功率型与能量型的两种储能装置
储能因其具备强大的时序能量调节能力，不仅可以用于平滑分布式可再生电源出力波动，改善供需平衡关系，降低微电网供电成本，同时可作为系统调峰、调频、调压，优化潮流分布，参与峰谷电价差套利运行的重要手段[71]。现有的储能装置主要可以分为能量型和功率型两大类:
- 以锂离子电池和铅酸电池为代表的能量型储能装置能量密度大，但响应速度慢，且循环寿命短，适用于平抑高能量、低频率的功率波动[72];
- 以超级电容器和飞轮储能为代表的功率型储能装置功率密度大、响应时间短、循环寿命长，但存储容量小，且经济性较差，适用于平抑低能量、高频率的功率波动[73]。
为弥补上述单一储能装置的不足，将功率型储能装置和能量型储能装置进行整合，形成兼具存储容量、响应速度以及循环寿命的储能系统，可获得大幅度优于单一储能设备的系统性能和经济性。近年来，国内外针对计及不确定性因素的微电网储能系统规划与运行进行了大量研究，通过对储能系统规划关键对象，如容量配置的需求描述，以及微电网的运行要求(包括储能系统的充放电过程以及荷电状态)作为约束条件建立数学模型，实现微电网储能系统的容量配置分析及运行策略优化，已取得初步成果。
容量配置方案的两个方向：平滑可再生电源出力和提升微电网源-荷动态平衡能力
针对储能系统容量规划问题，现有文献主要从储能系统的容量配置方案对平滑可再生电源出力和提升微电网源-荷动态平衡能力两个角度进行相关研究[74][75]。
- 在平滑可再生电源出力方面: 为平滑风电出力波动，马速良等在文献[76]中提出一种以电池、超级电容混合储能系统投资成本和运维成本最低为目标，兼顾不同类型储能技术和风电出力波动指标要求的混合储能系统容量配置方法;为提升光伏系统的光伏利用率和供电可靠性，文献[77]中基于对光伏-储能系统联合运行的特点分析，提出一种以初始投资成本最低为目标的光储容量联合优化配置方法，算例分析表明所提方法能够在保持光伏供电系统较高供电可靠性的前提下，获得较好的经济性。
- 在提升微电网源-荷动态平衡能力方面: 考虑到可能的极端天气和可控分布式电源响应能力不足，文献[78]中提出一种计及储能布局对孤岛型微电网安全稳定运行影响的储能系统选址定容综合规划模型，该模型可以实现储能系统用于提高微电网风电消纳能力的综合优化应用，适用于多种不同类型的储能系统及多样的应用场景;文献[79]针对考虑需求侧响应的光储并网型微电网储能系统容量优化配置问题进行了相关研究，并深入分析了储能系统和需求侧响应共同作用对提升微电网源-网-荷瞬时平衡能力的影响。
针对储能系统优化运行问题，储能系统在微电网的广泛应用为提高微电网自治性水平、优化微电网运行状态提供了新的手段[80]。
- 一方面，借助于储能系统的时序能量调节能力，可以有效地减少可再生能源发电的间歇性和电力负荷需求的随机性所带来的影响，形成高自治性水平的微电网系统;
- 另一方面，大容量的储能系统也给微电网的运行调节提供了新的手段和方法。从微电网的视角来看，储能技术的应用不仅能够提高分布式可再生能源的消纳能力，同时也积极参与系统潮流的有效调节和优化，从而大大提高微电网系统运行的经济性和可靠性，更可在电力市场环境下用于峰谷电价差套利运行、满足多样化用电需求、支撑微电网孤网运行。
因此，如何充分利用储能系统实现微电网的高效可靠运行是众多学者关注的焦点。文献[81]和[82]针对含分布式电源和储能系统的微电网优化运行问题，构建了同时计及储能设备约束、节点电压约束、线路电流约束和传送功率约束的储能系统最优有功和无功潮流的协调优化模型;文献[83]通过分析智能微电网内多类负荷特性和人员作息规律，基于日前电价机制采用低谷储能峰平释能的运行策略动态调整冷负荷侧制冷机组功率和储能系统实施充放电功率，同时实现智能微电网运行成本最低和环境污染气体排放量最小;文献[84]在考虑电价不确定性和波动性的基础上，建立决策过程的目标函数，并提出通过储能系统实现利润最大化的动态随机规划模型。
运行成本问题
考虑到现阶段储能系统昂贵的投资和维护费用，在储能系统规划的过程中就应该考虑建成以后的运行问题，用运行来指导规划，使储能系统的容量规划方案更加合理，一些学者已经在这方面做出了有益的尝试。例如，文献[85]将储能系统的容量规划问题和包含风电、储能系统的微电网优化运行问题作为整体来建模，考虑整个微电网优化运行对储能容量规划的影响，算例分析结果验证了所提方法和所建模型的有效性和合理性;文献[86]从投资成本最小化和规避市场电价波动风险两个角度出发，探讨储能系统容量配置方案对于电力市场运行(包括储能系统运行)的影响;文献[87]计及储能系统规划与运行的耦合影响，将选址定容规划与优化运行两个不同时间尺度的问题进行协同建模，并提出一种数值方法对上述协同优化模型进行求解。
阅读已有文献，发现现有文献对微电网储能系统容量优化问题中的多尺度不确定性耦合影响的考虑不够全面。例如，尽管文献[88]-[90]中在微电网储能系统容量优化问题中考虑了分布式可再生电源出力不确定性因素的影响，但未计及负荷侧的不确定性影响;文献[91]和[92]分别构建了微电网储能系统容量随机优化模型，尽管分布式可再生能源出力在长时间尺度投资决策问题中的随机不确定性被予以考虑，但短时间尺度优化运行问题中分布式可再生电源预测出力与实际出力不匹配问题未被考虑。
容量优化配置问题的建模与求解
此外，关于微电网储能系统容量优化配置问题的建模与求解，微电网储能系统容量优化问题既包含储能系统容量的规划配置，也包含储能系统优化运行;即可考虑单一优化目标，也可进行多目标优化;约束条件即有线性约束，同时也有非线性约束。优化过程所处的环境也存在不确定性，即存在分布式可再生电源出力的随机性，也面临设备投资较高、燃料价格和电价的易变性。因此，微电网储能系统容量优化本质上是高维度、多场景、非线性、不确定性的综合优化问题，目前的主流建模方法大多利用不确定性因素概率分布函数生成场景的方法[93]-[95]以表征各不确定性因素的不确定性，并倾向于将上述优化问题描述为混合整数线性规划模型或非线性模型，进一步采用数学规划方法直接求解或启发式算法求解。然而，考虑到混合整数线性规划模型和非线性模型求解计算量与解空间维度和微电网规模大小密切相关，导致问题的求解需消耗大量计算时间与计算资源，因此对数学规划方法的求解能力或启发式算法的计算性能也有一定的要求。
数学规划方法与启发式算法
- 数学规划方法求解过程对优化模型的目标函数和约束条件有较为严格的要求，一般过程是通过对复杂非线性模型的合理简化，将其转化为易于求解的线性化模型，随后采用相关的成熟算法进行求解[96]。但上述模型的简化过程常较为繁琐，且通用性较差，在极端场景下的化简过程甚至会丢失模型的真实信息[97]。
- 启发式算法的运用通常不依赖于具体的应用场景，求解方式相对宽松，能够方便处理信息的不确定性，因此目前在微电网储能系统规划与运行优化问题中得到广泛应用。
然而，现有常规启发式算法应用于复杂问题的求解时，始终面临寻优速度与寻优深度这一对难以调和的矛盾，且在进化后期易陷于早熟[98]。因此，如何平衡优化计算的效率与精度，是当前求解微电网储能系统容量协调优化模型所需面临的一大挑战。
