图2 主要的新能源侧储能配置方法归纳

Fig.2 Summary of main energy storage configuration methods on the renewable energy side

2.1.1 基于时序运行仿真的配置方法

文献[17-20，36，40-45，64]均采用基于时序运行仿真的配置方法，开展追求技术目标的单目标配置。基于时序运行仿真的配置方法，首先需要获取新能源电站的历史运行数据，另据储能应用场景不同，如在补偿新能源预测误差场景下，还需要对应时段的功率预测数据等，根据应用场景明确“新能源+储能”联合输出技术指标，制定储能系统充放电控制策略，在考虑充放电效率、SOC运行范围、电量平衡等约束条件下，仿真计算出储能系统的时序功率需求数据，在考虑置信区间或权衡储能投资和应用效果后，基于时序功率需求数据样本，计算储能系统的额定功率和额定容量。

2.1.2 确定性配置方法

确定性配置方法[37, 45, 59, 61, 65]是建立在对数据样本进行确定性假设的基础上，基于典型时段的新能源历史运行数据、调度数据、网侧数据等，以储能系统的额定功率、额定容量，有时还包含储能系统的接入位置作为决策变量，建立技术性或技术/经济联合优化模型，再对应选择适用的智能求解算法，计算得到储能优化配置方案。

2.1.3 不确定性配置方法

新能源出力、功率预测、电网消纳能力等方面的不确定性带来了储能需求的不确定性，针对这些不确定性，不确定性规划理论被用来解决储能配置问题，不确定性规划包括随机规划、模糊规划、鲁棒优化等方法。其中随机规划和鲁棒优化被较多地应用于新能源侧的储能配置问题。

通过在新能源电站配置储能使“新能源+储能”完全可控既不经济也不现实，机会约束规划是将传统优化中完全满足约束软化为满足约束条件的概率高于某一置信水平的优化方法[66]。文献[67-68]基于机会约束模型开展区域电网的储能配置研究，置信水平体现了符合机会约束的最小概率与管理者的风险承担水平。

场景分析法是将连续的随机变量的概率分布模型转化为离散场景的集合，用尽量少的场景逼近原随机变量的分布，并在各场景下求解原问题，从而将随机优化问题转化为确定性优化问题[63, 69-72]，简化对随机优化问题的求解。文献[51]针对储能配置过程中需要考虑负荷和风电出力的随机性，采用随机场景生成和削减方法构建了多个涵盖负荷和风电随机性的典型年场景。文献[21]结合多场景随机规划与基于序贯蒙特卡罗的运行模拟，采用考虑风电出力和负荷典型场景集的随机规划模型，计算风电场的储能配置容量。文献[73-75]分别基于场景树、机会约束方法融合风电出力的不确定性，以提升系统的灵活性为目标，研究了大电网中储能的最优投资方案。