在“双碳”目标推动下，海上风电作为清洁能源的重要组成部分，其大规模开发与并网对电网频率调节提出了更高要求。海上风电具有显著的波动性和间歇性，其出力受风速、海况等自然条件影响较大，导致电网频率波动频繁且难以预测，传统调频手段难以满足快速、精准的调节需求。同时，海上风电场通常位于偏远海域，受复杂气象条件和海洋环境影响，储能设备的安装、运维成本高，技术难度大，难以实现对电网频率的动态、精准调节。因此，亟须探索更加智能、高效的调频控制策略，以支撑海上风电的可持续发展与电网的安全稳定运行。

目前，针对风储调频系统的研究已成为电力系统领域的重要方向。但是，相关研究主要集中于陆上风电领域，海上风电因其特殊的地理环境、运行条件和并网特性，对调频控制提出了更高的要求，亟须针对其响应特性开展深入研究。同时，现有研究缺乏对海上风电与储能系统之间动态交互特性的深入分析，难以实现高效、稳定的调频控制。因此，需要开发适用于海上环境的调频控制策略，以提升系统的响应速度和调节精度，推动风储调频技术在海上风电领域的应用与发展。

针对上述问题，南京东博智慧能源研究院有限公司、南京晓庄学院电子工程学院的吴俊杰、胡可，提出一种基于人工神经网络（ANN）-模型预测控制（MPC）的海上风储系统调频控制策略。

首先，针对海上风电与储能系统在频率调节中的复杂动态特性，从海上风电场的功率输出特性和储能设备的充放电能力出发，构建适用于海上风储系统的频率控制模型，该模型充分考虑海上风电出力的波动性、储能系统的响应速度及电网频率的变化趋势，为后续控制策略的设计奠定基础；然后，在传统MPC框架下，引入ANN技术，以替代MPC中计算量较大的滚动优化环节，从而降低在线计算的复杂度，提升控制策略的实时性与计算效率，通过ANN对历史数据的训练，能够快速预测系统状态并生成控制指令，实现对频率波动的快速响应；最后，通过仿真算例验证所提方法的有效性。

研究结果表明，本方法在常规工况下表现出更好的控制性能，提升了系统的频率稳定性与响应速度，能够在负荷扰动下更快地恢复系统频率。在存在通信时延的复杂环境下，所提方法依然具有较高的调频精度与响应能力，增强了系统在动态扰动和不确定性条件下的鲁棒性，验证了其在延迟场景应用中的可行性与优越性，为海上风储系统的高效调频控制提供了可行方案。

本工作成果发表在2025年第12期《电气技术》，论文标题为“基于人工神经网络-模型预测控制的海上风储系统调频控制策略”。