CN112068439B - 一种基于可再生能源共享模型的家庭能源管理优化方法 - Google Patents
一种基于可再生能源共享模型的家庭能源管理优化方法 Download PDFInfo
- Publication number
- CN112068439B CN112068439B CN202010985759.5A CN202010985759A CN112068439B CN 112068439 B CN112068439 B CN 112068439B CN 202010985759 A CN202010985759 A CN 202010985759A CN 112068439 B CN112068439 B CN 112068439B
- Authority
- CN
- China
- Prior art keywords
- power
- user
- particle
- electricity
- day
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于可再生能源共享模型的家庭能源管理优化方法,包括,将一天时间均匀分割为48个时间段,得到调度空间;根据用户所期望智能电器的工作方式将其分为刚性电器和柔性电器,并设定柔性电器日前工作数据,包括每个柔性电器启停时间和完成工作所需时间;运营商通过智能电表获取所述用户电器工作数据,计算用户用电总功率;利用Osterwald物理类预测策略预测日前光伏发电量并获取电网发布的实时电价及峰值功率限制,生成优化调度模型;利用改进二进制粒子群算法优化求解所述优化调度模型,得到家庭能源管理最优解。本发明改进的二进制粒子群算法在综合个体和全局最优粒子位置的基础上采用动态概率的方法直接更新下一代粒子,使算法收敛速度更快,优化效果更优。
Description
技术领域
本发明涉及家庭能源优化的技术领域,尤其涉及一种基于可再生能源共享模型的家庭能源管理优化方法。
背景技术
作为智能电网在居民用户侧的延伸,家庭能源管理系统通过对家庭电器负荷的优化调度可以提升居民用户参与需求响应能力、提高居民用户侧的用电效率、减少能源浪费。但是传统的家庭能源管理系统中需要用户自己投资安装可再生能源发电系统及储能系统等硬件设施,不但费用高昂而且需要负责维护,费时费力。并且用户之间不存在能源共享渠道而导致可再生能源发电无法得到高效合理的利用。此外,传统家庭能源管理系统只注重单个用户优化用电,最大化降低用电成本,忽略了“余电上网”对配电网的影响。大量分布式可再生能源发电接入配电网会造成电网电流谐波畸变、电压波动、电压偏差等一系列电能质量问题。可再生能源发电宜就地消纳。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种基于可再生能源共享模型的家庭能源管理优化方法,能够为用户提供电能及用电优化服务。
为解决上述技术问题,本发明提供如下技术方案:包括,将一天时间均匀分割为48个时间段,得到调度空间;根据用户所期望智能电器的工作方式将其分为刚性电器和柔性电器,并设定柔性电器的日前工作数据;运营商智能电表获取所述电器工作数据,计算用户用电总功率;利用Osterwald物理类预测策略预测日前光伏发电量并获取电网发布的实时电价及峰值功率限制,生成优化调度模型;利用改进二进制粒子群算法优化求解所述优化调度模型,得到家庭能源管理最优解。
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:生成所述优化调度模型包括,调度过程中所有功率需满足平衡,光伏发电功率遵循“自发自用,余电上网”原则,如果售电量超过所述电网提供的售电峰值功率,则被迫丢弃,光伏发电功率平衡式如下:
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:还包括,用户电器消耗的功率一部分由光伏电源提供,另一部分从电网购买,功率平衡式如下:
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:具体包括,用户买、卖电功率必须受买、卖电峰值功率限制的约束,如下:
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:所述改进二进制粒子群算法中粒子更新策略包括,判断个体最优和全局最优位置状态是否相同;若相同,则设置粒子位置状态更新概率为Ps并根据Ps更新粒子位置状态;若不同,则设置所述粒子位置更新概率为Pd并根据Pd更新粒子位置状态。
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:还包括,
其中,pbest、gbest分别表示种群中个体最优位置、全局最优位置,Ps、Pd是粒子位置状态更新的概率,其更深含义是粒子的位置状态趋向种群最优位置状态的程度,简称趋优度,Ps、Pd的值越大,趋优度越大,反之越小,Ps、Pd的取值均大于0.5。
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:所述优化求解包括对粒子编码,初始化粒子群;求解每个粒子适应度(电费),找出全局最优粒子和种群个体最优粒子循环迭代更新下一代粒子,直到达到最大迭代次数,得到最优解。
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:所述粒子编码包括,用户i一天中H个时间段所有柔性电器的工作状态组成一个粒子,用矩阵Si表示,如下:
作为本发明所述的基于可再生能源共享模型的家庭能源管理优化方法的一种优选方案,其中:还包括,采用所述Osterwald物理类预测方法,根据日前气象预报的辐射和温度数据计算太阳能光伏发电的功率输出,如下:
本发明的有益效果:一、本发明改进的二进制粒子群算法在综合个体和全局最优粒子位置的基础上采用动态概率的方法直接更新下一代粒子,使算法收敛速度更快,优化效果更优;二、建立共享的光伏发电系统供用户共享,解决了不同用户间没有能源共享渠道的弊端,在一定程度上改善传统的用电模式中光伏利用率低、大量售电给电网甚至弃电的现象;三、运营商统一投资、安装和维护共享的可再生能源发电系统,供用户共享,解决了用户无法承担安装可再生能源发电系统等硬件设施的费用问题,也不再需要用户费时费力的去维护;四、运营商为用户提供用电优化服务,运营商通过智能电表收集用户用电信息,综合光伏发电量及电网发布的实时电价和买、卖电峰值功率限制的信息,经过数据服务中心的优化计算合理安排用户电器工作时间,充分利用不同用户之间用电的差异性和互补性,增加了用户对可再生能源的消化能力和利用率;五、用户对可再生能源发电量利用率的提高了,减少了给电网的售电量,从而减少对电网电能质量的影响;减少了从电网的购电量,从而减少输配电网的压力及线损,同时进一步减少用户用电费用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的流程示意图;
图2为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的家庭能源管理系统结构示意图;
图3为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的二进制粒子群中粒子的位置更新示意图;
图4为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的不可中断电器的编码示意图;
图5为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的可中断电器的编码示意图;
图6为本发明第一个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的改进二进制粒子群算法优化求解流程示意图;
图7为本发明第二个实施例所述的基于可再生能源共享模型的家庭能源管理优化方法的各用户刚性电器功率图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图2,基于可再生能源共享模型下的家庭能源管理系统,简称共享型家庭能源管理系统(Shared Home Energy Management System,SHEMS)包含多个拥有智能电器的家庭用户、共享型可再生能源发电系统(如光伏发电系统)、云端数据服务中心等,系统中光伏发电系统由运营商统一投资安装和维护,可以安装在居民屋顶、车棚顶部、附近的空地等;类似移动、联通等电信公司,共享型家庭能源管理系统可以分区设立运营商,运营商会为用户提供电能和电器用电优化服务,而用户只需向附近的运营商订购相关服务即可。
参照图1,用户只设定柔性电器的工作数据,包括每个柔性设备工作的起、停时间及用户需要改柔性电器完成指定任务所需的时间,运营商可以用智能电表时刻收集用户家用智能电器的用电信息并传回云端数据服务中心,数据服务中心收到用户的用电信息后会综合电网发布的实时电价、峰值功率限制以及光伏发电量等信息经过优化计算将调度结果传给智能电表安排电器工作。
参照图1~图6,为本发明的第一个实施例,提供了一种基于可再生能源共享模型的家庭能源管理优化方法,包括:
S1:将一天时间均匀分割为48个时间段,得到调度空间。其中需要说明的是:
将一天均匀分割成48个时间段;
S2:根据用户所期望智能电器的工作方式将其分为刚性电器和柔性电器,并设定柔性电器的工作数据。参照图4和图5,本步骤需要说明的是:
根据用户所期望智能电器的工作方式,将电器分为刚性电器和柔性电器;
刚性电器(如照明、电脑等)具有很强的刚性,在调度时间上没有弹性,用户一旦需要其工作必须无条件开启;
柔性电器(如烘干机、洗衣机等)具有较好的时间弹性,这些电器的工作时间可以适度调整,通过优化调度选择低电价时段启动可以减少用户用电费用;
柔性电器又分为可中断电器和不可中断电器;
可中断电器在所期望的工作时间域内处于工作或闲置未定,以经济运行为调度目标合理调度;
S3:运营商智能电表获取用户设定的电器工作数据,计算用户用电总功率。其中还需要说明的是,计算用户用电总功率包括:
S4:利用Osterwald物理类预测策略预测日前光伏发电量并获取电网发布的实时电价及峰值功率限制,生成优化调度模型。本步骤还需要说明的是:
优化调度需要根据光伏发电量决策各时间段电网购电量及电器的工作状态,采用Osterwald物理类预测方法,根据日前气象预报的辐射和温度数据计算太阳能光伏发电的功率输出,如下:
进一步的,生成优化调度模型包括:
调度过程中所有功率需满足平衡,光伏发电功率遵循“自发自用,余电上网”原则,如果售电量超过电网提供的售电峰值功率,则被迫丢弃,光伏发电功率平衡式如下:
用户电器消耗的功率一部分由光伏电源提供,另一部分从电网购买,功率平衡式如下:
具体包括,
用户买、卖电功率必须受买、卖电峰值功率限制的约束,如下:
优化调度目标为最大化利用光伏发电功率,即尽量减少电网购电量,降低用户用电费用,则优化调度目标函数如下:
S5:利用改进二进制粒子群算法优化求解优化调度模型,得到家庭能源管理最优解。参照图3,本步骤还需要说明的是,改进二进制粒子群算法中粒子更新策略包括:
判断个体最优和全局最优位置状态是否相同;
若相同,则设置粒子位置状态更新概率为Ps并根据Ps更新粒子位置状态;
若不同,则设置粒子位置状态更新概率为Pd并根据Pd更新粒子位置状态;
具体的,还包括:
其中,pbest、gbest分别表示种群中个体最优位置、全局最优位置,Ps、Pd是粒子位置状态更新的概率,其更深含义是粒子的位置状态趋向种群最优位置状态的程度,简称趋优度,Ps、Pd的值越大,趋优度越大,反之越小,为了避免粒子陷入局部最优,本发明采用动态的Ps、Pd,在优化初期Ps、Pd取较小值,使粒子的位置不易趋向种群最优位置,增强其全局搜索能力,随着优化代数的增加,Ps、Pd的取值不断增大,增大粒子趋优度,增强其局部搜索能力,此外,考虑到全局最优和个体最优是从粒子群中选出的较优者以及全局最优一般优于个体最优,因此Ps、Pd的取值均大于0.5。
进一步的,优化求解包括:
对粒子编码,初始化粒子群;
求解每个粒子适应度(电费),找出全局最优粒子和种群个体最优粒子;
循环迭代更新下一代粒子,直到达到最大迭代次数,得到最优解。
再进一步的,粒子编码包括:
用户i一天中H个时间段所有柔性电器的工作状态组成一个粒子,用矩阵Si表示,如下:
较佳的,优化调度模型的求解本质上就是在多种约束条件下寻找所有电器的一个最优的工作状态集合,因此家庭能源调度是一个多约束非线性0-1整数规划问题,采用改进的二进制粒子群优化算法优化求解。
优选的,本实施例还需要说明的是,粒子群中位置的更新本质上是兼顾种群中个体最优位置(局部最优)和全局最优位置(全局最优)来更新下一代粒子的位置,从而产生更优的一代,达到不断优化的目的;因此,本发明对传统的BPSO算法做了改进,改进的二进制粒子群优化算法(Improved Binary Particle Swarm Optimization,IBPSO)中没有速度的概念,粒子位置状态的更新直接综合个体最优位置pbest和全局最优位置gbest通过动态概率更新。
通俗的说,本发明改进的二进制粒子群算法在综合个体和全局最优粒子位置的基础上采用动态概率的方法直接更新下一代粒子,使算法收敛速度更快,优化效果更优;建立共享的光伏发电系统供用户共享,解决了不同用户间没有能源共享渠道的弊端,在一定程度上改善传统的用电模式中光伏利用率低、大量售电给电网甚至弃电的现象;用户对可再生能源发电量利用率的提高,减少了给电网的售电量,可以减少对电网电能质量的影响,减少了从电网的购电量,可以减少输配电网的压力及线损,同时进一步减少用户用电费用,不同运营商之间的余电可以共享,最大化利用可再生能源发电,减少对电网的售电量和购电量。
实施例2
参照图7,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种基于可再生能源共享模型的家庭能源管理优化方法的验证,包括:
本实施例利用5个家庭用户进行实验,实验中将一天24小时分为48个时间段,每个时间段时长Δh=30min,在实验中利用真实的光伏发电数据和实时电价代替预测数据,用户柔性电器用电信息参数如表1所示(*表示不可中断任务,否则为可中断任务;用户有该任务为Y,否则为N),刚性电器功率
如图7所示:
表1:各用户柔性电器相关参数表。
BPSO和IBPSO算法性能对比:
利用用户1的用电数据分别使用两种算法做了优化调度,BPSO和IBPSO优化结果如下表所示:
表2:两种算法优化结果对比表。
算法 | 优化用时/秒 | 优化结果/元 |
BPSO | 13.79s | 19.16 |
IBPSO | 3.70s | 17.94 |
不同用电模式实验的结果对比:
传统的用电模式:
在该实验中,本文假设40%的用户(用户1和用户2)安装了5kW的光伏发电系统,并进行了用户独立优化用电实验,实验结果如表3所示:
表3:传统用电模式中电费及用电相关数据表。
SHEMS用电模式
在该实验中,采用共享型家庭能源管理系统优化策略,同时实现光伏的共享和优化调度的共享,假设运营商同样提供10kW的光伏发电系统供所有用户共享且为所有用户提供优化调度服务,实验结果如表4所示:
表4:SHEMS用电模式下电费及用电相关数据表。
不同装机容量的光伏发电系统下的优化实验,结果见表5:
表5:光伏装机容量、总电费及用户用电相关数据表。
从表5中可以看出,总电费和购电量随着装机容量的增加而不断减小,在装机容量为14kW及以下时光伏发电量可以被用户全部利用,余电为零,在容量为15kW时,仅有0.23kWh的微量余电,这与传统用电模式在总装机容量为10kW时都有大量余电甚至有弃电的情况相比,再次证明了共享型家庭能源管理系统的优势。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于可再生能源共享模型的家庭能源管理优化方法,其特征在于:包括,
将一天时间均匀分割为48个时间段,得到调度空间;
根据用户所期望智能电器的工作方式将其分为刚性电器和柔性电器,并设定柔性电器日前工作数据,包括每个柔性电器启停时间和完成工作所需时间;
运营商通过智能电表获取所述用户电器工作数据,计算用户用电总功率;
利用Osterwald物理类预测策略预测日前光伏发电量并获取电网发布的实时电价及峰值功率限制,生成优化调度模型;
利用改进二进制粒子群算法优化求解所述优化调度模型,得到家庭能源管理最优解;
生成所述优化调度模型包括,
调度过程中所有功率需满足平衡,光伏发电功率遵循“自发自用,余电上网”原则,如果售电量超过所述电网提供的售电峰值功率,则被迫丢弃,光伏发电功率平衡式如下:
还包括,
用户电器消耗的功率一部分由光伏电源提供,另一部分从电网购买,功率平衡式如下:
用户买、卖电功率必须受买、卖电峰值功率限制的约束,如下:
优化调度目标为最大化利用光伏发电功率,即尽量减少电网购电量,降低用户用电费用,则优化调度目标函数如下:
所述改进二进制粒子群算法中粒子更新策略包括,
判断个体最优和全局最优位置状态是否相同;
若相同,则设置粒子位置状态更新概率为Ps并根据Ps更新粒子位置状态;
若不同,则设置所述粒子位置状态 更新概率为Pd并根据Pd更新粒子位置状态;
还包括,
2.根据权利要求1所述的基于可再生能源共享模型的家庭能源管理优化方法,其特征在于:所述优化求解包括,
对粒子编码,初始化粒子群;
求解每个粒子适应度即电费,找出全局最优粒子和种群个体最优粒子;
循环迭代更新下一代粒子,直到达到最大迭代次数,得到最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985759.5A CN112068439B (zh) | 2020-09-18 | 2020-09-18 | 一种基于可再生能源共享模型的家庭能源管理优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985759.5A CN112068439B (zh) | 2020-09-18 | 2020-09-18 | 一种基于可再生能源共享模型的家庭能源管理优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112068439A CN112068439A (zh) | 2020-12-11 |
CN112068439B true CN112068439B (zh) | 2022-10-21 |
Family
ID=73681329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010985759.5A Active CN112068439B (zh) | 2020-09-18 | 2020-09-18 | 一种基于可再生能源共享模型的家庭能源管理优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112068439B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117666449B (zh) * | 2024-01-31 | 2024-04-12 | 四川水利职业技术学院 | 一种基于计算机数据采集分析监控系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9367108B2 (en) * | 2012-06-28 | 2016-06-14 | Nec Corporation | Reduction of operational cost using energy storage management and demand response |
CN106845701B (zh) * | 2017-01-11 | 2019-11-08 | 东南大学 | 一种基于热网和房屋热惯性的综合能源系统优化方法 |
CN107807523A (zh) * | 2017-10-18 | 2018-03-16 | 国网天津市电力公司电力科学研究院 | 考虑分时电价的区域能源互联网多源协调优化运行策略 |
CN109449973B (zh) * | 2018-11-09 | 2022-02-15 | 西华大学 | 一种含光伏和储能的轨道交通供电系统能量优化方法 |
CN110209135B (zh) * | 2019-06-12 | 2021-05-25 | 东北大学 | 基于微型热电联产多时间尺度的家庭能源优化调度方法 |
CN110350523B (zh) * | 2019-07-10 | 2021-03-09 | 佳源科技有限公司 | 基于需求响应的多能源互补优化调度方法 |
CN111487873B (zh) * | 2020-06-12 | 2020-09-25 | 四川华泰电气股份有限公司 | 一种能源互联网能量分散协同控制方法 |
-
2020
- 2020-09-18 CN CN202010985759.5A patent/CN112068439B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112068439A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shafie-Khah et al. | A stochastic home energy management system considering satisfaction cost and response fatigue | |
Li | Optimal sizing of grid-connected photovoltaic battery systems for residential houses in Australia | |
Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
Chiu et al. | Pareto optimal demand response based on energy costs and load factor in smart grid | |
Celik et al. | Decentralized neighborhood energy management with coordinated smart home energy sharing | |
US10103550B2 (en) | Aggregated and optimized virtual power plant control | |
Lee et al. | Joint energy management system of electric supply and demand in houses and buildings | |
Jalili et al. | Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner | |
US11971185B2 (en) | Method for improving the performance of the energy management in a nearly zero energy building | |
CN108321796B (zh) | 家庭能量管理系统与方法 | |
Song et al. | Multi-objective optimization strategy for home energy management system including PV and battery energy storage | |
CN113328432A (zh) | 一种家庭能量管理优化调度方法及系统 | |
Ciabattoni et al. | Artificial bee colonies based optimal sizing of microgrid components: A profit maximization approach | |
Luo et al. | A novel forecast-based operation strategy for residential PV-battery-flexible loads systems considering the flexibility of battery and loads | |
Diekerhof et al. | Distributed optimization for scheduling electrical demand in complex city districts | |
CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
Zhi et al. | Scenario-based multi-objective optimization strategy for rural PV-battery systems | |
Pilz et al. | Selfish energy sharing in prosumer communities: A demand-side management concept | |
CN112068439B (zh) | 一种基于可再生能源共享模型的家庭能源管理优化方法 | |
Jin et al. | P2P power trading of nanogrids for power management in consideration of battery lifetime of ESS | |
Joseph et al. | Demand response program for smart grid through real time pricing and home energy management system | |
Garroussi et al. | A hybrid non-dominated sorting genetic algorithm for a multi-objective demand-side management problem in a smart building. | |
Dahiru et al. | Multi-configurational sizing and analysis in a nanogrid using nested integer linear programming | |
Ben Belgacem et al. | Design and Implementation of Multi-Source and Multi-Consumer Energy Sharing System in Collaborative Smart Microgrid Installation | |
CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 |
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 |