CN107392420A - 一种基于需求响应的家庭能量管理系统智能控制方法 - Google Patents

一种基于需求响应的家庭能量管理系统智能控制方法 Download PDF

Info

Publication number
CN107392420A
CN107392420A CN201710437762.1A CN201710437762A CN107392420A CN 107392420 A CN107392420 A CN 107392420A CN 201710437762 A CN201710437762 A CN 201710437762A CN 107392420 A CN107392420 A CN 107392420A
Authority
CN
China
Prior art keywords
mrow
battery
population
electricity
power
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
Application number
CN201710437762.1A
Other languages
English (en)
Inventor
刘娟
刘伟庭
杨俊杰
孙诗晴
蔡华泉
方子璐
刘卷舒
彭凡彬
丁蓉
邢思宇
梁林勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Electric Power
University of Shanghai for Science and Technology
Original Assignee
Shanghai University of Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201710437762.1A priority Critical patent/CN107392420A/zh
Publication of CN107392420A publication Critical patent/CN107392420A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明涉及一种基于需求响应的家庭能量管理系统智能控制方法，该方法包括以下步骤：输入初始参数，并由初始化算子随机产生种群；建立以用电费最省的目标函数，并设立约束条件，构建适应度模型；求解适应度模型，得到每个调度时间段内的设备状态，根据每个调度区间的设备状态进行蓄电池充放电；先后进行选择、交叉操作，判断种群是否满足约束条件，若不满足则进行种群修复后进行变异；若满足则直接进行变异；判断变异后种群是否满足约束条件，若不满足则进行种群修复。与现有技术相比，本发明具有削峰填谷转移了部分分布式能源发电量、应用更灵活、采用修复方法以满足约束条件和更适用于一些复杂非线形整数模型问题等优点。

Description

一种基于需求响应的家庭能量管理系统智能控制方法
技术领域
本发明涉及能量智能管理方法，尤其是涉及一种基于需求响应的家庭能量管理系统智能控制方法。
背景技术
根据美国能源部和欧盟能源委员会发布的报告,在未来的十年内，住宅和商业能源消耗将在全球能源消费总量会增加20-40％,住宅消费者将在电力市场起到决定性的作用。随着智能电网和电力市场的发展与完善，需求侧资源在竞争市场中的作用正在被重新认识，在电力市场竞争中引入需求响应，通过价格信号和激励机制来增加需求侧在市场中的作用，并将供应侧和需求侧的资源进行综合资源规划，面向灵活互动智能用电的需求响应成为发展趋势。在动态需求侧管理中，作为末端的用户来说，其在最终的配用电过程中发挥着积极的作用，通过实时电价的信息，及时的调整他们的用电消费模式。如果电网侧遇见了未来某地区的电力使用不平衡，则可以提高或降低实时电价，用户通过智能家居设备自动调整运行状态，来动态的响应变化，能够降低电网侧的供电压力，平衡负荷曲线，同时减小了用户的用电费用。
HEMS(Home Energy Management System)是一种能够兼顾家庭节能与舒适生活的能源管理系统。该系统能够利用天气信息与传感器找到多余的能耗源，并通过对家用电器的控制达到节约能耗的目的。另外，在家用能源设备的使用上，当分布式的发电量出现剩余时，该系统可以指示设备开始工作，从而实现对电力的有效利用。HEMS的核心是制定家电的电力使用计划的调度算法，传统的规划方法常用分枝定界法、动态规划法、完全枚举法，这些方法均是确定性算法，其结果得到是唯一最优解，而在实际应用中这种唯一解缺少灵活性及参考性。现有算法虽然都达到减少用电成本的目的，但往往没有考虑需求响应、功率交互的代价，对蓄电池处理方式较为简单，并且只为用户提供单一的用电方案，导致应用过程中实际无法满足不同用户群体的需要，缺乏多样性和自由度。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于需求响应的家庭能量管理系统智能控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于需求响应的家庭能量管理系统智能控制方法，该方法包括以下步骤：
S1、输入初始参数，并由初始化算子随机产生种群；
S2、建立以用电费最省的目标函数，并设立约束条件，构建适应度模型；
S3、求解适应度模型，得到每个调度区间的设备状态，根据每个调度区间的设备状态进行蓄电池充放电；
S4、先后进行选择、交叉操作，判断种群是否满足约束条件，若不满足则进行种群修复后进行变异；若满足则直接进行变异；
S5、判断变异后种群是否满足约束条件，若不满足则进行种群修复，进入S6；若满足则直接进入S6；
S6、判断种群代数是否达到设定数目，若满足则结束，否则重复S2～S5。
所述的适应度模型为：
约束条件为：
其中，表示可调度设备的电力消耗量；Pmust(h)为所有刚性负荷的总耗电量；Pbatt(h)表示蓄电池的输出功率，正值表示充电，负值表示放电；PDG(h)表示发电模块的输出功率，RTP(h)表示单位功率电费；Ptotal(h)表示每一时间间隔内家庭消耗的功率，D(h)表示各时段电力公司规定的最大功率，Sa(h)表示辅助二进制变量，da表示用电设备a的工作时长。
步骤S3中根据每个调度区间的设备状态进行蓄电池充放电具体包括一下步骤：
S301、判断系统能量与电网供给能量关系，若系统能量富余，则进行步骤S302否则进行步骤S305；
S302、判断系统电池可充电量是否小于单位时间可充电量，若为是，则进行步骤S304，若为否，则进行步骤S303；
S303、判断单位时间可充电量是否小于系统多余能量，若为是则向蓄电池充电单位时间可充最大电量，多余电量卖向电网，否则向蓄电池充入所有富余能量；
S304、判断系统电池可充电量是否小于系统多余能量，若为是则将蓄电池充满，多余电量卖向电网，若为否则向蓄电池充入所有富余能量；
S305、判断电池可放电量是否小于单位时间可放电量，若为是则进行步骤S306，否则进行步骤S307；
S306、判断电池可放电量是否小于系统匮乏能量，若为是则蓄电池所有电能放电，不足电量向电网采购，若为否则蓄电池放电系统匮乏的电量；
S307、判断单位时间可放电量是否小于系统匮乏能量，若为是则电池放电单位时间可放最大电量，不足电量向电网采购，若为否则蓄电池放电系统匮乏的电量。
步骤S4中的选择操作具体为：用轮盘赌法从当前种群中选出优良个体。
步骤S4和S5所述的种群修复操作具体为：交叉或变异操作后的不可行染色体的两个基因X1和X2，先检测基因型偏离约束的程度，再根据不同偏离的程度随机选择修正位，将该修正位的基因值取反，满足各类设备在其工作时间段运行的基本约束。
与现有技术相比，本发明具有以下优点：
(1)本法解决了家庭智能用电优化方法问题，提出优化目标函数及约束条件，建立了系统模型。在电网侧需求响应信号的指导下，通过实时电价的价格弹性和蓄电池的储能特性，使总体负荷曲线得到改善，削峰填谷转移了部分分布式能源发电量。将遗传算法应用到家庭智能用电系统中，一方面降低了用户的用电费用，取得更好的经济性，另一方面也协调了储能系统和电网之间能量流动的配合。
(2)较传统的确定性整数规划方法得到的结果是唯一最优解，而在实际应用中这种唯一解缺少灵活性及参考性，而本算法是一种全局进化算法，基于模式定理产生群体中的最优个体，它开始就对一个种群进行操作，隐含了并行性，故对非线性整数规划问题可以得到全局的次最优解，得到一系列的优良的调度策略，在实际应用中有更大的灵活性。通过这些最优解进行直观的分析，还可以得到模型的一些灵敏度参数。仿真结果显示本算法不仅能保证解的精度，而且还能保证有较快的收敛速度(群体数为40，一般经过50代可得到最优解)。
(3)利用遗传算法解决多约束条件下的整数规划问题，关键是如何处理遗传算子对染色体的交叉、变异操作打破了约束条件的问题，本算法提出的修补算子对染色体的修复方法对这一类问题的解决提出了新的思路，通过设计合理的遗传算子，在保证离散变量整数性及编码空间可达性的前提下，使之可以更好的处理模型的约束条件，具有指导意义。
(4)本算法利用“优胜劣汰”的机制来进化群体中个体，并不要求调度模型的梯度信息，因此对调度模型的要求低，从而更适用于一些复杂非线形整数模型问题。
附图说明
图1是本发明的算法流程图；
图2是随机安排用电任务的结果图；
图3是经算法优化后的能量分布图；
图4是HEMS与电网的功率交换情况图；
图5是算法最优解与种群均值的变化图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例
本发明在考虑实时电价和需求响应的前提下提出一个家庭能量管理系统能量优化调度的数学模型。模型考虑了一个家庭中包含用电负载、分布式可再生能源、储能设备的完整系统，结合电网侧提供的实时电价、需求响应信息，用户侧多余的电能可以向电网出售。家庭中下一个阶段的相关信息：分布式出力、实时电价均采用预测数据、来自电网侧的需求响应信号(家庭单位时间内的用电功率上限)等，在调度前提前传输给用户。需求响应信息，由电网根据负荷的变化对每个时间段的负荷进行预测，将这些负荷的预测信号以功率限制的形式发送给用户，使用户得以根据功率限额进行调度。
一、模型建立
定义H为能源调度空间，将一天按半小时为时间间隔分为48个相等、连续的时间段，以Δh表示。家庭中所有的电器以集合A表示，每个用电设备a∈A，设备的功率以Pa表示，a的工作时长为da在允许工作时间区域[αa,βa]内运行，由用户在个人设置中设定的期望各设备工作时间段，引入一个辅助二进制变量Sa来表示电器的工作状态(0/1表征关闭/开启)。
则设备a应满足式(1)、(2)所示的基本时间约束：
Sa(h)＝0，h∈H\[αa,βa] (2)
Sa(h)表示辅助二进制变量，da表示用电设备a的工作时长。
负荷模型建模根据用户对负荷的依赖特性，可分为刚性负荷和柔性负荷；在柔性负荷中，根据电器的工作特性，可分为可中断负荷与不可中断负荷。
对不可中断设备：
τ∈[αa-1,βa-da] (3)
式中，Sa(h)表示辅助二进制变量；Ja表示设备运行的需持续时段数，上式保证设备如果在τ+1时刻启动，那么至少持续运行da个时段。
对储能设备：
储能设备建模需要考虑其内部的储能状态，用荷电状态来表征。荷电状态(stateof charging,SOC)反映了蓄电池的剩余容量与其额定容量的比值。根据SOC值来决策蓄电池的行为，以SOC(h)表示在时刻h的SOC，则其动态过程如式(4)：
式中,和分别表示在h时间段内充入和释放的电能，Ebatt为蓄电池额定容量。
为了延长电池的使用寿命，需要将其SOC限制在一定范围内，其约束条件如式(5)：
SOCmin＜SOC(h)＜SOCmax (5)
式中，SOCmin和SOCmax分别表示蓄电池荷电状态的上下限，当蓄电池放电至SOCmin将不允许继续放电，当蓄电池充电至SOCmax将不允许继续充电。
考虑蓄电池的充放电效率，则每一时刻蓄电池的充放电量限制如(6)、(7)所示：
其中，ηch和ηdch分别为电池的充电和放电效率，和分别为电池充、放电量最大值。
对电动汽车：
电动汽车与一般储能设备模型类似，但蓄电池的性能随着充放电动作次数的增加而变差，为了延长电动汽车电池使用寿命，尽可能得减少电池的充放电操作，因此电动汽车电池只能进行充电操作。
二、调度目标
以用用电费用最省、可再生能源效用最大化为调度目标，在每一时间间隔内家庭消耗的功率如(8)所示：
在上式中，第一项表示可调度设备的电力消耗量；Pmust(h)为所有刚性负荷的总耗电量；Pbatt(h)表示蓄电池的输出功率(正值表示充电，负值表示放电)；PDG(h)表示发电模块的输出功率。
则以用电费用最省为目标函数如(9)所示：
s.t.Ptotal(h)≤D(h)
Ptotal(h)表示每一时间间隔内家庭消耗的功率，D(h)表示各时段电力公司规定的最大功率，Sa(h)表示辅助二进制变量，da表示用电设备a的工作时长，RTP(h)表示单位功率电费；约束条件表示各时段的功率消耗不得超过电力公司规定的最大功率限制,以及经过调度后的总工作时间应符合实际完成工作所需的时间。
三、基于遗传算法思想的算法设计
能量优化调度策略问题的实质是解决多约束条件下的整数规划问题，算法流程图如图1所示。
1)染色体编码
采用二进制对每个时间段设备的状态进行编码。每个设备a每个时间段的状态为{0,1}，则设备a一天内状态的基因型可表示为:其中，对于不可中断设备，若开始时间为则终止时间为即只需对起始时间编码就能表示所有工作状态。
假设不可调度设备由m个，可调度设备有n个，则所有设备一天的全部状态为：
式(10)中X为一个个体，即所有设备的状态集合，也就是目标函数的一个解。
2)产生初始种群
由于能量优化问题中存在大量的约束条件，这些约束条件进一步增加了无效染色体的数目，随机产生的初始种群不可能所有都符合要求，使收敛速度减慢，因此初始化算子根据柔性负荷的特性在可工作区间da内随机产生解，使随机产生的任何解均为符合约束的个体。
如a设备的初始解在可调度区间为[αa,βa]、工作时长为da＝5的条件下随机产生，
3)适应度函数
则以用电费用最省为目标函数如式(11)所示：
式中，pmust(h)刚性负荷在算法中表现为每一时间段内出现的随机数。
遗传算法要求适应度函数值必须是非负数,本文考虑了向电网卖电费用有可能是负数的情况，需要将求解费用最小的目标为求最大目标的形式，因此取目标函数的倒数为适应度。
式中c为阈值，比较依赖样本初值。
4)储能设备的决策
根据调度家庭能量情况delta(h)，以及蓄电池的荷电状态soc(h)对蓄电池进行决策，其中delta(h)＝pdg(h)-ptotal(h)，表示刚性负荷、柔性负荷消耗的功率总和与分布式产生的功率差值。若分布式出力为所有负荷供电后功率仍是过剩(delta(h)＞0)的，根据蓄电池的可充容量(Socremain(h)＝Socmax-Soc(h-1))及单位时间段内可充电量(或)的关系，则将分布式过剩能量储存，对蓄电池充电，若仍有过剩电能则买电上网取得经济效益，这种情况不需要向电网购电；若分布式出力不足以为负载供电(即delta(h)＞0)，分布式产生电能比较于消耗的电能是不够的，整个系统中除了将分布式的能量全部及时使用还需在电价高于一定的值时使用蓄电池的电量供给系统。蓄电池的充放电次数越多，对蓄电池的寿命影响越大，充放电功率的大小对电池的影响也不同，因此将每次充放电对蓄电池带来的损耗折算到消耗的功率上，间接体现在用户的费用上；分布式电源产生的电能上网存在技术代价及电网侧的消纳代价，将其折算在电价上，因此假设卖电上网的电价低于实时电价，为实时电价的50％。
5)需求响应的指导决策
消耗的总功率还需要满足需求响应功率限额的约束条件，算法采用罚函数将每一时间段的功率约束转化到目标函数的适应度上：
式中μ为罚参数，p(i)表示每个调度区间的消耗功率，pdemand(h)表示需求响应限制的功率限额值，控制罚参数可以有效的降低不满足需求响应约束的解的适应度。
对决策后每一时间段消耗的总功率进行判断：如果该超过了需求响应的限额，则该时刻实际功率乘以一个很大的罚值乘子μ，则最终的目标值会很大，则此解的适应度非常小，在每一代的选择过程中会逐渐地淘汰这一部分非常不适应这个环境的个体。
6)选择操作
用轮盘赌法从当前种群中选出优良个体。
7)交叉操作
以小于交叉概率pc选上的两个个体X1和X2是一个二维矩阵，每一行均进行交叉。由于不可中断设备只用一位表示，交叉操作没有实际意义，因此不参与交叉；可中断设备采用单点交叉，在工作区间[αa,βa]内产生随机位置进行交叉，交叉后对染色体进行检测，判断染色体是否是可行的，对不可行染色体，采用修补算子将其修正为可行解。
修正方法为：将不可行染色体的两个基因X1和X2，先检测交叉后基因型偏离约束的程度dBite，偏离约束程度dBite＝Xda(a)-Xcorrect，再根据不同偏离的程度随机选择修正位，将基因值去反，满足各类设备在其可工作时间段运行的基本约束。使种群在尽量保持优良模式的前提下调整打破约束的结构。例如某染色体允许出现的基因型为“1”的个数为5，经过交叉、变异后的种群只含有4个“1”，则该解的偏离约束程度为5-4＝1，工作时长的基本约束不满足，该解若不修正而继续进行遗传操作，则最终的优化解即使达到目标值最小，也是不符合实际情况的解，因此随机在允许工作的单位区间内根据偏离约束程度随机寻找“0”位，取反置“1”，经过此操作后保证了进化过程中产生的解均符合约束。
8)变异操作
以小于交叉概率pm选择的个体X，所有类型设备均可参与变异操作，显然，变异算子产生的染色体也可能是不可行的(不满足约束)。需对其进行修正，即对不可行染色体进行约束处理，使其成为可行染色体。
9)停止条件
算法执行到最大代数MAXGEN时，停止。输出保留的最好染色体，它就是问题的近似全局最优解。
采用澳大利亚能源市场运营商(AEMO)提供的昆士兰州在2017年3月1日的实时电价数据，PV发电的输出功率取自一个开源数据库。
算法参数：每一种群的个体数目NIND＝40，最大遗传代数MAXGEN＝500，变量的二进制位数PRECI＝48，不可中断设备数目mm＝6，可中断设备数目nn＝24，代沟GGAP＝0.9，交叉概率pc＝0.7，变异概率pm＝0.1，储能设备为铅锌蓄电池，其容量为6.68KWh，蓄电池容量上下限[Socmax,Socmin]＝[0.3,0.9]，初始状态为0.3～0.9间产生的随机数，Soc(1)＝0.3+0.6*rand(1,1)，充电效率与放电效率相等ηch＝ηdch＝0.8，单位时间内可冲入最大功率限制在3kWh之内，每次充放电对蓄电池带来的损耗为[0,1]内产生的随机数。
图2所示随机安排设备的用电任务的结果：在7:00～7:30时间段内大幅超过规定的功率限额，不满足需求响应的要求；对电器的使用没有任何规划，很多负荷都工作于电价较高的时间段(如7:00～10:00、16:00～20:00)；可再生能源与家庭内能量无相关关系，浪费了许多能量，这种随机决策没有将高电价时段的用电需求转移到低电价时段，因此需要支付的电费较高，为493.1588美分。
经算法优化后结果如图3所示：此时电价和PV输出量起到了调节作用，所有时间内总负荷均满足需求响应的要求，并且经过计划的负荷总体整个时间上比较平均，达到了平滑负荷曲线的效果，很好的实现了电网通过需求响应指导了用户侧决策。此情况下，需要向电网付出购电费用187.2734美分，比图3节省了62％的电费。
由图4可得家庭与电网的功率流动情况，电价和PV出力起到了调节作用，由于HEMS有向大电网售电的能力因此得到一部分售电盈利。在低电价时段，HEMS向大电网买电，若PV输出量较小，则由大电网和蓄电池供电，如时段00:00-8:00；在高电价时段，则蓄电池和PV供电，并将多余的电能上送电网，如时段8:00-16:30。
图5为算法每一代收敛性曲线，可以看出算法具有良好的鲁棒性。在500代的进化过程中，前期20代以前种群均值与最优解的偏差较大，说明此阶段种群保留的模式当中优良模式较少，而从50代以后开始种群均值与最优解的偏差较小，说明种群中整体都较优良，在“优胜劣汰”的过程中不符合这个生境的解均被淘汰，适应度高的模式被保留下来。本算法不仅能保证解的精度，而且还能保证有较快的收敛速度(经过50代可得到最优解)。
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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。

Claims (5)

1.一种基于需求响应的家庭能量管理系统智能控制方法，其特征在于，该方法包括以下步骤：
S1、输入初始参数，并由初始化算子随机产生种群；
S2、建立以用电费最省的目标函数，并设立约束条件，构建适应度模型；
S3、求解适应度模型，得到每个调度区间的设备状态，根据每个调度区间的设备状态进行蓄电池充放电；
S4、先后进行选择、交叉操作，判断种群是否满足约束条件，若不满足则进行种群修复后进行变异；若满足则直接进行变异；
S5、判断变异后种群是否满足约束条件，若不满足则进行种群修复，进入S6；若满足则直接进入S6；
S6、判断种群代数是否达到设定数目，若满足则结束，否则重复S2～S5。
2.根据权利要求1所述的一种基于需求响应的家庭能量管理系统智能控制方法，其特征在于，所述的适应度模型为：
<mrow> <mi>o</mi> <mi>b</mi> <mi>j</mi> <mi>v</mi> <mi>a</mi> <mi>l</mi> <mi>u</mi> <mi>e</mi> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>h</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>48</mn> </munderover> <mo>{</mo> <mo>&amp;lsqb;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>a</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>m</mi> <mo>+</mo> <mi>n</mi> </mrow> </munderover> <msub> <mi>S</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>u</mi> <mi>s</mi> <mi>t</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>G</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <mi>R</mi> <mi>T</mi> <mi>P</mi> <mrow> <mo>(</mo> <mi>h</mi> <mo>)</mo> </mrow> <mo>}</mo> </mrow>
约束条件为：
其中，表示可调度设备的电力消耗量；Pmust(h)为所有刚性负荷的总耗电量；Pbatt(h)表示蓄电池的输出功率，正值表示充电，负值表示放电；PDG(h)表示发电模块的输出功率，RTP(h)表示单位功率电费；Ptotal(h)表示每一时间间隔内家庭消耗的功率，D(h)表示各时段电力公司规定的最大功率，Sa(h)表示辅助二进制变量，da表示用电设备a的工作时长。
3.根据权利要求1所述的一种基于需求响应的家庭能量管理系统智能控制方法，其特征在于，步骤S3中根据每个调度区间的设备状态进行蓄电池充放电具体包括一下步骤：
S301、判断系统能量与电网供给能量关系，若系统能量富余，则进行步骤S302否则进行步骤S305；
S302、判断系统电池可充电量是否小于单位时间可充电量，若为是，则进行步骤S304，若为否，则进行步骤S303；
S303、判断单位时间可充电量是否小于系统多余能量，若为是则向蓄电池充电单位时间可充最大电量，多余电量卖向电网，否则向蓄电池充入所有富余能量；
S304、判断系统电池可充电量是否小于系统多余能量，若为是则将蓄电池充满，多余电量卖向电网，若为否则向蓄电池充入所有富余能量；
S305、判断电池可放电量是否小于单位时间可放电量，若为是则进行步骤S306，否则进行步骤S307；
S306、判断电池可放电量是否小于系统匮乏能量，若为是则蓄电池所有电能放电，不足电量向电网采购，若为否则蓄电池放电系统匮乏的电量；
S307、判断单位时间可放电量是否小于系统匮乏能量，若为是则电池放电单位时间可放最大电量，不足电量向电网采购，若为否则蓄电池放电系统匮乏的电量。
4.根据权利要求1所述的一种基于需求响应的家庭能量管理系统智能控制方法，其特征在于，步骤S4中的选择操作具体为：用轮盘赌法从当前种群中选出优良个体。
5.根据权利要求1所述的一种基于需求响应的家庭能量管理系统智能控制方法，其特征在于，步骤S4和S5所述的种群修复操作具体为：交叉或变异操作后的不可行染色体的两个基因X1和X2，先检测基因型偏离约束的程度，再根据不同偏离的程度随机选择修正位，将该修正位的基因值取反，满足各类设备在其工作时间段运行的基本约束。
CN201710437762.1A 2017-06-12 2017-06-12 一种基于需求响应的家庭能量管理系统智能控制方法 Pending CN107392420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710437762.1A CN107392420A (zh) 2017-06-12 2017-06-12 一种基于需求响应的家庭能量管理系统智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710437762.1A CN107392420A (zh) 2017-06-12 2017-06-12 一种基于需求响应的家庭能量管理系统智能控制方法

Publications (1)

Publication Number Publication Date
CN107392420A true CN107392420A (zh) 2017-11-24

Family

ID=60331757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710437762.1A Pending CN107392420A (zh) 2017-06-12 2017-06-12 一种基于需求响应的家庭能量管理系统智能控制方法

Country Status (1)

Country Link
CN (1) CN107392420A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107994574A (zh) * 2017-12-13 2018-05-04 国网辽宁省电力有限公司葫芦岛供电公司 面向新能源消纳的集中式温控负荷侧需求响应的决策方法
CN108182487A (zh) * 2017-12-11 2018-06-19 浙江科技学院 基于粒子群优化和本德尔分解的家庭能量数据优化方法
CN108197726A (zh) * 2017-12-11 2018-06-22 浙江科技学院 一种基于改进进化算法的家庭能量数据优化方法
CN108667031A (zh) * 2018-05-21 2018-10-16 上海电力学院 一种基于实时滚动窗口的家庭用电调度优化方法
CN108764524A (zh) * 2018-04-19 2018-11-06 天津大学 一种家庭能量管理系统的滚动优化调度方法
CN109539884A (zh) * 2018-11-21 2019-03-29 南京长峰航天电子科技有限公司 一种基于ga的矢量脱靶量参数估计方法
CN111476497A (zh) * 2020-04-15 2020-07-31 浙江天泓波控电子科技有限公司 一种用于小型化平台的分配馈电网络方法
CN112305925A (zh) * 2019-07-31 2021-02-02 深圳市诺为控制技术有限公司 基于电器设备响应约束的用户参数输入方法、装置及电器设备
CN113177690A (zh) * 2021-04-01 2021-07-27 中国广核集团有限公司 海上风电场运维调度方法、系统、计算机设备和存储介质
CN113765098A (zh) * 2021-08-19 2021-12-07 国网陕西省电力公司电力科学研究院 一种基于需求侧负荷响应的荷源互动调峰控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104122819A (zh) * 2014-07-18 2014-10-29 东北电力大学 基于用户习惯的家庭智能用电方法及其系统
CN104200297A (zh) * 2014-07-11 2014-12-10 浙江大学 实时电价环境下的家居混合供电系统能量优化调度方法
CN104778631A (zh) * 2015-03-11 2015-07-15 国家电网公司 一种面向需求响应的居民用户用电模式优化方法
CN104778504A (zh) * 2015-03-18 2015-07-15 南京邮电大学 一种家庭用户智能家电的用电安排优化方法
CN105654397A (zh) * 2016-02-01 2016-06-08 哈尔滨理工大学 一种智能用电优化方法及装置
CN106786555A (zh) * 2017-01-20 2017-05-31 南京南瑞继保电气有限公司 一种家庭能量管理系统的智能调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200297A (zh) * 2014-07-11 2014-12-10 浙江大学 实时电价环境下的家居混合供电系统能量优化调度方法
CN104122819A (zh) * 2014-07-18 2014-10-29 东北电力大学 基于用户习惯的家庭智能用电方法及其系统
CN104778631A (zh) * 2015-03-11 2015-07-15 国家电网公司 一种面向需求响应的居民用户用电模式优化方法
CN104778504A (zh) * 2015-03-18 2015-07-15 南京邮电大学 一种家庭用户智能家电的用电安排优化方法
CN105654397A (zh) * 2016-02-01 2016-06-08 哈尔滨理工大学 一种智能用电优化方法及装置
CN106786555A (zh) * 2017-01-20 2017-05-31 南京南瑞继保电气有限公司 一种家庭能量管理系统的智能调度方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197726B (zh) * 2017-12-11 2021-11-09 浙江科技学院 一种基于改进进化算法的家庭能量数据优化方法
CN108182487A (zh) * 2017-12-11 2018-06-19 浙江科技学院 基于粒子群优化和本德尔分解的家庭能量数据优化方法
CN108197726A (zh) * 2017-12-11 2018-06-22 浙江科技学院 一种基于改进进化算法的家庭能量数据优化方法
CN108182487B (zh) * 2017-12-11 2022-01-04 浙江科技学院 基于粒子群优化和本德尔分解的家庭能量数据优化方法
CN107994574A (zh) * 2017-12-13 2018-05-04 国网辽宁省电力有限公司葫芦岛供电公司 面向新能源消纳的集中式温控负荷侧需求响应的决策方法
CN107994574B (zh) * 2017-12-13 2021-07-16 国网辽宁省电力有限公司葫芦岛供电公司 面向新能源消纳的集中式温控负荷侧需求响应的决策方法
CN108764524A (zh) * 2018-04-19 2018-11-06 天津大学 一种家庭能量管理系统的滚动优化调度方法
CN108667031A (zh) * 2018-05-21 2018-10-16 上海电力学院 一种基于实时滚动窗口的家庭用电调度优化方法
CN108667031B (zh) * 2018-05-21 2020-06-26 上海电力学院 一种基于实时滚动窗口的家庭用电调度优化方法
CN109539884A (zh) * 2018-11-21 2019-03-29 南京长峰航天电子科技有限公司 一种基于ga的矢量脱靶量参数估计方法
CN112305925A (zh) * 2019-07-31 2021-02-02 深圳市诺为控制技术有限公司 基于电器设备响应约束的用户参数输入方法、装置及电器设备
CN112305925B (zh) * 2019-07-31 2024-03-22 深圳市诺为控制技术有限公司 基于电器设备响应约束的用户参数输入方法、装置及电器设备
CN111476497A (zh) * 2020-04-15 2020-07-31 浙江天泓波控电子科技有限公司 一种用于小型化平台的分配馈电网络方法
CN111476497B (zh) * 2020-04-15 2023-06-16 浙江天泓波控电子科技有限公司 一种用于小型化平台的分配馈电网络方法
CN113177690A (zh) * 2021-04-01 2021-07-27 中国广核集团有限公司 海上风电场运维调度方法、系统、计算机设备和存储介质
CN113177690B (zh) * 2021-04-01 2023-12-12 中国广核集团有限公司 海上风电场运维调度方法、系统、计算机设备和存储介质
CN113765098A (zh) * 2021-08-19 2021-12-07 国网陕西省电力公司电力科学研究院 一种基于需求侧负荷响应的荷源互动调峰控制方法
CN113765098B (zh) * 2021-08-19 2024-03-05 国网陕西省电力公司电力科学研究院 一种基于需求侧负荷响应的荷源互动调峰控制方法

Similar Documents

Publication Publication Date Title
CN107392420A (zh) 一种基于需求响应的家庭能量管理系统智能控制方法
Hemmati et al. Stochastic optimal battery storage sizing and scheduling in home energy management systems equipped with solar photovoltaic panels
Tan et al. Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques
Zhang et al. An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling
CN104200297B (zh) 实时电价环境下的家居混合供电系统能量优化调度方法
Li et al. Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study
Jannati et al. Optimal energy management of the smart parking lot under demand response program in the presence of the electrolyser and fuel cell as hydrogen storage system
Rabiee et al. Modified imperialist competitive algorithm for environmental constrained energy management of microgrids
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
Qiu et al. Multi-interval-uncertainty constrained robust dispatch for AC/DC hybrid microgrids with dynamic energy storage degradation
Gazafroudi et al. Organization-based multi-agent structure of the smart home electricity system
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN105140941A (zh) 考虑锂电池可变折旧成本与实用充放电策略的微电网优化调度方法
CN109462258A (zh) 一种基于机会约束规划的家庭能量优化调度方法
CN111934360A (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
Huang et al. Jointly optimizing microgrid configuration and energy consumption scheduling of smart homes
CN107887932A (zh) 虚拟发电厂在日前市场的生产竞价组织方法
Bazmohammadi et al. Optimal operation management of a microgrid based on MOPSO and Differential Evolution algorithms
Sriyakul et al. Economic scheduling of a smart microgrid utilizing the benefits of plug-in electric vehicles contracts with a comprehensive model of information-gap decision theory
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及系统
CN116596252A (zh) 一种电动汽车集群多目标充电调度方法
Elweddad et al. Energy management and optimization of microgrid system using particle swarm optimization algorithm
Ghiasi et al. Demand and supply side management strategies for zero energy buildings
CN109687449B (zh) 微电网协调控制装置及控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171124

RJ01 Rejection of invention patent application after publication