CN110503461A - 一种智能电网中基于住宅用户聚类的需求响应方法 - Google Patents
一种智能电网中基于住宅用户聚类的需求响应方法 Download PDFInfo
- Publication number
- CN110503461A CN110503461A CN201910699319.0A CN201910699319A CN110503461A CN 110503461 A CN110503461 A CN 110503461A CN 201910699319 A CN201910699319 A CN 201910699319A CN 110503461 A CN110503461 A CN 110503461A
- Authority
- CN
- China
- Prior art keywords
- user
- appliance
- power
- residential
- demand response
- 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.)
- Granted
Links
- 230000004044 response Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005265 energy consumption Methods 0.000 claims abstract description 52
- 230000005611 electricity Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 5
- 230000006854 communication Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000005553 drilling Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Abstract
本发明公开了一种智能电网中基于住宅用户聚类的需求响应方法,包括如下步骤:收集住宅用户的历史用电数据;通过收集的数据建立用户的用电器模型;通过收集的数据建立用户的特征模型;通过收集的数据使用聚类算法将住宅用户分为若干类;对于不同类型的用户给予不同的满意度、公平性和总成本系数,计算总的花费。本发明考虑了住宅用户的电器能耗模式、电力成本、用户满意度、公平性和能耗习惯等重要因素,从住宅用户的用电历史数据中提取新的特征以描绘用户的特征,并应用聚类的方法来探索用户的电力消费习惯,并进一步使用这些信息以更灵活且有效的方式调度住宅用户的用电行为,降低电网系统的支出和电网的电力峰值均值比。
Description
技术领域
本发明属于智能电网技术领域,具体涉及一种智能电网中基于住宅用户聚类的需求响应方法。
背景技术
智能电网是一种现代电力网,它使用信息和通信技术在供电端检测和收集需求端的用电状态。需求响应是智能电网中最重要的技术之一,因为它可以降低电网的峰值需求并平滑需求概况,从而降低整体的电力供应成本。
电力公司通过实施不同类型的需求响应程序以管理住宅客户的能源消耗。概括地说,需求响应程序可以分为两种类型:基于控制的需求响应程序和基于动机的需求响应程序。根据做出决策的角色所处的位置,基于控制的需求响应程序可以进一步分为两类:集中式和分布式方案。在集中式方案中,由电力公司做出决策,电力公司利用集中式基础设施收集用户的用电信息,并在考虑电网技术限制的情况下集中优化用户的能源消耗。虽然集中控制很简单,但集中优化的规模随着住宅设备的数量而增加,并且从大量设备中如何准确地收集信息也是一个巨大的挑战。分布式架构在可扩展性和客户参与方面提供了更大的灵活性。客户将根据负荷需求情况和从电力公司收到的价格信号,然后相互协调。虽然分布式控制方案为客户提供了更多的所有权,但它可能无法确保设备运行的最佳性能并导致电网的产生新的安全问题。
激励需求响应程序进一步分为两类:基于激励的需求响应程序和基于价格的需求响应程序。基于激励的需求响应程序鼓励客户根据实际的能源需求或根据客户与电力公司之间的合同协议减少能源消耗。在这种方案下,需求响应管理员可以在某些情况下采取措施,例如:直接重新安排,减少或断开某些设备,然后奖励受影响的客户。但是,这种直接控制设备的方法可能会导致客户的隐私泄漏并带来新的安全问题。在基于价格的需求响应中,客户可获得随时间变化的电价信息。这一方案采用的方法是在用电高峰时段增加电价,并在用电少的时段减少电价。价格信号可以帮助减少电力负荷的峰谷间隙,并影响客户的能源消耗行为,从而实现削峰填谷的目标。此类定价方案的例子有:使用时间价格(ToU),峰值价格(CPP)和实时价格(RTP)。尽管基于价格的需求响应程序可以避免客户隐私和安全问题,但是参与该方案的客户需要即时响应价格信号,并且定价机制本身可能对消费者造成不公平。研究表明,采用各种需求响应程序均可大降低电网的总能量成本或用电峰值均值比。
到目前为止,已经有广泛的数学方法来解决基于成本最小化的需求响应问题,包括线性和动态编程方法,启发式方法,博弈论方法,模糊方法等。此外,基于机器学习和基于深度学习的方法也被广泛用于解决需求响应问题。所有这些已有的文献主要集中在优化客户的负载曲线,即平滑需求曲线或降低电网的峰值均值比。但是,客户的角色在电力公司和电器之间的互动中也很重要。从客户的角度来看,满意度,公平性和能耗偏好程度应该是先前关注的问题。例如,在需求响应程序中,一些客户可能更关心电价,而其他客户可能会更加关注电力消耗的舒适度。现有的需求响应程序并没有同时考虑电力成本,用户满意度和公平性的影响。
所以,需要一个新的技术方案来解决这个问题。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种智能电网中基于住宅用户聚类的需求响应方法,其考虑了住宅用户的电器能耗模式、电力成本、用户满意度、公平性和能耗习惯等重要因素,以更灵活更有效的方式调度住宅用户的用电行为,能够有效的降低电网系统的支出和电网的电力峰值均值比。
技术方案:为实现上述目的,本发明提供一种智能电网中基于住宅用户聚类的需求响应方法,包括如下步骤:
S1:收集住宅用户的历史用电数据;
S2:通过收集的数据建立用户的用电器模型;
S3:通过收集的数据建立用户的特征模型;
S4:通过收集的数据使用聚类算法将住宅用户分为若干类;
S5:对于不同类型的用户给予不同的满意度、公平性和总成本系数,计算总的花费。
进一步的,所述步骤S1具体为:一个智能电网环境中有N个住宅用户和一家电力公司,令代表住宅用户的集合,住宅用户通过双向通信网络连接到电力公司,电力公司能够和住宅用户传输电力数据,监控用户的用电器耗电情况,并能够直接控制用户的电器以实施需求响应程序,令代表1天中的时间间隙的集合,T为时间间隙总数,一个住宅用户中有多种电器,令表示用户拥有的用电器集合,Au为u的用电器总数量。
进一步的,所述步骤S2中用电器模型包括可调节负载的用电模型,可调度负载的用电模型和固定负载的用电模型,所述步骤S2中用电器模型的具体建立方法为:
S2-1:计算用户的可调节负载的用电模型,其计算公式为:
其中表示用户u的所有可调节负载在时刻t的总的能源使用数量,cu表示用户的可调节电器的集合,为用户u的可调节电器a在时间间隙t的用电情况,其计算公式为:
其中二进制变量Iu,a,t=0/1代表u的电器a在时间间隙t的工作状态:0代表关闭,1代表开启,Eu,a,t为电器a在t时刻的的能源消耗;
S2-2:计算用户的可调度负载的用电模型,其计算公式为:
其中表示用户u的所有可调度负载在时刻t的总的能源使用数量,Su表示用户的可调节电器的集合,为用户u的可调度电器a在时间间隙t的用电情况,其计算公式为:
其中为用户u的电器a的用电模式,代表可调度电器要完成它的工作所需要的最小时间间隙,表示用户u的电器a开始工作的时间;
S2-3:计算用户的固定负载的用电模型,其计算公式为:
其中表示用户u的所有固定负载在时刻t的总的能源使用数量,表示用户u的固定负载的电器集合,为用户u的电器a在时间间隙t的历史用电数据;
S2-4:计算用户的总能耗模型,其计算公式为:
进一步的,所述步骤S3中特征模型包括灵活性因子模型和中断容忍程度因子模型,特征模型的具体建立方法为:
S3-1:计算用户的灵活性因子模型,其计算公式为:
其中σu,a是用户u的电器α的能耗分布的标准差,其通过历史能耗数据进行计算,wa是电器a的权重因子,其计算公式为:
其中powera是电器a的功率;
S3-2:建立用户的中断容忍程度因子模型,其计算公式为:
其中interu,a表示用户u的电器a的中断容忍程度,也就是电器a一天的平均中断次数。
进一步的,所述步骤S4具体为:采用K-means聚类算法,将用户聚类成C类,聚类过程中使用的特征为:建筑类型;建筑的年份;建筑的总面积;建筑的房间数量;建筑的用电器总数量;建筑的太阳能光伏板的面积;建筑的上一个月的总用电量;建筑的太阳能光伏板的上一月的总发电量;用户的灵活性因子;用户的中断容忍程度因子。
进一步的,所述步骤S5具体为:
S5-1:计算用户的不满意程度,其计算公式为:
其中muns≥0和nuns≥0是两个系数,ju,t是电力公司执行需求响应程序前后的能源消耗之差:
其中是用户u在时间间隙t的历史平均能源消耗总量。
S5-2:计算用户的不公平程度,其计算公式为:
其中munf≥0和nunf≥0是两个系数,ku,t是用户u和其他用户的平均能耗之差:
S5-3:计算用户的能源成本,其计算公式为:
其中mcost≥0和ncost≥0是由电力公司设定的两个系数;
S5-4:计算每个种群的总支出,种群c中所有用户在时间间隙t时的总支出计算公式为:
其中,αc,βc,γc是种群c中的用户对于不满意程度,不公平程度和电力成本的关注度系数,并且αc+βc+γc=1,因此,最佳能耗调度问题的计算公式如下:
进一步的,所述步骤S2-1中受到以下条件的限制:
其中,表示用户u的电器a的基础能源消耗,和分别表示用户u的电器a的电器用电弹性系数的上限和下限。
进一步的,所述步骤S2-2中用户u的电器a的用电模式的计算公式为:
进一步的,所述步骤S2-2中对于每个可调度电器a,一旦开始工作后,将持续工作个时间间隙直到完成整个工作。
进一步的,所述步骤S5-4中根据求解的最佳能耗调度问题的最优结果对用户的用电器进行调度。
有益效果:本发明与现有技术相比,考虑了可调度负载的用电模式,使得模型更接近现实世界,在减少用户能源花费的同时,考虑了用户的满意度和公平性,其将需求响应程序建模为一个优化问题,在这模型中考虑了多个因素,包括住宅电器的能耗模式,电力成本,用户满意度和公平性多个因素,在满足用户需求的前提下,降低了用户整体花费和用电峰值均值比。
附图说明
图1为本发明的系统结构图;
图2为本发明方法的流程示意图;
图3为本发明方法实施前后每时间片电力消耗对比图;
图4为本发明方法实施前后峰值均值比对比图;
图5为本发明方法实施前后每度电平均花费对比图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
如图1所示,本实施例将本发明方法应用于智能电网环境中,如图1所示,一个智能电网环境中有N个住宅用户和一家电力公司,令u={1,...,N}代表住宅用户的集合,住宅用户通过双向通信网络连接到电力公司,电力公司能够和住宅用户传输电力数据,监控用户的用电器耗电情况,并在必要的时候能够直接控制用户的电器以实施需求响应程序。
如图2所示,本实施例中本发明提供一种智能电网中基于住宅用户聚类的需求响应方法,其具体步骤如下:
1)电力公司收集住宅用户的历史用电数据:
令代表1天中的时间间隙的集合,例如15分钟/时间间隙,则T=96,一个住宅用户中有许多种电器,令表示用户拥有的用电器集合,Au为u的用电器总数量。
2)电力公司计算住宅用户的可调节负载能耗模型:
可调节负载:这类电器在时间间隙内的用电量是可任意调节的,例如电动汽车和空调,电力公司可以在每个时隙期间控制它们的能量消耗。将用户u的此类型电器记为集合电力公司可以改变电动车的充电率和改变空调的预设温度来控制这些设备的操作以达到控制用电量的目的。对于每个时间间隙t使用一个二进制变量Iu,a,t=0/1来代表u的电器a在时间间隙t的工作状态:0代表关闭,1代表开启。假设电器a在t时刻是开启的,将它的的能源消耗记为Eu,a,t,那么用户u的电器a在时刻t的实际用电表达如下:
令表示用户u的电器a的基础能源消耗,和分别表示用户u的电器a的电器用电弹性系数的上限和下限,那么此类电器的用电调度将受到以下条件的限制:
用户u在时刻t的所有的可调节负载的能源消耗可表示为:
3)电力公司计算住宅用户的可调度负载能耗模型:
可调度负载:这类电器的运行时间能够提前或者向后推迟,然而,这类电器一旦启动,就必须一次性完成整个工作过程。将用户u的此类型电器记为集合这类型的电器包含洗衣机,水泵,洗碗机等。这类电器的另一重要的特征是它们具有特定的工作模式。例如一台洗衣机的工作过程可以分为若干个步骤:浸泡,洗涤和甩干,在每个步骤内它的能源消耗都是不同的。在进行调度决策时,需求响应方案应当考虑此类设备的能耗模式。
令表示用户u的电器a的能耗向量,其中代表可调度电器要完成它的工作所需要的最小时间间隙。则用户u的可调度电器a的用电模式可表达如下:
令表示用户u的电器a开始工作的时间。那么,用户u的电器a在时刻t的实际用电表达如下:
对于每个可调度电器a,用户u都设定了它能够调度的开始和结束时间和对于每个可调度电器a和每个时间间隙t,令zu,a,t这一辅助的二进制变量来表示电器是否开始工作:zu,a,t=1表示用户u的电器a在t时刻开始工作;zu,a,t=0表示在t时刻没有工作。因此有如下限制:
并且
那么开始时间矩阵Zu×a×t里的元素与状态指示矩阵Iu×a×t中的元素间的关系如下所示:
这表明如果zu,a,t=1,那么并且一旦一个可调节负载开始工作,它将会持续工作个时间间隙。所以,用户u在时刻t的所有的可调度负载的能源消耗可表示为:
4)电力公司计算住宅用户的固定负载能耗模型:
固定负载:这类电器在运行时电力公司不适合进行控制,例如电磁炉,电视机,照明灯等。用户u在时刻t的所有的固定负载的能源消耗可表示为:
其中,表示用户u的固定负载的电器集合,为用户u的电器a在时间间隙t的历史用电数据。对于固定负载,电力公司将不会执行任何的需求响应程序,因为它会极大的影响用户的便利性。
因此,用户u在时间间隙t的总的能源消耗表示如下:
5)电力公司计算住宅用户的用电灵活性因子:
用户的灵活性因子:对于电器a,它的灵活性因子通过其电力消耗分布的标准差来计算。在此基础上,用户u的灵活性因子定义为:
其中σu,a是用户u的电器a的能耗分布的标准差,其通过历史能耗数据进行计算。wa是电器a的权重因子,其定义为:
其中powera是电器a的功率。灵活性较小的用户倾向于承担相对较少的需求响应责任。相反的,灵活性因子更高的用户将会承担更多的需求响应责任。
6)电力公司计算住宅用户的用电中断容忍程度因子:
用户的中断容忍程度因子:对于电器a,它的中断容忍程度interu,a通过一天中的平均中断次数来计算。在此基础上,用户u的中断容忍程度因子定义为:
中断容忍程度因子小的用户可以更持续地使用设备。另一方面,如果用户的中断容忍程度因子较大,则用户将在他们的日常生活中接受更多的中断情况。
7)电力公司利用多个特征采用K-means算法对住宅用户进行聚类:
基于K-Means聚类算法,电力公司将用户聚为C类种群,聚类过程中使用的特征为:建筑类型;建筑的年份;建筑的总面积;建筑的房间数量;建筑的用电器总数量;建筑的太阳能光伏板的面积;建筑的上一个月的总用电量;建筑的太阳能光伏板的上一月的总发电量;用户的灵活性因子;用户的中断容忍程度因子。不同种群中的用户对不满意程度,不公平程度和电力成本给予不同程度的关注。通过不同的参数设置,需求响应程序将为不同种群中的客户提供不同的策略。
8)电力公司计算用户的不满意程度:
不满意度程度:用于衡量用户在采取需求响应程序后的不满意程序,它是一个凸函数。凸函数的性质表明每个额外的能量消耗偏差都将导致客户产生更大的不满意程度。用户u在时间间隙t的不满意程度定义为:
其中muns≥0和nuns≥0是两个系数,ju,t是电力公司执行需求响应程序前后的能源消耗之差:
其中是用户u在时间间隙t的历史平均能源消耗总量。
9)电力公司计算用户的不公平程度:
不公平性程度:用于衡量用户是否在需求响应程序中得到公平的对待。在不失一般性的情况下,使用凸函数进行定义:
其中munf≥0和nunf≥0是两个系数,ku,t是用户u和其他用户的平均能耗之差:
10)电力公司计算用户的能源成本:
能源成本:用户消耗电力所花费的开支。它是一个凸函数,即每个额外的能量消耗偏差都将导致客户产生更大的开支。用户u在时间间隙t的能源成本定义为:
其中mcost≥0和ncost≥0是由电力公司设定的两个系数,并且这两个系数通常都很小。
11)电力公司根据不同的用户类型设置不同的权重计算其总的花费,使整体花费最小化:
种群c中所有用户在时间间隙t时的总支出函数定义为:
其中,αc,βc,γc是种群c中的用户对于不满意程度,不公平程度和电力成本的关注度系数,并且αc+βc+γc=1。在这种情况下,需求响应程序旨在最大限度地减少所有用户在整个时间范围内的总支出。因此,最佳能耗调度问题的计算公式如下:
这个问题是一个混合整数线性规划问题,可以通过切割平面法,分支和有界方法等有效地解决。在求解完最佳能耗调度问题之后,电力公司按照求解的最优结果对用户的用电器进行调度。
本实施例中为了验证本发明的实际效果,进行了仿真实验,图3为本发明方法实施前后每个时间片电力消耗仿真对比,图4为本发明方法实施前后峰值均值比仿真对比图,图5为本发明的方法实施前后每度电平均花费仿真对比图,通过图3、图4和图5可见,在实施了本发明的方法之后,峰值均值比和每度电的平均花费都有较为明显的降低。
Claims (10)
1.一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:包括如下步骤:
S1:收集住宅用户的历史用电数据;
S2:通过收集的数据建立用户的用电器模型;
S3:通过收集的数据建立用户的特征模型;
S4:通过收集的数据使用聚类算法将住宅用户分为若干类;
S5:对于不同类型的用户给予不同的满意度、公平性和总成本系数,计算总的花费。
2.根据权利要求1所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S1具体为:一个智能电网环境中有N个住宅用户和一家电力公司,令代表住宅用户的集合,住宅用户通过双向通信网络连接到电力公司,电力公司能够和住宅用户传输电力数据,监控用户的用电器耗电情况,并能够直接控制用户的电器以实施需求响应程序,令代表1天中的时间间隙的集合,T为时间间隙总数,一个住宅用户中有多种电器,令表示用户拥有的用电器集合,Au为u的用电器总数量。
3.根据权利要求1所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S2中用电器模型包括可调节负载的用电模型,可调度负载的用电模型和固定负载的用电模型,所述步骤S2中用电器模型的具体建立方法为:
S2-1:计算用户的可调节负载的用电模型,其计算公式为:
其中表示用户u的所有可调节负载在时刻t的总的能源使用数量,Cu表示用户的可调节电器的集合,为用户u的可调节电器a在时间间隙t的用电情况,其计算公式为:
其中二进制变量Iu,a,t=0/1代表u的电器a在时间间隙t的工作状态:0代表关闭,1代表开启,Eu,a,t为电器a在t时刻的的能源消耗;
S2-2:计算用户的可调度负载的用电模型,其计算公式为:
其中表示用户u的所有可调度负载在时刻t的总的能源使用数量,Su表示用户的可调节电器的集合,为用户u的可调度电器a在时间间隙t的用电情况,其计算公式为:
其中为用户u的电器a的用电模式,代表可调度电器要完成它的工作所需要的最小时间间隙,表示用户u的电器a开始工作的时间;
S2-3:计算用户的固定负载的用电模型,其计算公式为:
其中表示用户u的所有固定负载在时刻t的总的能源使用数量,表示用户u的固定负载的电器集合,为用户u的电器a在时间间隙t的历史用电数据;
S2-4:计算用户的总能耗模型,其计算公式为:
4.根据权利要求1所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S3中特征模型包括灵活性因子模型和中断容忍程度因子模型,特征模型的具体建立方法为:
S3-1:计算用户的灵活性因子模型,其计算公式为:
其中σu,a是用户u的电器a的能耗分布的标准差,其通过历史能耗数据进行计算,wa是电器a的权重因子,其计算公式为:
其中powera是电器a的功率;
S3-2:建立用户的中断容忍程度因子模型,其计算公式为:
其中interu,a表示用户u的电器a的中断容忍程度,也就是电器a一天的平均中断次数。
5.根据权利要求1所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S4具体为:采用K-means聚类算法,将用户聚类成C类,聚类过程中使用的特征为:建筑类型;建筑的年份;建筑的总面积;建筑的房间数量;建筑的用电器总数量;建筑的太阳能光伏板的面积;建筑的上一个月的总用电量;建筑的太阳能光伏板的上一月的总发电量;用户的灵活性因子;用户的中断容忍程度因子。
6.根据权利要求1所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S5具体为:
S5-1:计算用户的不满意程度,其计算公式为:
其中muns≥0和muns≥0是两个系数,ju,t是电力公司执行需求响应程序前后的能源消耗之差:
其中是用户u在时间间隙t的历史平均能源消耗总量。
S5-2:计算用户的不公平程度,其计算公式为:
其中munf≥0和nunf≥0是两个系数,ku,t是用户u和其他用户的平均能耗之差:
S5-3:计算用户的能源成本,其计算公式为:
其中mcost≥0和ncost≥0是由电力公司设定的两个系数;
S5-4:计算每个种群的总支出,种群c中所有用户在时间间隙t时的总支出计算公式为:
其中,αc,βc,γc是种群c中的用户对于不满意程度,不公平程度和电力成本的关注度系数,并且αc+βc+γc=1,因此,最佳能耗调度问题的计算公式如下:
7.根据权利要求3所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S2-1中受到以下条件的限制:
其中,表示用户u的电器a的基础能源消耗,和分别表示用户u的电器a的电器用电弹性系数的上限和下限。
8.根据权利要求3所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S2-2中用户u的电器a的用电模式的计算公式为:
9.根据权利要求3所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S2-2中对于每个可调度电器a,一旦开始工作后,将持续工作个时间间隙直到完成整个工作。
10.根据权利要求6所述的一种智能电网中基于住宅用户聚类的需求响应方法,其特征在于:所述步骤S5-4中根据求解的最佳能耗调度问题的最优结果对用户的用电器进行调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699319.0A CN110503461B (zh) | 2019-07-31 | 2019-07-31 | 一种智能电网中基于住宅用户聚类的需求响应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699319.0A CN110503461B (zh) | 2019-07-31 | 2019-07-31 | 一种智能电网中基于住宅用户聚类的需求响应方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503461A true CN110503461A (zh) | 2019-11-26 |
CN110503461B CN110503461B (zh) | 2023-06-09 |
Family
ID=68586790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910699319.0A Active CN110503461B (zh) | 2019-07-31 | 2019-07-31 | 一种智能电网中基于住宅用户聚类的需求响应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503461B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016817A (zh) * | 2020-08-14 | 2020-12-01 | 南京航空航天大学 | 一种智能电网中基于同伴效应的需求响应方法 |
CN112578690A (zh) * | 2020-12-18 | 2021-03-30 | 山东盛帆蓝海电气有限公司 | 一种楼宇能耗智能管控系统及方法 |
CN112834837A (zh) * | 2020-11-20 | 2021-05-25 | 国网天津市电力公司 | 基于非侵入式负荷监测的用户行为精细化分析方法 |
CN113327065A (zh) * | 2021-06-30 | 2021-08-31 | 中国人民解放军国防科技大学 | 针对发电侧的用户复杂用电情况的能源管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130262040A1 (en) * | 2012-03-28 | 2013-10-03 | Solarcity Corporation | Systems and methods for home energy auditing |
CN105631542A (zh) * | 2015-12-24 | 2016-06-01 | 国网甘肃省电力公司电力科学研究院 | 一种家庭用户智能用电模式调度方法 |
CN108776939A (zh) * | 2018-06-07 | 2018-11-09 | 上海电气分布式能源科技有限公司 | 用户用电行为的分析方法及系统 |
CN109840631A (zh) * | 2019-01-21 | 2019-06-04 | 长安大学 | 一种面向居民住宅群的用电调度优化方法 |
CN110059895A (zh) * | 2019-05-06 | 2019-07-26 | 上海上塔软件开发有限公司 | 基于用户行为的电器需求响应潜力分析方法 |
-
2019
- 2019-07-31 CN CN201910699319.0A patent/CN110503461B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130262040A1 (en) * | 2012-03-28 | 2013-10-03 | Solarcity Corporation | Systems and methods for home energy auditing |
CN105631542A (zh) * | 2015-12-24 | 2016-06-01 | 国网甘肃省电力公司电力科学研究院 | 一种家庭用户智能用电模式调度方法 |
CN108776939A (zh) * | 2018-06-07 | 2018-11-09 | 上海电气分布式能源科技有限公司 | 用户用电行为的分析方法及系统 |
CN109840631A (zh) * | 2019-01-21 | 2019-06-04 | 长安大学 | 一种面向居民住宅群的用电调度优化方法 |
CN110059895A (zh) * | 2019-05-06 | 2019-07-26 | 上海上塔软件开发有限公司 | 基于用户行为的电器需求响应潜力分析方法 |
Non-Patent Citations (1)
Title |
---|
王堃等: ""用电采集大数据的用户用电行为分析研究"", 《电力大数据》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016817A (zh) * | 2020-08-14 | 2020-12-01 | 南京航空航天大学 | 一种智能电网中基于同伴效应的需求响应方法 |
CN112016817B (zh) * | 2020-08-14 | 2023-12-26 | 南京航空航天大学 | 一种智能电网中基于同伴效应的需求响应方法 |
CN112834837A (zh) * | 2020-11-20 | 2021-05-25 | 国网天津市电力公司 | 基于非侵入式负荷监测的用户行为精细化分析方法 |
CN112834837B (zh) * | 2020-11-20 | 2022-12-09 | 国网天津市电力公司 | 基于非侵入式负荷监测的用户行为精细化分析方法 |
CN112578690A (zh) * | 2020-12-18 | 2021-03-30 | 山东盛帆蓝海电气有限公司 | 一种楼宇能耗智能管控系统及方法 |
CN112578690B (zh) * | 2020-12-18 | 2022-07-01 | 山东盛帆蓝海电气有限公司 | 一种楼宇能耗智能管控系统及方法 |
CN113327065A (zh) * | 2021-06-30 | 2021-08-31 | 中国人民解放军国防科技大学 | 针对发电侧的用户复杂用电情况的能源管理方法及系统 |
CN113327065B (zh) * | 2021-06-30 | 2023-08-22 | 中国人民解放军国防科技大学 | 针对发电侧的用户复杂用电情况的能源管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110503461B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adika et al. | Autonomous appliance scheduling for household energy management | |
Makhadmeh et al. | Optimization methods for power scheduling problems in smart home: Survey | |
CN110503461B (zh) | 一种智能电网中基于住宅用户聚类的需求响应方法 | |
Ozturk et al. | An intelligent home energy management system to improve demand response | |
US20110258018A1 (en) | System and method for scheduling demand response events in a network | |
Gaur et al. | Demand side management in a smart grid environment | |
CN103617566B (zh) | 一种基于实时电价的智能用电系统 | |
Lee et al. | Residential electricity load scheduling for multi-class appliances with time-of-use pricing | |
Huang et al. | Cost-Effective and comfort-aware electricity scheduling for home energy management system | |
Lee et al. | Optimal power management for nanogrids based on technical information of electric appliances | |
CN104778504A (zh) | 一种家庭用户智能家电的用电安排优化方法 | |
Hansen et al. | Demand response in smart grids: Participants, challenges, and a taxonomy | |
Oladeji et al. | A genetic algorithm approach to energy consumption scheduling under demand response | |
Bejoy et al. | Optimal scheduling of appliances through residential energy management | |
Devidas et al. | Design and implementation of user interactive wireless smart home energy management system | |
Kong et al. | Power retailer air-conditioning load aggregation operation control method and demand response | |
Aduda et al. | Towards critical performance considerations for using office buildings as a power flexibility resource-a survey | |
CN106685313B (zh) | 用于光伏电站的发电控制方法、装置及光伏电站 | |
Gkatzikis et al. | Electricity markets meet the home through demand response | |
Nizami et al. | Optimal scheduling of electrical appliances and DER units for home energy management system | |
Yang et al. | Bi-level decentralized control of electric heating loads considering wind power accommodation in real-time electricity market | |
Tiwari et al. | Optimal scheduling of home appliances under automated demand response | |
Nezhad et al. | A Centralized Home Energy Management System to Minimize Consumer's Electricity Bill | |
CN206370695U (zh) | 一种光伏电站 | |
Kou et al. | A distributed demand response algorithm and its application to campus microgrid |
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 |