CN104484757B - 一种应用于智能微电网的异质载荷调度和能量管理方法 - Google Patents

一种应用于智能微电网的异质载荷调度和能量管理方法 Download PDF

Info

Publication number
CN104484757B
CN104484757B CN201410779106.6A CN201410779106A CN104484757B CN 104484757 B CN104484757 B CN 104484757B CN 201410779106 A CN201410779106 A CN 201410779106A CN 104484757 B CN104484757 B CN 104484757B
Authority
CN
China
Prior art keywords
grid
moment
delay
user
energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410779106.6A
Other languages
English (en)
Other versions
CN104484757A (zh
Inventor
吴迪
李高翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201410779106.6A priority Critical patent/CN104484757B/zh
Publication of CN104484757A publication Critical patent/CN104484757A/zh
Application granted granted Critical
Publication of CN104484757B publication Critical patent/CN104484757B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种应用于智能微电网的异质载荷调度和能量管理方法，是基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法，具体包括：将智能微电网运行周期切割成T个时间段；在每一个时间段内，获取各用户的延迟容忍和延迟敏感用电请求信息；根据系统状态信息以及用户请求信息决策出用户延迟容忍用电请求调度策略与能量管理策略，决策的约束条件为：满足用户延迟容忍用电请求QoE的同时最小化智能微电网系统的总开销；储能设备的能量水平始终处于其上下界之内。该方法利用了用户延迟容忍用电请求和电价的波动，能有效节省智能微电网的运营成本。

Description

一种应用于智能微电网的异质载荷调度和能量管理方法
技术领域
本发明涉及智能电网的任务调度和能量管理领域，具体涉及了一种应用于智能微电网的异质载荷调度和能量管理方法。
背景技术
进入21世纪，人们的用电需求不断增长，电网规模也在不断扩大，而在全球环境不断恶化的背景下，采用可再生能源发电的重要性不言而喻。“International EnergyAgency,World Energy Outlook 2012,2012.”公开了预计到2035年风力发电和太阳能发电将占到全球总发电的25％和7.5％，同时世界各国都开始关注一种新的环保、灵活的发电方式——分布式发电。分布式发电是指利用各种可用和分散的能源(包括可再生能源和不可再生能源)进行发电功能的技术。
基于分布式发电，R.H.Lasseter,“MicroGrids,”in IEEE Power EngineeringSociety Winter Meeting,2002.提出了一种新形智能电网-智能微电网，智能微电网将局部可再生能源、不可再生能源、能量存储设备及控制装置等系统地结合成一个可控的单元，智能微电网通常可以工作在独立模式和连接模式，独立模式是指智能微电网自行发电满足用户需求，连接模式则联合主电网一起供电满足用户需求。
H.S.V.S.K.Nunna and S.Ashok,“Optimal Management of Microgrids,”inProceedings of IEEE Conference on Innovative Technologies for an EfficientandReliable Electricity Supply,2010.公开一种智能微电网的架构如图1所示。其中智能微电网包括了可再生能源(如风能、太阳能等)发电设备、储能设备中央控制单元，以及通向居民和主电网的电线。当智能微电网工作在独立模式时，可再生能源和储能设备负责所有居民的用电需求；当智能微电网工作在连接模式时，可以从主电网拉取电能或将多余电能回卖给主电网。
居民的用电需求可分为两类，延迟容忍用电请求和延迟敏感用电请求。延迟容忍用电请求主要包括洗衣、洗碗和抽湿等，这类用电请求在一定的延时内满足即可。延迟敏感用电请求则包括照明、电视等，这类用电请求必须立即得到满足。
从智能微电网的运营者角度来看，在保障用户延迟容忍用电请求QoE的同时应该尽可能的减小智能微电网的运行总开销。从图1可以分析出智能微电网的开销主要来包括四个部分：
(1)从主电网购买电能
(2)可再生能源发电
(3)可再生能源的生命周期温室气体排放量
(4)储能设备充放电
其中可再生能源的生命周期温室气体排放量是指电能的生成、传输、使用以及可再生能源发电设备的维修与回收等过程中的温室气体排放量。用生命周期温室气体排放量来衡量智能微电网对环境造成的影响要比碳排放量更为全面。
综上所述，智能微电网需要设计一个异质载荷调度和能量管理方法，满足用户延迟容忍用电请求QoE的同时减小其总开销，节省运营成本。
针对异质载荷调度，只考虑用户延迟容忍用电请求QoE，即所有用户的延迟容忍用电请求立即得到满足。在该技术方案下，用户的延迟容忍用电请求QoE将达到最大，因为所有请求立即得到满足，没有延迟。该技术只考虑用户延迟容忍用电请求的QoE，没有利用可接受的QoE下降和波动的电价来减少智能微电网的总开销。
针对异质载荷调度，只考虑运营开销，即用户的延迟容忍用电请求都尽量安排在电价较低的时刻满足。运用该技术方案，能有效减少智能微电网的总开销，因为用户的延迟容忍用电任务都被调度到电价较低的时刻执行。在该技术中，智能微电网将用户的延迟容忍请求调度到了电价较低的时刻，但其忽略了用户延迟容忍用电请求的QoE。虽然减少了系统的总开销，但同时造成了用户QoE的大幅下降。
针对能量管理问题，通过类似C.Stewart and K.Shen,“Some joules are moreprecious than others:Managing renewable energy in the datacenter,”inProceedings of the Workshop on Power Aware Computing and Systems,2009.公开的思路设定阈值决定充点还是放电。具体地，如果当前时刻的可再生能源高于某个先前设定的阈值，就对储能设备充电操作，否则就进行放电操作。该技术通过静态设定的阈值来决定储能设备的充放电操作，没有考虑到可再生能源的间歇性以及电价的波动性。
针对能量管理问题，还有通过比较当前时刻与前一个时刻的电价来决定储能设备是充电还是放电。如果当前时刻的电价比前一个时刻高，那么就执行放电操作；如果当前时刻的电价比前一个时刻低就进行充电。该技术能减少智能微电网运营开销，但因其仅对比了前一个时刻，性能不会得到很大提升。除此之外，在电价较高的时段(如晚上)，只要当前时刻的电价比前一个时刻低，该技术也会执行充电操作，显然与低价充电、高价放电的思想相悖。
发明内容
本发明结合可再生能源的间断性、用户用电行为的不确定性以及电价波动性等因素，提出一种智能微电网的异质载荷调度和能量管理方法来减少智能微电网的总开销。
为了实现上述目的，本发明的技术方案为：
一种应用于智能微电网的异质载荷调度和能量管理方法，是基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法，具体包括以下步骤：
S1：将智能微电网运行周期切割成T个时间段；
S2：在每一个时间段内，获取各用户的延迟容忍和延迟敏感用电请求信息；
S3：根据系统状态信息以及用户请求信息决策出用户延迟容忍请求调度策略与能量管理策略，决策的约束条件为：用户延迟容忍用电请求的QoE的同时能最小化智能微电网系统的总开销，储能设备的能量水平始终处于其上下界之内；
S4：根据决策策略对用户延迟容忍用电请求进行调度并执行储能设备充放电操作。
本发明是基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法，能够减少智能微电网的总开销；且本发明充分利用了用户延迟容忍用电请求和电价的波动，能有效节省智能微电网的运营成本。
优选的，所述用户延迟容忍用电请求模型具体为：
设智能微电网服务的用户数量为N，定义所有用户在时刻t产生的延迟容忍请求为Γ(t)：Γ(t)＝Γ0(t)+Γ1(t)+…+Γi(t)+…+ΓN-1(t)
其中Γi(t)是一个多元组i表示用户索引，t表示当前时刻，表示单位时刻智能微电网为一个用户供给的最大电能，Ei(t)表示用户i在时刻t提出的延迟容忍用电请求，Ei(t)进一步表示为：
其中表示智能微电网在t+j时刻为用户i在时刻t提出的延迟容忍用电请求分配的电能，Dmax表示智能微电网对延迟容忍用电请求支持的最大延时；
即在时刻t智能微电网为所有用户的延迟容忍用电请求提供的电能Edt(t)为：
优选的，智能微电网总开销包括从主电网购买电能的开销Cg(t)、可再生能源发电开销Ch(t)、可再生能源的生命周期温室气体排放量开销Ce(t)和储能设备充放电开销Cb(t)，智能微电网总开销模型具体为：Cg(t)+Cb(t)+Ch(t)+Ce(t)。
优选的，智能微电网总开销包括时刻t从主电网购买电能的开销Cg(t)、时刻t可再生能源发电开销Ch(t)、时刻t可再生能源的生命周期温室气体排放量开销Ce(t)和时刻t储能设备充放电开销Cb(t)，智能微电网总开销模型具体为：
w1Cg(t)+w2Cb(t)+w3Ch(t)+w4Ce(t)
其中w1、w2、w3和w4分别表示时刻t从主电网购买电能的开销Cg(t)、时刻t可再生能源发电开销Ch(t)、时刻t可再生能源的生命周期温室气体排放量开销Ce(t)和时刻t储能设备充放电开销Cb(t)的权值。
优选的，其特征在于，所述时刻t从主电网购买电能的开销Cg(t)的数学表达式为：Cg(t)＝Pg(t)Eg(t)；其中Pg(t)表示t时刻的电价，Eg(t)表示t时刻智能微电网从主电网拉取的电能；
所述时刻t可再生能源发电开销Ch(t)的数学表达式为：Ch(t)＝PSES(t)+PWEW(t)；其中ES(t)表示时刻t太阳能发电的电能，EW(t)表示时刻t风能发电的电能，PS表示单位太阳能发电的开销，PW表示单位风能发电的开销；
所述时刻t可再生能源的生命周期温室气体排放量开销Ce(t)的数学表达式为：Ce(t)＝Pl(GSES(t)+GWEW(t))，其中Pl表示单位温室气体排放量的费用，GS表示每单位太阳能发电带来的生命周期温室气体排放量，GW表示每单位风能发电带来的生命周期温室气体排放量；
所述时刻t储能设备充放电开销Cb(t)的数学表达式为：Cb(t)＝PbIc(t)+PbId(t)，其中Pb表示一次充放电操作的开销，Ic(t)和Id(t)是一个布尔变量，若时刻t储能设备进行了充电操作则Ic(t)＝1，否则Ic(t)＝0，若时刻t储能设备进行了放电则操作Id(t)＝1，否则Id(t)＝0。
优选的，所述步骤S3中系统状态信息包括当前时刻的电价、太阳辐射强度、风速和未来Q个时段的电价信息。
在本发明中，需要用到有限个未来时段的价格信息，在本发明只需要知道未来时段电价的排序信息就能通过贪心算法进行求解，而未来时段电价的排序通常比价格更好预测，如晚上的电价通常高于白天的电价。
优选的，所述步骤S3中将最小化智能微电网总开销的优化问题转化为Lyapunov优化问题，将用户请求信息和系统状态信息作为该优化问题的已知条件，将用户延迟容忍请求的QoE值、储能设备的容量以及单位时刻智能微电网可为一个用户供给的最大电能作为约束条件，并同时设置一个可容忍QoE的下界来保证用户体验质量，然后解出最优解作为决策结果。
优选的，将对于储能设备的约束条件转化为基于队列稳定性的条件，在该优化问题中定义一个虚拟队列B(t)：
其中Erb(t)表示时刻t储能设备的储能水平，表示任意单位时刻最多放电的能量，表示储能设备的最低能量水平，表示电价的最大值，V是一个调整参数；
根据Lyapunov优化框架，定义L(B(t))和Δ(B(t))如下：
Δ(B(t))＝E{(L(B(t+1))-L(B(t)))|B(t)}
L(B(t))用于衡量队列的大小，Δ(B(t))表示相邻两个时间段队列数组的变化量；
根据Lyapunov优化框架，依据用户用电请求信息和系统状态信息在每一个时间段内计算出满足min(Δ(B(t))+V(Cg(t)+Cb(t)+Ch(t)+Ce(t)))的用户延迟容忍载荷调度策略和能量管理策略，完成本时刻的决策。
优选的，根据阈值判定求解出能量管理策略，其具体过程为：
B(t)＝-VPg(t)→Ec(t)＝0,Ed(t)＝0
其中Ec(t)和Ed(t)分别表示时刻t储能设备充电和放电的能量。
与现有技术相比，本发明的有益效果为：本发明是基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法，能够根据有限的系统状态信息、用户延迟容忍和延迟敏感用电请求信息，动态地做出用户延迟容忍请求调度策略和智能微电网的能量管理策略，优化智能微电网的总开销并保证用户延迟容忍用电请求的QoE；能够减少智能微电网的总开销；且本发明充分利用了用户延迟容忍用电请求和电价的波动，能有效节省智能微电网的运营成本。在本发明还构建了用户延迟容忍用电请求模型，该模型有效的表示了用户的异质载荷请求，是本发明异质载荷调度和能量管理方法的基础。
附图说明
图1为智能微电网架构图。
图2为本发明中异质载荷调度和能量管理方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
本发明充分利用了用户延迟容忍用电请求和电价的波动，能有效节省智能微电网的运营成本。
具体来说，是通过对智能微电网的各组成部分进行详细的数学建模、基于Lyapunov优化理论设计出了异质载荷调度和能量管理方法，运行该方法可得到每一个时刻用户的延迟容忍请求调度策略以及智能电网能量管理策略(储能设备的充放电操作指示)。
本发明的基本技术包括：用户延迟容忍用电请求模型、智能微电网总开销模型、异质载荷调度和能量管理方法。
用户延迟容忍用电请求模型
设智能微电网服务的用户数量为N，定义所有用户在时刻t产生的延迟容忍请求为Γ(t)：Γ(t)＝Γ0(t)+Γ1(t)+…+Γi(t)+…+ΓN-1(t)
其中Γi(t)是一个多元组i表示用户索引，t表示当前时刻，表示单位时刻智能微电网为一个用户供给的最大电能，Ei(t)表示用户i在时刻t提出的延迟容忍用电请求，Ei(t)可进一步表示为：
其中表示智能微电网在t+j时刻为用户i在时刻t提出的延迟容忍用电请求分配的电能，Dmax表示智能微电网对延迟容忍用电请求支持的最大延时。
即在时刻t智能微电网为所有用户的延迟容忍用电请求提供的电能Edt(t)为：
智能微电网总开销模型
本发明主要考虑智能微电网中四个部分的开销：
1.从主电网购买电能的开销
主电网购买电能的开销为智能微电网从主电网购买的电能与电价相乘。本发明允许电价为负数，因为智能微电网可能将多余电能回卖给主电网。从主电网购买电能的开销数学表达式如下：Cg(t)＝Pg(t)Eg(t)
Cg(t)表示时刻t从主电网购买电能的开销，Pg(t)表示t时刻的电价，Eg(t)表示t时刻智能微电网从主电网拉取的电能。
2.可再生能源发电开销
可再生能源发电开销目前还没有一个通用的计算方法，本发明设单位太阳能发电和单位风能发电的开销分别为PS和PW，由此可以得出时刻t可再生能源发电开销为：Ch(t)＝PSES(t)+PWEW(t)
Ch(t)表示时刻t可再生能源发电开销，ES(t)表示时刻t太阳能发电的电能，EW(t)表示时刻t风能发电的电能。
3.可再生能源的生命周期温室气体排放量开销
可再生能源的生命周期温室气体排放量开销为生命周期温室气体排放量与单位温室气体排放量费用相乘。具体数学表达式如下：
Ce(t)＝Pl(GSES(t)+GWEW(t))
Ce(t)表示时刻t可再生能源的生命周期温室气体排放量开销，Pl表示单位温室气体排放量的费用，GS表示每单位太阳能发电带来的生命周期温室气体排放量，GW表示每单位风能发电带来的生命周期温室气体排放量。
4.储能设备充放电开销
因为储能设备的充放电次数是有限的，因此我们将储能设备的采购和维护费用均摊到每一次充放电操作，这样就能衡量每一个时刻储能设备的充放电开销。
Cb(t)＝PbIc(t)+PbId(t)
Cb(t)表示时刻t储能设备的充放电开销，Pb表示一次充放电操作的开销，Ic(t)和Id(t)是一个布尔变量，若时刻t储能设备进行了充电操作则Ic(t)＝1，否则Ic(t)＝0，若时刻t储能设备进行了放电则操作Id(t)＝1，否则Id(t)＝0。
结合上面四个部分就能得到时刻t智能微电网系统的总开销为：
Cg(t)+Cb(t)+Ch(t)+Ce(t)
基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法
下面结合流程图2和实施例对异质载荷调度和能量管理方法做进一步的说明。
(S101)将智能微电网运行周期切割成T个时间段。
(S102)在每一个时间段里，获取各用户的延迟容忍和延迟敏感请求信息。
(S103)根据系统状态信息以及用户请求信息决策出用户延迟容忍请求调度策略与能量管理策略，决策过程中保证用户延迟容忍用电请求的QoE的同时能最小化智能微电网系统的总开销。
(S104)根据求解策略对用户延迟容忍用电请求进行调度并执行储能设备充放电操作。
在一个具体实施方式中，用户请求信息包括延迟容忍用电请求信息和延迟敏感用电请求信息，系统状态信息则包括当前时刻的电价、太阳辐射强度、风速和未来一定时段的电价信息。根据这些用户请求信息和系统状态信息通过优化策略决策出本时间段的异质载荷调度策略和能量管理策略。
在一个具体实施方式中，本发明可以将最小化智能微电网总开销的优化问题转化为Lyapunov优化问题，将用户请求信息和系统状态信息作为该优化问题的已知条件，将用户延迟容忍请求的QoE值、储能设备的容量以及单位时刻智能微电网可为一个用户供给的最大电能作为约束条件，并同时设置一个可容忍QoE的下界来保证用户体验质量，然后解出最优解作为决策结果。为了使用Lyapunov优化框架，本发明将对于储能设备的约束条件转化为基于队列稳定性的条件，在这个优化问题中定义一个虚拟队列B(t)：
其中Erb(t)表示时刻t储能设备的储能水平，表示任意单位时刻最多放电的能量，表示储能设备的最低能量水平，表示电价的最大值，V是一个调整参数。
根据Lyapunov优化框架，定义L(B(t))和Δ(B(t))如下：
Δ(B(t))＝E{(L(B(t+1))-L(B(t)))|B(t)}
L(B(t))用于衡量队列的大小，Δ(B(t))表示相邻两个时间段队列的变化量。根据Lyapunov优化框架，可以依据用户用电请求信息和系统状态信息在每一个时间段内计算出满足min(Δ(B(t))+V(Cg(t)+Cb(t)+Ch(t)+Ce(t)))的用户延迟容忍载荷调度策略和能量管理策略，完成本时刻的决策，该算法过程的伪代码如下所示。
由上可知方法中需要用到有限未来时段的价格信息。本发明只需要知道未来时段电价的排序信息就能通过贪心算法进行求解，而未来时段电价的排序通常比价格更好预测，如晚上的电价通常高于白天的电价。
求解能量管理策略的阈值判定法的具体内容如下：
B(t)＝-VPg(t)→Ec(t)＝0,Ed(t)＝0
其中Ec(t)和Ed(t)分别表示时刻t储能设备充电和放电的能量，该方法可从理论角度证明其是最优的。
在本实施例中，还可以对上述的智能微电网总开销模型进行小幅修改，如对四项开销进行加权求和，或者是对其中某一项开销的内部组成部分进行加权求和。
上述异质载荷调度和能量管理方法中的能量管理策略可以通过求解线性规划问题的方法来解，本实施例采用的阈值判定法是基于线性规划问题从理论上证明出的最优解决方案。
在具体实现过程中，可以采用上述方式组合应用。
本发明公开了：用户延迟容忍用电请求模型、智能微电网总开销模型、异质载荷调度和能量管理方法。用户延迟容忍用电请求模型有效的表示了用户的异质载荷请求，是本发明异质载荷调度和能量管理算法的基础。本发明提出的异质载荷调度和能量管理算法能根据有限的系统状态信息、用户延迟容忍和延迟敏感用电请求信息，动态地做出用户延迟容忍请求调度策略和智能微电网的能量管理策略，优化智能微电网的总开销并保证用户延迟容忍用电请求的QoE，是本发明的核心内容。
以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。在本发明技术方案的基础上，凡根据本发明原理对个别算法模块的结构进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (5)

1.一种应用于智能微电网的异质载荷调度和能量管理方法，其特征在于，该方法是基于用户延迟容忍用电请求模型和智能微电网总开销模型的异质载荷调度和能量管理方法，具体包括以下步骤：
S1：将智能微电网运行周期切割成T个时间段；
S2：在每一个时间段内，获取各用户的延迟容忍和延迟敏感用电请求信息；
S3：根据系统状态信息以及用户请求信息决策出用户延迟容忍载荷调度策略与能量管理策略，决策的约束条件为：满足用户延迟容忍用电请求的QoE的同时能最小化智能微电网系统的总开销；
S4：根据决策策略对用户延迟容忍用电请求进行调度并执行储能设备充放电操作；
用户延迟容忍用电请求模型具体为：
设智能微电网服务的用户数量为N，定义所有用户在时刻t产生的延迟容忍请求为Γ(t)：Γ(t)＝Γ0(t)+Γ1(t)+…+Γi(t)+…+ΓN-1(t)
其中Γi(t)是一个多元组i表示用户索引，t表示当前时刻， 表示单位时刻智能微电网为一个用户延迟容忍用电请求供给的最大电能，Ei(t)表示用户i在时刻t提出的延迟容忍用电请求，Ei(t)可进一步表示为：
其中表示智能微电网在t+j时刻为用户i在时刻t提出的延迟容忍用电请求分配的电能，Dmax表示智能微电网对延迟容忍用电请求支持的最大延时；
即在时刻t智能微电网为所有用户的延迟容忍用电请求提供的电能Edt(t)为：
所述步骤S3中将最小化智能微电网总开销的优化问题转化为Lyapunov优化问题，将用户请求信息和系统状态信息作为该优化问题的已知条件，将用户 延迟容忍请求的QoE值、储能设备的容量以及单位时刻智能微电网可为一个用户供给的最大电能作为约束条件，并同时设置一个可容忍QoE的下界来保证用户体验质量，然后解出最优解作为决策结果；
将对于储能设备的约束条件转化为基于队列稳定性的条件，在该优化问题中定义一个虚拟队列B(t)：
其中Erb(t)表示时刻t储能设备的储能水平，表示任意单位时刻最多放电的能量，表示储能设备的最低能量水平，表示电价的最大值，V是一个调整参数；
根据Lyapunov优化框架，定义L(B(t))和Δ(B(t))如下：
Δ(B(t))＝E{(L(B(t+1))-L(B(t)))|B(t)}
L(B(t))用于衡量队列的大小，Δ(B(t))表示相邻两个时间段队列的变化量；
根据Lyapunov优化框架，依据用户用电请求信息和系统状态信息在每一个时间段内计算出满足min(Δ(B(t))+V(Cg(t)+Cb(t)+Ch(t)+Ce(t)))的用户延迟容忍载荷调度策略和能量管理策略，完成本时刻的决策。
2.根据权利要求1所述的应用于智能微电网的异质载荷调度和能量管理方法，其特征在于，智能微电网总开销包括从主电网购买电能的开销Cg(t)、可再生能源发电开销Ch(t)、可再生能源的生命周期温室气体排放量开销Ce(t)和储能设备充放电开销Cb(t)，智能微电网总开销模型具体为：Cg(t)+Cb(t)+Ch(t)+Ce(t)；
其中智能微电网总开销包括还时刻t从主电网购买电能的开销Cg(t)、时刻t可再生能源发电开销Ch(t)、时刻t可再生能源的生命周期温室气体排放量开销Ce(t)和时刻t储能设备充放电开销Cb(t)，智能微电网总开销模型具体为：
w1Cg(t)+w2Cb(t)+w3Ch(t)+w4Ce(t)
其中w1、w2、w3和w4分别表示时刻t从主电网购买电能的开销Cg(t)、时刻t可再生能源发电开销Ch(t)、时刻t可再生能源的生命周期温室气体排放量开销Ce(t)和时刻t储能设备充放电开销Cb(t)的权值。
3.根据权利要求2所述的应用于智能微电网的异质载荷调度和能量管理方法，其特征在于，
所述时刻t从主电网购买电能的开销Cg(t)的数学表达式为：Cg(t)＝Pg(t)Eg(t)；其中Pg(t)表示t时刻的电价，Eg(t)表示t时刻智能微电网从主电网拉取的电能；
所述时刻t可再生能源发电开销Ch(t)的数学表达式为：Ch(t)＝PSES(t)+PWEW(t)；其中ES(t)表示时刻t太阳能发电的电能，EW(t)表示时刻t风能发电的电能，PS表示单位太阳能发电的开销，PW表示单位风能发电的开销；
所述时刻t可再生能源的生命周期温室气体排放量开销Ce(t)的数学表达式为：Ce(t)＝Pl(GSES(t)+GWEW(t))，其中Pl表示单位温室气体排放量的费用，GS表示每单位太阳能发电带来的生命周期温室气体排放量，GW表示每单位风能发电带来的生命周期温室气体排放量；
所述时刻t储能设备充放电开销Cb(t)的数学表达式为：Cb(t)＝PbIc(t)+PbId(t)，其中Pb表示一次充放电操作的开销，Ic(t)和Id(t)是一个布尔变量，若时刻t储能设备进行了充电操作则Ic(t)＝1，否则Ic(t)＝0，若时刻t储能设备进行了放电则操作Id(t)＝1，否则Id(t)＝0。
4.根据权利要求1所述的应用于智能微电网的异质载荷调度和能量管理方法，其特征在于，所述步骤S3中系统状态信息包括当前时刻的电价、太阳辐射强度、风速和未来Q个时段的电价信息。
5.根据权利要求1所述的应用于智能微电网的异质载荷调度和能量管理方法，其特征在于，根据阈值判定求解出能量管理策略，其具体过程为：
B(t)＝-VPg(t)→Ec(t)＝0,Ed(t)＝0
其中Ec(t)和Ed(t)分别表示时刻t储能设备充电和放电的能量。
CN201410779106.6A 2014-12-15 2014-12-15 一种应用于智能微电网的异质载荷调度和能量管理方法 Expired - Fee Related CN104484757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410779106.6A CN104484757B (zh) 2014-12-15 2014-12-15 一种应用于智能微电网的异质载荷调度和能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410779106.6A CN104484757B (zh) 2014-12-15 2014-12-15 一种应用于智能微电网的异质载荷调度和能量管理方法

Publications (2)

Publication Number Publication Date
CN104484757A CN104484757A (zh) 2015-04-01
CN104484757B true CN104484757B (zh) 2018-05-04

Family

ID=52759298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410779106.6A Expired - Fee Related CN104484757B (zh) 2014-12-15 2014-12-15 一种应用于智能微电网的异质载荷调度和能量管理方法

Country Status (1)

Country Link
CN (1) CN104484757B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743081A (zh) * 2016-03-25 2016-07-06 华北电力大学 社区级直流微电网群的在线能量调度方法
CN106856440B (zh) * 2017-01-13 2021-06-11 上海交通大学 供电双连接系统的动态电能调度和自适应用户关联方法
CN109193675B (zh) * 2018-09-08 2019-07-05 烟台云控自动化科技有限公司 一种多台生产设备均衡负荷的优化控制方法
TWI687890B (zh) * 2019-05-13 2020-03-11 國立清華大學 基於強化學習的能源競價方法及裝置
CN117376423B (zh) * 2023-12-08 2024-03-12 西南民族大学 一种深度学习推理服务调度方法、系统、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013126800A1 (en) * 2012-02-22 2013-08-29 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
CN103297505A (zh) * 2013-05-10 2013-09-11 华中科技大学 动态云服务请求下数据中心多能源的在线控制方法和系统
CN103346562A (zh) * 2013-07-11 2013-10-09 江苏省电力设计院 计及需求响应的多时间尺度微网能量控制方法
CN103730891A (zh) * 2013-11-18 2014-04-16 芜湖大学科技园发展有限公司 一种基于多智能体的微电网运行控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013126800A1 (en) * 2012-02-22 2013-08-29 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
CN103297505A (zh) * 2013-05-10 2013-09-11 华中科技大学 动态云服务请求下数据中心多能源的在线控制方法和系统
CN103346562A (zh) * 2013-07-11 2013-10-09 江苏省电力设计院 计及需求响应的多时间尺度微网能量控制方法
CN103730891A (zh) * 2013-11-18 2014-04-16 芜湖大学科技园发展有限公司 一种基于多智能体的微电网运行控制方法

Also Published As

Publication number Publication date
CN104484757A (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
CN107545325B (zh) 一种基于博弈论的多微网互联运行优化方法
Subramanian et al. Real-time scheduling of deferrable electric loads
Abdullah et al. An effective power dispatch control strategy to improve generation schedulability and supply reliability of a wind farm using a battery energy storage system
Zhao et al. An MAS based energy management system for a stand-alone microgrid at high altitude
Purvins et al. Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids
Guo et al. Optimal power management of residential customers in the smart grid
CN104484757B (zh) 一种应用于智能微电网的异质载荷调度和能量管理方法
CN104716693B (zh) 一种分布式储能电池的能量管理方法及控制器、系统
Rajanna et al. Employing demand side management for selection of suitable scenario-wise isolated integrated renewal energy models in an Indian remote rural area
CN109190882A (zh) 电力市场环境下基于云储能的微网经济优化交易方法
CN103297505B (zh) 动态云服务请求下数据中心多能源的在线控制方法和系统
Yao et al. Real-time energy management optimization for smart household
CN109473976A (zh) 一种冷热电联供型微网能量调度方法及系统
CN109787221B (zh) 一种微电网电能安全经济调度方法和系统
US10747289B2 (en) Data center power manipulation
Wang et al. An improved min-max power dispatching method for integration of variable renewable energy
CN109272353A (zh) 计及综合需求响应不确定性的系统动态概率能流分析方法
Cui et al. An optimal energy co-scheduling framework for smart buildings
CN104794557B (zh) 基于实时电价不确定下的终端用户系统的负载调度方法
Georgiev et al. Optimized power flow control of smart grids with electric vehicles and DER
Kumar et al. Smart home energy management with integration of PV and storage facilities providing grid support
Luna et al. Generation and demand scheduling for a grid-connected hybrid microgrid considering price-based incentives
CN114142535B (zh) 一种微电网源网荷储的调度方法、系统、设备及介质
Zhang et al. Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging
CN112736950B (zh) 一种面向微电网群的公共储能电站配置方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180504

Termination date: 20211215