CN108667031B - 一种基于实时滚动窗口的家庭用电调度优化方法 - Google Patents

一种基于实时滚动窗口的家庭用电调度优化方法 Download PDF

Info

Publication number
CN108667031B
CN108667031B CN201810489268.4A CN201810489268A CN108667031B CN 108667031 B CN108667031 B CN 108667031B CN 201810489268 A CN201810489268 A CN 201810489268A CN 108667031 B CN108667031 B CN 108667031B
Authority
CN
China
Prior art keywords
time
power
electricity
rolling window
real
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.)
Active
Application number
CN201810489268.4A
Other languages
English (en)
Other versions
CN108667031A (zh
Inventor
杨俊杰
李盛林
张娜娜
黄冠华
张贺龙
孟晓晴
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
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 CN201810489268.4A priority Critical patent/CN108667031B/zh
Publication of CN108667031A publication Critical patent/CN108667031A/zh
Application granted granted Critical
Publication of CN108667031B publication Critical patent/CN108667031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于实时滚动窗口的家庭用电调度优化方法，包括以下步骤：S1将一天划分为48个等间距的时间段；S2自动更新当前时间段并且自动更新滚动窗口所包含的时间范围；S3人机更新滚动窗口内智能用电器的用电允许范围和用电量；S4更新滚动窗口内电价；S5生成以最小化购电峰均比和最小化用电成本为目标的调度优化模型；S6求解调度优化模型得到最优解；S7用户根据最优解操作当前时间段的用电调度，并且重复步骤S2‑S7。与现有技术相比，该方法不仅可以使用户可以及时响应用电任务的变化，降低由于调度系统输入信息预测误差大所造成的高用电成本，还具有提高电力系统稳定性的功能。

Description

一种基于实时滚动窗口的家庭用电调度优化方法
技术领域
本发明涉及智能家庭用电调度领域，尤其是涉及一种基于实时滚动窗口的家庭用电调度优化方法。
背景技术
在实时电价背景下，用户可以根据电价波动情况自行安排用电，使用户的生产成本最小化，而且起到削峰填谷的作用，实现用户节省成本和电力系统稳定运行的双赢。
目前，家庭用电调度优化策略主要是日前调度优化方法。日前调度优化方法是在每天的开始就制定好当天的用电调度。用户用电信息的预测都会存在误差，这将会导致日前调度优化方法在实际环境中难于执行。特别地，当用电信息突然变化时，如果用户没有及时响应将会造成用电成本和电力系统不稳定风险的大大提高。为此，提出了家庭用电实时调度方法。不同于很多日前调度优化方法，我们设计的实时调度方法可以减少用电信息不确定性对调度造成的影响。
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实时滚动窗口的家庭用电调度优化方法。
本发明的目的可以通过以下技术方案来实现：
一种基于实时滚动窗口的家庭用电调度优化方法，包括以下步骤：
S1将一天划分为48个等间距的时间段；
S2自动更新当前时间段并且自动更新滚动窗口所包含的时间范围；
S3人机更新滚动窗口内智能用电器的用电允许范围和用电量；
S4更新滚动窗口内电价；
S5生成以最小化购电峰均比和最小化用电成本为目标的调度优化模型；
S6求解调度优化模型得到最优解；
S7用户根据最优解操作当前时间段的用电调度，并且重复步骤S2-S7。
所述的步骤S1中，将一天划分为48个等间距的时间段，每个时间段长度为 0.5小时，一天的实时电价为当天∶00:00到24:00的电价数据。
所述的步骤S2中，当前时间段为当前时刻所对应48个时间段中的一个时间段，滚动窗口的长度为24个小时，所包含的时间范围为当前时刻到将来的24小时之间。
所述的步骤S3中，智能用电器包括可延迟负荷和不可延迟负荷，所述的可延迟负荷包括可中断和不可中断负荷两类，不可延迟负荷不参与用电调度，可延迟负荷参与用电调度，用电任务包括可延迟用电任务和不可延迟用电任务，用电任务的允许工作时间范围可能会处在滚动窗口之外，对于处在滚动窗口左侧之外的用电任务，总共需要工作时间段数da减去过去完成的部分任务，更新总共需要工作时间段数da为剩余的工作量，更新用电器的允许开始工作时间段αa为1；对于处在滚动窗口右侧之外的用电任务，采用优先完成的策略，即当总的剩余工作量da小于在滚动窗口内的允许工作范围，则更新用电器的允许结束工作时间段βa为αa+da-1，否则更新用电器的允许结束工作时间段βa为48，更新总共需要工作时间段数da为 48-αa+1。
所述的步骤S3中，可延迟用电任务a在允许的工作范围[αa，βa]内能够提前或者延迟完成，可延迟负荷模型为：
Figure RE-GDA0001737674380000021
Figure RE-GDA0001737674380000022
其中，h为时间窗口内的时间段序号，H为一天划分的时间段总数，sa(h)＝1表示设备处于工作状态，sa(h)＝0表示设备处于空闲状态，da为用电任务总共需要工作时间段数。
所述的步骤S4中，实时电价信息通过智能电表获取。
所述的步骤S5中，最小化购电峰均比PAR的计算公式如下：
Figure RE-GDA0001737674380000023
Figure RE-GDA0001737674380000031
其中，A为用户所有可延迟的用电任务总数，Pa为可延迟用电任务a的统计平均功率，Pndef为不可延迟用电任务的总用电功率，H为一天划分的时间段总数， Pgrid，buy(h)为用户从电网购买电能的功率；
所述的步骤S5中，最小化购电成本Costpay的计算公式如下：
Figure RE-GDA0001737674380000032
其中，RTPbuy为获取的实时电价，Δh为相邻两个时间段的间隔时间，
所述的步骤S5中，以最小化购电峰均比和最小化用电成本为目标的调度优化模型如下：
min{ε1Costpay+ε2PAR}
Figure RE-GDA0001737674380000033
sa(h)＝0，
Figure RE-GDA0001737674380000034
sa(h)＝0 or 1，if h∈[αa，βa]，当a属于可中断任务
Figure RE-GDA0001737674380000035
当a属于不可中断任务
其中，ε1和ε2分别为用电成本和购电峰均比的权重因子。
所述的步骤S6中，调度优化模型属于0-1整数规划问题，采用遗传算法进行求解最优解，
采用遗传算法求解最优解时，染色体的编码的方式为二进制编码，用户拥有m 个不可中断用电任务和n个可中断用电任务，对所有用电任务的染色体X可以表示为：
Figure RE-GDA0001737674380000036
所述的遗传算法求解过程中的适应度fitness定义为：
Figure RE-GDA0001737674380000041
其中，c为常数阈值，用于避免适应度变成负值。
与现有技术相比，本发明具有以下优点：
本发明提供了一种减少信息预测的误差采用实时用电调度策略的方法，在实时用电调度优化方法中，每间隔一个时间段调度系统都会信息进行一次更新，信息更新过后，调度中心再次优化得到当前信息下的最优解，用户只需要采纳最优解的第一个时间段的操作就可以实现全天的最优调度，本发明为用户提供一种家庭用电实时调度优化方法，该方法不仅可以使用户可以及时响应用电信息的变化，降低由于调度系统输入信息预测误差大所造成的高用电成本，还具有提高电力系统稳定性的功能。
附图说明
图1为一个智能家庭系统。
图2为滚动窗口示意图。
图3为本发明的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，在智能电网环境下，一个智能家庭系统包括智能用电器、智能电表、调度中心、控制器等。其中电网实行的是实时电价收费。
如图3所示，一种基于实时滚动窗口的家庭用电调度优化方法，包括一下步骤：
(S1)把一天划分为48个等间距的时间段；一天的实时电价为当天00：00到24： 00的电价数据，把一天划分为48个等间距的时间段，每个时间段间隔0.5个小时。
(S2)自动更新当前时间段，自动更新滚动窗口所包含的时间范围；当前时间段是指当前时刻所对应48个时间段中的一个时间段。滚动窗口的长度为24个小时，时间范围为当前时刻到将来的24小时之间。
(S3)人机更新滚动窗口内智能用电器的用电允许范围和用电量；智能用电器通常分为两类：可延迟负荷和不可延迟负荷，其中可延迟负荷又分为可中断和不可中断负荷两类。不可延迟负荷不参与用电调度，当用户需要操作这类负荷时无条件执行。参与用电调度的主要任务由可延迟负荷产生，用电任务实际工作的工作时间范围都需要转换成滚动窗口内的时间段范围。其中，用电任务的允许工作时间范围可能会处在滚动窗口之外。对于处在滚动窗口左侧之外的用电任务，总共需要工作时间段数da减去过去完成的部分任务，更新总共需要工作时间段数da为剩余的工作量，更新用电器的允许开始工作时间段αa为1；对于处在滚动窗口右侧之外的用电任务，采用优先完成的策略，即当总的剩余工作量da小于在滚动窗口内的允许工作范围，则更新用电器的允许结束工作时间段βa为αa+da-1，否则更新用电器的允许结束工作时间段βa为48，更新总共需要工作时间段数da为48-αa+1，如图2所示。
可延迟用电任务a在允许的工作范围[αa，βa]内可以提前或者延迟完成。可延迟负荷模型如下：
Figure RE-GDA0001737674380000051
Figure RE-GDA0001737674380000052
其中，h为时间窗口内的时间段序号，H＝48，sa(h)＝1表示设备处于工作状态，sa(h)＝0表示设备处于空闲状态，da代表用电任务的总共需要工作时间段数。此外，可中断任务需要满足的约束为：sa(h)＝0 or 1，if h∈[αa，βa]不可中断任务需要满足的约束条件为：
Figure RE-GDA0001737674380000053
(S4)滚动窗口内实时电价信息是通过智能电表提前知道的。
(S5)生成以最小化购电峰均比和最小化用电成本为目标的调度优化模型；最小化购电峰均比PAR计算公式如下：
Figure RE-GDA0001737674380000054
Figure RE-GDA0001737674380000055
其中，A为用户所有可延迟的用电任务总数，Pa为用电任务a的统计平均功率，Pndef为不可延迟用电任务的总用电功率，H为一天划分的时间段总数，Pgrid，buy(h) 为用户从电网购买电能的功率。
RTPbuy为滚动窗口内的实时电价，Δh为相邻两个时间段的间隔时间(例如， H＝48时，Δh＝0.5)，最小化购电成本Costpay计算公式如下：
Figure RE-GDA0001737674380000061
因此，以最小化购电峰均比和最小化用电成本为目标的调度优化模型如下：
min{ε1Costpay+ε2PAR}
Figure RE-GDA0001737674380000062
sa(h)＝0，
Figure RE-GDA0001737674380000063
sa(h)＝0 or 1，if h∈[αa，βa]，当a属于可中断任务
Figure RE-GDA0001737674380000064
当a属于不可中断任务
其中，ε1和ε2分别为用电成本和购电峰均比的权重因子，权重因子值越大代表用户对对应的优化目标越偏爱。
(S6)遗传算法求解优化模型得到最优解；因为步骤(S5)生成以最小化购电峰均比和最小化用电成本为目标的调度优化模型属于0-1整数规划问题。采用遗传算法求解最优解时，染色体的编码的方式为二进制编码，用户拥有m个不可中断用电任务和n个可中断用电任务，对所有用电任务的染色体X可以表示为：
Figure RE-GDA0001737674380000065
遗传算法求解过程中的适应度fitness定义为：
Figure RE-GDA0001737674380000066
其中，c为一个常数阈值，用于避免适应度变成负值。
(S7)用户根据最优解去操作当前时间段的用电调度，循环执行步骤(2)-(7)。

Claims (6)

1.一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，包括以下步骤：
S1将一天划分为48个等间距的时间段；
S2自动更新当前时间段并且自动更新滚动窗口所包含的时间范围；
S3人机更新滚动窗口内智能用电器的用电允许范围和用电量，所述的步骤S3中，智能用电器包括可延迟负荷和不可延迟负荷，所述的可延迟负荷包括可中断和不可中断负荷两类，不可延迟负荷不参与用电调度，可延迟负荷参与用电调度，智能用电器的用电任务包括可延迟用电任务和不可延迟用电任务，可延迟用电任务a在允许的工作范围[αa,βa]内能够提前或者延迟完成，可延迟负荷模型为：
Figure FDA0002455608420000011
sa(h)＝0,
Figure FDA0002455608420000012
其中，h为时间窗口内的时间段序号，H为一天划分的时间段总数，sa(h)＝1表示设备处于工作状态，sa(h)＝0表示设备处于空闲状态，da为用电任务总共需要工作时间段数；
S4更新滚动窗口内电价；
S5生成以最小化购电峰均比和最小化用电成本为目标的调度优化模型，最小化购电峰均比PAR的计算公式如下：
Figure FDA0002455608420000013
Figure FDA0002455608420000014
其中，A为用户所有可延迟的用电任务总数，Pa为可延迟用电任务a的统计平均功率，Pndef(h)为不可延迟用电任务的总用电功率，H为一天划分的时间段总数，Pgrid,buy(h)为用户从电网购买电能的功率；
所述的步骤S5中，最小化购电成本Costpay的计算公式如下：
Figure FDA0002455608420000021
其中，RTPbuy(h)为获取的实时电价，Δh为相邻两个时间段的间隔时间；
以最小化购电峰均比和最小化用电成本为目标的调度优化模型如下：
min{ε1Costpay+ε2PAR}
Figure FDA0002455608420000022
sa(h)＝0,
Figure FDA0002455608420000023
sa(h)＝0 or 1,if h∈[αa,βa]，当a属于可中断任务
Figure FDA0002455608420000024
当a属于不可中断任务
其中，ε1和ε2分别为用电成本和购电峰均比的权重因子；
S6求解调度优化模型得到最优解；
S7用户根据最优解操作当前时间段的用电调度，并且重复步骤S2-S7。
2.根据权利要求1所述的一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，所述的步骤S1中，将一天划分为48个等间距的时间段，每个时间段长度为0.5小时，一天的实时电价为当天00：00到24：00的电价数据。
3.根据权利要求1所述的一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，所述的步骤S2中，当前时间段为当前时刻所对应48个时间段中的一个时间段，滚动窗口的长度为24个小时，所包含的时间范围为当前时刻到将来的24小时之间。
4.根据权利要求1所述的一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，所述的步骤S4中，实时电价信息通过智能电表获取。
5.根据权利要求1所述的一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，所述的步骤S6中，调度优化模型属于0-1整数规划问题，采用遗传算法进行求解最优解。
6.根据权利要求5所述的一种基于实时滚动窗口的家庭用电调度优化方法，其特征在于，所述的遗传算法求解过程中的适应度fitness定义为：
Figure FDA0002455608420000025
其中，c为常数阈值。
CN201810489268.4A 2018-05-21 2018-05-21 一种基于实时滚动窗口的家庭用电调度优化方法 Active CN108667031B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810489268.4A CN108667031B (zh) 2018-05-21 2018-05-21 一种基于实时滚动窗口的家庭用电调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810489268.4A CN108667031B (zh) 2018-05-21 2018-05-21 一种基于实时滚动窗口的家庭用电调度优化方法

Publications (2)

Publication Number Publication Date
CN108667031A CN108667031A (zh) 2018-10-16
CN108667031B true CN108667031B (zh) 2020-06-26

Family

ID=63776253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810489268.4A Active CN108667031B (zh) 2018-05-21 2018-05-21 一种基于实时滚动窗口的家庭用电调度优化方法

Country Status (1)

Country Link
CN (1) CN108667031B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113391149B (zh) * 2021-06-10 2022-04-12 南方电网科学研究院有限责任公司 一种智能电网用户负荷状态远程监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915725A (zh) * 2015-05-06 2015-09-16 浙江大学 计及实时电价的微网用户群电能优化互济交易方法
CN105790292A (zh) * 2016-01-04 2016-07-20 国家电网公司 基于最优控制模型的典型负荷有序用电方法
CN105894122A (zh) * 2016-04-19 2016-08-24 上海电力学院 一种用于家庭能量管理系统的用电设备运行调度方法
CN106096773A (zh) * 2016-06-07 2016-11-09 三峡大学 一种电动汽车充当储能的多目标优化调度方法
CN107392420A (zh) * 2017-06-12 2017-11-24 上海电力学院 一种基于需求响应的家庭能量管理系统智能控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5837322B2 (ja) * 2011-04-18 2015-12-24 京セラ株式会社 制御装置、電力制御システム、及び電力制御方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915725A (zh) * 2015-05-06 2015-09-16 浙江大学 计及实时电价的微网用户群电能优化互济交易方法
CN105790292A (zh) * 2016-01-04 2016-07-20 国家电网公司 基于最优控制模型的典型负荷有序用电方法
CN105894122A (zh) * 2016-04-19 2016-08-24 上海电力学院 一种用于家庭能量管理系统的用电设备运行调度方法
CN106096773A (zh) * 2016-06-07 2016-11-09 三峡大学 一种电动汽车充当储能的多目标优化调度方法
CN107392420A (zh) * 2017-06-12 2017-11-24 上海电力学院 一种基于需求响应的家庭能量管理系统智能控制方法

Also Published As

Publication number Publication date
CN108667031A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
Bahrami et al. A decentralized energy management framework for energy hubs in dynamic pricing markets
CN112467730B (zh) 考虑风光出力预测误差和需求响应灵活性的电力系统优化调度方法
CN113780776B (zh) 基于需求侧的电力系统碳运行调度方法、装置及设备
US20130066482A1 (en) Apparatus and method for executing energy demand response process in an electrical power network
CN117239740B (zh) 一种虚拟电厂系统的优化配置与灵活性提升方法及系统
US20140095410A1 (en) Method and system for demand response management
CN109858697B (zh) 计及源荷随机的冷热电联供系统优化运行方法及系统
CN107069752B (zh) 一种基于用户需求和电费驱动的家用负载调度方法
Dang et al. Optimal load scheduling for residential renewable energy integration
Saravanan DSM in an area consisting of residential, commercial and industrial load in smart grid
Xu et al. Action dependent heuristic dynamic programming based residential energy scheduling with home energy inter-exchange
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN108667031B (zh) 一种基于实时滚动窗口的家庭用电调度优化方法
Tiwari et al. Optimal scheduling of home appliances under automated demand response
CN110866647A (zh) 用户侧储能控制方法、装置、设备及存储介质
CN113673830A (zh) 基于非侵入式负荷监测技术的自适应家庭能量管理方法
CN112068439B (zh) 一种基于可再生能源共享模型的家庭能源管理优化方法
Paul et al. Intelligent load management system development with renewable energy for demand side management
CN110535143B (zh) 面向智能住宅动态需求响应的能源管理方法和装置
Tang et al. Schedule of air-conditioning systems with thermal energy storage considering wind power forecast errors
CN116316654A (zh) 一种智能家用电器用电柔性负荷优化调度方法及系统
CN105096010A (zh) 一种考虑需求侧管理的电网规划方法
Peash et al. Optimizing Energy Consumption in a University Campus through Demand Side Management Strategies
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及系统
CN114142479A (zh) 计及多类型可调节负荷资源的用户侧能量调度方法及系统

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
GR01 Patent grant
GR01 Patent grant