CN110020754A - 基于专家经验库的楼宇微电网家用负荷快速调度方法 - Google Patents

Abstract

本发明公开了一种基于专家经验库的楼宇微电网家用负荷快速调度的方法。根据已有的专家经验库数据及相关调度方案，将住户用电数据与专家经验库数据通过AC算法进行快速匹配，匹配成功时则说明住户用电习惯特征相同，并直接调用已有的调度方案对住户进行优化调度，当匹配不成功时，通过多目标优化算法进行优化调度，得出的新的调度方案存入专家经验库，便于以后调度相同用电特征的住户。本发明弥补了依赖优化算法导致的优化时间过长的问题，明显加快了住户负荷的用电优化调度。

Description

基于专家经验库的楼宇微电网家用负荷快速调度方法

技术领域

本发明涉及楼宇全直流微网的住户家用负荷的快速调度方法，更确切的说是基于专家经验库的楼宇微网家用负荷快速调度方法。

技术背景

随着社会的不断发展，对不可再生能源的需求和消耗规模越来越大，现阶段化石能源的短缺和对能源的需求，急需开采和利用可再生能源。我国的太阳能和风能正在逐渐发展，但是存在大量的弃光、弃风等现象，所以能源消纳也值得我们的重视。直流微电网不仅能消纳分布式能源而且能为大电网提供一部分电能，在电网产生波动时还能脱离大电网实现孤岛运行状态。

随着时代的进步和社会经济的发展，楼宇住户用电日益上涨，据统计我国的楼宇居民用电上升至我国社会总用电的14.39％，楼宇住户用电占全球总能耗的40％。因此，对于楼宇住户家用负荷调度的研究尤为重要，实行对楼宇住户用电的智能化管理，降低住户用电量，实现节能减排、削峰填谷，并为环境保护做出了重大的贡献。

优化调度主要包括楼宇住户用电负荷的优化调度和电力系统环境的优化调度。目前已有相关学者采用贪婪迭代算法、MOEA/D多目标优化算法、改进的多目标分子动算法、双层离散粒子群算法、基于生物寄生行为的双种群万有引力搜索算法、改进的多目标灰狼算法等优化算法对楼宇住户用电设备进行调度，达到减少电费的目的，并实现电网的削峰填谷。还有部分学者考虑基于分时电价和实时电价环境下的需求响应来实现住户的调度。但是，基于国内外研究表明，仅仅靠电价和激励响应，无法吸引更多的楼宇住户参加调度；并且过分的依赖优化算法的优化效果，不仅优化时间长而且优化调度方案效果不够理想。

发明内容

本发明的内容是为了解决智能楼宇调度系统中住户数量较多、用电数据庞大而造成的依赖优化算法引起优化时间过长的问题，由此提出基于专家经验库快速调用此前已经优化调度过的调度方案，通过将新住户的用电数据与专家经验库中已有的用电数据对比，用电结构特征相似的可以直接调用专家经验库中已有的调度方案，缩短调度时间。用电结构不相似的再通过优化算法优化得到相应的调度方案，将新的调度方案存入专家经验库中，以便于以后类似的用户调度使用。

为达到上述目的，本发明采用如下技术方案：

本发明的目的是为了解决智能楼宇优化调度速度的问题，所以在住户用电数据和专家经验库数据匹配时需要用到快速匹配算法，将用电习惯相似的用电数据对应的调度方案直接调用，起到快速调度的目的。

模式匹配算法分为单模式匹配算法(BMH)和多模式匹配算法(AC)。单模式匹配算法结构简单，匹配速度相对较慢。多模式匹配算法能够对模式数据集合中的多个模式数据同时进行匹配，匹配速度相对较快。本发明中是使用多模式匹配算法中的AC(aho corasick)算法。AC(aho cora sick)算法是一种基于前缀匹配的多模式匹配算法。它是由有限状态自动机构造的，基于有限状态自动机扫描文本串中的每一个字符，根据自动机进行状态跳转和状态判断，从而进行模式数据匹配。AC算法中需要用到goto表、fail表和output表。

其中goto表的内容是由楼宇用电数据串构造的又穷状态自动机，通过构造算法中的Tree状结构，读取楼宇用电数据中的每一个数据串，创建该数据的分支，并把该分支添加到Tree状结构中。如果该数据的分支下已有重复的部分，则利用原有的重复部分来进行创建。

fail表用来记录当前状态自动机的状态，读入专家经验库的数据字符按照状态自动机来进行状态跳转，如果状态失效则表示匹配失败，fail函数会根据有穷状态自动机记录其跳转状态。

Output表是用来记录状态到达终止状态时，住户用电数据串的集合。当goto函数构造Tree结构时，每添加一个数据分支时，最后一个数据字符状态都会添加一个output表，当所有的数据状态结束时都会被写入output表中。

AC算法原理示意图,以模式数据集合p＝﹛ha，sha，his，haps﹜为例来构造有限状态自动机，Tree状结构图如图1所示。

具体步骤如下：

步骤1：输入住户用电数据；

步骤2：读入专家经验库数据

步骤3：依据有限状态自动机进行跳转；

步骤4：当匹配失效时，则依据fail表进行跳转，按照找各种方法对数据字符进行扫描，如果匹配成功，则将专家经验库数据对应已有的调度方案输出，跳到步骤6，否则进入步骤5；

步骤5：使用优化算法对住户用电数据进行优化调度，得到新的调度方案存入专家经验库；

步骤6：完成住户负荷调度

表1 fail表

表2 output表

本发明的优点：

(1)加入了专家经验库系统，在调度类型相同用电习惯相似的住户时，可以直接调用已有的调度方案提供给住户直接调度，节省大部分算法调度时间，弥补了使用各种优化算法时出现调度时间过长的问题。

(2)使用了快速匹配算法对住户用电数据和专家经验库数据进行快速匹配，其中使用到的AC算法匹配效率高，利用自身的有穷状态自动机在进行匹配时进行跳跃式匹配，当一部分字符不匹配时，可以从当前状态跳转到另一个状态，节省了匹配时间，并且专家经验库数据的复杂性对匹配算法的效率不影响。

(3)将经过优化算法优化后的新的调度方案写入专家经验库，扩充了经验库数据，有利于调度其他新住户快速调用已有的调度方案。

附图说明

图1为具体流程图

图2为goto函数构建的Tree状结构图

具体实施方式

下面结合附图和具体实例来进行说明。

首先将住户用电数据输入，并读入专家经验库数据，数据以字符串的形式输入系统，字符串数据p＝﹛ha，sha，his，haps﹜。

(1)输入第一个字符，如果第一个字符不是“h”，则表明不是该数据字符串的开头字符，执行0状态循环，不进行跳转；当第一个字符是h时，继续执行下一步，跳转到状态1，继续执行下一步状态2，数据“ha”匹配成功，完成第一组数据字符的匹配，并将状态终结状态记录到output表里。

(2)继续执行状态第二组数据字符的匹配，状态从0跳转到分支数据状态3，满足“s”，如果继续满足字符“h”，则跳转到状态4，最终字符如果时“a”，则跳转状态5，并也将终结状态记录进output表。

(3)然后接着匹配状态1的分支数据，看是否满足字符“i”，如果是则跳转到状态6，接下来如果字符满足“s”，则跳转状态7。接着输入“haps”字符串，如图2所示，字符成功匹配并在状态9完成终结，此时数据集合匹配成功，说明此用电数据满足专家经验库的匹配。

(4)如果输入数据字符“has”，在执行到状态2时，接下来的字符“p”不满足输入数据字符“s”，此时状态跳转到状态5，此操作就称为状态失配跳转，直接以状态5终结匹配，并记录到output表中。在数据匹配时，不管是正常跳转还是失配跳转，结果都会传回output表中。

上述已表明数据匹配成功，则直接调用原有的优化调度方案对住户进行用电调度，完成调度。

Claims (2)

1.基于专家经验库的楼宇微电网家用负荷快速调度方法，其特征在于，首先采集住户用电数据，然后通过AC算法将住户用电数据与专家经验库进行匹配搜索。当数据匹配成功时，直接调度已有的用电数据对应的调度方案，当数据失配时，经过优化算法优化得出新的优化调度方案，将其存入专家经验库，以便调用相同用电特征习惯的住户。

2.根据权利要求1提到的通过AC算法将住户用电数据与专家经验库数据进行匹配搜索，具体步骤如下：

(1)输入住户用电数据

(2)读入专家经验库数据，并以字符串的形式输入

(3)通过输入的字符是否满足跳转状态的条件进行跳转，如果满足跳转至下一状态，直到字符匹配成功，到达终结状态，并将结果存入output表中输出，如果不满足下一个字符的匹配，则跳转到前一个相同字符的状态终结此字符串的匹配进行下一个字符串的匹配搜索。无论匹配搜索是以正常跳转(goto函数)还是失配跳转(fail函数)结果都会存入output表中并输出结果。