CN104062958A - 一种基于动态负荷管理的居家智能优化方法 - Google Patents

Abstract

本发明公开了一种基于动态负荷管理的居家智能优化方法，基于目前智能电网智能用电设备和高级量测系统等高级应用手段，根据智能家居用户舒适、自然环境相关因素和电价系相关因素，进行合理安排组织用电设备的运行状态，使之更高效的运行。本发明通过用电设备的运行特点把用电设备分成4类，分别进行设备控制状态的设置和用电费用的计算。本发明通过智能家居，在适合的时段改变用户的用电行为，以用电设备总用电费用和用户舒适度为多目标函数来管理设备的运行状态。本发明能够根据客户的不同需求（最小化费用或最大化舒适度）灵活的调整权重，得到最优的目标函数，得到满足用户各种不同需求的设备运行方案。

Description

一种基于动态负荷管理的居家智能优化方法

技术领域

本发明涉及一种基于动态负荷管理的居家智能优化方法，属于电力系统技术领域。

背景技术

中国经济进入了新一轮加速发展期用电量猛增，高耗能企业的无序发展使得用电紧张的局势进一步恶化而包括新能源在内的发电设施建设也相对滞后因此负荷管理成为消除系统缺额保障安全稳定运行的重要手段随着智能电网中智能电表的普及系统运行人员能够采取多种负荷控制措施提升配电网的运行效率和供电质量负荷管理措施中的负荷削减包括直接负荷控制和需求侧响应均需要以智能电表为基础其通过运行人员发送控制信号中断用户的用电则依赖于实时电价信号。

在智能电网中，动态需求侧管理作为决策工具，受到较大的关注，其能够有效的减少温室气体的排放，增加可再生能源的产领，以及增加能源的利用率。

需求侧管理鼓励用户改变用电方式，调整电力需求在时序上的分布，进行负荷曲线整形。为了更好地实现供需平衡并贯彻电网运行“安全、优质、经济”的原则,利用需求侧资源，借助需求侧管理协助维护供需平衡是必要的。

当智能家居广泛应用，在动态需求侧管理中，作为末端的使用者来说，其在最终的配用电过程中发挥着积极的作用，通过实时电价的信息，及时的调整他们的用电消费模式。在这种情况下，消费者参与动态需求侧管理，根据实时电价的价格，能够影响他们的消费模式，从而减少电能的消费，同时节约电能。

如果电网侧遇见了未来某地区的电力使用不平衡，则可以提高或降低实时电价，用户通过智能家居设备自动调整运行状态，来动态的响应变化，能够降低电网侧的供电压力，平衡负荷曲线，同时减小了用户的用电费用。

发明内容

本发明提出了一种基于动态负荷管理的居家智能优化方法，根据智能家居用户舒适、自然环境相关因素和电价系相关因素，进行合理安排组织用电设备的运行状态，在适合的时段改变用户的用电行为，使用户得到更好的用电体验。

为达到上述目的，本发明采用的技术方案如下：

一种基于动态负荷管理的居家智能优化方法，包括以下步骤：

1)建立基于动态负荷管理的居家智能优化模型，基于如下6个接口模型进行数据的传输和设备控制：

可移动设备接口，所述可移动设备接口用于读取用电设备的技术参数，并传输信号数据供主计算机进行调用计算；

可中断设备接口，所述可中断设备接口用于储存由用电设备控制输出的开关状态，并根据该状态通过智能插座对可中断设备进行运行或断开；

气候控制接口，所述气候控制接口用于储存由用电设备控制输出的加热或冷却设备的信号；

环境监控接口，所述环境监控接口用于储存预测的电能消费值，环境温度值，可再生能源提供的能源值，并不断的把这些数据和实际的环境数据进行比较，如果偏差大于设定值，则发出一个警告信号，使得电脑控制端进行重新计算；

用户接口，所述用户接口用于和用户进行交流互动，把用户的偏好转化成权重数据给优化模型，并且展示给用户实际的系统操作方式；

天气预报预测接口，所述天气预报预测接口提供电气预报数值；

2)将用电设备分为4类，包括：

用电设备A_CS，这类设备的电能消耗能够在每个阶段被平滑的控制，并且用电行为在每个子时段只取决于当前的电能消费等级；

用电设备A_BS，这类设备的用电行为和系统总的用能消耗有关；

用电设备A_SS，这类设备属于可中断设备系类，当这类设备运行的时候，它的电能消耗是固定的，能够被直接打开和关闭并且不产生影响；

用电设备A_NSS，这类设备属于不可中断设备系类，这类设备运行时的用电功率恒定；

3)计算所述步骤2)的4类用电设备的用电费用，

所述用电设备A_CS的电能消耗X_CS的表达式为：

$X_{\mathrm{CS}}=\{x_a=\frac{1}{L}\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{CS}},\}$

其中，C_a是用电设备a用电费用的最小值，U_a(x_a)为用电设备a的实际用电费用，是用电设备a在时间段t内总的用电消耗，S_a表示用电设备a运行起始时间，F_a表示用电设备a运行结束时间，1/L表示用电设备A_CS的平滑控制系数；

所述用电设备A_BS的电能消耗X_BS的表达式为：

$X_{\mathrm{BS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{BS}},\}$

所述用电设备A_SS的电能消耗X_SS的表达式为：

$X_{\mathrm{SS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{SS}},\}$

所述用电设备A_NSS的电能消耗X_NSS的表达式为：

$X_{\mathrm{NSS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{NSS}},\}$

4)居家智能优化模型通过可移动设备接口、可中断设备、气候控制接口、环境控制接口采集智能家居用电设备的用电信息，通过可移动设备接口、可中断设备采集可控和不可控负荷的用电数据，通过用户接口采集用户的用电喜好数据，通过天气预报预测接口采集天气预报的数据和实时电价的信息；

5)设置目标函数，所述目标函数包括最小化居家设备的总用电能耗和舒适度，

所述目标函数最小化居家设备的总用电能耗minf(X)的表达式为：

$\min f\left(X\right)=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\γ}}_t{\mathrm{\Σ}}_{a\∈A}{x}_a^t$

其中，是用电设备a在时间段t内总的电能消耗，并且设定设备存在可控制的时间段[S_a，F_a]，在该可控时间段内，其电能消耗在上下限之间可控；γ_t是分时电价在时段t内价格，A是总的设备；

所述目标函数舒适度J的表达式为：

$J={\∂}_{\mathrm{PR}}\stackrel{\‾}{C_{\mathrm{PR}}}+{\∂}_{\mathrm{CC}}\stackrel{\‾}{C_{\mathrm{CC}}}$

其中， ${\∂}_{\mathrm{PR}},{\∂}_{\mathrm{CC}}$ 为目标函数权重， ${\∂}_{\mathrm{PR}}\∈\left[\mathrm{0,1}\right],{\∂}_{\mathrm{CC}}\∈\left[\mathrm{0,1}\right],\stackrel{\‾}{C_{\mathrm{PR}}}$ 和 $\stackrel{\‾}{C_{\mathrm{CC}}}$ 分别为方案偏好函数C_PR和温度舒适度函数C_CC的凸组合函数；

6)根据所述步骤4)采集的用户的用电喜好数据和天气预报数据进行目标函数中权重的设置，采用基于Pareto的多目标算法结合启发式算法对所述步骤5)的目标函数minf(X)和J进行求解，得到最优化的各种用电设备启动时间排列结果。

前述的步骤6)，求解的具体过程为：

6-1)调整网络负荷限制的大小，使得只有符合约束条件的成为可行解，构成可行解集；

6-2)产生初始解，具体步骤为：

6-2-1)对于含有N个可移动设备进行的每一个操作时间序列p(p＝p₁,p₂,……,p_n)，首先设置并把该序列保存至可移动设备接口；所述σ_p为所有的可移动设备的操作时间序列的向量集合，表示空集；

6-2-2)对于每一个用电设备k(k＝1……N)进行如下操作：对于每一个时间节点t(t＝1……T)，使操作时间序列p中的第k个设备在时间节点t开始运行；然后运行温度控制子程序TCS，电能控制子程序BCS和负荷控制子程序LCS；如何运行结果没有超过各子程序中约束条件的限制，则计算该解的总用电费用；更新σ_p，在操作时间序列p中添加该第k个设备在时间节点t运行；

6-3)进行领域解的寻优操作，利用局部搜索子程序搜索领域找到其中的最优可行解，并定义为最优领域解；如果最优领域解比当前最优解更好，则把它设为当前最优解，否则停止局部搜索程序；

6-4)储存最优领域解到子集中；

6-5)重复步骤6-2)-6-4)，直到最大运行次数，得到最优化的各种用电设备启动时间排列结果。

前述的步骤6-1)的约束条件是指储能设备剩余电量大小大于最低阀值，电动汽车充电大小小于最高阀值，分布式电源发电并网容量小于最大阀值。

前述的步骤6-2-2)中，

运行温度控制子程序TCS用于计算热/冷设备电力控制方式，首先通过气候控制接口获得加热功率数值冷却功率数值然后计算一个相关的温度控制范围，所述温度控制范围为：

$[{\mathrm{acc\θ}}_{r,t}^{\mathrm{MIN}}+(1-\mathrm{acc}){\mathrm{\θ}}_{r,t}^{\mathrm{MAX}},\mathrm{acc}{\mathrm{\θ}}_{r,t}^{\mathrm{MAX}}+(1-\mathrm{acc}){\mathrm{\θ}}_{r,t}^{\mathrm{MAX}}]$

其中，acc是目标函数中关于温度舒适度的权重；是时间t房间r内期望的最大温度；是时间t房间r内期望的最小温度；

电能控制子程序BCS用于管理可重复充电电池的使用方式，所述BCS子程序在每个时间节点，从电池里获得最多的电能，减少从电网吸收的功率；

负荷控制子程序LCS用于检查和调整系统负荷工作方式，是指对冷热设备采取相关的措施，并控制可中断负荷保证目前的方案可行，具体为，对于每一个时间节点，如果从电网吸收的总功率超过了允许的限度，负荷控制子程序首先通过可中断设备接口对一些可中断负荷设备进行停止或运行操作，如果只通过控制可中断负荷设备，达不到控制效果，则负荷控制子程序增加/减少温度控制设备功率。

前述的各子程序的约束条件分别为：

温度控制子程序：环境控制接口储存的环境温度值和实际的环境数据进行比较，如果具有|data_get-data_real|>num_set，则发出一个警告信号，使得电脑控制端进行重新计算；其中，data_get为储存的环境温度值，data_real为实际的环境数据，num_set为设定的偏差；

电能控制子程序：储能电池放电量小于储能电池的剩余电量；

负荷控制子程序：可中断设备的可中断次数。

前述的步骤6-3)中，最优可行解是指最小化操作时间序列的总用电费用，所述最优可行解采用Pareto算法寻找。

本发明能够考虑多种用电负荷设备，同时管理相关的储能设备和可再生单元负载以及如下设备类型：i)可转移的负荷，如具有预设循环工作周期的设备；ii)热负荷，例如空调和加热装置；iii)可中断负荷，例如热水器(打开状态：具有固定的功率，或者关闭)；

本发明以总的用电消费，气候，和用户舒适度为目标函数来管理设备的运行状态。本发明能够根据客户的不同需求(最小化用电费用或最大化舒适度)之间合理的协调目标函数，得到满足用户各种不同需求的设备运行方案。

附图说明

图1为本发明基于动态负荷管理的居家智能优化方法的流程图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案进行详细说明：

如图1所示，本发明基于动态负荷管理的居家智能优化方法，包括以下步骤：

1、建立基于动态负荷管理的居家智能优化模型，基于6个接口模型进行数据得传输和设备控制：(1)可移动设备接口，该接口读取智能用电设备的技术参数(比如持续工作时间)，并传输信号数据供主计算机进行调用计算；(2)可中断设备接口，储存由设备控制输出的开关状态，并根据该状态通过智能插座对可中断设备进行运行或断开；(3)气候控制接口，储存由设备控制输出的加热或冷却设备的信号；(4)环境监控接口，储存预测的电能消费值，环境温度值，可再生能源提供的能源值，并不断的把这些数据和实际的环境数据进行比较，如果偏差大于设定值，则发出一个警告信号，使得电脑控制端进行重新计算；(5)用户接口，用于和用户进行交流互动，把用户的偏好转化成权重数据给优化模型，并且展示给用户实际的系统操作方式；(6)天气预报预测接口，提供电气预报数值。

2)对用电设备进行分类，并计算相应的用电费用：

第1类用电设备A_CS，又称可移动设备，这类设备的电能消耗可以在每个阶段被平滑的控制，并且用电行为在每个子时段只取决于当前的电能消费等级，比如空调，加热器，电灯等。该类设备的电能消耗X_CS可定义为：

$X_{\mathrm{CS}}=\{x_a=\frac{1}{L}\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{CS}},\}$

其中，C_a是用电设备a用电消耗的最小值，U_a(x_a)为用电设备a的实际用电费用，是用电设备a在时间段t内总的用电消耗，S_a表示用电设备a运行起始时间，F_a表示用电设备a运行结束时间，1/L表示用电设备A_CS的平滑控制系数。

第2类用电设备A_BS，这类设备具有较好的弹性控制能力，比如充电电池，该类设备的用电行为和系统总的用能消耗有关，具有调节整体用电平衡的特点。该类设备的电能消耗X_BS可定义为：

$X_{\mathrm{BS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{BS}},\}$

第3类用电设备A_SS，这类设备不具备可控性，属于可中断设备系类，当这类设备运行的时候，它的电能消耗是固定的，他们能够被直接打开和关闭并且不产生影响，比如功率不可控的充电设备。该类设备的电能消耗X_SS可定义为：

$X_{\mathrm{SS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{SS}},\}$

第4类用电设备A_NSS，这类设备不具备可控性，且属于不可中断设备系类，这类设备运行时的用电功率恒定，比如电脑。该类设备的电能消耗X_NSS可定义为：

$X_{\mathrm{NSS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\Σ}}}{x}_a^t,U_a\left(x_a\right)\≥C_a,\∀a\∈A_{\mathrm{NSS}},\}$

3)居家智能优化模型通过可移动设备接口、可中断设备、气候控制接口、环境控制接口采集智能家居用电设备的用电信息，通过可移动设备接口、可中断设备采集可控和不可控负荷的用电数据，通过用户接口采集用户的用电喜好数据，通过天气预报预测接口采集天气预报的数据和实时电价的信息；

4)设置目标函数：目标函数包括2部分，居家设备的总用电能耗和用户舒适性。

目标函数1，最小化居家设备的总用电能耗minf(X)定义为：

$\min f\left(X\right)=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\γ}}_t{\mathrm{\Σ}}_{a\∈A}{x}_a^t$

其中：是用电设备a在时间段t内总的电能消耗，并且设定设备存在可控制的时间段[S_a，F_a]，在该可控时间段内，其电能消耗在上下限之间可控；γ_t是分时电价在时段t内价格。A是总的设备，在本发明中被划分为4类。

目标函数2，舒适度：

$C_{\mathrm{PR}}=\left[\underset{a=1}{\overset{N_{\mathrm{SH}}}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{PR}}_{a,t}{\mathrm{ST}}_t{p}_{a,t}\right]/N_{\mathrm{SH}}$

$C_{\mathrm{CC}}=g^{\max }+\left[\underset{r=1}{\overset{N_R}{\mathrm{\Σ}}}{g}_{r,t}\right]/N_{R}T$

该目标函数考虑了二部分的内容：方案偏好C_PR，温度舒适度C_CC。

其中：温度舒适度C_CC包括2部分，最大绝对偏差g^max，用来惩罚高数值的g_r,t，以及总的绝对偏差，该值在期望和实际的室内温度之间。

式中：PR_a,t表示偏好系数，取[1,2,3,4,5]的某个数值，1表示非常喜好，5表示非常不喜欢；ST_t表示某个设备的启动时间；N_SH表示总的可转移负荷设备数目；g_r,t表示第r个房间，第t个时刻当前室温和期望的室温的差值；p_a,t表示某个设备的持续运行时间；N_R表示实际室温和舒适室温的差值；

T表示室温达到理想温度所使用的时间。

方案偏好C_PR，温度舒适度C_CC的凸组合函数为：

$\stackrel{\‾}{C_{\mathrm{PR}}}=\frac{C_{\mathrm{PR}}-C_{\mathrm{PR}}^{\min }}{C_{\mathrm{PR}}^{\max }-C_{\mathrm{PR}}^{\min }}$

$\stackrel{\‾}{C_{\mathrm{EC}}}=\frac{C_{\mathrm{CC}}-C_{\mathrm{CC}}^{\min }}{C_{\mathrm{CC}}^{\max }-C_{\mathrm{CC}}^{\min }}$

其中：代表了由每一个指数获得的最小和最大值。

把上述二个凸组合函数进行加权得到的舒适度目标函数如下：

$J={\∂}_{\mathrm{PR}}\stackrel{\‾}{C_{\mathrm{PR}}}+{\∂}_{\mathrm{CC}}\stackrel{\‾}{C_{\mathrm{CC}}}$

其中， ${\∂}_{\mathrm{PR}},{\∂}_{\mathrm{CC}}$ 为目标函数权重， ${\∂}_{\mathrm{PR}}\∈\left[\mathrm{0,1}\right],{\∂}_{\mathrm{CC}}\∈\left[\mathrm{0,1}\right],$

通过改变在[0,1]变化的变量就能得到不同的用户需求目标函数。

对于上述多目标函数，minf(X)和J，为了求取两者的最优值，采用基于Pareto算法的多目标处理方法。

5)根据用户的用电喜好数据和天气预报数据进行目标函数中权重的设置，采用基于Pareto多目标处理算法和启发式算法相结合的方法进行对目标函数minf(X)和J进行求解，得到最优化的各种用电设备启动时间排列结果。

本发明提出的启发式算法融合了局部搜索和枚举搜索。该方法能够在有限的计算能力下，有效的搜索具有非常大搜索子空间问题，同时结合PARETO对多目标函数进行处理，避免了不同量钢目标函数之间寻找最优的矛盾。

程序主体如下：

(1)产生可行解集，对于每一个可行解子集：调整网络负荷限制的大小，使得只有符合约束条件的成为可行解，这里的约束条件是指储能设备剩余电量大小大于最低阀值，电动汽车充电大小小于最高阀值，分布式电源发电并网容量小于最大阀值。

(2)进行初始解的产生操作，并定义为“当前最优解”，如果没有可行的初始解，则停止运行该局部搜索程序。

为了开始算法中局部搜索阶段，首先需要得到一个初始的可行解。该过程考虑所有的可移动设备得到所有可能的排列顺序，在接下来的子程序中，σ_p储存了每一个可转移设备的开始运行时刻。具体步骤如下：

对于含有N个可移动设备，即用电设备A_CS，进行的每一个操作时间序列p(p₁,p₁,……,p_n)，首先设置并把该序列保存至可移动设备接口；每一个操作时间序列p代表每个控制时刻的设备控制状态，σ_p表示所有的可移动设备的操作时间序列的向量集合，表示空集；

然后对每一个可移动设备k(k＝1……N)进行如下操作：对于每一个时间节点t(t＝1……T)，使序列p中的第k个设备在时间节点t开始运行；运行子程序TCS，BCS和LCS；如何运行结果是可行的，即没有超过各子程序的约束条件，则计算该解的总用电费用，即用电量乘以实际电价；更新σ_p，即在序列p中添加该第k个设备在时间节点t运行。

各子程序的约束条件分别为：

温度控制子程序：环境控制接口储存的环境温度值和实际的环境数据进行比较，如果具有|data_get-data_real|>num_set，则发出一个警告信号，使得电脑控制端进行重新计算；其中，data_get为储存的环境温度值，data_real为实际的环境数据，num_set为设定的偏差；

电能控制子程序：储能电池放电量小于储能电池的剩余电量；

负荷控制子程序：可中断设备的可中断次数。

(3)进行领域解的寻优操作，搜索领域找到其中的最优可行解，并定义为“最优领域解”。

本发明采用局部搜索子程序，通过改变可转移设备的启动时间，来建立当前可行解的领域解。当前解的领域就通过前后移动启动时间建立，一次移动一次，可以移动所有N个可移动设备的启动时间。每一个可移动设备的启动时间通过一个固定的半径“R”来推迟或者提前启动时间。对于每一个新的领域解运行子程序温度控制子程序(Thermal Control Subroutine，TCS)，电能控制子程序(BatteryControl Subroutine，BCS)和负荷控制子程序(Load Control Subroutine，LCS)。

温度控制子程序(Thermal Control Subroutine，TCS)，温度控制子程序需要输入外部温度预测数值和用户温度喜好值。

TCS子程序反复的计算一个相关的温度控制，首先通过气候控制接口获得加热功率数值冷却功率数值然后计算一个相关的温度控制范围：

$[{\mathrm{acc\θ}}_{r,t}^{\mathrm{MIN}}+(1-\mathrm{acc}){\mathrm{\θ}}_{r,t}^{\mathrm{MAX}},\mathrm{acc}{\mathrm{\θ}}_{r,t}^{\mathrm{MAX}}+(1-\mathrm{acc}){\mathrm{\θ}}_{r,t}^{\mathrm{MAX}}]$

其中：acc是目标函数中关于温度舒适度的权重；是时间t房间r内期望的最大温度；是时间t房间r内期望的最小温度。

在每一个时间节点，每一个房间内，基于acc的数值，在算法规定的范围内，指定最小和最大允许温度。acc数值越高，越接近于期望温度范围。由于TCS不考虑电力消费问题，所以(时间t房间r内热设备的功率值)，和(时间t房间r内冷设备的功率值)这两个参数需要根据经验调整。

电能控制子程序(Battery Control Subroutine，BCS)，BCS管理可重复充电电池的使用方式。

BCS在每个时间节点，从电池里获得尽可能多的电能，为了减少从电网吸收的功率。

负荷控制子程序(Load Control Subroutine，LCS)，LCS检查和调整系统负荷工作方式。

该子程序对冷热设备采取相关的措施，并控制可中断负荷保证目前的方案可行。

对于每一个时间节点，如果从电网吸收的总功率超过了允许的限度，负荷控制子程序首先试着对一些可中断负荷设备进行停止或运行操作。如果只通过控制可中断负荷设备，达不到控制效果，则负荷控制子程序增加/减少温度控制设备功率，LCS子程序使用可中断设备，使它们停止运行在给定的限制范围内尽可能多的次数。

最优可行解是指最小化操作时间序列的总用电费用，即求解本发明中目标函数minf(X)，最优可行解采用PARETO算法进行寻找，Pareto最优解的定义可以表述为：对于下式所示的多目标问题：

$\left\{\begin{array}{c}\min F={[f_1\left(x\right),f_2\left(x\right),...,f_n\left(x\right)]}^T\\ \begin{array}{c}s.t.h\left(x\right)=0\\ g\left(x\right)<0\end{array}\end{array}\right.$

设X表示问题的解空间，当X中不存在另一个解w使得f_i(w)≤f_i(x)，i＝1,2,……,n时，称x∈X是该问题的一个Pareto非劣解。

如果最优领域解比当前最优解更好，则把它设为当前最优解，否则停止局部搜索程序。

(4)储存最优解到子集中。

(5)重复步骤(2)-(4)，直到最大运行次数，得到最优化的各种用电设备启动时间排列结果。

Claims (6)

1.一种基于动态负荷管理的居家智能优化方法，其特征在于，包括以下步骤：

1)建立基于动态负荷管理的居家智能优化模型，基于如下6个接口模型进行数据的传输和设备控制：

可移动设备接口，所述可移动设备接口用于读取用电设备的技术参数，并传输信号数据供主计算机进行调用计算；

可中断设备接口，所述可中断设备接口用于储存由用电设备控制输出的开关状态，并根据该状态通过智能插座对可中断设备进行运行或断开；

气候控制接口，所述气候控制接口用于储存由用电设备控制输出的加热或冷却设备的信号；

环境监控接口，所述环境监控接口用于储存预测的电能消费值，环境温度值，可再生能源提供的能源值，并不断的把这些数据和实际的环境数据进行比较，如果偏差大于设定值，则发出一个警告信号，使得电脑控制端进行重新计算；

用户接口，所述用户接口用于和用户进行交流互动，把用户的偏好转化成权重数据给优化模型，并且展示给用户实际的系统操作方式；

天气预报预测接口，所述天气预报预测接口提供电气预报数值；

2)将用电设备分为4类，包括：

用电设备A_CS，这类设备的电能消耗能够在每个阶段被平滑的控制，并且用电行为在每个子时段只取决于当前的电能消费等级；

用电设备A_BS，这类设备的用电行为和系统总的用能消耗有关；

用电设备A_SS，这类设备属于可中断设备系类，当这类设备运行的时候，它的电能消耗是固定的，能够被直接打开和关闭并且不产生影响；

用电设备A_NSS，这类设备属于不可中断设备系类，这类设备运行时的用电功率恒定；

3)计算所述步骤2)的4类用电设备的用电费用，

所述用电设备A_CS的电能消耗X_CS的表达式为：

$X_{\mathrm{CS}}=\{x_a=\frac{1}{L}\underset{S_a}{\overset{F_a}{\mathrm{\&Sigma;}}}{x}_a^t,U_a\left(x_a\right)\&GreaterEqual;C_a,\&ForAll;a\&Element;A_{\mathrm{CS}},\}$

其中，C_a是用电设备a用电费用的最小值，U_a(x_a)为用电设备a的实际用电费用，是用电设备a在时间段t内总的用电消耗，S_a表示用电设备a运行起始时间，F_a表示用电设备a运行结束时间，1/L表示用电设备A_CS的平滑控制系数；

所述用电设备A_BS的电能消耗X_BS的表达式为：

$X_{\mathrm{BS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\&Sigma;}}}{x}_a^t,U_a\left(x_a\right)\&GreaterEqual;C_a,\&ForAll;a\&Element;A_{\mathrm{BS}},\}$

所述用电设备A_SS的电能消耗X_SS的表达式为：

$X_{\mathrm{SS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\&Sigma;}}}{x}_a^t,U_a\left(x_a\right)\&GreaterEqual;C_a,\&ForAll;a\&Element;A_{\mathrm{SS}},\}$

所述用电设备A_NSS的电能消耗X_NSS的表达式为：

$X_{\mathrm{NSS}}=\{x_a=\underset{S_a}{\overset{F_a}{\mathrm{\&Sigma;}}}{x}_a^t,U_a\left(x_a\right)\&GreaterEqual;C_a,\&ForAll;a\&Element;A_{\mathrm{NSS}},\}$

4)居家智能优化模型通过可移动设备接口、可中断设备、气候控制接口、环境控制接口采集智能家居用电设备的用电信息，通过可移动设备接口、可中断设备采集可控和不可控负荷的用电数据，通过用户接口采集用户的用电喜好数据，通过天气预报预测接口采集天气预报的数据和实时电价的信息；

5)设置目标函数，所述目标函数包括最小化居家设备的总用电能耗和舒适度，

所述目标函数最小化居家设备的总用电能耗minf(X)的表达式为：

$\min f\left(X\right)=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_t{\mathrm{\&Sigma;}}_{a\&Element;A}{x}_a^t$

其中，是用电设备a在时间段t内总的电能消耗，并且设定设备存在可控制的时间段[S_a，F_a]，在该可控时间段内，其电能消耗在上下限之间可控；γ_t是分时电价在时段t内价格，A是总的设备；

所述目标函数舒适度J的表达式为：

$J={\&PartialD;}_{\mathrm{PR}}\stackrel{\&OverBar;}{C_{\mathrm{PR}}}+{\&PartialD;}_{\mathrm{CC}}\stackrel{\&OverBar;}{C_{\mathrm{CC}}}$

其中， ${\&PartialD;}_{\mathrm{PR}},{\&PartialD;}_{\mathrm{CC}}$ 为目标函数权重， ${\&PartialD;}_{\mathrm{PR}}\&Element;\left[\mathrm{0,1}\right],{\&PartialD;}_{\mathrm{CC}}\&Element;\left[\mathrm{0,1}\right],\stackrel{\&OverBar;}{C_{\mathrm{PR}}}$ 和 $\stackrel{\&OverBar;}{C_{\mathrm{CC}}}$ 分别为方案偏好函数C_PR和温度舒适度函数C_CC的凸组合函数；

6)根据所述步骤4)采集的用户的用电喜好数据和天气预报数据进行目标函数中权重的设置，采用基于Pareto的多目标算法结合启发式算法对所述步骤5)的目标函数minf(X)和J进行求解，得到最优化的各种用电设备启动时间排列结果。

2.根据权利要求1所述的一种基于动态负荷管理的居家智能优化方法，其特征在于，所述步骤6)，求解的具体过程为：

6-1)调整网络负荷限制的大小，使得只有符合约束条件的成为可行解，构成可行解集；

6-2)产生初始解，具体步骤为：

6-2-1)对于含有N个可移动设备进行的每一个操作时间序列p(p＝p₁,p₂,……,p_n)，首先设置并把该序列保存至可移动设备接口；所述σ_p为所有的可移动设备的操作时间序列的向量集合，表示空集；

6-2-2)对于每一个用电设备k(k＝1……N)进行如下操作：对于每一个时间节点t(t＝1……T)，使操作时间序列p中的第k个设备在时间节点t开始运行；然后运行温度控制子程序TCS，电能控制子程序BCS和负荷控制子程序LCS；如何运行结果没有超过各子程序中约束条件的限制，则计算该解的总用电费用；更新σ_p，在操作时间序列p中添加该第k个设备在时间节点t运行；

6-3)进行领域解的寻优操作，利用局部搜索子程序搜索领域找到其中的最优可行解，并定义为最优领域解；如果最优领域解比当前最优解更好，则把它设为当前最优解，否则停止局部搜索程序；

6-4)储存最优领域解到子集中；

6-5)重复步骤6-2)-6-4)，直到最大运行次数，得到最优化的各种用电设备启动时间排列结果。

3.根据权利要求2所述的一种基于动态负荷管理的居家智能优化方法，其特征在于，所述步骤6-1)的约束条件是指储能设备剩余电量大小大于最低阀值，电动汽车充电大小小于最高阀值，分布式电源发电并网容量小于最大阀值。

4.根据权利要求2所述的一种基于动态负荷管理的居家智能优化方法，其特征在于，所述步骤6-2-2)中，

运行温度控制子程序TCS用于计算热/冷设备电力控制方式，首先通过气候控制接口获得加热功率数值冷却功率数值然后计算一个相关的温度控制范围，所述温度控制范围为：

$[{\mathrm{acc\&theta;}}_{r,t}^{\mathrm{MIN}}+(1-\mathrm{acc}){\mathrm{\&theta;}}_{r,t}^{\mathrm{MAX}},\mathrm{acc}{\mathrm{\&theta;}}_{r,t}^{\mathrm{MAX}}+(1-\mathrm{acc}){\mathrm{\&theta;}}_{r,t}^{\mathrm{MAX}}]$

其中，acc是目标函数中关于温度舒适度的权重；是时间t房间r内期望的最大温度；是时间t房间r内期望的最小温度；

电能控制子程序BCS用于管理可重复充电电池的使用方式，所述BCS子程序在每个时间节点，从电池里获得最多的电能，减少从电网吸收的功率；

负荷控制子程序LCS用于检查和调整系统负荷工作方式，是指对冷热设备采取相关的措施，并控制可中断负荷保证目前的方案可行，具体为，对于每一个时间节点，如果从电网吸收的总功率超过了允许的限度，负荷控制子程序首先通过可中断设备接口对一些可中断负荷设备进行停止或运行操作，如果只通过控制可中断负荷设备，达不到控制效果，则负荷控制子程序增加/减少温度控制设备功率。

5.根据权利要求2或4所述的一种基于动态负荷管理的居家智能优化方法，其特征在于，所述各子程序的约束条件分别为：

温度控制子程序：环境控制接口储存的环境温度值和实际的环境数据进行比较，如果具有|data_get-data_real|>num_set，则发出一个警告信号，使得电脑控制端进行重新计算；其中，data_get为储存的环境温度值，data_real为实际的环境数据，num_set为设定的偏差；

电能控制子程序：储能电池放电量小于储能电池的剩余电量；

负荷控制子程序：可中断设备的可中断次数。

6.根据权利要求2所述的一种基于动态负荷管理的居家智能优化方法，其特征在于，所述步骤6-3)中，最优可行解是指最小化操作时间序列的总用电费用，所述最优可行解采用Pareto算法寻找。