近年来,随着全球二氧化碳排放量屡创新高,中国于2020年提出“双碳”目标来应对温室效应的产生。我国传统电能的生产主要以煤炭为主,同时也带来了一系列的环境污染和能源储量不足的问题。由于储量丰富、清洁高效等优点,太阳能目前正被大规模推广,并且大量的光伏发电并入配电网在未来势必会成为主流。但光伏发电受到气候环境的影响,具有极大的不确定性,其波动性会对配电网负荷带来剧烈冲击。伴随着光伏渗透率在配电网中的不断升高,为保障配电网电能质量及调度灵活性,就需要对系统设置一定的备用,储能技术的出现使得这一问题有了转机。电池储能系统（Battery Energy Storage System,BESS）具有平滑负荷出力波动、配合电网负荷消纳及增加电网调度灵活性等优点,目前被广泛应用于光伏发电,以解决大规模光伏发电接入配电网带来的一系列问题。但光伏渗透率的不断增大也会导致BESS容量随之增大,在实际应用中,BESS成本高昂,且配电网的整体运行费用也受其接入点和容量及电量的影响。因此,本文主要对高渗透率光伏配电网中BESS的配置进行优化研究。主要内容如下:（1）分析光伏发电和BESS现阶段的发展应用现状,对国内外光伏储能实行的政策进行概括梳理。分别对光伏发电和储能电池的技术特性展开分析,建立其相应的数学模型。并提出采用K均值法对大量光伏出力场景进行划分。将光伏全年出力曲线分为六个场景,对其出力特性逐一进行分析。并在综合光伏输出功率变化曲线的基础上,以实例证明了K均值法在光伏出力场景划分方面的有效性。（2）采用上层单目标、下层多目标控制,相互影响,将储能选址定容和储能充放电功率联合,对配电网及储能的总成本进行优化,同时对负荷波动和节点电压波动进行约束。此外,应用一种动态影像Pareto解集更新方法,对一般的多目标粒子群算法（Multi-objective Particle Swarm Optimization Algorithm,MOPSO）进行改进,并利用改进后的算法（Improved Multi-objective Particle Swarm Optimization Algorithm,IMOPSO）处理下层多目标优化问题。采用IMOPSO算法求解的BESS双层决策模型在前期规划和后期运行方面,相互协调,共同对BESS进行最优配置。（3）以IEEE-33节点为例,对所划分的四类不同情况分别从运行经济性、储能削峰填谷、储能电池利用率和改善电压质量方面进行分析。同时比对了所改进算法的有效性及优越性,并设置不同渗透率对本文所提的双层模型展开讨论,验证所构建的双层模型具备改善电压质量的同时兼顾系统运行经济性的有效性。