CN113131519A - 一种基于混合整数线性规划的家庭能量管理优化方法 - Google Patents

一种基于混合整数线性规划的家庭能量管理优化方法 Download PDF

Info

Publication number
CN113131519A
CN113131519A CN202110449209.6A CN202110449209A CN113131519A CN 113131519 A CN113131519 A CN 113131519A CN 202110449209 A CN202110449209 A CN 202110449209A CN 113131519 A CN113131519 A CN 113131519A
Authority
CN
China
Prior art keywords
energy
power
grid
storage system
energy storage
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
Application number
CN202110449209.6A
Other languages
English (en)
Other versions
CN113131519B (zh
Inventor
熊斌宇
方应家
张清勇
唐金锐
李旸
苏义鑫
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202110449209.6A priority Critical patent/CN113131519B/zh
Publication of CN113131519A publication Critical patent/CN113131519A/zh
Application granted granted Critical
Publication of CN113131519B publication Critical patent/CN113131519B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于混合整数线性规划的家庭能量管理优化方法，包括以下步骤：1.构建家庭能量管理系统中各负荷设备的运行模型；2.构建家庭与电网双向交互设备运行模型；3.构建以用户电费最小化的家庭能量管理系统优化模型；4.采用混合整数线性规划方法求解得到最优调度。本发明针对家庭能源管理系统模型多维约束的优化问题，采用混合整数线性规划方法，降低了优化问题的复杂程度和求解难度，提高了求解家庭能源管理优化问题的效率和精度，并且最后能够得到全局最优解，得到家庭负载设备的最优调度以及降低用户的用电成本，最大化地实现家庭能量优化控制。

Description

一种基于混合整数线性规划的家庭能量管理优化方法
技术领域
本发明涉及智能用电技术领域，具体地指一种基于混合整数线性 规划的家庭能量管理优化方法。
技术背景
随着智能电网发展和电动汽车、储能系统和分布式发电大量接入 家庭，家庭优化控制已成为智能电网需求侧管理的重要一环。家庭能 量管理系统是智能电网需求侧与智能家居、高级量测体系相结合的产 物。它能够通过智能电表获取用电数据，分析分布式电源、储能、负 荷和实时电价数据，并以此为依据调整分布式电源和储能的充放电过 程、对家庭中的柔性负荷进行调度，以此达到提高能源利用效率和减 少居民用电费用的目的。
家庭能量管理系统模型是一个具有多维变量、多约束的优化问题， 其中变量包括离散变量和连续变量。目前国内外关于家庭能量管理优 化的研究中，研究人员更多的会采用遗传算法、模拟退火算法、粒子 群算法等启发式算法进行求解。但是当遇到多维大规模线性问题时， 会大大增加计算量，且使用启发式算法会导致计算时间长，只能得到 局部最优解，难以保证全局最优解。
发明内容
本发明的目的在于克服现有技术的不足，而提出一种基于混合整 数线性规划的家庭能量管理优化方法，采用混合整数线性规划方法， 降低了优化问题的复杂程度和求解难度，提高了家庭能源管理优化问 题求解效率，并且最后能够保证每次求解结果都是唯一且最优的。
为实现上述目的，本发明所设计的一种基于混合整数线性规划的 家庭能量管理优化方法，其特殊之处在于，所述方法包括如下步骤：
1)建立家庭能量管理系统中各负荷设备的运行模型：根据负荷 设备的不同特性，将负荷分为刚性符合、柔性负荷、温控负荷三个种 类，并依次建立对应的数学模型；
2)构建家庭与电网双向交互设备运行模型，包括光伏发电系统 模型、储能系统模型以及电动汽车模型；
3)构建以用户电费最小化为目标函数的家庭能量管理系统优化 模型；
4)采用混合整数线性规划算法求解得到最优调度。
优选地，所述步骤1)中所述刚性负荷是指弹性时间为零的负荷， 不依据任何外部因素而调度；所述柔性负荷指具有弹性时间的负荷， 柔性负荷在规定的运行时间内进行启停操作；所述温控负荷指与温度 相关的用电设备。
优选地，所述步骤2)中所述光伏发电模型描述为：
Figure BDA0003038107960000021
Figure BDA0003038107960000022
式中，Ppv(t)表示光伏系统在光照强度K(t)下的输出功率；Ppv,stc表 示标准测试下的最大输出功率；εpv为光伏系统温度系数；T(t)为t时 刻的环境温度；Kstc为标准测试下的光照强度；Tstc为标准测试下的环 境温度；
Figure BDA0003038107960000023
分别表示可满足部分家庭需求和出售给电网 的光伏发电功率。
优选地，所述储能系统模型描述为：
Figure BDA0003038107960000024
Figure BDA0003038107960000025
Figure BDA0003038107960000031
Figure BDA0003038107960000032
Figure BDA0003038107960000033
式(2.12)表示由储能系统放电提供的实际功率
Figure BDA0003038107960000034
等于用 于满足家庭需求能量
Figure BDA0003038107960000035
和出售给电网能量
Figure BDA0003038107960000036
式(2.13)是对储 能系统的充放电功率进行限制，
Figure BDA0003038107960000037
和
Figure BDA0003038107960000038
分别表示储能系统的充 电功率和放电功率；
Figure BDA0003038107960000039
和
Figure BDA00030381079600000310
分别表示储能系统的最大充电功率 和最大放电功率；式(2.14)表示每个时间间隔的能量状态SOCESS(t)具有 其在前一个时间间隔SOCESS(t-1)的值，加上电池在该时间间隔充电时 传输到电池的实际能量减去电池在该时间间隔放电时减去的能量； αESS(t)表示储能系统工作状态；
Figure BDA00030381079600000311
和
Figure BDA00030381079600000312
分别表示储能系统的充放电 效率；式(2.15)表示在时间间隔的开始，储能系统的SOC与它的初始 能态
Figure BDA00030381079600000313
一致；式(2.16)表示对电池的能量状态进行限制的约束条件， 以防电池的过充放电，
Figure BDA00030381079600000314
和
Figure BDA00030381079600000315
分别为储能系统SOC的下限值 和上限值。
优选地，所述电动汽车模型描述为：
Figure BDA00030381079600000316
Figure BDA00030381079600000317
Figure BDA00030381079600000318
Figure BDA00030381079600000319
Figure BDA0003038107960000041
式(1.8)表示由电动汽车放电提供的实际功率
Figure BDA0003038107960000042
等于用于 满足家庭需求
Figure BDA0003038107960000043
和出售给电网
Figure BDA0003038107960000044
式(1.9)是对电动汽车的充 放电功率进行限制，
Figure BDA0003038107960000045
和
Figure BDA0003038107960000046
分别表示电动汽车的充电功率和放 电功率；
Figure BDA0003038107960000047
和
Figure BDA0003038107960000048
分别表示电动汽车的最大充电功率和最大放电 功率；式(1.10)表示每个时间间隔的能量状态SOCEV(t)具有其在前一个 时间间隔SOCEV(t-1)的值，加上电池在该时间间隔充电时传输到电池 的实际能量减去电池在该时间间隔放电时减去的能量，αEV(t)表示电 动汽车的充放电状态，
Figure BDA0003038107960000049
和
Figure BDA00030381079600000410
分别表示电动汽车的充放电效率；式 (1.11)表示在时间间隔tα时，电动汽车的能量状态SOC与它的初始能 态
Figure BDA00030381079600000411
一致；式(1.12)表示约束条件，
Figure BDA00030381079600000412
和
Figure BDA00030381079600000413
分别为电动汽 车SOC的下限值和上限值，(tα,tβ-1)为电动汽车作为储能参与调度的 时间段，在tβ-1时，电动汽车在离开时有SOC约束，保证出行距离。
优选地，所述步骤3)中以用户电费最小化为目标函数的数学模 型为：
Figure BDA00030381079600000414
式(1.13)中用电总成本包括购电成本和售电收入两个部分，
Figure BDA00030381079600000415
和
Figure BDA00030381079600000416
分别表示购电价格和上网价格；Pgrid(t)为从电网购买的能量； Psold(t)为出售给电网能量；
Figure BDA00030381079600000417
为出售给电网的光伏发电功率；
Figure BDA00030381079600000418
为出售给电网的储能系统能量；
Figure BDA00030381079600000419
为出售给电网的电动汽 车能量；ε1、ε2和ε3分别表示出售能源的优先级，值越小表示优先级越高。
优选地，所述步骤3)中家庭能量管理系统优化模型的约束条件 为：
Figure BDA0003038107960000051
Figure BDA0003038107960000052
Figure BDA0003038107960000053
式(1.14)表示了出售给电网能量Psold(t)的组成部分；式(1.15)表示家 庭总功率平衡；PD(t)表示家用电器用电总负荷，包括刚性负荷、柔性 负荷以及温控负荷；
Figure BDA0003038107960000054
表示储能系统的充电功率和放电功率； Pgrid(t)为从电网购买的能量；式(1.16)是对交互功率的限制,αgrid(t)表 示电网供电状态，N1和N2分别表示电网能提供的最大功率和出售给电网的最大功率。
优选地，所述步骤4)中采用混合整数线性规划算法求解得到最 优调度。
优选地，所述混合整数线性规划算法基于混合整数线性规划模型 实现，所述混合整数线性规划模型的决策变量包括连续性实数变量和 0-1整数变量，目标函数为以用户电费最小化为目标函数。
优选地，所述连续型实数变量包括HAVC设备温度THAVC(t+1)； EWH设备温度TEWH(t+1)；储能系统充放电功率
Figure BDA0003038107960000055
和
Figure BDA0003038107960000056
储能 系统能量状态SOCESS(t)、储能系统满足家庭需求能量
Figure BDA0003038107960000057
和储能系 统满出售电网能量
Figure BDA0003038107960000061
电动汽车充放电功率
Figure BDA0003038107960000062
和
Figure BDA0003038107960000063
电动 汽车能量状态SOCEV(t)、电动汽车满足家庭需求能量
Figure BDA0003038107960000064
和电动汽 车出售电网能量
Figure BDA0003038107960000065
总电网提供功率Pused(t)和出售电网能量Psold(t)； 所述0-1整数变量包括各家用电器设备
Figure BDA0003038107960000066
工作状态；HAVC工作状态 αHAVC(t)；EWH工作状态αEWH(t)；储能系统工作状态αESS(t)；电动汽 车充放电状态αEV(t)；电网供电状态αgrid(t)。
本发明的有益效果为：
(1)本发明提供的混合整数线性规划方法是一种精确算法，针 对家庭能源管理优化问题能够求解得到全局最优解，具有求解速度快、 精度高以及稳定性好等特点。
(2)本发明对家庭中的负载设备以及交互设备进行精细化建模， 在满足各种约束条件下实现负荷的最优调度，在满足用户舒适度的前 提下减少了用户的总用电成本，最大化地实现家庭能量优化控制。。
附图说明
图1为家庭能量管理结构框图。
图2为本发明的流程图。
图3为室内外温度变化以及空调工作功率
图4为水温变化以及热水器加水量
图5为实时电价下家庭负载的负载最优调度情况。
图6为实时电价下储能系统和电动汽车充放电最优安排。
具体实施方式
下面结合附图及实施例对本发明作进一步的详细描述，但该实施 例不应理解为对本发明的限制。
以下结合附图和具体实施例对本发明作进一步的详细描述。
如图1所示，为智能电网环境下家庭能量管理系统框图。主要包 含用电负荷、电动汽车、储能系统、光伏发电系统、智能电表等几部 分。家庭负荷根据用电模式和用户需求不同可以分为以下几类：刚性 负荷、柔性负荷以及温控负荷。刚性负荷指不依据任何外部因素而调 节设备功率或运行时间，例如灯具、电视机等设备；柔性负荷指具有 一定弹性时间的负荷，可以参与到系统调度中去，例如扫地机、烘干 机等设备；温控负荷是指与温度密切相关的可调度负荷，例如空调、 热水器等设备。电动汽车和储能系统利用其可充放电特性，与光伏发 电系统协同调度运行，一起参与用电负荷的调度。家庭能量管理控制 器通过与上级电网进行信息互动，实现家庭与电网之间双向能量流动， 在满足用户满意度和各种约束条件的基础上，得出最优调度，实现用 户总用电成本最小。
本发明所设计的一种基于混合整数线性规划的家庭能量管理优化 方法，如图2所示，对具体控制方法做以下阐述：
步骤1：建立家庭能量管理系统中各负荷设备的运行模型。首先 根据用电模式和用户需求不同可以分为以下几类：刚性负荷、柔性负 荷以及温控负荷。
刚性负荷是指弹性时间为零的负荷，不依据任何外部因素而调度， 例如灯具、冰箱等设备。刚性负荷不参与调度，直接并入到总能耗中 去。
柔性负荷指具有一定弹性时间的负荷，可以参与调度，例如洗衣 机、烘干机等设备。柔性负荷在规定的运行时间内进行启停操作。
温控负荷指与温度相关的用电设备，包括空调和热水器等，温度 与人的舒适度密切相关，需要建立相关的热力学模型。
进一步地，对于刚性负荷和柔性负荷，一组家庭负载设备可用 D＝{d1,d2,…,dn}来表示，对于每个家庭，设备能耗的调度向量可以表 示为
Figure BDA0003038107960000071
其中
Figure BDA0003038107960000072
表示第n个设备运行t个小时消耗的能量。 负载设备的总能耗就能用下式估算：
Figure BDA0003038107960000081
将一天划为时间间隔相等的T个时间段，其中t∈T；其中ωi和Xit 分别表示第i个设备的额定功率和工作状态；st和et分别为设备工作的 开始时间和结束时间；En表示家庭一天中刚性设备和柔性设备的总能 耗。
进一步地，对于供暖、通风和空调设备(HVAC)。室内温度调节所 需的功率占家庭用电量的大部分，因此需要建立动态模型来控制家庭 室温用电量。HAVC热力学模型可以由一阶微分方程建立：
Figure BDA0003038107960000082
其中，C为房间空气热电容(kW·h/℃)；R为房间等值热电阻 (℃/kW)；Tout(t)为室外温度(℃)。为了计算方便，以时间间隔△t将(2.2) 离散，则有：
Figure BDA0003038107960000083
Figure BDA0003038107960000084
其中，THAVC(t)和THAVC(t+1)分别表示在时间间隔开始和结束时的温 度；PHAVC和αHAVC(t)分别表示HAVC额定功率和工作状态；
Figure BDA0003038107960000085
和
Figure BDA0003038107960000086
分别表示室内温度上下限。
进一步地，对于电热水器(EWH)。通过一阶微分方程来描述EWH 的传热模型，使用单节点模型是因为其实现简单、有足够的精度，其 主要模型建立如下：
Figure BDA0003038107960000091
其中M表示水箱中的水量(kg)，Cp表示水的比热容 (4.2×103J/(kg·℃))，U表示待机热损失系数(W/(m2·℃))，A为EWH 的表面积(m2)，PEWH为EWH额定功率(kW)，Tout(t)表示环境温度。
由于(2.5)式表示的是连续时间下的表达式，故需对其进行离散化， 可得到下面的式子：
Figure BDA0003038107960000092
Figure BDA0003038107960000093
Figure BDA0003038107960000094
Figure BDA0003038107960000095
其中(2.6)和(2.7)分别表示初始时刻EWH水温变化和t时刻的水温 变化，且为加热之后和任何用水之前的水温。而(2.8)表示用水后加入 冷水时的水温变化。
Figure BDA0003038107960000096
和
Figure BDA0003038107960000097
分别表示热水温度上下限。
TEWH(t+1)表示t时刻的最终温度(即表示加热启动或自动降温后的 温度)；TEWH(t)为t时刻的初始温度，也为前一个时刻的最终温度；
Figure RE-GDA0003114915830000098
表示EWH水箱的初始温度；PEWH和αEWH分别表示EWH额定功率和工 作状态；Tinlet为用水后加冷水的进水温度；
Figure RE-GDA0003114915830000099
定义为i时刻从冷水 入口进入的水的质量，代替从水箱出口抽取的热水。
步骤2：构建家庭与电网双向交互设备运行模型。其中包括光伏 发电系统模型、储能系统模型以及电动汽车模型。
进一步地，构建光伏发电的模型，其数学模型可用下面的公式描 述：
Figure BDA0003038107960000101
Figure BDA0003038107960000102
式(2.10)中，Ppv(t)表示光伏系统在光照强度K(t)下的输出功率； Ppv,stc表示标准测试(Kstc＝1000w/m2,Tstc＝25℃)下的最大输出功率，取 1kW/h；εpv为光伏系统温度系数，一般取εpv＝-0.45；Kstc为标准测试 下的光照强度；Tstc为标准测试下的环境温度；T(t)为t时刻的环境温 度。式(2.11)表示光伏发电功率可满足部分家庭需求
Figure BDA0003038107960000103
和出售给电网部分
Figure BDA0003038107960000104
进一步地，构建储能系统的模型，其数学模型可以用下面的公式 进行描述：
Figure BDA0003038107960000105
Figure BDA0003038107960000106
Figure BDA0003038107960000107
Figure BDA0003038107960000108
Figure BDA0003038107960000109
式(2.12)表示由储能系统放电提供的实际功率
Figure BDA00030381079600001010
可用于 满足部分家庭需求
Figure BDA00030381079600001011
或者出售给电网
Figure BDA00030381079600001012
式(2.13)是对储能系 统的充放电功率进行限制，
Figure BDA00030381079600001013
和
Figure BDA00030381079600001014
分别表示储能系统的最大充 电功率和最大放电功率。等式(2.14)表示每个时间间隔的能量状态 SOCESS(t)具有其在前一个时间间隔SOCESS(t-1)的值，加上电池在该时 间间隔充电时传输到电池的实际能量减去电池在该时间间隔放电时 减去的能量。αESS(t)表示储能系统工作状态，
Figure BDA00030381079600001015
和
Figure BDA00030381079600001016
分别表示储能 系统的充放电效率。在时间间隔的开始，储能系统的SOC与它的初始 能态
Figure BDA0003038107960000111
一致，如(2.15)所述。约束条件(2.16)对电池的能量状态进 行限制，以防电池的过充放电，
Figure BDA0003038107960000112
和
Figure BDA0003038107960000113
分别为储能系统SOC的下限值和上限值。
进一步地，构建电动汽车模型。其数学模型可以用下面的公式进 行描述：
Figure BDA0003038107960000114
Figure BDA0003038107960000115
Figure BDA0003038107960000116
Figure BDA0003038107960000117
Figure BDA0003038107960000118
式(2.17)表示由电动汽车放电提供的实际功率
Figure BDA0003038107960000119
可用于满 足部分家庭需求
Figure BDA00030381079600001110
或者出售给电网
Figure BDA00030381079600001111
式(2.18)是对电动汽车 的充放电功率进行限制，
Figure BDA00030381079600001112
和
Figure BDA00030381079600001113
分别表示电动汽车的最大充电 功率和最大放电功率，
Figure BDA00030381079600001114
和
Figure BDA00030381079600001115
分别表示电动汽车的充电功率和 放电功率。式(2.19)表示电动汽车每个时间间隔的能量状态SOCEV(t)具 有其在前一个时间间隔SOCEV(t-1)的值，加上电池在该时间间隔充电 时传输到电池的实际能量减去电池在该时间间隔放电时减去的能量，， αEV(t)表示电动汽车的充放电状态，
Figure BDA00030381079600001116
和
Figure BDA00030381079600001117
分别表示电动汽车的充 放电效率。在时间间隔tα时，电动汽车的SOC与它的初始能态
Figure BDA00030381079600001118
一致，如(2.20)所述。约束条件(2.21)中，
Figure BDA00030381079600001119
和
Figure BDA00030381079600001120
分别为电动 汽车SOC的下限值和上限值。(tα,tβ-1)为电动汽车作为储能参与调度 的时间段，在tβ-1时，电动汽车在离开时有SOC约束，保证一定的 出行距离。
步骤3：构建以用户电费最小化为目标函数的家庭能量管理系统 优化模型。
对于目标函数，主要包括购电成本和售电收入两个部分，其数学 模型可描述如下：
Figure BDA0003038107960000121
式(2.22)中用电总成本包括购电成本和售电收入两个部分，
Figure BDA0003038107960000122
和
Figure BDA0003038107960000123
分别表示购电价格和上网价格，分别取实时电价和0.3(元/kW)； Pgrid(t)为从电网购买的能量；Psold(t)为出售给电网能量；
Figure BDA0003038107960000124
为出售 给电网的光伏发电功率；
Figure BDA0003038107960000125
为出售给电网的储能系统能量；
Figure BDA0003038107960000126
为出售给电网的电动汽车能量；ε1、ε2和ε3分别表示出售能源的优先 级，值越小表示优先级越高。
进一步地，为了满足整个家庭的总功率平衡以及考虑与电网之间 的能量双向流动，需要满足以下约束条件：
Figure BDA0003038107960000127
Figure BDA0003038107960000128
Figure BDA0003038107960000129
式(2.23)表示了出售给电网能量Psold(t)的组成部分；式(2.24)表示了 家庭总功率平衡；PD(t)表示家用电器用电总功率，包括刚性负荷、柔 性负荷以及温控负荷；Pgrid(t)为从电网购买的能量；式(2.25)是对交互 功率的限制,αgrid(t)表示电网供电状态，N1和N2分别表示电网能提供 的最大功率和出售给电网的最大功率，分别取4kW和3kW。
步骤5：采用混合整数线性规划算法求解得到最优调度。上述步 骤中的模型中既有连续型实数变量又有0-1整数变量，故采用混合整 数线性规划方法求解。整个混合整数线性规划模型包括决策变量、目 标函数以及约束条件等3部分。其中确定的决策变量如下：
连续型实数变量：HAVC设备温度THAVC(t+1)；EWH设备温度 TEWH(t+1)；储能系统充放电功率
Figure BDA0003038107960000131
和
Figure BDA0003038107960000132
能量状态SOCESS(t)、 满足家庭需求
Figure BDA0003038107960000133
和出售电网部分
Figure BDA0003038107960000134
电动汽车充放电功率
Figure BDA0003038107960000135
和
Figure BDA0003038107960000136
能量状态SOCEV(t)、满足家庭需求
Figure BDA0003038107960000137
和出售电网 部分
Figure BDA0003038107960000138
总电网提供功率Pused(t)和出售电网能量Psold(t)。
0-1整数变量：各家用电器设备Xi t工作状态；HAVC工作状态 αHAVC(t)；EWH工作状态αEWH(t)；储能系统工作状态αESS(t)；电动汽 车充放电状态αEV(t)；电网供电状态αgrid(t)。
目标函数为用户电费最小化，其数学模型如(1.13)所示。前述步骤 中决策变量和数据必须满足某些约束条件，在数学模型中这些约束条 件由涉及变量的线性不等式或等式构成，包括(2.4)、(2.9)、(2.11-2.21)， (2.23-2.25)等式子。
进一步地，MILP中精确算法框架中最核心的便是分支定界法 (B&B)，以及增加分支定界效率的各种技巧，例如割平面方法(Cutting Planes Method)。分支定界法的核心思想是将MILP中的0-1整数问题 通过线性松弛得到线性规划问题，在求解松弛后的线性规划问题的过 程中实时追踪原问题的上界(最优可行解)和下界(最优线性松弛解)。 具体求解过程如下：
对于整数规划问题(P0)以及它的松弛即线性规划问题
Figure BDA0003038107960000141
1.求解问题
Figure BDA0003038107960000142
可能得到以下情况之一：
·若
Figure BDA0003038107960000143
无可行解，则(P0)无可行解；
·若
Figure BDA0003038107960000144
的最优解是(P0)的可行解，则其也是(P0)的最优解。
·
Figure BDA0003038107960000145
有最优解，但不符合(P0)中的整数条件，此时可记它的 目标函数值为f0。这时如果记f为(P0)的最有目标函数值， 则必有f≥f0。
2.迭代
1)分支。在
Figure BDA0003038107960000146
的最优解中任选一个不符合整数条件的变量xi， 设其值为li，构造两个约束条件：xi≤[li]和xi≥[li]+1，将这 两个条件分别加入问题
Figure BDA0003038107960000147
将
Figure BDA0003038107960000148
分成两个后续问题
Figure BDA0003038107960000149
和
Figure BDA00030381079600001410
不考虑整数条件要求，求解
Figure BDA00030381079600001411
和
Figure BDA00030381079600001412
2)边界。以每个后继子问题为一分支并标明求解的结果，与 其他问题的解的结果一样，找出最优目标函数值最小者作 为新的下界，替换f0。从己符合整数条件的各分支中，找 出目标函数值最小者作为新的上界f*，即有f0≤f≤f*。
3)比较和剪枝。各分支的最优目标函数中若有大于f*者，则 剪掉这一支(即这一支所代表的子问题已无继续分解的必 要)；若有大于f*者，且不符合整数条件，则重复第一步 骤，一直到最后得到最优目标函数值f＝f*为止，从而得 到最优整数解
Figure BDA00030381079600001413
本发明通过在MATLAB中应用GUROBI对所建立的混合整数线 性规划模型求解。以夏季某典型家庭能量管理系统为例，优化调度时 间在一天时间内(14:00-14:00)，仿真每个时段取30min，则一天共有 48个时间段。家庭中的刚性负荷和柔性负荷数据见表1和表2，温控 负荷数据如表3和表4，储能系统和电动汽车数据如表5所示。
表1刚性负荷参数设置
Figure BDA0003038107960000151
表2柔性负荷参数设置
Figure BDA0003038107960000152
表3热水器参数设置
Figure BDA0003038107960000153
表4空调参数设置
Figure BDA0003038107960000154
表5储能系统和电动汽车参数设置
Figure BDA0003038107960000161
基于以上数据，由GUROBI求解得到的家庭能量管理系统中各设 备的最优调度安排如图2-5所示，图3和4表示了一天中室内温度和 热水器水温的控制情况，从图看出室温和热水水温都控制在一个相对 舒适的范围，满足用户的需求。图5和图6表示家用电器调度安排和 储能系统以及电动汽车一天最优充放电安排。由图可知在白天电价较 高时，主要是光伏发电来提供负载的功率，而在电价较低时会对储能 系统和电动汽车充电；在晚上电价较高时由储能系统来提供主要的负 荷需求，电价较低时对储能系统和电动汽车进行充电，使储能系统满 足第二天初始容量的要求，以及满足第二天电动汽车的容量足够，保 证出行要求。并且最后得到用户一天的净电费为6.014元，比不优化 前少了2.254元，极大的减少了用户的用电成本，这表明本发明的方 法在家庭能量管理系统优化调度上能取得较好的效果。
最后需要说明的是，以上具体实施方式仅用以说明本专利技术方 案而非限制，尽管参照较佳实施例对本专利进行了详细说明，本领域 的普通技术人员应当理解，可以对本专利的技术方案进行修改或者等 同替换，而不脱离本专利技术方案的精神和范围，其均应涵盖在本专 利的权利要求范围当中。

Claims (10)

1.一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述方法包括如下步骤：
1)建立家庭能量管理系统中各负荷设备的运行模型：根据负荷设备的不同特性，将负荷分为刚性符合、柔性负荷、温控负荷三个种类，并依次建立对应的数学模型；
2)构建家庭与电网双向交互设备运行模型，包括光伏发电系统模型、储能系统模型以及电动汽车模型；
3)构建以用户电费最小化为目标函数的家庭能量管理系统优化模型；
4)采用混合整数线性规划算法求解得到最优调度。
2.根据权利要求1所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述步骤1)中所述刚性负荷是指弹性时间为零的负荷，不依据任何外部因素而调度；所述柔性负荷指具有弹性时间的负荷，柔性负荷在规定的运行时间内进行启停操作；所述温控负荷指与温度相关的用电设备。
3.根据权利要求1所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述步骤2)中所述光伏发电模型描述为：
Figure FDA0003038107950000011
Figure FDA0003038107950000012
式中，Ppv(t)表示光伏系统在光照强度K(t)下的输出功率；Ppv,stc表示标准测试下的最大输出功率；εpv为光伏系统温度系数；T(t)为t时刻的环境温度；Kstc为标准测试下的光照强度；Tstc为标准测试下的环境温度；
Figure FDA0003038107950000013
分别表示可满足部分家庭需求和出售给电网的光伏发电功率。
4.根据权利要求1所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述储能系统模型描述为：
Figure FDA0003038107950000021
Figure FDA0003038107950000022
Figure FDA0003038107950000023
Figure FDA0003038107950000024
Figure FDA0003038107950000025
式(2.12)表示由储能系统放电提供的实际功率
Figure FDA0003038107950000026
等于用于满足家庭需求能量
Figure FDA0003038107950000027
和出售给电网能量
Figure FDA0003038107950000028
式(2.13)是对储能系统的充放电功率进行限制，
Figure FDA0003038107950000029
和
Figure FDA00030381079500000210
分别表示储能系统的充电功率和放电功率；
Figure FDA00030381079500000211
和
Figure FDA00030381079500000212
分别表示储能系统的最大充电功率和最大放电功率；式(2.14)表示每个时间间隔的能量状态SOCESS(t)具有其在前一个时间间隔SOCESS(t-1)的值，加上电池在该时间间隔充电时传输到电池的实际能量减去电池在该时间间隔放电时减去的能量；αESS(t)表示储能系统工作状态；
Figure FDA00030381079500000213
和
Figure FDA00030381079500000214
分别表示储能系统的充放电效率；式(2.15)表示在时间间隔的开始，储能系统的SOC与它的初始能态
Figure FDA00030381079500000215
一致；式(2.16)表示对电池的能量状态进行限制的约束条件，以防电池的过充放电，
Figure FDA00030381079500000216
和
Figure FDA00030381079500000217
分别为储能系统SOC的下限值和上限值。
5.根据权利要求4所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述电动汽车模型描述为：
Figure FDA00030381079500000218
Figure FDA0003038107950000031
Figure FDA0003038107950000032
Figure FDA0003038107950000033
Figure FDA0003038107950000034
式(1.8)表示由电动汽车放电提供的实际功率
Figure FDA0003038107950000035
等于用于满足家庭需求
Figure FDA0003038107950000036
和出售给电网
Figure FDA0003038107950000037
式(1.9)是对电动汽车的充放电功率进行限制，
Figure FDA0003038107950000038
和
Figure FDA0003038107950000039
分别表示电动汽车的充电功率和放电功率；
Figure FDA00030381079500000310
和
Figure FDA00030381079500000311
分别表示电动汽车的最大充电功率和最大放电功率；式(1.10)表示每个时间间隔的能量状态SOCEV(t)具有其在前一个时间间隔SOCEV(t-1)的值，加上电池在该时间间隔充电时传输到电池的实际能量减去电池在该时间间隔放电时减去的能量，αEV(t)表示电动汽车的充放电状态，
Figure FDA00030381079500000312
和
Figure FDA00030381079500000313
分别表示电动汽车的充放电效率；式(1.11)表示在时间间隔tα时，电动汽车的能量状态SOC与它的初始能态
Figure FDA00030381079500000314
一致；式(1.12)表示约束条件，
Figure FDA00030381079500000315
和
Figure FDA00030381079500000316
分别为电动汽车SOC的下限值和上限值，(tα,tβ-1)为电动汽车作为储能参与调度的时间段，在tβ-1时，电动汽车在离开时有SOC约束，保证出行距离。
6.根据权利要求1述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述步骤3)中以用户电费最小化为目标函数的数学模型为：
Figure FDA00030381079500000317
式(1.13)中用电总成本包括购电成本和售电收入两个部分，
Figure FDA0003038107950000041
和
Figure FDA0003038107950000042
分别表示购电价格和上网价格；Pgrid(t)为从电网购买的能量；Psold(t)为出售给电网能量；
Figure FDA0003038107950000043
为出售给电网的光伏发电功率；
Figure FDA0003038107950000044
为出售给电网的储能系统能量；
Figure FDA0003038107950000045
为出售给电网的电动汽车能量；ε1、ε2和ε3分别表示出售能源的优先级，值越小表示优先级越高。
7.根据权利要求6所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述步骤3)中家庭能量管理系统优化模型的约束条件为：
Figure FDA0003038107950000046
Figure FDA0003038107950000047
Figure FDA0003038107950000048
式(1.14)表示了出售给电网能量Psold(t)的组成部分；式(1.15)表示家庭总功率平衡；PD(t)表示家用电器用电总负荷，包括刚性负荷、柔性负荷以及温控负荷；
Figure FDA0003038107950000049
表示储能系统的充电功率和放电功率；Pgrid(t)为从电网购买的能量；式(1.16)是对交互功率的限制,αgrid(t)表示电网供电状态，N1和N2分别表示电网能提供的最大功率和出售给电网的最大功率。
8.根据权利要求1所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述步骤4)中采用混合整数线性规划算法求解得到最优调度。
9.根据权利要求8所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述混合整数线性规划算法基于混合整数线性规划模型实现，所述混合整数线性规划模型的决策变量包括连续性实数变量和0-1整数变量，目标函数为以用户电费最小化为目标函数。
10.根据权利要求9所述的一种基于混合整数线性规划的家庭能量管理优化方法，其特征在于：所述连续型实数变量包括HAVC设备温度THAVC(t+1)；EWH设备温度TEWH(t+1)；储能系统充放电功率
Figure FDA0003038107950000051
和
Figure FDA0003038107950000052
储能系统能量状态SOCESS(t)、储能系统满足家庭需求能量
Figure FDA0003038107950000053
和储能系统满出售电网能量
Figure FDA0003038107950000054
电动汽车充放电功率
Figure FDA0003038107950000055
和
Figure FDA0003038107950000056
电动汽车能量状态SOCEV(t)、电动汽车满足家庭需求能量
Figure FDA0003038107950000057
和电动汽车出售电网能量
Figure FDA0003038107950000058
总电网提供功率Pused(t)和出售电网能量Psold(t)；所述0-1整数变量包括各家用电器设备
Figure FDA0003038107950000059
工作状态；HAVC工作状态αHAVC(t)；EWH工作状态αEWH(t)；储能系统工作状态αESS(t)；电动汽车充放电状态αEV(t)；电网供电状态αgrid(t)。
CN202110449209.6A 2021-04-25 2021-04-25 一种基于混合整数线性规划的家庭能量管理优化方法 Active CN113131519B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110449209.6A CN113131519B (zh) 2021-04-25 2021-04-25 一种基于混合整数线性规划的家庭能量管理优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110449209.6A CN113131519B (zh) 2021-04-25 2021-04-25 一种基于混合整数线性规划的家庭能量管理优化方法

Publications (2)

Publication Number Publication Date
CN113131519A true CN113131519A (zh) 2021-07-16
CN113131519B CN113131519B (zh) 2022-08-19

Family

ID=76780136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110449209.6A Active CN113131519B (zh) 2021-04-25 2021-04-25 一种基于混合整数线性规划的家庭能量管理优化方法

Country Status (1)

Country Link
CN (1) CN113131519B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
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
CN114638549A (zh) * 2022-05-10 2022-06-17 支付宝(杭州)信息技术有限公司 基于大规模整数规划的资源分配方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130079937A1 (en) * 2011-09-26 2013-03-28 Hideyuki Aisu Power demand and supply scheduling apparatus
JP2015119575A (ja) * 2013-12-19 2015-06-25 大和ハウス工業株式会社 エネルギー管理システム及びエネルギー管理方法
CN111082505A (zh) * 2019-11-20 2020-04-28 国网江苏省电力有限公司南通供电分公司 一种基于电动汽车与储能电池协同调度的能量管理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130079937A1 (en) * 2011-09-26 2013-03-28 Hideyuki Aisu Power demand and supply scheduling apparatus
JP2015119575A (ja) * 2013-12-19 2015-06-25 大和ハウス工業株式会社 エネルギー管理システム及びエネルギー管理方法
CN111082505A (zh) * 2019-11-20 2020-04-28 国网江苏省电力有限公司南通供电分公司 一种基于电动汽车与储能电池协同调度的能量管理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚钢等: "协同调度电动汽车与储能装置的家庭能量管理策略", 《电力系统及其自动化学报》 *
张华一等: "计及舒适度的家庭能源中心运行优化模型", 《电力系统自动化》 *
张春雁等: "基于混合整数规划的家庭能源管理系统能源调度策略研究", 《上海节能》 *

Cited By (3)

* Cited by examiner, † Cited by third party
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
CN114638549A (zh) * 2022-05-10 2022-06-17 支付宝(杭州)信息技术有限公司 基于大规模整数规划的资源分配方法和系统

Also Published As

Publication number Publication date
CN113131519B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN110866641B (zh) 计及源储荷协同的多能互补系统两级优化调度方法及系统
Baniasadi et al. Optimal sizing design and operation of electrical and thermal energy storage systems in smart buildings
Duman et al. A home energy management system with an integrated smart thermostat for demand response in smart grids
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
CN113131519B (zh) 一种基于混合整数线性规划的家庭能量管理优化方法
CN110474370B (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
Li et al. Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response
CN110533311B (zh) 基于能源路由器的智能社区协调调度系统及方法
GR1010085B (el) Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
CN113809755B (zh) 一种基于需求响应的智慧楼宇节能优化控制方法
CN110807588A (zh) 一种多能源耦合综合能源系统的优化调度方法
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN108764524A (zh) 一种家庭能量管理系统的滚动优化调度方法
Xu et al. Supply demand coordination for building energy saving: Explore the soft comfort
CN114841409A (zh) 联合lstm和深度强化学习的家庭能源管理方法及介质
Pinzon et al. An MILP model for optimal management of energy consumption and comfort in smart buildings
CN111027747A (zh) 一种考虑用户舒适度风险偏好的家庭能量控制方法
CN113158450A (zh) 一种基于楼宇能量管理系统经济调度方法及系统
Reis et al. Residential demand-side flexibility in energy communities: a combination of optimization and agent modeling approaches
Bai et al. Flexibility quantification and enhancement of flexible electric energy systems in buildings
Huang et al. Optimization model for home energy management system of rural dwellings
Ali et al. Day ahead appliance scheduling with renewable energy integration for smart homes
CN116488223A (zh) 家庭光-蓄-柔双层多时间尺度控制方法、装置及介质
CN110729728A (zh) 考虑用户实时舒适度和电网负荷率的需求响应方法
CN111193261A (zh) 一种基于建筑等效热储能的多能流系统日前优化方法

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