CN104680339A - 一种基于实时电价的家用电器调度方法 - Google Patents
一种基于实时电价的家用电器调度方法 Download PDFInfo
- Publication number
- CN104680339A CN104680339A CN201510134806.4A CN201510134806A CN104680339A CN 104680339 A CN104680339 A CN 104680339A CN 201510134806 A CN201510134806 A CN 201510134806A CN 104680339 A CN104680339 A CN 104680339A
- Authority
- CN
- China
- Prior art keywords
- electrical equipment
- energy consumption
- alpha
- tau
- linear programming
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于实时电价的家用电器调度方法,根据任务集数据构造电费的线性规划模型,运用线性规划方法求解得到满足条件的调度序列,再通过蒙特卡洛模拟法计算调度序列的跳闸几率,不断更新其中的不确定算子并重复以得到最优的调度序列、跳闸几率以及电费支出。本发明采用了一种不确定性线性规划方法,利用一个自变量β来模拟每个电器的不确定性能耗,通过β值能确定每个电器的使用时长和电量消耗,本发明的方法在每个电器都处于最耗电的使用情况下,与传统方法的不确定性调度相比,能降低至少21.8%的电费支出,同时跳闸的几率控制在0.5%以内。
Description
技术领域
本发明涉及一种基于实时电价的家用电器调度方法,属于智能电网技术领域。
背景技术
目前,智能家居系统发展迅速,信息系统功能能够实现对家居空间中的宽带、多媒体系统、水电气等信息的收集。而电价在每个季度、每个月、甚至每天每小时都会变化,随着人们对电力需求的明显变化,电网的负载均衡有可能被打破。对于智能家居系统收集到的电网信息平台提供的实时电价之后,就可以依据家居需求来生成家居设备的调度序列,从而达到智能化降低电费支出的目的。
由于家电使用中不确定因素的存在,因此求解最优调度序列的关键将是应对这种不确定性。不确定规划有三种经典模型:期望值模型、相关机会模型和机会约束模型。
国际上有很多关于需求响应电价设计和DR下的用电设备调度的研究成果。国外已存在的方法中有:基于自适应神经模糊推理的能量管理系统,其控制采用的是分支界定调度算法;基于电价不确定情形的可推迟使用的设备的调度问题;还有基于电价不确定时的调度策略,但没有提出针对具体家电的调度措施。
国内在需求响应方面的研究起步较晚,现也在探究用一些新的算法和策略进行需求响应研究,如模式分类算法和经济学方法等。也有文献根据峰谷分时电价下用户响应的历史数据,用响应数据建立矩阵表示用户对价格信号的响应程度,综合考虑了用户用电满意度,提出了一种峰谷分时电价的优化决策模型;也有运用粒子群算法对别墅用户的需求响应做出决策,达到节能的目的;还有将遗传算法交叉验证和支持向量回归的方法用于实施电价的预测,并在此基础上通过混合整数规划的方法帮助用户进行用电决策。
上面的方法中大都没有兼顾电价的不确定性和电器能耗及使用时长的不确定性,也没有提出具体设备的调度方法。
发明内容
为了解决现有技术的不足,本发明提供了一种基于实时电价的家用电器调度方法,根据需求管理调度每个电器,从而降低能量消耗和提高对系统的控制力。当考虑到每个电器的使用时长的不确定因素时,本方法使用普通的线性规划方法来高效的计算最优化的确定性的调度序列,从而降低电费支出。为了处理家用电器在使用时间长短和能量消耗多少的不确定性,采用了一种不确定性线性规划方法,它利用一个自变量β来模拟每个电器的不确定性能耗,通过β值能确定每个电器的使用时长和电量消耗。
本发明为解决其技术问题所采用的技术方案是:提供了一种基于实时电价的家用电器调度方法,包括以下步骤:
(1)获取任务集数据,所述任务集数据包括电器数目、每个电器的预估能耗、每个电器的最大功率、电路的最高限制总功率时间段数目、每个时间段τ的电价RTPτ以及每个电器运行的起始时间和结束时间;其中所有时间段的集合为T,τ为集合T内的任意时间段,所有电器的集合为电器集A;
(2)对于每个电器,根据该电器α的预估能耗设置其能耗中值μ和能耗标准差σ,利用高斯分布模拟器建立电器α的高斯分布能耗模型,则电器α的随机能耗的99%在中,其中 为电器α的最小能耗, 为电器α的最大能耗;
(3)设置目标跳闸几率ρ,0≤ρ≤1;为每个电器设置不确定算子β的初始值,0≤β≤1;
(4)对于每个电器,计算该电器α在T内的总能耗
(5)构造电费的线性规划模型,所述线性规划模型的目标为:
所述电费的线性规划模型的约束条件为:
其中,Pα为电器α的最大功率,δα为电器α运行的起始时间,θα为电器α运行的结束时间;
利用线性规划方法求解线性规划模型,以得到使得Min值最小并且满足约束条件的调度序列X,X=[x1,x2,...,xN],其中j∈[1,N],α∈A,N为电器数目;
(6)利用蒙特卡洛模拟法计算调度序列的跳闸几率:
(6-1)从每个电器的高斯分布能耗模型中进行抽样,得到每个电器的能耗,再将每个电器的能耗进行加和计算得到本次抽样的总能耗,若该总能耗大于最高限制总功率则表示跳闸,否则表示不跳闸;
(6-2)重复步骤(6-1)至规定次数,统计跳闸次数;
(6-3)计算跳闸几率ρt,所述跳闸几率为跳闸次数与总的抽样次数之比;
(7)若ρt>ρ,则所述调度序列X即最优的电器调度序列,ρt为最终跳闸几率,Min为最终的电费支出;否则通过步进搜索算法更新β的值,返回步骤(4)。
步骤(5)中利用线性规划方法求解线性规划模型具体包括以下步骤:利用任务集数据构造LinearMaker对象数组,调用单纯型算法类LinearProgramming中的MakeSimplexForm函数对LinearMaker对象数组进行求解,得到使得Min值最小并且满足约束条件的调度序列X。
步骤(6-2)所述的规定次数为5000次到10000次。
本发明基于其技术方案所具有的有益效果在于:
(1)本发明采用实时动态电价模型和随机调度模型,实施不确定性线性规划算法,很好的兼顾了电价的不确定性和电器使用时长、能耗的不确定性,产生优化的电器调度序列;
(2)本发明利用线性规划模型成功的将在符合需求与约束的情况最小化电费支出的实际问题转化为数学模型;
(3)本发明利用随机变量模型,模拟在电器使用过程中时长和能耗的不确定性;
(4)本发明蒙特卡洛模拟,科学地计算出某调度序列的跳闸几率;
(5)传统方法的确定性调度能降低至少25.8%的电费支付,不确定性调度序列能降低至少16.7%的电费支出;本发明采用了一种不确定性线性规划方法,利用一个自变量β来模拟每个电器的不确定性能耗,通过β值能确定每个电器的使用时长和电量消耗,本发明的方法在每个电器都处于最耗电的使用情况下,与传统方法的不确定性调度相比,能降低至少21.8%的电费支出,同时跳闸的几率控制在0.5%以内。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合实施例对本发明作进一步说明。
本发明提供了一种基于实时电价的家用电器调度方法,参照图1,包括以下步骤:
(1)获取任务集数据,所述任务集数据包括电器数目、每个电器的预估能耗、每个电器的最大功率、电路的最高限制总功率时间段数目、每个时间段τ的电价RTPτ以及每个电器运行的起始时间和结束时间;其中所有时间段的集合为T,τ为集合T内的任意时间段,所有电器的集合为电器集A;
(2)对于每个电器,根据该电器α的预估能耗设置其能耗中值μ和能耗标准差σ,利用高斯分布模拟器建立电器α的高斯分布能耗模型,则电器α的随机能耗的99%在中,其中 为电器α的最小能耗, 为电器α的最大能耗;
(3)设置目标跳闸几率ρ,0≤ρ≤1;为每个电器设置不确定算子β的初始值,0≤β≤1;
(4)对于每个电器,计算该电器α在T内的总能耗
(5)构造电费的线性规划模型,所述线性规划模型的目标为:
所述电费的线性规划模型的约束条件为:
其中,Pα为电器α的最大功率,δα为电器α运行的起始时间,θα为电器α运行的结束时间;
利用线性规划方法求解线性规划模型,以得到使得Min值最小并且满足约束条件的调度序列X,X=[x1,x2,...,xN],其中j∈[1,N],α∈A,N为电器数目;
(6)利用蒙特卡洛模拟法计算调度序列的跳闸几率:
(6-1)从每个电器的高斯分布能耗模型中进行抽样,得到每个电器的能耗,再将每个电器的能耗进行加和计算得到本次抽样的总能耗,若该总能耗大于最高限制总功率则表示跳闸,否则表示不跳闸;
(6-2)重复步骤(6-1)至规定次数,统计跳闸次数,所述的规定次数可以设置为5000次到10000次;
(6-3)计算跳闸几率ρt,所述跳闸几率为跳闸次数与总的抽样次数之比;
(7)若ρt>ρ,则所述调度序列X即最优的电器调度序列,ρt为最终跳闸几率,Min为最终的电费支出;否则通过步进搜索算法更新β的值,返回步骤(4)。
步骤(5)中利用线性规划方法求解线性规划模型具体包括以下步骤:利用任务集数据构造LinearMaker对象数组,调用单纯型算法类LinearProgramming中的MakeSimplexForm函数对LinearMaker对象数组进行求解,得到使得Min值最小并且满足约束条件的调度序列X。以下为LinearMaker对象数组的一个实例:
class LinearMaker
本发明的一种基于实时电价的家用电器调度方法,在基于实时电价的基础上,根据住宅用户的家居设备,主要是家用电器的使用需求情况,同时考虑每个电器使用市场的不确定性和能耗的不确定性,来产生最优的调度序列,达到降低电费支出的目的。下面将介绍方法中涉及到的各个模型:
1、用户模型:
用户家庭都有各种各样的电器,比如空调、电视机、洗衣机、冰箱等等,令α代表一个电器,A代表一个电器集,对于任何一个电器,α∈A,向量X定义为:
向量X中的元素代表电器α在时间段τ消耗的电量。同时,定义两个时间节点,δα和θα,分别为电器α运行的起始时间和完成时间,显然δα<θα,当在此时间段外时,是没有电量消耗的,也就是说,当时τ<δα或者τ>θα。
每个电器都有其最高功率,也就是在每个时间段内,每个电器消耗的电量是有上限的,假设电器都是以最高功率运行,暂不考虑变频功能。比如,洗衣机的最大功率是Pα=4KWh,那这样,对于洗衣机来说,任意时间段τ∈T,有
在普通住宅用户中,智能电表都会有最高功率限制。比如,当所有家用电器超过5kWh时,智能电表为保护电路安全,就会自动跳闸。因此,在某个时间段期间,所有正在运行的电器的功率总和不能超过最高限制总功率。用表示最高限制总功率,其关系可以用下不等式表示:
2、随机调度模型:
随机调度模型包括线性规划模型和核心随机变量模型:
2.1、线性规划模型:
所有电器的在全部时间段所消耗的电量代表电器α在时间段τ内消耗的电量,每个时间段τ的电费表示为RTPτ,则电费支出表示为公式(3)中所示;在某个时间段期间,所有正在运行的电器的功率总和不能超过最高限制总功率,让LT A代表最高限制总功率,则可表示为公式(4);在每个时间段内,每个电器消耗的电量的最高值表示为Pα,如公式(5)所示;公式(6)表示每个电器在客户自定义时间段之外的时间段内[δα,θα],每个电器是不消耗电量的。
约束条件:
2.2、核心随机变量模型:
在公式(2)中,每个电器在所有时间段的能耗可以用来表示,写为通常是一个范围的随机数。比如,使用洗衣机时,洗衣机的工作时间实际上是决定于洗衣机的负载,也就是洗衣服的数量,当衣服少时,可能半个小时,衣服多时,就可能一个小时;看电视时,本来球赛一个小时结束,但加时赛导致电视机的实际工作时间为两个小时。这就是电器在使用过程中的不确定性,即电器使用时长和能耗的不确定性。通常来说,这个不确定性时长是服从高斯分布的。因此,每个电器的能耗是服从高斯分布的。
用μ代表能耗中值,σ代表能耗标准差,代表电器α的最小能耗,代表电器α的最大能耗,则电器α的最小能耗电器α的最大能耗则电器α的随机能耗的99%在中。
在优化过程中这样建立能耗模型,得到步骤(2)的每个电器的高斯分布能耗模型,再用变量β来模拟能耗的不确定性。对于电器α∈A,在时间段T范围内,电器α在时间单元T的总能耗可以表达为:
其中0≤β≤1,当β=1时,当β=0时,
3、蒙特卡洛模拟:
蒙特卡罗(Monte Carlo)方法它是通过连续的随机数序列来模拟过程。自然界中有的过程本身就是随机的过程,物理现象中如粒子的衰变过程、粒子在介质中的输运过程等。当然蒙特卡洛方法也可以借助概率模型来解决不直接具有随机性的确定性问题。
下面介绍如何利用蒙特卡洛模拟法,在每个电器能耗服从高斯分布的情况,来计算线性规划计算得出的调度序列的跳闸几率。主要思路是:根据高斯分布,可以计算每个电器的能耗,关联已生成的调度序列,然后计算出所有电器在每个时间段的能耗,最后判断每个时间段的总能耗是否超出电路的最高功率,如果超出了,电路就会自动跳闸,那么该调度序列就是不好的;否则不会跳闸,该调度序列是成功的。
现在阐述详细的方法与步骤,在步骤(2)中为每个电器构造了一个高斯分布能耗模型,即每个电器的能耗是服从于高斯分布的,该高斯分布值为最坏情况的能耗与最好情况能耗的平均值,即,该高斯分布的标准差为最坏情况与最好情况的差的六分之一,即。然后根据上述的思路,在该概率模型中,即高斯分布中,为每个电器进行能耗抽样,必须保证足够大的数据,5000次到10000次,判断每一次的抽样数据是否在调度序列中是否导致跳闸,如果跳闸就标记本次抽样;最后,计算跳闸几率,跳闸几率等于跳闸的总次数与总抽样次数之比。
本发明结合了实时动态电价和随机调度,实施不确定性线性规划算法,很好地兼顾了电价的不确定性和家用电器使用时长、能耗的不确定性,产生优化的电器调度序列。本发明采用了一种不确定性线性规划方法,利用一个自变量β来模拟每个电器的不确定性能耗,通过β值能确定每个电器的使用时长和电量消耗,本发明的方法在每个电器都处于最耗电的使用情况下,与传统方法的不确定性调度相比,能降低至少21.8%的电费支出,同时跳闸的几率控制在0.5%以内。
本发明的基于实时电价的家用电器调度方法不仅可以适用于运行功率可变的电器,也可以应用于运行功率固定的电器;对于电价可变的场景来说,而且电价是“分时间段”——即有峰谷之分,即该方法可以应用于现在的电价变化场景,对于以后电价实时变化的情景也是有效的;虽然目前生活中的大部分电器的功率不可手动调节,仍可根据已知数据集,得到一个最优的电器调度序列X,该电器调度序列X即间接优化了电器的使用时长和电器开始运行的时间,同时满足β、X以及跳闸几率的变动,可以达到节省时间和节省电费的效果。
Claims (3)
1.一种基于实时电价的家用电器调度方法,其特征在于包括以下步骤:
(1)获取任务集数据,所述任务集数据包括电器数目、每个电器的预估能耗、每个电器的最大功率、电路的最高限制总功率时间段数目、每个时间段τ的电价RTPτ以及每个电器运行的起始时间和结束时间;其中所有时间段的集合为T,τ为集合T内的任意时间段,所有电器的集合为电器集A;
(2)对于每个电器,根据该电器α的预估能耗设置其能耗中值μ和能耗标准差σ,利用高斯分布模拟器建立电器α的高斯分布能耗模型,则电器α的随机能耗的99%在中,其中为电器α的最小能耗,为电器α的最大能耗;
(3)设置目标跳闸几率ρ,0≤ρ≤1;为每个电器设置不确定算子β的初始值,0≤β≤1;
(4)对于每个电器,计算该电器α在T内的总能耗Eα T:
(5)构造电费的线性规划模型,所述线性规划模型的目标为:
所述电费的线性规划模型的约束条件为:
其中,Pα为电器α的最大功率,δα为电器α运行的起始时间,θα为电器α运行的结束时间;
利用线性规划方法求解线性规划模型,以得到使得Min值最小并且满足约束条件的调度序列X,X=[x1,x2,...,xN],其中j∈[1,N],α∈A,N为电器数目;
(6)利用蒙特卡洛模拟法计算调度序列的跳闸几率:
(6-1)从每个电器的高斯分布能耗模型中进行抽样,得到每个电器的能耗,再将每个电器的能耗进行加和计算得到本次抽样的总能耗,若该总能耗大于最高限制总功率则表示跳闸,否则表示不跳闸;
(6-2)重复步骤(6-1)至规定次数,统计跳闸次数;
(6-3)计算跳闸几率ρt,所述跳闸几率为跳闸次数与总的抽样次数之比;
(7)若ρt>ρ,则所述调度序列X即最优的电器调度序列,ρt为最终跳闸几率,Min为最终的电费支出;否则通过步进搜索算法更新β的值,返回步骤(4)。
2.根据权利要求1所述的基于实时电价的家用电器调度方法,其特征在于:步骤(5)中利用线性规划方法求解线性规划模型具体包括以下步骤:利用任务集数据构造LinearMaker对象数组,调用单纯型算法类LinearProgramming中的MakeSimplexForm函数对LinearMaker对象数组进行求解,得到使得Min值最小并且满足约束条件的调度序列X。
3.根据权利要求1所述的基于实时电价的家用电器调度方法,其特征在于:步骤(6-2)所述的规定次数为5000次到10000次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510134806.4A CN104680339B (zh) | 2015-03-26 | 2015-03-26 | 一种基于实时电价的家用电器调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510134806.4A CN104680339B (zh) | 2015-03-26 | 2015-03-26 | 一种基于实时电价的家用电器调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680339A true CN104680339A (zh) | 2015-06-03 |
CN104680339B CN104680339B (zh) | 2017-11-07 |
Family
ID=53315347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510134806.4A Expired - Fee Related CN104680339B (zh) | 2015-03-26 | 2015-03-26 | 一种基于实时电价的家用电器调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680339B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069531A (zh) * | 2015-08-17 | 2015-11-18 | 宁波伟吉电力科技有限公司 | 基于出错率最小化的离线动态调度模型的调度方法 |
CN105159072A (zh) * | 2015-08-17 | 2015-12-16 | 宁波伟吉电力科技有限公司 | 基于随机规划的非确定调度模型的调度方法 |
CN106292568A (zh) * | 2015-06-09 | 2017-01-04 | 河北工程大学 | 一种基于动态时隙的智能家居家庭器具优化调度方法 |
CN108108518A (zh) * | 2017-11-27 | 2018-06-01 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
CN109359882A (zh) * | 2018-10-29 | 2019-02-19 | 武汉理工大学 | 一种台风灾害下输电线路跳闸风险评估方法 |
CN109522106A (zh) * | 2018-10-22 | 2019-03-26 | 广东工业大学 | 一种基于协同计算的风险价值模拟动态任务调度方法 |
CN110348686A (zh) * | 2019-06-10 | 2019-10-18 | 广东工业大学 | 用于连续无缓冲区制造系统的能耗不确定性评估方法 |
CN111505944A (zh) * | 2019-01-30 | 2020-08-07 | 珠海格力电器股份有限公司 | 节能控制策略学习方法、实现空调节能控制的方法及装置 |
US10776176B2 (en) | 2016-02-05 | 2020-09-15 | Huawei Technologies Co., Ltd. | Service control method and service control apparatus |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102969791A (zh) * | 2012-11-23 | 2013-03-13 | 国电南瑞科技股份有限公司 | 基于双向智能电表的电力系统柔性负荷管理系统和方法 |
US20130159052A1 (en) * | 2011-12-16 | 2013-06-20 | Kt Corporation | Demand response system and method |
CN103208030A (zh) * | 2013-03-11 | 2013-07-17 | 浙江工业大学 | 一种能够减小用电代价均值及其波动的电耗调度方法 |
CN103241130A (zh) * | 2013-04-10 | 2013-08-14 | 华中科技大学 | 一种电动公交车充换电站的能量管理方法及系统 |
-
2015
- 2015-03-26 CN CN201510134806.4A patent/CN104680339B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130159052A1 (en) * | 2011-12-16 | 2013-06-20 | Kt Corporation | Demand response system and method |
CN102969791A (zh) * | 2012-11-23 | 2013-03-13 | 国电南瑞科技股份有限公司 | 基于双向智能电表的电力系统柔性负荷管理系统和方法 |
CN103208030A (zh) * | 2013-03-11 | 2013-07-17 | 浙江工业大学 | 一种能够减小用电代价均值及其波动的电耗调度方法 |
CN103241130A (zh) * | 2013-04-10 | 2013-08-14 | 华中科技大学 | 一种电动公交车充换电站的能量管理方法及系统 |
Non-Patent Citations (2)
Title |
---|
周磊: "分时电价环境下基于家居能量管理系统的家居负荷建模与优化运行", 《电网技术》 * |
汤奕 等: "基于电力需求响应的智能家电管理控制方案", 《电力系统自动化》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106292568B (zh) * | 2015-06-09 | 2019-08-27 | 河北工程大学 | 一种基于动态时隙的智能家居家庭器具优化调度方法 |
CN106292568A (zh) * | 2015-06-09 | 2017-01-04 | 河北工程大学 | 一种基于动态时隙的智能家居家庭器具优化调度方法 |
CN105159072A (zh) * | 2015-08-17 | 2015-12-16 | 宁波伟吉电力科技有限公司 | 基于随机规划的非确定调度模型的调度方法 |
CN105069531A (zh) * | 2015-08-17 | 2015-11-18 | 宁波伟吉电力科技有限公司 | 基于出错率最小化的离线动态调度模型的调度方法 |
US10776176B2 (en) | 2016-02-05 | 2020-09-15 | Huawei Technologies Co., Ltd. | Service control method and service control apparatus |
CN108108518A (zh) * | 2017-11-27 | 2018-06-01 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
CN108108518B (zh) * | 2017-11-27 | 2021-04-02 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
CN109522106A (zh) * | 2018-10-22 | 2019-03-26 | 广东工业大学 | 一种基于协同计算的风险价值模拟动态任务调度方法 |
CN109522106B (zh) * | 2018-10-22 | 2023-01-17 | 广东工业大学 | 一种基于协同计算的风险价值模拟动态任务调度方法 |
CN109359882A (zh) * | 2018-10-29 | 2019-02-19 | 武汉理工大学 | 一种台风灾害下输电线路跳闸风险评估方法 |
CN109359882B (zh) * | 2018-10-29 | 2022-02-01 | 武汉理工大学 | 一种台风灾害下输电线路跳闸风险评估方法 |
CN111505944A (zh) * | 2019-01-30 | 2020-08-07 | 珠海格力电器股份有限公司 | 节能控制策略学习方法、实现空调节能控制的方法及装置 |
CN110348686A (zh) * | 2019-06-10 | 2019-10-18 | 广东工业大学 | 用于连续无缓冲区制造系统的能耗不确定性评估方法 |
CN110348686B (zh) * | 2019-06-10 | 2022-11-15 | 广东工业大学 | 用于连续无缓冲区制造系统的能耗不确定性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104680339B (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680339B (zh) | 一种基于实时电价的家用电器调度方法 | |
Luo et al. | Optimal home energy management system with demand charge tariff and appliance operational dependencies | |
Shakouri et al. | Multi-objective cost-load optimization for demand side management of a residential area in smart grids | |
Rastegar et al. | A probabilistic energy management scheme for renewable-based residential energy hubs | |
Khan et al. | Load forecasting, dynamic pricing and DSM in smart grid: A review | |
Rahim et al. | Exploiting heuristic algorithms to efficiently utilize energy management controllers with renewable energy sources | |
Merdanoğlu et al. | Finding optimal schedules in a home energy management system | |
Luo et al. | Hierarchical energy management system for home microgrids | |
Rahmani-Andebili et al. | Cooperative distributed energy scheduling for smart homes applying stochastic model predictive control | |
Paul et al. | Resilient scheduling portfolio of residential devices and plug-in electric vehicle by minimizing conditional value at risk | |
Safamehr et al. | A cost-efficient and reliable energy management of a micro-grid using intelligent demand-response program | |
Erdinc et al. | Smart household operation considering bi-directional EV and ESS utilization by real-time pricing-based DR | |
Nijhuis et al. | Bottom-up Markov Chain Monte Carlo approach for scenario based residential load modelling with publicly available data | |
Du et al. | Appliance commitment for household load scheduling | |
Dorini et al. | Chance-constrained optimization of demand response to price signals | |
Huang et al. | Analytics and transactive control design for the pacific northwest smart grid demonstration project | |
Jeddi et al. | Differential dynamic programming based home energy management scheduler | |
Thiaux et al. | Demand-side management strategy in stand-alone hybrid photovoltaic systems with real-time simulation of stochastic electricity consumption behavior | |
Javadi et al. | Conditional value-at-risk model for smart home energy management systems | |
Diduch et al. | Aggregated domestic electric water heater control-building on smart grid infrastructure | |
Sharda et al. | A real-time automated scheduling algorithm with PV integration for smart home prosumers | |
Paul et al. | Real-time energy management for smart homes | |
Zhang et al. | A novel hierarchical demand response strategy for residential microgrid | |
Durillon et al. | Decentralized neighbourhood energy management considering residential profiles and welfare for grid load smoothing | |
Yang et al. | Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market |
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: 20171107 Termination date: 20180326 |