福州大学电气工程与自动化学院研究员陈从伟、姜秀波、刘立军，基于不同类型负载和DG的典型时序特性，在2017年第6期《电气技术》上撰文，并考虑不同类型污染物的环境成本和储能效益时序电源，以配电网年度社会成本、年度购电成本、年度环境成本、年度可靠性成本和最小点电压偏移作为目标函数，建立分布式发电和储能设备的最优配置模型。

该模型根据负载和 DG 输出的时序共同优化 DG 和储能设备的位置和容量。同时，为了改善NSGA-II初始化多样性低、交叉变异概率恒定、收敛速度慢等缺点，将云模型的思想融入到NSGA-II中，改进了NSGA-II。云模型NSGA-II用于优化上述模型，然后使用1-9尺度法结合隶属函数对优化结果进行评价。

最后通过IEEE-33节点系统对该模型进行仿真，结果表明上述模型和算法能够有效优化分布式电源和储能设备的配置。

随着我国经济的发展，对电力的需求与日俱增，煤炭、石油、天然气等传统化石能源的过度使用造成了环境污染问题。越来越青睐。我国自然资源种类繁多，风能、水能、光能资源丰富时序电源，为DG的发展奠定了基础。

但由于风力发电和光伏发电出力的波动性，如果大规模接入 DG 会导致整个配电网不稳定，双向潮流和局部节点电压可能过高，因此配电网接受DG会受到影响。严格的限制。虽然风力发电和光伏发电在时序上具有互补性，但考虑到负荷时序，仅安装这两种分布式电源并不能完全抑制DG的波动。

因此，本文在连接DG的同时，还适量安装一定的储能装置，根据DG输出和负载的时序特性，实时调整储能装置的充放电状态，所以因此，如何合理配置DG和储能装置的位置和容量，优化目标函数，成为专家学者的研究热点之一。在国内外。

文献[1-2]在负荷需求水平和DG出力恒定的前提下进行了DG选址和容量的优化配置，没有考虑负荷和DG出力时序与实际情况相差较大的问题。参考文献[3]考虑了DG输出和负载的时序特性，也提到了储能装置，但没有根据三者的实际运行情况进行协同优化。

文献[4]的模型只提到了风力发电的波动性，并没有充分考虑负荷需求的波动性。参考文献[5]将线路有功功率损耗和电压稳定性作为目标函数，但在求解过程中将其转化为单目标解。参考文献[6]充分考虑了风力发电、光伏发电和负荷的时间序列特征，建立了年碳排放量最小的分布式发电最优配置模型，但该模型没有考虑储能装置。

参考文献[7]充分考虑DG与负荷的时序特性，对储能装置进行协同规划，但未考虑储能装置的效益、政府补贴、节点电压质量等因素，模型不够全面. 改进，求解的算法仍有不足之处。上述文献从不同角度研究了DG的最优配置，建立了考虑不同指标的数学模型。

本文在前人研究的基础上，取其精华，补正不足，建立充分考虑DG、储能装置和负荷时序特性以及储能效益的多目标分布式电源优化配置模型。上述模型是通过基于云模型的 NSGA-II 求解的。最后采用1-9尺度法与隶属函数相结合的方法对优化结果进行评价。

图6 算法对比3D图

综上所述

基于DG和负荷的时间序列特征，以降低系统年运行成本，提高电能质量为目标，对DG和储能装置进行协同优化，建立分布式优化配置规划模型。动力和储能器件，并采用基于云的模型的NSGA-II求解，得到最优配置方案。

结果表明：(1）考虑DG和负载的时序更符合负载和DG的实际运行情况，同时考虑时序性能充分发挥储能设备的优势. (2）储能装置、DG和负荷的协同优化，可以有效控制等效负荷的波动，同时可以大大提高DG的渗透性。(3）改进的云模型 NSGA-II 比原算法收敛速度更快，可以找到全局最优值，避免局部收敛。

总之，本文提出的模型和算法能够合理优化分布式电源和储能装置的配置，达到经济性好、电能质量高的目的。