Parameter Optimization Method for Hydropower Clusters Balancing Ultra-low-frequency Oscillation Suppression and Primary Frequency Regulation

SUN Jian; LIAO Kai; HE Zhengyou; PENG Hexiang; ZHANG Huaiyuan

doi:10.7500/AEPS20241014003

您当前的位置：

首页 >

文章列表页 >

Parameter Optimization Method for Hydropower Clusters Balancing Ultra-low-frequency Oscillation Suppression and Primary Frequency Regulation

Basic Research | 更新时间：2025-09-25

- Parameter Optimization Method for Hydropower Clusters Balancing Ultra-low-frequency Oscillation Suppression and Primary Frequency Regulation
- Automation of Electric Power Systems Vol. 49, Issue 16, Pages: 120-131(2025)
- 作者机构：
  
  西南交通大学电气工程学院，四川省成都市 611756
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52237005)
- DOI：10.7500/AEPS20241014003
  CLC：
- Received：14 October 2024，
  
  Revised：2025-04-11，
  
  Published Online：26 June 2025，
  
  Published：25 August 2025
- 稿件说明：
移动端阅览
孙检,廖凯,何正友等.兼顾超低频振荡抑制与一次调频的水电集群参数优化方法[J].电力系统自动化,2025,49(16):120-131.

SUN Jian,LIAO Kai,HE Zhengyou,et al.Parameter Optimization Method for Hydropower Clusters Balancing Ultra-low-frequency Oscillation Suppression and Primary Frequency Regulation[J].Automation of Electric Power Systems,2025,49(16):120-131.
孙检,廖凯,何正友等.兼顾超低频振荡抑制与一次调频的水电集群参数优化方法[J].电力系统自动化,2025,49(16):120-131. DOI： 10.7500/AEPS20241014003.

SUN Jian,LIAO Kai,HE Zhengyou,et al.Parameter Optimization Method for Hydropower Clusters Balancing Ultra-low-frequency Oscillation Suppression and Primary Frequency Regulation[J].Automation of Electric Power Systems,2025,49(16):120-131. DOI： 10.7500/AEPS20241014003.

摘要

针对水电集群超低频振荡抑制能力与一次调频性能协同提升难、多机参数优化效率不高且依赖于专家经验的问题，提出一种水电集群参数优化方法。首先，通过多机阻尼解析模型分析水电集群超低频振荡阻尼构成，以获得超低频振荡阻尼和一次调频性能的关键影响因素及影响规律。然后，构建集成了参数优化方法与振荡安全阻尼知识的双知识辅助深度强化学习框架。其中，参数优化方法和振荡安全阻尼知识分别通过模型驱动和规则引导辅助进行学习，从而引导智能体在安全阻尼区间内高效搜索具有最优一次调频性能的水电集群参数。最后，以某水电集群为例，通过硬件在环实验验证了所提方法的有效性。

Abstract

To address the issues that synergistically coordinating and enhancing the suppression capability of ultra-low-frequency oscillations and primary frequency regulation performance in hydropower clusters is difficult

as well as the optimization efficiency of multi-machine parameters is not high and dependent on expert experiences

a parameter optimization method for hydropower clusters is proposed. First

a multi-machine damping analytical model is used to analyze the composition of ultra-low-frequency oscillation damping in hydropower clusters

thereby obtaining the key influencing factors and influencing laws regarding the ultra-low-frequency oscillation damping and primary frequency regulation performance. Then

a dual-knowledge-assisted deep reinforcement learning (DRL) framework is constructed

integrating the parameter optimization method and oscillation safety damping knowledge. In this framework

the parameter optimization method and the oscillation safety damping knowledge are learned through model-driven approaches and rule-guided assistance

respectively

enabling the agent to efficiently search for optimal parameters that achieve the best primary frequency regulation performance within safety damping intervals. Finally

taking a specific hydropower cluster as a case

the effectiveness of the proposed method is validated through hardware-in-the-loop experiments.

关键词

Keywords

references

陈磊，路晓敏，陈亦平，等 . 多机系统超低频振荡分析与等值方法［J］. 电力系统自动化， 2017 ， 41 （ 22 ）： 10 - 15 .

CHEN Lei ， LU Xiaomin ， CHEN Yiping ， et al . Analysis of ultra-low-frequency oscillations in multi-machine system and equivalent method ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 22 ）： 10 - 15 .

刘勤，余锐，张宇栋，等 . 高水电占比电网频率振荡抑制技术工程实践及展望［J］. 电网技术， 2022 ， 46 （ 10 ）： 3840 - 3848 .

LIU Qin ， YU Rui ， ZHANG Yudong ， et al . Practice and prospect of frequency oscillation suppression technology in power grids with high proportion of hydropower ［J］. Power System Technology ， 2022 ， 46 （ 10 ）： 3840 - 3848 .

CHEN G ， LIU C ， FAN C W ， et al . Research on damping control index of ultra-low-frequency oscillation in hydro-dominant power systems ［J］. Sustainability ， 2020 ， 12 （ 18 ）： 7316 .

刘少博，王德林，马宁宁，等 . 水电机组引起的超低频振荡特性及抑制措施研究［J］. 中国电机工程学报， 2019 ， 39 （ 18 ）： 5354 - 5362 .

LIU Shaobo ， WANG Delin ， MA Ningning ， et al . Study on characteristics and suppressing countermeasures of ultra-low frequency oscillation caused by hydropower units ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 18 ）： 5354 - 5362 .

高建瑞，李国杰，汪可友，等 . 电力系统超低频振荡的阻尼与同步转矩分析［J］. 电网技术， 2020 ， 44 （ 3 ）： 1001 - 1007 .

GAO Jianrui ， LI Guojie ， WANG Keyou ， et al . Damping torque and synchronous torque analysis of power system ultra-low frequency oscillation ［J］. Power System Technology ， 2020 ， 44 （ 3 ）： 1001 - 1007 .

CHEN G ， TANG F ， SHI H B ， et al . Optimization strategy of hydrogovernors for eliminating ultralow-frequency oscillations in hydro dominant power systems ［J］. IEEE Journal of Emerging and Selected Topics in Power Electronics ， 2018 ， 6 （ 3 ）： 1086 - 1094 .

邓伟，王德林，魏蒙希，等 . 水轮机调速器参数对电力系统超低频振荡的影响［J］. 电网技术， 2019 ， 43 （ 4 ）： 1371 - 1377 .

DENG Wei ， WANG Delin ， WEI Mengxi ， et al . Influencing mechanism study on turbine governor parameters upon ultra-low frequency oscillation of power system ［J］. Power System Technology ， 2019 ， 43 （ 4 ）： 1371 - 1377 .

陈磊，路晓敏，陈亦平，等 . 利用暂态能量流的超低频振荡在线分析与紧急控制方法［J］. 电力系统自动化， 2017 ， 41 （ 17 ）： 9 - 14 .

CHEN Lei ， LU Xiaomin ， CHEN Yiping ， et al . Online analysis and emergency control of ultra-low-frequency oscillations using transient energy flow ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 17 ）： 9 - 14 .

王菲，刘建琴，韩丰，等 . 应用直流调制改善水电能源基地交流电网运行特性［J］. 电网技术， 2017 ， 41 （ 12 ）： 3911 - 3916 .

WANG Fei ， LIU Jianqin ， HAN Feng ， et al . Application of DC modulation to improving operation characteristics of hydropower base grid ［J］. Power System Technology ， 2017 ， 41 （ 12 ）： 3911 - 3916 .

史华勃，陈刚，丁理杰，等 . 兼顾一次调频性能和超低频振荡抑制的水轮机调速器PID参数优化［J］. 电网技术， 2019 ， 43 （ 1 ）： 221 - 226 .

SHI Huabo ， CHEN Gang ， DING Lijie ， et al . PID parameter optimization of hydro turbine governor considering the primary frequency regulation performance and ultra-low frequency oscillation suppression ［J］. Power System Technology ， 2019 ， 43 （ 1 ）： 221 - 226 .

易建波，张国洲，张鹏，等 . 超低频振荡阻尼控制中的水轮机调速系统参数双层优化策略［J］. 电工技术学报， 2022 ， 37 （ 5 ）： 1219 - 1228 .

YI Jianbo ， ZHANG Guozhou ， ZHANG Peng ， et al . Two-layer optimization strategy of hydraulic turbine governing system parameters in ultra-low frequency oscillation damping control ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 5 ）： 1219 - 1228 .

MOLINA M G ， MERCADO P E . Primary frequency control of multi-machine power systems with STATCOM-SMES： a case study ［J］. International Journal of Electrical Power & Energy Systems ， 2013 ， 44 （ 1 ）： 388 - 402 .

张建新，黄磊，周挺辉，等 . 抑制超低频振荡的调速器PID参数多机协调优化［J］. 广东电力， 2019 ， 32 （ 11 ）： 103 - 110 .

ZHANG Jianxin ， HUANG Lei ， ZHOU Tinghui ， et al . Coordinated optimization of governor PID parameters for suppressing ultra-low frequency oscillation ［J］. Guangdong Electric Power ， 2019 ， 32 （ 11 ）： 103 - 110 .

李振鹏 . 水电机组高占比电网中的超低频振荡影响特性研究［D］. 成都：西南交通大学， 2020 .

LI Zhenpeng . Research on influence characteristics of ultra-low frequency oscillation in high proportion power grid of hydropower units ［D］. Chengdu ： Southwest Jiaotong University ， 2020 .

WANG G T ， XU Z ， GUO X Y ， et al . Mechanism analysis and suppression method of ultra-low-frequency oscillations caused by hydropower units ［J］. International Journal of Electrical Power & Energy Systems ， 2018 ， 103 ： 102 - 114 .

唐和生，李度，廖洋洋，等 . 基于物理驱动深度学习的结构形状优化设计［J］. 湖南大学学报（自然科学版）， 2024 ， 51 （ 11 ）： 33 - 42 .

TANG Hesheng ， LI Du ， LIAO Yangyang ， et al . Structural shape optimization design based on physics-informed deep learning ［J］. Journal of Hunan University （Natural Sciences）， 2024 ， 51 （ 11 ）： 33 - 42 .

周林娜，蔡天赐，赵建国，等 . 基于奇异摄动的复杂工业过程强化学习运行优化控制［J］. 控制与决策， 2025 ， 40 （ 5 ）： 1581 - 1589 .

ZHOU Linna ， CAI Tianci ， ZHAO Jianguo ， et al . Reinforcement learning-based optimal operational control of complex industrial processes using singular perturbations ［J］. Control and Decision ， 2025 ， 40 （ 5 ）： 1581 - 1589 .

萧文聪，陈俊斌，余涛，等 . 基于专家知识嵌入强化学习的配电网灾后供电恢复决策方法［J/OL］. 电力系统自动化［ 2025-03-10 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20250307.1528.002.html https://kns.cnki.net/kcms/detail/32.1180.TP.20250307.1528.002.html .

XIAO Wencong ， CHEN Junbin ， YU Tao ， et al . Post-disaster distribution system restoration decision-making method based on expert knowledge embedded reinforcement learning ［J/OL］. Automation of Electric Power Systems ［ 2025-03-10 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20250307.1528.002.html https://kns.cnki.net/kcms/detail/32.1180.TP.20250307.1528.002.html .

孙浩，黎海青，梁彦，等 . 基于知识辅助深度强化学习的巡飞弹组动态突防决策［J］. 兵工学报， 2024 ， 45 （ 9 ）： 3161 - 3176 .

SUN Hao ， LI Haiqing ， LIANG Yan ， et al . Dynamic penetration decision of loitering munition group based on knowledge-assisted reinforcement learning ［J］. Acta Armamentarii ， 2024 ， 45 （ 9 ）： 3161 - 3176 .

冯斌，胡轶婕，黄刚，等 . 基于深度强化学习的新型电力系统调度优化方法综述［J］. 电力系统自动化， 2023 ， 47 （ 17 ）： 187 - 199 .

FENG Bin ， HU Yijie ， HUANG Gang ， et al . Review on optimization methods for new power system dispatch based on deep reinforcement learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 17 ）： 187 - 199 .

彭贺翔，廖凯，杨健维，等 . 适应拓扑变化的配电网多时间尺度电压调控方法［J/OL］. 电网技术［ 2024-10-18 ］. https：//kns.cnki.net/kcms/detail/11.2410.TM.20240927.1137.005.html https://kns.cnki.net/kcms/detail/11.2410.TM.20240927.1137.005.html .

PENG Hexiang ， LIAO Kai ， YANG Jianwei ， et al . Multi-time-scale voltage regulation for distribution networks with topological changes ［J/OL］. Power System Technology ［ 2024-10-18 ］. https：//kns.cnki.net/kcms/detail/11.2410.TM.20240927.1137.005.html https://kns.cnki.net/kcms/detail/11.2410.TM.20240927.1137.005.html .

DONG W H ， CAO Z Z ， ZHAO P C ， et al . A segmented optimal PID method to consider both regulation performance and damping characteristic of hydroelectric power system ［J］. Renewable Energy ， 2023 ， 207 ： 1 - 12 .

ZHANG G Z ， HU W H ， CAO D ， et al . Deep reinforcement learning-based approach for proportional resonance power system stabilizer to prevent ultra-low-frequency oscillations ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 6 ）： 5260 - 5272 .

江昌旭，郭辰，刘晨曦，等 . 基于深度强化学习的主动配电网动态重构综述［J/OL］. 高电压技术［ 2025-02-17 ］. https：//link.cnki.net/doi/10.13336/j.1003-6520.hve.20241540 https://link.cnki.net/doi/10.13336/j.1003-6520.hve.20241540 .

JIANG Changxu ， GUO Chen ， LIU Chenxi ， et al . A review of active distribution network dynamic reconfiguration based on deep reinforcement learning ［J/OL］. High Voltage Engineering ［ 2025-02-17 ］. https：//link.cnki.net/doi/10.13336/j.1003-6520.hve.20241540 https://link.cnki.net/doi/10.13336/j.1003-6520.hve.20241540 .

王国春，许洪强，冯长有，等 . 新一代在线安全分析技术架构及未来展望［J］. 电力系统自动化， 2023 ， 47 （ 24 ）： 110 - 120 .

WANG Guochun ， XU Hongqiang ， FENG Changyou ， et al . Technical architecture and future prospect for new generation of online security analysis ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 24 ）： 110 - 120 .

张剑，崔明建，姚潇毅，等 . 基于数据驱动与物理模型的主动配电网双时间尺度协调优化［J］. 电力系统自动化， 2023 ， 47 （ 20 ）： 64 - 71 .

ZHANG Jian ， CUI Mingjian ， YAO Xiaoyi ， et al . Dual-timescale active and reactive power coordinated optimization for active distribution network based on data-driven and physical model ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 20 ）： 64 - 71 .

董雷，吴怡，张涛，等 . 基于强化学习的含智能软开关主动配电网双层优化方法［J］. 电力系统自动化， 2023 ， 47 （ 6 ）： 59 - 68 .

DONG Lei ， WU Yi ， ZHANG Tao ， et al . Reinforcement learning based double-layer optimization method for active distribution network with soft open point ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 6 ）： 59 - 68 .

毕聪博，唐聿劼，罗永红，等 . 电力系统优化控制中强化学习方法应用及挑战［J］. 中国电机工程学报， 2024 ， 44 （ 1 ）： 1 - 22 .

BI Congbo ， TANG Yujie ， LUO Yonghong ， et al . Review on critical problems in reinforcement learning methods applied in power system optimization and control scenarios ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 1 ）： 1 - 22 .

MO W K ， CHEN Y P ， CHEN H Y ， et al . Analysis and measures of ultra-low-frequency oscillations in a large-scale hydropower transmission system ［J］. IEEE Journal of Emerging and Selected Topics in Power Electronics ， 2018 ， 6 （ 3 ）： 1077 - 1085 .

曾烛 . 高渗透率风电场的电能质量控制策略研究［D］. 重庆：重庆大学， 2022 .

ZENG Zhu . Study on power quality control strategy of high penetration wind farm ［D］. Chongqing ： Chongqing University ， 2022 .

王祥超，张鹏，甄威，等 . 基于自然激励技术和TLS-ESPRIT方法的低频振荡模式辨识［J］. 电力系统自动化， 2015 ， 39 （ 10 ）： 75 - 80 .

WANG Xiangchao ， ZHANG Peng ， ZHEN Wei ， et al . Identification of low frequency oscillation modes based on NExT and TLS-ESPRIT algorithm ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 10 ）： 75 - 80 .

水轮机调速系统技术条件： GB/T 9652.1—2019 ［S］. 北京：中国标准出版社， 2019 .

Specification of hydraulic turbine governing systems ： GB/T 9652 . 1—2019 ［S］. Beijing ： Standards Press of China ， 2019 .

李勇，常樊睿，彭衍建，等 . 基于小扰动频率量测数据的电网节点惯量分布评估方法［J］. 电力系统自动化， 2024 ， 48 （ 13 ）： 50 - 59 .

LI Yong ， CHANG Fanrui ， PENG Yanjian ， et al . Evaluation method for node inertia distribution of power grids based on small disturbance frequency measurement data ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 13 ）： 50 - 59 .

颜宁俊 . 基于多目标粒子群算法的水电机组一次调频性能分析及参数优化［J］. 水电能源科学， 2023 ， 41 （ 7 ）： 201 - 204 .

YAN Ningjun . Performance analysis and parameter optimization of primary frequency regulation of hydropower units based on multi-objective particle swarm optimization algorithm ［J］. Water Resources and Power ， 2023 ， 41 （ 7 ）： 201 - 204 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

单机等值系统调速器死区对频率振荡的影响

Voltage Regulation Strategy for Active Distribution Network Based on Multi-agent Deep Reinforcement Learning

Decision-making Method for Post-disaster Distribution System Restoration Based on Expert Knowledge-embedded Reinforcement Learning

Related Author

CHEN Lei

HUANG Yu

ZHANG Xiaoxiao

YUE Dong

HU Songlin

WANG Juan

LI Zhukun

WANG Juan

Related Institution

Department of Electrical Engineering, Tsinghua University

Institute of Advanced Technology for Carbon Neutrality, Nanjing University of Posts and Telecommunications

NARI Technology Co., Ltd.

NARI Group Corporation (State Grid Electric Power Research Institute)

School of Electric Power Engineering, South China University of Technology

⁰