CN114221348A - 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法 - Google Patents

一种兼顾成本与舒适度的家庭能源管理系统优化运行方法 Download PDF

Info

Publication number
CN114221348A
CN114221348A CN202111566631.6A CN202111566631A CN114221348A CN 114221348 A CN114221348 A CN 114221348A CN 202111566631 A CN202111566631 A CN 202111566631A CN 114221348 A CN114221348 A CN 114221348A
Authority
CN
China
Prior art keywords
model
time
power
load
comfort
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
CN202111566631.6A
Other languages
English (en)
Other versions
CN114221348B (zh
Inventor
吴琼
李濮如
任洪波
李琦芬
杨涌文
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power University
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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202111566631.6A priority Critical patent/CN114221348B/zh
Publication of CN114221348A publication Critical patent/CN114221348A/zh
Application granted granted Critical
Publication of CN114221348B publication Critical patent/CN114221348B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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]
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Nonlinear Science (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)

Abstract

本发明涉及一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，该方法包括：建立家庭能源管理系统内部各设备的设备模型；根据所述设备模型建立兼顾成本与舒适度的家庭能源管理系统多目标优化的数学模型；利用改进粒子群算法求解所述多目标优化的数学模型得到优化结果，确定各设备的运行状态。与现有技术相比，本发明一方面，考虑从运行成本和舒适度两个方向入手，建立系统的多目标优化模型，尽可能的同时降低系统的运行费用和提高用户的舒适度,另一方面，采用改进粒子群算法对所建立模型进行求解，并优化各设备的使用时间。

Description

一种兼顾成本与舒适度的家庭能源管理系统优化运行方法
技术领域
本发明涉及家庭能源系统优化管理技术领域，尤其是涉及一种兼顾成本与舒适度的家庭能源管理系统优化运行方法。
背景技术
近年来，家庭能源管理优化策略成为一个热门的研究领域。随着家庭用电在社会总用电中的比重显著提高，家庭能源管理系统正以此为契机，在需求侧迅速扩展和发展。在考虑用户的各种功耗条件下，制定合理的家庭用电方案，可以在优化用户的用电成本的同时，加强电力系统的稳定性，合理利用电力资源。
而随着分布式光伏和电动汽车数量的迅速增加，家庭能源优化控制已成为现如今实现需求侧能源管理的最重要环节。作为能源管理技术在需求侧的体现，家庭能源管理系统(HEMS)可以为各种负载和分布式能源提供最优控制策略，以满足用户需求，并为需求响应和可再生能源接入提供支持。
家庭能源管理系统(HEMS)由控制中心、能源生产、能源消耗和能源储存组成。该系统将分布式发电系统、家用电器和储能设备有机地连接起来，并根据用电设备的用电需求合理、统一地调度用电，以降低家庭用户的总能耗和购电成本。
现对于家庭能源管理系统(HEMS)的优化研究主要集中在降低系统运行费用方面，而忽视了舒适度对用户的影响，并且未考虑具体负荷运行时间对优化结果的影响。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种兼顾成本与舒适度的家庭能源管理系统优化运行方法。
本发明的目的可以通过以下技术方案来实现：
一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，该方法包括：
建立家庭能源管理系统内部各设备的设备模型；
根据所述设备模型建立兼顾成本与舒适度的家庭能源管理系统多目标优化的数学模型；
利用改进粒子群算法求解所述多目标优化的数学模型得到优化结果，确定各设备的运行状态。
优选地，所述的设备模型包括可调整负荷模型、不可调整负荷模型、蓄电池模型以及电动汽车模型。
优选地，所述的可调整负荷模型包括：
可中断负荷模型，具体为空调模型：
Tin(t)＝Tin(t-1)+α(Tout(t)-Tin(t-1))+βp(t)
其中，Tin(t)表示时间t时的室内温度；Tin(t-1)表示时间t-1时的室内温度；Tout(t)表示时间t时的室外温度；p(t)表示空调在t时间的功率；α表示室外温度对室内温度的影响系数；β表示空调的温度调节系数，β>0表示空调处于加热状态，β<0表示空调处于制冷状态；
可转移负荷模型：
Figure BDA0003422153790000021
其中，Pa(t)是可转移负载a在时段t中消耗的电能；
Figure BDA0003422153790000022
是可转移负载a的额定能耗；sa(t)为0-1变量，sa(t)为1表示可转移负载a打开，sa(t)为0表示可转移负载a关闭；
Figure BDA0003422153790000023
是可转移负载a允许工作的开始和结束时间；Ha是可转移负载a的工作周期。
优选地，所述的不可调整负荷模型表示为：
Figure BDA0003422153790000024
其中，Pc是i时刻不可调整负载的瞬时功率；
Figure BDA0003422153790000025
为不可调整负载c在i时刻的工作状态，
Figure BDA0003422153790000026
为0-1变量，
Figure BDA0003422153790000027
为1表示不可调整负载开启，
Figure BDA0003422153790000028
为0表示不可调整负载关闭；Pc,rated为不可调整负载的额定功率；Ec是不可调整负载的总功耗；dc是不可调整负载的总工作时间。
优选地，所述的蓄电池模型包括：
Figure BDA0003422153790000031
充电模型：
Figure BDA0003422153790000032
放电模型：
Figure BDA0003422153790000033
其中，SOC(t)表示t时段蓄电池的荷电状态；Cnet(t)表示t时段蓄电池的剩余容量；Cbat表示蓄电池的额定容量；SOC(t+1)表示t+1时段蓄电池的荷电状态；Pch(t)表示时段t蓄电池的充电功率；Δt表示时间变化量；ηch表示蓄电池充电效率；Pdisch(t)表示时段t蓄电池的放电功率；ηdisch表示蓄电池放电效率。
优选地，所述的电动汽车模型包括：
Figure BDA0003422153790000034
充电模型：
Figure BDA0003422153790000035
放电模型：
Figure BDA0003422153790000036
约束条件：
Figure BDA0003422153790000037
其中，SOCE(t)表示t时段电动汽车的荷电状态；Enet(t)表示t时段电动汽车的剩余容量；Ebat表示电动汽车的额定容量；SOCE(t+1)表示t+1时段电动汽车的荷电状态；Pch(t)表示时段t电动汽车的充电功率；Δt表示时间变化量；ηch表示电动汽车充电效率；Pdisch(t)表示时段t电动汽车的放电功率；ηdisch表示电动汽车放电效率；αE、βE为电动汽车接入家庭能源系统的开始和结束时间；SOCE(t)、pE(t)是电动汽车在t时段的荷电状态和功率；SOCH是电动汽车出发时间的最小SOC限值；H为荷电状态限定值。
优选地，所述的家庭能源管理系统多目标优化的数学模型包括成本目标函数、舒适度目标函数、功率约束、温度约束。
优选地，所述的成本目标函数为：
minFtotal＝Ctotal-CF-CDR-h(λp+λs)
其中，Ftotal为电力成本，Ctotal为电力相关支出，CF为净负载平坦度成本，CDR为参与需求响应获取的利益，h(λp+λs)为用户舒适度转换成本测量的等效收入，λp为用户的温度舒适度，λs为用户的使用舒适度，h为舒适度转换系数；
所述的舒适度目标函数为：
Figure BDA0003422153790000041
tsi为设备的实际启动时间；Tsi为设备的预期启动时间；ΔTi为设备允许工作时间间隔的长度；X为家庭能源管理系统内部设备的总数。
优选地，所述的功率约束表示为：
0≤Pch(t)≤Pch，max
0≤Pdisch(t)≤Pdisch，max
Pch(t)Pdisch(t)＝0
式中，Pch(t)和Pdisch(t)分别为时段t蓄电池的充电、放电功率；Pch,max和Pdisch,max分别为蓄电池最大充电、放电功率；
所述的温度约束表示为：
TL≤Ti(t)≤TM
式中：Ti(t)为室内温度；TL、TM分别为室内允许最低与最高温度。
优选地，采用改进惯性权重的混沌粒子群优化算法进行优化求解。
与现有技术相比，本发明具有如下优点：
(1)本发明考虑从运行成本和舒适度两个方向入手，建立系统的多目标优化模型，尽可能的同时降低系统的运行费用和提高用户的舒适度；
(2)本发明多目标优化的数学模型包含连续变量，目标函数是非线性的，采用了一种改进惯性权重的混沌粒子群优化算法(ICPSO)对该数学模型进行求解，算法稳定，进化速度快。
附图说明
图1为本发明家庭能源管理系统的结构示意图。
图2为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的可转移负荷图。
图3为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的不可转移负荷图。
图4为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的优化后的可转移负荷图。
图5为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的优化后耗电量比较。
图6为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的温度示意图。
图7为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的算法流程图。
图8为本发明实施例中所述的一种兼顾成本与舒适度的家庭能源系统优化运行方法的粒子群算法对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
本实施例提供一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，该方法包括：
家庭能源管理系统如图1所示，基于此，建立家庭能源管理系统内部各设备的设备模型；
根据所述设备模型建立兼顾成本与舒适度的家庭能源管理系统多目标优化的数学模型；
利用改进粒子群算法求解所述多目标优化的数学模型得到优化结果，确定各设备的运行状态。
设备模型包括可调整负荷模型、不可调整负荷模型、蓄电池模型以及电动汽车模型。
可调整负荷模型包括，根据可调整负荷在运行期间是否可以随时停机，可以细分为可中断负荷和可转移负荷。可中断负荷的用电时间和功率可自由调节，主要包括空调、电动汽车等；可转移负荷的用电不能切断或中断，但可延时，主要包括洗衣机、洗碗机、洗衣机等。
可中断负荷：主要对空调进行建模。对于空调，在一段时间内，空调会多次启动和停止。因此，其在一段时间内(例如，一小时)的平均功率可以是零功率和额定功率之间的任何值。因此，空调模型为：
Tin(t)＝Tin(t-1)+α(Tout(t)-Tin(t-1))+βp(t)
其中，Tin(t)表示时间t时的室内温度；Tin(t-1)表示时间t-1时的室内温度；Tout(t)表示时间t时的室外温度；p(t)表示空调在t时间的功率；α表示室外温度对室内温度的影响系数；β表示空调的温度调节系数，β>0表示空调处于加热状态，β<0表示空调处于制冷状态；
为了便于建模，本发明认为所有可转移负载均处于恒功率模式，因此，可转移负荷模型表示为：
Figure BDA0003422153790000061
其中，Pa(t)是可转移负载a在时段t中消耗的电能；
Figure BDA0003422153790000062
是可转移负载a的额定能耗；sa(t)为0-1变量，sa(t)为1表示可转移负载a打开，sa(t)为0表示可转移负载a关闭；
Figure BDA0003422153790000063
是可转移负载a允许工作的开始和结束时间；Ha是可转移负载a的工作周期。
考虑到随机性的特点，将不可调负荷的功率建模为随机变量，不可调整负荷模型表示为：
Figure BDA0003422153790000064
其中，Pc是i时刻不可调整负载的瞬时功率；
Figure BDA0003422153790000065
为不可调整负载c在i时刻的工作状态，
Figure BDA0003422153790000071
为0-1变量，
Figure BDA0003422153790000072
为1表示不可调整负载开启，
Figure BDA0003422153790000073
为0表示不可调整负载关闭；Pc，rated为不可调整负载的额定功率；Ec是不可调整负载的总功耗；dc是不可调整负载的总工作时间。
在考虑可中断负荷模型时，需要考虑用户的温度舒适性，为了考虑用户的舒适性，引入人体舒适度的气象指标来约束室内温度。人体舒适度气象指标公式如下：
Figure BDA0003422153790000074
式中，I是人类舒适度的气象指数；T为空气温度(℃)；RH为相对湿度(％)；V是风速(m/s)。
人体舒适度指数的预测一般分为10个层次。10级，有点冷；9级，寒冷舒适；8级，凉爽舒适；7级，舒适；6级，更舒适；5级，比较热；4级，早晚舒适，中午闷热；3级，中午热，晚上闷热；2级，闷热，小心中暑；1级，天气很闷热，防止中暑。
蓄电池模型包括：
Figure BDA0003422153790000075
充电模型：
Figure BDA0003422153790000076
放电模型：
Figure BDA0003422153790000077
其中，SOC(t)表示t时段蓄电池的荷电状态；Cnet(t)表示t时段蓄电池的剩余容量；Cbat表示蓄电池的额定容量；SOC(t+1)表示t+1时段蓄电池的荷电状态；Pch(t)表示时段t蓄电池的充电功率；Δt表示时间变化量；ηch表示蓄电池充电效率；Pdisch(t)表示时段t蓄电池的放电功率；ηdisch表示蓄电池放电效率。
电动汽车模型与储能装置模型相似，因此电动汽车模型包括：
Figure BDA0003422153790000078
充电模型：
Figure BDA0003422153790000079
放电模型：
Figure BDA0003422153790000081
其中，SOCE(t)表示t时段电动汽车的荷电状态；Enet(t)表示t时段电动汽车的剩余容量；Ebat表示电动汽车的额定容量；SOCE(t+1)表示t+1时段电动汽车的荷电状态；Pch(t)表示时段t电动汽车的充电功率；Δt表示时间变化量；ηch表示电动汽车充电效率；Pdisch(t)表示时段t电动汽车的放电功率；ηdisch表示电动汽车放电效率。
但有三点区别：(1)EV有接入时段约束；(2)EV在满足调度需求的同时，尽量减少充放电循环次数；(3)EV在离开时刻有最小荷电状态约束，保证一定的出行距离。因此在蓄电池的基础上，电动汽车再加这三个约束条件：
Figure BDA0003422153790000082
其中，αE、βE为电动汽车接入家庭能源系统的开始和结束时间；SOCE(t)、pE(t)是电动汽车在t时段的荷电状态和功率；SOCH是电动汽车出发时间的最小SOC限值；H为荷电状态限定值。
家庭能源管理系统多目标优化的数学模型包括成本目标函数、舒适度目标函数、功率约束、温度约束。
成本目标函数为：
minFtotal＝Ctotal-CF-CDR-h(λp+λs)
其中，Ftotal为电力成本，Ctotal为电力相关支出，CF为净负载平坦度成本，CDR为参与需求响应获取的利益，h(λp+λs)为用户舒适度转换成本测量的等效收入，λp为用户的温度舒适度，λs为用户的使用舒适度，h为舒适度转换系数；
其中：
Figure BDA0003422153790000083
式中，Ctotal是与电费相关的支出；Ptotal(t)是时间t时每个负载的功率；priceload(t)是t时刻电网的销售价格。
Figure BDA0003422153790000091
式中，Ptotal(t)是时间t时每个负载的总功率；
Figure BDA0003422153790000092
是时间t时不可调节负载的功率；
Figure BDA0003422153790000093
是时间t时可控负载的功率；
Figure BDA0003422153790000094
是时间t时空调的功率；
Figure BDA0003422153790000095
是电池在t时间的功率；
Figure BDA0003422153790000096
是t时间光伏发电的发电功率。
Figure BDA0003422153790000097
式中，
Figure BDA0003422153790000098
是t时间的电池功率；Pch(t)和Pdisch(t)是电池的充电和放电功率。
Figure BDA0003422153790000099
Figure BDA00034221537900000910
式中：CF为净负荷的平整度成本，净负荷定义为不可调节负荷的耗电量以及可控负荷耗电量与可再生能源发电量之差；μ为平面度到成本的尺寸换算系数；Pnet(t)表示用户在第t时刻的净负载；Pmust(t)表示t周期内不可调负载的功耗；∑i∈{a，b}Pi(t)表示第t时刻可控负载的功耗；PDG(t)表示T期间的家庭可再生能源发电量。
CDR＝cDRPreΔt
其中CDR是需求响应的收入；cDR是电力减少的经济补偿；Pre是这一时期的平均断电量。
Figure BDA00034221537900000911
式中：λp是用户的温度舒适度；Tset是设定温度值；γp是t时温度舒适度的相对重要性，可在房间内无人时设置γp为0。
Figure BDA00034221537900000912
式中：λS表示用户的使用舒适度；S是可调整负荷的集合；γa表示负荷a对用户电舒适性的影响，其值可由用户设定，ωa为0-1变量，表示负荷a当天是否工作，ωa为1表示负荷a工作，ωa为0表示负荷a不工作。
舒适度目标函数为：
Figure BDA00034221537900000913
tsi为设备的实际启动时间；Tsi为设备的预期启动时间；ΔTi为设备允许工作时间间隔的长度；X为家庭能源管理系统内部设备的总数。
功率约束表示为：
0≤Pch(t)≤Pch，max
0≤Pdisch(t)≤Pdisch，max
Pch(t)Pdisch(t)＝0
式中，Pch(t)和Pdisch(t)分别为时段t蓄电池的充电、放电功率；Pch，max和Pdisch，max分别为蓄电池最大充电、放电功率。
温度约束表示为：
TL≤Ti(t)≤TM
式中：Ti(t)为室内温度；TL、TM分别为室内允许最低与最高温度。
采用改进惯性权重的混沌粒子群优化算法进行优化求解。
参照图2～4，本实验例选择某家庭用电系统进行优化方法的验证，以下的实施方案只用于实质验证并不对其试用物或用途进行限定。
参照图2和图3分别是某家庭内可调整负荷和不可调整负荷的功率，及可调整负荷优化前使用时间。为了方便对比，将优化前的各设备使用时间参数如表1所示：
表1：优化前的各设备使用时间参数
Figure BDA0003422153790000101
Figure BDA0003422153790000111
本案例中所使用的分时电价如表2所示：
表2：家庭分时电价方案
Figure BDA0003422153790000112
根据所建立的家庭各设备的相关参数的设定，分别建立可调整负荷，不可调整负荷等的运行数学模型，表示出系统各设备在运行期间的运行费用和能耗，进一步建立出家庭能源管理系统的经济、舒适度的多目标优化模型并听过改进粒子群算法对模型进行求解，得到系统经济、舒适度最优的结果。
可转移负荷调度优化后的运行结果如表3所示，运行状态如参照图4所示。
表3：家用电器优化运行结果
Figure BDA0003422153790000113
可以看出，经过优化后，可转移负载的工作时间有了很大的调整。从参照图5可以看出，如果在优化之前没有考虑功耗系统的功耗成本和峰谷差，那么功耗只是按照用户自己的意愿进行无序化。用电时段主要集中在6:00、17:00和20:00。其他时段用电量较小，峰谷差明显，用电系统不稳定；优化后，考虑电费等因素，用电时段主要集中在2:00-7:00和18:00-23:00。峰谷差小，不会出现明显的峰谷。因此，在使用该算法优化功耗时，可以在不影响用户满意度的情况下削峰填谷，降低成本。
为了体现对家居用户舒适性的考虑，本发明选取了最直观的温度因素进行分析。分析空调优化策略下调整后的室内温度是否满足规定的舒适度范围。
空调的非工作温度设置为0。根据室内外温差和最舒适的室内温度区，空调在工作区变频运行。参照图6中显示了18:00-24:00和0:00-7:00两个工作时段的运行模拟结果，满足室内温度约束，保证了用户的舒适性。室内温度紧随设定的温度范围，这验证了该优化方法在考虑了降低用户运行成本的同时，还考虑了用户的舒适度，在保证运行成本降低的情况下，用户的舒适度还在设定的范围之中。
参照图7和图8分别是所采用改进粒子群算法的流程图和与传统粒子群算法进行对比图。由图中可以看到与基本的PSO算法相比，本设计使用的ICPSO算法可以显著提高初始阶段的粒子搜索能力，并且为了防止陷入局部优化，混沌策略可以用来调整惯性权重，增加种群多样性。在迭代次数相同的情况下，有效地防止了算法陷入局部最优。在每一代算法中，更好的粒子存储在elite库中。最后，采用最速下降法在精英库中快速找到接近最优解的最优解，避免了算法的早熟收敛，提高了算法的搜索效率。
为了验证本设计提出的优化策略的可行性，将其分为三种场景进行分析比较，三种不同的场景描述如下：
场景1：本案例旨在为其他案例提供基准。在这种情况下，未实施提议的HEMS结构。此时只考虑功耗，不能参与优化调整。用电成本大，峰谷差大。
场景2：在这种情况下，仅考虑在HEMS结构的DR约束下在家中使用各种设备。此时，电动汽车只进行大功率充电，不进行车网互动策略。成本降低1.7％，负荷峰谷差降低3.3％。
场景3：在这种情况下，DR约束和V2G策略同时考虑。在保持DR约束的条件下，电动汽车的充放电优先。根据优化结果，采用电动汽车在高峰时段为家庭放电，以降低家庭的购电成本。结果表明，与前两种情况相比，该方法能更好地减小负荷峰谷差。峰谷差降低4.31％，耗电成本降低2.7％。
最终各情景运行成本及舒适度比较结果如表4所示：
表4：三种场景下的特征比较
Figure BDA0003422153790000121
Figure BDA0003422153790000131
从比较结果可以看出，该优化方法可以有效降低用户的用电成本，在不影响用户舒适度的情况下采用该优化方法是可行的。优化后的电力负荷和电力成本降低，满意度提高。灵活负载会适当改变用户在调度过程中的用电行为，不可避免地影响用户端的用电体验。改进后的优化方法虽然不能保证各目标同时达到最优值，但基本上最大限度地实现了目标的整体优化，保证了用电的经济性和舒适性，符合调度优化的实际应用。
本发明可以合理引导用户在用电时间和电价下调整峰值用电，促进居民用电有序智能化发展，有效验证模型的准确性和算法的优越性。通过多目标优化的方法同时为用户降低系统的运行费用与使用舒适度，既可以提高用户的经济效益，又可以提高节能减排的效果社会效益，对需求侧减排技术的推广以及一些新方向的应用都具有良好的促进作用。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，该方法包括：
建立家庭能源管理系统内部各设备的设备模型；
根据所述设备模型建立兼顾成本与舒适度的家庭能源管理系统多目标优化的数学模型；
利用改进粒子群算法求解所述多目标优化的数学模型得到优化结果，确定各设备的运行状态。
2.根据权利要求1所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的设备模型包括可调整负荷模型、不可调整负荷模型、蓄电池模型以及电动汽车模型。
3.根据权利要求2所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的可调整负荷模型包括：
可中断负荷模型，具体为空调模型：
Tin(t)＝Tin(t-1)+α(Tout(t)-Tin(t-1))+βp(t)
其中，Tin(t)表示时间t时的室内温度；Tin(t-1)表示时间t-1时的室内温度；Tout(t)表示时间t时的室外温度；p(t)表示空调在t时间的功率；α表示室外温度对室内温度的影响系数；β表示空调的温度调节系数，β＞0表示空调处于加热状态，β＜0表示空调处于制冷状态；
可转移负荷模型：
Figure FDA0003422153780000011
其中，Pa(t)是可转移负载a在时段t中消耗的电能；
Figure FDA0003422153780000012
是可转移负载a的额定能耗；sa(t)为0-1变量，sa(t)为1表示可转移负载a打开，sa(t)为0表示可转移负载a关闭；
Figure FDA0003422153780000013
是可转移负载a允许工作的开始和结束时间；Ha是可转移负载a的工作周期。
4.根据权利要求2所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的不可调整负荷模型表示为：
Figure FDA0003422153780000021
其中，Pc是i时刻不可调整负载的瞬时功率；
Figure FDA0003422153780000022
为不可调整负载c在i时刻的工作状态，
Figure FDA0003422153780000023
为0-1变量，
Figure FDA0003422153780000024
为1表示不可调整负载开启，
Figure FDA0003422153780000025
为0表示不可调整负载关闭；Pc，rated为不可调整负载的额定功率；Ec是不可调整负载的总功耗；dc是不可调整负载的总工作时间。
5.根据权利要求2所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的蓄电池模型包括：
Figure FDA0003422153780000026
充电模型：
Figure FDA0003422153780000027
放电模型：
Figure FDA0003422153780000028
其中，SOC(t)表示t时段蓄电池的荷电状态；Cnet(t)表示t时段蓄电池的剩余容量；Cbat表示蓄电池的额定容量；SOC(t+1)表示t+1时段蓄电池的荷电状态；Pch(t)表示时段t蓄电池的充电功率；Δt表示时间变化量；ηch表示蓄电池充电效率；Pdisch(t)表示时段t蓄电池的放电功率；ηdisch表示蓄电池放电效率。
6.根据权利要求2所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的电动汽车模型包括：
Figure FDA0003422153780000029
充电模型：
Figure FDA00034221537800000210
放电模型：
Figure FDA00034221537800000211
约束条件：
Figure FDA0003422153780000031
其中，SOCE(t)表示t时段电动汽车的荷电状态；Enet(t)表示t时段电动汽车的剩余容量；Ebat表示电动汽车的额定容量；SOCE(t+1)表示t+1时段电动汽车的荷电状态；Pch(t)表示时段t电动汽车的充电功率；Δt表示时间变化量；ηch表示电动汽车充电效率；Pdisch(t)表示时段t电动汽车的放电功率；ηdisch表示电动汽车放电效率；αE、βE为电动汽车接入家庭能源系统的开始和结束时间；SOCE(t)、pE(t)是电动汽车在t时段的荷电状态和功率；SOCH是电动汽车出发时间的最小SOC限值；H为荷电状态限定值。
7.根据权利要求1所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，所述的家庭能源管理系统多目标优化的数学模型包括成本目标函数、舒适度目标函数、功率约束、温度约束。
8.根据权利要求7所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，
所述的成本目标函数为：
minFtotal＝Ctotal-CF-CDR-h(λp+λs)
其中，Ftotal为电力成本，Ctotal为电力相关支出，CF为净负载平坦度成本，CDR为参与需求响应获取的利益，h(λp+λs)为用户舒适度转换成本测量的等效收入，λp为用户的温度舒适度，λs为用户的使用舒适度，h为舒适度转换系数；
所述的舒适度目标函数为：
Figure FDA0003422153780000032
tsi为设备的实际启动时间；Tsi为设备的预期启动时间；ΔTi为设备允许工作时间间隔的长度；X为家庭能源管理系统内部设备的总数。
9.根据权利要求1所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，
所述的功率约束表示为：
0≤Pch(t)≤Pch，max
0≤Pdisch(t)≤Pdisch，max
Pch(t)Pdisch(t)＝0
式中，Pch(t)和Pdisch(t)分别为时段t蓄电池的充电、放电功率；Pch，max和Pdisch，max分别为蓄电池最大充电、放电功率；
所述的温度约束表示为：
TL≤Ti(t)≤TM
式中：Ti(t)为室内温度；TL、TM分别为室内允许最低与最高温度。
10.根据权利要求1所述的一种兼顾成本与舒适度的家庭能源管理系统优化运行方法，其特征在于，采用改进惯性权重的混沌粒子群优化算法进行优化求解。
CN202111566631.6A 2021-12-20 2021-12-20 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法 Active CN114221348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111566631.6A CN114221348B (zh) 2021-12-20 2021-12-20 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111566631.6A CN114221348B (zh) 2021-12-20 2021-12-20 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法

Publications (2)

Publication Number Publication Date
CN114221348A true CN114221348A (zh) 2022-03-22
CN114221348B CN114221348B (zh) 2024-03-29

Family

ID=80704505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111566631.6A Active CN114221348B (zh) 2021-12-20 2021-12-20 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法

Country Status (1)

Country Link
CN (1) CN114221348B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451931A (zh) * 2017-07-28 2017-12-08 河海大学 家庭智能用电设备的优化调度方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN113328432A (zh) * 2021-04-29 2021-08-31 中国电力科学研究院有限公司 一种家庭能量管理优化调度方法及系统
CN113806995A (zh) * 2021-10-28 2021-12-17 西安建筑科技大学 一种基于ibas算法的家庭设备用能多目标优化方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451931A (zh) * 2017-07-28 2017-12-08 河海大学 家庭智能用电设备的优化调度方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN113328432A (zh) * 2021-04-29 2021-08-31 中国电力科学研究院有限公司 一种家庭能量管理优化调度方法及系统
CN113806995A (zh) * 2021-10-28 2021-12-17 西安建筑科技大学 一种基于ibas算法的家庭设备用能多目标优化方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐建军 等: "混合能源协同控制的智能家庭能源优化控制策略", 《电工技术学报》, vol. 32, no. 12, pages 214 - 223 *
谷晓琳 等: "一种改进惯性权重的混沌粒子群优化算法", 《大连交通大学学报》, vol. 41, no. 03, pages 102 - 106 *

Also Published As

Publication number Publication date
CN114221348B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
CN106779291B (zh) 智能用电园区需求响应策略
CN110619425B (zh) 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法
CN105990838B (zh) 一种计及可调度和可平移负荷的海岛微电网优化调度方法
CN107069773B (zh) 基于需求侧资源统一状态模型的负荷平滑控制方法
CN109523052A (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN110729726B (zh) 一种智慧社区能量优化调度方法和系统
CN109685396B (zh) 一种计及公共楼宇需求响应资源的配电网能量管理方法
CN110829446B (zh) 一种基于柔性负荷动态特性的台区弹性调度方法与装置
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN114862252A (zh) 可调负荷多层聚合调度潜力分析方法、系统、设备及介质
CN113610426B (zh) 基于用户满意度的智能用电社区能量管理方法
Visakh et al. Smart charging of electric vehicles to minimize the cost of chargingand the rate of transformer aging in a residential distribution network
CN111211569A (zh) 一种柔性负荷参与电网调峰的优化配置方法
CN111917135A (zh) 一种智能建筑群电能优化共享方法
CN111552181B (zh) 一种综合能源服务模式下的园区级需求响应资源配置方法
CN111967728A (zh) 计及用能舒适度时变性的商场楼宇调峰容量评估方法
CN114221348B (zh) 一种兼顾成本与舒适度的家庭能源管理系统优化运行方法
CN110729728A (zh) 考虑用户实时舒适度和电网负荷率的需求响应方法
CN113315135B (zh) 低碳楼宇优化调度方法、系统、终端及介质
CN113742933B (zh) 一种家庭能量管理优化方法、系统及存储介质
Song et al. Energy management optimization strategy for industrial enterprises based on demand response
CN113158486B (zh) 一种用户端综合能源网络优化控制方法
Ponnaganti et al. Intelligent operation of thermal storage systems based heat pump pool for cost efficiency
Zhihan et al. Research on the implementation architecture and demand response controlling strategy for adjustable load
Gu et al. Energy management strategy of smart residential community considering aggregated air-conditioning loads

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