综述：储能系统选址协同优化方法的系统性综述

《Energies》：A Comprehensive Review of Co-Optimization Methods for the Strategic Placement of Energy Storage Systems

　　

储能系统（Energy Storage Systems, ESS）在现代电力系统的绿色转型中发挥关键作用，通过整合可再生能源发电、平衡供需支撑系统运行。选址决策具有战略性，且与容量配置、调度运行、技术选型等其他决策存在耦合关系，部分关联效应更为显著，因此同步优化相关决策变量可带来显著收益。本综述首先梳理了与选址存在交互作用的决策变量，进而明确了协同优化的实际目标与考量因素，并基于文献调研与专家意见对集成方案进行了优先级排序。研究表明，降低投资成本与提升收益/营收是选址协同优化变量选择的核心驱动因素，其次为外部性、供电可靠性、线路阻塞与可再生能源弃电。当前，输电容量扩展规划、已建储能设施向负荷节点的分配及控制器参数设置与选址的集成研究仍较为匮乏。本综述为研究人员提供了可操作的讨论框架，也为从业者提供了实践指导。尽管研究以寒冷气候、社区保护型场景为例展开分析，但该框架可推广至其他地理区域或数学优化问题中。

1. 引言

可再生能源（Renewable Energy Sources, RES）具有低碳、储量丰富的优势，但其间歇性特征使得电力供需平衡面临挑战，高比例可再生能源并网背景下，电力系统可靠性与稳定性保障难度显著提升。受限于基础设施与运行约束，大量可再生能源发电潜力未被充分利用，过去十年可再生能源渗透率最高的八个国家累计弃电量达755.86 TWh。储能系统是提升电力系统可靠性与稳定性、增强电网灵活性、降低可再生能源弃电的核心支撑技术，对能源绿色转型具有重要价值。2023年全球储能新增装机规模达45 GW/100 GWh，较2022年增长162%，但受技术、经济、政策法规、环境及社会等多维度因素制约，储能大规模部署仍面临瓶颈。科学的战略规划与决策制定可有效应对上述挑战，其中，储能系统的合理选址能够改善电能质量、提升供电可靠性、优化电压与频率调节性能，是推动现代能源系统转型的关键环节。决策支持系统通过数学模型识别最优决策变量以优化性能指标，针对储能选址问题，已有研究证实集成容量配置、调度运行、技术选型等相关决策变量可获得更优优化效果，但不同集成方案的计算成本与性能提升存在权衡，亟需明确合理的协同优化变量组合以提升战略规划科学性。现有综述多聚焦于配电网、微电网等特定场景下的储能选址，或未将选址作为核心决策变量，对其与其他变量的关联关系缺乏系统性梳理。基于此，本研究提出三个核心研究问题：RQ₁：哪些决策变量与储能选址决策存在交互作用？RQ₂：性能目标与协同优化变量的选择存在何种相关性？RQ₃：如何权衡计算成本与协同优化收益，对集成方案进行优先级排序？本文共分为六个章节，依次开展相关研究内容的阐述与分析。

2. 材料与方法

2.1 综述框架

储能大规模部署仍面临多重约束：技术层面存在能量密度、效率与使用寿命限制，可靠性与 scalability 问题突出；经济层面初始投资成本高、长期收益不确定性抑制投资者积极性，市场机制不完善与激励政策不足延缓商业化进程；政策法规层面各国框架不一致、安全标准缺失、国际统一规范缺位加剧开发主体与投资方的不确定性；环境与社会层面则涉及原材料开采、废弃物回收、土地利用与资源公平分配等可持续性挑战。储能选址指储能在电网中的战略性定位，合理的选址决策可缓解上述多项挑战，直接影响电网稳定性、运行与投资成本及可再生能源消纳水平，有助于降低峰值负荷、维持电压稳定与缓解线路阻塞。本研究采用系统综述首选报告项目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）框架筛选相关文献，以Web of Science核心合集为数据源，检索主题为“储能”且标题包含“选址”“ siting”“位置”“定位”的英文研究论文，限定发表时间为2013–2025年，排除综述、会议论文、撤稿及非相关领域文献后，最终纳入129篇文献进行全文合成分析。在此基础上，从各文献的优化目标与对比分析中系统提炼集成成本效益，并通过结构化访谈引入专家评估以回答RQ₃。

2.2 与选址交互的决策变量

仅考虑选址的单目标优化问题以降低储能接入对电力系统的技术影响为核心，主要目标是最小化电压偏差与有功功率损耗。基础模型中，选址变量表示为混合储能系统的位置集合，涵盖电池储能系统（Battery Energy Storage System, BESS）、电解槽、燃料电池与储氢罐的位置变量，假设储能容量与调度计划已知，通过潮流方程、电压电流约束及氢平衡方程求解最优位置。在此基础上，进一步梳理六类与选址存在交互的决策变量：① 选址与容量配置：容量变量决定各储能单元的额定功率与能量规模，加入容量决策后，优化目标需纳入投资、运维、购电及弃电成本，约束条件需增加容量限制、充放电状态与运行约束；容量大小直接影响选址偏好，大容量储能更倾向于布局在高阻塞节点以提供电压支撑，小容量储能则更适合邻近分布式电源或负荷中心。② 选址与调度运行：调度变量决定储能充放电、电氢转换及向电网供电的时间特性，加入调度决策后，优化目标需纳入购电、弃电与运行成本，约束条件需增加充放电限制、运行状态、功率平衡与氢平衡约束；调度策略改变储能的功能定位，例如以午间充电、晚间放电为主要模式的储能，其最优位置可能从可再生能源并网点向高负荷或阻塞节点偏移。③ 选址与控制器参数设置：控制器参数定义储能响应电网频率偏差的特性，如虚拟惯量与下垂控制参数，加入该变量后，优化目标需纳入频率稳定性指标，约束条件需增加控制增益、变流器、爬坡率与动态运行限制；控制器参数的优化效果具有空间差异性，若需更高的虚拟惯量或特定下垂特性，选址需向能最大化提升频率稳定性的节点调整。④ 选址与技术选型：技术选型变量从机械、电气、化学、热储能等选项中选择适配的技术方案，加入该变量后，优化目标需纳入技术依赖的投资成本、效率、运维成本、寿命与性能指标，约束条件需增加技术可行性、容量限制、转换效率、安全性与场地运行要求；不同技术的场地适应性差异显著，锂离子电池选址灵活性高，主要受电网接入与安全约束限制，而氢储能则对水资源、地质条件与基础设施依赖性更强。⑤ 选址与负荷分配：负荷分配指将储能资源分配给特定负荷节点以提升本地供电可靠性与可再生能源利用率，加入该变量后，优化目标需纳入本地需求满足度、可靠性提升、阻塞缓解与成本最小化，约束条件需增加负荷节点覆盖、储能容量与分配可行性限制；储能的最优位置取决于其服务的负荷节点，例如邻近光伏电站的储能可存储午间过剩电量并分配给周边工业园区以平滑晚峰需求。⑥ 选址与输电容量：输电容量指输电线路的最大安全传输功率，加入该变量后，优化目标需纳入输电投资与运行成本、阻塞缓解与弃电减少，约束条件需增加线路潮流、网络扩容、功率平衡与电压电流限制；储能可通过本地消纳过剩功率降低输电容量扩建需求，例如布局在偏远地区输电线路末端的储能可存储日间太阳能并在晚峰释放，从而延缓线路增容。上述分类为后续文献分类提供了基础。

3. 协同优化方法综述

同时协同优化所有与选址相关的决策变量虽为理想方案，但会导致高维计算复杂性问题，需根据变量间关联程度与优化效果进行优先级排序。本节按输电系统、配电系统、输配协同系统、微电网与城市尺度能源系统五个层级，对各类协同优化组合的文献进行梳理。

3.1 容量配置协同

输电层级的研究表明，储能选址与容量配置的协同可有效降低日运行成本与可再生能源弃电，提升系统频率稳定性，选址偏好倾向于高负荷区域或大型发电机附近，且受电网拓扑、风电渗透率、动态热额定值（Dynamic Thermal Rating, DTR）升级、负荷弃电限制及投资运营成本分摊等因素影响。配电层级的研究则聚焦于分布式储能，证实协同优化可提升电压稳定性、降低网络损耗、提高供电可靠性，选址受节点灵敏度、全生命周期成本、电压偏差、峰值需求缓解、能量未供应（Energy Not Supplied, ENS）成本及分布式电源（Distributed Generation, DG）接入特性的综合影响，且相较于序贯优化，同步优化可获得更低的系统总损耗。输配协同层级的研究指出，配电系统运营商（Distribution System Operator, DSO）与输电系统运营商（Transmission System Operator, TSO）的双向协调机制会影响选址与容量的协同效果，传输侧选址更倾向于满足事故与频率调节需求。微电网研究中，协同优化可提升暂态稳定性与供电可靠性，选址由成本-可靠性权衡决定，以最小化微电网总投资与运行成本并降低失负荷概率。城市社区尺度的研究则关注共享储能的多目标优化，以提升能源自给率与净现值（Net Present Value, NPV）并降低峰值负荷。

3.2 控制器参数设置协同

该方向的文献集中于输电与配电层级。输电层级研究表明，协同优化选址、容量与虚拟惯量、下垂控制等参数可在低惯量电网中以最低成本满足安全约束，提升频率稳定性，最小化扰动后频率偏差并将频率变化率（Rate of Change of Frequency, RoCoF）控制在允许范围内。配电层级研究则结合日负荷曲线，证实协同优化选址与模糊控制参数可提升电压调节效果并降低总成本。

3.3 调度运行协同

输电层级研究显示，协同优化选址、容量与充放电调度可提升系统灵活性，缓解网络约束并与可再生能源集群协同运行，选址受网络拓扑、本地负荷波动、频率约束、风电渗透率、事故剖面及市场收益假设的综合影响。配电层级研究则广泛证实，协同优化选址、容量与小时级充放电调度可有效缓解“鸭子曲线”问题，降低网络损耗与电压波动，提升光伏消纳能力，选址受网络结构、分布式电源渗透率、荷电状态（State-of-Charge, SOC）调度、 conservation voltage reduction（CVR）策略及三相不平衡约束的影响。输配协同层级的研究聚焦于储能同时为TSO提供备用服务与本地电网阻塞管理、电压调节的协同优化。微电网研究中，协同优化选址、容量与充放电调度可降低总规划成本，满足三相不平衡约束与时电价（Time of Use, ToU）下的经济运行需求，电池更换站（Battery Swap Station, BSS）与抽水蓄能（Pump Hydro Storage, PHS）的选址与调度协同也成为研究热点。

3.4 技术选型协同

输电层级研究表明，协同优化选址、技术选型、容量与运行管理可实现不同储能技术的优势互补，降低全生命周期成本并提升套利收益，选址受输电约束、电网特性与生命周期成本的共同影响。配电层级研究关注储能与电容器组的联合选型与选址，以满足馈线约束与损耗/电压目标。微电网研究则证实，协同优化选址、技术选型、容量与调度可降低网络损耗与二氧化碳排放，提升系统对可再生能源出力不确定性的适应能力。

3.5 负荷分配协同

该方向的研究较少，现有文献集中于孤岛微电网场景，证实协同优化光伏与储能的选址、容量及向负荷节点的分配，可在预算约束下最大化能源供应满足度并降低成本。

3.6 输电容量协同

相关研究指出，协同优化储能选址与输电线路容量扩展规划、容量配置及调度运行，可在满足网络安全可靠性目标的前提下降低弃电、期望能量未供应（Expected Energy Not Supplied, EENS）与运行成本，储能选址与输电线路扩建存在显著的相互影响。

3.7 其他决策变量

除上述核心变量外，部分研究还涉及选址与事故位置、静态同步补偿器配置、电压质量指数、电网拓扑与节点中心性等变量的协同。文献计量分析显示，选址与容量配置（P+S）的协同最为普遍（占比约47%），其次为选址-容量-调度（P+S+Sch）协同（约28%），仅调度协同（P+Sch）约占9%，其余协同模式（控制器参数、技术选型、输电容量、负荷分配）各占1%–3%。后者的低占比主要源于建模与计算复杂度较高，涉及时间耦合、整数选址变量与非线性网络约束，大规模求解难度较大。总体而言，储能选址并非独立决策，而是与容量配置、调度运行、技术选型、控制器参数、负荷分配及电网规划变量存在结构性耦合，其最优位置由系统上下文（可再生能源布局与波动性、网络拓扑与约束、事故剖面、市场条件与多能源耦合）内生决定，需通过协同优化实现技术性能与经济收益的提升。

4. 性能目标及其与协同优化变量选择的相关性

本节基于STEEP（社会、技术、经济、环境、政策）框架梳理协同优化的性能目标，筛选出九项核心指标：提升可靠性指标、提升频率稳定性、最小化功率损耗、最小化电压偏差、缓解阻塞、最小化投资成本、最大化收益/营收、降低可再生能源弃电、最小化外部性（二氧化碳排放、土地利用、噪声污染等）。文献分析表明，协同优化类型的选择主要由经济与技术目标共同驱动，运营、环境与系统规划因素影响相对较弱。经济目标（投资、运维成本、总系统成本）主导了选址与容量配置、调度运行、技术选型及输电容量的协同，稳定性目标则与控制器参数设置关联紧密，负荷分配决策则与需求覆盖和成本最小化直接相关。联合优化通常可同步提升可靠性、效率与灵活性，降低成本与排放，反映了经济可行性与运行可靠性、可持续性之间的权衡。研究人员指出，协同优化变量的选择需基于多目标权衡，综合考虑技术性能指标与经济、环境及政策驱动目标，以实现系统整体效益最大化。

5. 讨论与启示

5.1 性能目标的重要性

基于专家访谈的Likert量表评估显示，在北欧寒冷气候、社区保护型场景下，最小化投资成本与最大化收益/营收的重要性最高，其次为最小化外部性（如碳排放、噪声、土地利用）。不同利益相关方的优先级存在差异：配电系统运营商关注配电可靠性、电压偏差与技术损耗；输电系统运营商侧重输电阻塞管理与频率稳定性；市场运营商聚焦盈利能力、成本与社会福利；监管机构与社区则更重视外部性与可负担性。专家评估进一步量化了各决策变量对性能目标的影响：技术选型对提升可靠性与频率稳定性的影响最强，因其响应速度、启动时间与持续供电能力具有技术依赖性；容量配置与目标负荷分配的协同是降低功率损耗的主要驱动因素；输电容量是缓解阻塞的首要决策变量，其次是储能技术类型；技术选型对降低投资成本的作用最显著，负荷分配、输电容量与容量配置次之；调度运行、目标负荷分配与控制器参数设置是提升盈利能力的核心变量；输电容量、容量配置与技术选型是降低可再生能源弃电的关键；技术选型与选址对最小化外部性的贡献最大，因外部性主要由技术固有属性（材料、制造 footprint、声热特性、安全风险）与选址环境决定，运行层面的调度或控制器调节影响较小。

5.2 协同优化变量的选择

基于变量间关联强度分析，选址与容量配置的耦合最为紧密，选址决定所需功率与能量规模，容量约束又限制可行选址，二者需优先协同优化。选址与调度运行的关联性较弱，调度主要由系统级负荷/电价与可再生能源曲线驱动，受选址影响有限。选址与技术选型的关联性中等，场地条件（温度、电网强度、噪声/空间）会影响可行技术方案，但标准化设计与 robust 封装可削弱这种约束。选址与负荷分配的关联性在协同优化选址、容量与调度时凸显，可行分配方案受资产接入位置、功率/能量额定值与SOC调度的共同约束。选址与控制器参数的协同优化边际收益较低，因控制器参数可在安装后调整，且主要受技术而非精确选址的限制。选址与输电容量的关联性显著，储能可通过本地消纳过剩功率、平滑间歇性可再生能源出力，降低输电容量扩建需求。综合北欧场景的成本优先、社区保护型特征，建议优先协同优化选址与容量配置、输电容量及（场地条件允许时）技术选型，以平衡规划收益与模型复杂度。调度、负荷分配与控制器参数设置的集成虽有益，但伴随较高的组合复杂性，可作为未来研究方向。

5.3 实践启示

储能是平衡现代电力系统供需的核心手段，可跨时段转移能量以避免过载与弃电。针对数据中心等高负荷场景，将储能布局在数据中心的馈线下端可提升可靠性、缓解阻塞、稳定电压并辅助频率稳定，前提是容量充足。为提升可靠性，储能应邻近医院、消防站等关键负荷，以保障停电期间的持续供电；为提升频率稳定性，储能应邻近波动性可再生能源或大型工业用户，以平滑功率突变。为降低电压偏差，储能应布局在长馈线末端，通过本地注入或吸收功率改善电压 profile；为缓解阻塞，储能应布局在过载线路上游，通过峰时放电吸收过剩需求。为降低可再生能源弃电，储能应与可再生能源节点协同选址；为最小化外部性，应选择低影响场地（低噪声、视觉屏蔽、安全距离、具备余热回收潜力），并邻近主负荷中心以减少输电损耗。成本最小化与收益最大化受容量配置、调度运行等多决策影响，与选址的关联性中等。实践中需根据主导目标调整协同优化策略：以可靠性为首要目标时，储能应邻近关键负荷并配置耐寒设备；以弃电削减为目标时，储能应布局在可再生能源电站并配置长时储能；频率稳定性目标下，储能应邻近大型工业用户或可再生能源电站，配置高功率型技术与快速响应控制系统，必要时配套输电增容。从优化视角看，选址与技术选型引入离散变量，使规划问题成为NP-hard组合优化问题；容量配置与输电容量决策增加连续变量与网络约束，在常见线性或凸潮流近似下仍可保持模型可解性；多周期调度决策则引入时间维度与不确定性场景，显著增加变量与约束规模，影响求解效率。在典型场景下，协同优化选址、容量配置、输电容量与技术选型即可捕获大部分系统价值，避免时间耦合调度带来的计算负担，实现复杂度与收益的较好权衡。最终选址方案需通过详细潮流分析、优化与敏感性评估验证。

6. 结论

本研究证实了储能选址与容量配置、调度运行、技术选型、负荷分配、控制器参数设置及输电容量等决策变量的协同优化价值，系统梳理了九项核心性能目标，并基于北欧寒冷气候、公共事业背景的典型场景提出了集成方案的优先级排序。研究表明，在该场景下，选址与容量配置、输电容量及（场地条件允许时）技术选型的协同可实现规划收益与模型复杂度的良好平衡，但该研究结论具有场景依赖性，市场设计、气候条件、电网约束与目标权重的变化可能改变优先级排序。当前选址与战术层面的输电容量、负荷分配及控制器参数的集成研究仍较为匮乏，未来需拓展至不同地理区域、市场设计与网络条件，开展不确定性 resilient 建模、老化特性与多服务协同的储能规划研究，并通过输配协同动态仿真验证模型有效性，建立计算基准以量化不同集成模式的 scalable 性与最优性权衡。