新型電力系統下儲能輔助運行與優化配置研究綜述

中圖分類號TM73；TM712文獻標志碼A

0 引言

近年來，伴隨著“碳達峰、碳中和”目標的明確提出以及新能源為主導的新型電力系統構建步伐的加快，我國儲能領域迎來了前所未有的發展機遇，步人了快速發展的新階段[1].據國家能源局的數據顯示，截至2023年底，全國已經建成投運儲能項目累計裝機規模達3139萬 kW?h/6687 萬 kW?h ，平均儲能時長 2.1h，2023 年新增裝機規模約2260萬 kW?h/4 870 萬 kW?h ，較2022年底增長超過260%^[2] .儲能具有建設周期短、布局靈活、響應速度快等優勢[3]，可在新型電力系統運行中發揮調峰、調頻、調壓等多種功能，是構建新型電力系統的重要支撐和實現碳達峰碳中和目標的重要途徑.此外，《國家能源局關于促進新型儲能并網和調度運用的通知》（國能發科技規[2024]26號）也提出，需對儲能并網接入管理流程進行規范化處理，進一步優化儲能的調度運行機制，旨在全面挖掘并充分發揮儲能技術的潛能，從而為構建安全、高效、靈活的新型電力系統提供堅實支撐與有力保障[4].

為充分挖掘儲能技術在電力系統中的支撐潛能，亟需對儲能資源進行科學合理的規劃與配置，以強化電力系統的調節靈活性與適應性[5].這對于提升電力系統的調節能力、延緩或替代電網投資、提升系統應急保障能力等方面具有重要意義.特別是針對多樣化的應用場景，應明確界定儲能技術在調峰、調頻等方面的配置原則，確保其功能最大化發揮.同時，必須全面考量儲能系統的約束條件及優化目標，探索并確立不同應用場景下儲能配置的最優策略.這不僅有助于妥善應對新能源滲透率不斷提升所帶來的復雜挑戰，還將為電力系統的長期可持續發展奠定堅實基礎，促進能源結構的綠色轉型與高效利用.

在構建新型電力系統過程中，儲能配置對支撐以新能源為主體的新型電力系統穩定運行起到了重要作用[.為應對光伏等新能源接入電網后帶來的一系列問題，文獻[7]提出一種計及用戶側需求響應的混合儲能優化配置方法，在電網穩定方面產生了顯著的應用效果；文獻[8]基于“等面積原理”，設計了一種儲能與新能源協同優化配置的新方法，該方法能夠針對不同應用場景，實現新能源出力特性、消納目標設定、儲能容量配置以及系統整體平衡四個維度的有機整合與統一.

基于以上研究背景及現狀，本文從儲能的運行原理和輔助電力系統運行控制入手，分別以儲能輔助新型電力系統運行控制、儲能系統優化配置約束條件與優化目標和儲能系統優化配置求解算法等三方面開展綜述，旨在梳理新型電力系統下儲能系統優化配置技術研究現狀與面臨的關鍵問題和挑戰，歸納總結儲能優化配置的各種約束條件與優化目標，分析不同優化算法的優缺點和適用性，并對未來儲能優化配置支撐構建新型電力系統、推動電力系統的可持續發展進行研究展望.

1儲能輔助新型電力系統運行控制

隨著“碳達峰、碳中和”目標的推進，電力系統中大規模可再生能源的接入已成為不可逆轉的發展趨勢.在新能源比例的持續增大下，風電、光伏等新能源并網給電網的穩定運行帶來了諸多嚴峻挑戰，導致電力系統調峰、調頻能力以及電能質量等問題日益凸顯.儲能系統（EnergyStorageSystem，ESS）憑借其良好的有功和無功動態響應特性，能夠有效平抑新能源固有的隨機性和間歇性對電網造成的波動，進而推動大規模新能源的順利接入，實現負荷的平穩調節，并顯著提升電網的互動友好性9.在此背景下，深入探索科學合理的儲能配置策略，對于充分發掘儲能潛力及提升電網調控能力具有重要的理論與現實意義[1].新型電力系統下儲能輔助運行與優化配置研究綜述路線如圖1所示.

1.1 輔助電網調頻

儲能技術在為電力系統提供調頻輔助服務方面扮演著至關重要的角色，對于緩解系統調頻能力供需失衡的現狀具有重要的現實意義[1-12].在復雜的電力網絡體系中，調頻機制是維系系統穩定運行不可或缺的一環.通過科學合理地配置儲能系統，能夠有效彌補常規發電機組在調頻能力上的不足，進而在必要時提供及時的調頻支撐，確保整個電力系統的安全穩定運行[13].

傳統電網的調頻任務主要由火電機組承擔，隨著電網中新能源比例的快速增長，火電機組逐漸退出，系統中的調頻容量迅速減小，電網的調頻能力下降.因此要求電網中的可再生能源具有調頻能力，來彌補隨著火電機組退出而減少的調頻機組容量[14-16].在此背景下，新能源與儲能聯合系統，依靠儲能電池調節聯合系統的出力[17-18]，為提升電網調頻能力提供了有效途徑.文獻[19]提出一種光儲系統調頻和調峰的綜合控制策略，使儲能電池根據電網頻率確定自己的出力自標后，對儲能電池的荷電狀態進行分區，優化了儲能電池的出力特性，顯著增強了電網的調頻響應能力.此外，釋放儲能裝置的頻率支撐潛力，將是提升風、光高占比系統并網穩定性的關鍵.文獻[20]利用儲能裝置獨有的功率調節特性，提出一種融合恒頻控制與調頻狀態轉移控制的儲能并網頻率主動支撐策略，能夠顯著提升電力系統的頻率穩定性，并優化其對電網的主動支撐能力.文獻[21通過在電網中配置電池儲能系統，不僅可以在緊急情況下對頻率和電壓進行快速支撐，提升系統頻率和電壓的支撐能力，還可以提升新能源的消納能力.當然，通過混合儲能技術參與風電場并網平滑輸出功率和輔助一次調頻也可以有效減緩風電場輸出功率波動，主動支撐電網頻率安全.文獻[22]提出一種基于飛輪和鋰電池的混合儲能平抑-調頻方案，并深入考慮混合儲能系統的全生命周期成本，結合多時間尺度的實際需求，構建了容量優化配置的層次化模型.該方案不僅能夠有效提升系統的頻率穩定性，還能優化風-儲聯合系統的全生命周期凈收益，為混合儲能技術在電力系統中的應用提供了新的思路與參考.

綜上所述，儲能在電網調頻中發揮著顯著作用，合理地配置利用儲能可以有效提升新型電力系統的調頻能力，也是確保高占比風能和光能等系統并網穩定性的關鍵，將為電力系統的安全、經濟、可持續運行提供重要保障.

1.2 輔助電網調峰

儲能可以為電力系統提供調峰支撐[23-24].在電力系統中，負荷峰谷差較大、調峰資源不足等問題一直存在[25].通過合理地配置儲能，可以有效緩解這些問題，提高電力系統的調節能力.在確定儲能系統的合理規模時，需要綜合考慮電網的負荷峰谷差、最大調峰缺口及缺口持續時間等因素，確保儲能的配置能夠滿足電力系統的調峰需求，從而實現資源的最優化利用與系統性能的全面提升.

儲能技術在參與電網調峰中優勢明顯，不同時間段電網負荷差異巨大，儲能系統可以在低負荷時充電，在高負荷時放電，減少電網的峰谷差，可滿足調峰需求，提高電網的穩定性和可靠性[26].當前，負荷需求增加和不確定新能源并網導致的新型電力系統的調峰壓力日趨攀升，為了對儲能潛力進行充分挖掘以提升電網調控水平，文獻[10]提出一種全面考慮儲能用戶行為及調峰需求的聚合商側儲能配置優化模型，該模型不僅全面考慮了儲能用戶的行為特性以及調峰的實際需求，而且能夠在優化儲能配置容量的同時，充分納入儲能用戶綜合不確定性因素與電網調峰需求的交互影響，為儲能技術的科學應用與電網調控水平的提升提供了有力支持.

在我國，火力發電機組依然占據著電力系統中的主要供電地位，因此，傳統的做法大多依賴于火電機組來進行調峰操作并解決新能源的并網消納問題[27].然而，隨著新能源裝機容量的不斷提升，僅僅依靠火電機組已難以滿足日益增長的新能源消納需求.儲能系統以其快速響應等獨特優勢，能夠更及時、高效地參與到電力系統的調峰過程中，為實現新能源的高效利用和電力系統的穩定運行提供有力支撐.為此，有必要相應配置一定比例的儲能系統，以有效緩解新能源并網所帶來的消納難題.文獻[28]在已有調峰研究的基礎上繼續深入挖掘傳統火電機組、電池儲能電站的調峰潛力，提高系統調峰靈活性，并將其應用于傳統機組，在降低系統運行成本的同時，提高風電并網消納水平[29].文獻[30]將電熔鎂負荷納入調度體系，通過配置儲能裝置與火電機組進行協同調峰，實現了負荷特性的優化與調峰能力的增強.此外，文獻[31]提出一種儲能與火電機組聯合調峰的雙層運行方法，該方法兼顧了儲能配置和火電機組靈活性改造，同時提出的基于儲能壽命模型的補償策略，也有效地調動了儲能參與調峰的積極性，為電力系統的穩定運行與新能源的廣泛接入提供了有力保障.

近年來，隨著光伏裝機容量占比迅速提升，日益突出的光伏出力波動性及反調峰特性加劇了電力系統調峰的壓力，利用光儲資源參與調峰成為緩解電力系統調峰壓力的一種有效措施.文獻[32]將原始光伏出力曲線分解為調峰分量與平抑波動分量，基于氫儲能運行特性，配置用于調峰與平抑波動的儲能容量，提出了光伏-氫儲能輔助調峰的雙層優化配置模型，有效降低了光伏波動對配網的影響，縮減了配網的運行成本，提升了其運行經濟性與穩定性.文獻[33]提出一種基于改進K-means ⁺⁺ 算法的分布式光儲聚合調峰方法，建立聚合-調峰-分解模型，有效降低了光儲變量維數和求解難度，提升了其參與電力系統調峰優化的可行性.

因此，儲能技術在輔助電網調峰方面展現出顯著的優勢和潛力.通過合理地配置儲能，能夠在低負荷時段充電、高負荷時段放電，可以有效緩解電網負荷峰谷差大、調峰資源不足等長期存在的問題，從而提高電力系統的調節能力和穩定性.

1.3 改善電能質量

儲能還可以起到為電力系統提供改善電能質量的關鍵作用[34].新能源機組的輸出，其隨機和波動給電網的電能質量帶來了巨大的挑戰[35]，電網中廣泛存在的諧波和各類干擾信號往往會降低電能質量，進而影響到電力設備的正常運行.然而，儲能技術憑借其獨特的優勢，不僅能夠平衡供需關系、支撐可再生能源的高效利用，還能夠有效抑制諧波的產生、提供必要的無功功率支持，并顯著增強電力系統的抗干擾能力.這些功能協同作用，能夠顯著提升電能質量，為電力系統的穩定性和可靠性提供有力保障，從而為新型電力系統的高效、穩定運行奠定堅實的基礎[36].

針對電網電能質量的提升問題，學術界已開展了一系列深入研究.為應對新能源發電和單相負荷大規模接入給配電網帶來的復雜電能質量問題，文獻[37」提出了一種創新的解決方案，采用儲能型配電網靜止同步補償器，實現對配電網電壓波動、電壓越限及三相不平衡問題的綜合補償，有效提升了配電網的電能質量.針對多光儲單元并聯運行時因性能指標差異導致的慣性功率分配問題及其引發的電能質量挑戰，文獻[38]設計了一種多光儲單元協同控制策略，該策略通過引入自適應虛擬慣性控制方法，根據蓄電池的充放電特性靈活調整系統慣性，從而顯著提升電能質量水平.

在當前電力系統發展中，光儲/風儲并網配置已成為改善配電網電能質量的關鍵因素之一.文獻[39]構建了一種綜合考慮電能質量影響的主動配電網光儲雙層優化配置模型，該模型在確保電網經濟運行的同時，最大限度地提升了電網的電能質量，為新型主動配電網的規劃建設和優化提供了重要的理論支撐.此外，文獻[40]提出了一種計及電能質量影響的配電網風儲雙層優化配置模型，采用考慮風電機組運行狀態的電能質量評估指標和計算方法，并結合主客觀權重建立了綜合評價模型，對風電機組并網點的電能質量進行全面評估，有效引導了電網電能質量的顯著提升.

綜上所述，儲能通過平衡供需關系、支持可再生能源的高效利用，可有效抑制電網中的諧波，提供無功功率支持，并顯著增強電力系統的抗干擾能力.合理地配置利用儲能可以有效改善新型電力系統的電能質量，為電力系統的穩定性和可靠性提供了有力保障.

2儲能系統優化配置約束條件和優化目標

對儲能系統的優化配置展開研究，必須深人探討在新型電力系統中儲能系統優化配置所面臨的各種約束條件，包括技術限制、經濟可行性、政策法規及環境影響等.同時，也要明確不同應用場景下的優化目標，如最大化儲能系統的經濟效益、提升電力系統的運行可靠性和安全性、降低能源浪費等.明確的約束條件與優化目標是實現高效儲能配置的基礎，能夠為后續求解算法的選擇與應用奠定理論基礎.

2.1 約束條件

在新型電力系統中，確保儲能的優化配置方案是實現系統穩定和高效運行的關鍵.為了達成這一目標，需要全面且深入地考量多種復雜約束條件.這些約束不僅涵蓋儲能裝置本身的性能參數，如額定功率、額定容量、充放電功率以及荷電狀態等方面的約束，還涉及環境保護要求與相關政策的制約因素.通過綜合平衡這些約束條件，可以制定出更加科學合理的儲能優化配置策略，進而推動新型電力系統的持續健康發展.

2.1.1 額定功率約束

儲能額定功率是指儲能系統能夠在單位時間內釋放或吸收的最大功率[4]，是評估其充放電能力的一項關鍵指標.這一約束直接關系到儲能設備的充放電能力，對應急響應、負荷平衡和可再生能源并網等場景至關重要.具體而言，在電力需求急劇上升的情況下，儲能系統須具備即時提供額外電力的能力；而當可再生能源發電量超出系統消納能力時，它則需迅速吸納多余電量，以確保電網平穩運行.因此，儲能額定功率的設計不僅要基于儲能技術的固有特性進行細致考量，還需緊密結合電力系統的整體需求特征及其動態運行環境，以實現儲能效能的最大化利用.

設作用時段為 T ，配置的 P_rated 與在 T 內的儲能出力大小相關.因此， P_rated 約束可表示為

式中： η_ch，η_dis 分別為儲能設備的充、放電效率;

ΔP_E（t） 為 Y 時刻儲能的出力.

2.1.2 額定容量約束

儲能額定容量則是指儲能系統所能存儲的最大電量，通常以千瓦時表示.該約束對于系統持續供電能力非常關鍵，影響儲能設備在高峰負荷期間的有效使用.在新型電力系統中，合理配置儲能容量應考慮未來用電趨勢、可再生能源的波動，以及電網的調度策略，以確保既能提高資源利用效率，又不造成設備閑置或浪費.同時，過度充放電會影響儲能設備的壽命，因此在優化配置時必須遵循安全和效率之間的平衡.

設 Q_soc 表示儲能荷電狀態，儲能的額定容量約束可表示為

E_rated?

式中： E_rated 為儲能的額定容量； Q₀ 為初始時刻儲能的荷電狀態； 分別為儲能最小、最大荷電狀態.

2.1.3充放電功率約束

在儲能系統的運行過程中，充放電功率的約束是影響其性能和穩定性的關鍵因素.充放電功率約束主要指的是儲能設備在充電和放電時所能達到的最大和最小功率限制[42].這些約束不僅關系到儲能系統的經濟性，還直接影響到電力系統的安全性和可靠性.

充電功率約束表示儲能在特定時間內能夠吸收的最大能量，而放電功率約束表示儲能在特定時間內能夠釋放的最大能量，表達式為

式中： Δt 為儲能充放電時間； Q_soc.t 為 χ_t 時刻儲能的荷電狀態； P_ch.t?P_dis.t 分別為 χ_t 時刻的充電功率和放電功率； P_ch.t.max?P_dis.t.max 分別為 χ_t 時刻最大充電功率和放電功率.

2.1.4荷電狀態約束

儲能系統的荷電狀態是指儲能設備當前的電量水平，通常用百分比表示.管理合適的荷電狀態對于儲能設備的運行安全和經濟性至關重要.若荷電狀態過高，可能導致設備過充，縮短其使用壽命；而若荷電狀態過低，則可能造成無法滿足負荷需求的情況.因此，在儲能容量優化配置方案中，需要設定一個合理的荷電狀態范圍[43].此外，實時監控與調整荷電狀態也是必要的，以確保儲能設備在不同工況下均能安全可靠地運行.

儲能荷電狀態約束表達式為

式中： Q_high?Q_low 分別為儲能荷電狀態的較大和較 小值.

2.1. 5 環境和政策約束

環境保護與相關政策法規是儲能系統配置方案的重要制約因素[44].新型電力系統在追求經濟效益的同時，必須遵守環保規定，減少對環境的負面影響.例如，某些儲能技術（如鉛酸電池）的生產和處置過程可能會產生污染物，這就要求在選擇儲能技術時需考慮其環境友好性.此外，各國政府對可再生能源和儲能技術的支持政策、補貼以及激勵措施，也會直接影響儲能容量的配置決策.因此，在優化方案中必須綜合考慮所有的政策法規要求，以實現可持續發展目標.

2.2 優化目標

由于儲能在電力系統運行方面的積極作用主要涉及經濟性、穩定性和可靠性，因此把儲能配置優化目標分為經濟性目標、穩定性目標和可靠性目標[45]，如圖2所示.經濟性目標是儲能合理優化配置中不可或缺的考慮因素，而穩定性和可靠性目標則貫穿新型電力系統的各個環節，確保了儲能系統能夠持續輸出使得電網能夠保持穩定可靠.因此，針對儲能優化配置在經濟性、穩定性及可靠性方面的深人探究，不僅具有理論上的重要意義，更對電力系統的實際運行與優化升級具有重要的價值.

2.2.1 經濟性目標

經濟性目標是儲能優化配置的關鍵指標.通過構建儲能的投資成本和運行成本的數學模型，可以將最小化投資與運行成本以及最大化運營效益作為優化目標，通過科學的計算與分析，進而實現儲能系統的合理配置[46].

1）投資成本

儲能的投資成本主要由初始投資成本和置換投資成本構成.初始投資成本通常涉及設備采購、安裝及系統集成等費用，而置換投資成本則包括設備更新和維護所需費用.由于儲能系統的額定功率和額定容量決定了儲能系統的規模與性能，因此額定功率和額定容量成為影響初始投資成本的重要因素.

圖2儲能配置優化目標

Fig.2Optimization objectives of energy storage configuration

全壽命周期內儲能初始投資成本為

C_c=C_PCSP_rated.

式中： C_PCS 為功率轉換系統的單位功率成本； P_rated 為儲能的額定功率.

置換投資成本表達式為

式中： C_bat 為單位容量成本； r 為折現率； T_LCC 為儲能全壽命周期； n 為置換次數（共投入儲能 n+1 次），n=T_Lcc/T_Life，T_Life 為儲能等效循環壽命.

所以，儲能全壽命周期投資總成本表達式為

C_inv=C_c+C_z.

針對光伏接入牽引供電系統條件下高速鐵路長大坡道地面式再生制動能量混合儲能系統容量優化配置問題，文獻[47」給出了基于儲能需求密度的混合儲能系統再生制動與光伏閑時能量并行回收的分段配置方案，實現了對高鐵長大坡道混合儲能系統容量的優化配置，提高了牽引供電系統綠電占比，有效地縮短儲能系統成本回收年限.

2）運行成本

儲能的運行成本主要包括運行維護成本和報廢處理成本[48].運行維護成本涉及日常運作中所需的各項費用，包括設備的定期檢查、故障修復及相關人員的人工成本等.而報廢處理成本則指的是在儲能設備達到使用壽命后，對其進行拆卸、回收和環保處理所產生的費用.這些成本在儲能系統的長期運行中逐漸累積，對系統的整體經濟性產生重要影響.

儲能運行維護成本表達式為

式中： C_P0M 為單位功率運行維護成本； P_rated 為儲能的額定功率； C_EOM 為單位容量運行維護成本； W（t） 為儲能年充放電量（1年充放電時間按照 300d 計算）.

儲能報廢處理成本表達式為

式中： C_Psd 為單位功率報廢處理成本； C_Esd 為單位容量報廢處理成本.

綜上，基于全壽命周期成本的儲能成本為

C_LCC=C_inv+C_0M+C_sd.

文獻49]提出一種以建設與運行成本總和最小化為目標的成本優化模型，在該模型中，考慮了儲能系統從初始建設到后續運營過程中的各項開支，包括棄風成本、超限荷電狀態懲罰成本以及期望輸出懲罰成本等.該模型旨在確定最佳的容量配比，以便在經濟上獲得最優解.此外，基于風力資源的季節性變化，該研究還提出在風電出力不足的季節，利用電池儲能電站參與電網調峰的策略，從而最大化實時運行效益.借助實際風能的季節性差異，該研究能夠靈活調整運行模式，為電網的穩定性和經濟性提供支持.針對含有高滲透率可再生能源的配電網的廣義儲能優化配置問題，文獻[50]提出一種廣義儲能配置的二層優化模型，通過內外層交替優化對含有不同滲透率可再生能源以及可控負荷的配電網進行廣義儲能容量優化配置，顯著減小固定儲能配置容量，降低系統的運行成本.

2.2.2穩定性目標

穩定性目標也是儲能配置優化的重要考慮因素，其定義是儲能系統在面臨電力需求波動和供電不穩定時，能夠提供持續穩定的電力輸出.新能源發電具有不確定性，在發電系統發生故障或者電力不足時，需配備合理容量的儲能系統，繼續為用戶提供電能滿足一定時期內的負荷需求，并且功率波動滿足限值要求，保證電網系統運行的穩定性[51].通過儲能裝置，電力可以在低需求期間存儲，并在高峰時段釋放，確保用戶在任何時候都能獲得穩定的電力供應.

這一過程會受到停電時間和停電頻率這兩個關鍵指標的影響.停電時間是指用戶經歷的電力中斷總時長，而停電頻率則表示停電事件發生的次數.一個高效的儲能系統不僅能顯著降低停電時間和頻率，還能提升整體電網的韌性與穩定性，為用戶提供更為穩定的用電體驗.

平均發生停電頻率：

式中： y 為當前年； N_d 為電力系統的節點個數； N_i 為節點 i 的用戶的數量； b_i，y 為第 y 年中節點 i 上發生的停電次數； Y 為計算統計的總的年數.

平均發生停電持續時間：

式中： U_i，y 為第 y 年中節點 χ_i 的發生停電的時間，

平均穩定持續供電率：

針對分布式能源接入對配電網供電可靠性帶來的不確定性問題，文獻[52]提出一種計及供電可靠性的配電網混合儲能系統優化配置雙層模型，文獻[53]提出一種適用于含源配電網供電可靠性指標的計算方法和計及可靠性的含源配電網儲能系統的優化配置模型，都綜合考慮了配電網的可靠性和經濟性指標以及儲能系統運行.

2.2.3 可靠性目標

在新型電力系統的構建與發展中，儲能的優化配置問題還需緊密圍繞可靠性目標進行深入探討[54].具體而言，儲能配置優化的可靠性目標是確保在任何運行場景下，電力系統均能夠穩定、持續地提供充足且可靠的電能，以充分滿足用戶的用電需求，有效規避電力供應不足或中斷的風險.為了實現這一目標，需要綜合考慮多種因素，包括電力不足時間概率和電力不足時間期望.電力不足時間概率衡量在特定時期內發生電力不足事件的可能性，而電力不足時間期望則表示在給定周期內，用戶可能遭遇電力不足的總時長.

此外，電量不足同樣是關注的關鍵指標，它指的是儲能系統未能滿足負荷需求的情況，其對應的電量不足時間概率和電量不足時間期望則幫助評估系統的性能及其應對突發負荷增長的能力.電力保障的充足性可以有效降低供電風險，提升整體電力系統的韌性，為用戶提供可靠的電力供應環境，

電力供應不足期望數：

式中： L_i，y 為第 y 年中節點 i 的停電負荷量

電力供應不足時間概率如下：

式中： p_k 為發生停運負荷量時的概率； t_k 為發生停運 負荷量的時長.

電力供應不足時間期望：

式中： m 為當年的時間段數； n_i 為第 i 個時間段中的天數； L_ij 為第 i 個時間段內第 j 天的峰值負荷； C_i 為第i 個時間段內系統安裝容量.

電量供應不足時間期望：

式中： P_ijk 為第 i 個時間段內第 j 天第 k 小時停運負荷量大于 X 概率； L_ijk 為第 i 個時間段內第 j 天第 k 小時的負荷.

針對新能源廣泛接入帶來的電力保障的不足問題，文獻[55]提出一種綜合考慮配電網可靠性和運行經濟性的兩階段儲能優化配置方法，在有效保障系統電力充足可靠的同時也能夠降低運行經濟性.

3儲能系統優化配置求解算法

在儲能配置的過程中，選擇合適的優化算法是至關重要的環節.優化算法是在根據儲能的應用場景選取合適的目標函數以及約束條件后，需要對建立好的儲能配置模型進行求解，才能得到儲能配置參數，進而完成儲能配置過程.因此，選取恰當的優化算法不僅是確保儲能系統能夠實現優化配置的關鍵所在，也是提升儲能應用效能與經濟效益的重要保證[56].

儲能系統配置優化問題是由包含大量決策變量的復雜目標函數組成的，優化算法的選擇直接影響優化結果[48].因此，研究和實現儲能系統的優化配置求解算法顯得尤為重要.儲能系統優化配置求解算法主要分為傳統優化算法、元啟發式算法和人工智能算法三大類，每一類算法均擁有其獨特的優勢與適用范圍，為儲能系統配置優化問題的求解提供了多樣化的路徑與策略.表1是對不同優化算法優缺點的介紹.

3.1傳統優化算法

傳統優化算法作為求解優化配置問題的經典手段，一直以來都被用來求解優化配置相關問題，在電力系統的儲能優化配置中發揮著重要作用，為電力系統的穩定運行和高效利用提供了有力支持.以下將對幾種主流的傳統優化算法進行分析與介紹.

3.1.1 線性規劃

線性規劃（LinearProgramming，LP）作為一種高效的優化技術，其核心在于求解一組線性約束條件下的線性目標函數的最優解[57].在儲能系統的優化配置問題中，線性規劃方法被廣泛采納，旨在精確制定最優的充放電策略，以實現成本的最小化或收益的最大化.具體而言，在線性規劃模型中，目標函數通常設定為儲能設備的總成本或總利潤，用以量化優化目標；而約束條件則涵蓋了電力需求的平衡、儲能容量的物理界限以及充放電速率的限制等多個維度，以確保策略在實際應用中的可行性和有效性.通過線性規劃技術的深入應用，能夠為儲能系統的經濟高效運行提供堅實的理論支撐與實踐指導.

針對風電、光伏大規模并網造成的供電可靠性問題，文獻[58]提出一種數據驅動的光伏低壓臺區儲能優化配置策略，基于臺區三相線性模型，建立儲能優化配置模型，并利用大 M 法將模型轉換為混合整數線性規劃問題求解，有效提升臺區的光伏消納水平和電壓質量.文獻[59]提出一種風光水儲多能互補系統雙層優化調度策略，利用KKT條件和BIG-M 法將雙層模型轉換成單層線性規劃問題，能有效提高系統供電可靠性和風光的消納水平.

線性規劃方法簡單易用且計算效率高，但其適用性受到線性假設的限制.在實際應用中，許多問題具有非線性特征，這就需要其他更復雜的優化算法來處理.

3.1.2 動態規劃

動態規劃（DynamicProgramming，DP）是一種分治法的優化策略，通過將復雜問題拆分為更小的子問題，從而利用子問題的解構建整個問題的解[60].在儲能優化中，動態規劃可以用于解決狀態轉移問題，例如在考慮充放電策略時，設定當前時刻的狀態與未來時刻狀態的關系.通過定義狀態變量（如電池的荷電狀態）和決策變量（如在每個時間段的充放電量），可以逐步求解出最優策略.

為降低并網光儲微網的綜合發電成本，并提高優化容量配置性能，針對傳統啟發式算法容易陷入局部最優以及早熟收斂的問題，文獻[61」研究了基于改進蟻群動態規劃算法的光儲微網容量優化配置方法，將蟻群算法與動態規劃算法結合，能夠有效簡化計算過程，提高其全局搜索能力，從而大幅提高算法的優化性能.由于綜合能源系統經濟運行面臨系統內各能源之間的耦合以及多種能源需求的不均衡等問題，文獻[62]引入動態規劃算法求解全局最優調度方案，對提升儲能設備的穩定性有著重要的意義.

表1儲能優化配置不同優化算法優缺點

Table1Advantages and disadvantages of diferent optimizationalgorithms for energy storageconfigurationoptimization

動態規劃適用于處理具有階段性決策的問題，能夠抓住問題的全局結構.然而，其計算復雜度隨狀態空間的增大而急劇上升，可能導致計算不可行.

3.2 元啟發式算法

在探索新型電力系統中儲能系統的優化配置這一復雜問題時，元啟發式算法展現出其獨特的優勢.這類更高級的搜索策略，通過將多種通用的搜索框架或策略精妙結合，不僅適應了儲能系統優化配置這一特定領域的多樣化需求，相較于傳統啟發式算法，還能夠更廣泛地應對各種潛在的優化挑戰.元啟發式算法的全局搜索能力，確保了在新型電力系統的復雜環境中，能夠高效且全面地探尋儲能系統的最佳配置方案，從而有效提升整個電力系統的穩定性和效率，為新型電力系統的可持續發展奠定堅實的理論基礎與實踐支撐.

3.2.1 遺傳算法

遺傳算法（GeneticAlgorithm，GA）是一種基于自然選擇和遺傳學原理的優化算法，適用于求解復雜的非線性問題.它通過模擬生物進化過程中的選擇、交叉和變異操作迭代尋找最優解[63].

在儲能系統的優化配置中，遺傳算法可以用來搜索最佳的充放電策略和容量配置.首先，需要用編碼方式表示每個方案（如充放電計劃），然后通過交叉和變異生成新一代方案.在評估過程中，根據目標函數（如成本、可靠性等）對方案進行打分，選出優秀的個體進入下一代.通過種群搜索，GA能夠避免陷入局部最優解，有助于找到全局最優解.遺傳算法適應性強，可以處理復雜的非線性問題和多目標優化問題，因此在儲能系統的配置中具有廣泛的應用潛力.與許多傳統優化算法不同，GA不依賴于梯度信息，不需要目標函數的導數，因此可以適用于那些難以解析或不連續的目標函數.圖3為用遺傳算法優化的儲能配置流程.

為解決風電出力的波動性和不確定性問題，文獻[64]提出一種基于電池儲能分組控制策略并計及其運行不平衡性的風電場電池儲能容量優化配置方法，通過非支配排序遺傳算法與CRITIC-TOPSIS綜合決策法聯合求解獲取最佳的電池儲能容量配置方案，在延長電池使用壽命的同時也保證了經濟性.為了緩解跨傳輸斷面的調峰壓力，同時提升電網的功率穩定性，文獻[65]建立了兼顧經濟性與功率穩定性的儲能選址定容雙層優化模型，上層采用遺傳算法進行求解，下層采用改進多目標人工蜂群算法進行求解.所提雙層優化模型進行儲能配置可以在保證經濟性的同時，也有效提升區域電網的功率穩定性.

圖3遺傳算法優化的儲能配置流程

Fig.3Flow chart of energy storage configuration optimized by genetic algorithm

然而，遺傳算法在實際應用中亦面臨若干局限性.首先，其計算成本較為高昂，特別是在種群規模龐大或個體評估過程復雜耗時的情況下，計算時間將大幅度增加，這在一定程度上限制了算法在大規模問題中的直接應用.其次，GA的性能對參數的選取具有較高的敏感性，尤其是交叉概率與變異概率等關鍵參數，需經過細致的調試方能獲得最優效果，這無疑增加了算法應用的復雜度與不確定性.再者，GA的收斂速度相對較慢，在某些復雜或高維問題中，可能需要歷經較多的迭代次數方能逼近最優解，這一特性限制了其在實時性要求較高的應用場景中的有效性.因此，在運用遺傳算法時，需全面權衡其優勢與局限，以尋求最適合問題特性的解決方案.

3.2.2 粒子群優化

粒子群優化（ParticleSwarmOptimization，PSO）的基本思想是將問題的潛在解表示為“粒子”.粒子在多維搜索空間中移動，每個粒子根據自身經歷和群體中其他粒子的表現調整其位置.每個粒子都有一個位置和速度，其中，位置代表當前解的候選，速度決定下一個位置的更新.

PSO算法結構簡單、參數少，易于理解和實現，并能較快地找到接近最優的解.通過群體的合作，PSO可以有效地避免陷入局部最優解，可以靈活應用于不同類型的問題，包括連續和離散優化問題.

針對風電廣泛接入電網帶來的風電出力波動問題，文獻[67]提出一種考慮儲能運行策略的儲能配置方法，建立以補償功率缺額最大化為目標函數的儲能優化配置模型，并采用改進粒子群算法對模型進行求解，有效地解決了風電出力波動問題.為確保微電網運行的穩定性，傳統儲能容量配置策略在一定程度上增加了冗余投資，為此，文獻[68]提出基于離散粒子群算法的光伏微電網儲能容量優化配置，以容量配比最優、投資成本最小為自標構建儲能容量優化配置模型，并引入離散粒子群算法求解模型，獲得了一個最優容量配比和最強經濟效益的容量優化配置方案.

但是PSO算法性能對參數設置（如學習因子、慣性權重）的選擇較為敏感，可能需要進行大量實驗.在某些情況下，尤其是在復雜的多峰優化問題中，PSO可能會提前收斂到局部最優解.隨著迭代次數的增加，粒子之間的多樣性可能降低，導致搜索能力減弱.

3.3人工智能算法

在新型電力系統的儲能優化配置領域，深度學習和強化學習等先進的人工智能算法正展現出其巨大的潛力與變革性力量.這些算法不僅能夠高效處理和分析海量數據，還能夠通過不斷學習和優化，精確預測儲能需求、動態調整配置策略，從而在確保電力系統穩定運行的同時，最大化儲能系統的經濟、環境等效益.

3.3.1深度學習

深度學習（DeepLearming，DL）是通過構建多層次的神經網絡來自動提取特征，從而實現模式識別和預測[9].在儲能系統優化配置中，深度學習可以用于需求預測、充放電策略優化等任務.例如，可以利用長短期記憶網絡對未來的電力需求進行預測，以便制定出合理的儲能策略.模型的訓練數據可以來源于歷史的負荷數據、天氣信息以及電價波動等.

在新型電力系統中儲能系統的優化配置問題上，深度學習技術憑借其從海量數據中自動提取特征的能力，為處理時間序列數據（如電力負荷預測、可再生能源發電預測等）提供了強有力的支持.但深度學習模型通常需要大量的樣本來進行訓練，以確保其預測和優化的準確性，這在某些數據資源有限的場景下可能構成障礙.此外，深度學習模型的高度復雜性和較低的可解釋性，使得其優化結果往往難以被直觀理解和驗證，這可能影響到決策者對優化方案的信任度和接受度.因此，在將深度學習應用于新型電力系統儲能優化配置時，需要綜合考慮數據獲取與處理的可行性、模型訓練的充分性以及結果的可解釋性，以尋求技術先進性與實際應用需求之間的最佳平衡.

3.3.2 強化學習

強化學習（ReinforcementLearning，RL）是一種基于試錯法的學習方式，智能體通過與環境互動，使用獎勵信號來學習最優策略[70].在新型電力系統中儲能系統的優化配置問題上，強化學習提供了一種創新且高效的解決方案.作為一種基于試錯法的學習方式，強化學習使智能體通過與電網環境的實時互動，利用獎勵信號來學習并動態調整儲能系統的充放電策略.智能體能夠依據當前電網狀態（如負荷需求、電價波動等），智能選擇充電、放電或保持靜止等操作，旨在最大化儲能系統的長期收益.

強化學習擅長處理此類復雜的決策問題，能夠不斷試錯并逐步改進策略.然而，值得注意的是，強化學習的訓練過程往往耗時較長，特別是在電網環境狀態空間龐大的情況下，需要大量的時間與實驗，此外，設計合理的獎懲機制也是強化學習成功應用的關鍵，需精心策劃以確保學習路徑的有效性.因此，在利用強化學習優化新型電力系統儲能配置時，需權衡訓練效率與策略質量，以實現最優的儲能管理.

4總結與展望

本文圍繞儲能系統優化配置技術在輔助新型電力系統運行控制中的應用進行綜述.通過詳細分析儲能系統在電力系統調峰、調頻及改善電能質量等方面的具體應用，揭示了儲能優化配置技術對于提高電力系統運行效率、穩定性和可靠性的重要意義.

在經濟性目標方面，討論了儲能系統的投資成本、運行成本，強調了全壽命周期成本管理的重要性.通過建立數學模型和運用優化算法，可以實現儲能容量的合理配置，從而在滿足電力系統需求的同時，最大化經濟效益.

在可靠性目標方面，儲能系統在應對電力負荷波動、保障持續穩定供電、提高電力保障充足性及系統穩定性和運行靈活性方面發揮著關鍵作用.特別是在新能源高比例接人的背景下，儲能系統的優化配置對于提升電力系統的韌性和可靠性顯得尤為重要.

當前儲能優化配置技術仍面臨一些挑戰，如單一優化自標難以滿足復雜電力系統的多自標需求，以及儲能技術的多樣性和復雜性等.因此，未來的研究應聚焦于多自標優化、復合儲能技術的應用以及智能優化算法的開發等方面.

儲能優化配置技術的發展將呈現以下趨勢：一是多目標優化將成為主流，儲能系統配置將綜合考慮經濟性、穩定性、安全性、可靠性及環境適應性等因素；二是復合儲能技術將得到廣泛應用，通過融合多種儲能介質的優點，滿足電力系統對儲能系統功率和能量的多重要求；三是智能優化算法的引入將進一步提升儲能優化配置的效率和精度，為新型電力系統的可持續發展提供有力支持.

參考文獻References

[1］中國經濟周刊.新型儲能按下發展加速鍵［EB/OL]. （2024-03-29）.https：//baijiahao.baidu.com/s？id σ=σ 1794842753800677363amp;wfr σ=σ spideramp;for σ=σ pc

［2］《中國標準化》編輯部.2024兩會“標準聲音”［J].中 國標準化，2024（6）：6-25

[3] 閆群民，穆佳豪，馬永翔，等.分布式儲能應用模式及 優化配置綜述[J].電力工程技術，2022，41（2）：67-74 YANQunmin，MU Jiahao，MA Yongxiang，etal.Review of distributed energy storage application mode and optimal configuration[J]. Electric Power Engineering Technology，2022，41（2） ：67-74

［4］人民網.未來能源：“清”裝上陣有“備”而來［EB/ OL].（2024-04-23）. https：//baijiahao.baidu. com/s？ id Σ=Σ 1797084721512841455amp;wfr σ?=σ spideramp;for τ= pc

[5］劉默斯，孫志媛，李今昭，等.基于CMMOPSO 算法的 構網型儲能接入高比例新能源電網的優化配置研究 [J].儲能科學與技術，2025，14（1）：162-171 LIU Mosi，SUN Zhiyuan，LI Jinzhao，et al.Research on the optimal configuration of grid-forming energy storage connected to power systemswith high proportional renewable energy based on CMMOPSO[J]. Energy Storage Science and Technology，2025，14（1）：162-171

[6] 湯勻，岳芳，王莉曉，等.全球新型儲能技術發展態勢 分析[J].全球能源互聯網，2024，7（2）：228-240 TANG Yun，YUE Fang，WANG Lixiao，et al. International development trend analysis of new energy storage technologies[J]. Global Energy Interconnection，2024，7（2）： 228-240

[7] 馬麗，李偉，裴瑋，等.含高比例光伏配電網中計及需 求側響應的混合儲能配置優化［J].高電壓技術， 2024，50（4） ：1416-1425 MA Li，LI Wei，PEI Wei，et al. Hybrid energy storage configuration optimization in distribution network with high-proportion PV considering demand response[J]. High Voltage Engineering，2024，50（4） ：1416-1425

［8］張振宇，張小奇，段乃欣，等.基于“等面積原理”的儲 能與新能源協同優化配置方法［J].電網技術，2023， 47（10） ：4131-4142 ZHANG Zhenyu， ZHANG Xiaoqi， DUAN Naixin，et al. Synergistic and optimal configuration of energy storage and renewable energy based on equal area principle[J]. PowerSystemTechnology，2023，47（10）：4131-4142

[9］馮夢圓，文書禮，時珊珊，等.滿足新型電力系統調峰 調頻需求的儲能優化配置及運行研究綜述［J/OL]. 上海交通大學學報，1-32[2024-08-31].https：//doi. org/10.16183/j. cnki. jsjtu.2024.128 FENG Mengyuan，WEN Shuli，SHI Shanshan，et al.A review of optimal allocation and operation of energy storage systemforpeak shavingand frequencyregulationinnew type power systems[J/OL].Journal of Shanghai Jiao Tong University，1-32[2024-08-31].https：//doi.org/ 10.16183/j. cnki. jsjtu.2024.128

[10]姚康寧，王澤浩，陳麗麗，等.計及用戶參與和調峰需 求的儲能配置優化研究[J]．自動化儀表，2024，45 （5）：83-88，93 YAO Kangning，WANG Zehao，CHEN Lili，et al.Study of energy storage alocation optimization taking into account user participation and peaking demand[J]. Process AutomationInstrumentation，2024，45（5）：83-88，93

[11] 張碩，陳媛麗，李英姿，等.計及電力現貨機會成本的 構網型儲能電站調頻輔助服務競價出清雙層博弈模 型[J].中國電機工程學報，2024，44（增刊1）：146-158 ZHANG Shuo，CHEN Yuanli，LI Yingzi，et al. A bi-level game model for frequency regulation ancillary service bidding and clearing of grid-forming energy storage stations considering opportunity cost of electricity spot trading[J].Proceedings of the CSEE，2024，44（sup1）： 146-158

[12]何錦華，吳斌，曹敏健，等.面向輔助服務的新能源場 站共享儲能容量優化配置［J].電力工程技術，2022， 41（6） ：50-57 HE Jinhua，WU Bin，CAO Minjian，etal. Capacity optimization configuration of shared energy storage in renewable energy stations for ancillary service[J]. Electric Power Engineering Technology，2022，41（6） ：50-57

[13] 周濤，向永建，杜可可，等.風機與儲能參與電網調頻 協調控制技術綜述[J].浙江電力，2024，43（7）：45-55 ZHOU Tao，XIANG Yongjian，DU Keke，et al. An overview of a coordinated control technique for wind turbines and energy storage participating grid frequency regulation [J]. Zhejiang Electric Power，2024，43（7） ：45-55

[14] 馬智慧，李欣然，譚莊熙，等.考慮儲能調頻死區的一 次調頻控制方法[J].電工技術學報，2019，34（10）： 2102-2115 MA Zhihui，LI Xinran，TAN Zhuangxi，etal. Integrated control of primary frequency regulation considering dead band of energy storage[J]. Transactions of China Electrotechnical Society，2019，34（10） ：2102-2115

[15]王廷濤，苗世洪，姚福星，等.計及頻率電壓穩定性約 束的電力系統多層級儲能協同優化運行策略［J].電 工技術學報，2024，39（21）：6759-6777 WANG Tingtao，MIAO Shihong，YAO Fuxing，et al. Multi-levelenergy storagecollaborative optimizationoperation strategy for power systems considering frequency and voltage stability constraints[J].Transactions of ChinaElectrotechnical Society，2024，39（21）：6759-6777

[16] 肖家杰，李培強，毛志宇，等.考慮火電時滯特性的電 池儲能集群調頻綜合控制策略研究[J].電工技術學 報，2025，40（3）：689-704 XIAO Jiajie，LI Peiqiang，MAO Zhiyu，et al. Research on integrated control strategyof battery energy storage cluster for frequency regulation considering thermal power time lag characteristics[J]. Transactions of China Electrotechnical Society，2025，40（3） ：689-704

[17］鐘誠，周順康，嚴干貴，等.基于變減載率的光伏發電 參與電網調頻控制策略[J].電工技術學報，2019，34 （5）：1013-1024 ZHONG Cheng，ZHOU Shunkang，YAN Gangui，et al. A new frequency regulation control strategy for photovoltaic power plant based on variable power reserve level control [J].Transactions of China Electrotechnical Society， 2019，34（5） ：1013-1024

[18] 孫驍強，劉鑫，程林，等.基于多調頻資源協調控制的 西北送端大電網新能源快速頻率響應參數設置方案 [J].電網技術，2019，43（5）：1760-1765 SUN Xiaoqiang，LIU Xin，CHENG Lin，et al.Parameter setting of rapid frequency response of renewable energy sources in northwest power grid based on coordinated control ofmulti-frequencyregulationresources[J].Power System Technology，2019，43（5）：1760-1765

[19] 丁明，施建雄，韓平平，等.光儲系統參與電網調頻及 調峰的綜合控制策略[J].中國電力，2021，54（1）： 116-123，174 DING Ming，SHI Jianxiong，HAN Pingping，et al. An integratedcontrol strategy forphotovoltaic-energy storage system participating in frequency regulation and peak shaving of power grid[J]. Electric Power，2021，54（1）： 116-123，174

[20] 付媛，萬怪，張祥宇，等.儲能虛擬慣量主動支撐與調 頻狀態轉移控制[J].中國電機工程學報，2024，44 （7） ：2628-2641 FU Yuan，WAN Yi，ZHANG Xiangyu，et al. Energy storage virtual inertia active support and frequency modulation state transfer control[J].Proceedings of the CSEE， 2024，44（7） ：2628-2641

[21] 胡澤春，蔡福霖，馮建洲.兼顧新能源消納與頻率電壓 支撐的電池儲能系統優化規劃[J].電力自動化設備， 2024，44（7） ：3-12 HU Zechun，CAI Fulin，FENG Jianzhou. Optimal planningofbatteryenergy storage system consideringrenewable energy consumption and frequency and voltage support[J]. Electric Power Automation Equipment，2024，44 （7） ：3-12

[22]洪烽，賈欣怡，梁璐，等.面向風電場頻率支撐的混合 儲能層次化容量優化配置[J].中國電機工程學報， 2024，44（14）：5596-5606 HONGFeng，JIA Xinyi，LIANGLu，etal.Hierarchical capacity optimization configuration of hybrid energy storage for wind farm frequency support[J].Proceedings of the CSEE，2024，44（14） ：5596-5606

[23]胡任智，陳高偉，胡斐，等.計及新型儲能系統的調峰 補償機制及效益分析[J].電力系統及其自動化學報， 2025，37（5） ：66-77 HU Renzhi，CHEN Gaowei，HU Fei，et al.Analysis of peak-shaving compensation mechanism and benefits considering novel energy storage systems[J].Proceedings of the CSU-EPSA，2025，37（5） ：66-77

[24]喻恒凝，姚良忠，程帆，等.重力儲能在新型電力系統 中應用：前景及挑戰[J/OL].中國電機工程學報，1-16 [2024-08-31]. https：//doi.org/10.13334/j. 0258-8013. pcsee. 240834 YU Hengning，YAO Liangzhong，CHENG Fan，et al. Application of gravity energy storage in new power systems： prospects and challenges[J/OL]. Proceedings of the CSEE，1-16[2024-08-31]. https：//doi.org/10.13334/j. 0258-8013. pcsee. 240834

[25] 周志恒，張琳娟，王曉冬，等.計及多種彈性資源儲能 潛力挖掘的居民臺區優化調度策略[J].南方電網技 術，2025，19（2）：102-114 ZHOU Zhiheng，ZHANG Linjuan，WANG Xiaodong，et al. Optimal scheduling strategy of residential station area considering the potential mining of energy storage of various elastic resources[J].Southern Power System Technology，2025，19（2） ：102-114

[26]聶立君，邢海軍，江偉建，等.聚合商模式下考慮調峰 需求的分布式儲能優化配置[J].太陽能學報，2024， 45（7） ：153-162 NIELijun，XING Haijun，JIANG Weijian，et al.Optimized configuration of distributed energy storage considering peak shaving requirements under aggregator mode [J].Acta Energiae Solaris Sinica，2024，45（7）：153-162

[27]Kopiske J，Spieker S，Tsatsaronis G.Value of power plant flexibility inpower systemswith high sharesof variable renewables： a scenario outlook for Germany 2035[J]. Energy，2017，137：823-833

[28] 修志堅.計及需求響應的含火-儲新能源電力系統調 峰輔助服務策略研究[D].吉林：東北電力大學，2022 XIU Zhijian.Research onauxiliary service strategy for peak load balancing of fire-storage new energy power system considering demand response[D]. Jilin： Northeast Dianli University，2022

[29] 孫銀鋒，郭宇航，梁棟，等.基于儲能優化控制的風電 柔直并網直流故障穿越［J].南京信息工程大學學報， 2024，16（6） ：827-837 SUNYinfeng，GUO Yuhang，LIANG Dong，etal.DC fault ride-through of MMC-HVDC-connected wind farm via optimizedenergystorage control[J]. Journal of Nanjing University of Information Scienceamp; Technology，2024，16 （6） ：827-837

[30] 劉闖，孫傲，王藝博，等.計及電熔鎂負荷與儲能聯合 調峰的電力系統日前-日內聯合經濟調度方法［J].電 力自動化設備，2022，42（2）：8-15 LIU Chuang，SUN Ao，WANG Yibo，et al. Day-ahead and intra-day joint economic dispatching method of electric powersystem considering combined peak-shaving of fused magnesium load and energy storage[J].Electric PowerAutomation Equipment，2022，42（2） ：8-15

[31]米陽，何進，盧長坤，等.計及新能源并網的火儲聯合 調峰運行優化研究[J].中國電機工程學報，2025，45 （5） ：1704-1716 MI Yang，HE Jin，LU Changkun，et al. Research onoptimized operation of combined heat and power with energy storage for peak shaving considering renewable energy integration[J].Proceedings of the CSEE，2025，45（5）： 1704-1716

[32] 張開鵬，楊雪梅，張宏甜，等.考慮“光伏-儲能\"耦合參 與調峰的配電網氫儲能優化配置[J].電網與清潔能 源，2023，39（10） ：95-103，112 ZHANG Kaipeng， YANG Xuemei， ZHANG Hongtian， et al.A study on the optimal configuration of hydrogen energy storage in the distribution network considering“photovoltaic-energy storage” coupling participating and peak shaving[J].Power System and Clean Energy，2023，39 （10） ：95-103，112

[33]武藝，姚良忠，廖思陽，等.一種基于改進K-means++ 算法的分布式光儲聚合調峰方法［J].電網技術， 2022，46（10） ：3923-3931 WU Yi，YAO Liangzhong，LIAO Siyang，et al. A peak shaving method of aggregating the distributed photovoltaics and energy storages based on the improved K-means+ + algorithm[J].Power System Technology，2022，46 （10） ：3923-3931

[34] 何東，張文，鄒玉新，等.電網電壓不平衡下基于超級 電容儲能的柔性多狀態開關多目標控制策略［J].高 電壓技術，2024，50（12） ：5482-5494 HE Dong，ZHANG Wen，ZOU Yuxin，et al.Multi-objective control strategy for flexible multi-state switch based on supercapacitor energy storage under power grid voltage imbalance[J].High Voltage Engineering，2024，50（12）： 5482-5494

[35] 黎博，陳民鈾，鐘海旺，等.高比例可再生能源新型電 力系統長期規劃綜述[J].中國電機工程學報，2023， 43（2） ：555-580 LI Bo，CHEN Minyou，ZHONG Haiwang，et al.A review of long-term planning of new power systems with large share of renewable energy[J].Proceedings of the CSEE， 2023，43（2） ：555-580

[36] 商立群，張少強，劉江山.基于多目標沙貓群算法的含 風光儲配電網無功優化[J].南京信息工程大學學報， 2024，16（2） ：204-211 SHANG Liqun，ZHANG Shaoqiang，Liu Jiangshan. Reactive power optimization of wind-covered storage and distribution network based on multi-objective sandcat swarm algorithm[J]. Journal of Nanjing University of Information Science amp; Technology，2024，16（2）：204-211

[37］孫朝霞，張明敏，張暉，等.配電網儲能型DSTATCOM 電能質量綜合補償策略［J].電力系統及其自動化學 報，2023，35（4）：75-84 SUN Zhaoxia，ZHANG Mingmin，ZHANG Hui，etal. Comprehensive power quality compensation strategy for energy-storage-based DSTATCOM[J]. Proceedings of the CSU-EPSA，2023，35（4） ：75-84

[38] 余威，楊歡紅，焦偉，等.基于優劣解距離算法的光儲 配電網自適應虛擬慣性控制策略[J].上海交通大學 學報，2022，56（10）：1317-1324 YU Wei，YANG Huanhong，JIAO Wei，et al. Adaptive virtual inertial control strategy of optical storage and distribution network based on TOPSIS algorithm[J].Journal of Shanghai Jiao Tong University，2022，56（10）： 1317-1324

[39] 王子輝，賈燕冰，李彥晨，等.計及電能質量影響的主 動配電網光儲容量優化[J].電網技術，2024，48（2）： 607-620 WAND Zihui， JIA Yanbing，LI Yanchen，et al. Optimal capacity configuration of photovoltaic and energy storage system in active distribution network considering influence of power quality[J].Power System Technology， 2024，48（2） ：607-620

[40］李彥晨，賈燕冰，謝棟，等.計及電能質量影響的配電 網風儲優化配置[J].電網技術，2023，47（6）： 2391-2404 LI Yanchen，JIA Yanbing，XIE Dong，et al. Optimal configuration of wind turbineand energy storage system in distribution network considering influence of power quality[J].PowerSystem Technology，2023，47（6）：2391-2404

[41] 延肖何，熊子豪，劉念，等.現貨市場模式下大規模風 光儲場站生產模擬過程的儲能配置方法［J/OL].中 國電機工程學報，1-14[2024-08-31].htp：//kns.cnki. net/kcms/detail/11.2107.tm.20241009.1613.031.html YAN Xiaohe，XIONG Zihao，LIU Nian，et al.Energy storage allocation method in production simulation process of large-scale wind-wind storage station under spot market model[J/OL].Proceedings of the CSEE，1-14[2024-08-31]. htp：//kns.cnki. net/kcms/detail/11. 2107. tm.20241009.1613.031.html

[42]李若瓊，鄭鑫波，李欣.計及實時最大功率約束的高速 磁浮列車再生制動能量存儲利用[J].電力自動化設 備，2024，44（10）：179-185 LI Ruoqiong，ZHENG Xinbo，LI Xin. Regenerative brakingenergy storage and utilization of high-speed maglev train considering real-time maximum power constraints [J].Electric Power Automation Equipment，2024，44 （10） ：179-185

[43] 張小蓮，覃世球，張仰飛，等.考慮儲能荷電狀態的風 儲聯合調頻控制策略［J].高電壓技術，2023，49 （10）：4120-4130 ZHANG Xiaolian， QIN Shiqiu， ZHANG Yangfei， et al. Wind turbine and storage joint frequency modulation control strategy considering energy storage state of charge [J].HighVoltage Engineering，2023，49（10）：4120-4130

[44] 鄒小燕，張瑞宏.考慮政府干預的可再生能源與儲能 企業合作模式演化博弈研究[J].中國電力，2025，58 （1） ：153-163 ZOU Xiaoyan，ZHANG Ruihong. Evolutional game study of the cooperation mode between renewable energy generation enterprises and energy storage companies considering govermment intervention[J].Electric Power，2025，58 （1） ：153-163

[45] 劉暢，卓建坤，趙東明，等.利用儲能系統實現可再生 能源微電網靈活安全運行的研究綜述[J].中國電機 工程學報，2020，40（1）：1-18，369 LIU Chang，ZHUO Jiankun ，ZHAO Dongming，et al. Research review on flexible and safe operation of renewable energy microgrid using energy storage system[J]. Proceedings of the CSEE，2020，40（1） ：1-18，369

[46] Hajiaghasi S，SalemniaA， Hamzeh M. Hybrid energy storage system for microgrids applications：a review[J]. Journal of Energy Storage，2019，21：543-570

[47] 李欣，盧景濤，黃文勛.綠電牽引場景下高速鐵路長大 坡道混合儲能系統容量優化配置[J].中國電機工程 學報，2025，45（10） ：3865-3877 LI Xin，LU Jingtao，HUANG Wenxun. Capacity optimization configuration of hybrid energy storage system for long steep slope of high-speed railway under green electric traction scenarios[J].Proceedings of the CSEE，2025，45 （10） ：3865-3877

[48]李建林 孫浩元 梁中毫 等 名能曇求場景下的綜會 能源系統容量優化配置[J].高電壓技術，2025，51 （5） ：2114-2124 LI Jianlin，SUN Haoyuan，LIANG Zhonghao，et al. Optimal capacity allcation of integrated energy systems under multi-energy demand scenarios[J].High Voltage Engineering，2025，51（5）：2114-2124

[49］張峰，張熙，張利，等.區域風電場群儲能電站的優化 配置及運行策略[J].電工技術學報，2016，31（14）： 49-57 ZHANG Feng，ZHANG Xi，ZHANG Li，et al. Size optimization and operating strategies for battery energy storage station in adjacent wind farms[J].Transactions of China Electrotechnical Society，2016，31（14） ：49-57

[50]茆美琴，劉云暉，張榴晨，等.含高滲透率可再生能源 的配電網廣義儲能優化配置[J].電力系統自動化， 2019，43（8）：77-85 MAO Meiqin，LIU Yunhui，ZHANG Liuchen，et al. Optimal configuration of generalized energy storage in distributionnetwork withhigh-penetrationrenewableenergy [J].Automation of Electric Power Systems，2019，43 （8）：77-85

[51] 葉筱，蔣克勇，劉磊，等.風儲系統容量配置優化目標 及優化算法綜述[J].節能，2020，39（6）：167-176 YE Xiao，JIANG Keyong，LIU Lei，etal. Overviewofoptimization objectives and algorithms for capacity allocation of wind storage systems[J]. Journal of Energy Conservation，2020，39（6） ：167-176

[52]趙宇，李謙，張云曉，等.含分布式能源配電網中考慮 供電可靠性的混合儲能優化配置［J].智慧電力， 2024，52（8） ：25-32，49 ZHAO Yu，LI Qian，ZHANG Yunxiao，et al. Optimal configuration of hybrid energy storage considering power supply reliability in distribution network with distributed energy[J].Smart Power，2024，52（8） ：25-32，49

[53]侯美倩，牛啟帆，邢潔，等.計及可靠性的含源配電網 儲能系統的優化配置［J].儲能科學與技術，2023，12 （2） ：504-514 HOU Meiqian，NIU Qifan，XING Jie，et al. Optimal configuration of energy storage system in active distribution network with theconsideration of reliability[J].Energy Storage Science and Technology，2023，12（2）：504-514

[54] 王守相，高嘉佐，趙倩宇，等.計及故障重構與信息約 束的有源配電網短期可靠性評估方法[J].電力自動 化設備，2023，43（10）：79-86 WANG Shouxiang，GAO Jiazuo， ZHAO Qianyu，et al. Short-term reliability assessment method of active distribution network considering fault reconfiguration and cyber constraints[J]. Electric Power Automation Equipment，2023，43（10）：79-86

[55]張晉銘，歐陽森，吳晗，等.計及配電網可靠性和運行 經濟性的電網側儲能優化配置[J].電力自動化設備， 2024，44（7） ：62-68，85 ZHANG Jinming，OUYANG Sen，WU Han，et al. Optimization of energy storage on grid side considering reliability and operation economy of distribution network[J].Electric Power Automation Equipment，2024，44（7） ： 62- 68，85

「56]杰建林 羊冶蒂 馬沛白笙 新刑由玄統下公布式 儲能應用場景與優化配置[J].高電壓技術，2024，50 （1） ：30-41 LI Jianlin，JIANG Yerong，MA Suliang，etal. Application scenario and optimal configuration of distributed energy storage in new power system[J].High Voltage Engineering，2024，50（1） ：30-41

[57] D'Alessandro P.A conical approach to linear programming[M]. London：Chapmanamp; Hall/CRC，2024

[58] 李文美，申亞濤，黃純，等.數據驅動的光伏低壓臺區 儲能優化配置策略[J].電力系統及其自動化學報， 2024，36（10） ：69-78 LIWenmei，SHEN Yatao，HUANG Chun，et al.Datadriven energy storage optimization configuration strategy forphotovoltaic low-voltage station[J].Proceedings of the CSU-EPSA，2024，36（10） ：69-78

[59] 安源，鄭申印，蘇瑞，等.風光水儲多能互補發電系統 雙層優化研究［J].太陽能學報，2023，44（12）： 510-517 ANYuan，ZHENGShenyin，SU Rui，etal.Researchon two-layer optimization of wind-solar-water-storage multi energy complementary power generation system[J].Acta Energiae Solaris Sinica，2023，44（12）：510-517

[60] Luus R. Iterative dynamic programming[M]. London： Chapmanamp;Hall/CRC，2019

[61] 李圣清，鄧娜，顏石，等.基于改進蟻群動態規劃的光 儲微網容量優化配置[J].太陽能學報，2023，44（2）： 468-476 LI Shengqing，DENG Na，YAN Shi，et al.Optimal configuration optimization of PV energy storage microgrid using improved ant colony dynamic programming[J].Acta EnergiaeSolaris Sinica，2023，44（2） ：468-476

[62] 孫雯，陳紫薇，張玉瓊，等.基于動態規劃的SOFC冷 熱電三聯供綜合能源系統日前經濟調度［J].中國電 機工程學報，2022，42（21）：7775-7783 SUN Wen，CHEN Ziwei， ZHANG Yuqiong，et al. Economicday-ahead scheduling of SOFC-based integrated tri-generation energy system using dynamic programming [J].Proceedings of the CSEE，2022，42（21） ：7775-7783

[63] Chambers D L.Practical handbook of genetic algorithms： new frontiers：volume I［M].London：Chapmanamp; Hall/ CRC，1995

[64] 史林軍，端木陳睿，楊冬梅，等.基于分組控制策略的 風電場儲能容量優化配置[J].太陽能學報，2024，45 （7） ：340-349 SHILinjun，DUANMU Chenrui，YANG Dongmei，et al. Optimal allocation of wind farm energy storage capacity based on group control strategy[J].Acta Energiae Solaris Sinica，2024，45（7）：340-349

[65] 程浩，秦文萍，韓肖清，等.基于功角穩定性的區域電 網儲能選址定容方法[J].電力自動化設備，2024，44 （7） ：21-29 CHENG Hao，QIN Wenping，HAN Xiaoqing，et al.Site selection and capacity determination method of energy storage in regional power grid based on power angle stability[J].Electric Power Automation Equipment，2024， 44（7） ：21-29

[66] Erdogmus P.Particle swarm optimization with applications[M].IntechOpen，2018

[67] 閆來清，曹麗源，薛太林，等.風電場黑啟動儲能容量 優化配置：一種考慮儲能運行策略的方法[J].電力系 統保護與控制，2022，50（16）：131-139 YANLaiqing，CAO Liyuan，XUE Tailin，et al. Optimal configuration of wind farm black start energy storage capacity： a method considering energy storage operation strategy[J].Power SystemProtectionand Control，2022， 50（16） ：131-139

[68］李春玲.基于離散粒子群算法的光伏微電網儲能容量 優化配置[J].電工技術，2023（22）：93-96 LI Chunling.Optimal allocation of energy storage capacity of photovoltaic microgrid based on discrete particle swarm optimization[J].Electric Engineering，2023（22）：93-96

[69] Lappin S.Deep learning and linguistic representation [M].London：Chapman amp; Hall/CRC，2021

[70] KellyB.Trendsinreinforcement learning[M].Tritech DigitalMedia，2018：21-35

A review of energy storage-assisted operation and optimal configuration in new-type power systems

ZHOU Tao1 HE Wei1LI Huifang2JI Zhendong1 1School of Automation，Nanjing University of Scienceamp; Technology，Nanjing 21Oo94，China 2Huzhou YueqiuMotorCo.，Ltd.，Huzhou313009，China

AbstractWiththe acceleration of global energytransition，the proportion ofrenewable energy generation continues to rise，leading to increased volatilityanduncertainty within power systems，which poses higher requirements forthe flexibleregulation capabilityand stableoperation of power systems.This paper reviews the keyroleof Energy Storage System（ESS）in asisting the operation control of new-type power systems and its optimal configuration techniques.Firstly，it systematically outlines variousapplication scenarios of ESS in aspects of peak shaving，frequency modulationand power qualityimprovement，and delves into theoptimal configuration strategies forESSunder these scenarios.Secondly，itconductsadetailedanalysisontheeconomy，reliabilityandstabilityofESSoptimalconfiguration.Then，itcomparestheadvantages，disadvantagesandapplicabilityof diferentoptimizationalgorithms，including linear programming，dynamic programming，geneticalgorithms，particleswarmoptimization，andothers.Finall， it reveals the challngesand future development directions of ESSoptimal configuration techniques.Theanalysis shows that scientific and reasonable alocation of energy storage resources is crucial to improve the operating efficiency，stabilityandreliabilityofthepower systems，and isakeytechnicalapproach topromote the wide application of renewable energy andachieve the goal of smart grid construction.In the future，with the development of new hybrid energy storage technologiesandthe introductionofintellgentoptimization algorithms，ESSoptimalconfiguration techniques are expected to play a more prominent role in the sustainable development of new-type power systems.

Key wordsnew-type power systems;energy storage system（ESS）;asisted operation;optimal configuration;artificial intelligence（AI）