在新型电力系统建设背景下，火电机组承担着电网频率调节的主体责任。为弥补火电机组调频惯性，超级电容-锂电池混合储能系统凭借超级电容的ms级功率响应与锂电池的持续能量支撑，成为提升调频性能的关键。现行调频指令分配策略中，高频分量分配至超级电容，低频分量分配至锂电池。

然而，指令传输延时（通信时延约300 ms）与设备响应延时（超级电容约50 ms，锂电池约500 ms）叠加形成双重时滞效应，导致储能系统实际出力与电网需求存在相位差。实测数据表明，时滞效应造成调频补偿收益损失10%～15%。

针对火储联合调频中指令传输延迟导致的收益损失问题，西安热工研究院、华能伊敏煤电公司的李志鹏、姜楠等研究者，提出一种融合面积判定法与动态门控循环单元（DGS-GRU）的混合储能调频指令预测方法。传统变分模态分解（VMD）方法存在虚假分量，影响预测准确度。

研究者引入面积判定法，首先计算VMD算法分解后各子序列与时间轴的围合面积，结合试验组预测误差构建判定函数，筛选虚假分量；然后对虚假分量采用分组优化策略——多虚假序列生成随机替代序列，单虚假序列实施基于均值的对称轴镜像重构。重构后的子序列输入DGS-GRU网络进行预测，最终叠加输出完整指令。

实验表明，相较于传统VMD-门控循环单元（GRU）模型，该方法使平均绝对百分比误差（MAPE）从9.20%降至5.16%，有效提升了电厂调频收益。

但是，该方法存在动态GRU需预训练初始化，风光s级突变场景需重新调参的问题。计划未来开发自适应采样降低高频误差，构建迁移学习框架减少参数校准成本，以更好地适应调频指令预测。

本工作成果发表在2025年第11期《电气技术》，论文标题为“基于面积判定法与动态门控网络的混合储能调频指令预测方法”。