CN104778504A - 一种家庭用户智能家电的用电安排优化方法 - Google Patents

Abstract

本发明公开了一种家庭用户智能家电的用电安排优化方法。首先通过把用电时间划分为时间段，将每种智能家电的用电起始时间、用电时长、用电量用时段数来表示，然后根据智能家电的用电特征，提出了可中断和不可中断两种用电模型，之后根据用户用电的目的，提出了同时考虑用电量费用和用电中断对用户用电感受影响的智能家电用电安排优化模型，而该优化模型中的电价机制采用新的惩罚电价，最后对该优化模型采用遗传算法进行求解。该优化方法能够合理地优化智能家电用电安排，能够有效减少用电费用、降低电量峰值或减少用电中断对用户的用电感受影响。

Description

一种家庭用户智能家电的用电安排优化方法

技术领域

本发明涉及智能用电技术领域，具体涉及一种智能家电的用电安排优化方法。

背景技术

随着社会经济的发展和人们生活水平的提高，家用电器在数量和容量上都在逐年增加，给电力系统的可靠运行带来了越来越多的挑战。现代信息、通信和控制技术的发展，给电力系统的智能化建设带来契机，其中的智能用电技术是电网智能化的一部分，通过利用信息通信技术，能够实现电网与用户的实时交互响应，实现家庭智能用电的智能化和合理化，提高用电效率、促进节能减排。

家庭智能用电是智能用电技术的一部分，其主要目的是在保障家庭用户的舒适性前提下，降低家庭用户的电力消费成本。这一目的的实现，需要家用电器智能化、智能电表、智能交互终端、智能插座、智能控制等硬件装置和用电消费任务管理等软件系统。目前，针对家庭用户的用电消费任务管理问题，已有许多专家开展了研究。如：对于家庭绿色能源问题，提出了基于家庭设备用电能效对比的绿色能源用电管理系统。着眼于家庭用电信息获取、提高家庭用电设备的操作性和家庭需求响应三面，提出了一种新的家庭能源用电管理系统。这些工作从家庭用户整体出发，研究了家庭用户用电设备的管理方法。

另外，有些学者对用电设备之间的协调优化也进行了研究。如：基于预先设定的用电设备优先级别，提出了协调用电设备用电时间的智能家庭能源管理算法。考虑用电成本和用户用电舒适度，研究了优化电动汽车和家庭HAVC系统用电的问题。以减小用电费用和尖峰用电量为目标，提出了家庭能源管理系统的框架和家电设备用电时间优化方法。

家电设备用电智能优化方法是家庭用户参与智能用电环节的重要技术手段。一个优秀的智能优化方案能够调整家用电器的运行时间段，降低家庭用电负荷及费用，最终对降低电网的负荷峰值、平稳电网用电负荷波动做出贡献。为达到这一目的，需要电力公司根据负荷预测结果和电网运行状况，发布未来一段时间的电价给用户，用户根据预测电价和自身对电量的需求，优化安排未来一段时间的用电量，但目前并未有在实时电价和阶梯电价混合机制下的家用电器用电优化方案。

发明内容

本发明要解决的技术问题是针对背景技术的不足，提供一种家庭用户智能家电的用电安排优化方法，提出家用电器用电行为和约束的数学描述，在实时电价和阶梯电价混合电价机制下，提出了家用电器用电最优化模型，用于研究电力系统的智能用电技术。

本发明为解决上述技术问题而采用以下技术方案：

一种家庭用户智能家电的用电安排优化方法，包括如下步骤：

步骤一：根据用电时间划分时间段，收集各种智能家电的用电数据，将用电数据用时段数来表示，所述用电数据包括用电起始时间、用电时长、用电量；

步骤二：制定新的电价机制，具体为：以用户向供电公司申报的负荷容量为基础用电量，用户用电在基础用电量内采用实时电价，当用户用电超过该基础用电量时采用惩罚电价；将电价表示为：

$p^s\left(D^s\right)=\left\{\begin{array}{c}{p}_r^s,0\≤D^s\≤D_{\mathrm{base}}\\ p_p^s,D_{\mathrm{base}}\≤D^s\≤D_{\max }\end{array}\right.;$

其中，为实时电价费用，为惩罚电价费用，D_base为用户向供电公司申报的负荷容量，D_max为最大负荷容量，(0 D_base]和(D_base D_max]分别表示为实时电价用电区间和惩罚电价用电区间；s＝1,2,...,24·n；其中，表示智能家电a在第s个时间段的用电量，单位是千瓦时，A表示智能家电集合；n表示每个小时分成的时间段数；

步骤三：根据智能家电运行过程是否允许中断，将智能家电分为可中断和不可中断两种用电模式；

对可中断电器建立模型：t_end-t_start+1＝N；其中t_start和t_end分别表示智能家电的实际起始运行时间段和实际结束运行时间段，N表示智能家电完成某一任务所需的总运行时间段数量；用λ_start和λ_end分别表示智能家电允许的最早起始时间段和最晚结束运行时间段，则有λ_start≤t_start，λ_end≥t_end，t_end≥t_start；

对不可中断电器建立模型：其中dt表示实际的中断次数，dt≤DT，DT表示最多允许的中断次数， $t_{\mathrm{start}}^{i+1}\≥t_{\mathrm{end}}^i,{\mathrm{\λ}}_{\mathrm{start}}\≤t_{\mathrm{start}}^1,{\mathrm{\λ}}_{\mathrm{end}}\≥t_{\mathrm{end}}^{\mathrm{dt}+1},t_{\mathrm{end}}^i\≥t_{\mathrm{start}}^i;$ i＝1,2,...,dt+1；分别表示智能家电发生第i次中段时的实际起始运行时间段和实际结束运行时间段；

步骤四：根据用户在各个时段内的用电量以及相对应的电价得到用户整体用电费用，根据步骤一中收集到的各种智能家电的用电数据得到每种家电的中断时长，提出智能家电用电安排优化模型：

Min(ω₁×F_COST+ω₂×F_DT)；

式中ω₁和ω₂分别为权重系数，F_COST和F_DT分别为用户一天的总用电费用和中断时长；

$F_{\mathrm{COST}}=\underset{1}{\overset{24\·n}{\mathrm{\Σ}}}(p^s\left(D^s\right)\×D^s),F_{\mathrm{DT}}=\frac{t_{\mathrm{end}}^{\mathrm{dt}+1}-t_{\mathrm{start}}^1+1-N}{{\mathrm{\λ}}_{\mathrm{end}}-{\mathrm{\λ}}_{\mathrm{start}}+1-N};$

步骤五：采用遗传算法求解步骤四所述优化模型，得到用户考虑用电费用和用电中断时长的安排方案下各时间段用电量。

进一步的，本发明的一种家庭用户智能家电的用电安排优化方法，步骤一所述根据用电时间划分时间段，将用电数据用时段数来表示，具体是：将每小时分成n个时间段，将智能家电a在一天内的用电情况用向量D_a来表示：式中，表示智能家电a在第s个时间段的用电量。

进一步的，本发明的一种家庭用户智能家电的用电安排优化方法，步骤一中收集到的用电数据存放于数据库中，经过分析得到用电特征。

进一步的，本发明的一种家庭用户智能家电的用电安排优化方法，步骤二中实时电价由供电公司采用的实时电价来决定，惩罚电价由在实时电价的基础上增加一个额外电价的方式决定。

进一步的，本发明的一种家庭用户智能家电的用电安排优化方法，步骤五中采用遗传算法求解优化模型，遗传算法中，种群数量设为200，最大允许迭代次数设为500，交叉操作概率为0.95，变异操作概率为0.25。

进一步的，本发明的一种家庭用户智能家电的用电安排优化方法，惩罚电价为实时电价的2倍。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明设计的家庭用户智能家电的用电安排优化方法，给出了家用电器用电行为和约束的数学描述，在实时电价和阶梯电价混合电价机制下，提出了家用电器用电最优化模型，实现家庭用电安排的智能化、合理化。该优化方法能够有效减少用电费用、降低电量峰值或减少用电中断对用户的用电感受影响。

附图说明

图1为实时电价和惩罚电价示意图。

图2为随机安排方案下各时间段用电量。

图3为考虑用电费用和用电中断时长的安排方案下各时间段用电量。

图4为家庭用户智能家电用电安排优化方法流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的说明。

首先参考图4，本发明提出一种家庭用户智能家电的用电安排优化方法，具体如下：

步骤一：将用电时间划分为时间段，把每种智能家电的用电起始时间、用电时长、用电量用时段数来表示，例如将每小时分成n个时间段，即每个时间段为60/n分钟，一天为24·n时间段。家用电器a，它一天内的用电情况可用向量D_a来表示：式中，表示家用电器a在第s个时间段的用电量(千瓦时)。设家用电器集合用A表示，那么对于整个用户，其总用电量为：式中s＝1,2,...,24·n。

步骤二：制定电价机制，具体如下：根据智能家电的用电特性，可以把用户的用电量分为(0 D_base]和(D_base D_max]两个区间，并设计电价机制为：当实际用电量D在(0 D_base]范围内时，用户需支付的电价为p_r；当实际用电量D在(D_base D_max]范围内时，用户需支付的电价为p_p(p_p>p_r)，称该电价为惩罚电价。其中，D_max为负荷容量，D_base为用户向供电公司申报的负荷容量。

步骤三：考虑家庭电器运行过程是否允许中断，将家庭电器分为可中断和不可中断两种用电模式，分别对其进行建模。

可中断模型如下：t_end-t_start+1＝N，t_start和t_end表示家用电器的实际起始运行时间段和实际结束运行时间段，N表示家用电器完成某一任务所需的总运行时间段数量。用λ_start和λ_end表示家用电器允许的最早起始和最晚结束运行时间段，则λ_start≤t_start，λ_end≥t_end，t_end≥t_start。

不可中断模型如下：用dt表示实际的中断次数，DT表示最多允许的中断次数，则dt≤DT，i＝1,2,...,dt+1，i＝1,2,...,dt+1。

步骤四：考虑用户的整体用电费用最小和希望任务中断时长最小两个因素，提出智能家电用电安排优化模型。计及用电任务中断时长家用电器协调优化总体目标为：

Min(ω₁×F_COST+ω₂×F_DT)，式中，ω₁和ω₂为权重系数，F_COST和F_DT分别为用户一天的总用电费用和中断时长。

步骤五：采用遗传算法求解该优化模型，得到用户考虑用电费用和用电中断时长的安排方案下各时间段用电量。

作为本发明的优化方法：所述电价p_r由供电公司采用的实时电价来决定，惩罚电价由在实时电价的基础上增加一个额外电价的方式决定，则s＝1,2,...,24·n，其中为时间段s的额外电价。每个时间段的可以不同也可以相同，视具体情况而定。因此，家庭用户的电价可表示为： $p^s\left(D^s\right)=\left\{\begin{array}{c}{p}_r^s,0\≤D^s\≤D_{\mathrm{base}}\\ p_p^s,D_{\mathrm{base}}\≤D^s\≤D_{\max }\end{array}\right.,$ s＝1,2,...,24·n。

作为本发明的优化方法：所述用户一天的总用电费用为：中断时长为：F_DT的取值范围为[0 1]。F_DT＝0代表没有任何中断发生，即任务从时间段开始后经过N个连续时间段后至时间段结束。F_DT＝1代表发生的中断时间最长，即任务从最早允许开始时间段λ_start开始直到最晚允许结束时间段λ_end结束。一般希望F_DT越小越好，最好的情况是F_DT＝0。

下面举一个简单的示例对本发明的技术方法进行进一步的详细说明。

步骤一：将每小时分成6个时间段，则每个时间段为10分钟，每天分为144个时间段，可表示为s＝{1,2,...,144}。家用电器的用电数据，如最早运行时间段、最晚结束时间段、最大允许中断次数等由表1给出。值得注意的是，表1中电冰箱虽然运行时长为全天，无需优化用电时间，但其用电量会累加到每个时间段上，是决定用户实际支付电价的一部分(实时电价还是惩罚电价)。

表1

步骤二：根据算例中家庭用户的用电设备类型和容量情况，我们假定用户申报的负荷容量为0.35kWh。因此，当用户实际用电量不大于0.35kWh时，即用量在(0 0.35]间实际电价为实时电价；否则，实际电价为惩罚电价。本算例假设额外电价与实时电价相等，既惩罚电价为实时电价的2倍。

因此，家庭用电电价可表示为 $p^s\left(D^s\right)=\left\{\begin{array}{cc}{p}_r^s,& 0\≤D^s\≤0.35\\ 2\·p_r^s,& 0.35\≤D^s\≤D_{\max }\end{array}\right..$ 如图1所示，实线为实时电价，虚线为惩罚电价。

步骤三：根据表1中各类家庭电器的用电特性，随机安排各个电器的用电时段，得到该家庭的初始用电安排，如图2所示。

步骤四：采用本发明提出的用电安排优化方法，根据表1中的电器数据以及相对应电价建立优化总体目标Min(ω₁×F_COST+ω₂×F_DT)。

步骤五：采用遗传算法对该目标进行求解，得到以最小用电费用和最小用电中断时长为目标得到的优化方案的负荷分布，如图3所示。遗传算法中，种群数量设为200，最大允许迭代次数设为500，交叉操作概率为0.95，变异操作概率为0.25。

由图2和图3比较可知，初始方案的用电负荷峰值远大于优化后的用电方案，从1.20kWh(在时段32-34上)减小到0.68kWh(在时段129-144上)。另外，考虑实时电价的在白天电价较高的分布情况，比较两图的负荷分布可以发现优化后的用电安排把用电时间尽量放到了也电价较低的夜间，优化后用电费用也大大降低了。因此采用本发明的用电安排优化方法效降低电量峰值，减少用电费用，实现家庭用电安排的智能化、合理化。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种家庭用户智能家电的用电安排优化方法，其特征在于，包括以下步骤：

步骤一：根据用电时间划分时间段，收集各种智能家电的用电数据，将用电数据用时段数来表示，所述用电数据包括用电起始时间、用电时长、用电量；

步骤二：制定新的电价机制，具体为：以用户向供电公司申报的负荷容量为基础用电量，用户用电在基础用电量内采用实时电价，当用户用电超过该基础用电量时采用惩罚电价；将电价表示为：

$p^s\left(D^s\right)=\left\{\begin{array}{cc}{p}_r^s,& 0\≤D^s\≤D_{\mathrm{base}}\\ p_p^s,& D_{\mathrm{base}}\≤D^s\≤D_{\max }\end{array}\right.;$

其中，为实时电价费用，为惩罚电价费用，D_base为用户向供电公司申报的负荷容量，D_max为最大负荷容量，(0 D_base]和(D_base D_max]分别表示为实时电价用电区间和惩罚电价用电区间；s＝1,2,...,24·n；其中，表示智能家电a在第s个时间段的用电量，单位是千瓦时，A表示智能家电集合；n表示每个小时分成的时间段数；

步骤三：根据智能家电运行过程是否允许中断，将智能家电分为可中断和不可中断两种用电模式；

对可中断电器建立模型：t_end-t_start+1＝N；其中t_start和t_end分别表示智能家电的实际起始运行时间段和实际结束运行时间段，N表示智能家电完成某一任务所需的总运行时间段数量；用λ_start和λ_end分别表示智能家电允许的最早起始时间段和最晚结束运行时间段，则有λ_start≤t_start，λ_end≥t_end，t_end≥t_start；

对不可中断电器建立模型：其中dt表示实际的中断次数，dt≤DT，DT表示最多允许的中断次数， $t_{\mathrm{start}}^{i+1}\≥t_{\mathrm{end}}^i,{\mathrm{\λ}}_{\mathrm{start}}\≤t_{\mathrm{start}}^1,{\mathrm{\λ}}_{\mathrm{end}}\≥t_{\mathrm{end}}^{\mathrm{dt}+1},t_{\mathrm{end}}^i\≥t_{\mathrm{start}}^i;$ i＝1,2,...,dt+1；分别表示智能家电发生第i次中段时的实际起始运行时间段和实际结束运行时间段；

步骤四：根据用户在各个时段内的用电量以及相对应的电价得到用户整体用电费用，根据步骤一中收集到的各种智能家电的用电数据得到每种家电的中断时长，提出智能家电用电安排优化模型：

Min(ω₁×F_COST+ω₂×F_DT)；

式中ω₁和ω₂分别为权重系数，F_COST和F_DT分别为用户一天的总用电费用和中断时长；

$F_{\mathrm{COST}}=\underset{1}{\overset{24\·n}{\mathrm{\Σ}}}(p^s\left(D^s\right)\×D^s),$ $F_{\mathrm{DT}}=\frac{t_{\mathrm{end}}^{\mathrm{dt}+1}-t_{\mathrm{start}}^1+1-N}{{\mathrm{\λ}}_{\mathrm{end}}-{\mathrm{\λ}}_{\mathrm{start}}+1-N};$

步骤五：采用遗传算法求解步骤四所述优化模型，得到用户考虑用电费用和用电中断时长的安排方案下各时间段用电量。

2.根据权利要求1所述的家庭用户智能家电的用电安排优化方法，其特征在于：步骤一所述根据用电时间划分时间段，将用电数据用时段数来表示，具体是：将每小时分成n个时间段，将智能家电a在一天内的用电情况用向量D_a来表示：式中，表示智能家电a在第s个时间段的用电量。

3.根据权利要求1所述的家庭用户智能家电的用电安排优化方法，其特征在于：步骤一中收集到的用电数据存放于数据库中，经过分析得到用电特征。

4.根据权利要求1所述的家庭用户智能家电的用电安排优化方法，其特征在于：步骤二中实时电价由供电公司采用的实时电价来决定，惩罚电价由在实时电价的基础上增加一个额外电价的方式决定。

5.根据权利要求1所述的家庭用户智能家电的用电安排优化方法，其特征在于：步骤五中采用遗传算法求解优化模型，遗传算法中，种群数量设为200，最大允许迭代次数设为500，交叉操作概率为0.95，变异操作概率为0.25。

6.根据权利要求1所述的家庭用户智能家电的用电安排优化方法，其特征在于：惩罚电价为实时电价的2倍。