CN105680445A - 一种基于延迟的启发式峰荷削减方法 - Google Patents

Abstract

本发明提供了一种基于延迟的启发式峰荷削减方法，包括：调控中心对负荷代理机构下达峰荷削减指令；负荷代理机构获取其管理区域内周期性柔性负荷的功率幅值、占空比和周期；负荷代理机构根据所述负荷的参数，建立负荷模型和峰荷削减模型；通过计算出各个周期性柔性负荷的启动时延，并将控制信号下达到各个用电设备；用电设备接收到负荷控制信号后，根据时延参数，调整自身启动时间。本发明通过在智能用电设备的工作周期中施以小的相位延迟。实现了减少周期性负载的重叠和最小化周期性脉冲波的最大叠加值，以实现峰荷削减。

Description

一种基于延迟的启发式峰荷削减方法

技术领域

本发明涉及智能电网中家居负荷控制领域，具体讲涉及智能用电中的一种基于延迟的启发式峰荷削减方法。

背景技术

信息通信技术已经深入电网和楼宇单元，为必需的基础设施提供能源管理和负荷控制。智能电网的一个最重要的特点就是用户与电网运行者之间通过一个双向的通信链路提供数据流和命令流的支持。智能设备被部署在用户端来提供智能设备到智能电网的用户接口。新的标准和智能传感器/执行器网络已经应用在了智能电网和智能设备之间的通信基础设施上,并且支持智能电网中最基本的操作，提供负荷控制和需求响应等用电服务。智能电网由控制器组成，这些控制器能够实时监控一组智能楼宇，然后协调和控制其管理区域内的智能设备。

智能电网最重要的功能之一就是通过电网与用户之间的交互式通信实现需求响应和负荷控制，需求响应是基于动态算法来缓和尖峰负荷需求，削除尖峰或平衡负荷。这些应用可以通过关闭部分负荷需求，利用储能设备或通过实时电价控制需求来实现。在现有的负荷优化控制中，大部分还是在负荷直接控制和有序用电的基础上实施，通过对用户的用电设备实施简单的二进制开关控制，极大的影响了用户的舒适度。

本方法通过一个常用智能传感器的计量单元，测量到典型能量消耗设备的功率负载可以被准确的描述为周期性的脉冲波。基于此提出了一个新型算法，它能够以对用户透明的方法，在智能设备的工作周期中施以小的相位延迟。主要的目标是减少周期性负载的重叠和最小化周期性脉冲波的最大叠加值，以保证瞬时负载尽可能的低。

发明内容

为克服上述现有技术的不足，本发明提供一种基于延迟的启发式峰荷削减方法，通过对智能楼宇内的周期性柔性负荷进行优化控制，获得可观的峰荷削减，降低电网的运行压力。

本发明采用的技术方案为：

一种基于延迟的启发式峰荷削减方法，包括如下步骤：

(1)调控中心对负荷代理机构下达峰荷削减指令；

(2)负荷代理机构获取其管理区域内周期性柔性负荷的功率幅值、占空比和周期；

(3)建立周期性柔性负荷模型、所有参与峰荷削减的负荷叠加模型和基于延迟的峰荷削减模型；

(4)计算出各个周期性柔性负荷的启动时延δ，并将控制信号下达到各个用电设备；

(5)用电设备接收到负荷控制信号后，根据启动时延δ，调整自身启动时间。

优选的，所述步骤(3)中，所述周期性柔性负荷模型，即周期性分段函数为：

$f_i\left(t\right)=\left\{\begin{array}{c}{A}_i,0\&le;t\&le;\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}<t\&le;T\end{array}\right.$

其中f_i(t)表示设备在t时刻的瞬时功率；A_i表示设备的功率幅值；τ表示设备的启动时间；T表示设备的运行周期；

所述所有参与峰荷削减的负荷叠加模型为：

$F\left(t\right)=\underset{i\&Element;I}{\&Sigma;}{f}_i(t+{\mathrm{\&delta;}}_i)$

其中，I表示一个负荷代理机构所管理的设备的集合，设备i∈I,i∈{1,2,...N}；N表示设备的最大个数；δ_i表示一个特殊的时间间隔，用来调整柔性负荷i的开启时间；f_i(t+δ_i)表示负荷的功率调整方程；F(t)为调整后功率的叠加值；

所述基于延迟的峰荷削减模型为：

$S\left({\mathrm{\&delta;}}_{i,k}\right)=\underset{k}{\min }\left(\underset{t}{max}\right(F\left(t\right)\left)\right),0\&le;t\&le;T_W$

S(δ_i，_k)为功率峰值，k表示k次迭代，Tw表示时间窗口。

优选的，所述步骤(4)中，所述计算包括：

(4-1)、计算参与负荷控制的所有周期性柔性设备的功率叠加；

(4-2)、计算出总负荷曲线中，峰值功率出现的时刻；

(4-3)、计算各周期性柔性负荷的函数在该时刻的时延调整系数λ_i；

(4-4)、根据时延调整系数λ_i，对时延δ_i进行连续的修正；

(4-5)、经过对各个负荷的曲线在时间轴上的相位调整后，返回第一步，迭代k次。

进一步的，所述步骤(4-2)在每次迭代计算中，均以时间窗口T_W内总功率分布中的最高点的时刻作为计算柔性设备启动时延的起始点。

进一步的，所述步骤(4-3)中，所述时延调整系数λ_i如下：

${\mathrm{\&lambda;}}_i=\left\{\begin{array}{c}\mathrm{\&lambda;},0\&le;t^{*}<\mathrm{\&tau;}/2\\ -\mathrm{\&lambda;},\mathrm{\&tau;}/2\&le;t^{*}<\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}\&le;t^{*}\&le;T\end{array}\right.$

若0≤t^*＜τ/2，则λ_i＝λ，表示负荷启动时间向后调整，负荷曲线向右平移；

若τ/2≤t^*＜τ，则λ_i＝-λ，表示负荷启动时间向前调整，负荷曲线向左平移；

若τ≤t^*≤T，则λ_i＝0，负荷处于非启动状态，不用进行调整；t^*表示当前峰荷所在时刻。

进一步的，所述步骤(4-4)中，

所述修正为：

δ_u＋1＝δ_u＋λ_i·dt,0≤u≤k-1

δ_u表示第u次迭代中的启动时延(δ₀＝0)，每一次迭代都对上一次的启动时延进行修正，直到经过k次迭代后为止；δ_u＋1为修正后的值，dt为时间步长。

进一步的，所述步骤(4-5)中，找出k次迭代中，功率峰值达到最小时的迭代次数，并将这次迭代后计算得到的启动时延作为周期性柔性负荷的最终启动时延，由控制器发送给周期性柔性设备。

与现有技术相比，本发明具有以下有益效果：

本发明，通过在智能用电设备的工作周期中施以小的相位延迟。实现了减少周期性负载的重叠和最小化周期性脉冲波的最大叠加值，以实现峰荷削减。并在仿真实验中，验证了该算法在多种场景下不仅实现了可观的峰荷削减，能够实现30％的峰荷削减，而且随着参与控制的负荷数量的增多，峰谷差率也会逐渐减小，实现了整体负荷曲线的均衡化。

附图说明

图1为本发明提供的方法的流程图；

图2为本发明方法实施例中采用的负荷控制系统结构图；

图3为本发明方法实施例中的优化算法流程图。

具体实施方式

为使本发明的实施例要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，是本发明智能用电中基于延迟的峰荷削减方法的流程图，包括如下步骤：

(1)调控中心对负荷代理机构下达峰荷削减指令；其中，该指令为0-1二进制指令，表示是否要求负荷代理机构对其管理区域内的周期性柔性负荷实施负荷控制算法；

(2)负荷代理机构获取其管理区域内周期性柔性负荷的功率幅值、占空比和周期；

(3)负荷代理机构根据周期性柔性负荷的参数，建立周期性柔性负荷模型和所有参与峰荷削减的负荷叠加模型和基于延迟的峰荷削减模型；

(4)计算出各个周期性柔性负荷的启动时延δ，并将控制信号下达到各个用电设备；

(5)用电设备接收到负荷控制信号后，根据时延参数δ，调整自身启动时间。

如图2所示，智能电网中包含调控中心和负荷代理机构。每一个控制器在它的管理域中都有一组智能楼宇，这些智能楼宇中的智能单元就是一个代理。智能楼宇由家用电器组成，这些电器与智能电表/执行器相连接。它们形成了一个家庭局域网(HAN)。每一个智能电表可以实时监控重要的数据，比如实时的电力负荷，环境信息以及与代理之间的传输数据。代理的功能是汇集数据并将数据传送给调控中心。通常是使用一个双向的TCP/IP通信链路。目的是在网络中提供命令流根据给定的目标来控制用电设备。

每一个智能楼宇内包含两类设备，非柔性设备和柔性设备。非柔性设备就是那些智能电网无法控制的负荷，这些负荷通常是照明，娱乐设备，PC等。柔性设备就是那些在不会显著影响用户舒适度的情况下，可以被智能电网所控制以达到平衡电网运行的目的的负荷。柔性负荷通常是可调节温度的负荷。

这种设备的功率分布是周期性的，f(t＋T)＝f(t)，周期为T。其功率消耗函数为：

$f_i\left(t\right)=\left\{\begin{array}{c}{A}_i,0\&le;t\&le;\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}<t\&le;T\end{array}\right.$

其中f_i(t)表示设备在t时刻的瞬时功率；A_i表示设备的功率幅值；τ表示设备的启动时间；T表示设备的运行周期；

在实际测量中，5个智能传感器通过一个Zigbee网状网络与代理PC相联，建立设备与设备之间的通信。负荷测量每2秒钟采一回数据，测量设备为空调，烤箱，冰箱，电炉和洗衣机。测量结果如表：

假设在时间间隔定义N个方程f_i(t)。每个方程都可以根据参数δ_i来调整相位。叠加后的方程为:

$F\left(t\right)=\underset{i\&Element;I}{\&Sigma;}{f}_i(t+{\mathrm{\&delta;}}_i)$

其中，I表示一个负荷代理机构所管理的设备的集合，设备i∈I,i∈{1,2,...N}；N表示设备的最大个数；δ_i表示一个特殊的时间间隔，用来调整柔性负荷i的开启时间；f_i(t＋δ_i)表示负荷的功率调整方程；F(t)为调整后功率的叠加值；

我们的目标是找到各个设备最优的δ_i，在k次迭代中，找到使得所有智能设备i∈I,i∈{1,2,...N}在0＜t＜T_W时间内的功率分布叠加后的峰值最小值。所述基于延迟的峰荷削减模型为：

S(δ_i，k)为功率峰值，k表示k次迭代，Tw表示时间窗口。

假设每个设备的功率分布函数f_i由n个离散值构成，时间步长为dt(T_W＝ndt)。

为了令目标函数逐渐达到的最小值，本方法启发式地以时间窗口T_W内总功率分布中的最高点的时刻为起始点，f_i通过这个步长向最终的位置转移，最后达到S(δ_i,k)的最小值。

由于不同设备的周期和占空比不同，以及其功率分布函数移动方向的不确定。可以用以下方法来处理，对每个设备定义一个时延调整系数λ_i，作为每次迭代时对δ_i调整步长的系数。

如图3所示，具体算法的流程为：

(1)计算参与负荷控制的所有周期性柔性设备的功率叠加：

$F\left(t\right)=\underset{i=1}{\overset{N}{\&Sigma;}}{f}_i$

(2)计算出总负荷曲线中，峰值功率出现的时刻：

$t^{*}\&RightArrow;\arg \underset{t}{max}F\left(t\right)$

(3)计算各周期性柔性负荷的函数在该时刻的时延调整系数：

假设每个设备的功率分布函数f_i由n个离散值构成，时间步长为dt(T_W＝ndt)；对每个设备定义一个时延调整系数λ_i，作为每次迭代时对时延δ_i调整步长的系数，用于判断各个负荷在峰荷所在时刻下，启动时间应该调整的方向；系数的正负代表了柔性负荷启动时间调整的方向，即负荷曲线移动的方向；

${\mathrm{\&lambda;}}_i=\left\{\begin{array}{c}\mathrm{\&lambda;},0\&le;t^{*}<\mathrm{\&tau;}/2\\ -\mathrm{\&lambda;},\mathrm{\&tau;}/2\&le;t^{*}<\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}\&le;t^{*}\&le;T\end{array}\right.$

若0≤t^*＜τ/2，则λ_i＝λ，表示负荷启动时间向后调整，负荷曲线向右平移；

若τ/2≤t^*＜τ，则λ_i＝-λ，表示负荷启动时间向前调整，负荷曲线向左平移；

若τ≤t^*≤T，则λ_i＝0，负荷处于非启动状态，不用进行调整。

通过判断各个柔性负荷的运行周期在峰荷所在时刻下的相位，来决定该负荷启动时间如何调整。所判断出的方向为负荷能够最快转移到非启动状态的方向，从而更快的减小总负荷。t^*表示当前峰荷所在时刻。

(4)根据时延调整系数λ_i，对时延δ_i进行连续的修正：

δ_u+1＝δ_u+λ_i·dt,0≤u≤k-1

δ_u表示第u次迭代中的启动时延(δ₀＝0)，每一次迭代都对上一次的启动时延进行修正，直到经过k次迭代后为止；δ_u+1为修正后的值。

(5)经过对各个负荷的曲线在时间轴上的相位调整后，返回第一步，迭代k次，找出这k次迭代中，功率峰值的最小值，并将这次迭代后计算得到的启动时延作为周期性柔性负荷的最终启动时延，由控制器发送给周期性柔性设备。并要求：当S(δ_i，k)＜P_threshold时，认为收敛完成。

为了检验所述的优化算法性能，需要考虑多样的情景。所以在实验中加入蒙特卡洛模拟，研究大量随机产生的情景，在每一个场景中，每个智能楼宇中智能设备的数量和特性会由一个随机模型所产生。这样，仿真运行就可以整体上了解算法的性能。

在上述分析中已经表明负载模型被设定为恒定占空比和周期。由于外部原因(在运行过程中打开电冰箱的门)，设备的占空比可能会发生改变。这种不确定性会影响算法的性能，不确定性越大，影响也就越大。通常，如果占空比的变化小于原来的20％，发现算法性能与理想状态相比下降了大约3％，在可接受的范围内。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (7)

1.一种基于延迟的启发式峰荷削减方法，其特征在于，包括如下步骤：

(1)调控中心对负荷代理机构下达峰荷削减指令；

(2)负荷代理机构获取其管理区域内周期性柔性负荷的功率幅值、占空比和周期；

(3)建立周期性柔性负荷模型、所有参与峰荷削减的负荷叠加模型和基于延迟的峰荷削减模型；

(4)计算出各个周期性柔性负荷的启动时延δ，并将控制信号下达到各个用电设备；

(5)用电设备接收到负荷控制信号后，根据启动时延δ，调整自身启动时间。

2.根据权利要求1所述的峰荷削减方法，其特征在于，所述步骤(3)中，所述周期性柔性负荷模型，即周期性分段函数为：

$f_i\left(t\right)=\left\{\begin{array}{c}{A}_i,0\&le;t\&le;\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}<t\&le;T\end{array}\right.$

其中f_i(t)表示设备在t时刻的瞬时功率；A_i表示设备的功率幅值；τ表示设备的启动时间；T表示设备的运行周期；

所述所有参与峰荷削减的负荷叠加模型为：

$F\left(t\right)=\underset{i\&Element;I}{\&Sigma;}{f}_i(t+{\mathrm{\&delta;}}_i)$

其中，I表示一个负荷代理机构所管理的设备的集合，设备i∈I,i∈{1,2,...N}；N表示设备的最大个数；δ_i表示一个特殊的时间间隔，用来调整柔性负荷i的开启时间；f_i(t+δ_i)表示负荷的功率调整方程；F(t)为调整后功率的叠加值；

所述基于延迟的峰荷削减模型为：

$S\left({\mathrm{\&delta;}}_{i,k}\right)=\underset{k}{\min }\left(\underset{t}{max}\right(F\left(t\right)\left)\right),0\&le;t\&le;T_W$

S(δ_i，k)为功率峰值，k表示k次迭代，Tw表示时间窗口。

3.根据权利要求1所述的峰荷削减方法，其特征在于，所述步骤(4)中，所述计算包括：

(4-1)、计算参与负荷控制的所有周期性柔性设备的功率叠加；

(4-2)、计算出总负荷曲线中，峰值功率出现的时刻；

(4-3)、计算各周期性柔性负荷的函数在该时刻的时延调整系数λ_i；

(4-4)、根据时延调整系数λ_i，对时延δ_i进行连续的修正；

(4-5)、对各个负荷的曲线在时间轴上的相位调整后，返回第一步，迭代k次。

4.根据权利要求3所述的峰荷削减方法，其特征在于，所述步骤(4-2)在每次迭代计算中，均以时间窗口T_W内总功率分布中的最高点的时刻作为计算柔性设备启动时延的起始点。

5.根据权利要求3所述的峰荷削减方法，其特征在于，所述步骤(4-3)中，所述时延调整系数λ_i如下：

${\mathrm{\&lambda;}}_i=\left\{\begin{array}{c}\mathrm{\&lambda;},0\&le;t^{*}<\mathrm{\&tau;}/2\\ -\mathrm{\&lambda;},\mathrm{\&tau;}/2\&le;t^{*}<\mathrm{\&tau;}\\ 0,\mathrm{\&tau;}\&le;t^{*}\&le;T\end{array}\right.$

若0≤t^*＜τ/2，则λ_i＝λ，表示负荷启动时间向后调整，负荷曲线向右平移；

若τ/2≤t^*＜τ，则λ_i＝-λ，表示负荷启动时间向前调整，负荷曲线向左平移；

若τ≤t^*≤T，则λ_i＝0，负荷处于非启动状态，不用进行调整；t^*表示当前峰荷所在时刻。

6.根据权利要求3所述的峰荷削减方法，其特征在于，所述步骤(4-4)中，所述修正为：

δ_u+1＝δ_u+λ_i·dt,0≤u≤k-1

δ_u表示第u次迭代中的启动时延(δ₀＝0)，每一次迭代都对上一次的启动时延进行修正，直到经过k次迭代后为止；δ_u+1为修正后的值，dt为时间步长。

7.根据权利要求3所述的峰荷削减方法，其特征在于，所述步骤(4-5)中，找出k次迭代中，功率峰值达到最小时的迭代次数，并将这次迭代后计算得到的启动时延作为周期性柔性负荷的最终启动时延，由控制器发送给周期性柔性设备。