考虑多目标优化模型的风电场储能容量配置方案

doi:10.12096/j.2096-4528.pgt.22020

摘要/Abstract

摘要：

提出一种风电场配置锂离子电池和超级电容混合储能系统的新方法，利用小波包分频技术对原始风功率进行分解，得到混合储能系统补偿功率。以混合储能配置方案为优化变量，引入改进后的全寿命周期成本，建立了净收益-波动性-弃风量的多目标储能系统配置模型。采用改进概率变异粒子群优化(probabilistic mutation particle swarm optimization，PMPSO)算法对该模型进行求解，得到Pareto解集，对解集进行归一化处理，得出熵权最优配置方案，并与单目标最优方案进行对比，验证了熵权最优配置方案对经济性和功能性的兼容性。通过与自适应量子粒子群优化算法(adaptive quantum particle swarm optimization，AQPSO)进行对比，验证了改进PMPSO算法得到的熵权最优配置方案在保证弃风量和波动性较小的同时，配置更小容量的储能以获得更大的收益，满足多目标配置需求。

关键词: 储能, 风电场, 多目标求解, 优化配置, 锂离子电池, 超级电容

Abstract:

A new scheme of lithium ion battery and super capacitor hybrid energy storage system in wind farm was proposed. The original wind power was decomposed by the wavelet packet frequency division technology to obtain the compensation power of the hybrid energy storage system. Taking the hybrid energy storage configuration scheme as the optimization variable, the improved life cycle cost was introduced, and a multi-objective energy storage system configuration model of net income volatility waste air volume was established. The model was solved by the improved probabilistic mutation particle swarm optimization (PMPSO) to obtain the Pareto solution set. The solution set was normalized to obtain the optimal allocation scheme of entropy weight. Compared with the single objective optimal scheme, it shows that the optimal allocation scheme of entropy weight takes into account both economy and function. Compared with the adaptive quantum particle swarm optimization (AQPSO), it is verified that the optimal allocation scheme of entropy weight obtained by improved PMPSO algorithm not only ensures the small waste air volume and volatility, but also configures the energy storage with smaller capacity to obtain greater benefits and meet the multi-objective allocation requirements.

Key words: energy storage, wind farm, multi-objective solution, optimal allocation, lithium ion battery, super capacitor

中图分类号:

TK 02

陈晓光, 杨秀媛, 王镇林, 王浩扬. 考虑多目标优化模型的风电场储能容量配置方案[J]. 发电技术, 2022, 43(5): 718-730.

Xiaoguang CHEN, Xiuyuan YANG, Zhenlin WANG, Haoyang WANG. Energy Storage Capacity Allocation Scheme of Wind Farm Considering Multi-Objective Optimization Model[J]. Power Generation Technology, 2022, 43(5): 718-730.

图/表 16

图1 概率变异示意图

Fig. 1 Schematic diagram of probability variation

图2 储能优化配置流程图

Fig. 2 Flow chart of energy storage optimization allocation

表1 储能经济参数

Tab. 1 Energy storage economic parameters

参数	锂离子电池	超级电容
$C p p u r$ /(元/kW)	9 000	1 860
$C e p u r$ /[元/(kW⋅h)]	9 600	12 400
$C p a u$ /(元/kW)	620	620
$C p o m$ /[元/(kW⋅a)]	62	80.6
$C e o m$ /[元/(kW⋅h⋅a)]	0.014 07	0.013 4
$C p e x$ /(元/kW)	2 472.3	1 860
$C p s c$ /(元/kW)	465	93
$C e s c$ /[元/(kW⋅h)]	0	0
$α m u l$ /[元/(kW⋅h)]	0.55	0.55
$α s u b$ /[元/(kW⋅h)]	0.89	0.89
$α l a c k$ /[元/(MW⋅h)]	0.55	0.55
$α a b$ /[元/(MW⋅h)]	0.55	0.55

表1 储能经济参数

Tab. 1 Energy storage economic parameters

参数	锂离子电池	超级电容
$C p p u r$ /(元/kW)	9 000	1 860
$C e p u r$ /[元/(kW⋅h)]	9 600	12 400
$C p a u$ /(元/kW)	620	620
$C p o m$ /[元/(kW⋅a)]	62	80.6
$C e o m$ /[元/(kW⋅h⋅a)]	0.014 07	0.013 4
$C p e x$ /(元/kW)	2 472.3	1 860
$C p s c$ /(元/kW)	465	93
$C e s c$ /[元/(kW⋅h)]	0	0
$α m u l$ /[元/(kW⋅h)]	0.55	0.55
$α s u b$ /[元/(kW⋅h)]	0.89	0.89
$α l a c k$ /[元/(MW⋅h)]	0.55	0.55
$α a b$ /[元/(MW⋅h)]	0.55	0.55

表2 相关技术参数

Tab. 2 Relevant technical parameters

参数	取值
$δ r e s$ /%	4
$k p a s s$ /(元/kW)	1 500
i₀/%	10

表2 相关技术参数

Tab. 2 Relevant technical parameters

参数	取值
$δ r e s$ /%	4
$k p a s s$ /(元/kW)	1 500
i₀/%	10

图3 改进PMPSO算法的Pareto解集

Fig. 3 Pareto solution set of improved PMPSO algorithm

表3 改进PMPSO Pareto部分解集

Tab. 3 Partial solution set of improved PMPSO Pareto

编号	$P l i_r a t e$ /MW	$E l i_r a t e$ /(MW·h)	$P s c_r a t e$ /MW	$E s c_r a t e$ /(MW⋅h)	$f 2$ /(10⁵MW)	$f 1$ /(10⁷元)	$f 3$ /(MW⋅h)	$χ$ /MW
1	7.545	13.486	2.544	1.505	2.310	-6.71	11 457	4.15
2	6.878	12.156	2.321	1.416	2.449	-7.081	12 952	3.94
3	6.654	11.637	2.085	1.320	2.656	-7.28	14 941	3.25
4	5.989	10.021	1.346	1.103	2.837	-7.368	16 950	2.91
5	5.825	9.298	1.276	0.847	3.075	-7.447	19 072	1.85
6	4.985	8.521	0.996	0.740	3.299	-7.486	21 654	1.06
7	4.035	7.024	0.968	0.535	3.380	-7.500	22 456	0.09

表3 改进PMPSO Pareto部分解集

Tab. 3 Partial solution set of improved PMPSO Pareto

编号	$P l i_r a t e$ /MW	$E l i_r a t e$ /(MW·h)	$P s c_r a t e$ /MW	$E s c_r a t e$ /(MW⋅h)	$f 2$ /(10⁵MW)	$f 1$ /(10⁷元)	$f 3$ /(MW⋅h)	$χ$ /MW
1	7.545	13.486	2.544	1.505	2.310	-6.71	11 457	4.15
2	6.878	12.156	2.321	1.416	2.449	-7.081	12 952	3.94
3	6.654	11.637	2.085	1.320	2.656	-7.28	14 941	3.25
4	5.989	10.021	1.346	1.103	2.837	-7.368	16 950	2.91
5	5.825	9.298	1.276	0.847	3.075	-7.447	19 072	1.85
6	4.985	8.521	0.996	0.740	3.299	-7.486	21 654	1.06
7	4.035	7.024	0.968	0.535	3.380	-7.500	22 456	0.09

图4 Pareto典型配置方案目标函数值

Fig. 4 Objective function values of Pareto typical allocation schemes

图5 不同方案成本和总收益曲线

Fig. 5 Cost and total benefit curves of different schemes

表4 1、7、8号方案的容量配置

Tab. 4 Capacity configuration of scheme 1, 7, 8

方案

P l i_r a t e

/MW

$E l i_r a t e$ /

(MW⋅h)

P s c_r a t e

/MW

$E s c_r a t e$ /

(MW⋅h)

表4 1、7、8号方案的容量配置

Tab. 4 Capacity configuration of scheme 1, 7, 8

方案

P l i_r a t e

/MW

$E l i_r a t e$ /

(MW⋅h)

P s c_r a t e

/MW

$E s c_r a t e$ /

(MW⋅h)

7.545

13.486

2.544

1.505

4.035

7.024

0.968

0.535

6.075

10.084

1.538

1.245

表5 1、7、8号方案的评价参数

Tab. 5 Evaluation parameters of scheme 1, 7, 8

评价参数	1号方案	7号方案	8号方案
最大波动量/MW	0.85	4.91	2.02
$f 2$ /(10¹¹W)	2.310	3.380	2.814
$f 3$ /(MW⋅h)	11 457	22 456	16 740
成本/(10⁷元)	15.084	13.918	14.146
净收益/(10⁷元)	6.71	7.5	7.354
$ε$ /%	Li：1.25 Sc：1.59	Li：12.67 Sc：11.25	Li：5.67 Sc：4.63
储能年限/a	10.3	9.52	10.32
熵权拟合度	0.498	0.502	0.995

表5 1、7、8号方案的评价参数

Tab. 5 Evaluation parameters of scheme 1, 7, 8

评价参数	1号方案	7号方案	8号方案
最大波动量/MW	0.85	4.91	2.02
$f 2$ /(10¹¹W)	2.310	3.380	2.814
$f 3$ /(MW⋅h)	11 457	22 456	16 740
成本/(10⁷元)	15.084	13.918	14.146
净收益/(10⁷元)	6.71	7.5	7.354
$ε$ /%	Li：1.25 Sc：1.59	Li：12.67 Sc：11.25	Li：5.67 Sc：4.63
储能年限/a	10.3	9.52	10.32
熵权拟合度	0.498	0.502	0.995

图6 1、7、8号方案日运行曲线

Fig. 6 Daily operation curves of scheme 1, 7, 8

图7 1、7、8号方案储能系统功率

Fig. 7 Energy storage system power of scheme 1, 7, 8

图8 不同算法Pareto最优解集

Fig. 8 Pareto optimal solution sets of different algorithms

表6 8、9号方案的容量配置

Tab. 6 Capacity configuration of scheme 8, 9

方案	$P l i_r a t e$ /MW	$E l i_r a t e$ /(MW⋅h)	$P s c_r a t e$ /MW	$E s c_r a t e$ /(MW⋅h)
8	6.075	10.084	1.538	1.245
9	6.512	11.865	1.542	1.547

表6 8、9号方案的容量配置

Tab. 6 Capacity configuration of scheme 8, 9

方案	$P l i_r a t e$ /MW	$E l i_r a t e$ /(MW⋅h)	$P s c_r a t e$ /MW	$E s c_r a t e$ /(MW⋅h)
8	6.075	10.084	1.538	1.245
9	6.512	11.865	1.542	1.547

表7 8、9号方案的评价参数

Tab. 7 Evaluation parameters of scheme 8, 9

评价参数	8号方案	9号方案
最大波动量/MW	2.02	1.82
$f 2$ /(10¹¹W)	2.814	2.821
$f 3$ /(MW⋅h)	16 740	16 905
成本/(10⁷元)	14.146	16.365
净收益/(10⁷元)	7.354	7.031
$ε$ /%	Li：5.67 Sc：4.63	Li：1.25 Sc：1.59
储能年限/a	10.32	10.75

表7 8、9号方案的评价参数

Tab. 7 Evaluation parameters of scheme 8, 9

评价参数	8号方案	9号方案
最大波动量/MW	2.02	1.82
$f 2$ /(10¹¹W)	2.814	2.821
$f 3$ /(MW⋅h)	16 740	16 905
成本/(10⁷元)	14.146	16.365
净收益/(10⁷元)	7.354	7.031
$ε$ /%	Li：5.67 Sc：4.63	Li：1.25 Sc：1.59
储能年限/a	10.32	10.75

图9 8、9号方案风功率和储能补偿功率日运行图

Fig. 9 Daily operation diagram of wind power and energy storage compensation power of scheme 8, 9

参考文献 35

1	舒印彪，张智刚，郭剑波，等．新能源消纳关键因素分析及解决措施研究[J]．中国电机工程学报，2017，37(1)：1-9．
	SHU Y B， ZHANG Z G， GUO J B，et al ．Study on key factors and solution of renewable energy accommodation[J]．Proceedings of the CSEE，2017，37(1)：1-9．
2	杨立滨，曹阳，魏韡，等．计及风电不确定性和弃风率约束的风电场储能容量配置方法[J]．电力系统自动化，2020，44(16)：45-52． doi:10.7500/AEPS20200224004
	YANG L B， CAO Y， WEI W，et al ．Configuration method of energy storage for wind farms considering wind power uncertainty and wind curtailment constraint[J]．Automation of Electric Power Systems，2020，44(16)：45-52． doi:10.7500/AEPS20200224004
3	李滨，吴思缘，阳育德，等．大型风电场的控制性能评价标准及储能控制策略研究[J]．中国电机工程学报，2017，37(16)：91-98． doi:10.13334/j.0258-8013.pcsee.161261
	LI B， WU S Y， YANG Y D，et al ．A research on the control performance standard and energy storage control strategy for large scale wind farms[J]．Proceedings of the CSEE，37(16)：91-98． doi:10.13334/j.0258-8013.pcsee.161261
4	孙黎霞，鞠平，白景涛，等. 计及蓄电池寿命的冷热电联供型微电网多目标经济优化运行[J]．发电技术，2020，41(1)：64-72. doi:10.12096/j.2096-4528.pgt.19175
	SUN L X， JU P， BAI J T，et al. Multi-objective economic optimal operation of microgrid based on combined cooling， heating and power considering battery life[J]．Power Generation Technology，2020，41(1)：64-72． doi:10.12096/j.2096-4528.pgt.19175
5	董文博，顾秀芳，陈艳宁．风电并网价值分析[J]．发电技术，2020，41(3)：320-327． doi:10.12096/j.2096-4528.pgt.19117
	DONG W B， GU X F， CHEN Y N ．Value analysis of wind power integration[J]．Power Generation Technology，2020，41(3)：320-327． doi:10.12096/j.2096-4528.pgt.19117
6	李建林，谭宇良，王含．储能电站设计准则及其典型案例[J]．现代电力，2020，37(4)：331-340． doi:10.19725/j.cnki.1007-2322.2020.0177
	LI J L， TAN Y L， WANG H ．Design criteria of energy storage power plants and typical case studies[J]．Modern Electric Power，2020，37(4)：331-340． doi:10.19725/j.cnki.1007-2322.2020.0177
7	张尔佳，邰能灵，陈旸，等. 基于虚拟储能的综合能源系统分布式电源功率波动平抑策略[J]．发电技术，2020，41(1)：30-40． doi:10.12096/j.2096-4528.pgt.19144
	ZHANG E J， TAI N L， CHEN Y，et al. A coordination strategy to smooth power fluctuation of distributed generation in integrated energy system based on virtual energy storage[J]．Power Generation Technology，2020，41(1)：30-40． doi:10.12096/j.2096-4528.pgt.19144
8	温丰瑞，李华强，温翔宇，等．主动配电网中计及灵活性不足风险的储能优化配置[J]．电网技术，2019，43(11)：3952-3960．
	WEN F R， LI H Q， WEN X Y，et al ．Optimal allocation of energy storage systems considering flexibility deficiency risk in active distribution network[J]．Power System Technology，2019，43(11)：3952-3960．
9	徐国栋，程浩忠，马紫峰，等．用于平滑风电出力的储能系统运行与配置综述[J]．电网技术，2017，41(11)：3470-3479．
	XU G D， CHENG H Z， MA Z F，et al ．An overview of operation and configuration of energy storage systems for smoothing wind power outputs[J]．Power System Technology，2017，41(11)：3470-3479．
10	冯春生，杨秀媛，陈小波．考虑储能荷电状态平抑风电功率的抛物线规则变滤波时间常数方法[J]．现代电力，2020，37(5)：518-525．
	FENG C S， YANG X Y， CHEN X B ．Parabola regular variable filtering time constant method considering energy storage SOC state to smooth wind power[J]．Modern Electric Power，2020，37(5)：518-525．
11	杨修宇，穆钢，柴国峰，等．考虑灵活性供需平衡的源-储-网一体化规划方法[J]．电网技术，2020，44(9)：3238-3246．
	YANG X Y， MU G， CHAI G F，et al ．Source-storage-grid integrated planning considering flexible supply-demand balance[J]．Power System Technology，2020，44(9)：3238-3246．
12	李笑蓉，朱瑾，石少伟，等．协调大规模风电汇聚外送的储能配置优化规划[J]．智慧电力，2022，50(5)：69-76． doi:10.3969/j.issn.1673-7598.2022.05.011
	LI X R， ZHU J， SHI S W，et al ．Energy storage optimal planning for coordinating large scale wind power aggregation and delivery[J]．Smart Power， 2022，50(5)：69-76． doi:10.3969/j.issn.1673-7598.2022.05.011
13	王玮，余向阳，高春阳，等．全钒液流电池储能在配电网中优化配置策略[J]．电网与清洁能源，2020，36(5)：83-89. doi:10.3969/j.issn.1674-3814.2020.05.012
	WANG W， YU X Y， GAO C Y，et al ．Optimal configuration strategy of vanadium redox flow battery energy storage in distribution networks[J]．Power System and Clean Energy，2020，36(5)：83-89. doi:10.3969/j.issn.1674-3814.2020.05.012
14	程瑜，黄森，刘瑞丰．面向配电网设备利用率提升的分布式储能优化配置[J]．智慧电力，2021，49(8)：8-14． doi:10.3969/j.issn.1673-7598.2021.08.003
	CHENG Y， HUANG S， LIU R F ．Optimal configuration of distributed energy storage for improving equipment utilization in distribution network[J]．Smart Power，2021，49(8)：8-14． doi:10.3969/j.issn.1673-7598.2021.08.003
15	张驰，周骏，赵镔，等．零碳园区电-氢混合储能系统多目标优化配置[J]．电力建设，2022，43(8)：1-12. doi:10.12204/j.issn.1000-7229.2022.08.001
	ZHANG C， ZHOU J， ZHAO B，et al ．Multi-objective optimal configuration of electricity-hydrogen hybrid energy storage system in zero-carbon park[J]．Electric Power Construction，2022，43(8)：1-12． doi:10.12204/j.issn.1000-7229.2022.08.001
16	闫来清，曹丽源，薛太林，等．风电场黑启动储能容量优化配置：一种考虑储能运行策略的方法[J]．电力系统保护与控制，2022，50(16)：131-139．
	YAN L Q， CAO L Y， XUE T L，et al ．Optimal configuration of wind farm black start energy storage capacity：a method considering energy storage operation strategy[J]．Power System Protection and Control，2022，50(16)：131-139．
17	丁曦，姜威，郭创新，等．考虑需求响应的电/热/气云储能优化配置策略[J]．电力建设，2022，43(3)：83-99． doi:10.12204/j.issn.1000-7229.2022.03.010
	DING X， JIANG W， GUO C X，et al ．Optimal configuration of electricity-heat-gas cloud energy storage considering demand response[J]．Electric Power Construction，2022，43(3)：83-99． doi:10.12204/j.issn.1000-7229.2022.03.010
18	王苏蓬，张新慧，吴文浩，等．用于风电平抑的混合储能选型和容量优化配置方法[J]．智慧电力，2021，49(9)：16-23． doi:10.3969/j.issn.1673-7598.2021.09.003
	WANG S P， ZHANG X H， WU W H，et al ．Hybrid energy storage selection and capacity optimization configuration method for wind power smoothing[J]．Smart Power，2021，49(9)：16-23． doi:10.3969/j.issn.1673-7598.2021.09.003
19	闫群民，董新洲，穆佳豪，等．基于改进多目标粒子群算法的有源配电网储能优化配置[J]．电力系统保护与控制，2022，50(10)：11-19．
	YAN Q M， DONG X Z， WEI J H，et al ．Optimal configuration of energy storage in an active distribution network based on　improved multi-objective particle swarm optimization[J]．Power System Protection and Control，2022，50(10)：11-19．
20	李蕊睿，李奇，蒲雨辰，等．计及功率交互约束的含电-氢混合储能的多微电网系统容量优化配置[J]．电力系统保护与控制，2022，50(14)：53-64．
	LI R R， LI Q， PU Y C，et al ．Optimal configuration of an electric-hydrogen hybrid energy storage multi-microgrid system considering power interaction constraints[J]．Power System Protection and Control，2022，50(14)：53-64．
21	李星辰，袁旭峰，李沛然，等．基于改进QPSO算法的BIPV建筑削峰填谷双层优化配置策略[J]．电网与清洁能源，2021，37(2)：108-116． doi:10.3969/j.issn.1674-3814.2021.02.014
	LI X C， YUAN X F， LI P R，et al ．Bi-level optimal configuration strategy for peak load shifting of BIPV　buildings based on improved QPSO algorithm[J]．Power System and Clean Energy，2021，37(2)：108-116． doi:10.3969/j.issn.1674-3814.2021.02.014
22	王明，李欣然，谭绍杰，等．考虑经济性的风储联合双应用的储容配置方法[J]．电力系统及其自动化学报，2017，29(2)：7-13． doi:10.3969/j.issn.1003-8930.2017.02.002
	WANG M， LI X R， TAN S J，et al ．Capacity configuration method of energy storage in wind-ESS coordination considering economic efficiency[J]．Proceedings of the CSU-EPSA，2017，29(2)：7-13． doi:10.3969/j.issn.1003-8930.2017.02.002
23	崔传世，谢丽蓉，包洪印，等．平抑风电功率波动退役电池储能系统容量配置[J]．电源技术，2020，44(8)：1185-1190． doi:10.3969/j.issn.1002-087X.2020.08.028
	CUI C S， XIE L R， BAO H Y，et al ．Capacity configuration of retired battery energy storage system for smoothing wind power fluctuations[J]．Chinese Journal of Power Sources，2020，44(8)：1185-1190． doi:10.3969/j.issn.1002-087X.2020.08.028
24	焦东东，陈洁，付菊霞，等．平抑风电功率波动的储能容量配置[J]．电网与清洁能源，2020，36(3)：66-73． doi:10.3969/j.issn.1674-3814.2020.03.011
	JIAO D D， CHEN J， FU J X，et al ．Configuration of energy storage capacity for suppressing fluctuation of wind power[J]．Power System and Clean Energy，2020，36(3)：66-73． doi:10.3969/j.issn.1674-3814.2020.03.011
25	周平，孙悦，康朋，等．热电站的高比例可再生能源系统混合储能容量优化配置方法[J]．电工电能新技术，2021，40(3)：22-31．
	ZHOU P， SUN Y， KANG P，et al ．Optimal hybrid energy storage capacity configuration for CSP integrated power systems with high renewable energy penetration[J]．Advanced Technology of Electrical Engineering and Energy，2021，40(3)：22-31．
26	朱晓荣，鹿国微．计及灵活性的配电网储能优化配置[J]．现代电力，2020，37(4)：341-352．
	ZHU X R， LU G W ．Optimal allocation of energy storage systems considering flexibility in distribution network[J]．Modern Electric Power，2020，37(4)：341-352．
27	刘颖明，王瑛玮，王晓东，等．基于蚁狮算法的风电集群储能容量配置优化方法[J]．太阳能学报，2021，42(1)：431-437．
	LIU Y M， WANG Y W， WANG X D，et al ．Optimization of storage capacity allocation in wind farm cluster based on ant lion optimization algorithm[J]．Acta Energiae Solaris Sinica，2021，42(1)：431-437．
28	聂聪颖，沈小军，吕洪，等．并网型风电场氢超混合储能容量配置及控制策略研究[J]．智慧电力，2020，48(9)：1-8．
	NIE C Y， SHEN X J， LV H，et al ．Capacity configuration and control strategy of hydrogen super hybrid energy storage in grid connected wind farm[J]．Smart Power，2020，48(9)：1-8．
29	雷勇，林晓冬．超导磁储能-蓄电池混合储能系统在平抑风电场功率波动中的应用[J]．高电压技术，2019，45(3)：983-992．
	LEI Y， LIN X D ．Application of superconducting magnetic energy storage-battery hybrid energy storage system in suppressing power fluctuation of windfarm[J]．High Voltage Technology，2019，45(3)：983-992．
30	李学斌，刘建伟．采用二阶滤波的混合储能系统实时功率分配方法[J]．电网技术，2019，43(5)：1650-1657． doi:10.13335/j.1000-3673.pst.2018.1447
	Ll X B， LIU J W ．Real-time power distribution method adopting second-order filtering for hybrid energy storage system[J]．Power System Technology，2019，43(5)：1650-1657． doi:10.13335/j.1000-3673.pst.2018.1447
31	林敏怡，雷勇，李宇泽，等．基于改进量子粒子群算法的储能容量优化配置[J]．电源技术，2021，45(2)：203-207． doi:10.3969/j.issn.1002-087X.2021.02.015
	LIN M Y， LEI Y， LI Y Z，et al ．Capacity optimal research of hybrid energy based on optimized quantum particle swarm optimization[J]．Chinese Journal of Power Sources，2021，45(2)：203-207． doi:10.3969/j.issn.1002-087X.2021.02.015
32	杜佳耘，雷勇，李永凯，等．基于参数优化变分模态分解的混合储能功率分配策略[J]．现代电力，2021，38(1)：51-59．
	DU J Y， LEI Y， LI Y K，et al ．Hybrid energy storage strategy based on parameter optimized variational mode decomposition[J]．Modern Electric Power，2021，38(1)：51-59．
33	苏浩，张建成，王宁，等．基于分层优化的大容量混合储能系统能量管理策略[J]．高电压技术，2018，44(4)：1177-1186．
	SU H， ZHANG J C， WANG N，et al ．Energy management strategy of large-scale hybrid energy storage system based on layered optimization[J]．High Voltage Engineering，2018，44(4)：1177-1186．
34	汤杰，李欣然，黄际元，等．以净效益最大为目标的储能电池参与二次调频的容量配置方法[J]．电工技术学报，2019，34(5)：963-972．
	TANG J， LI X R， HUANG J Y，et al ．Capacity allocation of BESS in secondary frequency regulation with the goal of maximum net benefit[J]．Transactions of China Electrotechnical Society，2019，34(5)：963-972．
35	许传博，赵云灏，王晓晨，等．碳中和愿景下考虑电氢耦合的风光场站氢储能优化配置[J]．电力建设，2022，43(1)：10-18．
	XU C B， ZHAO Y H， WANG X C，et al ．Optimal configuration of hydrogen energy storage for wind and solar power stations considering electricity-hydrogen coupling under carbon neutrality vision[J]．Electric Power Construction，2022，43(1)：10-18．

[1]	孙健浩, 初壮. 考虑碳交易和无功补偿的分布式电源优化配置[J]. 发电技术, 2024, 45(1): 142-150.
[2]	王进钊, 严干贵, 刘侃. 基于交替方向隐式平衡截断法的直驱风电场次同步振荡分析的模型降阶研究[J]. 发电技术, 2023, 44(6): 850-858.
[3]	陈志华, 尤梦凯, 蔡伟, 胡经伟, 胡兴, 张爱芳, 张科杰, 王伟. 考虑全寿命周期的储能电站综合评价模型[J]. 发电技术, 2023, 44(6): 883-888.
[4]	石梦舒, 许小峰, 张继广, 李忆, 周保中, 乐鹰, 毕圣. 考虑电-氢市场的虚拟电厂两阶段优化策略研究[J]. 发电技术, 2023, 44(5): 645-655.
[5]	陈逸文, 赵晋斌, 李军舟, 毛玲, 屈克庆, 魏国庆. 电力低碳转型背景下氢储能的挑战与展望[J]. 发电技术, 2023, 44(3): 296-304.
[6]	郭学伯, 范良迟, 许浈婧, 李有, 林俊, 陈林. 助力节能降碳的相变储热材料研究和应用进展[J]. 发电技术, 2023, 44(2): 201-212.
[7]	叶珍珍, 陈鑫祺, 张抒婷, 汪剑, 崔超婕, 张刚, 张磊, 钱陆明, 金鹰, 骞伟中. 离子液体型双电层电容器在45 ℃和3 V状态下的长周期运行研究[J]. 发电技术, 2023, 44(2): 213-220.
[8]	赵珈卉, 田立亭, 程林. 锂离子电池状态估计与剩余寿命预测方法综述[J]. 发电技术, 2023, 44(1): 1-17.
[9]	康佳乐, 余浩, 段瑶, 陈武晖, 王丹辉. 风电场次同步振荡等值建模方法研究[J]. 发电技术, 2022, 43(6): 880-891.
[10]	郝艺博, 杜锡力, 李笑竹, 陈来军. 考虑储能性能差异的新能源场站群共享储能交易模式[J]. 发电技术, 2022, 43(5): 687-697.
[11]	谷晴, 李睿, 蔡旭, 谢宝昌. 面向百兆瓦级应用的电池储能系统拓扑与控制方法[J]. 发电技术, 2022, 43(5): 698-706.
[12]	霍龙, 张誉宝, 陈欣. 人工智能在分布式储能技术中的应用[J]. 发电技术, 2022, 43(5): 707-717.
[13]	魏少鑫, 金鹰, 王瑾, 杨周飞, 崔超婕, 骞伟中. 电池型电容器技术发展趋势展望[J]. 发电技术, 2022, 43(5): 748-759.
[14]	李泽航, 周浩, 李浩秒, 王康丽, 蒋凯. 面向电力系统的液态金属电池储能技术[J]. 发电技术, 2022, 43(5): 760-774.
[15]	郑俊生, 吕心荣, 郑剑平. 锂离子电容器性能分析及其应用[J]. 发电技术, 2022, 43(5): 775-783.