CN105607484A - 智能电网环境下商业用户可控负荷的管理策略 - Google Patents

Abstract

本发明的一种智能电网环境下商业用户可控制负荷的管理策略，其特点是，以智能电网为背景，基于多智能体技术，针对商业用户的用电特点和不同用电设备的用电响应能力，设计了相应的多智能体控制系统及互动协调机制，多个智能体之间相互通讯，彼此协调，共同完成大的复杂系统控制作业任务。智能体分负荷侧智能体、聚合智能体和中央协调智能体。这样的系统可以实现资源共享，根据不同用电设备的运行特性建立了电动汽车、储能空调和热水器的负荷响应模型，采用区间数排序法确定用电负荷的优先级，提出了以优化用户用电整体舒适度为目标的负荷管控模式。具有科学合理，可靠性高、实时性强、灵活性和鲁棒性好等待优点。

Description

智能电网环境下商业用户可控负荷的管理策略

技术领域

本发明涉及智能电网技术领域，是一种智能电网环境下商业用户可控制负荷的管理策略。

背景技术

需求响应已经成为缓解网络阻塞、维护电网运行的经济性和安全性的重要措施之一，智能电网作为21世纪电力系统的重大科技创新，给电力需求响应的发展带来了新的机遇和挑战。尤其是近年来我国经济的快速发展导致负荷和用电方式多样化程度的增加，使得电力用户参与需求响应的过程充满复杂性和不确定性。智能体依赖于智能电网和网络通信技术的快速发展，其在需求响应中的应用越来越受到重视。

需求响应的主要内容包括：(1)基于电价的项目，即分时电价(TOU)，实时价格(RTP),尖峰价格项目(CPP)；(2)基于激励补偿的项目，包括直接控制负荷(DLC)、紧急需求响应项目(EDRP)、市场容量项目(CAP)、可中断/可削减(I/C)服务、需求侧竞价(DB)和辅助服务项目(A/S)。需求响应的发展大体会经历人工需求响应、半自动需求响应和全自动需求响应三个阶段。我国需求响应的发展还处于初级阶段，各方面技术还很不成熟，覆盖范围窄，远未达到智能化、自动化的水平。智能体的引入极大地促进了需求响应的发展，提高了需求响应互动过程的灵活性、实效性和智能化程度，扩大了负荷参与需求响应的整体范围。智能体的概念由Minsky在上世纪80年代提出，到目前为止还没有一个公认的普遍接受的定义。智能体的基本特性包括自治性、社会性、反应性和主动性；智能体的物理结构包括信息处理模块、环境感知模块和执行模块等,可以利用自身系统接收、分析来自上层和下层的信息，根据设定的规则计算出最佳响应策略，并以数据信号的形式发出。然而单智能体的应用并不能充分体现出其优越性，多智能体相互协作则能化零为整，表现出“一加一大于二”的积极效应，所以对多智能体在需求响应中的应用研究更有发展前景。

需求响应的基本内容(基于价格，基于激励)已经确定了，关键是找到快速、有效的信息传输媒介和多类型复杂负荷的聚合管理模式。我国智能电网研究工作的不断深入并取得的一系列成果为多智能体的发展和应用奠定了良好的基础，多智能体在需求响应中的应用已经受到业内人士的关注，但突破性的相关研究还不是很多，多智能体在需求响应中的工作机制以及如何实现信息的收集、处理和转发都需要做进一步的研究和探讨。

发明内容

本发明的目的是，提供一种科学合理，可靠性高、实时性强、灵活性和鲁棒性好的智能电网环境下商业用户可控制负荷的管理策略。

实现本发明目的采用的技术方案是，一种智能电网环境下商业用户可控制负荷的管理策略，其特征是，它包括以下内容：

1)电动汽车智能体：

根据电动汽车的充电特性，其负荷需求设定为：在规定时间内电动汽车应达到满充，蓄电池的数学模型采用简化的铅酸电池模型来表示，式(1)，(2)表示相对于在25℃下充电或放电10h的容量修正，

C_T＝1.67C₁₀(1+0.005ΔT_a)(1)

$C=\frac{C_T}{1+0.67{\left(\right|I|/I_{10})}^{0.9}}---\left(2\right)$

式中，C_T，C₁₀，C分别表示电池最大的容量，25℃充电或放电10h的容量，在25℃参考下的电池容量修正值；ΔT_a＝T_a-25表示在25℃参考下的温度变化量，T_a是当时的环境温度；I₁₀，I分别表示25℃下充电或放电10h的电流，实际温度下充电或放电电流，I>0表示充电，I<0表示放电；

在放电和充电过程中，库伦效率(η_b)表示为：

${\mathrm{\&eta;}}_b=\left\{\begin{array}{cc}1-\exp \&lsqb;\frac{20.73}{I/I_{10}+0.55}(SOC-1)\&rsqb;& I>0\\ 1& I<0\end{array}\right.---\left(3\right)$

式中，SOC(StateOfCharge)表示为电池荷电状态，是电动汽车舒适性的主要指标，其具体表达式为：

$SOC=\left\{\begin{array}{cc}\frac{Q}{C}{\mathrm{\&eta;}}_b& I>0\\ 1-\frac{Q}{C}{\mathrm{\&eta;}}_b& I<0\end{array}\right.---\left(4\right)$

SOC_min≤SOC≤SOC_max(5)

式中，Q＝|I|Δt，表示在时间段Δt内，电池的放电容量或者电池的充电容量，单位Ah；

电池电压表示为：

$v=(2+0.16\frac{Q}{C})+\frac{I}{C_{10}}(\frac{6}{1+I^{0.6}}+\frac{0.48}{{(1-Q/C_T)}^{1.2}}+0.036)(1-0.025{\mathrm{\&Delta;T}}_a)---\left(6\right)$

通过式(4)和式(5)可知，在放电过程中，当电池荷电状态SOC低于最小值时，充电控制器断开牵引系统，防止过放电；在充电过程中，当SOC大于最大值时，充电控制器断开电源停止充电；

2)储能空调智能体：

储能空调的调节一般依据温度进行调节，温度变化与空调功率之间的关系表示为：

T_t＝εT_t-1+(1-ε)(T_out,t-ηQ_t-1/A)(7)

0≤Q_t≤Q_max(8)

T_min≤T_t≤T_max(9)

T_min＝T_set-ΔT(10)

T_max＝T_set+ΔT(11)

式中，Q_t为空调在每个时段的电量，kWh；T_t为t时段的室内温度；T_out.t为t时段的室外温度；T_min、T_max分别为可接受的室内最低和最高温度；T_set为室内理想温度；ΔT为可接受的温度偏差；η，ε，A分别为空调的利用效率，散热系数，导热系数，三者均为常数；

3)热水器智能体：

热水器的运行状态与水温有关，通过温控器通与断实现加热与不加热的电路接通，水温低于临界温度θ_min时，温控器自动接通；水温达到热水器预置温度θ_set时，温控器断开，热水器停止加热，热水器的保温靠热水器的保温层来实现，当水温低于临界温度时，热水器再次开始加热；

根据用户热水器的使用习惯，预先设置热水器的加热时段，由式(12)-(14)根据反映加热和散热时长，

C_Wρ_WV(θ_set-θ_min)＝δPτ(12)

Q_t＝KF(θ_t-θ_nt)(13)

$\underset{j=t}{\overset{t+{\mathrm{\&tau;}}^{\&prime;}}{\&Sigma;}}{Q}_j=\mathrm{\&delta;}P\mathrm{\&tau;}---\left(14\right)$

式中，C_W、ρ_W分别为水的比热容和密度；P为加热时消耗的额定功率；τ为加热时长；δ为热水器的利用效率；Q_t为t时段热水器的散热量，t的初值是热水器使用结束后的第一个时段；K为热水器保温材料的传热系数，单位W/m2℃；F为热水器的散热面积；θ_t为t时段热水器中水的温度；θ_nt为t时段室内的温度；为总的散热量；τ′为散热时长；

4)负载聚合智能体：

由负荷聚合智能体收集各类负荷用电设备的物理状态，功率和外部环境信息计算舒适度，外部信息是指：室内外温度，用户自己设置的参数，舒适度表征用户对用电方式的满意程度，舒适度越小表明用电满意度越低，调度优先级越高，收集到的物理状态量分别为电动汽车的荷电状态，空调工作对应的室内温度，热水器中水的温度，可从负荷智能体中获取，每类聚合智能体中t时段i设备的舒适度有如下表示：

${\mathrm{\&mu;}}_{EV,i,t}=1-{\left(\right({\mathrm{SOC}}_{i,t}-{\mathrm{SOC}}_i^{\max })/{\mathrm{SOC}}_i^{\max })}^2---\left(15\right)$

μ_AC,i,t＝1-((T_i,t-T_set,i)/T_set,i)²(16)

μ_WH,i,t＝1-((θ_i,t-θ_set,i)/θ_set,i)²(17)

式中，μ_EV,i,t,μ_AC,i,t和μ_WH,i,t分别为电动汽车、空调和热水器的舒适度指标，取值为1时表示舒适度最高，

负载聚合智能体还需对每类负荷的各用电设备舒适度指标进行升序排列，根据负荷的控制智能体为依据确定每台用电设备的用电优先级，

对于电动汽车，设和分别表示t时段该类负荷舒适度的最大值和最小值来确定负荷舒适度指标变化范围可用区间数表示，即

${\widetilde{\mathrm{\&mu;}}}_{EV,t}=\&lsqb;{\mathrm{\&mu;}}_{EV,t}^{\min },{\mathrm{\&mu;}}_{EV,t}^{\max }\&rsqb;---\left(18\right)$

同理，空调负荷与热水器负荷舒适度指标变化范围分别用区间数表示为：

${\widetilde{\mathrm{\&mu;}}}_{AC,t}=\&lsqb;{\mathrm{\&mu;}}_{AC,t}^{\min },{\mathrm{\&mu;}}_{AC,t}^{\max }\&rsqb;---\left(19\right)$

${\widetilde{\mathrm{\&mu;}}}_{WH,t}=\&lsqb;{\mathrm{\&mu;}}_{WH,t}^{\min },{\mathrm{\&mu;}}_{WH,t}^{\max }\&rsqb;---\left(20\right)$

5)分类控制Agent

分类控制Agent属于负荷分类控制层，其控制目标为提高同类负荷的单个用电设备的舒适度，并且使得该类负荷中各用电设备的舒适度差异性最小，对于电动汽车类负荷控制Agent的目标函数为：

${\mathrm{\&Delta;\&mu;}}_{EV,t}=max\underset{i\&Element;EV}{min}{\mathrm{\&mu;}}_{EV,i,t}---\left(21\right)$

式中，Δμ_EV,t为t时段电动汽车类负荷Agent的控制目标；EV表示各电动汽车集合；

同理，空调类负荷控制Agent和热水器类负荷控制Agent的控制目标分别为：

${\mathrm{\&Delta;\&mu;}}_{AC,t}=max\underset{i\&Element;AC}{min}{\mathrm{\&mu;}}_{AC,i,t}---\left(22\right)$

${\mathrm{\&Delta;\&mu;}}_{WH,t}=max\underset{i\&Element;WH}{min}{\mathrm{\&mu;}}_{WH,i,t}---\left(23\right)$

每类负荷控制Agent根据自身的目标函数按照每个用电设备的舒适度升序排列制定初步的用电调度策略，舒适度越小调度优先级越高；

6)中央协调控制智能体：

中央协调控制智能体是负荷集中控制单元，其目的是在功率约束条件下提高商业用户整体的舒适度，对各类负荷进行集中协调调度，具体优化模型表示为如下：

maxΔμ_t＝β_EV,tΔμ_EV,t+β_AC,tΔμ_AC,t+β_WH,tΔμ_WH,t(24)

P_∑,t≤P_t ^max(25)

式中，Δμ_t为t时段整体负荷舒适度的综合调控指标；β_EV,t，β_AC,t，β_WH,t分别为电动汽车类，空调类和热水器类舒适度区间长度所占的权重，权重越大负荷的舒适度区间长度越大，不利于整体舒适度的提高，这时，负荷用电区间优先级越高，集中调度时获得的用电功率越多，β_EV,t+β_AC,t+β_WH,t＝1；P_∑，t为t时段受控设备总的功率；P_t ^max为电网智能体给定的t时段功率限制值。

在处理权重问题上设置几种特殊情况：①对于电动汽车开始充电时，用电优先级最高，β_EV,t＝1；②热水器的工作时段和使用时段，用电优先级最高，β_WH,t；热水器处于满足约束的散热阶段不参与用电调度，β_WH,t；除了上述情况，在确定每类负荷用电设备的权重时，需要中央协调控制智能体确定负荷用电区间优先级，用电区间优先级越高所占比重越大；

对分类控制智能体发送的舒适度区间进行排序，以确定每类负荷的用电区间优先级，用电区间优先级是整个控制系统对负荷进行用电调度的最高层次的依据，其工作原理采用基于模糊约束满意度的求解方法，计算两个区间数大小比较的可能度，

假设有两个区间x＝[x₁,x₂]和y＝[y₁,y₂]，x≤y的可能度为：

$p(x\&le;y)=max\{0,1-max\{0,\frac{x_2-y_1}{(x_2-x_1)+(y_2-y_1)}\left\}\right\}---\left(26\right)$

x≥y的可能度为：

$p(x\&GreaterEqual;y)=max\{1-max\{\frac{y_2-x_1}{(x_2-x_1)+(y_2-y_1)},0\},0\}---\left(27\right)$

如果p(x≤y)>p(x≥y)，则区间x大于区间y，即舒适度区间x大于y，用电区间优先级x小于y；反之，用电区间优先级x大于y，

如果p(x≤y)＝p(x≥y)，则区间x等于区间y，即x和y的舒适度区间和用电区间优先级相等；

中央协调控制智能体确定每类负荷的用区间优先级，制定集中控制的用电调度策略并下达到分类控制智能体，分类控制智能体对初步制定的调度方案进行修正并将其发送到负载聚合智能体，对每类负荷的用电设备进行调控。

本发明以智能电网为背景，基于多智能体技术，针对商业用户的用电特点设计了包含多类具有一定用电响应能力的用电设备的多智能体控制系统及互动协调机制，根据各类用电设备的运行特性建立了相应的负荷响应模型，采用区间数排序法确定用电负荷的优先级，提出了以优化商业用户用电整体舒适度为目标的负荷管控模式，设计了包含多类具有一定用电响应能力的用电设备的多Agent控制系统及互动协调机制，与传统用电方式相比有以下优点：

1.每类负荷用电设备的舒适度均可以由其用电所产生的物理特性表达，物理特性与消耗的功率又直接相关。因此，利用该控制系统可以反映出用电设备舒适度和功率实时变化的情况；

2.虽然依然存在功率限制，但对用电调度是从宏观上进行调控的，使功率得到充分利用；

3.舒适度的最大值和最小值都会提升，并且最小值的提升速度比最大值的提升速度快，各用电设备的舒适度差异性减小而且整体的用电舒适度提高；

4.减小负荷用电舒适度的差异性，对提高整体用电舒适度起到了更加有效的作用；

5.其科学合理，可靠性高、实时性强、灵活性和鲁棒性好。

附图说明

图1多智能体控制系统总体框图；

图2同类电动汽车的舒适度及功率比较示意图；

图3不同类电动汽车的舒适度及功率比较示意图；

图4不同空调的舒适度及功率比较示意图；

图5第一类热水器的舒适度及功率比较；

图6第二类热水器的舒适度及功率比较示意图；

图7仿真流程示意图。

具体实施方式

下面利用附图和实施案例对本发明作进一步说明。

本发明的智能电网环境下商业用户可控制负荷的管理策略，根据图1制定了每个智能体之间的互动协调机制：

步骤1：在新的调度周期开始前，各类负荷Agent向对应的负载聚合Agent发送它们的状态和功率信息；

步骤2：各类负载聚合Agent收集负载的状态，功率和外部环境信息，计算每类家电的舒适度并将其传送给分类控制Agent中对应的控制Agent；

步骤3：分类控制Agent对每类家电的舒适性指标进行升序排列得到区间数，以此为依据确定每类家电的用电优先级，结合目标函数制定初步调度策略；

步骤4：中央协调控制Agent采用区间数排序的方法对分类控制Agent发送的舒适度区间数进行排序，确定每类家电的用电区间优先级，根据目标函数制定调度方案并下达到分类控制Agent；

步骤5：分类控制Agent严格按照上层控制Agent制定的调度方案对初步制定的调度策略进行及时修正并将其发送到负载聚合Agent；

步骤6：负载聚合Agent按照分类控制Agent修正后的调度策略对相应的各类负载进行用电调度；

步骤7：重复步骤5和步骤6，直至满足电网Agent发布的功率限制条件，即停止准则。

步骤8：进入下一个时段，重复以上步骤。

根据图1和图7，对各种受控用电设备进行优化运行控制的过程包括以下几个步骤：

1)电动汽车智能体：

根据电动汽车的充电特性，其负荷需求设定为：在规定时间内电动汽车应达到满充。蓄电池的数学模型采用简化的铅酸电池模型来表示。式(1)，(2)表示相对于在25℃下充电或放电10h的容量修正。

C_T＝1.67C₁₀(1+0.005ΔT_a)(1)

$C=\frac{C_T}{1+0.67{\left(\right|I|/I_{10})}^{0.9}}---\left(2\right)$

式中，C_T，C₁₀，C分别表示电池最大的容量，25℃充电或放电10h的容量，在25℃参考下的电池容量修正值；ΔT_a＝T_a-25表示在25℃参考下的温度变化量，T_a是当时的环境温度；I₁₀，I分别表示25℃下充电或放电10h的电流，实际温度下充电或放电电流，I>0表示充电，I<0表示放电。

在放电和充电过程中，库伦效率(η_b)表示为：

${\mathrm{\&eta;}}_b=\left\{\begin{array}{cc}1-\exp \&lsqb;\frac{20.73}{I/I_{10}+0.55}(SOC-1)\&rsqb;& I>0\\ 1& I<0\end{array}\right.---\left(3\right)$

式中，SOC(StateOfCharge)表示为电池荷电状态，是电动汽车舒适性的主要指标。其具体表达式为：

$SOC=\left\{\begin{array}{cc}\frac{Q}{C}{\mathrm{\&eta;}}_b& I>0\\ 1-\frac{Q}{C}{\mathrm{\&eta;}}_b& I<0\end{array}\right.---\left(4\right)$

SOC_min≤SOC≤SOC_max(5)

式中，Q＝|I|Δt，表示在时间段Δt内，电池的放电容量或者电池的充电容量，单位Ah。

电池电压表示为：

$V=(2+0.16\frac{Q}{C})+\frac{I}{C_{10}}(\frac{6}{1+I^{0.6}}+\frac{0.48}{{(1-Q/C_T)}^{1.2}}+0.036)(1-0.025{\mathrm{\&Delta;T}}_a)---\left(6\right)$

通过式(4)和式(5)可知，在放电过程中，当电池荷电状态SOC低于最小值时，充电控制器断开牵引系统，防止过放电；在充电过程中，当SOC大于最大值时，充电控制器断开电源停止充电。

2)储能空调智能体：

储能空调的调节一般依据温度进行调节，温度变化与空调功率之间的关系表示为：

T_t＝εT_t-1+(1-ε)(T_out,t-ηQ_t-1/A)(7)

0≤Q_t≤Q_max(8)

T_min≤T_t≤T_max(9)

T_min＝T_set-ΔT(10)

T_max＝T_set+ΔT(11)

式中，Q_t为空调在每个时段的电量，kWh；T_t为t时段的室内温度；T_out.t为t时段的室外温度；T_min、T_max分别为可接受的室内最低和最高温度；T_set为室内理想温度；ΔT为可接受的温度偏差；η，ε，A分别为空调的利用效率，散热系数，导热系数，三者均为常数。

3)热水器智能体：

热水器的运行状态与水温有关，通过温控器通与断实现加热与不加热的电路接通。水温低于临界温度θ_min时，温控器自动接通；水温达到热水器预置温度θ_set时，温控器断开，热水器停止加热。热水器的保温靠热水器的保温层来实现，当水温低于临界温度时，热水器再次开始加热。

根据用户热水器的使用习惯，预先设置热水器的加热时段，由式(12)-(14)根据反映加热和散热时长。

C_Wρ_WV(θ_set-θ_min)＝δPτ(12)

Q_t＝KF(θ_t-θ_nt)(13)

$\underset{j=t}{\overset{t+{\mathrm{\&tau;}}^{\&prime;}}{\&Sigma;}}{Q}_j=\mathrm{\&delta;}P\mathrm{\&tau;}---\left(14\right)$

式中，C_W、ρ_W分别为水的比热容和密度；P为加热时消耗的额定功率；τ为加热时长；δ为热水器的利用效率。Q_t为t时段热水器的散热量，t的初值是热水器使用结束后的第一个时段；K为热水器保温材料的传热系数，单位W/m2℃；F为热水器的散热面积；θ_t为t时段热水器中水的温度；θ_nt为t时段室内的温度；为总的散热量；τ′为散热时长。

4)负载聚合智能体：

由负荷聚合智能体收集各类负荷用电设备的物理状态，功率和外部环境信息(室内外温度，用户自己设置的参数等)并计算其舒适度。以舒适度表征用户对用电方式的满意程度，舒适度越小表明用电满意度越低，调度优先级越高。收集到的物理状态量分别为电动汽车的荷电状态，空调工作对应的室内温度，热水器中水的温度，可从负荷智能体中获取。每类聚合智能体中t时段i设备的舒适度有如下表示：

${\mathrm{\&mu;}}_{EV,i,t}=1-{\left(\right({\mathrm{SOC}}_{i,t}-{\mathrm{SOC}}_i^{\max })/{\mathrm{SOC}}_i^{\max })}^2---\left(15\right)$

μ_AC,i,t＝1-((T_i,t-T_set,i)/T_set,i)²(16)

μ_WH,i,t＝1-((θ_i,t-θ_set,i)/θ_set,i)²(17)

式中，μ_EV,i,t,μ_AC,i,t和μ_WH,i,t分别为电动汽车、空调和热水器的舒适度指标，取值为1时表示舒适度最高。

负载聚合智能体还需对每类负荷的各用电设备舒适度指标进行升序排列。负荷的控制智能体以此为依据确定每台用电设备的用电优先级。

以电动汽车为例，设和分别表示t时段该类负荷舒适度的最大值和最小值；由此确定的该类负荷舒适度指标变化范围可用区间数表示，即

${\widetilde{\mathrm{\&mu;}}}_{EV,t}=\&lsqb;{\mathrm{\&mu;}}_{EV,t}^{\min },{\mathrm{\&mu;}}_{EV,t}^{\max }\&rsqb;---\left(18\right)$

同理，空调负荷与热水器负荷舒适度指标变化范围分别用区间数表示为：

${\widetilde{\mathrm{\&mu;}}}_{AC,t}=\&lsqb;{\mathrm{\&mu;}}_{AC,t}^{\min },{\mathrm{\&mu;}}_{AC,t}^{\max }\&rsqb;---\left(19\right)$

${\widetilde{\mathrm{\&mu;}}}_{WH,t}=\&lsqb;{\mathrm{\&mu;}}_{WH,t}^{\min },{\mathrm{\&mu;}}_{WH,t}^{\max }\&rsqb;---\left(20\right)$

5)分类控制Agent

分类控制Agent属于负荷分类控制层，其控制目标为提高同类负荷的单个用电设备的舒适度，并且使得该类负荷中各用电设备的舒适度差异性最小。以电动汽车为例，电动汽车类负荷控制Agent的目标函数为：

${\mathrm{\&Delta;\&mu;}}_{EV,t}=max\underset{i\&Element;EV}{min}{\mathrm{\&mu;}}_{EV,i,t}---\left(21\right)$

式中，Δμ_EV,t为t时段电动汽车类负荷Agent的控制目标；EV表示各电动汽车集合。

同理，空调类负荷控制Agent和热水器类负荷控制Agent的控制目标分别为：

${\mathrm{\&Delta;\&mu;}}_{AC,t}=\max \underset{i\&Element;AC}{\min }{\mathrm{\&mu;}}_{AC,i,t}---\left(22\right)$

${\mathrm{\&Delta;\&mu;}}_{WH,t}=max\underset{i\&Element;WH}{min}{\mathrm{\&mu;}}_{WH,i,t}---\left(23\right)$

每类负荷控制Agent根据自身的目标函数按照每个用电设备的舒适度升序排列制定初步的用电调度策略。舒适度越小调度优先级越高。

6)中央协调控制智能体：

中央协调控制智能体是负荷集中控制单元，其目的是在功率约束条件下提高商业用户整体的舒适度，对各类负荷进行集中协调调度，具体优化模型表示为如下：

maxΔμ_t＝β_EV,tΔμ_EV,t+β_AC,tΔμ_AC,t+β_WH,tΔμ_WH,t(24)

P_∑,t≤P_t ^max(25)

式中，Δμ_t为t时段整体负荷舒适度的综合调控指标；β_EV,t，β_AC,t，β_WH,t分别为电动汽车类，空调类和热水器类舒适度区间长度所占的权重，权重越大说明该类负荷的舒适度区间长度越大，不利于整体舒适度的提高，这时，该类负荷用电区间优先级越高，集中调度时获得的用电功率越多，β_EV,t+β_AC,t+β_WH,t＝1；P_∑，t为t时段受控设备总的功率；P_t ^max为电网智能体给定的t时段功率限制值。

在处理权重的问题上本文设置几种特殊情况：①电动汽车开始充电时，用电优先级最高，β_EV,t＝1；②热水器的工作时段和使用时段，用电优先级最高，β_WH,t；热水器处于满足约束的散热阶段不参与用电调度，β_WH,t。除了上述情况，在确定每类负荷用电设备的权重时，需要中央协调控制智能体确定负荷用电区间优先级，用电区间优先级越高所占比重越大。

对分类控制智能体发送的舒适度区间进行排序，以确定每类负荷的用电区间优先级。用电区间优先级是整个控制系统对负荷进行用电调度的最高层次的依据。其工作原理采用基于模糊约束满意度的求解方法，计算两个区间数大小比较的可能度。

假设有两个区间x＝[x₁,x₂]和y＝[y₁,y₂]，x≤y的可能度为：

$p(x\&le;y)=max\{0,1-max\{0,\frac{x_2-y_1}{(x_2-x_1)+(y_2-y_1)}\left\}\right\}---\left(26\right)$

x≥y的可能度为：

$p(x\&GreaterEqual;y)=max\{1-max\{\frac{y_2-x_1}{(x_2-x_1)+(y_2-y_1)},0\},0\}---\left(27\right)$

如果p(x≤y)>p(x≥y)，则区间x大于区间y，即舒适度区间x大于y，用电区间优先级x小于y；反之，用电区间优先级x大于y。

如果p(x≤y)＝p(x≥y)，则区间x等于区间y，即x和y的舒适度区间和用电区间优先级相等。

中央协调控制智能体确定每类负荷的用区间优先级，制定集中控制的用电调度策略并下达到分类控制智能体，分类控制智能体对初步制定的调度方案进行修正并将其发送到负载聚合智能体，对每类负荷的用电设备进行调控。

算例中，商业用户有3类电动汽车，电池容量分别为70Ah，80Ah，90Ah，每类电动汽车的数量不等，初始状态和设置的初始充电时间见附录A，电动汽车电池荷电状态约束为大于10％小于90％；2类空调均为储能式空调，额定功率分别为3.5kW，3kW，具体参数见附录B，室内理想温度设置为21℃；2类热水器的型号不同，额定功率分别为2kW，1.5kW，初始温度，预置温度和设置的使用时间段见附录C。室外温度见附录D。空调和热水器之间存在着温度耦合关系，即空调工作得到的室内温度作为热水器散热阶段的已知条件。电网给定的峰荷时段功率限制为36kW。图2是同类电动汽车中的负荷舒适度及功率比较。从图2中可以看出，每辆电动汽车设置的初始充电时间是舒适度最低的时刻，而后对它们进行充电，舒适度逐渐升高并且差异性逐渐缩小，当舒适度达到最高时表明荷电状态SOC达到最大值。根据舒适度的变化，电动汽车的功率曲线也随之变化。从图中可以看出所有的电动汽车在舒适度最低时，获得的优先级最高，消耗的功率最大。而随着舒适度的提高和差异性的缩小，电动汽车消耗的功率和功率之间的差值也会逐渐减少。达到满充状态后，消耗的功率为零。图3是不同类电动汽车的舒适度和功率曲线的比较。从图2和图3可以看出，不管是同类电动汽车之间，还是不同类电动汽车之间，舒适度都是在逐渐升高且差异性在逐渐缩小的，消耗的功率和功率之间的差异性也都是逐渐减少的。宏观效果呈现出趋同的走向，有利于整体用电舒适度的提高。图4是经过优化运算得到的不同类空调的舒适度和充电功率情况对比情况。可以看出即使两个舒适度差异最大的空调其舒适度指标差别也不是很大。根据区间数排序原则，空调的舒适度区间要大于电动汽车的舒适度区间，因此用电区间优先级低。对比电动汽车和空调的功率曲线可以看出，由于空调的用电区间优先级低于电动汽车，每个时段消耗的功率也比电动汽车少；图5和图6分别是两类热水器的舒适度和功率曲线变化，虽然两个热水器设置的使用时段不同，但是舒适度的走向是基本一致的，这也有利于整体用电舒适度的提高。

下表是方案实施前后的不同舒适度区间：

表1舒适度区间比较

可以看出实施例提出的基于多智能体系统的负荷管理策略具有较好效果。实施方案前(用电设备分散控制)，由于功率的限制，只能对舒适度低的负荷进行用电调度，舒适度最大的用电设备停止用电。这种用电方式使舒适度最小值提升较快，但舒适度最大的用电设备停止用电，其舒适度指标可能基本不变甚至有所下降。虽然舒适度差异性有所减小，但是不利于整体舒适度的提升。实施本方案后(用电设备集中控制)，虽然存在功率限制，但对用电调度是从宏观上进行调控的，使功率得到充分利用。这种负荷管控模式使舒适度的最大值和最小值都会提升，并且最小值的提升速度比最大值的提升速度快。所以，各用电设备的舒适度差异性减小而且整体的用电舒适度提高。

附录A电动汽车参数

附录B空调参数

附录C热水器参数

附录D室外温度

Claims (1)

1.一种智能电网环境下商业用户可控制负荷的管理策略，其特征是，它包括以下内容：

1)电动汽车智能体：

根据电动汽车的充电特性，其负荷需求设定为：在规定时间内电动汽车应达到满充，蓄电池的数学模型采用简化的铅酸电池模型来表示，式(1)，(2)表示相对于在25℃下充电或放电10h的容量修正，

C_T＝1.67C₁₀(1+0.005ΔT_a)(1)

$C=\frac{C_T}{1+0.67{\left(\right|I|/I_{10})}^{0.9}}---\left(2\right)$

式中，C_T，C₁₀，C分别表示电池最大的容量，25℃充电或放电10h的容量，在25℃参考下的电池容量修正值；ΔT_a＝T_a-25表示在25℃参考下的温度变化量，T_a是当时的环境温度；I₁₀，I分别表示25℃下充电或放电10h的电流，实际温度下充电或放电电流，I>0表示充电，I<0表示放电；

在放电和充电过程中，库伦效率(η_b)表示为：

${\mathrm{\&eta;}}_b=\left\{\begin{array}{cc}1-\exp \&lsqb;\frac{20.73}{I/I_{10}+0.55}(SOC-1)\&rsqb;& I>0\\ 1& I<0\end{array}\right.---\left(3\right)$

式中，SOC(StateOfCharge)表示为电池荷电状态，是电动汽车舒适性的主要指标，其具体表达式为：

$SOC=\left\{\begin{array}{cc}\frac{Q}{C}{\mathrm{\&eta;}}_b& I>0\\ 1-\frac{Q}{C}{\mathrm{\&eta;}}_b& I<0\end{array}\right.---\left(4\right)$

SOC_min≤SOC≤SOC_max(5)

式中，Q＝|I|Δt，表示在时间段Δt内，电池的放电容量或者电池的充电容量，单位Ah；

电池电压表示为：

$V=\left(2+0.16\frac{Q}{C}\right)+\frac{I}{C_{10}}\left(\frac{6}{1+I^{0.6}}+\frac{0.48}{{\left(1-Q/C_T\right)}^{1.2}}+0.036\right)\left(1-0.025{\mathrm{\&Delta;T}}_a\right)---\left(6\right)$

通过式(4)和式(5)可知，在放电过程中，当电池荷电状态SOC低于最小值时，充电控制器断开牵引系统，防止过放电；在充电过程中，当SOC大于最大值时，充电控制器断开电源停止充电；

2)储能空调智能体：

储能空调的调节一般依据温度进行调节，温度变化与空调功率之间的关系表示为：

T_t＝εT_t-1+(1-ε)(T_out,t-ηQ_t-1/A)(7)

0≤Q_t≤Q_max(8)

T_min≤T_t≤T_max(9)

T_min＝T_set-ΔT(10)

T_max＝T_set+ΔT(11)

式中，Q_t为空调在每个时段的电量，kWh；T_t为t时段的室内温度；T_out.t为t时段的室外温度；T_min、T_max分别为可接受的室内最低和最高温度；T_set为室内理想温度；ΔT为可接受的温度偏差；η，ε，A分别为空调的利用效率，散热系数，导热系数，三者均为常数；

3)热水器智能体：

热水器的运行状态与水温有关，通过温控器通与断实现加热与不加热的电路接通，水温低于临界温度θ_min时，温控器自动接通；水温达到热水器预置温度θ_set时，温控器断开，热水器停止加热，热水器的保温靠热水器的保温层来实现，当水温低于临界温度时，热水器再次开始加热；

根据用户热水器的使用习惯，预先设置热水器的加热时段，由式(12)-(14)根据反映加热和散热时长，

C_Wρ_WV(θ_set-θ_min)＝δPτ(12)

Q_t＝KF(θ_t-θ_nt)(13)

$\underset{j=t}{\overset{t+{\mathrm{\&tau;}}^{\&prime;}}{\&Sigma;}}{Q}_j=\mathrm{\&delta;}P\mathrm{\&tau;}---\left(14\right)$

式中，C_W、ρ_W分别为水的比热容和密度；P为加热时消耗的额定功率；τ为加热时长；δ为热水器的利用效率；Q_t为t时段热水器的散热量，t的初值是热水器使用结束后的第一个时段；K为热水器保温材料的传热系数，单位W/m2℃；F为热水器的散热面积；θ_t为t时段热水器中水的温度；θ_nt为t时段室内的温度；为总的散热量；τ′为散热时长；

4)负载聚合智能体：

由负荷聚合智能体收集各类负荷用电设备的物理状态，功率和外部环境信息计算舒适度，外部信息是指：室内外温度，用户自己设置的参数，舒适度表征用户对用电方式的满意程度，舒适度越小表明用电满意度越低，调度优先级越高，收集到的物理状态量分别为电动汽车的荷电状态，空调工作对应的室内温度，热水器中水的温度，可从负荷智能体中获取，每类聚合智能体中t时段i设备的舒适度有如下表示：

${\mathrm{\&mu;}}_{EV,i,t}=1-{\left(\right({\mathrm{SOC}}_{i,t}-{\mathrm{SOC}}_i^{\max })/{\mathrm{SOC}}_i^{\max })}^2---\left(15\right)$

${\mathrm{\&mu;}}_{AC,i,t}=1-{\left(\right(T_{i,t}-T_{set,i})/T_{set,i})}^2---\left(16\right)$

${\mathrm{\&mu;}}_{WH,i,t}=1-{\left(\right({\mathrm{\&theta;}}_{i,t}-{\mathrm{\&theta;}}_{set,i})/{\mathrm{\&theta;}}_{set,i})}^2---\left(17\right)$

式中，μ_EV,i,t,μ_AC,i,t和μ_WH,i,t分别为电动汽车、空调和热水器的舒适度指标，取值为1时表示舒适度最高，

负载聚合智能体还需对每类负荷的各用电设备舒适度指标进行升序排列，根据负荷的控制智能体为依据确定每台用电设备的用电优先级，

对于电动汽车，设和分别表示t时段该类负荷舒适度的最大值和最小值来确定负荷舒适度指标变化范围可用区间数表示，即

${\widetilde{\mathrm{\&mu;}}}_{EV,t}=\&lsqb;{\mathrm{\&mu;}}_{EV,t}^{\min },{\mathrm{\&mu;}}_{EV,t}^{\max }\&rsqb;---\left(18\right)$

同理，空调负荷与热水器负荷舒适度指标变化范围分别用区间数表示为：

${\widetilde{\mathrm{\&mu;}}}_{AC,t}=\&lsqb;{\mathrm{\&mu;}}_{AC,t}^{\min },{\mathrm{\&mu;}}_{AC,t}^{\max }\&rsqb;---\left(19\right)$

${\widetilde{\mathrm{\&mu;}}}_{WH,t}=\&lsqb;{\mathrm{\&mu;}}_{WH,t}^{\min },{\mathrm{\&mu;}}_{WH,t}^{\max }\&rsqb;---\left(20\right)$

5)分类控制Agent

分类控制Agent属于负荷分类控制层，其控制目标为提高同类负荷的单个用电设备的舒适度，并且使得该类负荷中各用电设备的舒适度差异性最小，对于电动汽车类负荷控制Agent的目标函数为：

${\mathrm{\&Delta;\&mu;}}_{EV,t}=max\underset{i\&Element;EV}{min}{\mathrm{\&mu;}}_{EV,i,t}---\left(21\right)$

式中，Δμ_EV,t为t时段电动汽车类负荷Agent的控制目标；EV表示各电动汽车集合；

同理，空调类负荷控制Agent和热水器类负荷控制Agent的控制目标分别为：

${\mathrm{\&Delta;\&mu;}}_{AC,t}=max\underset{i\&Element;AC}{min}{\mathrm{\&mu;}}_{AC,i,t}---\left(22\right)$

${\mathrm{\&Delta;\&mu;}}_{WH,t}=max\underset{i\&Element;WH}{min}{\mathrm{\&mu;}}_{WH,i,t}---\left(23\right)$

每类负荷控制Agent根据自身的目标函数按照每个用电设备的舒适度升序排列制定初步的用电调度策略，舒适度越小调度优先级越高；

6)中央协调控制智能体：

中央协调控制智能体是负荷集中控制单元，其目的是在功率约束条件下提高商业用户整体的舒适度，对各类负荷进行集中协调调度，具体优化模型表示为如下：

maxΔμ_t＝β_EV,tΔμ_EV,t+β_AC,tΔμ_AC,t+β_WH,tΔμ_WH,t(24)

$P_{\mathrm{\&Sigma;},t}\&le;P_t^{\max }---\left(25\right)$

式中，Δμ_t为t时段整体负荷舒适度的综合调控指标；β_EV,t，β_AC,t，β_WH,t分别为电动汽车类，空调类和热水器类舒适度区间长度所占的权重，权重越大负荷的舒适度区间长度越大，不利于整体舒适度的提高，这时，负荷用电区间优先级越高，集中调度时获得的用电功率越多，β_EV,t+β_AC,t+β_WH,t＝1；P_∑，t为t时段受控设备总的功率；为电网智能体给定的t时段功率限制值。在处理权重问题上设置几种特殊情况：①对于电动汽车开始充电时，用电优先级最高，β_EV,t＝1；②热水器的工作时段和使用时段，用电优先级最高，β_WH,t；热水器处于满足约束的散热阶段不参与用电调度，β_WH,t；除了上述情况，在确定每类负荷用电设备的权重时，需要中央协调控制智能体确定负荷用电区间优先级，用电区间优先级越高所占比重越大；

对分类控制智能体发送的舒适度区间进行排序，以确定每类负荷的用电区间优先级，用电区间优先级是整个控制系统对负荷进行用电调度的最高层次的依据，其工作原理采用基于模糊约束满意度的求解方法，计算两个区间数大小比较的可能度，

假设有两个区间x＝[x₁,x₂]和y＝[y₁,y₂]，x≤y的可能度为：

$p(x\&le;y)=max\{0,1-max\{0,\frac{x_2-y_1}{(x_2-x_1)+(y_2-y_1)}\left\}\right\}---\left(26\right)$

x≥y的可能度为：

$p(x\&GreaterEqual;y)=max\{1-max\{\frac{y_2-x_1}{(x_2-x_1)+(y_2-y_1)},0\},0\}---\left(27\right)$

如果p(x≤y)>p(x≥y)，则区间x大于区间y，即舒适度区间x大于y，用电区间优先级x小于y；反之，用电区间优先级x大于y，

如果p(x≤y)＝p(x≥y)，则区间x等于区间y，即x和y的舒适度区间和用电区间优先级相等；

中央协调控制智能体确定每类负荷的用区间优先级，制定集中控制的用电调度策略并下达到分类控制智能体，分类控制智能体对初步制定的调度方案进行修正并将其发送到负载聚合智能体，对每类负荷的用电设备进行调控。