二次调频需求的PXP储能集群分布式均衡控制策略，通过分布式算法实现了集群容量的均衡控制。上述控制方法通过提高功率分配的合理性，提升了AGC系统的频率控制效果。然而，现有研究多从储能特性约束出发提出分配方法，鲜有考虑储能可用性的主动管理，在储能调频能力的提升方面有待进一步挖掘。

基于此，本文综合考虑CPS的考核需求和储能实时运行状态，提出一种基于CPS反馈控制和多级功率分配技术的AGC控制策略。在短时间尺度上，利用自适应下垂控制确定储能集群功率承担比重，并通过储能SOC主动管理完成集群内部功率二次分配；在长时间尺度上，基于CPS考核及结算信息，利用反馈控制动态调整控制器参数，以提高控制器跟踪系统调频需求的能力。通过仿真验证表明，本文策略在提升频率指标和CPS考核质量的同时，改善了储能的荷电状态和跟踪AGC的能力，并减少了不必要的功率输出，从而将功率消耗维持在较低水平。

1 计及储能集群参与的区域电网调频动态模型

1.1　AGC控制流程

AGC控制是通过自动控制程序实现对控制区内各发电设备有功出力的自动调节分配，以维持系统频率、联络线交换功率在计划目标范围内的控制过程。具体控制流程包括系统状态监测、调频功率生成和调频功率执行三个环节。

结合图1，各环节在本文策略下的主要工作如下。

图1 AGC控制流程图

（1）系统状态监测环节：由SCADA系统监测电网目前的频率偏差，联络线潮流等信息，计算ACE信号，并完成CPS计算、考核及日结算等过程。

（2）调频功率生成环节：ACE信号和频率偏差等信息传递给控制器生成实时控制指令，同时为保证控制器设置的合理性，根据CPS日结算情况定期调整控制器的相关控制参数。

（3）调频功率执行环节：采用多级功率分配技术对功率进行分配，根据储能集群等效SOC完成群间功率初次分配，同时考虑不同储能单体当前可用功率完成群内功率二次分配，分配的功率指令再由各发电设备执行，发电设备输出的实际功率送入电网平抑负荷波动。

1.2　调频动态模型的构建及分析

调频动态模型实际是完成对AGC控制流程的模拟，为简化功率波动对暂态频率的影响，本文做出以下假设：①负荷采用综合负荷模型，仅考虑波动对有功的影响，忽略电压变化的影响；②认为区域内各点频率基本一致，发电机转子聚合为单机模型；③调速器、汽轮机等统一采用频域传递函数表示的近似模型。文献[18]等对简化处理的可行性做了详细分析，本文不再赘述。

储能集群参与下互联电力系统调频动态模型如图2所示，整体控制框架可细分为机组侧模型、电网侧模型、储能模型以及CPS模型四个部分。

图2 区域电网调频动态模型

考虑动态模型中各环节运行特性，以频域传递函数形式构建各元件数学模型。

常规机组调速器的传递函数可以表示为式(1)所示。

式中，Tg表示常规机组调速器的时间常数；ΔY(s)为控制阀开度变化量；Δf(s)为频率偏差值。

常规机组原动机和汽轮机传递函数表示为式(2)所示。

式中，Fhp为再热器的增益，定义为高温高压下汽轮机可发功率和总功率之间的比值；Trh为再热器的时间常数；Tch为气容积和气室的一个常数；ΔPG(s)为汽轮机输出的功率变化量。

通常来说，常规机组的传递函数为调速器传递函数和汽轮机传递函数之积，即实际常规机组传递函数表示为式(3)所示。

式中，Gg(s)为常规机组传递函数表达式；Ggov(s)和Gen(s)为调速器和汽轮机传递函数。

机网接口传递函数可以表示为式(4)所示。

式中，M表示系统的惯量常数；D表示负荷的阻尼常数，体现了区域电网频率与有功功率之间的对应关系。ΔPb(s)为储能输出功率变化量；ΔPL(s)为负荷功率扰动变化量；

联络线潮流计算传递函数可以表示为式(5)所示。

式中，T表示联络线同步系数；Δf和Δf’分别表示两个不同区域的频率偏差。

对于面向电网调频的储能单体模型，本文采用一阶惯性环节处理，传递函数模型表示为式(6)所示。

式中，Tb表示储能出力的响应时间常数。

CPS模型中各环节的具体执行过程，以及动态模型所涉及的控制策略将在后续部分详细展开阐述。

2 CPS考核下储能集群协同控制策略

为兼顾CPS考核质量和储能协同参与效果，本文控制策略从以下三个部分进行。首先，为协调储能集群和非储能集群间调频功率的承担比重关系，提出计及等效SOC状态的自适应下垂控制方法，通过比较储能集群等效SOC状态和实时调频需求，确定合理的比重分配关系。其次，为发挥储能集群最大化调频能力，以储能实时可调功率作为衡量标准，完成储能集群内部功率合理分配。最后，为确保PI控制指令能更好匹配系统当日考核需求，基于CPS日结算反馈信息调整控制器参数。

2.1　计及等效SOC状态的自适应下垂控制

在储能集群内部，不同储能额定容量、额定功率、充放电效率等均不相同。设k时刻第i个储能的SOC状态为SOCi,k，则k+1时刻SOC状态SOCi,k+1可以表示为式(7)。

式中，ηci、ηdi表示第i个储能的充电和放电效率；Pci,k、Pdi,k表示第i个储能k时刻的充放电功率，满足式(8)所示；Δt为控制周期时间长度；Erate,i为第i个储能的额定容量。

在实际运行过程中，额定容量Erate,i由储能铭牌直接给出，结合当前储能SOC状态，单一储能当前可用容量可以表示为式(9)。

进而可以得出储能集群的等效SOC表示为当前所有储能剩余容量和与所有储能可用容量和的比值，如式(10)所示。

在实际调频过程中，设置状态量temp，如式(11)所示。

式中，SOCref为基准SOC值，一般取0.5。

当temp为正，表示当前调频需求对储能SOC恢复有利，反之表示对储能SOC恢复不利。基于此，动态调整两者之间比例关系，设计自适应下垂控制如式(12)所示。

式中，kb,k为k时刻储能所承担功率的比重系数；kb0为初始比重系数；Kadd和Kdel分别为比重提升和下降阶段的下垂系数，如式(13)、式(14)所示。

式中，SOCmax和SOCmin为荷电状态的最大值和最小值，一般取0.9和0.1。不同运行状态下，kb-SOC调节曲线如图3所示。

图3 kb-SOC调节曲线

由调节曲线可见，在temp0时段，比重系数kb随SOC与SOCref偏差值增大而增大；在temp0时段，比重系数kb随SOC与SOCref偏差值增大而减小。下垂系数由基准荷电状态SOCref与初始比重系数kb0的设置共同决定。在下垂控制作用下，k时刻储能集群实际承担的调频指令值PAGC_b,k与比重系数呈正相关，如式(15)所示。

式中，kb,k为k时刻比重系数；PAGC,k为k时刻由控制器发出的总调频指令。

2.2　考虑储能主动管理的群内功率分配

为降低能源损耗并确保发电设备处于较好运行状态，需完成集群内部的功率分配过程，以实现对资源的有效协调利用。非储能集群一般根据“三公”调度要求，水火等发电机组通常根据计划偏差进行调节量分配，不再赘述。储能集群的实际调节能力受到多重复杂因素的综合影响，为此本文考虑了储能SOC状态、额定功率等差异化指标，从储能的SOC主动管理出发，提出最大充放电约束方法，将SOC状态和额定功率相耦合，具体公式如式(16)、(17)所示。

式中，Prate,i为第i个储能的额定功率；SOCl和SOCh为SOC较低值和较高值，取0.275和0.725；SOC0和SOC1为SOC低值和高值，取0.45和0.55；n为自适应因子，本文取10；Pmaxci,k和Pmaxdi,k为第i个储能k时刻的充放电能力，SOCi,k表示第i个储能k时刻的荷电状态。

储能集群内的功率分配以储能实际可输出功率为衡量指标，按比例分配功率指令，第i个储能k时刻的调频指令值PAGC_bi,k如式(18)所示。

式中，对Pmaxci,k和Pmaxdi,k关于i求和表示k时刻储能集群整体的充放电能力。

总地来说，储能集群内部的功率分配机制，兼顾了不同储能在实时状态特征上的差异性。在储能荷电状态充足时段，储能可调功率不受SOC充放电约束限制，按照额定功率大小分配功率值。然而，随着储能集群持续输出功率，容量较小的储能单元的荷电状态会更快地下降，导致可调功率减少。在本节策略控制的作用下，当储能可调功率减少时，其接收的功率指令值也相应减少，冗余的功率将由其他储能单元代为接收，以避免容量较小的储能单元因功率支撑能力不足而产生跟踪误差。根据储能特性分配调频功率指令，可以防止单一储能SOC出现过充过放问题，与此同时也可提升储能集群整体的调频支撑能力。

2.3　基于CPS日考核结果的反馈控制

CPS模型包括CPS计算、CPS判断及日结算几个环节，具体考核流程如图4所示。首先采集频率偏差和ACE等信息，根据CPS1和CPS2的数学公式，计算CPS1和CPS2的实时指标值；然后基于NERC的考核标准，每15 min进行一次CPS考核，因考核结果的不同分为四个考核区间；最后通过统计不同考核区间考核点数量，以北方某地区实际结算公式为参考完成日结算，具体区间分类及结算规则如表1所示。此外，罚款金额单价根据时间段不同而动态调整，当处于高峰期或低谷期时会有所上涨，具体时间段与单价金额如表2所示。由结算规则可知，CPS考核合格的A区间和B区间奖大于罚，而不合格的C区间和D区间罚大于奖，且罚款金额与ACE偏差呈正相关。通过经济激励的方式，促使电网公司采取手段提升频率质量，保证考核点尽可能处于合格水平。

图4 CPS考核流程

表1 CPS考核日结算规则

注：AVG表示取某一变量在某段时间内的平均值。

表2 不同时间段CPS罚款单价

在实际调频过程中电力系统的调频需求受供需平衡影响而不断变动，为确保AGC控制指令精确跟踪实际调频需求，本节基于CPS日结算结果及考核点的区间分布情况，构建反馈控制系统，对控制器参数以日为周期进行动态调整。

若当日考核合格率提升，在确保下调裕量充足的前提下减小控制器参数。设第m日调整系数为kACE,m，系数大小与合格率变化量成正比，如式(19)所示。

式中，kstep为调节步长；图片为当日考核合格率变化量，数值为正表示合格率上升。经调整系数修正后，当日控制器输出的实际指令如式(20)所示。

式中，PAGC,m-1为按前一日控制器参数所得AGC指令值。

若当日考核合格率下降，则增大控制器参数，控制器参数调节方式与合格率上升时相同，即如式(19)、(20)所示。由于考核合格率变化量图片为负数，因此修正以后的AGC出力PAGC将大于原整定参数下的出力值，提高了控制器的调节深度。

设由初始整定的控制参数所得AGC指令值为PAGC0，则定义当前控制器的调节深度β为式(21)所示。

需要说明的是，调节深度β需约束在一定范围内，当取值过小控制器无法满足调频需求，取值过大则会产生振荡失稳现象。

总体来说，本文策略在调频需求较大阶段，增大控制器参数，以提高AGC出力为代价，提高CPS的考核水平；在调频需求较小阶段，减小控制器参数，在不损失CPS考核质量的前提下，降低AGC出力，从而减少了不必要的功率输出。

3 算例分析

3.1　算例场景设置

为验证本文所提AGC控制策略的可行性，利用MATLAB/Simulink建立了储能集群协同参与的AGC频率控制模型。区域电网常规机组装机容量为680 MW，由于新能源不具备惯性，将其作为功率消耗为负的负荷处理本文设置区域电网频率控制模型参数、火电机组的模型参数以及电化学储能的各项参数取值分别如表3、4、5所示。本文模拟的负荷扰动由小幅度快速变化的分钟级分量和大幅度慢变化的小时级分量构成，图5展示了12000 s时间内负荷连续扰动波形，图中纵轴为标幺值，基准功率取100 MW。

表3 频率控制模型参数

表4 火电机组模型参数

表5 储能单体参数

图5 负荷扰动曲线

本文针对连续扰动工况设置了4个运行控制场景。场景1：不配置储能，AGC采用传统PI控制；场景2：配置三台储能，总额定功率90 MW，控制器仍采用传统PI控制，调频功率均分给各发电单元；场景3：配置三台储能，总额定功率90 MW，采用文献[22]所提基于优化动态分组算法的控制策略。针对场景所需的额外参数，设置自动更新周期为15 min，二次分组的次数差值阈值为50次，SOC极差阈值根据天牛须算法优化获得，其初始值设为0.1；场景4：配置三台储能，总额定功率90 MW，控制器策略及功率分配机制采用本文所提方法。

3.2　短时间尺度仿真分析

3.2.1　本文策略下储能响应特性分析

在短时间尺度情境下，为探讨自适应下垂控制策略下储能响应特性，对比分析了12000 s内等效SOC与不同集群功率承担比重之间的对应关系，如图6所示。

图6 场景4调频功率指令及等效SOC情况

对比可见，本文策略根据当前储能集群等效SOC状态，自适应调整功率承担比重：当等效SOC高于基准值时，储能集群在放电阶段的功率指令超过非储能集群，在充电阶段则低于非储能集群；当等效SOC低于基准值时，情况则正好相反。SOC偏离基准值的程度越大，分配给储能集群和非储能集群的功率指令差异程度也越大。控制策略总是倾向于调节储能集群的SOC以接近基准值，在对储能集群恢复有利时段提高承担比重，对储能集群恢复不利时段降低承担比重，实现功率支撑和容量恢复上的平衡兼容。

为探讨储能集群内部功率分配策略对各储能单体的调节过程，图7展示了各储能单体在12000 s内所接收功率指令变化情况。

图7 场景4储能单体间功率指令分配情况

在SOC充裕时间段，各储能按照额定功率水平等比例分配调频功率指令，即三个储能按4∶3∶2分配调频指令。当SOC逐渐偏离基准值时，容量较小的储能单元受SOC充放电约束的影响更快，为避免其SOC状态进一步恶化，其所接收的功率指令值迅速下降，冗余的功率指令值由其他储能单元代为接收。以t=6700 s时刻为例，储能2和储能3受到SOC状态影响，其所接收的功率指令明显下降，由储能1接收冗余的功率指令，因此储能1曲线呈现抬升趋势。

3.2.2　负荷扰动下不同场景调频效果对比

为充分体现本文所采用的多级功率分配技术在提升储能荷电状态和调频能力、改善系统频率指标等多方面的优势，图8~10对比分析了场景2、3、4储能集群等效SOC、储能集群的AGC指令跟踪误差以及不同场景下的频率偏差情况。

图8 储能集群等效SOC对比

图9 储能集群AGC跟踪误差对比

图10 频率偏差情况对比

图8对比了场景2、3、4储能集群等效SOC变化情况，可以看出场景3、4的等效SOC维持效果明显优于场景2。在等效SOC较好的时间段内，场景4的等效SOC维持效果稍逊于场景3，但在等效SOC较差时段，本文策略在自适应下垂控制作用下，可以动态调整储能集群功率承担比重，一定程度缓解了等效SOC恶化程度，相比场景3更具优势。从图8可以看出，8774 s时刻场景3、4的等效SOC相等，均为0.23，在此后时刻场景4的等效SOC始终优于场景3。图9对比了场景2、3、4储能集群跟踪AGC误差情况，场景2因未考虑储能容量限制，在储能容量耗尽时段内存在很大的跟踪误差，相比而言场景3、4的AGC跟踪误差能始终保持在较小范围内。同时，图9在更小尺度上针对场景3、4的跟踪误差进行了对比，由于本文策略考虑了对储能状态进行主动管理，当容量较小的储能单体出现可调功率下降时，本文策略可以同步降低所接收的调频指令，从而避免跟踪误差的产生。相较于场景3被动管理模式，场景4跟踪误差能够保持在更好的水平。图10对比了四种场景下频率偏差情况，在储能荷电状态较好时段，因储能具备快速调节能力，含储能参与的场景2、3、4频率恢复效果优于场景1。然而，在储能荷电状态较差时段，场景2因AGC跟踪误差的迅速增大，频率恢复效果明显降低，甚至劣于场景1；而场景3、4由于AGC跟踪误差较低，储能仍然可以维持较好的调频效果，相比而言场景4的调频性能更佳。

表6对比了12000 s内不同场景下频率偏差、CPS、储能集群跟踪误差以及等效SOC等相关指标情况。在频率指标方面，本文策略下频率偏差幅值的平均值和最大值均小于其他场景，在12000 s内相较无储能时降低了10.7%和11.4%，相较场景3也降低了4.59%和1.41%，相对应的ACE偏差量和CPS1指标均有明显的改善效果。而场景2因未合理解决储能功率支撑和容量约束之间的矛盾，调频效果整体并不理想，在最大频差和CPS1指标上相较场景1更为恶化，未发挥出储能的调频优势。在储能相关指标方面，本文策略的AGC跟踪误差仅是场景2的3‰，场景3的22.7%，等效SOC相较场景2提升了14.6%，和场景3的均值水平相当。可以看出，本文策略一方面改善了储能荷电状态，通过减小储能AGC跟踪误差，更好地发挥了储能调频能力；另一方面降低了频率偏差量，提升了CPS指标。

表6 短时间尺度仿真指标对比

3.3　长时间尺度仿真分析

为验证本文所提CPS反馈控制策略的有效性，本节通过对比不同场景下CPS考核合格率及日结算水平，对长时间尺度下的仿真结果进行了分析。

图11展示了每日负荷扰动变化率的平均水平，以及控制器根据反馈结果在当日的调整系数取值，可以看出负荷扰动变化率呈现出先增大、后减小、再增大的波动趋势。前期负荷扰动较大，调整系数在第2天调为负值，通过增大调节深度以满足较大的调频需求；中期负荷扰动逐渐减小，调整系数在第4天调为正值，减小调节深度以适应较小的调频需求；后期再次出现负的调整系数，增大控制器调节深度以应对较大的负荷扰动。这种调节方式旨在确保控制器能够灵活地应对不同阶段的负荷扰动变化，从而实现对系统调频需求的精准响应。

图11 负荷扰动变化率及控制器调整系数

图12~13对比了不同场景下的日结算情况和考核合格率情况，可以看出CPS考核合格率和日结算结果与负荷扰动变化率均呈负相关。场景3、4通过考虑对储能合理功率分配，提升了储能的调频能力，提高了系统CPS考核质量，因此较场景1、2在合格率和罚款额上考核结果更好。在此基础上，相较于场景3，本文策略通过CPS反馈控制的作用，控制器可以动态跟踪系统调频需求的变化，进一步显著降低了罚款量，并提高了合格率，使得处于中合格率区和高合格率区的天数明显增加。同时，在第4~7天系统调频需求较低时段，场景4控制器处于减小模式，降低了AGC出力。但从图12、13结果可见，场景4在相应时段仍可保持考核合格率和结算结果处于较好水平，证明了本文策略可降低不必要的功率输出。

图12 CPS考核日结算罚款额曲线

图13 CPS考核合格率统计曲线

表7对比了10日内三种场景下CPS合格率、日结算结果、总调频功率等指标的均值水平。对比可见，场景4在CPS合格率上相较场景1、2、3分别提升了33.7%、25.6%及19.1%，日结算相较场景1、2、3罚款额降低了2475.47、4911.70、1826.21元。总调频功率均值为4.644 MW，相较场景2和场景3分别降低14.2%和11.5%，和场景1的均值水平相当。通过数据对比再次验证了控制策略极大提升了CPS考核质量，并减小了功率消耗。

表7 长时间尺度仿真指标对比

4 结 论

为充分发挥储能辅助参与电力系统频率调节能力，有效保证新能源高占比系统的频率稳定，进而满足CPS考核要求，本文提出了一种基于CPS反馈控制和多级功率分配技术的AGC控制策略，通过构建区域电网调频动态模型仿真分析得出如下结论。

（1）储能运行状态指标的改善方面，本文策略通过对储能集群功率承担量的自适应控制和集群内储能单体的主动管理，有效提升了储能集群整体荷电状态，并降低了储能跟踪AGC指令的误差。仿真结果表明，本文策略下储能集群等效SOC相较传统策略提升了14.6%，同时储能跟踪AGC误差仅为传统策略的3‰，数量级控制在10-2 MW以下。

（2）频率指标的改善方面，本文通过多级功率分配技术提升了储能集群的调频能力和持续运行时间，从而有效改善了电力系统的频率相关指标，保证了系统的频率稳定。仿真分析结果显示，本文策略下频率偏差平均幅值和最大值相较无储能方案分别提升了10.7%和11.4%，充分发挥了储能的快速调节能力。

（3）CPS指标的改善方面，本文所提CPS反馈控制可根据反馈结果动态调整控制参数，从而更好匹配系统调频需求。仿真结果表明，本文策略下CPS合格率提升至90%以上，日罚款额降至2000元以下，功率损耗相较其他配储方案降低了14.2%和11.5%，有效改善了CPS考核结果，并减少了功率损耗。

需要指出的是，本文所研究的储能类型仅限于电化学储能，并未考虑混合储能在参与AGC调频时可能产生的相关影响。因此，综合考虑不同类型储能在特性上的诸多差异，进而提出更具普适性的储能协同控制方案，有待进一步展开深入研究。