CN113131519B - 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
CN113131519B
CN113131519B CN202110449209.6A CN202110449209A CN113131519B CN 113131519 B CN113131519 B CN 113131519B CN 202110449209 A CN202110449209 A CN 202110449209A CN 113131519 B CN113131519 B CN 113131519B
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.)
Active
Application number
CN202110449209.6A
Other languages
English (en)
Other versions
CN113131519A (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 GDA0003703020010000021
Figure GDA0003703020010000022
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 GDA0003703020010000023
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 GDA0003703020010000024
Figure GDA0003703020010000025
Figure GDA0003703020010000031
Figure GDA0003703020010000032
Figure GDA0003703020010000033
式(2.12)表示由储能系统放电提供的实际功率
Figure GDA0003703020010000034
等于用于满足家庭需求能量
Figure GDA0003703020010000035
和出售给电网能量
Figure GDA0003703020010000036
式(2.13)是对储能系统的充放电功率进行限制，
Figure GDA0003703020010000037
和
Figure GDA0003703020010000038
分别表示储能系统的充电功率和放电功率；
Figure GDA0003703020010000039
和
Figure GDA00037030200100000310
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 GDA00037030200100000311
和
Figure GDA00037030200100000312
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 GDA00037030200100000313
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 GDA00037030200100000314
和
Figure GDA00037030200100000315
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 GDA00037030200100000316
Figure GDA00037030200100000317
Figure GDA00037030200100000318
Figure GDA00037030200100000319
Figure GDA0003703020010000041
式(1.8)表示由电动汽车放电提供的实际功率
Figure GDA0003703020010000042
等于用于满足家庭需求
Figure GDA0003703020010000043
和出售给电网
Figure GDA0003703020010000044
式(1.9)是对电动汽车的充放电功率进行限制，
Figure GDA0003703020010000045
和
Figure GDA0003703020010000046
分别表示电动汽车的充电功率和放电功率；
Figure GDA0003703020010000047
和
Figure GDA0003703020010000048
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 GDA0003703020010000049
和
Figure GDA00037030200100000410
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 GDA00037030200100000411
一致；式(1.12)表示约束条件，
Figure GDA00037030200100000412
和
Figure GDA00037030200100000413
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 GDA00037030200100000414
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 GDA00037030200100000415
和
Figure GDA00037030200100000416
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 GDA00037030200100000417
为出售给电网的光伏发电功率；
Figure GDA00037030200100000418
为出售给电网的储能系统能量；
Figure GDA00037030200100000419
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 GDA0003703020010000051
Figure GDA0003703020010000052
Figure GDA0003703020010000053
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 GDA0003703020010000054
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 GDA0003703020010000055
和
Figure GDA0003703020010000056
储能系统能量状态SOCESS(t)、储能系统满足家庭需求能量
Figure GDA0003703020010000061
和储能系统满出售电网能量
Figure GDA0003703020010000062
电动汽车充放电功率
Figure GDA0003703020010000063
和
Figure GDA0003703020010000064
电动汽车能量状态SOCEV(t)、电动汽车满足家庭需求能量
Figure GDA0003703020010000065
和电动汽车出售电网能量
Figure GDA0003703020010000066
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 GDA0003703020010000067
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。
下面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 GDA0003703020010000071
其中
Figure GDA0003703020010000072
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 GDA0003703020010000081
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
Figure GDA0003703020010000082
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 GDA0003703020010000083
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 GDA0003703020010000084
Figure GDA0003703020010000085
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 GDA0003703020010000086
和
Figure GDA0003703020010000087
分别表示室内温度上下限。
进一步的，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 GDA0003703020010000091
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 GDA0003703020010000092
Figure GDA0003703020010000093
Figure GDA0003703020010000094
Figure GDA0003703020010000095
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 GDA0003703020010000096
和
Figure GDA0003703020010000097
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 GDA0003703020010000098
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 GDA0003703020010000099
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。
进一步的，构建光伏发电的模型，其数学模型可用下面的公式描述：
Figure GDA0003703020010000101
Figure GDA0003703020010000102
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 GDA0003703020010000103
和出售给电网部分
Figure GDA0003703020010000104
进一步的，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 GDA0003703020010000105
Figure GDA0003703020010000106
Figure GDA0003703020010000107
Figure GDA0003703020010000108
Figure GDA0003703020010000109
式(2.12)表示由储能系统放电提供的实际功率
Figure GDA00037030200100001010
可用于满足部分家庭需求
Figure GDA00037030200100001011
或者出售给电网
Figure GDA00037030200100001012
式(2.13)是对储能系统的充放电功率进行限制，
Figure GDA00037030200100001013
和
Figure GDA00037030200100001014
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 GDA0003703020010000111
和
Figure GDA0003703020010000112
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 GDA0003703020010000113
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 GDA0003703020010000114
和
Figure GDA0003703020010000115
分别为储能系统SOC的下限值和上限值。
进一步的，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 GDA0003703020010000116
Figure GDA0003703020010000117
Figure GDA0003703020010000118
Figure GDA0003703020010000119
Figure GDA00037030200100001110
式(2.17)表示由电动汽车放电提供的实际功率
Figure GDA00037030200100001111
可用于满足部分家庭需求
Figure GDA00037030200100001112
或者出售给电网
Figure GDA00037030200100001113
式(2.18)是对电动汽车的充放电功率进行限制，
Figure GDA00037030200100001114
和
Figure GDA00037030200100001115
分别表示电动汽车的最大充电功率和最大放电功率，
Figure GDA00037030200100001116
和
Figure GDA00037030200100001117
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 GDA00037030200100001118
和
Figure GDA00037030200100001119
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 GDA00037030200100001120
一致，如(2.20)所述。约束条件(2.21)中，
Figure GDA00037030200100001121
和
Figure GDA00037030200100001122
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 GDA0003703020010000121
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 GDA0003703020010000122
和
Figure GDA0003703020010000123
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 GDA0003703020010000124
为出售给电网的光伏发电功率；
Figure GDA0003703020010000125
为出售给电网的储能系统能量；
Figure GDA0003703020010000126
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。
进一步的，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 GDA0003703020010000127
Figure GDA0003703020010000128
Figure GDA0003703020010000129
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 GDA0003703020010000131
和
Figure GDA0003703020010000132
能量状态SOCESS(t)、满足家庭需求
Figure GDA0003703020010000133
和出售电网部分
Figure GDA0003703020010000134
电动汽车充放电功率
Figure GDA0003703020010000135
和
Figure GDA0003703020010000136
能量状态SOCEV(t)、满足家庭需求
Figure GDA0003703020010000137
和出售电网部分
Figure GDA0003703020010000138
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
Figure GDA0003703020010000139
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(2.22)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。
进一步的，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 GDA0003703020010000141
1.求解问题
Figure GDA0003703020010000142
可能得到以下情况之一：
·若
Figure GDA0003703020010000143
无可行解，则(P0)无可行解；
·若
Figure GDA0003703020010000144
的最优解是(P0)的可行解，则其也是(P0)的最优解。
·
Figure GDA0003703020010000145
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 GDA0003703020010000146
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 GDA0003703020010000147
将
Figure GDA0003703020010000148
分成两个后续问题
Figure GDA0003703020010000149
和
Figure GDA00037030200100001410
不考虑整数条件要求，求解
Figure GDA00037030200100001411
和
Figure GDA00037030200100001412
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 GDA00037030200100001413
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 GDA0003703020010000151
表2柔性负荷参数设置
Figure GDA0003703020010000152
表3热水器参数设置
Figure GDA0003703020010000153
表4空调参数设置
Figure GDA0003703020010000154
表5储能系统和电动汽车参数设置
Figure GDA0003703020010000161
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 (3)

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，将负荷分为刚性负荷、柔性负荷、温控负荷三个种类，并依次建立对应的数学模型；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；
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；所述光伏发电模型描述为：
Figure FDA0003703020000000011
Figure FDA0003703020000000012
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 FDA0003703020000000013
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；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；
以用户电费最小化为目标函数的数学模型为：
Figure FDA0003703020000000014
式中用电总成本包括购电成本和售电收入两个部分，
Figure FDA0003703020000000015
和
Figure FDA0003703020000000016
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 FDA0003703020000000021
为出售给电网的光伏发电功率；
Figure FDA0003703020000000022
为出售给电网的储能系统能量；
Figure FDA0003703020000000023
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；
家庭能量管理系统优化模型的约束条件为：
Figure FDA0003703020000000024
Figure FDA0003703020000000025
Figure FDA0003703020000000026
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 FDA0003703020000000027
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；
4)采用混合整数线性规划算法求解得到最优调度；
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；
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 FDA0003703020000000028
和
Figure FDA0003703020000000029
储能系统能量状态SOCESS(t)、储能系统满足家庭需求能量
Figure FDA00037030200000000210
和储能系统满出售电网能量
Figure FDA0003703020000000031
电动汽车充放电功率
Figure FDA0003703020000000032
和
Figure FDA0003703020000000033
电动汽车能量状态SOCEV(t)、电动汽车满足家庭需求能量
Figure FDA0003703020000000034
和电动汽车出售电网能量
Figure FDA0003703020000000035
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 FDA0003703020000000036
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)。
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：所述储能系统模型描述为：
Figure FDA0003703020000000037
Figure FDA0003703020000000038
Figure FDA0003703020000000039
Figure FDA00037030200000000310
Figure FDA00037030200000000311
式(2.12)表示由储能系统放电提供的实际功率
Figure FDA00037030200000000312
等于用于满足家庭需求能量
Figure FDA00037030200000000313
和出售给电网能量
Figure FDA00037030200000000314
式(2.13)是对储能系统的充放电功率进行限制，
Figure FDA00037030200000000315
和
Figure FDA00037030200000000316
分别表示储能系统的充电功率和放电功率；
Figure FDA00037030200000000317
和
Figure FDA00037030200000000318
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 FDA00037030200000000319
和
Figure FDA00037030200000000320
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 FDA00037030200000000321
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 FDA0003703020000000041
和
Figure FDA0003703020000000042
分别为储能系统SOC的下限值和上限值。
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：所述电动汽车模型描述为：
Figure FDA0003703020000000043
Figure FDA0003703020000000044
Figure FDA0003703020000000045
Figure FDA0003703020000000046
Figure FDA0003703020000000047
式(1.8)表示由电动汽车放电提供的实际功率
Figure FDA0003703020000000048
等于用于满足家庭需求
Figure FDA0003703020000000049
和出售给电网
Figure FDA00037030200000000410
式(1.9)是对电动汽车的充放电功率进行限制，
Figure FDA00037030200000000411
和
Figure FDA00037030200000000412
分别表示电动汽车的充电功率和放电功率；
Figure FDA00037030200000000413
和
Figure FDA00037030200000000414
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 FDA00037030200000000415
和
Figure FDA00037030200000000416
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 FDA0003703020000000051
一致；式(1.12)表示约束条件，
Figure FDA0003703020000000052
和
Figure FDA0003703020000000053
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。
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 CN113131519A (zh) 2021-07-16
CN113131519B true 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)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5364768B2 (ja) * 2011-09-26 2013-12-11 株式会社東芝 電力需給スケジューリング装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
协同调度电动汽车与储能装置的家庭能量管理策略;姚钢等;《电力系统及其自动化学报》;20200430(第04期);第36-37页 *
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;张春雁等;《上海节能》;20191231(第12期);第1008-1010页 *
计及舒适度的家庭能源中心运行优化模型;张华一等;《电力系统自动化》;20161025(第20期);全文 *

Also Published As

Publication number Publication date
CN113131519A (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
Duman et al. A home energy management system with an integrated smart thermostat for demand response in smart grids
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
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
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
Li et al. Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response
CN111339689B (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
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
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
CN110544175A (zh) 一种面向家庭智能用电的多能源综合优化调度方法
Xu et al. Supply demand coordination for building energy saving: Explore the soft comfort
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
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
Reis et al. Residential demand-side flexibility in energy communities: a combination of optimization and agent modeling approaches
CN113158450A (zh) 一种基于楼宇能量管理系统经济调度方法及系统
Bai et al. Flexibility quantification and enhancement of flexible electric energy systems in buildings
CN110729728A (zh) 考虑用户实时舒适度和电网负荷率的需求响应方法
CN110059853B (zh) 一种冷热电三联供系统中设备的配置方法
Gan-yun et al. Optimal scheduling of regional integrated energy system considering integrated demand response
Ali et al. Day ahead appliance scheduling with renewable energy integration for smart homes
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
Qi et al. Optimal dispatching of household air-source heat pump heating system considering thermal comfort
CN113036751A (zh) 一种考虑虚拟储能的可再生能源微电网优化调度方法

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