CN111541245A - 一种智能家庭能量管理系统控制方法 - Google Patents
一种智能家庭能量管理系统控制方法 Download PDFInfo
- Publication number
- CN111541245A CN111541245A CN202010368444.6A CN202010368444A CN111541245A CN 111541245 A CN111541245 A CN 111541245A CN 202010368444 A CN202010368444 A CN 202010368444A CN 111541245 A CN111541245 A CN 111541245A
- Authority
- CN
- China
- Prior art keywords
- management system
- energy management
- variables
- intelligent
- household
- 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.)
- Withdrawn
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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种智能家庭能量管理系统控制方法,分析智能家庭能量管理系统的组成部分,确定智能家庭能量管理系统的优化变量、约束条件与目标函数;基于高斯拟合办法对于智能家庭能量管理系统的变量进行论域划分,确定隶属函数;结合目标函数与Apriori算法,获取智能家庭能量管理系统输入变量与输出变量之间的关系,建立模糊推理规则库;采用最大隶属原则进行模糊推理,将推理结果利用重心法进行解模糊处理,作为能量路由器的输入,实现对智能家庭能量管理系统的控制。本发明控制更加稳定有效,对计算能力的需求也是最小的,并且可以实现定性语言与定量的转换,更符合人们日常逻辑习惯。
Description
技术领域
本发明属于智能电网领域,特别涉及一种智能家庭能量管理系统的控制方法。
背景技术
随着电力需求的持续增长、传统能源紧缺形势的不断加深以及环境问题的日益突出,分布式电源尤其是可再生能源发电技术的发展获得了广泛支持。分布式电源具有能源利用效率高、清洁环保、安装地点灵活等多方面的优点,可以有效地解决目前电网中成本高、运行难度大等许多潜在问题,为我国节能减排措施的开展提供了保障。在此前提下,智能家庭能量管理系统作为大电网智慧分布在各个家庭的代理终端,可以有效地帮助用户改善能源消费组成,加速传统电网向智能电网转化的进程,实现用户与电网的响应互动。然而,智能家庭能量管理系统的控制方法,主要通过外界的预测数据(实时电价日前预报、负荷预测、可再生能源的出力预测等)进行混合整数线性规划,计算复杂度高、时间长,抗干扰性较差。
发明内容
本发明的目的在于提供一种智能家庭能量管理系统的控制方法。
实现本发明目的的技术解决方案为:一种智能家庭能量管理系统的控制方法,包括以下步骤:
步骤一、分析智能家庭能量管理系统的组成部分,确定智能家庭能量管理系统的优化变量、约束条件与目标函数;
步骤二、基于高斯拟合方法对于智能家庭能量管理系统的变量进行论域划分,确定隶属函数;
步骤三、结合目标函数与Apriori算法,获取智能家庭能量管理系统输入变量与输出变量之间的关系,建立模糊推理规则库;
步骤四、采用最大隶属原则进行模糊推理,将推理结果利用重心法进行解模糊处理,作为能量路由器的输入,实现对智能家庭能量管理系统的控制。
本发明与现有技术相比,其显著优点在于:(1)控制逻辑充分考虑了负荷和分布式电源的不确定性以及分时电价,能够体现分布式电源的出力特性和负荷随自然条件的变化,更接近于实际;(2)模糊控制方法不依赖实时电价日前预报、负荷预测、可再生能源的出力预测等大量预测数据,控制更加稳定有效,而且对计算能力的需求也是最小的,可以实现定性语言与定量的转换,更符合人们日常逻辑习惯。
附图说明
图1是智能家庭能量管理系统的控制方法流程图。
图2是智能家庭能量管理拓扑结构图。
图3是家庭净负荷、家庭储能SOC、实时电价、系统购入功率的隶属函数曲线图。
图4是智能家庭能量管理模糊控制的主要流程图。
具体实施方式
下面结合附图和具体实施例,进一步说明本发明方案。
如图1所示,智能家庭能量管理系统的控制方法,包括以下步骤:
步骤一、分析智能家庭能量管理系统的组成部分,确定智能家庭能量管理系统的优化变量、约束条件与目标函数;
如图2所示,智能家庭能量管理系统由能量路由器、即用即插接口与家庭设备组成。其中,即用即插接口可以快速识别接入电网的设备身份,将其分类为负荷、储能或电源;而能量路由器则可以监控实时数据,控制家庭设备的接入与断开,实现整个系统与外界的能量交换控制。
智能家庭能量管理系统的能流交换主要集中在分布式电源、外部电网、家庭负荷与家庭储能之间。对于整个家庭系统来说,其目的是在尽可能消纳更多的新能源的同时保证家庭运行成本的最小,因而该系统的优化变量为家庭向电网购入的功率。具体函数表示为:
(1)式中,λ为家庭运行成本,仅考虑向电网购电的成本;Pin为家庭向电网购入的功率;δ(t)为一天的实时电价函数;T为一个家庭能量管理系统的运行周期,T=24h。
家庭系统应该满足分布式电源、外部电网、家庭负荷与家庭储能之间的实时功率平衡约束,表达式为:
(2)式中,Pnet为家庭净负荷,是家庭负荷Pload与分布式电源PDG的差;PSOC为家庭储能设备的功率,PSOC>0则表示储能向外放电,反之,则为吸收。
步骤二、利用峰值变换与合成的方法对于智能家庭能量管理系统的变量进行模糊化建模,确定隶属函数。
由(2)式可知,优化变量Pin与Pnet、PSOC相关,而储能设备的荷电状态SOC可以影响Psoc,实时电价δ又会影响Pnet的大小。因此,可以将Pnet、SOC与δ作为智能家庭能量管理系统的输入变量,Pin作为智能家庭能量管理系统的输出变量。
利用峰值变换与合成的方法对系统的变量进行模糊化建模,具体步骤为:
1)对输入输出变量Pin、Pnet、SOC、δ的历史数据进行统计分析,剔除校正不合理数据后,对变量的数据拟合,生成各自的频率分布函数gm(x),m=1,2,3,4,分别表示4 个变量;
2)对4个频率分布函数分别进行高斯拟合,进而将频数分布函数转化为多个高斯函数叠加的形式;
3)将步骤2)中变量各自对应的的多个高斯函数进行合成,转换为三角隶属函数形式,从而将输入输出变量划分为5个层次,分别为较低、低、正常、高以及较高,生成的各变量的模糊隶属函数如图3所示。
步骤三、结合目标函数与Apriori算法,获取智能家庭能量管理系统输入变量与输出变量之间的组合关系,建立模糊推理规则库。具体算法如下:
(1))对于历史数据预处理,利用步骤二所得的隶属函数将数值型变量转换为定性变量;
(2)利用Apriori算法对历史数据中出现的定性变量组合进行关联挖掘,得出N种可能的组合情况,只要某组情况出现重复4次以上就认为数据之间存在相应的关联,定义关联贡献度为概念组合发生的频率,得到M组有一定相关性的概念组合。
(3)根据生活经验与目标函数,对于挖掘得到的模糊规则库中的规则进行判别,删除不合理的规则,如电量不够,还不买外界的电网的情况。得到的模糊规则库如如表 1—表5所示:
表1电价较低时的购入电量
表2电价低时的购入电量
表3电价中等时的购入电量
表4电价高时的购入电量
表5电价高时的购入电量
步骤四、采用最大隶属原则进行模糊推理,将推理结果利用重心法进行解模糊处理,作为能量路由器的输入,实现对智能家庭能量管理系统的控制。
如图4所示,一个典型的模糊控制系统由模糊变量与模糊推理规则库组成。将输入变量输入系统之后进行模糊化处理,通过模糊规则的推理合成得到模糊输出变量,只需对输出变量数据进行反模糊化处理,即可得到相应的控制变量,大大减小了计算复杂度。这里模糊推理的规则合成采用最大隶属度原则,将推理结果利用重心法进行解模糊处理,作为能量路由器的输入,可以实现对智能家庭能量管理系统的控制。
综上所述,利用本发明方法,可以降低对预测数据的依赖,实时性较强;而且通过自然语言对控制逻辑建模,操作简单易懂,便于用户的实际操作与修改。
Claims (4)
1.一种智能家庭能量管理系统控制方法,其特征在于,包括以下步骤:
步骤一、分析智能家庭能量管理系统的组成部分,确定智能家庭能量管理系统的优化变量、约束条件与目标函数;
步骤二、基于高斯拟合办法对于智能家庭能量管理系统的变量进行论域划分,确定隶属函数;
步骤三、结合目标函数与Apriori算法,获取智能家庭能量管理系统输入变量与输出变量之间的关系,建立模糊推理规则库;
步骤四、采用最大隶属原则进行模糊推理,将推理结果利用重心法进行解模糊处理,作为能量路由器的输入,实现对智能家庭能量管理系统的控制。
2.如权利要求1所述的智能家庭能量管理系统的控制方法,其特征在于,步骤一中,分析智能家庭能量管理系统的组成部分,确定智能家庭能量管理系统的优化变量、约束条件与目标函数,具体为:
智能家庭能量管理系统由能量路由器、即用即插接口与家庭设备组成,其中,即用即插接口用于识别接入电网的设备身份,将其分类为负荷、储能或电源;能量路由器用于监控实时数据,控制家庭设备的接入与断开,实现整个系统与外界的能量交换控制;
智能家庭能量管理系统的能流交换主要集中在分布式电源、外部电网、家庭负荷与家庭储能之间,对于整个家庭系统来说,其目的是在尽可能消纳更多的新能源的同时保证家庭运行成本的最小,因而该系统的优化变量为家庭向电网购入的功率,具体函数表示为:
(1)式中,λ为家庭运行成本,仅考虑向电网购电的成本;Pin为家庭向电网购入的功率;δ(t)为一天的实时电价函数;T为一个家庭能量管理系统的运行周期,T=24h;
家庭系统应该满足分布式电源、外部电网、家庭负荷与家庭储能之间的实时功率平衡约束,表达式为:
(2)式中,Pnet为家庭净负荷,是家庭负荷Pload与分布式电源PDG的差;PSOC为家庭储能设备的功率,PSOC>0则表示储能向外放电,反之,则为吸收。
3.如权利要求2所述的智能家庭能量管理系统的控制方法,其特征在于,步骤二中,利用峰值变换与合成的方法对于智能家庭能量管理系统的变量进行模糊化建模,确定隶属函数,具体为:
1)对输入输出变量Pin、Pnet、SOC、δ的历史数据进行统计分析,剔除校正不合理数据后,对变量的数据拟合,生成各自的频率分布函数gm(x),m=1,2,3,4,分别表示4个变量;
2)对4个频率分布函数分别进行高斯拟合,进而将频数分布函数转化为多个高斯函数叠加的形式;
3)将步骤2)中变量各自对应的的多个高斯函数进行合成,转换为三角隶属函数形式,从而将输入输出变量划分为5个层次,分别为较低、低、正常、高以及较高,生成的各变量的模糊隶属函数将Pnet、储能设备的荷电状态SOC与实时电价δ作为智能家庭能量管理系统的输入变量,Pin作为智能家庭能量管理系统的输出变量。
4.如权利要求1所述的智能家庭能量管理系统的控制方法,其特征在于,步骤三中,结合目标函数与Apriori算法,获取智能家庭能量管理系统输入变量与输出变量之间的组合关系,建立模糊推理规则库,具体为:
(1))对于历史数据预处理,利用隶属函数将数值型输入输出变量转换为定性变量;
(2)利用Apriori算法对历史数据中出现的定性变量组合进行关联挖掘,得出N种可能的组合情况,只要某组情况出现重复4次以上就认为数据之间存在相应的关联,得到M组有一定相关性的概念组合;
(3)对于挖掘得到的模糊规则库中的规则进行判别,删除不合理的规则,得到的模糊规则库如如表1—表5所示:
表1电价较低时的购入电量
表2电价低时的购入电量
表3电价中等时的购入电量
表4电价高时的购入电量
表5电价高时的购入电量
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010368444.6A CN111541245A (zh) | 2020-04-30 | 2020-04-30 | 一种智能家庭能量管理系统控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010368444.6A CN111541245A (zh) | 2020-04-30 | 2020-04-30 | 一种智能家庭能量管理系统控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111541245A true CN111541245A (zh) | 2020-08-14 |
Family
ID=71977560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010368444.6A Withdrawn CN111541245A (zh) | 2020-04-30 | 2020-04-30 | 一种智能家庭能量管理系统控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111541245A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779493A (zh) * | 2021-09-16 | 2021-12-10 | 重庆大学 | 一种多智能家庭的分布式智能能量管理方法 |
-
2020
- 2020-04-30 CN CN202010368444.6A patent/CN111541245A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779493A (zh) * | 2021-09-16 | 2021-12-10 | 重庆大学 | 一种多智能家庭的分布式智能能量管理方法 |
CN113779493B (zh) * | 2021-09-16 | 2024-05-07 | 重庆大学 | 一种多智能家庭的分布式智能能量管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
Wang et al. | Multi-objective energy management system for DC microgrids based on the maximum membership degree principle | |
Huang et al. | A mixed integer optimization method with double penalties for the complete consumption of renewable energy in distributed energy systems | |
CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
Yao et al. | A novel category-specific pricing strategy for demand response in microgrids | |
CN114021965A (zh) | 一种梯级水电站群多目标多模式智能切换的优化调度方法 | |
Dong et al. | Intelligent decision-making of distribution network planning scheme with distributed wind power generations | |
CN111541245A (zh) | 一种智能家庭能量管理系统控制方法 | |
Wang et al. | A Review of air conditioning load aggregation in Distribution networks | |
CN112001578A (zh) | 一种适用于广义储能资源优化调度方法及系统 | |
Guo | A Study of Smart Grid Program Optimization Based on K-Mean Algorithm | |
CN115293649A (zh) | 一种区配电网智能精细化降损方法 | |
Zhu et al. | DSM and optimization of multihop smart grid based on genetic algorithm | |
Lang et al. | Analysis of residents differentiated power consumption behavior based on load classification | |
Li et al. | Study of Long-Term Energy Storage System Capacity Configuration Based on Improved Grey Forecasting Model | |
CN115186882A (zh) | 一种基于聚类的可控负荷空间密度预测方法 | |
Liu et al. | Research on Modeling the Optimization of Power Load Combination for Power Sales Company | |
CN112561299A (zh) | 一种园区综合能源源荷储精准画像系统 | |
Shao et al. | Optimization method based on load forecasting for three-phase imbalance mitigation in low-voltage distribution network | |
Wang et al. | New Energy Utilization Rate and Coal Energy Economic Development Based on the Fuzzy Network Algorithm | |
Chen et al. | Load Prediction Model of Integrated Energy System Based on CNN-LSTM | |
Balasubramanyam et al. | Dynamic energy management system of microgrid using AI techniques: A comprehensive & comparative study | |
Ren et al. | Research on Aggregate Load Prediction Methods | |
Gao et al. | Coordinated Management and Control Strategy in the Low-Voltage Distribution Network Based on the Cloud-Edge Collaborative Mechanism |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200814 |
|
WW01 | Invention patent application withdrawn after publication |