来源：快猛电池 发布日期：2026-06-26 20:59:29

本文提出一种根据有用载荷动摇导向的多性向方针粒子群优化算法（PFG-MOPSO）的最优战略针对电网适用于电池储能体系(BESS)。该办法归纳考虑运转稳定性与经济性，经过选取节点电压operation.树立BESS选址与容量优化装备模型以电压动摇、电池储能体系出资本钱和体系有功功率损耗作为方针函数。针对传统多方针粒子群优化算法种群多样性不足的缺点，本研讨提出两项首要改善措施：1）提出最优粒子挑选战略以增强种群多样性；2）选取读档动摇量作为引导粒子运动的参数，使粒子沿最优方向运动，并有用使用体系参数提升算法收敛速度。根据IEEE33节点配电网络体系经过体系模拟剖析了四种装备场景。选用所提计划后，优化挑选了储能体系的最优装备区域、容量和功率，有用改善了体系energy storage system的节点电压动摇和线路损耗。最后对传统MOPSO算法与所提PFG-MOPSO算法进行了模拟比照，验证了所提办法的优越性。node voltage动摇和线路损耗。最后对传统MOPSO算法与所提PFG-MOPSO算法进行了模拟比照，验证了所提办法的优越性。 fluctuations and line losses. Finally, a simulation comparison was conducted between the traditional MOPSO and the proposed PFG-MOPSO algorithm, which verifies the superiority of the proposed method.

引言

大力开展可再生动力已成为全球动力转型与应对气候变化的重要战略[1]。光伏发电凭借建造周期短、可用性高等优势，其配电网浸透率逐步提升[2]。但是由于其出力存在动摇性、间歇性及与负荷时序不匹配等缺点，会在不同程度上引发电能质量问题[3]。光伏容量过高会导致电压动摇，引发节点电压越限现象[4]。接入配电网的电池储能体系(BESS)经过充放电可有用抑制光伏出力动摇[5,6]。但是BESS本钱较高，其装置位置与容量装备与体系经济稳定运转密切相关[7]。因而研讨BESS的选址定容对未来电力体系开展具有重要意义。
电池储能体系（BESS）装备的核心问题在于树立装备模型及其求解算法。

• •
  就装备模型而言在电池储能体系（BESS）的优化装备模型中，通常首要考虑体系运转的经济性与稳定性方针。其间经济性方针包含BESS本钱[8]、线路有功功率损耗[9]、能量套利收益[10]、碳排放本钱[11]等；稳定性方针则涵盖节点电压动摇[12]与负荷动摇[13]。文献[9]提出了一种散布式储能体系优化装备战略，该战略根据最小本钱视点优化配电网功能与电能质量。在功能提升方面，方针是最小化线路读档与损耗；在电能质量改善方面，方针是最小化电压闪变与误差。文献[13]选取最小母线电压动摇、读档动摇及储能容量作为方针函数，经过方针函数归一化处理、根据层次剖析法确认权重系数并进行线性加权处理后，将多性向优化问题转化为单方针优化问题。文献[14]以风电场参加日前商场和实时商场的最大赢利作为Objective函数，归纳考量了风能与电价的不确认性。文献[15]根据BESS效益最大化Objective，提出包含储能出资本钱、套利收益、下降网损及体系升级本钱的BESS归纳规划Strategy，并经过利率与通胀率将总收益折算为净现值。在文献[16]中，储能装备被区分为两个阶段。第一阶段为电池储能体系规划阶段，旨在确认BESS的最佳选址与容量以完本钱钱最小化；第二阶段为BESS运转阶段，该阶段选用双层规划模型，上层方针为最大化峰谷套利收益，基层方针为最小化总发电本钱。文献[18]根据多时间尺度不确认性耦合特性，提出了能量平衡能力方针与鲁棒和谐本钱方针。根据上述两个方针及储能出资本钱，树立了储能容量优化办法。文献[19]考虑了BESS在输电体系中的运输使用，构建了移动式BESS模型，终究完成了适用于高比例可再生动力输电体系的移动式储能长期规划模型。
• •
  在求解算法方面由于ESS装备归于杂乱的混合整数非线性问题，常见解决计划包含数学规划办法[17,20]和启发式算法。前者具有更高的精度，而后者在处理杂乱问题时功率更优。典型的启发式算法包含模拟退火算法[13]、遗传算法[[21], [22], [23], [24], [25]]、MOPSO算法[[26], [27], [28], [29], [30], [31]]等。其间，MOPSO算法凭借其快速收敛速度和简易的参数设置，在电力体系优化领域得到了广泛使用[33]。在[11]中，提出了一种根据强化学习改善的多方针粒子群算法，该算法选用状况-动作-奖赏机制优化种群的迭代进程。[12]研讨推导出新型概率离散化办法，用于离散化风电场连续联合功率散布，并提出将概率离散化办法与MOPSO及非支配排序遗传算法（NSGA-II）相交融的混合概率优化算法。[32]树立了含光伏体系与电动汽车的配电网储能装备模型。该办法选用三种启发式算法：非洲秃鹫优化算法、樽海鞘群算法及粒子群优化（PSO）算法。结果表明PSO算法所得计划最优。[34]经过交融粒子群优化与差分进化算法，提出了一种混合群智能优化算法。该算法选用线性种群规模减缩战略，经过每代淘汰习惯度值最小的个别来减少种群规模，其全体功能明显优于传统粒子群优化算法（PSO）。但是，这些文献首要聚焦于算法本身的改善，并未使用ESS装备进程中的参数——如用电负荷需求、节点电压、电价等——进行优化。

为解决上述问题，本文首要奉献可概括如下。

• 1)
  归纳考虑配电网运转的稳定性与经济性，选取节点电压动摇、BESS出资本钱及体系有功损耗作为方针函数，树立储能体系选址定容优化装备模型。
• 2)
  针对传统MOPSO算法种群多样性不足的问题，根据种群区分思维提出最优粒子挑选战略；根据读档动摇特性提出粒子运动方向引导战略，有用使用体系参数提升算法收敛功能。结合两种改善战略，提出读档动摇引导的多方针粒子群优化算法（PFG-MOPSO）。
• 3)
  根据不同场景的事例研讨，本文剖析了不同光伏浸透率下光伏发电对节点电压动摇的影响，确认了高光伏浸透率配电网中储能体系的最优装置区域。经过比照剖析PFG-MOPSO等三种算法，验证了本文所提模型与算法的可行性。