CN105069531A - 基于出错率最小化的离线动态调度模型的调度方法 - Google Patents
基于出错率最小化的离线动态调度模型的调度方法 Download PDFInfo
- Publication number
- CN105069531A CN105069531A CN201510503826.4A CN201510503826A CN105069531A CN 105069531 A CN105069531 A CN 105069531A CN 201510503826 A CN201510503826 A CN 201510503826A CN 105069531 A CN105069531 A CN 105069531A
- Authority
- CN
- China
- Prior art keywords
- error rate
- sample
- scheduling
- power consumption
- line dynamic
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的基于出错率最小化的离线动态调度模型的调度方法,包括:通过调度家用电器构建出错率最小化的离线动态调度模型;根据所述出错率最小化的离线动态调度模型确定电能消耗。本发明可以准确地预测电能消耗。
Description
技术领域
本发明涉及智能家电技术,特别是涉及一种基于出错率最小化的离线动态调度模型的调度方法。
背景技术
在智能家庭中,所有的用电器都与中心控制器相连接。智能家庭中的家用电器一般具有多个功率可以选择。中心控制器根据各种资源的使用情况对各个家用电器每个时段内的功率进行选择。一般来说,智能家庭中可用的资源包括太阳能,电池存储的能源和来自电网中的电能。中心控制器对集中能源的存量和成本的因素进行综合考虑,来提供最划算的用电策略。
在现代智能电网中,时变电价是一种广泛应用的电能定价策略。根据用户的用电情况,电力公司为电网中的电能制定不同的单位电价,以鼓励用户在电价低的时候用电,最终使电能负载达到平衡。
智能家庭调度算法的目的在于为用户找到最佳用电策略,使用户可以消耗最少的电费。与此同时,每个用户在使用家用电器时,需要在一定的时间内完成一定的任务。而特定的任务需要消耗特定量的电能。综合考虑这些因素,智能家庭调度的模型建立如公式(1)至公式(8)所示:
在以上建模中,是家用电器a在时段t的功率,需要满足即家用电器在整个时段的电能消耗满足一定的条件。其中,为一件家用电器在整个时段内的总的电能消耗。对于一件家用电器来讲,不同负载下的能量消耗可以大不相同,而且对于电能消耗的预测也不准确。
发明内容
本发明提供的基于出错率最小化的动态调度方法,可以准确地预测电能消耗。
根据本发明的一方面,提供一种基于出错率最小化的离线动态调度模型的调度方法,包括:通过调度家用电器构建出错率最小化的离线动态调度模型;根据所述出错率最小化的离线动态调度模型确定电能消耗。
本发明实施例提供的基于出错率最小化的离线动态调度模型的调度方法,通过调度家用电器构建出错率最小化的离线动态调度模型,根据出错率最小化的离线动态调度模型可以准确地预测电能消耗。
附图说明
图1为本发明实施例提供的基于出错率最小化的动态调度方法流程图。
具体实施方式
下面结合附图对本发明实施例提供的基于出错率最小化的动态调度方法进行详细描述。
图1为本发明实施例提供的基于出错率最小化的动态调度方法流程图。
参照图1,在步骤S101,通过调度家用电器构建出错率最小化的离线动态调度模型。
在步骤S102,根据所述出错率最小化的离线动态调度模型确定电能消耗。
进一步地,所述通过调度家用电器构建出错率最小化的离线动态调度模型包括:
根据变量获取所述变量对应的家用电器在时间段的电能消耗;
通过高斯分布生成蒙特卡洛样本集合;
对所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率;
判断所述出错率是否在期望出错率之内;
如果所述出错率在所述期望出错率之内,则停止调度。
进一步地,所述根据变量获取所述变量对应的家用电器在时间段的电能消耗包括:
根据公式(9)计算所述电能消耗:
其中,为所述电能消耗,β为所述变量,rmax为所述电能消耗的最大值,rmin为所述电能消耗的最小值。
这里,当β=0时,当β=1时,其中,当β取值越大时,的值也随之增大。由于每个家用电器可以取到的最大功率受到限制,在取值增大时,调度难度也会增加,这样会增大出错的概率。因此,在调度过程中,从初始值β0开始,不断增加,每次的增加幅度为ξ。即,在上次β0的基础上,下一次的取值为β0+ξ。
进一步地,所述对所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率包括:
对所述蒙特卡洛样本集合中的各个样本通过线性规划算法获取所述各个样本对应的调度解;
从所述各个样本对应的调度解中获取不满足约束条件的调度解;
根据所述不满足约束条件的调度解得到出错率。
这里,线性规划算法即为智能家庭调度的模型,具体可参见公式(1)-(8)。
进一步地,所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率还包括:
根据公式(10)计算所述出错率:
其中,ρ为所述出错率,N为各个样本对应的调度解的个数,NC为所述不满足约束条件的调度解的个数。
进一步地,所述方法还包括:如果所述出错率不在所述期望出错率之内,则更新所述变量。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种基于出错率最小化的离线动态调度模型的调度方法,其特征在于,所述方法包括:
通过调度家用电器构建出错率最小化的离线动态调度模型;
根据所述出错率最小化的离线动态调度模型确定电能消耗。
2.根据权利要求1所述的方法,其特征在于,所述通过调度家用电器构建出错率最小化的离线动态调度模型包括:
根据变量获取所述变量对应的家用电器在时间段的电能消耗;
通过高斯分布生成蒙特卡洛样本集合;
对所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率;
判断所述出错率是否在期望出错率之内;
如果所述出错率在所述期望出错率之内,则停止调度。
3.根据权利要求2所述的方法,其特征在于,所述根据变量获取所述变量对应的家用电器在时间段的电能消耗包括:
根据下式计算所述电能消耗:
其中,为所述电能消耗,β为所述变量,rmax为所述电能消耗的最大值,rmin为所述电能消耗的最小值。
4.根据权利要求2所述的方法,其特征在于,所述对所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率包括:
对所述蒙特卡洛样本集合中的各个样本通过线性规划算法获取所述各个样本对应的调度解;
从所述各个样本对应的调度解中获取不满足约束条件的调度解;
根据所述不满足约束条件的调度解得到出错率。
5.根据权利要求4所述的方法,其特征在于,所述蒙特卡洛样本集合中的各个样本进行评估,得到出错率还包括:
根据下式计算所述出错率:
其中,ρ为所述出错率,N为各个样本对应的调度解的个数,NC为所述不满足约束条件的调度解的个数。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:如果所述出错率不在所述期望出错率之内,则更新所述变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510503826.4A CN105069531A (zh) | 2015-08-17 | 2015-08-17 | 基于出错率最小化的离线动态调度模型的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510503826.4A CN105069531A (zh) | 2015-08-17 | 2015-08-17 | 基于出错率最小化的离线动态调度模型的调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105069531A true CN105069531A (zh) | 2015-11-18 |
Family
ID=54498891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510503826.4A Pending CN105069531A (zh) | 2015-08-17 | 2015-08-17 | 基于出错率最小化的离线动态调度模型的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069531A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867217A (zh) * | 2009-12-27 | 2010-10-20 | 陈立新 | 智能供电逆变装置和控制方法 |
CN104680339A (zh) * | 2015-03-26 | 2015-06-03 | 中国地质大学(武汉) | 一种基于实时电价的家用电器调度方法 |
-
2015
- 2015-08-17 CN CN201510503826.4A patent/CN105069531A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867217A (zh) * | 2009-12-27 | 2010-10-20 | 陈立新 | 智能供电逆变装置和控制方法 |
CN104680339A (zh) * | 2015-03-26 | 2015-06-03 | 中国地质大学(武汉) | 一种基于实时电价的家用电器调度方法 |
Non-Patent Citations (1)
Title |
---|
刘经浩 等: "一种基于实时电价的HEMS家电最优调度方法", 《计算机应用研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Setlhaolo et al. | Optimal scheduling of household appliances with a battery storage system and coordination | |
Erdinc et al. | Smart household operation considering bi-directional EV and ESS utilization by real-time pricing-based DR | |
Wang et al. | Active demand response using shared energy storage for household energy management | |
Nistor et al. | Capability of smart appliances to provide reserve services | |
Khalid et al. | Demand side management using hybrid bacterial foraging and genetic algorithm optimization techniques | |
Ottesen et al. | A stochastic model for scheduling energy flexibility in buildings | |
Chen et al. | Uncertainty-aware household appliance scheduling considering dynamic electricity pricing in smart home | |
US9367108B2 (en) | Reduction of operational cost using energy storage management and demand response | |
Georgiou et al. | Real-time energy convex optimization, via electrical storage, in buildings–a review | |
Huang et al. | Analytics and transactive control design for the pacific northwest smart grid demonstration project | |
Wu et al. | Stochastic optimal scheduling of residential appliances with renewable energy sources | |
Mbungu et al. | Smart energy coordination of autonomous residential home | |
Saez-de-Ibarra et al. | Second life battery energy storage system for residential demand response service | |
WO2014119153A1 (ja) | エネルギー管理システム、エネルギー管理方法、プログラムおよびサーバ | |
Roux et al. | Comfort, peak load and energy: Centralised control of water heaters for demand-driven prioritisation | |
CN103617566A (zh) | 一种基于实时电价的智能用电系统 | |
CN104680339A (zh) | 一种基于实时电价的家用电器调度方法 | |
Oladeji et al. | A genetic algorithm approach to energy consumption scheduling under demand response | |
Elma et al. | An overview of demand response applications under smart grid concept | |
Sherif et al. | An optimization framework for home demand side management incorporating electric vehicles | |
Alrumayh et al. | Model predictive control based home energy management system in smart grid | |
S Okundamiya et al. | Techno-economic analysis of a grid-connected hybrid energy system for developing regions | |
Gottwalt | Managing flexible loads in residential areas | |
Molitor et al. | Decentralized coordination of the operation of residential heating units | |
Mitra et al. | A two-part dynamic pricing policy for household electricity consumption scheduling with minimized expenditure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |
|
RJ01 | Rejection of invention patent application after publication |