摘 要：為解決風(fēng)電出力的波動(dòng)性和不確定性問(wèn)題，提出一種基于電池儲(chǔ)能分組控制策略并計(jì)及其運(yùn)行不平衡性的風(fēng)電場(chǎng)電池儲(chǔ)能容量?jī)?yōu)化配置方法。首先，在比較分析不同電池儲(chǔ)能分組策略基礎(chǔ)上，提出風(fēng)儲(chǔ)聯(lián)合系統(tǒng)三電池組分組控制策略及充放電運(yùn)行模式，并構(gòu)建計(jì)及經(jīng)濟(jì)成本、衰減指標(biāo)和壽命期限的多目標(biāo)電池儲(chǔ)能容量配置優(yōu)化模型；然后，采用變分模態(tài)分解法處理風(fēng)電數(shù)據(jù)，并通過(guò)非支配排序遺傳算法與CRITIC-TOPSIS綜合決策法聯(lián)合求解獲取最佳的電池儲(chǔ)能容量配置方案；最后，通過(guò)與現(xiàn)有分組控制策略對(duì)比，驗(yàn)證該文所提出的三電池分組策略在改善電池儲(chǔ)能充放電不平衡性以及減緩損耗方面的有效性，并對(duì)比不同目標(biāo)和不同決策方法下的電池儲(chǔ)能配置方案，結(jié)果表明該文提出的多目標(biāo)優(yōu)化模型與綜合決策方法在延長(zhǎng)電池使用壽命的同時(shí)保證經(jīng)濟(jì)性方面具有明顯優(yōu)勢(shì)。

關(guān)鍵詞：風(fēng)電場(chǎng)；電池儲(chǔ)能；遺傳算法；容量配置；分組控制；不平衡度

中圖分類號(hào)：TM614 文獻(xiàn)標(biāo)志碼：A

0 引 言

隨著風(fēng)電的大規(guī)模并網(wǎng)，其出力的不確定、不穩(wěn)定的特性對(duì)電網(wǎng)的安全穩(wěn)定運(yùn)行是一大挑戰(zhàn)［1］。對(duì)此可裝配儲(chǔ)能設(shè)備并制定合理的運(yùn)行策略，不僅能有效平滑風(fēng)電場(chǎng)的功率輸出波動(dòng)，增強(qiáng)電網(wǎng)運(yùn)行穩(wěn)定性，還能緩解環(huán)境資源等問(wèn)題［2］。但儲(chǔ)能價(jià)格及維護(hù)費(fèi)用高昂，考慮到系統(tǒng)總體經(jīng)濟(jì)性，儲(chǔ)能配置費(fèi)用應(yīng)在滿足平抑要求和其他指標(biāo)的前提下盡可能小。因此，風(fēng)儲(chǔ)系統(tǒng)中的電池儲(chǔ)能最優(yōu)配置方案具有重要的研究意義［3］。

風(fēng)電場(chǎng)通常設(shè)置一個(gè)整體電池儲(chǔ)能或混合儲(chǔ)能系統(tǒng)對(duì)風(fēng)電功率進(jìn)行平滑處理。目前的大部分研究考慮的評(píng)價(jià)指標(biāo)主要有經(jīng)濟(jì)性指標(biāo)和可靠性指標(biāo)。文獻(xiàn)［4］以經(jīng)濟(jì)成本和電壓波動(dòng)改善指標(biāo)建立多目標(biāo)配置模型；文獻(xiàn)［5］建立考慮碳減排效益的收益-成本的多目標(biāo)儲(chǔ)能系統(tǒng)配置模型，并建立功能指標(biāo)和經(jīng)濟(jì)指標(biāo)的聯(lián)系；文獻(xiàn)［6］以配置儲(chǔ)能后考核費(fèi)用的降低減去配置儲(chǔ)能的全壽命周期成本最大為目標(biāo)，提高配置儲(chǔ)能的經(jīng)濟(jì)性。然而，單一的儲(chǔ)能電池要經(jīng)歷頻繁的切換，這大大縮短了其壽命，不利于提高能源效率。而混合儲(chǔ)能系統(tǒng)是功率型和能量型儲(chǔ)能裝置的組合，可在一定程度上減少電池的退化，但其投資成本高、管理復(fù)雜。且上述研究均未考慮電池?fù)p耗及壽命衰減因素。因此可選擇運(yùn)行合理、電池耗損小且經(jīng)濟(jì)的儲(chǔ)能分組運(yùn)行模式，并考慮該模式下電池儲(chǔ)能系統(tǒng)的容量配置。

目前有學(xué)者采用了雙電池分組控制的運(yùn)行策略交替平抑正負(fù)方向的功率波動(dòng)，以減小電池的充放電切換頻率進(jìn)而延長(zhǎng)電池壽命。文獻(xiàn)［7］針對(duì)退役動(dòng)力電池的分組控制以及梯次利用，提出采用粒子群優(yōu)化法并以日收益最大為目標(biāo)的配置模型；文獻(xiàn)［8］提出一種新型雙儲(chǔ)能系統(tǒng)，通過(guò)分析各個(gè)時(shí)刻的風(fēng)電目標(biāo)平抑功率，取最大值作為儲(chǔ)能的額定容量和功率；文獻(xiàn)［9］將充放電任務(wù)分開(kāi)執(zhí)行的雙電池儲(chǔ)能系統(tǒng)與單組儲(chǔ)能系統(tǒng)的控制策略在經(jīng)濟(jì)成本方面對(duì)比。上述研究均采用了雙電池模型，有效降低了電池切換頻率，但缺乏對(duì)運(yùn)行不平衡狀態(tài)的考慮，可能會(huì)影響儲(chǔ)能平抑風(fēng)電波動(dòng)的效率。

文獻(xiàn)［10］提出一種綜合儲(chǔ)能系統(tǒng)協(xié)調(diào)控制策略，將系統(tǒng)分為具有不同充放電特性的多組儲(chǔ)能單元，以實(shí)現(xiàn)系統(tǒng)經(jīng)濟(jì)運(yùn)行；文獻(xiàn)［11］提出一種充放電角色可臨時(shí)轉(zhuǎn)換的雙電池組控制策略，通過(guò)設(shè)置電池間功率分配策略以減少電池調(diào)用量，避免儲(chǔ)能調(diào)節(jié)能力不足，減少壽命衰減和功率損耗；文獻(xiàn)［12］采用低通濾波算法并根據(jù)電池組充放電狀態(tài)和不平衡指數(shù)實(shí)時(shí)改變?yōu)V波時(shí)間常數(shù)，使電池組盡可能處于平衡狀態(tài)?，F(xiàn)有大部分研究多將電池組分成雙數(shù)單元分別進(jìn)行充放電，再配合其他控制調(diào)整策略處理不平衡問(wèn)題，但未考慮風(fēng)功率波動(dòng)可能導(dǎo)致雙電池一組容量過(guò)剩、一組容量不足的極端運(yùn)行問(wèn)題。

本文針對(duì)雙電池分組存在充放電不平衡問(wèn)題，提出三電池分組的控制策略。該策略設(shè)置一組備用副電池組，當(dāng)充電容量不足時(shí)充當(dāng)備用充電電池組，當(dāng)放電容量不足時(shí)充當(dāng)備用放電電池組。然后基于該三電池組運(yùn)行控制策略，提出一種綜合考慮經(jīng)濟(jì)成本、壽命期限、衰減指標(biāo)的多目標(biāo)電池儲(chǔ)能容量?jī)?yōu)化配置模型，旨在優(yōu)化電池運(yùn)行狀態(tài)，減少電池運(yùn)行損耗，在盡可能延長(zhǎng)電池使用壽命的同時(shí)保證經(jīng)濟(jì)性最優(yōu)，并通過(guò)非支配排序遺傳算法的迭代計(jì)算聯(lián)合CRITICTOPSIS綜合評(píng)價(jià)模型的決策方法得到最優(yōu)配置方案。最后通過(guò)算例分析，對(duì)比驗(yàn)證本文三電池分組控制策略與多目標(biāo)配置模型在提升電池充放電平衡度，減少電池運(yùn)行損耗方面的有效性。

1 風(fēng)電場(chǎng)儲(chǔ)能電池分組控制策略

1.1 基于不平衡度的電池分組運(yùn)行策略

目前采用整體控制的電池儲(chǔ)能系統(tǒng)（battery energystorage system，BESS）充放電頻繁，影響壽命，而采用雙組電池儲(chǔ)能系統(tǒng)因不平衡運(yùn)行問(wèn)題可能造成容量配置偏大。這是由于風(fēng)電功率具有隨機(jī)性，進(jìn)行風(fēng)能平滑的過(guò)程中，一段時(shí)間內(nèi)所需電池吸收和補(bǔ)償?shù)目偭靠赡芟嗖钶^大，又由于雙電池組運(yùn)行方式的特征，將導(dǎo)致承擔(dān)充電角色的電池組的剩余充電容量和承擔(dān)放電角色的剩余放電容量相差較大。如果儲(chǔ)能系統(tǒng)長(zhǎng)時(shí)間以這種不平衡狀態(tài)運(yùn)行，可能會(huì)進(jìn)入放電或充電容量不足的極端運(yùn)行狀態(tài)。下面將分別討論這兩種極端運(yùn)行情況。

BESS 充電能力不足狀態(tài)的荷電狀態(tài)（state of charge，SOC）如圖1 所示。第一次切換時(shí)BESS1 達(dá)到SOC 上限，但BESS2 離SOC 下限距離較遠(yuǎn)，交換充放電角色后將導(dǎo)致BESS 充電裕度減少，兩個(gè)電池組充放電不平衡，長(zhǎng)此以往到第4 次充放電切換以后就會(huì)出現(xiàn)充電能力嚴(yán)重不足的問(wèn)題，甚至出現(xiàn)無(wú)法正常運(yùn)行并有效平抑風(fēng)功率的情況。反之，放電能力不足的情況如圖2 所示。

可用不平衡度指數(shù)B （t） 評(píng)估電池組不平衡運(yùn)行的狀態(tài)，其表達(dá)式為：

B （t）=（ψSOC1 （t）+ψSOC2 （t））-（ψmax +ψmin ） （1）

式中：ψSOC1 （t）、ψSOC2 （t）——BESS1 和BESS2 的荷電狀態(tài)；ψmax、ψmin——每組電池SOC 可達(dá)到的最大值和最小值。B （t）越接近0 表明BESS 的不平衡度越小，B （t） 小于0 表示電池儲(chǔ)能系統(tǒng)放電裕量不足，反之則表示充電裕度不足。因此，B （t） 值越大，電池分組運(yùn)行的不平衡度越高。

影響電池儲(chǔ)能系統(tǒng)的不平衡度的因素包括電池充放電控制策略以及不同的電池容量配置方案。因此，本文提出一種新的三電池分組控制策略，并基于這種充放電運(yùn)行策略開(kāi)展容量配置，獲得最優(yōu)儲(chǔ)能裝配方案，以最大限度地改善電池運(yùn)行的不平衡程度，減少電池壽命損耗。然后比較不同分組控制策略與相同控制策略下不同的容量配置表現(xiàn)出的運(yùn)行不平衡程度。

1.2 三電池組分組運(yùn)行模式

本文的風(fēng)儲(chǔ)聯(lián)合系統(tǒng)的簡(jiǎn)化模型如圖3 所示。采用3 組電池儲(chǔ)能系統(tǒng)分組控制交替平滑風(fēng)電功率。其中BESS1 和BESS2 型號(hào)參數(shù)相同，作為主充放電電池組；BESS3 參數(shù)規(guī)格不同，作為副充放電電池組，即儲(chǔ)備電池組。本研究主要目的是優(yōu)化配置3 組BESS 的額定容量與功率。

風(fēng)電機(jī)組在t 時(shí)刻出力為Pw （t），3 組BESS 在t 時(shí)刻出力分別為Pb1 （t）、Pb2 （t） 和Pb3 （t），通過(guò)DC/AC 變流器與風(fēng)電場(chǎng)并聯(lián)接入交流電網(wǎng)，其總匯入功率為Pg （t）。表達(dá)式為：

Pg （t）=Pw （t）+Pb1 （t）+Pb2 （t）+Pb3 （t） （2）

該三電池組系統(tǒng)中BESS1 和BESS2 均只能連續(xù)充電或放電，且同一時(shí)刻兩個(gè)電池組不能同時(shí)工作。BESS3 無(wú)調(diào)用指令時(shí)處于懸停關(guān)閉狀態(tài)。當(dāng)BESS1 或BESS2 中的一組達(dá)到荷電狀態(tài)限值，則發(fā)送調(diào)用指令給BESS3，BESS3 即刻開(kāi)啟代替達(dá)到限制的電池組運(yùn)行，與另一組電池組配合繼續(xù)進(jìn)行充電或放電平抑風(fēng)電功率。當(dāng)BESS3 和另一組電池組的其中一組再一次達(dá)到荷電狀態(tài)上下限時(shí)，BESS3 立即關(guān)閉，BESS1 和BESS2 開(kāi)啟并交換充放電角色配合運(yùn)行。

同樣的控制策略下電池壽命與電池額定容量的關(guān)系、電池壽命周期內(nèi)的成本與額定容量的關(guān)系、電池經(jīng)濟(jì)成本與壽命的關(guān)系以及衰減指標(biāo)與壽命的關(guān)系如圖5 所示。

分析可知，在相同充放電策略下，電池容量越小，電池越快達(dá)到壽命期限；但相反，此時(shí)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性較好，成本較低。儲(chǔ)能壽命越長(zhǎng)，所需的運(yùn)行維護(hù)費(fèi)用逐年升高，因此經(jīng)濟(jì)成本與壽命這兩個(gè)指標(biāo)相互矛盾，配置時(shí)需折中考慮取較優(yōu)方案。衰減指標(biāo)與使用壽命整體呈反相關(guān)趨勢(shì)，指標(biāo)越高，電池充放電切換頻繁，運(yùn)行損耗增加，壽命減少。

本文利用NSGA-Ⅱ算法求解該多目標(biāo)問(wèn)題，將獲得的Pareto 前沿中的解集經(jīng)過(guò)CRITIC-TOPSIS 法計(jì)算各個(gè)解的綜合評(píng)價(jià)值v。表3 中展示部分求解結(jié)果及對(duì)應(yīng)的綜合評(píng)價(jià)值。

根據(jù)CRITIC-TOPSIS 法計(jì)算得到的綜合評(píng)價(jià)值進(jìn)行決策，選取評(píng)價(jià)值最高的求解結(jié)果作為最優(yōu)配置方案，即裝配兩個(gè)額定容量16.5 MWh 和一個(gè)額定容量7.7 MWh 的電池組以及額定功率為7.31 MW 的DC/AC 變流器。此時(shí)電池使用壽命為11 a，壽命周期內(nèi)經(jīng)濟(jì)成本為7650.9 萬(wàn)元，平均衰減指標(biāo)為0.0002。這個(gè)配置方案既能將風(fēng)電出力波動(dòng)平滑到國(guó)家標(biāo)準(zhǔn)規(guī)定之內(nèi)，即在1 和10 min 內(nèi)的功率波動(dòng)分別降至15 和50 MW 以下［16］，又能使壽命、衰減程度以及經(jīng)濟(jì)性相對(duì)情況下折中最優(yōu)。風(fēng)電場(chǎng)出力在平抑前后的功率波動(dòng)如圖6所示。

3.2 不同控制策略電池狀態(tài)及配置對(duì)比

本文將三電池組和單、雙電池組在250 MW 風(fēng)電場(chǎng)同樣的風(fēng)電出力及目標(biāo)平抑功率下的配置結(jié)果與運(yùn)行狀態(tài)作對(duì)比。3 種電池組充放電控制策略應(yīng)用在多目標(biāo)配置模型下的結(jié)果如表4 所示。

三電池控制策略下需配置兩個(gè)16.5 MWh 和一個(gè)7.7 MWh的電池組，總共40.7 MWh；雙電池組最佳配置兩個(gè)容量為28.8 MWh 的電池組，總共即57.6 MWh；而單電池組需配置68.7 MWh。可見(jiàn)本文的三電池分組控制策略下儲(chǔ)能需配置的總?cè)萘孔钚?，成本最少，?jié)約了投資費(fèi)用。且可看到本文三電池控制策略下電池平均衰減指標(biāo)最小，雙電池組為其6倍，說(shuō)明本文運(yùn)行策略能有效改善電池組分組運(yùn)行不平衡的問(wèn)題。未設(shè)置特殊控制策略而運(yùn)行的單電池組的衰減指標(biāo)最大，為雙電池組平均衰減指標(biāo)的4 倍，電池?fù)p耗嚴(yán)重，這就導(dǎo)致雖然單電池組的電池容量極大但使用壽命卻比雙電池組少了兩年。綜上，可驗(yàn)證本文的三電池組策略能在較大程度上節(jié)約儲(chǔ)能建設(shè)成本與維護(hù)費(fèi)用，減小電池不平衡運(yùn)行的損耗。而形成以上優(yōu)勢(shì)的根本原因是電池充放電切換次數(shù)少，接下來(lái)將對(duì)3 種電池組控制策略下的電池實(shí)際運(yùn)行狀態(tài)進(jìn)行具體分析。

本文所提出的三電池組分組控制策略運(yùn)行的風(fēng)儲(chǔ)系統(tǒng)中，3 個(gè)電池SOC 狀態(tài)與BESS1、BESS3 充放電功率如圖7和圖8 所示。初始時(shí)刻BESS1 充電，BESS2 放電，BESS3 處在ψSOC3=0.5 的狀態(tài)懸停等待。在285 min 時(shí)BESS2 放電到達(dá)SOC 下限0.1，放電裕度用盡；此時(shí)BESS1 的ψSOC1=0.7，仍有充電裕度。因此BESS3 在該時(shí)刻替換BESS2 充當(dāng)放電電池組，與BESS1 配合繼續(xù)進(jìn)行風(fēng)電平抑。在345 min 時(shí)BESS1 充電達(dá)到SOC 上限0.9，BESS3 關(guān)閉，BESS2 開(kāi)啟并與BESS1 交換充放電角色，繼續(xù)配合運(yùn)行。此次兩個(gè)主電池組均實(shí)現(xiàn)了完全充放電才切換，有效降低了充放電切換頻率，減少了電池?fù)p耗。

當(dāng)采用雙電池儲(chǔ)能系統(tǒng)分組控制時(shí)，一天內(nèi)雙電池的SOC 狀態(tài)和BESS1 的功率變化情況如圖9 所示。初始時(shí)刻BESS1 充電，BESS2 放電。在540 min 時(shí)BESS1 充電到達(dá)SOC 上限，盡管此時(shí)BESS2 仍有放電裕度，但兩個(gè)電池組必須立即切換充放電角色繼續(xù)投入運(yùn)行，如此循環(huán)往復(fù)。

本文提出的三電池組的分組控制策略下電池在運(yùn)行時(shí)每次切換幾乎均已完全充放電，而在現(xiàn)有文獻(xiàn)的策略下，每次切換時(shí)電池組荷電狀態(tài)都與上下限有一定差距。該算例中，在本文策略下絕對(duì)不平衡指數(shù)|B|在第1 個(gè)切換時(shí)刻為0，第2 個(gè)切換時(shí)刻為0.0231，第3 個(gè)切換時(shí)刻又回到0。但在傳統(tǒng)策略中，在第1 個(gè)切換時(shí)刻，絕對(duì)不平衡指數(shù)為0.0465，在第2 個(gè)切換時(shí)刻，|B|達(dá)到0.1615，是本文策略中|B|的8 倍。因此，增加了出現(xiàn)極端的充放電能力不足情況的可能性。另一方面也證實(shí)本文策略具有改善不平衡性的作用。

而當(dāng)采用單電池儲(chǔ)能系統(tǒng)時(shí)，充放電均由同一電池組承擔(dān)。一天內(nèi)單電池的SOC 和功率變化情況如圖10 所示。單電池組的充放電狀態(tài)完全由風(fēng)電功率的波動(dòng)決定。三電池和雙電池組的完成一個(gè)充放電循環(huán)的切換周期均為幾小時(shí)，而單電池組在此間經(jīng)歷了無(wú)數(shù)次充放電。

3.3 多目標(biāo)與單目標(biāo)配置結(jié)果對(duì)比

本文相較于大部分考慮經(jīng)濟(jì)指標(biāo)的文獻(xiàn)，還考慮了壽命與衰減度指標(biāo)。將本文方法與文獻(xiàn)［18］中用自適應(yīng)權(quán)重粒子群優(yōu)化算法（particle swarm optimization，PSO）計(jì)算年成本最小時(shí)儲(chǔ)能容量的方法獲得的配置方案對(duì)比得表5。

只考慮經(jīng)濟(jì)目標(biāo)的配置方案，未對(duì)電池使用壽命和衰減指標(biāo)進(jìn)行調(diào)控，儲(chǔ)能容量配置較小，但儲(chǔ)能壽命短，同時(shí)不平衡度也較高，電池?fù)p耗嚴(yán)重，因此運(yùn)行維護(hù)費(fèi)用升高造成了總成本升高，導(dǎo)致了不必要的浪費(fèi)。

3.4 不同求解及決策方法的對(duì)比

本文首先用NSGA-Ⅱ算法計(jì)算多目標(biāo)問(wèn)題，獲得包含180 個(gè)方案的Pareto 前沿?cái)?shù)據(jù)，然后使用CRITIC 方法計(jì)算每個(gè)目標(biāo)的客觀權(quán)重，分別為0.27、0.47、0.26，再通過(guò)TOPSIS技術(shù)基于每個(gè)方案與理想解決方案的相似性確定排列順序，最終得出最佳解。而現(xiàn)有關(guān)于電池分組控制的研究中通常使用歸一化以及人為取權(quán)重線性加權(quán)，化多目標(biāo)為單目標(biāo)直接求解［2］，或用多目標(biāo)求得前沿后使用模糊隸屬度函數(shù)決策獲得折中解［19］。將本文客觀決策方法與現(xiàn)有文獻(xiàn)中以決策者對(duì)各目標(biāo)的滿意程度為依據(jù)的傳統(tǒng)方法得到的配置方案對(duì)比，如表6 所示。

傳統(tǒng)方法中的主觀權(quán)重僅根據(jù)決策者的偏好水平而設(shè)定，因此權(quán)重分配過(guò)程不精準(zhǔn)將有失偏頗。例如表6 中0.10、0.70、0.20 的權(quán)重分配，當(dāng)成本權(quán)重取偏大時(shí)僅對(duì)經(jīng)濟(jì)性有益，但相較于本文方法，電池不平衡運(yùn)行加劇，衰減指標(biāo)水平過(guò)高促使電池?fù)p耗增加，以及電池初始容量配置得小，共同導(dǎo)致了電池使用壽命減少。而表6 中0.33、0.33、0.34 的權(quán)重分配，僅僅簡(jiǎn)單地當(dāng)3 種目標(biāo)權(quán)重均分，雖然電池衰減程度降低，壽命延長(zhǎng)，但成本增加幅度過(guò)大，不利于經(jīng)濟(jì)性。

本文方法計(jì)算得出的客觀權(quán)重是基于每個(gè)標(biāo)準(zhǔn)的對(duì)比強(qiáng)度和標(biāo)準(zhǔn)之間的沖突分別使用標(biāo)準(zhǔn)差和相關(guān)系數(shù)來(lái)衡量的，隨Pareto 前沿得到的矩陣數(shù)據(jù)變化而變化。且TOPSIS相較于普通的簡(jiǎn)單排序，是一種逼近理想解的距離比較排序。當(dāng)政策市場(chǎng)等因素導(dǎo)致具體參數(shù)和目標(biāo)函數(shù)變化時(shí)，本文方法仍然可行，具有較強(qiáng)的客觀性、普適性、綜合性。

4 結(jié) 論

本文針對(duì)風(fēng)儲(chǔ)聯(lián)合系統(tǒng)中應(yīng)用于風(fēng)電功率波動(dòng)平抑的電池儲(chǔ)能系統(tǒng)，提出一種基于三電池組分組運(yùn)行策略的多目標(biāo)儲(chǔ)能配置模型，并研究該策略與該模型在改善衰減指標(biāo)，減輕不平衡程度方面的效果。本文貢獻(xiàn)和成果有：

1）提出一種新的三電池組分組控制運(yùn)行策略，闡明主副電池組運(yùn)行的原理及特征并建立具體充放電模型。比較不同的電池分組控制策略下的最優(yōu)容量配置方案與電池運(yùn)行狀態(tài)，驗(yàn)證本文所提三電池組風(fēng)儲(chǔ)系統(tǒng)在降低不平衡運(yùn)行損耗方面的有效性。

2）提出考慮電池壽命期限、經(jīng)濟(jì)成本和衰減程度的多目標(biāo)配置模型，并與傳統(tǒng)成本目標(biāo)模型對(duì)比，顯示本文模型優(yōu)越性。

3）采用CRITIC-TOPSIS 綜合決策法處理NSGA-Ⅱ算法計(jì)算得到的Pareto 前沿，使配置結(jié)果的處理與決策更具客觀性和綜合性。

［參考文獻(xiàn)］

［1］ 曹明浩， 于繼來(lái). 面向風(fēng)電場(chǎng)發(fā)電曲線偏差校正的電化學(xué)儲(chǔ)能系統(tǒng)容量規(guī)劃方法［J］. 電力系統(tǒng)自動(dòng)化， 2022，46（11）： 27-36.

CAO M H， YU J L. Capacity planning method ofelectrochemical energy storage system for generation curvedeviation correction of wind power farm［J］. Automation ofelectric power systems， 2022， 46（11）： 27-36.

［2］ 張小蓮， 陳沖， 張仰飛， 等. 考慮電池運(yùn)行狀態(tài)的風(fēng)電場(chǎng)儲(chǔ)能容量?jī)?yōu)化配置［J］. 電力系統(tǒng)自動(dòng)化， 2022， 46（18）： 199-207.

ZHANG X L， CHEN C， ZHANG Y F， et al. Optimalconfiguration of wind farm energy storage capacityconsidering battery operation state［J］. Automation ofelectric power systems， 2022， 46（18）： 199-207.

［3］ 劉仲民， 齊國(guó)愿， 高敬更， 等. 基于自適應(yīng)VMD的混合儲(chǔ)能容量?jī)?yōu)化配置研究［J］. 太陽(yáng)能學(xué)報(bào)， 2022， 43（4）：75-81.

LIU Z M， QI G Y， GAO J G， et al. Research on optimalconfiguration of hybrid energy storage capacity based onadaptive VMD［J］. Acta energiae solaris sinica， 2022， 43（4）： 75-81.

［4］ 彭春華， 陳露， 張金克， 等. 基于分類概率機(jī)會(huì)約束IGDT的配網(wǎng)儲(chǔ)能多目標(biāo)優(yōu)化配置［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2020， 40（9）： 2809-2819.

PENG C H， CHEN L， ZHANG J K， et al. Multi-objectiveoptimal allocation of energy storage in distribution networkbased on classified probability chance constraintinformation gap decision theory［J］. Proceedings of theCSEE， 2020， 40（9）： 2809-2819.

［5］ 趙偉， 袁錫蓮， 周宜行， 等. 考慮運(yùn)行壽命內(nèi)經(jīng)濟(jì)性最優(yōu)的梯次電池儲(chǔ)能系統(tǒng)容量配置方法［J］. 電力系統(tǒng)保護(hù)與控制， 2021， 49（12）： 16-24.

ZHAO W， YUAN X L， ZHOU Y X， et al. Capacityconfiguration method of a second-use battery energystorage system considering economic optimization withinservice life［J］. Power system protection and control，2021， 49（12）： 16-24.

［6］ 李培強(qiáng)， 李雄， 蔡筍， 等. 風(fēng)電場(chǎng)含退役動(dòng)力電池的混合儲(chǔ)能系統(tǒng)容量?jī)?yōu)化配置［J］. 太陽(yáng)能學(xué)報(bào)， 2022， 43（5）： 492-498.

LI P Q， LI X， CAI S， et al. Capacity optimizationconfiguration of hybrid energy storage system with retiredpower batteries in wind farms［J］. Acta energiae solarissinica， 2022， 43（5）： 492-498.

［7］ 馬玲， 魏成偉， 謝麗蓉， 等. 基于退役動(dòng)力電池的風(fēng)儲(chǔ)有功功率協(xié)調(diào)控制策略［J］. 太陽(yáng)能學(xué)報(bào)， 2021， 42（10）： 437-443.

MA L， WEI C W， XIE L R， et al. Coordinated controlstrategy for wind storage active power of decommissionedpower battery［J］. Acta energiae solaris sinica， 2021， 42（10）： 437-443.

［8］ 魏東輝， 趙清華， 于舜堯， 等. 一種新型雙電池風(fēng)力發(fā)電儲(chǔ)能系統(tǒng)及控制策略［J］. 太陽(yáng)能學(xué)報(bào)， 2021， 42（3）：259-267.

WEI D H， ZHAO Q H， YU S Y， et al. A novel dualbatteryenergy storage system and control strategy for windpower application［J］. Acta energiae solaris sinica， 2021，42（3）： 259-267.

［9］ 孫玉樹(shù)， 張國(guó)偉， 唐西勝， 等. 風(fēng)電功率波動(dòng)平抑下的MPC雙儲(chǔ)能控制策略研究［J］. 電工技術(shù)學(xué)報(bào)， 2019， 34（3）： 571-578.

SUN Y S， ZHANG G W， TANG X S， et al. Research onMPC and daul energy storage control strategies with windpower fluctuation mitigation［J］. Transactions of ChinaElectrotechnical Society， 2019， 34（3）： 571-578.

［10］ SUN Y S， PEI W， JIA D Q， et al. Application ofintegrated energy storage system in wind power fluctuationmitigation［J］. Journal of energy storage， 2020， 32：101835.

［11］ 嚴(yán)干貴， 蔡長(zhǎng)興， 段雙明， 等. 考慮電池儲(chǔ)能單元分組優(yōu)化的微電網(wǎng)運(yùn)行控制策略［J］. 電力系統(tǒng)自動(dòng)化，2020， 44（23）： 38-46.

YAN G G， CAI C X， DUAN S M， et al. Operation controlstrategy of microgrid considering grouping optimization ofbattery energy storage units［J］. Automation of electricpower systems， 2020， 44（23）： 38-46.

［12］ 張小蓮， 陳沖， 張仰飛， 等. 考慮充放電不平衡的風(fēng)電功率平滑電池分組控制［J］. 控制理論與應(yīng)用， 2022， 39（3）： 449-458.

ZHANG X L， CHEN C， ZHANG Y F， et al. Batterygrouping control for wind power smoothing consideringunbalanced charging and discharging［J］. Control theory amp;applications， 2022， 39（3）： 449-458.

［13］ GONG Q W， WANG Y B. Economic dispatching strategyof double lead-acid battery packs considering variousfactors［J］. Journal of electrical engineering amp; technology，2021， 16（1）： 191-203.

［14］ GB/T 19963.1—2021， 風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定第1部分：陸上風(fēng)電［S］.

GB/T 19963.1—2021， Technical specification forconnecting wind farm to power system： Part 1： On shorewind power［S］.

［15］ 李咸善， 解仕杰， 方子健， 等. 多微電網(wǎng)共享儲(chǔ)能的優(yōu)化配置及其成本分?jǐn)偅跩］. 電力自動(dòng)化設(shè)備， 2021， 41（10）： 44-51.

LI X S， XIE S J， FANG Z J， et al. Optimal configurationof shared energy storage for multi-microgrid and its costallocation［J］. Electric power automation equipment，2021， 41（10）： 44-51.

［16］ 秦子愷， 黃婧杰， 周任軍， 等. 計(jì)及源-荷不確定性的虛擬電廠多目標(biāo)魯棒優(yōu)化調(diào)度［J］. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)， 2023， 35（6）： 13-21.

QIN Z K， HUANG J J， ZHOU R J， et al. Multi-objectiverobust optimal scheduling of virtual power plantconsidering source-load uncertainty［J］. Proceedings of theCSU-EPSA， 2023， 35（6）： 13-21.

［17］ 胡昱， SEAMUS D Garvey， 許未晴， 等. 基于（火用）分析的儲(chǔ)罐式壓縮空氣儲(chǔ)能系統(tǒng)的成本優(yōu)化［J］. 機(jī)械工程學(xué)報(bào)， 2022， 58（12）： 261-269.

HU Y， GARVEY S， XU W Q， et al. Cost optimization oftank-type compressed air energy storage systems based onexergy analysis［J］. Journal of mechanical engineering，2022， 58（12）： 261-269.

［18］ WANG Y L， SONG F H， MA Y Z， et al. Research oncapacity planning and optimization of regional integratedenergy system based on hybrid energy storage system［J］.Applied thermal engineering， 2020， 180： 115834.

［19］ 李飛， 李咸善， 李振興， 等. 基于梯級(jí)水電調(diào)節(jié)的多能聯(lián)合發(fā)電系統(tǒng)短期優(yōu)化調(diào)度［J］. 電力系統(tǒng)保護(hù)與控制，2022， 50（15）： 11-20.

LI F， LI X S， LI Z X， et al. Short-term optimal schedulingof multi-energy combined generation systems based on theregulation of cascade hydropower stations［J］. Powersystem protection and control， 2022， 50（15）： 11-20.

基金項(xiàng)目：智能電網(wǎng)保護(hù)和運(yùn)行控制國(guó)家重點(diǎn)實(shí)驗(yàn)室（SGNR0000KJJS2200297）；國(guó)家自然科學(xué)基金中英合作項(xiàng)目（52061635102）