CN112688312B - 一种实现考虑多种不确定因素的家庭能量管理综合方法 - Google Patents

一种实现考虑多种不确定因素的家庭能量管理综合方法 Download PDF

Info

Publication number
CN112688312B
CN112688312B CN202011475531.8A CN202011475531A CN112688312B CN 112688312 B CN112688312 B CN 112688312B CN 202011475531 A CN202011475531 A CN 202011475531A CN 112688312 B CN112688312 B CN 112688312B
Authority
CN
China
Prior art keywords
time
scheduling
electric automobile
real
load
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
Application number
CN202011475531.8A
Other languages
English (en)
Other versions
CN112688312A (zh
Inventor
傅质馨
李紫嫣
刘寒轩
李讴廷
叶雨诗
李新彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN202011475531.8A priority Critical patent/CN112688312B/zh
Publication of CN112688312A publication Critical patent/CN112688312A/zh
Application granted granted Critical
Publication of CN112688312B publication Critical patent/CN112688312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种实现考虑多种不确定因素的家庭能量管理综合方法，包括：给出家庭能量管理系统的基本模型；采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略；实时修正减小实时电价和分布式电源预测误差的影响；采用触发机制触发相关事件对用户随机用电行为的处理，根据上述电动汽车的不同使用模式选取调度方案；利用多种模式转换机制应对电动汽车的接入影响。本发明考虑了分布式电源出力预测带来的偏差、用户随机用电行为带来的影响以及电动汽车接入带来的能量变化等不确定因素，提出电动汽车的综合调度策略，在家庭能量调度过程中更为准确的反映家庭用户实际用能情况，灵活满足广大用户多方面用能需求，提高家庭能量管理智能化水平。

Description

一种实现考虑多种不确定因素的家庭能量管理综合方法
技术领域
本发明属于电力优化调度领域，涉及一种家庭能量优化方法，具体涉及一种实现考虑多种不确定因素的家庭能量管理综合方法。
背景技术
电力系统面临大量高渗透率分布式清洁能源的接入，这给系统的运行与控制带来前所未有的挑战。在此背景之下，持续的能源需求矛盾促使配电系统用户侧将从传统的单一能量消耗向更加完善的发、储、用电整体系统转化，而这种变化必将给电力系统带来显著的影响。一方面，用户侧多种分布式能源的不断加入给电力系统的规划运行和控制维护带来更大的压力。另一方面，在泛在电力物联网不断建设发展的情况下，信息感知、传输、处理技术的提升对用户侧用能的有效管理和监测有着莫大的帮助，使得过去被动的、不可控的用户负荷能够更加灵活可控地为电力系统需求进行调度，以此更有力的支持和逐步完善系统运行发展。可见，用户侧的发展对整个电力系统的安全稳定运行起着至关重要的作用。
但是现有方案大多着重于家庭能量管理系统本身，而忽略了一些实际不确定因素的存在，这些不确定因素在实际中普遍存在，往往会使预先给出的优化策略产生偏差变为次优，甚至使部分约束越限而无法满足用户的用电需求。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种实现考虑多种不确定因素的家庭能量管理综合方法，其考虑了分布式电源出力预测带来的偏差，用户随机用电行为带来的影响，以及电动汽车接入带来的能量变化等不确定因素，能够在家庭能量调度过程中更为准确的反映家庭用户实际用能情况，灵活满足广大用户多方面用能需求，提高家庭能量管理智能化水平。
技术方案：为实现上述目的，本发明提供一种实现考虑多种不确定因素的家庭能量管理综合方法，包括如下步骤：
S1：给出家庭能量管理系统的基本模型，将多种负荷分类，从调度层面将负荷分为基线负荷、可调负荷、家用光伏系统、电动汽车充放电模型，建立能够准确反映负荷用电模式和用电行为的设备模型；
S2：采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略；
S3：给出综合处理多种不确定因素的方法，实时修正减小实时电价和分布式电源预测误差的影响，采用元启发式算法对日前调度机制进行优化；
S4：给出综合处理多种不确定因素的方法，采用触发机制触发相关事件对用户随机用电行为的处理，设定设备优先级来减少用户随机行为的影响，根据上述电动汽车的不同使用模式选取调度方案，从而实现家庭智能用电；
S5：给出综合处理多种不确定因素的方法，利用多种模式转换机制应对电动汽车的接入影响，根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度进行模式划分。
进一步的，所述步骤S1中家庭能量管理系统的基本模型为：
可调度负荷分为可中断负荷和可转移负荷。可中断负荷包括家用加湿器、干衣机、水泵等，在其运行期间可以自由关断且不会对用户生活造成显著影响，如公式(1)：
Figure BDA0002837221820000021
式中：Pt d为设备d在t时刻的功率，σt为设备在t时刻的开关量，0为关闭，1为开启。tstart，tend为期望的开启和关闭时间，由用户设定。ttotal为设备的额定持续运行时间，λ为设备的最大延迟时间。
可转移负荷主要包括洗衣机、电饭煲、洗碗机等设备，其运行期间不可中断，但是其启动与运行时间可以根据用户需求灵活设定，如式(2)所示：
Figure BDA0002837221820000022
家用光伏系统的输出功率如式(3)所示：
Pv＝rηvAB (3)
式中：Pv表示光伏发电功率，r表示光照强度，ηv表示转换效率，A表示有效光照面积，B表示家用光伏板块数。
进行日前优化计划时，针对电动汽车的调度策略主要考虑电动汽车的能量消耗问题，其主要影响因素是电池的容量。由于家庭连接的电动汽车不需要考虑集中调度问题，也不需要考虑稳定负荷和频率，因此仅需要考虑电动汽车的能量充放电限制即可。采用荷电状态(SOC)表征电池容量限制条件：
SOCEV(t)＝Erem(t)/Emax (4)
SOCEV(t)＝Erem(t)/Emax (5)
式中：SOCmin和SOCmax表示电动汽车最低和最高的SOC限制，本发明中设SOCmin＝0.2，SOCmax＝0.9。
在电动汽车充电过程中SOC的动态变化如式(6)：
Figure BDA0002837221820000031
式中：
Figure BDA0002837221820000032
为电动汽车充放电功率，ηchr、ηdis为电动汽车充放电效率。
进一步的，所述步骤S2中采用遗传算法进行调度策略的优化，优化过程如下：
A1：定义相关参量：主要包括定义种群大小，迭代次数，交叉变异概率，编码采用二进制编码，采用整体用电花费最小为适应度函数。
A2：初始化：初始化负荷状态，种群状态，随机生成初始种群即初始解。
A3：适应度评估：根据适应度函数计算整体用电花费值，并按用电花费进行排序，保留最优解。
A4：交叉变异操作：采用轮盘赌选择，以随机方法进行交叉变异操作，并计算适应度函数值。
A5：循环判断：达到迭代结束条件终止运算，输出最优解，转换为相应设备的控制信息。
上述过程的整体思路为在设备约束时间下结合光伏系统出力和实时电价对家用设备进行合理调度，旨在满足用户用电要求的情况下使用户的电能花费最小。具体优化目标函数如式(7)：
Figure BDA0002837221820000033
式中：
Figure BDA0002837221820000034
和
Figure BDA0002837221820000035
分别为t时刻实时买电价格与售电价格，Pload和Psell分别为用电负荷和余电上网的功率。其中：
Figure BDA0002837221820000036
Figure BDA0002837221820000037
式中：Pmust(t)为基线负荷功率，Psch(t)为可调负荷功率，
Figure BDA0002837221820000038
为电动汽车充电功率。式(9)中Ppv(t)为剩余光伏功率，
Figure BDA0002837221820000039
电动汽车放电功率。
进一步的，所述步骤S3中考虑实时电价和分布式光伏系统预测偏差的方法为：
采用元启发式算法优化日前调度机制，结合次日需求的实时电价和光伏预测信息进行调度。日前调度策略在无突发行为下能够很好地通过调度负荷来节省用户的用电花费，但当出现预测信息的偏差和随机行为时将会因部分约束越限导致优化结果出现偏差。因此，本方法在日前调度的基础上结合实时信息的动态修正来应对此类问题。本方法中预测信息更新采用前一时刻真实值与预测值差值的和来修正，公式如下：
Figure BDA0002837221820000041
式中：
Figure BDA0002837221820000042
和
Figure BDA0002837221820000043
分别表示实时电价和光伏系统当前时刻的实时预测值，
Figure BDA0002837221820000044
和
Figure BDA0002837221820000045
表示实时电价和光伏的实际值。Δπrtp和Δπpv为实时电价和光伏的前一时刻实际值差值，由前两个时刻的实际值求得。
进一步的，所述步骤S4中处理用户随即用电行为的方法为：
由触发机制触发相关事件，由上一时刻运行设备数与当前任务状态结合设备优先级进行设备的延迟与停止。设备优先级的计算采用工作时间与剩余时间的比值表示。工作时间为可延迟工作的时间，即设定的结束时间与实际运行结束时间的差值。剩余时间指设备运行结束时间与当前时间的差值。剩余时间越长，工作时间越短优先级越低，越容易被控制延迟或者停止，具体公式如下：
Figure BDA0002837221820000046
式中：
Figure BDA0002837221820000047
表示设备a的优先级，tend为设备结束时间，trun为设备运行时间，
Figure BDA0002837221820000048
为设备的运行状态。
进一步的，所述步骤S5中利用多种模式转换机制应对电动汽车的接入影响的方法为：
本方法根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度分为三种模式。由于在家庭调度中电动汽车作为刚性负荷的调度是最简单状况，并未考虑在调度模式中。
模式一是使用模式，该模式下主要考虑用户的出行使用情况，调度准则为参与家用负荷的调度但是不对家用负荷进行放电，以便在减少用电成本的情况下仍能保持较高的SOC，保障随时应对出行需求，因此在调度时主要考虑控制其充电时间。
模式二是经济模式，该模式下主要目标是通过调度来最大程度地提升用电的经济性。在电动汽车接入后可根据用电状况和电价信息进行调度。主要调度思路是先满足调度需求再进行晚间充电。
模式三是闲置模式，该模式下电动车为闲置状态，次日无出行需求，可作为家用储能设备对待。电动汽车在白天连接时配合光伏系统充电以平抑光伏出力波动，在用电高峰期放电以应对电价的实时变化，但其基本电量应能满足应急出行需求。
在整体优化框架下，需根据上述电动汽车的不同使用模式选取调度方案，从而实现家庭智能用电。具体方案如下：
模式一：由于无需考虑电动汽车的放电行为，将其视为可调度负荷进行控制。整体过程仅需考虑光伏和实时电价的预测信息与用户随机用电行为这些不确定因素的发生。
模式二：虽然电动汽车可作为存储装置放电，但由于充电时间和次日出行需求的限制，在接入家庭能量系统后的有限时间内可以进行一个循环的充电行为。只需控制一个充放电周期的充电时间即可。同时由于白天电动汽车未接入系统，也无需考虑与光伏设备的配合。
模式三：电动汽车可充分发挥V2H(Vehicle to Home)的功能，将其视为有一定放电容量的蓄电池。调度过程较为复杂，需要考虑更长的时间域及多种因素，如车辆剩余电量、电价情况、负荷波动和光伏电量等决定其充放电状态以在适当时刻向负荷供能以减少电量花费。
本发明提出多种不确定因素的综合处理方法如分布式电源出力预测带来的偏差，用户随机用电行为带来的影响，以及电动汽车接入带来的能量变化。这些不确定因素在实际中普遍存在，往往会使预先给出的优化策略产生偏差变为次优，甚至使部分约束越限而无法满足用户的用电需求。因此给出一种综合考虑多种不确定因素的家庭能量管理调度策略具有十分重要的现实意义。
本发明将首先给出家庭能量管理系统的基本模型，其次采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略，同时给出综合处理多种不确定因素的方法：即通过实时修正来减小实时电价和分布式电源预测误差的影响，采用设备优先级设定来处理用户随机用电行为的影响，利用多种模式转换机制应对电动汽车的接入影响。最终通过仿真分析证明所给策略能够有效的应对多种不确定因素的发生并给出具有经济性和智能性的用电策略。
本发明将多种负荷分类，从调度层面将负荷分为基线负荷、可调负荷、家用光伏系统，进而基于建立能够准确反映负荷用电模式和用电行为的设备模型。本发明主要涉及到的家居用电设备包括：加湿器、热水器、洗碗机、洗衣机、干衣机、电饭煲、热水壶等日常家庭用电设备，以及电动汽车和家用光伏系统。基线负荷由于直接影响用户体验，所以不对其进行控制。可调度负荷分为可中断负荷和可转移负荷。可中断负荷包括家用加湿器、干衣机、水泵等，在其运行期间可以自由关断且不会对用户生活造成显著影响。可转移负荷主要包括洗衣机、电饭煲、洗碗机等设备，其运行期间不可中断，但是其启动与运行时间可以根据用户需求灵活设定。在进行日前优化计划时，针对电动汽车的调度策略主要考虑电动汽车的能量消耗问题，其主要影响因素是电池的容量。由于家庭连接的电动汽车不需要考虑集中调度问题，也不需要考虑稳定负荷和频率，因此仅需要考虑电动汽车的能量充放电限制即可，采用荷电状态(SOC)表征电池容量限制条件。
本发明采用遗传算法进行调度策略的优化，主要处理思路是采用实时的信息修正来减少预测误差的影响，设定设备优先级来减少用户随机行为的影响，通过不同模式的选择来应对电动汽车接入影响。日前调度机制主要采用元启发式算法进行优化，结合次日需求的实时电价和光伏预测信息进行调度。日前调度策略在无突发行为下能够很好地通过调度负荷来节省用户的用电花费，但当出现预测信息的偏差和随机行为时将会因部分约束越限导致优化结果出现偏差。因此，本发明在日前调度的基础上结合实时信息的动态修正来应对此类问题，预测信息更新采用前一时刻真实值与预测值差值的和来修正。
本发明对用户随机用电行为的处理主要由触发机制触发相关事件，由上一时刻运行设备数与当前任务状态结合设备优先级进行设备的延迟与停止。设备优先级的计算采用工作时间与剩余时间的比值表示。工作时间为可延迟工作的时间，即设定的结束时间与实际运行结束时间的差值。剩余时间指设备运行结束时间与当前时间的差值。剩余时间越长，工作时间越短优先级越低，越容易被控制延迟或者停止。
本发明根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度分为三种模式。由于在家庭调度中电动汽车作为刚性负荷的调度是最简单状况，并未考虑在调度模式中。
模式一是使用模式，该模式下主要考虑用户的出行使用情况，调度准则为参与家用负荷的调度但是不对家用负荷进行放电。
模式二是经济模式，该模式下主要目标是通过调度来最大程度地提升用电的经济性。
模式三是闲置模式，该模式下电动车为闲置状态，次日无出行需求，可作为家用储能设备对待。
在整体优化框架下，需根据上述电动汽车的不同使用模式选取调度方案，从而实现家庭智能用电。
本发明创新性在于提出多种不确定因素的处理方法，考虑到实际情况中不确定因素带来的偏差，如分布式电源出力预测带来的偏差，用户随机用电行为带来的影响，以及电动汽车接入带来的能量变化。这些不确定因素在实际中普遍存在，往往会使预先给出的优化策略产生偏差变为次优，甚至使部分约束越限而无法满足用户的用电需求。其创新性还在于提出电动汽车的综合调度策略，根据电动汽车不同的运行状态，提出包含电动汽车的家庭能量管理系统调度分为三种模式，并分别根据这三种模式提出三种调度方案，依次进行优化调度。
有益效果：本发明与现有技术相比，其考虑了分布式电源出力预测带来的偏差、用户随机用电行为带来的影响以及电动汽车接入带来的能量变化等不确定因素，并且提出电动汽车的综合调度策略，根据电动汽车不同的运行状态，提出包含电动汽车的家庭能量管理系统调度模式，能够在家庭能量调度过程中更为准确的反映家庭用户实际用能情况，灵活满足广大用户多方面用能需求，提高家庭能量管理智能化水平。
附图说明
图1为本发明的考虑多种不确定因素的优化调度框图；
图2为本发明实施例仿真分析的设备的工作状态图；
图3为本发明实施例仿真分析的实时电价信息图；
图4为本发明实施例仿真分析的光伏和基线信息图；
图5为本发明实施例仿真分析模拟的未进行优化的调度结果和结合遗传算法的优化算法结果对比图；
图6为本发明实施例仿真分析模拟的考虑光伏和实时电价预测信息修正的优化结果对比图；
图7为本发明实施例仿真分析模拟的考虑用户随机用电行为的优化结果对比图；
图8为本发明实施例仿真分析模拟的考虑电动汽车接入的优化结果对比图；
图9为本发明实施例仿真分析模拟的以上三种情况综合的优化结果图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种实现考虑多种不确定因素的家庭能量管理综合方法，以下分别对该方案的整体设计原理、方法流程以及仿真分析进行说明。
1、考虑多种不确定因素的家庭能量管理综合方法
本发明将首先给出家庭能量管理系统的基本模型，其次采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略，同时给出综合处理多种不确定因素的方法：即通过实时修正来减小实时电价和分布式电源预测误差的影响，采用设备优先级设定来处理用户随机用电行为的影响，利用多种模式转换机制应对电动汽车的接入影响。最终通过仿真分析证明所给策略能够有效的应对多种不确定因素的发生并给出具有经济性和智能性的用电策略。
1.1、家庭能量管理用电模型
家庭用电系统中往往包含多种用电设备，而不同的设备类型与设备特性在调度过程中也会对调度策略产生影响。本发明
主要涉及到的家居用电设备包括：加湿器、热水器、洗碗机、洗衣机、干衣机、电饭煲、热水壶等日常家庭用电设备，以及电动汽车和家用光伏系统。本节将多种负荷分类，从调度层面将负荷分为基线负荷、可调负荷、家用光伏系统，进而建立能够准确反映负荷用电模式和用电行为的设备模型。基线负荷由于直接影响用户体验，所以不对其进行控制。
1.2、家庭能量管理综合调度策略
包含家庭能量管理调度算法和多种不确定因素的综合处理方法。采用遗传算法进行调度策略的优化具体优化目标函数如下：
Figure BDA0002837221820000081
不确定因素的处理主要包括三个方面：实时电价和分布式光伏系统预测偏差、用户随机用电行为的发生、电动汽车接入的不确定性。本发明的主要处理思路是采用实时的信息修正来减少预测误差的影响，设定设备优先级来减少用户随机行为的影响，通过不同模式的选择来应对电动汽车接入影响。
2、方法流程
如图1所示为考虑多种不确定因素的优化调度流程图。
参照图1，优化调度策略步骤如下：
S1：给出家庭能量管理系统的基本模型，将多种负荷分类，从调度层面将负荷分为基线负荷、可调负荷、家用光伏系统、电动汽车充放电模型，建立能够准确反映负荷用电模式和用电行为的设备模型；
S2：采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略；
S3：给出综合处理多种不确定因素的方法，实时修正减小实时电价和分布式电源预测误差的影响，采用元启发式算法对日前调度机制进行优化；
S4：给出综合处理多种不确定因素的方法，采用触发机制触发相关事件对用户随机用电行为的处理，设定设备优先级来减少用户随机行为的影响，根据上述电动汽车的不同使用模式选取调度方案，从而实现家庭智能用电；
S5：给出综合处理多种不确定因素的方法，利用多种模式转换机制应对电动汽车的接入影响，根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度分为三种模式。
本实施例中所述步骤S1中家庭能量管理系统的基本模型为：
可调度负荷分为可中断负荷和可转移负荷。可中断负荷包括家用加湿器、干衣机、水泵等，在其运行期间可以自由关断且不会对用户生活造成显著影响，如公式(1)：
Figure BDA0002837221820000091
式中：Pt d为设备d在t时刻的功率，σt为设备在t时刻的开关量，0为关闭，1为开启。tstart，tend为期望的开启和关闭时间，由用户设定。ttotal为设备的额定持续运行时间，λ为设备的最大延迟时间。
可转移负荷主要包括洗衣机、电饭煲、洗碗机等设备，其运行期间不可中断，但是其启动与运行时间可以根据用户需求灵活设定，如式(2)所示：
Figure BDA0002837221820000092
家用光伏系统的输出功率如式(3)所示：
Pv＝rηvAB (3)
式中：Pv表示光伏发电功率，r表示光照强度，ηv表示转换效率，A表示有效光照面积，B表示家用光伏板块数。
进行日前优化计划时，针对电动汽车的调度策略主要考虑电动汽车的能量消耗问题，其主要影响因素是电池的容量。由于家庭连接的电动汽车不需要考虑集中调度问题，也不需要考虑稳定负荷和频率，因此仅需要考虑电动汽车的能量充放电限制即可。采用荷电状态(SOC)表征电池容量限制条件：
SOCEV(t)＝Erem(t)/Emax (4)
SOCEV(t)＝Erem(t)/Emax (5)
式中：SOCmin和SOCmax表示电动汽车最低和最高的SOC限制，本实施例中设SOCmin＝0.2，SOCmax＝0.9。
在电动汽车充电过程中SOC的动态变化如式(6)：
Figure BDA0002837221820000101
式中：
Figure BDA0002837221820000102
为电动汽车充放电功率，ηchr、ηdis为电动汽车充放电效率。
本实施例中步骤S2中采用遗传算法进行调度策略的优化，优化过程如下：
(1)定义相关参量：主要包括定义种群大小，迭代次数，交叉变异概率，编码采用二进制编码，采用整体用电花费最小为适应度函数。
(2)初始化：初始化负荷状态，种群状态，随机生成初始种群即初始解。
(3)适应度评估：根据适应度函数计算整体用电花费值，并按用电花费进行排序，保留最优解。
(4)交叉变异操作：采用轮盘赌选择，以随机方法进行交叉变异操作，并计算适应度函数值。
(5)循环判断：达到迭代结束条件终止运算，输出最优解，转换为相应设备的控制信息。
上述过程的整体思路为在设备约束时间下结合光伏系统出力和实时电价对家用设备进行合理调度，旨在满足用户用电要求的情况下使用户的电能花费最小。具体优化目标函数如式(7)：
Figure BDA0002837221820000103
式中：
Figure BDA0002837221820000104
和
Figure BDA0002837221820000105
分别为t时刻实时买电价格与售电价格，Pload和Psell分别为用电负荷和余电上网的功率。其中：
Figure BDA0002837221820000106
Figure BDA0002837221820000107
式中：Pmust(t)为基线负荷功率，Psch(t)为可调负荷功率，
Figure BDA0002837221820000108
为电动汽车充电功率。式(9)中Ppv(t)为剩余光伏功率，
Figure BDA0002837221820000109
电动汽车放电功率。
本实施例步骤S3中考虑实时电价和分布式光伏系统预测偏差的方法为：
采用元启发式算法优化日前调度机制，结合次日需求的实时电价和光伏预测信息进行调度。日前调度策略在无突发行为下能够很好地通过调度负荷来节省用户的用电花费，但当出现预测信息的偏差和随机行为时将会因部分约束越限导致优化结果出现偏差。因此，本方法在日前调度的基础上结合实时信息的动态修正来应对此类问题。本方法中预测信息更新采用前一时刻真实值与预测值差值的和来修正，公式如下：
Figure BDA0002837221820000111
式中：
Figure BDA0002837221820000112
和
Figure BDA0002837221820000113
分别表示实时电价和光伏系统当前时刻的实时预测值，
Figure BDA0002837221820000114
和
Figure BDA0002837221820000115
表示实时电价和光伏的实际值。Δπrtp和Δπpv为实时电价和光伏的前一时刻实际值差值，由前两个时刻的实际值求得。
本实施例步骤S4中处理用户随即用电行为的方法为：
由触发机制触发相关事件，由上一时刻运行设备数与当前任务状态结合设备优先级进行设备的延迟与停止。设备优先级的计算采用工作时间与剩余时间的比值表示。工作时间为可延迟工作的时间，即设定的结束时间与实际运行结束时间的差值。剩余时间指设备运行结束时间与当前时间的差值。剩余时间越长，工作时间越短优先级越低，越容易被控制延迟或者停止，具体公式如下：
Figure BDA0002837221820000116
式中：
Figure BDA0002837221820000117
表示设备a的优先级，tend为设备结束时间，trun为设备运行时间，
Figure BDA0002837221820000118
为设备的运行状态。
本实施例步骤S5中利用多种模式转换机制应对电动汽车的接入影响的方法为：
本方法根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度分为三种模式。由于在家庭调度中电动汽车作为刚性负荷的调度是最简单状况，并未考虑在调度模式中。
模式一是使用模式，该模式下主要考虑用户的出行使用情况，调度准则为参与家用负荷的调度但是不对家用负荷进行放电，以便在减少用电成本的情况下仍能保持较高的SOC，保障随时应对出行需求，因此在调度时主要考虑控制其充电时间。
模式二是经济模式，该模式下主要目标是通过调度来最大程度地提升用电的经济性。在电动汽车接入后可根据用电状况和电价信息进行调度。主要调度思路是先满足调度需求再进行晚间充电。
模式三是闲置模式，该模式下电动车为闲置状态，次日无出行需求，可作为家用储能设备对待。电动汽车在白天连接时配合光伏系统充电以平抑光伏出力波动，在用电高峰期放电以应对电价的实时变化，但其基本电量应能满足应急出行需求。
在整体优化框架下，需根据上述电动汽车的不同使用模式选取调度方案，从而实现家庭智能用电。具体方案如下：
模式一：由于无需考虑电动汽车的放电行为，将其视为可调度负荷进行控制。整体过程仅需考虑光伏和实时电价的预测信息与用户随机用电行为这些不确定因素的发生。
模式二：虽然电动汽车可作为存储装置放电，但由于充电时间和次日出行需求的限制，在接入家庭能量系统后的有限时间内可以进行一个循环的充电行为。只需控制一个充放电周期的充电时间即可。同时由于白天电动汽车未接入系统，也无需考虑与光伏设备的配合。
模式三：电动汽车可充分发挥V2H(Vehicle to Home)的功能，将其视为有一定放电容量的蓄电池。调度过程较为复杂，需要考虑更长的时间域及多种因素，如车辆剩余电量、电价情况、负荷波动和光伏电量等决定其充放电状态以在适当时刻向负荷供能以减少电量花费。
3、仿真分析
基于上述方案，本实施例的仿真分析在MATLAB平台上进行仿真验证。本发明所给系统中涉及各设备的用电时间段及具体信息，如图2所示。实时电价信息采用澳洲能源网站电价信息，如图3所示。光伏和基线负荷信息如图4所示。其中，温控设备温度范围为：空调设备保持室温24℃，热水器保持温度40℃-60℃。
3.1优化算法验证
本发明的优化算法的验证主要从两个场景进行，包括未进行优化的调度结果和结合遗传算法的优化调度结果，如图5所示，其中图5(a)为未优化结果图，图5(b)为优化后的结果图，将两者进行对比，如下表所示：
Figure BDA0002837221820000121
由图5的对比结果可见，光伏系统的加入和实时电价的考虑能够给家庭用电优化结果带来明显的影响。综合考虑两种因素下的用电策略要明显比不采用优化策略有更高的经济性，整体优化结果更好。
3.2综合策略验证——针对预测信息偏差
本发明方法的综合策略的验证依次从考虑光伏和实时电价预测信息、用户的随机用电行为、电动汽车入网的随机性等情况进行仿真验证，最后综合考虑上述几方面因素给出整体优化的结果。
场景一：针对预测信息偏差。针对预测信息的验证主要包括光伏发电系统出力预测和实时电价的不确定性。本发明将通过实时的误差修正来减少其带来的影响。在仅针对预测不确定性进行验证时，电动汽车采用调度模式1。
仿真过程中，结合现有相关文献，设定光伏预测准确率为80％，实时电价准确率为95％。图6中的图6(a)和图6(b)分别给出了调度过程中实时电价和光伏出力的真实值、预测值以及修正值的对比曲线，将优化后的结果进行对比，如下表所示：
Figure BDA0002837221820000131
上表中PV表示光伏预测量，RTP表示实时电价预测信息，ALL表示综合考虑两种预测信息。由上表中的优化结果可以看出，光伏设备的预测误差对调度结果的影响较弱。这是由于在结合光伏功率时，对光伏的考虑主要是户用和上网，普遍情况下阳光充足时能够满足这期间大多数设备的用电调度。而实时电价的预测误差对调度结果的影响略大，主要原因为电价的波动直接影响优化目标函数的计算且对设备的调度起着决定作用。
3.3综合策略验证——针对用户随机用电行为
场景二：针对用户随机用电行为。调度过程中对于用户随机用电行为的处理方法为：由家庭用电设备优先级决定设备运行状态，再对运行调度策略进行改进。仿真验证中电价采用预测信息，电动汽车仍采用模式1，加入早中晚三次计划外的随机用电行为，分别为早上的泳池水泵、下午的烧烤箱和晚上的吸尘器。具体仿真结果如图7所示，其中图7(a)是未优化的结果图，图7(b)是优化的结果图，将两者进行对比，得到下表：
Figure BDA0002837221820000132
可见，在随机用电行为产生后，原本计划中的用电设备由优先级高低依次进行判断，并依序往后延迟。图8(b)中洗碗机由于烤箱设备的加入从原本15:00往后推移至19:30，这不仅满足了调度需求，同时也符合用户的设备使用习惯(在烧烤后有大量餐具要洗)。在设备优先级设定中表示剩余时间的部分能够很好的保证设备的推迟不会越限而影响用户用电体验。同时，由于考虑随机用电行为带来的影响，虽然优化前后的结果变化并不十分明显，但整体负荷曲线并未因随机用电行为的发生而越限，即用户用电整体的舒适度仍能保证在一定允许范围内。若无修正存在时，随机用电负荷往往会使电费有较大幅度的升高，甚至可能会导致设备功率过高而引起跳闸断电。
3.4综合策略验证——针对电动汽车接入
场景三：针对电动汽车接入。对于电动汽车不同模式的影响不在一一给出调度结果。在此仅针对模式二分析电动汽车入网时间和SOC的不确定性带来的影响。由预测模型给出电动汽车接入时间为18:30，接入时SOC为0.5，如图8所示，其中图8(a)为经济模式下电动汽车的SOC示意图，图8(b)为经济模式下考虑电动汽车接入的调度结果图。
由图8可见，在优化后，用户一天内花费的优化结果为15.8676元，相较于未考虑预测模型的模式下结果19.8070元有所提升。主要原因是由于考虑预测值时有计划的调度能够更加灵活，能够更好的利用电动汽车的储能特性，而无预测信息时由于保守策略给出的方案往往会在电动汽车入网后进行充电，甚至是待机来保持电动汽车的原有状态。当然，进行模式分类后可以根据事实情况进行模式选择，以便更好的对电动汽车充放电策略进行控制。
3.5综合策略验证——综合场景：针对以上三种情况的综合
本发明基于前述图1给出的考虑多种因素的调度框架对上述因素同时进行考虑，给出了综合的优化调度结果，如图9所示。

Claims (6)

1.一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：包括如下步骤：
S1：给出家庭能量管理系统的基本模型，将多种负荷分类，从调度层面将负荷分为基线负荷、可调度负荷、家用光伏系统、电动汽车充放电模型，建立能够准确反映负荷用电模式和用电行为的设备模型；
S2：采用遗传算法提出结合实时电价与光伏出力信息的日前调度策略；
S3：实时修正减小实时电价和分布式电源预测误差的影响，采用元启发式算法对日前调度机制进行优化；
S4：采用触发机制触发相关事件对用户随机用电行为的处理，设定设备优先级来减少用户随机行为的影响，根据上述电动汽车的不同使用模式选取调度方案；
S5：利用多种模式转换机制应对电动汽车的接入影响，根据电动汽车不同的运行状态，将包含电动汽车的家庭能量管理系统调度进行模式划分；
所述步骤S5中包含电动汽车的家庭能量管理系统调度分为三种模式，具体如下：
模式一是使用模式，该模式下考虑用户的出行使用情况，调度准则为参与家用负荷的调度但是不对家用负荷进行放电，在调度时考虑控制其充电时间；
模式二是经济模式，该模式下目标是通过调度来最大程度地提升用电的经济性，在电动汽车接入后可根据用电状况和电价信息进行调度；
模式三是闲置模式，该模式下电动车为闲置状态，次日无出行需求，可作为家用储能设备对待，电动汽车在白天连接时配合光伏系统充电以平抑光伏出力波动，在用电高峰期放电以应对电价的实时变化；
所述步骤S5中利用多种模式转换机制应对电动汽车的接入影响的方法为：
在整体优化框架下，根据电动汽车的三种不同使用模式选取调度方案，具体方案如下：
模式一：由于无需考虑电动汽车的放电行为，将其视为可调度负荷进行控制，整体过程仅需考虑光伏和实时电价的预测信息与用户随机用电行为这些不确定因素的发生；
模式二：虽然电动汽车可作为存储装置放电，但由于充电时间和次日出行需求的限制，在接入家庭能量系统后的有限时间内可以进行一个循环的充电行为，只需控制一个充放电周期的充电时间即可，同时由于白天电动汽车未接入系统，也无需考虑与光伏设备的配合；
模式三：电动汽车可充分发挥V2H的功能，将其视为蓄电池，调度过程较为复杂，需要考虑长时间域及多种因素。
2.根据权利要求1所述的一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：所述步骤S1中家庭能量管理系统的基本模型为：
可调度负荷分为可中断负荷和可转移负荷；可中断负荷如公式(1)：
Figure FDA0004005668920000021
式中：Pt d为设备d在t时刻的功率，σt为设备在t时刻的开关量，0为关闭，1为开启；tstart，tend为期望的开启和关闭时间，由用户设定；ttotal为设备的额定持续运行时间，λ为设备的最大延迟时间；
可转移负荷如公式(2)所示：
Figure FDA0004005668920000022
式中：σt为设备在t时刻的开关量，0为关闭，1为开启；
家用光伏系统的输出功率如公式(3)所示：
Pv＝rηvAB(3)
式中：Pv表示光伏发电功率，r表示光照强度，ηv表示转换效率，A表示有效光照面积，B表示家用光伏板块数；
采用荷电状态表征电池容量限制条件：
SOCEV(t)＝Erem(t)/Emax(4)
SOCEV(t)＝Erem(t)/Emax(5)
式中：SOCmin和SOCmax分别表示电动汽车最低和最高的SOC限制；
在电动汽车充电过程中SOC的动态变化如公式(6)：
Figure FDA0004005668920000023
式中：
Figure FDA0004005668920000024
为电动汽车充放电功率，ηchr、ηdis为电动汽车充放电效率。
3.根据权利要求1所述的一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：所述步骤S2中采用遗传算法进行调度策略的优化，优化过程如下：
A1：定义相关参量：定义种群大小，迭代次数，交叉变异概率，编码采用二进制编码，采用整体用电花费最小为适应度函数；
A2：初始化：初始化负荷状态，种群状态，随机生成初始种群即初始解；
A3：适应度评估：根据适应度函数计算整体用电花费值，并按用电花费进行排序，保留最优解；
A4：交叉变异操作：采用轮盘赌选择，以随机方法进行交叉变异操作，并计算适应度函数值；
A5：循环判断：达到迭代结束条件终止运算，输出最优解，转换为相应设备的控制信息。
4.根据权利要求3所述的一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：所述步骤S2中采用遗传算法进行调度策略的优化目标函数如公式(7)：
Figure FDA0004005668920000031
式中：
Figure FDA0004005668920000032
和
Figure FDA0004005668920000033
分别为t时刻实时买电价格与售电价格，Pload和Psell分别为用电负荷和余电上网的功率。
5.根据权利要求3所述的一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：所述步骤S3中考虑实时电价和分布式光伏系统预测偏差的方法为：
采用元启发式算法优化日前调度机制，结合次日需求的实时电价和光伏预测信息进行调度，预测信息更新采用前一时刻真实值与预测值差值的和来修正，公式如下：
Figure FDA0004005668920000034
式中：
Figure FDA0004005668920000035
和
Figure FDA0004005668920000036
分别表示实时电价和光伏系统当前时刻的实时预测值，
Figure FDA0004005668920000037
和
Figure FDA0004005668920000038
表示实时电价和光伏的实际值，Δπrtp和Δπpv为实时电价和光伏的前一时刻实际值差值，由前两个时刻的实际值求得。
6.根据权利要求1所述的一种实现考虑多种不确定因素的家庭能量管理综合方法，其特征在于：所述步骤S4中处理用户随即用电行为的方法为：
由触发机制触发相关事件，由上一时刻运行设备数与当前任务状态结合设备优先级进行设备的延迟与停止，设备优先级的计算采用工作时间与剩余时间的比值表示，工作时间为可延迟工作的时间，即设定的结束时间与实际运行结束时间的差值，剩余时间指设备运行结束时间与当前时间的差值，具体公式如下：
Figure FDA0004005668920000041
式中：
Figure FDA0004005668920000042
表示设备a的优先级，tend为设备结束时间，trun为设备运行时间，
Figure FDA0004005668920000043
为设备的运行状态。
CN202011475531.8A 2020-12-15 2020-12-15 一种实现考虑多种不确定因素的家庭能量管理综合方法 Active CN112688312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011475531.8A CN112688312B (zh) 2020-12-15 2020-12-15 一种实现考虑多种不确定因素的家庭能量管理综合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011475531.8A CN112688312B (zh) 2020-12-15 2020-12-15 一种实现考虑多种不确定因素的家庭能量管理综合方法

Publications (2)

Publication Number Publication Date
CN112688312A CN112688312A (zh) 2021-04-20
CN112688312B true CN112688312B (zh) 2023-03-21

Family

ID=75449466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011475531.8A Active CN112688312B (zh) 2020-12-15 2020-12-15 一种实现考虑多种不确定因素的家庭能量管理综合方法

Country Status (1)

Country Link
CN (1) CN112688312B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742933B (zh) * 2021-09-13 2024-03-05 长沙理工大学 一种家庭能量管理优化方法、系统及存储介质
CN116316647B (zh) * 2022-09-08 2023-11-07 东南大学溧阳研究院 一种基于模型预测控制的配电网实时碳排放优化控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786555A (zh) * 2017-01-20 2017-05-31 南京南瑞继保电气有限公司 一种家庭能量管理系统的智能调度方法
CN109239613A (zh) * 2018-09-13 2019-01-18 重庆凯瑞汽车试验设备开发有限公司 一种电动汽车电池容量检测方法及装置

Also Published As

Publication number Publication date
CN112688312A (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
Shafie-Khah et al. A stochastic home energy management system considering satisfaction cost and response fatigue
CN113112087A (zh) 考虑电热负荷需求响应的综合能源系统运行成本优化方法
Gaur et al. Demand side management in a smart grid environment
JP6436873B2 (ja) 電力管理装置
CN110009122B (zh) 户用多能互补综合能源利用系统能量优化调度方法及系统
CN112688312B (zh) 一种实现考虑多种不确定因素的家庭能量管理综合方法
GR20190100088A (el) Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
CN111340270B (zh) 基于信息交互的家庭能量智能优化方法
CN110137955A (zh) 一种计及CVaR的鲁棒机组组合调度的决策方法
CN110209135B (zh) 基于微型热电联产多时间尺度的家庭能源优化调度方法
CN111404206A (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN109462258A (zh) 一种基于机会约束规划的家庭能量优化调度方法
CN113610426B (zh) 基于用户满意度的智能用电社区能量管理方法
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN111027747A (zh) 一种考虑用户舒适度风险偏好的家庭能量控制方法
CN112836882B (zh) 考虑设备负载率变化的区域综合能源系统运行优化方法
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN110518570B (zh) 一种基于事件驱动型自动需求响应的户用多微网系统优化控制方法
Kofinas et al. Energy management in solar microgrid via reinforcement learning
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
Gupta et al. Optimal provision for enhanced consumer satisfaction and energy savings by an intelligent household energy management system
CN113742933B (zh) 一种家庭能量管理优化方法、系统及存储介质
CN114204599A (zh) 一种抑制配电网电压波动的分布式储能布点运行控制方法
CN110837916B (zh) 一种应用于家庭别墅场景的能量滚动优化管理方法
Guo et al. The optimization of household and apartment energy management system

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