近些年,风电和光伏并网规模逐年扩增,负荷峰谷差日趋增大,这无疑给电网的安全稳定经济运行带来巨大挑战。电池储能系统（battery energy storage system,BESS）可以快速且灵活地实现功率调节和能量吞吐,将其合理地接入配电网可有效解决弃风弃光、电压越限和负荷波动等问题。基于此,本文围绕BESS在配电网的优化配置问题展开研究。首先,通过对储能典型应用和储能技术种类的总结分析,明确将含高比例新能源的配电网作为应用场景并选取锂电池储能技术作为应用对象,建立BESS的数学模型,并分析其接入配电网带来的技术效益和经济效益,为BESS优化配置建模提供理论支撑。接着,基于风电和光伏的随机出力模型以及负荷需求等相关数据,生成了新能源和负荷在全年的时序功率,并采用模糊核C-均值（fuzzy kernel C-means,FKCM）聚类算法建立了描绘配电网源-荷不确定性的各季节典型场景集,平衡了模拟精度和计算复杂度。进而,综合考虑BESS接入配电网的经济性和技术性要求,以最小化系统投资运行成本、配电网电压波动和负荷波动为目标,建立了BESS多目标优化配置模型。在模型内部,设置了荷电状态（state of charge,SOC）安全裕度对BESS充放电功率进行校验和修正,并设置了SOC偏差量约束,以保证BESS的安全稳定,使配置方案更加符合实际运行。为实现模型的可靠求解,设计了基于Pareto的多目标孔雀优化算法（multi-objective peafowl optimization algorithm,MOPOA）求解BESS优化配置方案的最优Pareto解集。所提算法凭借其先进的个体更新机制和Pareto解集存储筛选机制,可以有效逼近该问题的高质量解。为实现BESS配置方案的科学决策,提出了一种改进灰靶决策（improved grey target decision making,IGTDM）方法,旨在客观地选取最佳折中解。最后,基于IEEE-33节点标准测试系统和配电网源-荷运行场景集构建仿真环境,对BESS优化配置模型进行求解。仿真结果表明:MOPOA能够获得解集质量更加优异、分布更加均匀的Pareto前沿,IGTDM方法在3个目标中获得最佳权衡的同时能决策出较高质量的折中解。所得BESS配置方案在兼顾经济效益的同时,配电网的电压质量和负荷水平均得到有效改善,证明了本文所提BESS优化配置方法的有效性和卓越性。