CN109462258A - 一种基于机会约束规划的家庭能量优化调度方法 - Google Patents

Abstract

本发明公开了一种基于机会约束规划的家庭能量优化调度方法，该方法：在负荷侧，按照用电紧迫性对不同负荷的满意度函数进行分类建模，在保证用电高效的情况下优先选择满意度最高的用电方案；在电源侧，结合实时电价及光伏储能模块，利用机会约束规划算法得出最优控电方案。该方法可对储能设备的能量调度方法进行提前优化，为用户后续的用电方式提供优化方案，实现绿色、高效用电，同时还能大大降低用户的用电费用。

Description

一种基于机会约束规划的家庭能量优化调度方法

技术领域

本发明涉及一种家庭能量优化调度方法，尤其涉及一种基于机会约束规划的家庭能量优化调度方法。

背景技术

目前，用户能源形式变得多样化，各类智能家电、家用屋顶光伏发电、电动汽车数量和种类不断增加，电力需求频刷新高，家庭能源网与电网的双向互动越来越频繁，给电网的运行控制带来诸多挑战。因此，在固有的智能电网结构的基础上，对家庭能量进行优化调度以满足用户多元化业务需要，是未来智能用电的重点发展方向。家庭电能消耗占整个社会全部电能消耗的比重不断增加，家庭分布式新能源技术得到快速的发展，取得了丰富的成果。然而，大型风电站、光电站、储能系统、电动汽车大量接入电网，使得电力系统的不确定性因素增多，其能量管理和优化控制面临着越来越大的挑战，随着家庭能源利用方式的改变，构建智能电网需要电力用户从被动参与转变为主动参与，这是智能用电发展的客观规律。

智能电网环境下构建的家庭能源互联网如图1所示。屋顶上装有光伏发电板，为分布式发电设备，是HEMS(Home Energy Management System，家庭能量管理系统)中自产电能的设备。居民用户配备智能单向电表、双向电表等计量装置，这些装置不仅内置通信模块，还有定位功能，通过Zigbee技术与家中因特网相连，统计光伏发电量，光伏上网电量和居民负荷使用电网的电量。HEMS主要包含五个模块：用户设置模块、检测模块、预测模块、优化调度模块、设备监控模块。高级计量架构(Advanced Metering Infrastructure,AMI)是一个用来测量、收集、储存、分析和运用用户用电信息的完整的网络和系统，能够按需求自动、双向地获取用电的计量系统，由包括智能电表在内的硬件设施、通信系统以及信息采集与分析决策的软件系统组成，把用户和电力公司紧密相连，为用电信息采集系统建设和智能用电小区建设奠定技术基础。

家庭能源互联网需要先进的能量管理系统，能量管理系统就是结合用户用电负荷规律和电价信息，对家庭局域网内新能源发电系统、可调度负荷、储能系统的优化控制，以实现家庭电力有效利用，提高新能源消纳能力，提高与大电网的双向交互能力，改变能源结构，达到电网构建低碳电网、绿色电网的目的。家庭能量管理系统必须考虑光伏发电，合理预测监控光伏出力，与家庭负荷储能一起进行优化调度，才能使电网健康发展。

发明内容

发明目的：本发明提出一种基于机会约束规划的家庭能量优化调度方法，对家庭负荷用电时段进行控制，按照负荷类型的不同对用电满意度模型进行分类，制定基于实时电价、光伏及储能控制的能量调度策略，能实现高效、绿色的家庭用电。

技术方案：本发明所述的一种基于机会约束规划的家庭能量优化调度方法，应用于家庭能量管理系统，该方法包括步骤：

(1)根据用电设备的是否可参与调度的特效，将用电设备划分为刚性负荷和柔性负荷；其中，所述刚性负荷为不参与优化的用电设备，所述柔性负荷为可参与调度的负荷。

(2)将柔性负荷按是否可中断分为可转移不可中断负荷、可转移可中断负荷，分别建立可转移不可中断负荷模型和可转移可中断负荷模型。

进一步地，所述可转移不可中断负荷模型为：

所述可转移可中断负荷模型为：

其中，a为负荷编号；为负荷a在i时段的功率，所述时段以半小时为一个用电单位；为额定功率，为实际最小工作功率，为实际工作的最大功率，此式表示将负荷的功率设为恒定；为i时段负荷的工作状态，其值为0表示负荷不工作，为1则表示负荷工作；α、β分别为所设定的负荷允许工作区间上下限；t_s为负荷a开始工作的时间，t_a为其工作时长，表示一天内负荷处于运行状态的总时间之和其值应该等于t_a，λ_a表示负荷可延迟的工作时间。

(3)根据用电紧迫性将用电设备分为一、二、三级负荷，并建立各类负荷满意度模型。

进一步地，所述各类负荷满意度模型为：

一级负荷：

二级负荷：

M_a＝log_k-[(k-1)q-k]，k＝10 (5)

三级负荷：

M_a＝1 (6)

系统满意度：

maxM＝∑_a∈DM_a (7)

其中，M_a表示负荷a的满意度值，M为系统的总体满意度。

(4)根据基于光伏发电的能量优化调度模型，通过储能装置的充放电动作，动态调节光伏发电电量。

优选地，所述储能装置的电池为锂离子蓄电池。

进一步地，所述基于储能设备的能量优化调度模型如下公式所示：

目标函数：

机会约束条件：

P_r＝{fⁱ≤δ}≥α (10)

储能约束条件：

其中，为决策变量，表示i时段的充放电功率，大于0表示放电，小于0表示充电；P_batmin、P_batmax为值的上下限，表示充放电功率的最小、最大值；为概率密度函数已知的随机变量，δ为相对误差，α为给定的置信水平；表示i时段的实时电价，表示i时段家庭负荷的总功率，表示光伏发电功率，表示储能装置电池的电量，C_bat表示锂离子蓄电池的容量，SOCⁱ表示电池i时段的荷电状态；SOC_min、SOC_max为其值的上下限，表示电池荷电状态的最小、最大值；

当光伏出力满足负荷需求或不满足但电池放电量可以弥补负荷需求时，控制PV停止供电；仅当且电池所放电量不能满足负荷需求时，控制储能装置充电，PV进行供电。

有益效果：本发明具有以下优点：1、对储能设备的能量调度方法进行提前优化，2、为用户后续的用电方式提供优化方案，3、实现了能源的高效分配，大大降低用户的用电费用。

附图说明

图1为家庭能量管理系统架构图；

图2为实时电价图；

图3为调度前负荷曲线图；

图4为基于RTP调度的负荷曲线图；

图5为基于RTP和PV的负荷曲线图；

图6为机会约束算法流程图；

图7为储能充放电曲线图。

具体实施方式

如图6所示，本发明所述的一种基于机会约束规划的家庭能量优化调度方法，包括步骤：

(1)根据用电设备的是否可参与调度的特效，建立负荷模型。

根据用电设备是否可参与调度的特性，将不参与优化的负荷称为刚性负荷，如电视机具有功率不可调、不可转移用电时间段、工作中不可中断等特点。可参与调度的负荷称为柔性负荷，柔性负荷按是否可中断分为可转移不可中断负荷，如洗衣机、电水壶等，和可转移可中断负荷如热水器、电动汽车等。由此建立反应负荷可调度特性的数学模型，如下公式所示：

可转移不可中断负荷模型：

可转移可中断负荷建模：

其中，a为负荷编号；为负荷a在i时段的功率，所述时段以半小时为一个用电单位；为额定功率，为实际最小工作功率，为实际工作的最大功率，此式表示将负荷的功率设为恒定；为i时段负荷的工作状态，其值为0表示负荷不工作，为1则表示负荷工作；α、β分别为所设定的负荷允许工作区间上下限；t_s为负荷a开始工作的时间，t_a为其工作时长，表示一天内负荷处于运行状态的总时间之和其值应该等于t_a，λ_a表示负荷可延迟的工作时间；

(2)根据用电紧迫性将用电设备分为一、二、三级负荷，并建立各类负荷满意度模型。

在普及家庭智能用电的将来，居民用电费用寻求最优的同时，用电满意度一定是最受关注的一个问题，满意度过低会使用户对智能用电产生反应疲劳，不利于家庭用户参与智能用电的推广。因此，需保证居民良好的用电体验。按照用电紧迫性对几种用电设备分类如表1所示。

表1负荷紧迫性分类

各类负荷满意度模型如下，用M_a表示负荷a的满意度值，M为系统的总体满意度。

一级负荷：

二级负荷：

M_a＝log_k-[(k-1)q-k]，k＝10 (16)

三级负荷：

M_a＝1 (17)

系统满意度：

max M＝∑_a∈DM_a (18)

(3)根据如下基于光伏发电能量优化调度模型，通过储能装置的充放电动作，动态调节光伏发电电量。

P_r＝{fⁱ≤δ}≥α (21)

式(19)为目标函数、式(20)、(21)为机会约束条件、(22)为储能约束条件，为决策变量表示i时段的充放电功率，大于0表示放电，小于0表示充电；P_batmin、P_batmax为其值的上下限，表示充放电功率的最小、最大值。大于0表示放电，小于0表示充电；为概率密度函数已知的随机变量，δ为相对误差，α为给定的置信水平；表示i时段的实时电价，表示i时段家庭负荷的总功率，表示光伏发电功率，表示锂电池的电量，C_bat表示锂离子蓄电池的容量，SOCⁱ表示电池i时段的荷电状态；SOC_min、SOC_max为其值的上下限，表示电池荷电状态的最小、最大值。

当光伏出力满足负荷需求或不满足但电池放电量可以弥补负荷需求时，控制PV停止供电；仅当且电池所放电量不能满足负荷需求时，控制储能装置充电，PV进行供电。

为简化本发明所述基于机会约束规划的家庭能量优化调度方法，现对基于机会约束规划原理算法进行描述。

机会约束规划主要用于解决约束条件中含有随机变量，且在观测到变量的实现之前所做出决定的问题。由于随机约束没有给出一个确定的可行集，所以考虑随机约束以一定的置信水平α成立。

机会约束规划算法的具体步骤如下：

1)输入原始数据C_bat的值；

2)设定参数δ、α，并读取负荷工作区间、工作时长、额定功率等表格数据；

3)变量定义及赋值设限P_batmax、P_batmin、SOC_max，SOC_min；

4)方程及目标函数定义；

5)带非连续导数的非线性规划求解；

6)得出花费最小值

7)算法结束。

由于机会约束规划模型中的约束方程无法直接进行求解，因此本发明将其转化为非线性规划模型，运用Gams软件求解。由于i时刻光伏出力预测偏差服从均值为0的正态分布，则机会约束模型可进行如下转化来求解：

本发明为了验证算法的有效性，下面按照图2所示的实时电价，设计对比案例进行验证。该锂电池容量为5.6kWh，荷电状态保持在20％～90％区间内，最大充放电功率为3kW。机会约束允许的相对误差δ取0.2，置信水平α为0.8。

图3当无任何控制策略时，用户随机安排负荷的工作时段，需要向电网支付购电费用3.4884澳元。

图4在考虑用户舒适度的情况下，经过实时电价的调控，用户可将大部分柔性负荷安排在电价较低的时候工作，此时购电费用为3.4081澳元。

从图5中可以看出，基于RTP和PV调度后，负荷多集中工作在低电价或光伏出力多的时刻，用户购电费用为0.5711澳元，比未调度前降低了83.63％的费用。求得最小费用时选择较高满意度值10.79的用电方案。

图7由于所设定负荷的运行时间限制，有些负荷不能转移到光伏出力值大的时段，因此采用所提机会约束规划调度算法,引入家庭储能技术，可储存电能，使光伏发电在用户侧得到最大使用。加入储能运用Gams软件进行计算，可求得最小购电费用为0.3030澳元，比未调度前降低了91.31％的费用，比加入储能控制前节省了46.94％的费用。

Claims (5)

1.一种基于机会约束规划的家庭能量优化调度方法，应用于家庭能量管理系统，其特征在于，包括步骤：

(1)根据用电设备的是否可参与调度的特效，将用电设备划分为刚性负荷和柔性负荷；其中，所述刚性负荷为不参与优化的用电设备，所述柔性负荷为可参与调度的负荷；

(2)将柔性负荷按是否可中断分为可转移不可中断负荷、可转移可中断负荷，分别建立可转移不可中断负荷模型和可转移可中断负荷模型；

(3)根据用电紧迫性将用电设备分为一、二、三级负荷，并建立各类负荷满意度模型；

(4)根据基于光伏储能的能量优化调度模型，通过储能装置的充放电动作，动态调节光伏发电电量。

2.根据权利要求1所述的基于机会约束规划的家庭能量优化调度方法，其特征在于，步骤(2)中，所述可转移不可中断负荷模型为：

所述可转移可中断负荷模型为：

其中，a为负荷编号；为负荷a在i时段的功率，所述时段以半小时为一个用电单位；为额定功率，为实际最小工作功率，为实际工作的最大功率，此式表示将负荷的功率设为恒定；为i时段负荷的工作状态，其值为0表示负荷不工作，为1则表示负荷工作；α、β分别为所设定的负荷允许工作区间上下限；t_s为负荷a开始工作的时间，t_a为其工作时长，表示一天内负荷处于运行状态的总时间之和其值应该等于t_a，λ_a表示负荷可延迟的工作时间。

3.根据权利要求1所述的基于机会约束规划的家庭能量优化调度方法，其特征在于，步骤(3)中，所述各类负荷满意度模型为：

一级负荷：

二级负荷：

M_a＝log_k-[(k-1)q-k]，k＝10 (5)

三级负荷：

M_a＝1 (6)

系统满意度：

max M＝∑_a∈DM_a (7)

其中，M_a表示负荷a的满意度值，M为系统的总体满意度。

4.根据权利要求1所述的基于机会约束规划的家庭能量优化调度方法，其特征在于：步骤(4)中，所述储能装置的电池为锂离子蓄电池。

5.根据权利要求1所述的基于机会约束规划的家庭能量优化调度方法，其特征在于，步骤(4)中，所述基于储能设备的能量优化调度模型如下公式所示：

目标函数：

机会约束条件：

P_r＝{fⁱ≤δ}≥α (10)

储能约束条件：

其中，为决策变量，表示i时段的充放电功率，大于0表示放电，小于0表示充电；P_batmin、P_batmax为值的上下限，表示充放电功率的最小、最大值；为概率密度函数已知的随机变量，δ为相对误差，α为给定的置信水平；表示i时段的实时电价，表示i时段家庭负荷的总功率，表示光伏发电功率，表示储能装置电池的电量，C_bat表示锂离子蓄电池的容量，SOCⁱ表示电池i时段的荷电状态；SOC_min、SOC_max为其值的上下限，表示电池荷电状态的最小、最大值；

当光伏出力满足负荷需求或不满足但电池放电量可以弥补负荷需求时，控制PV停止供电；仅当且电池所放电量不能满足负荷需求时，控制储能装置充电，PV进行供电。