CN106779365A - 一种基于需求响应的家庭负荷优化调度方法 - Google Patents

Abstract

本发明公开了一种基于需求响应的家庭负荷优化调度方法，其特征包括：1、根据负荷特性，将家庭负荷分为可转移负荷和不可转移负荷；2、根据可转移负荷，建立综合考虑用电成本、激励收益和不方便性的家庭负荷优化调度模型的目标函数；3、确定家庭负荷优化调度模型的约束条件，并与目标函数共同构成基于需求响应的家庭负荷优化调度模型；4、通过二进制粒子群算法求解家庭负荷优化调度模型，获得对可转移负荷的最优调度结果。本发明能对家庭中的可转移负荷进行优化调度，将峰时电价时段的家庭负荷向谷时电价和平时电价时段转移，从而降低家庭用电成本，并对电网达到削峰填谷的作用，继而提高分时电价环境下电网运行的安全性和稳定性。

Description

一种基于需求响应的家庭负荷优化调度方法

技术领域

本发明涉及需求响应领域，具体来说是一种基于需求响应的家庭负荷优化调度方法。

背景技术

随着人口的增长和人们生活水平的提高，住宅领域的能源消费已占世界能源消费总量的30-40％，作为能源消费的重要组成部分，家庭的每日负荷往往在一个时段呈现峰负荷的特点，而发电侧为了满足每天短暂的峰负荷时的电力消费需要进一步的扩建发电容量，这给电力系统的运行带来了巨大的成本负担。而从需求侧管理的角度，需求响应是指电力用户对价格信号或激励机制做出响应，改变原有的一些电力消费行为，从而促进电力系统运行的优化运行。

在现有的需求侧管理方案中，家庭负荷优化调度方法往往没有考虑家庭负荷优化调度后给用户带来的不方便性，这使得家庭负荷优化调度模型的目标函数不是很完善，不符合实际情况；同时在考虑激励对家庭负荷优化调度的影响中，现有的方案往往对每一时段采用固定激励的办法，这不利于用户将更多的负荷从峰时电价时段转移到谷时电价和平时电价时段，这使得削峰填谷的效果不是很显著。

发明内容

本发明针对现有技术中存在的不足之处，提供一种基于需求响应的家庭负荷优化调度方法，以期能对家庭中的可转移负荷进行优化调度，将峰时电价时段的家庭负荷向谷时电价和平时电价时段转移，从而降低家庭用电成本，并对电网达到削峰填谷的作用，继而提高分时电价环境下电网运行的安全性和稳定性。

本发明为解决技术问题采用如下技术方案：

本发明一种基于需求响应的家庭负荷优化调度方法的特点包括以下步骤：

步骤一、根据负荷特性，将家庭负荷分为可转移负荷和不可转移负荷；

所述可转移负荷是指在一定时间范围内可改变运行时间的负荷，所述不可转移负荷是指不可改变运行时间的负荷；所述可转移负荷根据负荷能否中断的特性，分为可转移可中断负荷和可转移不可中断负荷；

步骤二、根据所述可转移负荷，建立综合考虑用电成本、激励收益和不方便性的家庭负荷优化调度模型的目标函数；

步骤三、确定所述家庭负荷优化调度模型的约束条件，并与所述目标函数共同构成基于需求响应的家庭负荷优化调度模型；

步骤四、通过二进制粒子群算法求解所述基于需求响应的家庭负荷优化调度模型，获得对所述可转移负荷的最优调度结果。

本发明所述的基于需求响应的家庭负荷优化调度方法的特点也在于，

所述步骤二中，家庭负荷优化调度模型的目标函数为：

minC_total＝C-B+αI (1)

式(1)中，C_total为对所述可转移负荷优化调度后的总成本；C为用电成本，并由式(2)获得：

式(2)中，T为所述家庭负荷优化调度周期的总时段数；t为时段序号；N为所述可转移负荷中家用电器的总数量，i为家用电器的序号；P_i为第i个家用电器的额定功率；S_t表示主电网在第t个时段内的电价；Δt为每个时段的时长；是优化调度后的第i个家用电器在第t个时段内的运行状态，并由式(3)获得：

式(1)中，B为所述家庭负荷优化调度后的激励收益，并由式(4)获得：

式(4)中，a_m,t为第t个时段内第m档阶梯补贴对应的补贴大小；p_m,t为优化调度后第t个时段内第m档阶梯补贴对应的转移负荷大小；M表示阶梯补贴的总档数；

式(1)中，I为所述家庭负荷优化调度后带来的不方便性，α为不方便性的系数，所述不方便性I由式(5)获得：

式(5)中，是第i个家用电器优化调度前在第t个时段内的运行状态，并由式(6)获得：

所述步骤三中，所述约束条件为：

start_v≥start_u+N_u (9)

式(7)表示运行时间约束；start_i和end_i分别指第i个家用电器可运行时间段的开始时刻和结束时刻，N_i是第i个家用电器的正常运行时间；

式(8)表示所述可转移不可中断负荷中，第j个可转移不可中断家用电器的连续运行约束；N_j是第j个可转移不可中断家用电器的正常运行时间，1≤j≤N；

式(9)表示家用电器的运行次序约束，第v个家用电器必须在第u个家用电器之后运行；start_v指第v个家用电器的开始运行时刻，start_u和N_u为第u个家用电器的开始运行时刻和正常运行所需时间，1≤u≤N，1≤v≤N。

所述步骤四包括：

步骤4.1、将每个参与需求响应的家用电器每一时刻的开关状态作为所述二进制粒子群算法中每个粒子的一个维度，所述开关状态用1和0表示，从而获得每个粒子的维数为T×N；将任意一个粒子的序号记为d；

步骤4.2、初始化所述二进制粒子群算法的各个参数，包括：粒子总数M、迭代次数L、最大迭代次数L_max、速度更新参数c₁、c₂，1≤L≤L_max，并初始化L＝1；

步骤4.3、确定所述家庭负荷优化调度模型的目标函数和各约束条件中各个参数的实际值，并相应代入到所述二进制粒子群算法中；

步骤4.4、随机初始化粒子的速度和位置，获得第L代的第d个粒子的速度和位置；

步骤4.5、根据所述约束条件修改第d个粒子的速度和位置；

步骤4.6、根据所述目标函数计算第d个粒子的适应度值，从而获得M个粒子的适应度值，并从第L代M个粒子中选取最大的适应度值作为第L代的群体极值；

步骤4.7、根据修改后的第L代中第d个粒子的位置和速度，分别计算第L+1代的第d个粒子的速度和位置；

步骤4.8、根据所述约束条件修改所述第L+1代中第d个粒子的速度和位置，从而获得修改后的第L+1代粒子群中M个粒子的速度和位置；

步骤4.9、根据所述目标函数计算第L+1代中第d个粒子的适应度值，从第d个粒子的第L代和第L+1适应度值中选取较大适应度值作为第L+1代第d个粒子的个体极值；从而获得第L+1代M个粒子的个体极值后，再从第L+1代M个粒子的个体极值中选出最大适应度值作为第L+1代的群体极值；

步骤4.10、将L+1赋值给L，并判断L≥L_max是否成立，若成立，则迭代结束，得到第L_max代的群体极值，并将所述第L_max代的群体极值所对应的调度方案作为最优调度方案，从而获得对家庭可转移负荷的最优调度结果；否则转到步骤4.7。

与已有技术相比，本发明有益效果体现在：

1、本发明优化调度方法，通过实施需求响应将峰时电价时段的家庭负荷向谷时电价和平时电价时段转移，达到了削峰填谷的作用，提高了分时电价环境下电网运行的安全性和稳定性，并降低了家庭用电成本。

2、本发明优化调度方法，根据转移负荷的大小对用户采用阶梯补贴的激励措施，阶梯补贴有利于家庭用户将更多的负荷从峰时电价时段转移到谷时电价和平时电价时段，使削峰填谷的效果更加显著。

3、本发明优化调度方法，在调度模型的目标函数中考虑了用户转移负荷后的不方便性，使优化调度模型的目标函数更加合理，更符合实际情况。

4、本发明优化调度方法，采用二进制粒子群算法进行求解，将每个参与需求响应的家用电器每一时刻的开关状态作为粒子的一个维度，粒子群算法有简单通用、鲁棒性强、精度高、收敛快等优点，二进制粒子群算法在具有一般粒子群算法优点的基础上，对01整数规划问题具有良好的寻优能力。

附图说明

图1为本发明的整体流程图；

图2为本发明的二进制粒子群算法求解流程图。

具体实施方式

本例实施中，一种基于需求响应的家庭负荷优化调度方法，如图1所示，包括以下步骤：

步骤一、根据负荷特性，将家庭负荷分为可转移负荷和不可转移负荷；

可转移负荷是指在一定时间范围内可改变运行时间的负荷，不可转移负荷是指不可改变运行时间的负荷；可转移负荷根据负荷能否中断的特性，分为可转移可中断负荷和可转移不可中断负荷；家庭中可转移可中断负荷包括有电热水器和电动汽车等，可转移不可中断负荷包括有洗衣机、烘干机等；

步骤二、根据可转移负荷，建立综合考虑用电成本、激励收益和不方便性的家庭负荷优化调度模型的目标函数；

家庭负荷优化调度模型的目标函数为：

minC_total＝C-B+αI (1)

式(1)中，C_total为对可转移负荷优化调度后的总成本；C为用电成本，并由式(2)获得：

式(2)中，T为家庭负荷优化调度周期的总时段数；t为时段序号；N为可转移负荷中家用电器的总数量，i为家用电器的序号；P_i为第i个家用电器的额定功率；S_t表示主电网在第t个时段内的电价；Δt为每个时段的时长；是优化调度后的第i个家用电器在第t个时段内的运行状态，并由式(3)获得：

式(1)中，B为家庭负荷优化调度后的激励收益，激励收益根据各峰时段和平时段转移的负荷的大小采用阶梯激励，并由式(4)获得：

式(4)中，a_m,t为第t个时段内第m档阶梯补贴对应的补贴大小；p_m,t为优化调度后第t个时段内第m档阶梯补贴对应的转移负荷大小；M表示阶梯补贴的总档数；例如一种三档阶梯补贴的参数如表一所示：

表一

一种反映上表中峰谷时段的分时电价如表二所示：

表二

式(1)中，I为家庭负荷优化调度后带来的不方便性；α为不方便性的系数，不方便系数反映了用户参与家庭需求响应的偏好性，如有的用户愿意损失方便性来参与需求响应以获得激励收益和降低用电成本，则该用户的不方便性系数较小；不方便性I由家用电器总的提前或推迟的时间来衡量，并由式(5)获得：

式(5)中，是第i个家用电器优化调度前在第t个时段内的运行状态，并由式(6)获得：

步骤三、确定家庭负荷优化调度模型的约束条件，并与目标函数共同构成基于需求响应的家庭负荷优化调度模型；

家庭负荷优化调度模型约束条件为：

start_v≥start_u+N_u (9)

式(7)表示运行时间约束；start_i和end_i分别指第i个家用电器可运行时间段的开始时刻和结束时刻，N_i是第i个家用电器的正常运行时间；

式(8)表示可转移不可中断负荷中，第j个可转移不可中断家用电器的连续运行约束；N_j是第j个可转移不可中断家用电器的正常运行时间，1≤j≤N；

式(9)表示家用电器的运行次序约束，第v个家用电器必须在第u个家用电器之后运行，如烘干机必须在洗衣机之后运行；start_v指第v个家用电器的开始运行时刻，start_u和N_u为第u个家用电器的开始运行时刻和正常运行所需时间，1≤u≤N，1≤v≤N。

步骤四、如图2所示，通过二进制粒子群算法求解基于需求响应的家庭负荷优化调度模型，获得对可转移负荷的最优调度结果，具体步骤：

步骤4.1、将每个参与需求响应的家用电器每一时刻的开关状态作为二进制粒子群算法中每个粒子的一个维度，开关状态用1和0表示，从而获得每个粒子的维数为T×N；将任意一个粒子的序号记为d；

步骤4.2、初始化二进制粒子群算法的各个参数，包括：粒子总数M、迭代次数L、最大迭代次数L_max、速度更新参数c₁、c₂，1≤L≤L_max，并初始化L＝1；

步骤4.3、确定家庭负荷优化调度模型的目标函数和各约束条件中各个参数的实际值，并相应代入到二进制粒子群算法中；

步骤4.4、随机初始化粒子的速度和位置，获得第L代的第d个粒子的速度和位置；

步骤4.5、根据约束条件修改第d个粒子的速度和位置；

步骤4.6、根据目标函数计算第d个粒子的适应度值，从而获得M个粒子的适应度值，并从第L代M个粒子中选取最大的适应度值作为第L代的群体极值；

步骤4.7、根据修改后的第L代中第d个粒子的位置和速度，分别计算第L+1代的第d个粒子的速度和位置；

步骤4.8、根据约束条件修改第L+1代中第d个粒子的速度和位置，从而获得修改后的第L+1代粒子群中M个粒子的速度和位置；

步骤4.9、根据目标函数计算第L+1代中第d个粒子的适应度值，从第d个粒子的第L代和第L+1适应度值中选取较大适应度值作为第L+1代第d个粒子的个体极值；从而获得第L+1代M个粒子的个体极值后，再从第L+1代M个粒子的个体极值中选出最大适应度值作为第L+1代的群体极值；

步骤4.10、将L+1赋值给L，并判断L≥L_max是否成立，若成立，则迭代结束，得到第L_max代的群体极值，并将第L_max代的群体极值所对应的调度方案作为最优调度方案，从而获得对家庭可转移负荷的最优调度结果；否则转到步骤4.7。

Claims (4)

1.一种基于需求响应的家庭负荷优化调度方法，其特征在于，包括以下步骤：

步骤一、根据负荷特性，将家庭负荷分为可转移负荷和不可转移负荷；

所述可转移负荷是指在一定时间范围内可改变运行时间的负荷，所述不可转移负荷是指不可改变运行时间的负荷；所述可转移负荷根据负荷能否中断的特性，分为可转移可中断负荷和可转移不可中断负荷；

步骤二、根据所述可转移负荷，建立综合考虑用电成本、激励收益和不方便性的家庭负荷优化调度模型的目标函数；

步骤三、确定所述家庭负荷优化调度模型的约束条件，并与所述目标函数共同构成基于需求响应的家庭负荷优化调度模型；

步骤四、通过二进制粒子群算法求解所述基于需求响应的家庭负荷优化调度模型，获得对所述可转移负荷的最优调度结果。

2.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤二中，家庭负荷优化调度模型的目标函数为：

minC_total＝C-B+αI (1)

式(1)中，C_total为对所述可转移负荷优化调度后的总成本；C为用电成本，并由式(2)获得：

$C=\underset{t=1}{\overset{T}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{P}_i\·S_t\·k_{i,t}^{opt}\·\mathrm{\Δ}t---\left(2\right)$

式(2)中，T为所述家庭负荷优化调度周期的总时段数；t为时段序号；N为所述可转移负荷中家用电器的总数量，i为家用电器的序号；P_i为第i个家用电器的额定功率；S_t表示主电网在第t个时段内的电价；Δt为每个时段的时长；是优化调度后的第i个家用电器在第t个时段内的运行状态，并由式(3)获得：

式(1)中，B为所述家庭负荷优化调度后的激励收益，并由式(4)获得：

$B=\underset{t=1}{\overset{T}{\Σ}}\underset{m=1}{\overset{M}{\Σ}}(a_{m,t}\×p_{m,t})\×\mathrm{\Δ}t---\left(4\right)$

式(4)中，a_m,t为第t个时段内第m档阶梯补贴对应的补贴大小；p_m,t为优化调度后第t个时段内第m档阶梯补贴对应的转移负荷大小；M表示阶梯补贴的总档数；

式(1)中，I为所述家庭负荷优化调度后带来的不方便性，α为不方便性的系数，所述不方便性I由式(5)获得：

$I=\underset{i}{\overset{N}{\Σ}}\left|\underset{t=1}{\overset{T}{\Σ}}t(k_{i,t}^{opt}-k_{i,t}^{bl})\right|---\left(5\right)$

式(5)中，是第i个家用电器优化调度前在第t个时段内的运行状态，并由式(6)获得：

3.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤三中，所述约束条件为：

$\underset{{\mathrm{start}}_i}{\overset{{\mathrm{end}}_i}{\Σ}}{k}_{i,t}^{opt}=N_i---\left(7\right)$

$\underset{{\mathrm{start}}_j}{\overset{{\mathrm{end}}_j-(N_j-1)}{\Σ}}{k}_{j,t}^{opt}\·k_{j,t+1}^{opt}\·k_{j,t+2}^{opt}...k_{j,t+(N_j-1)}^{opt}\≥1---\left(8\right)$

start_v≥start_u+N_u (9)

式(7)表示运行时间约束；start_i和end_i分别指第i个家用电器可运行时间段的开始时刻和结束时刻，N_i是第i个家用电器的正常运行时间；

式(8)表示所述可转移不可中断负荷中，第j个可转移不可中断家用电器的连续运行约束；N_j是第j个可转移不可中断家用电器的正常运行时间，1≤j≤N；

式(9)表示家用电器的运行次序约束，第v个家用电器必须在第u个家用电器之后运行；start_v指第v个家用电器的开始运行时刻，start_u和N_u为第u个家用电器的开始运行时刻和正常运行所需时间，1≤u≤N，1≤v≤N。

4.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤四包括：

步骤4.1、将每个参与需求响应的家用电器每一时刻的开关状态作为所述二进制粒子群算法中每个粒子的一个维度，所述开关状态用1和0表示，从而获得每个粒子的维数为T×N；将任意一个粒子的序号记为d；

步骤4.2、初始化所述二进制粒子群算法的各个参数，包括：粒子总数M、迭代次数L、最大迭代次数L_max、速度更新参数c₁、c₂，1≤L≤L_max，并初始化L＝1；

步骤4.3、确定所述家庭负荷优化调度模型的目标函数和各约束条件中各个参数的实际值，并相应代入到所述二进制粒子群算法中；

步骤4.4、随机初始化粒子的速度和位置，获得第L代的第d个粒子的速度和位置；

步骤4.5、根据所述约束条件修改第d个粒子的速度和位置；

步骤4.6、根据所述目标函数计算第d个粒子的适应度值，从而获得M个粒子的适应度值，并从第L代M个粒子中选取最大的适应度值作为第L代的群体极值；

步骤4.7、根据修改后的第L代中第d个粒子的位置和速度，分别计算第L+1代的第d个粒子的速度和位置；

步骤4.8、根据所述约束条件修改所述第L+1代中第d个粒子的速度和位置，从而获得修改后的第L+1代粒子群中M个粒子的速度和位置；

步骤4.9、根据所述目标函数计算第L+1代中第d个粒子的适应度值，从第d个粒子的第L代和第L+1适应度值中选取较大适应度值作为第L+1代第d个粒子的个体极值；从而获得第L+1代M个粒子的个体极值后，再从第L+1代M个粒子的个体极值中选出最大适应度值作为第L+1代的群体极值；

步骤4.10、将L+1赋值给L，并判断L≥L_max是否成立，若成立，则迭代结束，得到第L_max代的群体极值，并将所述第L_max代的群体极值所对应的调度方案作为最优调度方案，从而获得对家庭可转移负荷的最优调度结果；否则转到步骤4.7。