近年来,为了提高新能源的利用率,构建清洁、高效、经济、低碳的新型能源体系,以风电、光伏为首的新型能源得到了各国政府的重视和支持,由此新能源以分布式电源形式并入电网的比例增长迅速。与传统机组相比,风、光易受到环境的制约,其电能的输出波动性大、随机性强,容易出现“弃风、弃光”等问题,同时也给电力系统的调频带来了巨大的挑战。在当前形势下,以传统火电机组为主的调频方式无法满足高质量的调频需求。由此,本文提出了基于改进多智能体Q学习的多源联合调频控制策略并对储能系统的容量进行配置。首先,为了使新能源及储能装置具备配合传统火电机组参与一次调频的能力,本文通过分析风电、光伏、储能的发电原理和数学模型,分别设计了风电机组的虚拟惯性、下垂控制策略,光伏阵列的减载运行策略和储能装置的下垂控制策略,最终实现了各单元可以快速响应系统频率变化的目的。其次,针对多类型能源可以合理分配频率偏差的问题,本文采用改进的多智能体Q学习算法进行解决,选取预学习的结果作为算法的初始矩阵并在贪婪策略基础上引入搜索因子,从而提高算法的运算性能。在PSCAD/EMTDC平台中搭建含有风、光、储的三机九节点系统,在阶跃和随机方波两种负荷扰动条件下验证此方法能实现多源协同配合,提高系统的频率稳定性。最后,研究多源联合系统的储能容量配置问题,综合考虑系统整体的调频效果和经济性,以储能配置的容量最小为目的,建立了基于频率稳定性指标和经济性指标的储能容量的多目标优化模型,通过粒子群算法进行最优值的求解。最后在两种扰动条件下进行实验,通过频率变化曲线验证了优化结果的有效性和经济性。