CN107800148A - 一种基于调峰效果的负荷侧储能优化配置方法 - Google Patents

Abstract

本发明公开了一种基于调峰效果的负荷侧储能优化配置方法，先根据计划配置储能的负荷点的典型日负荷数据，依据负荷数据的标准差和平均单向持续时长生成候选配置集合，然后将配置集合中每一个配置元素作为边界条件，修改计算储能调峰效果的不等式约束，以混合整数规划求新负荷曲线的方差最优值，对应的标准差与原始曲线标准差相比的降低比率作为配置的效益得分，最后将每一个候选配置点的成本按照功率和容量进行计算，综合效益得分与成本如标准差降低率与成本之比，进行候选集合中最优配置的选择；本发明不仅能够降低电网储能配置的设备成本，而且能够快速准确地获取负荷侧储能配置的最优配置，且负荷侧储能配置的准确度高，可靠程度强。

Description

一种基于调峰效果的负荷侧储能优化配置方法

技术领域

本发明涉及电力系统储能应用技术领域，尤其涉及一种基于调峰效果的负荷侧储能优化配置方法。

背景技术

在电力系统的储能配置中，对于负荷峰谷差较大的区域，随着峰负荷的增长，相应的电网设备需要进行一定的扩容和增改建设。但是，在较多情况下，峰负荷的持续时间并不长，导致扩容和增改的送电通道及设备利用率相对较低，造成资源浪费。

在负荷侧配置一定容量的储能，在峰负荷时段放电以降低负荷网点的等效峰负荷，在低谷时段进行充电以提高相应电网设备的利用率，整体上减少峰谷差，可以起到一定的延缓电网设备建设的作用，同时储能的削峰填谷在存在分时电价的情况下，会带来额外一部分电价差的收入，因而，负荷侧配置储能是一个降低设备成本的有效尝试。而在计算方法上，储能的容量计算方法是初期配置规划的重要部分，其中，成本的衡量和计算相对成熟，如何衡量不同储能容量在配置后的效果如调峰效果对于选择最优容量的研究就产生了重大意义。

目前，针对储能容量的优化已经有了很多研究成果，但是其中很大部分是针对风电场并网的储能容量优化研究，而在负荷侧相关的储能研究主要考虑微电网和光伏接入的影响，专门研究电网负荷侧储能配置的却较少，事实上，电网中存在大量未接入新能源的适合配置储能的负荷点。同时，在目前电网负荷侧储能配置的研究中，负荷侧储能配置的研究方法主要集中在制定出力策略后根据策略下的运作结果来计算调峰收益，所计算结果为该储能配置在对应出力策略控制下的收益，难以充分代表该储能配置的效益得分。

发明内容

本发明的目的是提供一种基于调峰效果的负荷侧储能优化配置方法，不仅能够降低电网储能配置的设备成本，而且能够快速准确地获取负荷侧储能配置的最优配置，且负荷侧储能配置的准确度高，可靠程度强。

本发明采用的技术方案为：

一种基于调峰效果的负荷侧储能优化配置方法，其特征在于：包括以下步骤：

A、生成候选点集合：根据配置目标地点的典型日负荷曲线，选定需要进行储能配置的数据点作为候选点D_i并构成候选点集合{D₁,D₂,...，D_i}，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，t_i表示第i个候选点的额定充放时间值；

B、计算每个候选点的储能调峰效益G：将候选点加入配置目标地点的日负荷曲线中，采用优化模型优化方法计算配置候选储能后的新负荷曲线的最小方差S_ns，将新负荷曲线的标准差σ_ns相对于原标准差σ_s降低的比例为该配置候选点的储能调峰效益G；

C、计算每个候选点的对应成本C：对应成本C包括功率成本和电量容量成本，对应成本C的计算公式为：

C＝α·P_max+β·P_max·t_s (1)

公式(1)中，α表示功率成本参数，β表示储能的电量容量成本参数；P_max表示额定充放功率，即候选点D_i的候选额定功率值P_i，t_s表示额定功率充满或放空的时间，即候选点D_i的候选额定充放时间值t_i；其中，额定充电功率和额定放电功率一致，若不一致，需修改为一致，额定功率充满和放空的时间一致，若不一致，需修改为一致；

D、计算每个候选点D_i的储能调峰效益G与对应成本C的比值G/C，选定G/C数值最大的候选点D_i为负荷侧的最优储能配置。

所述的步骤A中根据配置目标地点的典型日负荷曲线计算得到候选点集合包括以下步骤：

A1、采集计划配置储能位置的典型日负荷数据P_lo(t)，其中，t＝{1,2,3,...T}，T表示一天采集的数据点个数，典型日负荷数据P_lo(t)以离散数值的形式存在，不同数据点个的典型日负荷数据P_lo(t)构成典型日负荷数据集合{P_lo(1)，P_lo(2)，…，P_lo(T-1)，P_lo(T)}；

A2、根据典型日负荷数据集合构成的典型日负荷曲线选取2k₁+1个候选额定功率值，构成候选额定功率值集合；其中，k₁＝1,2，…，n；

A3、根据典型日负荷数据集合构成的典型日负荷曲线选取k₂+1个候选的额定充放时间值，构成候选额定充放时间值集合；其中，k₂＝1，2，…，n；

A4、将步骤A3所得的额定功率值集合和步骤A4所得的额定充放时间值集合相乘，构成包括(2k₁+1)·(k₂+1)个候选点D_i的候选点集合，其中，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，P_i的取值来自骤A2所得的额定功率值集合，t_i表示第i个候选点的额定充放时间值，t_i的取值来自骤A3所得的候选额定充放时间值集合。

所述的步骤A2中选取2k₁+1个候选额定功率值的过程为：以典型日负荷数据集合的标准差σ_s为候选额定功率值的中心点，上下各按照间隔m₁选取k₁个候选额定功率值，构成候选额定功率值集合{(1-m₁k₁)·σ_s，[1-m₁(k₁-1)]·σ_s，…，σ_s，…，[1+m₁(k₁-1)]·σ_s，(1+m₁k₁)·σ_s}，其中，m₁k₁＜1，且(1+m₁k₁)·σ_s＜ΔP_load，ΔP_load为典型日负荷曲线的峰谷差；设储能配置之间的额定功率值增加或减少的最小单位相对于典型日负荷数据集合的标准差σ_s的比例为b₁，则m₁是b₁的整数倍。

所述的步骤A3中选取k₂+1个候选额定充放时间值的过程如下：典型日负荷数据P_lo(t)与其均值之差构成序列P_de(t)，序列P_de(t)中的取值有正有负，以相同符号取值的最大连续区间t_de为上界值，按照间隔m₂选取k₂个候选额定充放时间值，构成候选额定充放时间值集合{(1-m₂k₂)·t_de，[1-m₂(k₂-1)]·t_de…，(1-m₂)·t_de，t_de}，其中，m₂k₂＜1；设储能配置之间的额定充放时间值增加或减少的最小单位相对于序列P_de(t)中相同符号取值的最大连续区间t_de的比例为b₂，则m₂为b₂的整数倍。

所述的步骤B中，求解新负荷曲线的最小方差S_ns是一个优化模型，求解过程具体包括以下过程：

B1、设定优化目标函数为min(S_ns)；

B2、计算功率约束：功率约束表示储能的充放电功率不超过其额定充放电功率，设约束条件中的决策变量为储能充电功率变量P_ch(t)、状态变量u_ch(t)、放电功率变量P_dis(t)和状态变量u_dis(t)，则功率约束通过下列公式表达：

-P_max·u_ch(t)≤P_ch(t)≤0 (2)

0≤P_dis(t)≤P_max·u_dis(t) (3)

u_ch(t)+u_dis(t)＝1 (4)

公式(2)、公式(3)和公式(4)中，t＝{1,2,3,...T}，T表示一天采集的数据点个数，P_max表示额定充放功率，即候选点的候选额定功率值，额定充放功率一致，如果不一致，需修改为一致；状态变量u_ch(t)取值为0或1，状态变量u_ch(t)取值为1时表示充电状态，状态变量u_ch(t)取值为0时表示不充电状态；状态变量u_dis(t)取值为0或1，状态变量u_dis(t)取值为1时表示放点状态，状态变量u_dis(t)取值为0时表示不放电状态；

B3、计算电量约束：设约束条件中的功率变量的因变量为电量变量Q_es(t)，电量变量Q_es(t)的计算公式为：

Q_es(t)＝Q_es(t-1)-P_ch(t)·η_ch-P_dis(t)/η_dis (5)

公式(5)中，η_ch表示储能充电效率，η_dis表示储能放电效率；

则电量约束通过下列公式表达：

Q_min≤Q_es(t)≤Q_max (6)

Q_min＝k₁'·P_max·t_s (7)

Q_max＝k₂'·P_max·t_s (8)

公式(6)、公式(7)和公式(8)中，Q_min表示允许的最低电量存量，Q_max表示允许的最高电量存量，P_max表示额定充放功率；k₁'和k₂'为常系数，k₁'表示允许的最低电量存量相对于额定容量的比例，k₂'表示允许的最高电量存量相对于额定容量的比例；t_s表示额定功率充满或放空的时间，即候选点的候选额定充放时间值，额定功率充满和放空的时间一致，如果不一致，需修改为一致；

B4、加入功率约束和电量约束，根据目标函数min(S_ns)，求解计算出新负荷曲线的最小方差S_ns：

新负荷曲线中t时刻的新等效为：

P_nl(t)＝P_lo(t)-P_ch(t)-P_dis(t) (9)

公式(9)中，P_lo(t)表示新负荷曲线中的负荷数据；

新负荷曲线中所有数据点的新等效均值为

公式(10)中，T表示新负荷曲线中的数据点个数；

新负荷曲线的最小方差S_ns的计算公式为

公式(11)中，P_nl(t)为t时刻的新等效，将公式(9)和(10)代入公式(11)中，即可求得新负荷曲线的最小方差S_ns。

本发明具有以下优点：

(1)通过生成候选集的计算方式，相对于传统的大量枚举计算方式，有效缩减了计算量，提高了负荷侧配置储能方法的计算速度，而计算调峰效益的方式，提高了负荷侧配置储能方法的计算速度和准确度；

(2)通过加入先验知识，以候选集合的方式进行计算，根据使用者的经验和精度需求，来选取候选集合的间隔与数量，避免了从零开始低效率的的大范围枚举计算，缩减计算量，提高负荷侧配置方法的计算效率和准确度；

(3)通过将功率约束和电量约束加入优化目标的计算中，求解出新负荷曲线的最小方差S_ns，进而求取每个候选点的储能调峰效益的优化方法，采用混合整数规划方法来提高负荷侧储能配置计算的求解速度和可靠程度，解耦了策略和配置的相互影响，计算储能配置的最优收益为效益得分，更为严谨和充分，进一步改善负荷侧配置储能方法的计算速度和准确度。

附图说明

图1为本发明的流程图。

具体实施方式

如图1所示，本发明所描述的负荷侧储能配置方法包括以下步骤：

A、生成候选点集合：根据配置目标地点的典型日负荷曲线，选定需要进行储能配置的数据点作为候选点D_i并构成候选点集合{D₁,D₂,...，D_i}，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，t_i表示第i个候选点的额定充放时间值；具体包括以下步骤：

A1、采集计划配置储能位置的典型日负荷数据P_lo(t)，其中，t＝{1,2,3,...T}，T表示一天采集的数据点个数，典型日负荷数据P_lo(t)以离散数值的形式存在，不同数据点个的典型日负荷数据P_lo(t)构成典型日负荷数据集合{P_lo(1)，P_lo(2)，…，P_lo(T-1)，P_lo(T)}；例如，T取值96表示该典型日由每15min一个负荷功率值，24h一共96个数据点来表示该典型日的负荷特征；

A2、根据典型日负荷数据集合构成的典型日负荷曲线选取2k₁+1个候选额定功率值，构成候选额定功率值集合；其中，k₁＝1,2，…，n；详细过程为：

以典型日负荷数据集合的标准差σ_s为候选额定功率值的中心点，上下各按照间隔m₁选取k₁个候选额定功率值，构成候选额定功率值集合{(1-m₁k₁)·σ_s，[1-m₁(k₁-1)]·σ_s，…，σ_s，…，[1+m₁(k₁-1)]·σ_s，(1+m₁k₁)·σ_s}，其中，m₁k₁＜1，且(1+m₁k₁)·σ_s＜ΔP_load，ΔP_load为典型日负荷曲线的峰谷差；设储能配置之间的额定功率值增加或减少的最小单位相对于典型日负荷数据集合的标准差σ_s的比例为b₁，则m₁是b₁的整数倍；

在同等数量下，间隔越小，则意味着候选数值越接近，精度越高，但整体的候选范围降低，有可能覆盖不了实际的最优点；相对地，间隔越大，越容易覆盖到实际的最优点，但是可能造成精度降低，计算的最优值误差增大；但是，如果兼顾计算精度和候选范围，同时取较大的数量k₁和较小的间隔m₁，会增大候选集数量，造成计算量增加，进而造成计算时间较长；

因而场景不同，需求的设置不一样，如在没有足够经验的情况下，牺牲计算时间，采用较小的间隔m₁和较大的数量k₁更容易获得理想的效果；例如，将候选额定功率值间隔m₁设定为10％，将候选额定功率值数量k₁设定为4，则构成的候选功率值集合为{0.6σ_s，0.7σ_s，…，σ_s，…，1.3σ_s，1.4σ_s}；

A3、根据典型日负荷数据集合构成的典型日负荷曲线选取k₂+1个候选的额定充放时间值，构成候选额定充放时间值集合；其中，k₂＝1，2，…，n；详细过程为：

典型日负荷数据P_lo(t)与其均值之差构成序列P_de(t)，序列P_de(t)中的取值有正有负，以相同符号取值的最大连续区间t_de为上界值，按照间隔m₂选取k₂个候选额定充放时间值，构成候选额定充放时间值集合{(1-m₂k₂)·t_de，[1-m₂(k₂-1)]·t_de…，(1-m₂)·t_de，t_de}，其中，m₂k₂＜1；设储能配置之间的额定充放时间值增加或减少的最小单位相对于序列P_de(t)中相同符号取值的最大连续区间t_de的比例为b₂，则m₂为b₂的整数倍；

与步骤A3取值的道理相同，候选额定充放时间值的间隔m₂越小则计算的精度越高，候选额定充放时间值的数量k₂取值越大则候选范围越大，计算结果精度也越高，同时也会造成候选点数量增大，计算量增大；目前，优先考虑牺牲计算时间，采用较小的间隔m₂和较大的数量k₂更容易获得理想的效果，例如：将候选额定充放时间值的间隔m₂设定为10％，将候选额定充放时间值的数量k₂设定为5，则构成的候选额定充放时间值集合为{0.5t_de，0.6t_de，…，0.9t_de，t_de}；

A4、将步骤A3所得的额定功率值集合和步骤A4所得的额定充放时间值集合相乘，构成包括(2k₁+1)·(k₂+1)个候选点D_i的候选点集合，其中，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，P_i的取值来自骤A2所得的额定功率值集合，t_i表示第i个候选点的额定充放时间值，t_i的取值来自骤A3所得的候选额定充放时间值集合；例如(0.6σ_s，0.9t_de)就是候选点集合中的一个元素；

B、计算每个候选点的储能调峰效益G：将候选点加入配置目标地点的日负荷曲线中，采用优化模型的优化方法计算配置候选储能后的新负荷曲线的最小方差S_ns，将新负荷曲线的标准差σ_ns相对于原标准差σ_s降低的比例为该配置候选点的储能调峰效益G；

求解新负荷曲线的最小方差S_ns是一个优化模型，求解过程具体包括以下过程：

B1、设定优化目标函数为min(S_ns)；

B2、计算功率约束：功率约束表示储能的充放电功率不超过其额定充放电功率，设约束条件中的决策变量为储能充电功率变量P_ch(t)、状态变量u_ch(t)、放电功率变量P_dis(t)和状态变量u_dis(t)，则功率约束通过下列公式表达：

-P_max·u_ch(t)≤P_ch(t)≤0 (1)

0≤P_dis(t)≤P_max·u_dis(t) (2)

u_ch(t)+u_dis(t)＝1 (3)

公式(1)、公式(2)和公式(3)中，P_max表示额定充放功率，即候选点的候选额定功率值，额定充放功率一致，如果不一致，需修改为一致；状态变量u_ch(t)取值为0或1，状态变量u_ch(t)取值为1时表示充电状态，状态变量u_ch(t)取值为0时表示不充电状态；状态变量u_dis(t)取值为0或1，状态变量u_dis(t)取值为1时表示放点状态，状态变量u_dis(t)取值为0时表示不放电状态；

B3、计算电量约束：设约束条件中的功率变量的因变量为电量变量Q_es(t)，电量变量Q_es(t)的计算公式为：

Q_es(t)＝Q_es(t-1)-P_ch(t)·η_ch-P_dis(t)/η_dis (4)

公式(4)中，η_ch表示储能充电效率，η_dis表示储能放电效率；

则电量约束通过下列公式表达：

Q_min≤Q_es(t)≤Q_max (5)

Q_min＝k₁'·P_max·t_s (6)

Q_max＝k₂'·P_max·t_s (7)

公式(5)、公式(6)和公式(7)中，Q_min表示允许的最低电量存量，Q_max表示允许的最高电量存量，P_max表示额定充放功率；k₁'和k₂'为常系数，k₁'表示允许的最低电量存量相对于额定容量的比例，k₂'表示允许的最高电量存量相对于额定容量的比例；t_s表示额定功率充满或放空的时间，即候选点的候选额定充放时间值，额定功率充满和放空的时间一致，如果不一致，需修改为一致；

B4、加入功率约束和电量约束，根据目标函数min(S_ns)，求解计算出新负荷曲线的最小方差S_ns：

新负荷曲线中t时刻的新等效为：

P_nl(t)＝P_lo(t)-P_ch(t)-P_dis(t) (8)

公式(8)中，P_lo(t)表示新负荷曲线中的负荷数据；

新负荷曲线中所有数据点的新等效均值为

公式(9)中，T表示新负荷曲线中的数据点个数；

新负荷曲线的最小方差S_ns的计算公式为

公式(10)中，P_nl(t)为t时刻的新等效，将公式(8)和(9)代入公式(10)中，即可求得新负荷曲线的最小方差S_ns；

C、计算每个候选点D_i的对应成本C，对应成本C包括功率成本和电量容量成本；对应成本C的计算公式为：

C＝α·P_max+β·P_max·t_s (11)

公式(11)中，α表示功率成本参数，β表示储能的电量容量成本参数；P_max表示额定充放功率，即候选点D_i的候选额定功率值P_i，t_s表示额定功率充满或放空的时间，即候选点D_i的候选额定充放时间值t_i；其中，额定充电功率和额定放电功率一致，若不一致，需修改为一致，额定功率充满和放空的时间一致，若不一致，需修改为一致；

D、计算每个候选点D_i的储能调峰效益G与对应成本C的比值G/C，选定G/C数值最大的候选点D_i为负荷侧的最优储能配置。

结合效益与成本的计算方式可以从绝对收益和相对收益来判别：

绝对收益表示生命效益与成本之差，绝对收益的计算为典型日一天的收益乘以一个放大系数h，利用h*G-C来表示该配置在储能生命周期中的收益，这样存在两个问题：首先在于系数h的整定和计算，存在诸多不确定性；其次，采用绝对收益来衡量配置和投资也不符合常识；因此，优选通过更为准确的相对收益来进行判定；

相对收益用收益率(h*G-C)/C来综合衡量最优储能配置，即h*(G/C)-1，通过上述表达式可以看出，相对收益的收益率与G/C成正比，即存在相同的最大值点，因此，按照G/C选取最大值即可判定负荷侧储能的最优配置。

在实际生产中，负荷侧配置储能主要收益体现在调峰效果对应的延缓电网建设和上网收益，甚至以前者为主，因此，本发明中考虑调峰效果的储能配置方法是符合实际的，相对于现有技术，生成候选集的方式相对完全大量枚举缩减了计算量，而计算调峰效益的方式，采用混合整数规划方法来解决提高求解速度和可靠程度，解耦了策略和配置的相互影响，改善了负荷侧配置储能方法的计算速度和准确度。

在计算方法方面，本发明解除策略与收益的耦合，计算储能配置的最优收益为效益得分，更为严谨和充分；而加入先验知识，以候选集合的方式进行计算，根据使用者的经验和精度需求，来选取候选集合的间隔与数量，避免了从零开始低效率的的大范围枚举计算，计算速度更快。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (5)

1.一种基于调峰效果的负荷侧储能优化配置方法，其特征在于：包括以下步骤：

A、生成候选点集合：根据配置目标地点的典型日负荷曲线，选定需要进行储能配置的数据点作为候选点D_i并构成候选点集合{D₁,D₂,...，D_i}，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，t_i表示第i个候选点的额定充放时间值；

B、计算每个候选点的储能调峰效益G：将候选点加入配置目标地点的日负荷曲线中，采用优化模型优化方法计算配置候选储能后的新负荷曲线的最小方差S_ns，将新负荷曲线的标准差σ_ns相对于原标准差σ_s降低的比例为该配置候选点的储能调峰效益G；

C、计算每个候选点的对应成本C：对应成本C包括功率成本和电量容量成本，对应成本C的计算公式为：

C＝α·P_max+β·P_max·t_s (1)

公式(1)中，α表示功率成本参数，β表示储能的电量容量成本参数；P_max表示额定充放功率，即候选点D_i的候选额定功率值P_i，t_s表示额定功率充满或放空的时间，即候选点D_i的候选额定充放时间值t_i；其中，额定充电功率和额定放电功率一致，若不一致，需修改为一致，额定功率充满和放空的时间一致，若不一致，需修改为一致；

D、计算每个候选点D_i的储能调峰效益G与对应成本C的比值G/C，选定G/C数值最大的候选点D_i为负荷侧的最优储能配置。

2.根据权利要求1所述的基于调峰效果的负荷侧储能优化配置方法，其特征在于：所述步骤A中根据配置目标地点的典型日负荷曲线计算得到候选点集合包括以下步骤：

A1、采集计划配置储能位置的典型日负荷数据P_lo(t)，其中，t＝{1,2,3,...T}，T表示一天采集的数据点个数，典型日负荷数据P_lo(t)以离散数值的形式存在，不同数据点个的典型日负荷数据P_lo(t)构成典型日负荷数据集合{P_lo(1)，P_lo(2)，…，P_lo(T-1)，P_lo(T)}；

A2、根据典型日负荷数据集合构成的典型日负荷曲线选取2k₁+1个候选额定功率值，构成候选额定功率值集合；其中，k₁＝1,2，…，n；

A3、根据典型日负荷数据集合构成的典型日负荷曲线选取k₂+1个候选的额定充放时间值，构成候选额定充放时间值集合；其中，k₂＝1，2，…，n；

A4、将步骤A3所得的额定功率值集合和步骤A4所得的额定充放时间值集合相乘，构成包括(2k₁+1)·(k₂+1)个候选点D_i的候选点集合，其中，D_i＝(P_i，t_i)，P_i表示第i个候选点的额定功率值，P_i的取值来自骤A2所得的额定功率值集合，t_i表示第i个候选点的额定充放时间值，t_i的取值来自骤A3所得的候选额定充放时间值集合。

3.根据权利要求2所述的基于调峰效果的负荷侧储能优化配置方法，其特征在于：所述的步骤A2中选取2k₁+1个候选额定功率值的过程为：以典型日负荷数据集合的标准差σ_s为候选额定功率值的中心点，上下各按照间隔m₁选取k₁个候选额定功率值，构成候选额定功率值集合{(1-m₁k₁)·σ_s，[1-m₁(k₁-1)]·σ_s，…，σ_s，…，[1+m₁(k₁-1)]·σ_s，(1+m₁k₁)·σ_s}，其中，m₁k₁＜1，且(1+m₁k₁)·σ_s＜ΔP_load，ΔP_load为典型日负荷曲线的峰谷差；设储能配置之间的额定功率值增加或减少的最小单位相对于典型日负荷数据集合的标准差σ_s的比例为b₁，则m₁是b₁的整数倍。

4.根据权利要求2所述的基于调峰效果的负荷侧储能优化配置方法，其特征在于：所述的步骤A3中选取k₂+1个候选额定充放时间值的过程如下：典型日负荷数据P_lo(t)与其均值之差构成序列P_de(t)，序列P_de(t)中的取值有正有负，以相同符号取值的最大连续区间t_de为上界值，按照间隔m₂选取k₂个候选额定充放时间值，构成候选额定充放时间值集合{(1-m₂k₂)·t_de，[1-m₂(k₂-1)]·t_de…，(1-m₂)·t_de，t_de}，其中，m₂k₂＜1；设储能配置之间的额定充放时间值增加或减少的最小单位相对于序列P_de(t)中相同符号取值的最大连续区间t_de的比例为b₂，则m₂为b₂的整数倍。

5.根据权利要求1所述的基于调峰效果的负荷侧储能优化配置方法，其特征在于：所述的步骤B中，求解新负荷曲线的最小方差S_ns是一个优化模型，求解过程具体包括以下过程：

B1、设定优化目标函数为min(S_ns)；

B2、计算功率约束：功率约束表示储能的充放电功率不超过其额定充放电功率，设约束条件中的决策变量为储能充电功率变量P_ch(t)、状态变量u_ch(t)、放电功率变量P_dis(t)和状态变量u_dis(t)，则功率约束通过下列公式表达：

-P_max·u_ch(t)≤P_ch(t)≤0 (2)

0≤P_dis(t)≤P_max·u_dis(t) (3)

u_ch(t)+u_dis(t)＝1 (4)

公式(2)、公式(3)和公式(4)中，t＝{1,2,3,...T}，T表示一天采集的数据点个数，P_max表示额定充放功率，即候选点的候选额定功率值，额定充放功率一致，如果不一致，需修改为一致；状态变量u_ch(t)取值为0或1，状态变量u_ch(t)取值为1时表示充电状态，状态变量u_ch(t)取值为0时表示不充电状态；状态变量u_dis(t)取值为0或1，状态变量u_dis(t)取值为1时表示放点状态，状态变量u_dis(t)取值为0时表示不放电状态；

B3、计算电量约束：设约束条件中的功率变量的因变量为电量变量Q_es(t)，电量变量Q_es(t)的计算公式为：

Q_es(t)＝Q_es(t-1)-P_ch(t)·η_ch-P_dis(t)/η_dis (5)

公式(5)中，η_ch表示储能充电效率，η_dis表示储能放电效率；

则电量约束通过下列公式表达：

Q_min≤Q_es(t)≤Q_max (6)

Q_min＝k₁'·P_max·t_s (7)

Q_max＝k₂'·P_max·t_s (8)

公式(6)、公式(7)和公式(8)中，Q_min表示允许的最低电量存量，Q_max表示允许的最高电量存量，P_max表示额定充放功率；k₁'和k₂'为常系数，k₁'表示允许的最低电量存量相对于额定容量的比例，k₂'表示允许的最高电量存量相对于额定容量的比例；t_s表示额定功率充满或放空的时间，即候选点的候选额定充放时间值，额定功率充满和放空的时间一致，如果不一致，需修改为一致；

B4、加入功率约束和电量约束，根据目标函数min(S_ns)，求解计算出新负荷曲线的最小方差S_ns：

新负荷曲线中t时刻的新等效为：

P_nl(t)＝P_lo(t)-P_ch(t)-P_dis(t) (9)

公式(9)中，P_lo(t)表示新负荷曲线中的负荷数据；

新负荷曲线中所有数据点的新等效均值为

<mrow> <msub> <mi>P</mi> <mrow> <mi>n</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <mo>&amp;CenterDot;</mo> <munderover> <mo>&amp;Sigma;</mo> <mn>1</mn> <mi>T</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>n</mi> <mi>l</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>

公式(10)中，T表示新负荷曲线中的数据点个数；

新负荷曲线的最小方差S_ns的计算公式为

<mrow> <msub> <mi>S</mi> <mrow> <mi>n</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mn>1</mn> <mi>T</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>n</mi> <mi>l</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>n</mi> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>

公式(11)中，P_nl(t)为t时刻的新等效，将公式(9)和(10)代入公式(11)中，即可求得新负荷曲线的最小方差S_ns。