CN110289623A - 一种基于滚动优化的家庭能量管理分布式鲁棒调度方法 - Google Patents

Abstract

本发明涉及一种基于滚动优化的家庭能量管理分布式鲁棒调度方法，包括以下步骤：(1)构建家庭能量管理系统中电气设备的运行模型；(2)建立不确定参数的数学模型；(3)建立家庭能量管理系统的混合整数线性优化模型；(4)基于滚动优化的方法求解上述混合整数线性优化模型，方法如下：第一步：输入家庭电气设备的运行参数与用户舒适度设定参数以及上述混合整数优化模型到CPLEX求解器中；第二步：在每个时段开始时刻，输入由上一时段运行结束得到的实际室内温度与热水温度值，使用CPLEX求解器对上述混合整数线性优化调度模型进行求解，得到下一优化时域内的家庭电气设备的优化调度结果。

Description

一种基于滚动优化的家庭能量管理分布式鲁棒调度方法

技术领域

本发明属于智能用电技术领域，涉及一种调度方法。

背景技术

在高速通道技术、高级测量系统和用电智能调控技术等智能电网技术发展日渐成熟的环境下，传统的用户侧负荷成为一种新型可观、可控、可互动的需求响应资源。在此基础上，考虑到家庭用电量在全社会用电量中占很大比重，立足于家庭能量管理系统的用户侧需求响应资源的调度方法成为智能用电领域的热点。家庭能量管理系统依据制定的调度方法，响应电网侧多种电价机制的激励信号，优化各个家庭智能电气设备的运行，指导用户有序、经济用电，帮助用户智能地管理家庭电气设备，实现多元化和个性化的用电目标。而家庭住宅出于一个复杂的实时环境中，无时无刻地与外界环境进行着能量交互，家庭能量管理系统面临着多种不确定因素的挑战。由此带来的参数的随机性对家庭电气设备调度以及用户的用电舒适度造成较大影响。

发明内容

为了解决家庭智能用电系统中参数的不确定问题，使用基于滚动优化的分布式鲁棒优化方法，本发明在建立家庭能量管理系统的优化模型的基础上提供一种在不确定环境下对家庭电气设备的调度方法。本发明引入分布式鲁棒优化方法，将不确定参数表示为带有概率分布模糊集的区间数形式，通过分布式鲁棒近似方法将带有不确定参数的优化模型转化为可以求解的混合整数线性优化问题。该方法可以在不确定环境下保障用户舒适度，并且降低了优化结果的保守性，具有更好的经济性。将上述优化模型以滚动优化的方式利用更新的数据进行实时求解可以进一步降低不确定性对模型求解的影响，得到更好的优化结果。技术方案如下：

一种基于滚动优化的家庭能量管理分布式鲁棒调度方法，包括以下步骤：

(1)构建家庭能量管理系统中电气设备的运行模型

依据家庭能量管理系统中电气设备的不同电气特性，将其划分为可中断负荷、不可中断负荷、温控负荷与分布式发电设备，建立每种电气设备的运行模型。

(2)建立不确定参数的数学模型

输入所考虑时段的环境温度与热水用量的预测值，基于预测值建立不确定参数的分级区间数模型：

式中，与分别为第i等级下的第t时段的环境温度与热水用量的区间数；与分别为第i等级下的第t时段环境温度区间数的上下限；与分别为第i等级下的第t时段热水用量区间数的上下限；m为区间数的总等级。

基于上述分级区间数模型，通过测得的历史偏差数据，分别构造第t时段的环境温度θ_out,t的概率分布模糊集与第t时段的热水用量d_WH,t的概率分布模糊集

式中，和分别表示环境温度和热水用量位于区间数和之间的概率；和分别表示环境温度与热水用量处于最大等级区间数之间的概率；和表示环境温度和热水用量的概率分布；和表示基于区间数和的所有概率集合；与分别表示环境温度与热水用量在与概率分布下的期望值；θ_f,t与d_f,t分别表示第t时段室外温度与热水用量的预测值。

(3)建立家庭能量管理系统的混合整数线性优化模型

基于不确定参数的数学模型，构建用户舒适度约束的分布式鲁棒机会约束，使得室内温度与热水温度满足用户舒适度的概率不小于1-ε，ε为0到1之间的常数；依据条件风险值理论化简分布式鲁棒机会约束，之后将化简后的分布式鲁棒机会约束转化为线性约束，得到如下的用户舒适度约束：

式中，z_θ，β_θ，λ_θ,j和z_d，β_d，λ_d,j为实数，表示辅助变量；和分别表示用户设定的热水温度的上限和下限；和分别表示用户设定的室内温度的上限和下限；θ_room,t()与θ_water,t()分别表示根据环境温度与热水用量由空调与电热水器的热力学模型求得的第t时段的室内温度与热水温度。

以用户电费为目标函数，不同种电气设备的运行限制以及上述的用户舒适度线性约束为约束条件，得到基于分布式鲁棒优化的家庭能量管理系统的混合整数线性优化模型。

(4)基于滚动优化的方法求解上述混合整数线性优化模型，方法如下：

第一步：输入家庭电气设备的运行参数与用户舒适度设定参数以及上述混合整数优化模型到CPLEX求解器中；

第二步：在每个时段开始时刻，输入由上一时段运行结束得到的实际室内温度与热水温度值，使用CPLEX求解器对上述混合整数线性优化调度模型进行求解，得到下一优化时域内的家庭电气设备的优化调度结果。

附图说明

图1次日家庭光伏输出功率与不可调度负荷需求功率曲线

图2实时电价曲线

图3室外温度的预测数据与测试数据

图4热水用量的预测数据与测试数据

图5家庭各电气设备调度计划

图6室内温度曲线

图7热水温度曲线

图8不同优化时域下分布式鲁棒方法与一般鲁棒方法的用户电费

具体实施方式

本发明提供一种基于滚动优化的面向家庭能量管理系统的分布式鲁棒调度方法，所述方案包括以下步骤：

1)针对家庭能量管理系统中多种多样的设备，依据其电气设备，划分为可中断负荷、不可中断负荷、温控负荷与光伏分布式发电设备，建立每种电气设备的运行模型。

2)基于上述电气设备的运行模型，以家庭用户电费最小为目标函数，同时保障用户舒适性建立优化模型。

3)考虑环境温度和热水用量为不确定参数，将这两个参数表示为分级区间数，并构建其概率分布模糊集。

4)由于不确定参数为分级区间数，将其带入优化模型无法直接求解。所以，首先写出用户舒适度约束的分布式鲁棒机会约束的形式，之后使用分布式鲁棒优化近似方法将优化模型转化为混合整数线性优化问题进行求解。

5)将家庭各种电气设备参数以及不确定参数的数据输入到CPLEX优化求解器中，以滚动优化的方式求解得到调度结果。

所述步骤1中，家庭能量管理系统中含有多种电气设备，其运行模型如下：

(一)可中断负荷，设X_IL,t为可中断负荷在第t时段的工作状态(0表示不工作，1表示工作)，[b_IL,e_IL]为可中断负荷的允许工作时段；L_IL和P_IL,rate分别为负荷的所需工作时段数与额定功率。则可中断负荷工作约束可用下式表示：

P_IL,t＝X_IL,t*P_IL,rate

(二)不可中断负荷，设X_NIL,i为不可中断负荷在第t时段的工作状态(0表示不工作，1表示工作)，[b_NIL,e_NIL]为负荷的允许工作时段；L_NIL和P_NIL,rate分别为负荷的所需工作时长与额定功率。则不可中断负荷工作约束可用下式表示：

P_NIL,t＝X_NIL,t*P_NIL,rate

(三)温控负荷，选取空调与电热水器作为热负荷的典型代表。P_AC,t与P_AC,MAX分别为第t时段内空调的功率与空调的最大功率；P_WH,t与P_WH,MAX为第t时段内电热水器的功率与电热水器的最大功率。则温控负荷的工作功率约束如下：

0≤P_AC,t≤P_AC,MAX

0≤P_WH,t≤P_WH,MAX

空调的运行状态会对室内温度产生直接影响。设θ_room,t、θ_out,t分别表示室内和室外t时刻的温度；空调的主要热力学参数为热阻R和热容C。则空调热力学模型为：

θ_room,t＝θ_room,t-1·e^-Δt/RC+R·P_AC,t·(1-e^-Δt/RC)+θ_out,t·(1-e^-Δt/RC)

同理电热水器的运行状态对热水温度产生直接的影响。设θ_water,i为t时刻电热水器水箱中热水温度；d_WH,t为第t时段内用户热水用量；C_p表示水的比热容；γ_WH表示电热水器的散热效果，与时间步长以及环境温度有关，具体表示为在一个时间步长内通过水箱壁与环境空气的热量交换导致的温度下降数值；β_WH表示用户热水使用量对水温的影响，与用户热水用量有关。通过以上合理的简化热损耗可以得到电热水器热力学模型为：

(四)光伏分布式发电设备直接通过DC/AC逆变器挂载在家庭能量管理系统上。而其出力既可以供给系统内负荷使用，也可以逆向向电网送电。第t时段内光伏发电功率为P_PV,t。

所述步骤2中，家庭综合能量管理系统优化模型包含目标函数与约束条件。以用户净电费为目标函数，其值为购电电费与售电收益之差。设N为优化调度阶段内的总步长数，Δt为单个调度阶段时长，δ为耗电电气设备的集合，P_δ,t为对应的耗电设备的第t时段内用电功率；P_PV,t表是第t时段储能设备与分布式光伏的输出功率。price_buy,t和price_sell,t分别为第t时段系统与电网交互的购电与售电价格。则目标函数可以表示为：

约束条件主要为设备的运行约束以及用户的舒适度约束，其中可中断负荷、不可中断负荷以及温控负荷的运行约束条件已经在步骤1中展示。用户舒适度约束限制室内温度与热水温度处于一种用户满意的范围内，则用户舒适度约束如下：

所述步骤3中，由于从气象部门获取的室外温度预测值不免受到天气、地理预报准确度等因素的影响，用户热水用量受用户个人行为的影响较大，难以准确预测，并且这两个参数会对室内温度以及热水温度产生直接影响，导致用户舒适度约束遭到破坏，所以考虑室外温度与用户热水用量作为不确定参数。这两个不确定参数的分级区间数形式如下：

其中，表示第t时段内室外温度的第i等级区间数，与分别为其最小值与最大值；表示第t时段内热水用量的第i等级区间数，与分别为其最小值与最大值；m表示区间数的总等级数。

基于上述分级区间数，依据足够多的上述两个不确定参数的历史数据，构建其概率分布模糊集如下：

其中，和分别表示和的概率；和表示室外温度和热水用量的概率分布；和表示基于区间数和的所有概率集合；θ_f,t与d_f,t分别表示第t时段内室外温度与热水用量的预测值。

将步骤2中构建的优化模型中的室外温度以及热水用量替换为步骤3中的带有模糊概率分布集的分级区间数，此时优化模型中含有不确定参数无法直接求解。

在所述步骤4中，将上述含有不确定参数的优化模型转化为可以求解的混合整数线性规划问题。首先将用户舒适度约束转化为如下所示的分布式鲁棒机会约束的形式，使得室内温度与热水温度满足用户上下限要求的概率不小于1-ε。

依据条件风险值理论，上述分布式鲁棒机会约束可以简化为：

要使上述简化机会约束成立，当且仅当存在数z_θ，β_θ，λ_θ,j和z_d，β_d，λ_d,j满足如下各式：

其中，与表示当室外温度分别取与时，由空调的热力学模型算出的室内温度值；与表示当热水用量分别取与时，由电热水器的热力学模型算出的热水温度。将上述式子替换步骤2中的优化模型中的用户舒适度约束条件，则优化模型转化为可以求解的混合整数线性规划。至此，以家庭净电费为目标函数，考虑室外温度和热水用量为不确定参数的分布式鲁棒优化调度模型建立完毕。

所述步骤5中，将构建的分布式鲁棒优化调度模型以滚动优化的方式采用成熟高效的CPLEX求解器进行求解。滚动优化是一种典型的局部优化，只涉及整个优化时域的一个子集，这个子集称为优化时域，即步骤2目标函数中的N。滚动优化的实施过程为：在每个时段开始时刻，使用由上一时段运行结束得到的实际室内温度、热水温度值以及更新的预测值对分布式鲁棒优化调度模型进行求解，得到之后一个优化时域内的家庭电气设备的优化调度结果。使用CPLEX对优化调度模型的具体求解过程为：1.将电气设备模型的运行参数以及用户设定参数输入CPLEX求解器；2.在CPLEX求解器中输入构建的分布式鲁棒优化调度模型；3.利用CPLEX求解器求解，得到家庭能量管理系统中电气设备的优化调度结果。

以秋冬季某户的家庭能量管理系统为例，对优化调度方法在一天的时间内(0：00到24：00)进行模拟仿真。仿真每个时段的时间步长取15min，则一天有96个时段，优化时域为24个时段。由于采用滚动优化的方法，在本天较后时段确定优化时域内电气设备的运行状态时，不可避免的会延伸到第二天，因此本文假设第二天的数据同第一天。家庭光伏分布式发电设备输出功率与不可调度负荷的功率值见图1。灵活电力市场环境下，家庭的实时购电电价见图2。而售电电价取购电的二分之一。

家庭能量管理中参与调度的可中断型和不可中断型负荷的运行参数见表1。温控负荷的热力学模型中，空调的热阻和热容值分别为18℃/kW，0.525kWh/℃，电热水器的水箱容量为184L，等效热损耗参数γ_WH与β_WH分别为0.04℃，0.068℃/kg，水的比热容C_p为4185J/(kg·℃)。空调与电热水器的最大功率分别为1.8kW和3kW。用户舒适度约束中的室内温度的上下限设为24℃与20℃，热水温度上下限设为70℃与60℃。用户舒适度约束的分布式鲁棒机会约束形式中常数ε的值为0.05。

不确定参数室外温度与热水用量的数据分别见图3与图4。其中实线表示不确定参数的预测值，虚线为在预测值的基础上构建的测试值，用于检验所提出方法的在不确定参数波动情况下的鲁棒性。

使用本发明的调度方法，基于上述数据，由CPLEX求解得到家庭能量管理系统中各电气设备的调度结果如图5所示。从图5可以看出所有可中断和不可中断负荷均满足运行约束，温控负荷满足最大最大功率约束。基于上述调度结果，使用室外温度与热水用量的测试数据得到室内温度与热水温度分别如图6与图7所示。从图6与图7中可以看出，对于测试数据，由空调和电热水器的调度结果得到的室内室内温度与热水温度所有时段内都满足用户舒适度约束。由此可见，基于本发明提出的方法得到的调度结果对于不确定参数室外温度和热水用量具有很好的鲁棒性，可以很好地解决不确定性带来的挑战。

由上述调度结果，得到用户一天内的净电费为8.876元。同时优化时域的大小不同也会对调度结果有所影响，进而影响用户净电费。图8展示了对于不同优化时域，以滚动优化的方式，采用本发明的分布式鲁棒方法和一般鲁棒方法得到的用户一天的净电费。从图8可以看出，与一般鲁棒优化方法以滚动优化的方式运行相比，本发明的分布式鲁棒方法得到的用户电费更低。这表明本发明的方法在解决参数不确定性问题的同时，具有更小的保守性。同时，两种方法都在优化时域等于24个时段时取得最好的效果。

表1可中断、不可中断型调度负荷运行参数

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

Claims (1)

1.一种基于滚动优化的家庭能量管理分布式鲁棒调度方法，包括以下步骤：

(1)构建家庭能量管理系统中电气设备的运行模型

依据家庭能量管理系统中电气设备的不同电气特性，将其划分为可中断负荷、不可中断负荷、温控负荷与分布式发电设备，建立每种电气设备的运行模型。

(2)建立不确定参数的数学模型

输入所考虑时段的环境温度与热水用量的预测值，基于预测值建立不确定参数的分级区间数模型：

式中，与分别为第i等级下的第t时段的环境温度与热水用量的区间数；与分别为第i等级下的第t时段环境温度区间数的上下限；与分别为第i等级下的第t时段热水用量区间数的上下限；m为区间数的总等级；

基于上述分级区间数模型，通过测得的历史偏差数据，分别构造第t时段的环境温度θ_out,t的概率分布模糊集与第t时段的热水用量d_WH,t的概率分布模糊集

式中，和分别表示环境温度和热水用量位于区间数和之间的概率；和分别表示环境温度与热水用量处于最大等级区间数之间的概率；和表示环境温度和热水用量的概率分布；和表示基于区间数和的所有概率集合；与分别表示环境温度与热水用量在与概率分布下的期望值；θ_f,t与d_f,t分别表示第t时段室外温度与热水用量的预测值；

(3)建立家庭能量管理系统的混合整数线性优化模型

基于不确定参数的数学模型，构建用户舒适度约束的分布式鲁棒机会约束，使得室内温度与热水温度满足用户舒适度的概率不小于1-ε，ε为0到1之间的常数；依据条件风险值理论化简分布式鲁棒机会约束，之后将化简后的分布式鲁棒机会约束转化为线性约束，得到如下的用户舒适度约束：

式中，z_θ，β_θ，λ_θ,j和z_d，β_d，λ_d,j为实数，表示辅助变量；和分别表示用户设定的热水温度的上限和下限；和分别表示用户设定的室内温度的上限和下限；θ_room,t()与θ_water,t()分别表示根据环境温度与热水用量由空调与电热水器的热力学模型求得的第t时段的室内温度与热水温度；

以用户电费为目标函数，不同种电气设备的运行限制以及上述的用户舒适度线性约束为约束条件，得到基于分布式鲁棒优化的家庭能量管理系统的混合整数线性优化模型；

(4)基于滚动优化的方法求解上述混合整数线性优化模型，方法如下：

第一步：输入家庭电气设备的运行参数与用户舒适度设定参数以及上述混合整数优化模型到CPLEX求解器中；

第二步：在每个时段开始时刻，输入由上一时段运行结束得到的实际室内温度与热水温度值，使用CPLEX求解器对上述混合整数线性优化调度模型进行求解，得到下一优化时域内的家庭电气设备的优化调度结果。