CN116706902B - 区域内居民用电优化方法、电子设备和计算机可读介质 - Google Patents

区域内居民用电优化方法、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN116706902B
CN116706902B CN202310972900.1A CN202310972900A CN116706902B CN 116706902 B CN116706902 B CN 116706902B CN 202310972900 A CN202310972900 A CN 202310972900A CN 116706902 B CN116706902 B CN 116706902B
Authority
CN
China
Prior art keywords
period
time
model
electric appliance
adjustable
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
CN202310972900.1A
Other languages
English (en)
Other versions
CN116706902A (zh
Inventor
樊立攀
张�成
徐琰
明东岳
丁黎
傅晨
谢东日
游文军
庞博
毕伟
周世祺
刘鸣
董重重
夏天
王琪
鄢烈奇
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.)
Metering Center of State Grid Hubei Electric Power Co Ltd
Original Assignee
Metering Center of State Grid Hubei Electric Power Co Ltd
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 Metering Center of State Grid Hubei Electric Power Co Ltd filed Critical Metering Center of State Grid Hubei Electric Power Co Ltd
Priority to CN202310972900.1A priority Critical patent/CN116706902B/zh
Publication of CN116706902A publication Critical patent/CN116706902A/zh
Application granted granted Critical
Publication of CN116706902B publication Critical patent/CN116706902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种区域内居民用电优化方法，包括：S1：将区域内居民用电电器划分为三类：固定使用类电器、时移类电器和可调类电器，并分别建立固定使用类电器、时移类电器和可调类电器各自所对应的负荷特性模型；S2：根据区域内居民的历史用电数据建立时移类电器和可调类电器各自所对应的舒适度模型，并根据时移类电器的舒适度模型和可调类电器的舒适度模型建立用户满意度模型；S3：根据负荷特性模型、用户满意度模型、预设的目标函数、预设的约束条件，求解时移类电器和可调类电器在一天内每个时段t内的运行状态，其中以区域用户一天的用户满意度最大作为目标函数，一天被预先划分为T个时段，t为正整数且1≤t≤T。

Description

区域内居民用电优化方法、电子设备和计算机可读介质
技术领域
本公开涉及电网用电侧用电规划领域，特别涉及一种区域内居民用电优化方法、电子设备和计算机可读介质。
背景技术
现有居民精准节电侧重于全局优化方面，对基于用户满意度、用户用电细分行为特征分析的考虑较少，对于涉及用电侧良好互动协同的节电评估方法尚不多见。
发明内容
第一方面，本公开实施例提供了一种区域内居民用电优化方法，包括：
S1：将区域内居民用电电器划分为三类：固定使用类电器、时移类电器和可调类电器，并分别建立所述固定使用类电器、所述时移类电器和所述可调类电器各自所对应的负荷特性模型；
S2：根据区域内居民的历史用电数据建立所述时移类电器和所述可调类电器各自所对应的舒适度模型，并根据所述时移类电器的舒适度模型和所述可调类电器的舒适度模型建立用户满意度模型；
S3：根据所述负荷特性模型、所述用户满意度模型、预设的目标函数、预设的约束条件，求解所述时移类电器和所述可调类电器在一天内每个时段t内的运行状态，其中以区域用户一天的用户满意度最大作为所述目标函数，一天被预先划分为T个时段，t为正整数且1≤t≤T。
在一些实施例中，固定使用类电器的负荷特性模型如下：
其中，表示全部固定使用类电器在时段t的运行功率总和，/>为固定使用类电器的数量，/>表示在时段t时第a个固定使用类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，/>表示在时段t时第a个固定使用类电器的运行功率；
时移类电器的负荷特性模型如下：
表示全部时移类电器在时段t的运行功率总和，/>表示从时段t-1到时段t无终止运行的时移类电器的功率总和，/>表示从其他时段移入至时段t的时移类电器的功率总和，/>表示从时段t移出至其他时段的时移类电器的功率；
其中，N为从时段t-1到时段t无终止运行的时移类电器的数量，表示第b个从时段t-1到时段t无终止运行的时移类电器的运行功率，N2为从其他时段移入至时段t的时移类电器的数量，/>表示第c个从其他时段移入至时段t的时移类电器的运行功率，N3为时段t移出至其他时段的时移类电器的数量，/>表示第d个从时段t移出至其他时段的时移类电器的运行功率；
可调类电器的负荷特性模型如下：
其中，表示全部可调类电器在时段t的运行功率总和，N4为可调类电器的数量，/>表示在时段t时第d个可调类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，/>表示在时段t时第d个可调类电器的运行功率。
在一些实施例中，所述历史用电数据包括：各用电电器在连续天中的每一天的每个时段的用电数据；
所述时移类电器的舒适度模型如下：
其中，表示时移类电器nt在/>天所对应/>个时段t的运行功率总和，表示时移类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示时移类电器在时段t采用运行功率/>进行运行时所对应的舒适度，k为预设的定比系数，r为预设的归一化参数；
所述可调类电器的舒适度模型如下：
其中，表示可调类电器nr在/>天内第m天的时段t的运行功率，/>表示可调类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示可调类电器在时段t采用运行功率为/>进行运行时所对应的舒适度，s为预设的归一化参数。
在一些实施例中，S2中根据所述时移类电器的舒适度模型和所述可调类电器的舒适度模型建立用户满意度模型的步骤包括：
根据时移类电器的舒适度模型和可调类电器的舒适度模型建立整体舒适度模型，所述整体舒适度模型如下：
其中，表示在时段t时移类电器采用运行功率/>进行运行且可调类电器运行功率为/>进行运行时所对应的整体舒适度，/>为区域内时移类电器的总数量，为区域内可调类电器的总数量；
根据所述整体舒适度模型和各时段的度电成本建立用户满意度模型，所述用户满意度模型如下：
表示在区域用户在时段t的用户满意度，/>表示在时段t时的度电成本，g为预设的归一化系数，/>表示在区域用户一天的用户满意度，/>表示时段t所配置的权值且。
在一些实施例中，在S2之前还包括：基于非侵入式负荷分解技术对区域内居民用电情况进行监测，以获得各用电电器在连续天中的每一天的每个时段的用电数据。
在一些实施例中，取值为30，一天被预先划分为24个时段，每个时段的时长为1小时。
在一些实施例中，所述约束条件包括：线路输电能力限制约束和功率变化率约束中至少之一；
线路输电能力限制约束如下：
表示区域内居民在时段t的全部用电电器的总运行功率，/>表示预设的区域内居民在时段t的全部用电电器的总运行功率上限阈值；
功率变化率约束如下：
表示区域内居民在时段t-1的全部用电电器的总运行功率，/>为预设的功率变化率上限阈值。
在一些实施例中，在S3中采用XGboost算法求解时移类电器和所述可调类电器在一天内每个时段t内的运行状态，具体如下：
首先，处理分类回归决策树模型中的连续数据；
整个样本的输出模型如下：
其中，Pi是模型的输出结果；k是集成模型中回归树的总数；是该样本集在前k个回归结果中通过树上的叶节点计算结果；
Obj是算法的目标函数，k为所有决策树的数量，m是导入树的前k个总数据，是真实价值，/>是模型输出价值，/>为模型输出值与实际值的误差，/>是k颗树模型的复杂性；
和/>两个惩罚系数，用于控制叶节点的数量和每个叶的权重节点，Ta是叶节点的总数，j是第k个树的第j个叶节点的权重；
其次，通过迭代获得由许多回归树组成的性能更好的梯度提升决策树，用前向逐步算法表示为上一次迭代的结果，如下所示：
其中，D是迭代次数；
使用二阶Taylor展开和移除常数项，将式（13）转换为：
为被划分为第j个样本集的叶节点，/>和/>是偏差函数的一阶导数和二阶导数，/>为第j个样本集的叶节点权重；
最后，对梯度提升决策树找到叶子节点的最优切分点，将式（14）转换为关于叶节点的目标函数的一维的二次函数，求解极值可以得到第j个节点最优权重和最优函数分别为：
其中，。
第二方面，本公开实施例还提供了一种电子设备，其中，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面中提供的所述方法。
第三方面，本公开实施例还提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面中提供的所述方法中的步骤。
附图说明
图1为本公开实施例提供的一种区域内居民用电优化方法的流程图；
图2为本公开实施例中非侵入式负荷辨识分解技术的一种原理示意图；
图3为本公开实施例中模拟不同场景下区域内居民用电情况对比示意图；
图4为本公开实施例的一种电子设备的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本公开的技术方案，下面结合附图和具体实施方式对本公开作进一步详细描述。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述目标的绝对位置改变后，则该相对位置关系也可能相应地改变。
在各个附图中，相同的元件采用类似的附图标记来表示。为了清楚起见，附图中的各个部分并没有都按比例绘制。此外，在图中可能未示出某些公知的部分。
在下文中描述了本公开的许多特定的细节，例如部件的结构、材料、尺寸、处理工艺和技术，以便更清楚地理解本公开。但正如本领域的技术人员能够理解的那样，可以不按照这些特定的细节来实现本公开。
图1为本公开实施例提供的一种区域内居民用电优化方法的流程图。如图1所示，该区域内居民用电优化方法的步骤包括：
S1：将区域内居民用电电器划分为三类：固定使用类电器、时移类电器和可调类电器，并分别建立固定使用类电器、时移类电器和可调类电器各自所对应的负荷特性模型。
其中，固定使用类电器是指使用时间和运行功率比较固定、不能进行调度的电器；例如，电灯、冰箱等。用户使用固定使用类电器，其操作时间或运行功率的变化会显著影响用户的生活质量。
时移类电器是指具有固定的工作模式、在工作时不能随意中断的电器；例如洗衣机、电热水器等；它们可以在需要时转移到其他时间段，但是它们的运行功率不能改变。
可调类电器是指可以根据需要对运行时间以及运行功率进行调整的电器。例如，空调等。
S2：根据区域内居民的历史用电数据建立时移类电器和可调类电器各自所对应的舒适度模型，并根据时移类电器的舒适度模型和可调类电器的舒适度模型建立用户满意度模型。
S3：根据负荷特性模型、用户满意度模型、预设的目标函数、预设的约束条件，求解时移类电器和可调类电器在一天内每个时段t内的运行状态，其中以区域用户一天的用户满意度最大作为目标函数，一天被预先划分为T个时段，t为正整数且1≤t≤T。
在本公开实施例中，通过对居民用电电器进行分类并分别建立对应的负荷特性模型，同时还基于历史用电数据建立用户满意度模型，最后根据已建立的各负荷特性模型、用户满意度模型和预设约束条件，以用户满意度最大作为目标函数，求解得到时移类电器和可调类电器在一天内每个时段t内的运行状态，即得到在一天内每个时段t内时移类电器和可调类电器的用电计划（具体可以为对应电器的运行功率）。基于该求解结果，可以指导区域内居民的用电行为，实现在保证用户用电满意度较高的水平下，降低区域内用户的用电成本。
在一些实施例中，固定使用类电器的负荷特性模型如下：
其中，表示全部固定使用类电器在时段t的运行功率总和，/>为固定使用类电器的数量，/>表示在时段t时第a个固定使用类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，/>表示在时段t时第a个固定使用类电器的运行功率；
时移类电器的负荷特性模型如下：
表示全部时移类电器在时段t的运行功率总和，/>表示从时段t-1到时段t无终止运行的时移类电器的功率总和，/>表示从其他时段移入至时段t的时移类电器的功率总和，/>表示从时段t移出至其他时段的时移类电器的功率；
其中，N为从时段t-1到时段t无终止运行的时移类电器的数量，表示第b个从时段t-1到时段t无终止运行的时移类电器的运行功率，N2为从其他时段移入至时段t的时移类电器的数量，/>表示第c个从其他时段移入至时段t的时移类电器的运行功率，N3为时段t移出至其他时段的时移类电器的数量，/>表示第d个从时段t移出至其他时段的时移类电器的运行功率；
可调类电器的负荷特性模型如下：
其中，表示全部可调类电器在时段t的运行功率总和，N4为可调类电器的数量，/>表示在时段t时第d个可调类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，/>表示在时段t时第d个可调类电器的运行功率。
在一些实施例中，历史用电数据包括：各用电电器在连续天中的每一天的每个时段的用电数据。
进一步可选地，取值为30，一天被预先划分为24个时段（即，T=24），每个时段的时长为1小时。
在一些实施例中，在S2之前还包括：基于非侵入式负荷分解技术对区域内居民用电情况进行监测，以获得各用电电器在连续天中的每一天的每个时段的用电数据。
图2为本公开实施例中非侵入式负荷辨识分解技术的一种原理示意图。如图2所示，非侵入式负荷辨识分解技术只需要区域内用户电力总进线处（例如电表箱内部）安装一个采集终端（或安装负荷辨识智能电表），通过电流、电压等蕴含的信息和大数据算法来实现负荷辨识，可实时监测用户内部各类用电电器的使用情况（包括各类用电电器的峰值功率、启停时间、分时电量、电量占比等指标）。非侵入式负荷辨识分解技术首先从时间尺度、电气和非电气、暂态和稳态等多个维度，提取各类家电的敏感特征量和多源组合方式，建立负荷特征库，并将其写入采集终端，根据采样的电压电流值进行负荷特征匹配，实现实时的负荷识别。目前，非侵入式负荷辨识技术经过5-7年的发展，已通过中国电科院等专业机构监测，能够实现空调和空调辅热、电热水器、电水壶、厨房家电等分类辨识，辨识精度超过90%。故，通过非侵入式负荷辨识分解技术，可以获取区域内各用电电器在每一天的每个时段的用电数据（例如，用电电器是否运行、运行功率大小等）。
用户各时段的用电量同用户的舒适度密切相关,一般来讲,考虑到用户对电价的自适应性,可以认为,在相对稳定的电价水平下,用户将会自主选择其舒适度最大的用电方式。因此,假定在各时段电价无差异的情况下,用户在典型负荷曲线的用电方式下其舒适度最高,而用户在电价无差异情况下的负荷曲线称为舒适度最大曲线。故，基于区域内各用电电器在连续天中的每一天的每个时段的用电数据，可以拟合得到时移类电器所对应的舒适度最大曲线以及可调类电器的舒适度最大曲线。
在本公开中，时移类电器在特定时段采用实际运行功率进行运行时所对应的舒适度确定原理如下：将时移类电器在特定时段的实际运行功率与时移类电器所对应的舒适度最大曲线中所示运行功率（即，特定时段的“最舒适运行功率”）进行比较，基于在特征时段内实际运行功率与最舒适运行功率的差异，可以评估出时移类电器在特定时段采用实际运行功率进行运行时所对应的舒适度。
基于上述原理，建立的时移类电器的舒适度模型如下：
其中，表示时移类电器nt在/>天所对应/>个时段t的运行功率总和，表示时移类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示时移类电器在时段t采用运行功率/>进行运行时所对应的舒适度，k为预设的定比系数，r为预设的归一化参数。
在本公开中，时移类电器在特定时段采用实际运行功率进行运行时所对应的舒适度确定原理如下：将时移类电器在特定时段的实际运行功率与时移类电器所对应的舒适度最大曲线中所示运行功率（即，特定时段的“最舒适运行功率”）进行比较，基于在特征时段内实际运行功率与最舒适运行功率的差异，可以评估出时移类电器在特定时段采用实际运行功率进行运行时所对应的舒适度。
基于上述原理，建立的时移类电器的舒适度模型如下：
其中，表示时移类电器nt在/>天所对应/>个时段t的运行功率总和，表示时移类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示时移类电器在时段t采用运行功率/>进行运行时所对应的舒适度，k为预设的定比系数，r为预设的归一化参数（本质为将功率映射为舒适度，r的具体大小可根据实际需要进行预先设计和调整，r的取值设定也可以对/>的范围起到一定的限定作用）。
在本公开中，可调类电器在特定时段采用实际运行功率进行运行时所对应的舒适度确定原理如下：将可调类电器在特定时段的实际运行功率与可调类电器所对应的舒适度最大曲线中所示运行功率（即，特定时段的“最舒适运行功率”）进行比较，基于在特征时段内实际运行功率与最舒适运行功率的差异，可以评估出可调类电器在特定时段采用实际运行功率进行运行时所对应的舒适度。
基于上述原理，建立的可调类电器的舒适度模型如下：
其中，表示可调类电器nr在/>天内第m天的时段t的运行功率，/>表示可调类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示可调类电器在时段t采用运行功率为/>进行运行时所对应的舒适度，s为预设的归一化参数（本质为将功率映射为舒适度，s的具体大小可根据实际需要进行预先设计和调整，s的取值设定也可以对/>的范围起到一定的限定作用）。
在一些实施例中，S2中根据时移类电器的舒适度模型和可调类电器的舒适度模型建立用户满意度模型的步骤包括：
根据时移类电器的舒适度模型和可调类电器的舒适度模型建立整体舒适度模型，整体舒适度模型如下：
其中，表示在时段t时移类电器采用运行功率/>进行运行且可调类电器运行功率为/>进行运行时所对应的整体舒适度，/>为区域内时移类电器的总数量，为区域内可调类电器的总数量；
根据整体舒适度模型和各时段的度电成本建立用户满意度模型，用户满意度模型如下：
表示在区域用户在时段t的用户满意度，/>表示在时段t时的度电成本，g为预设的归一化系数（用于将舒适度与度电成本的乘积映射为满意度，g的具体大小可根据实际需要进行预先设计和调整，g的取值设定也可以对/>的范围起到一定的限定作用），/>表示在区域用户一天的用户满意度，/>表示时段t所配置的权值且/>。
在一些实施例中，约束条件包括：线路输电能力限制约束和功率变化率约束中至少之一；线路输电能力限制约束主要是为了防止在某个时段区域内的总功率过大而导致电网中负荷过重，功率变化率约束是为了防止电网中功率的突变而导致瞬时电流变化过大。
线路输电能力限制约束如下：
表示区域内居民在时段t的全部用电电器的总运行功率，/>表示预设的区域内居民在时段t的全部用电电器的总运行功率上限阈值。
功率变化率约束如下：
表示区域内居民在时段t-1的全部用电电器的总运行功率，/>为预设的功率变化率上限阈值。
在一些实施例中，在S3中采用XGboost算法求解时移类电器和可调类电器在一天内每个时段t内的运行状态，具体如下：
首先，处理分类回归决策树模型中的连续数据；
整个样本的输出模型如下：
其中，Pi是模型的输出结果；k是集成模型中回归树的总数；是该样本集在前k个回归结果中通过树上的叶节点计算结果；
Obj是算法的目标函数，k为所有决策树的数量，m是导入树的前k个总数据，是真实价值，/>是模型输出价值，/>为模型输出值与实际值的误差，/>是k颗树模型的复杂性；
和/>为两个惩罚系数，用于控制叶节点的数量和每个叶的权重节点，Ta是叶节点的总数，j是第k个树的第j个叶节点的权重；
其次，通过迭代获得由许多回归树组成的性能更好的梯度提升决策树，用前向逐步算法表示为上一次迭代的结果，如下所示：
其中，D是迭代次数；
使用二阶Taylor展开和移除常数项，将式（13）转换为：
为被划分为第j个样本集的叶节点，/>和/>是偏差函数的一阶导数和二阶导数，/>为第j个样本集的叶节点权重；
最后，对梯度提升决策树找到叶子节点的最优切分点，将式（14）转换为关于叶节点的目标函数的一维的二次函数，求解极值可以得到第j个节点最优权重和最优函数分别为：
其中，
上述通过XGboost算法采用迭代方式，来求解在用户满意度最大时所对应的时移类电器和可调类电器在每个时段t内的运行状态的技术手段，其运算速率快、稳定性高，该技术手段仅为本公开中的一种可选实施方案，其不会对本公开的技术方案产生限制。本公开中还可以采用其他优化算法来进行求解，例如遗传算法、粒子群算法等，本公开对此不作限定。
图3为本公开实施例中模拟不同场景下区域内居民用电情况对比示意图。如图3所示，本公开中分别模拟了“不进行用电优化”“进行用电优化且以用电成本最低作为目标”以及“进行用电优化且以用户满意度最高作为目标”三种场景下的居民用电情况。
通过图3可见，在“不进行用电优化”场景（即，参考场景）下，度电成本（一天内平均一度电的支出成本）为0.59元，度电花费价值为1，区域内用户集群的舒适度最高且值为1，区域内用户集群的用户满意度为1。
在“进行用电优化且以用电成本最低作为目标”场景（即，对比场景）下，度电成本为0.50元，度电花费价值为1+（0.59-0.50）/0.59≈1.15，区域内用户集群的用户舒适度最低且为0.55，区域内用户集群的用户满意度为0.71。
在“进行用电优化且以用户满意度最高作为目标”场景（即，本发明场景）下，度电成本为0.57元，度电花费价值为1+（0.59-0.57）/0.59≈1.03，区域内用户集群的用户舒适度为0.95，区域内用户集群的用户满意度为1.08。
基于上述不同场景下的对比可见，本公开的技术方案可在提升用户满意度的情况下，有效降低用户的用电成本，即论证了本公开的技术方案的有效性和实用性。
基于同一发明构思，本公开实施例还提供了一种电子设备。图4为本公开实施例的一种电子设备的结构示意图。如图4所示，本公开实施例提供一种电子设备包括：一个或多个处理器101、存储器102、一个或多个I/O接口103。存储器102上存储有一个或多个程序，当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现如上述实施例中任一的区域内居民用电优化方法；一个或多个I/O接口103连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。
其中，处理器101为具有数据处理能力的器件，包括但不限于中央处理器（CPU）等；存储器102为具有数据存储能力的器件，包括但不限于随机存取存储器（RAM，更具体如SDRAM、DDR等）、只读存储器（ROM）、带电可擦可编程只读存储器（EEPROM）、闪存（FLASH）；I/O接口（读写接口）103连接在处理器101与存储器102间，能实现处理器101与存储器102的信息交互，包括但不限于数据总线（Bus）等。
在一些实施例中，处理器101、存储器102和I/O接口103通过总线104相互连接，进而与计算设备的其它组件连接。
在一些实施例中，该一个或多个处理器101包括现场可编程门阵列。
根据本公开的实施例，还提供一种计算机可读介质。该计算机可读介质上存储有计算机程序，其中，该程序被处理器执行时实现如上述实施例中任一的区域内居民用电优化方法中的步骤。
特别地，根据本公开实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本公开的系统中限定的上述功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的电路或子电路可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的电路或子电路也可以设置在处理器中，例如，可以描述为：一种处理器，包括：接收电路和处理电路，该处理模块包括写入子电路和读取子电路。其中，这些电路或子电路的名称在某种情况下并不构成对该电路或子电路本身的限定，例如，接收电路还可以被描述为“接收视频信号”。
可以理解的是，以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式，然而本公开并不局限于此。对于本领域内的普通技术人员而言，在不脱离本公开的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本公开的保护范围。

Claims (8)

1.一种区域内居民用电优化方法，其特征在于，包括：
S1：将区域内居民用电电器划分为三类：固定使用类电器、时移类电器和可调类电器，并分别建立所述固定使用类电器、所述时移类电器和所述可调类电器各自所对应的负荷特性模型；
S2：根据区域内居民的历史用电数据建立所述时移类电器和所述可调类电器各自所对应的舒适度模型，并根据所述时移类电器的舒适度模型和所述可调类电器的舒适度模型建立用户满意度模型；
S3：根据所述负荷特性模型、所述用户满意度模型、预设的目标函数、预设的约束条件，求解所述时移类电器和所述可调类电器在一天内每个时段t内的运行状态，其中以区域用户一天的用户满意度最大作为所述目标函数，一天被预先划分为T个时段，t为正整数且1≤t≤T；
所述历史用电数据包括：各用电电器在连续天中的每一天的每个时段的用电数据；
所述时移类电器的舒适度模型如下：
；其中，/>表示时移类电器nt在/>天所对应/>个时段t的运行功率总和，/>表示时移类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示时移类电器在时段t采用运行功率/>进行运行时所对应的舒适度，k为预设的定比系数，r为预设的归一化参数；
所述可调类电器的舒适度模型如下：
；其中，/>表示可调类电器nr在/>天内第m天的时段t的运行功率，/>表示可调类电器在/>天中每一天时段t的运行功率总和的平均值，/>表示可调类电器在时段t采用运行功率为/>进行运行时所对应的舒适度，s为预设的归一化参数；
S2中根据所述时移类电器的舒适度模型和所述可调类电器的舒适度模型建立用户满意度模型的步骤包括：
根据时移类电器的舒适度模型和可调类电器的舒适度模型建立整体舒适度模型，所述整体舒适度模型如下：
；其中，/>表示在时段t时移类电器采用运行功率/>进行运行且可调类电器运行功率为/>进行运行时所对应的整体舒适度，/>为区域内时移类电器的总数量，/>为区域内可调类电器的总数量；
根据所述整体舒适度模型和各时段的度电成本建立用户满意度模型，所述用户满意度模型如下：
；/>表示在区域用户在时段t的用户满意度，/>表示在时段t时的度电成本，g为预设的归一化系数，/>示在区域用户一天的用户满意度，/>表示时段t所配置的权值且/>。
2.根据权利要求1所述的方法，其特征在于，固定使用类电器的负荷特性模型如下：
；其中，/>表示全部固定使用类电器在时段t的运行功率总和，/>为固定使用类电器的数量，/>表示在时段t时第a个固定使用类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，表示在时段t时第a个固定使用类电器的运行功率；
时移类电器的负荷特性模型如下：
；/>表示全部时移类电器在时段t的运行功率总和，/>表示从时段t-1到时段t无终止运行的时移类电器的功率总和，表示从其他时段移入至时段t的时移类电器的功率总和，/>表示从时段t移出至其他时段的时移类电器的功率；
；其中，N为从时段t-1到时段t无终止运行的时移类电器的数量，/>表示第b个从时段t-1到时段t无终止运行的时移类电器的运行功率，N2为从其他时段移入至时段t的时移类电器的数量，/>表示第c个从其他时段移入至时段t的时移类电器的运行功率，N3为时段t移出至其他时段的时移类电器的数量，/>表示第d个从时段t移出至其他时段的时移类电器的运行功率；
可调类电器的负荷特性模型如下：
；其中，/>表示全部可调类电器在时段t的运行功率总和，N4为可调类电器的数量，/>表示在时段t时第d个可调类电器的工作状态，/>取值为0或1且取值为0时表示关闭、取值为1时表示运行，/>表示在时段t时第d个可调类电器的运行功率。
3.根据权利要求1所述的方法，其特征在于，在S2之前还包括：基于非侵入式负荷分解技术对区域内居民用电情况进行监测，以获得各用电电器在连续天中的每一天的每个时段的用电数据。
4.根据权利要求1所述的方法，其特征在于，取值为30，一天被预先划分为24个时段，每个时段的时长为1小时。
5.根据权利要求1所述的方法，其特征在于，所述约束条件包括：线路输电能力限制约束和功率变化率约束中至少之一；
线路输电能力限制约束如下：
；/>表示区域内居民在时段t的全部用电电器的总运行功率，/>表示预设的区域内居民在时段t的全部用电电器的总运行功率上限阈值；
功率变化率约束如下：
；/>表示区域内居民在时段t-1的全部用电电器的总运行功率，/>为预设的功率变化率上限阈值。
6.根据权利要求1所述的方法，其特征在于，在S3中采用XGboost算法求解时移类电器和所述可调类电器在一天内每个时段t内的运行状态，具体如下：
首先，处理分类回归决策树模型中的连续数据；
整个样本的输出模型如下：
；其中，Pi是模型的输出结果；k是集成模型中回归树的总数；是是该样本集在前k个回归结果中通过树上的叶节点计算结果；
；Obj是算法的目标函数，k为所有决策树的数量，m是导入树的前k个总数据，/>是真实价值，/>是模型输出价值，为模型输出值与实际值的误差，/>是k颗树模型的复杂性；
；/>和/>为两个惩罚系数，用于控制叶节点的数量和每个叶的权重节点，Ta是叶节点的总数，j是第k个树的第j个叶节点的权重；
其次，通过迭代获得由许多回归树组成的性能更好的梯度提升决策树，用前向逐步算法表示为上一次迭代的结果，如下所示：
；其中，D是迭代次数；
使用二阶Taylor展开和移除常数项，将式（13）转换为：
；为被划分为第j个样本集的叶节点，/>和/>是偏差函数的一阶导数和二阶导数，/>为第j个样本集的叶节点权重；
最后，对梯度提升决策树找到叶子节点的最优切分点，将式（14）转换为关于叶节点的目标函数的一维的二次函数，求解极值可以得到第j个节点最优权重和最优函数/>分别为：
；；其中，。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6中任一所述方法。
8.一种计算机可读介质，所述计算机可读介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述方法中的步骤。
CN202310972900.1A 2023-08-03 2023-08-03 区域内居民用电优化方法、电子设备和计算机可读介质 Active CN116706902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310972900.1A CN116706902B (zh) 2023-08-03 2023-08-03 区域内居民用电优化方法、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310972900.1A CN116706902B (zh) 2023-08-03 2023-08-03 区域内居民用电优化方法、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN116706902A CN116706902A (zh) 2023-09-05
CN116706902B true CN116706902B (zh) 2023-11-14

Family

ID=87829675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310972900.1A Active CN116706902B (zh) 2023-08-03 2023-08-03 区域内居民用电优化方法、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN116706902B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726232B (zh) * 2023-12-22 2024-06-14 国网湖北省电力有限公司营销服务中心(计量中心) 一种电力系统服务用户的综合评价方法
CN118411003B (zh) * 2024-07-03 2024-09-24 国网浙江省电力有限公司杭州供电公司 多类别电力设备的负荷控制方法、系统、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109787262A (zh) * 2018-12-26 2019-05-21 湘潭大学 一种居民楼宇系统主动响应微电网优化调度方法
KR20210105465A (ko) * 2020-02-18 2021-08-27 충북대학교 산학협력단 수요 불확실성 감소를 위한 요구전력 기반 ess 전력분배 시스템
CN113610316A (zh) * 2021-08-19 2021-11-05 东北电力大学 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN115860260A (zh) * 2022-12-28 2023-03-28 国网河南省电力公司经济技术研究院 一种考虑频域数据特征分解的居民空调负荷预测模型

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109787262A (zh) * 2018-12-26 2019-05-21 湘潭大学 一种居民楼宇系统主动响应微电网优化调度方法
KR20210105465A (ko) * 2020-02-18 2021-08-27 충북대학교 산학협력단 수요 불확실성 감소를 위한 요구전력 기반 ess 전력분배 시스템
CN113610316A (zh) * 2021-08-19 2021-11-05 东北电力大学 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN115860260A (zh) * 2022-12-28 2023-03-28 国网河南省电力公司经济技术研究院 一种考虑频域数据特征分解的居民空调负荷预测模型

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Demand Response Strategy Considering User Satisfaction Based on NILM Technology;Tian Kaiyuan;《2023 IEEE International Conference on Power Science and Technology》;第644-651页，参见第II-IV章节 *
Demand_Side_Supply_Demand_Balance_Control_Method_for_Localized_Microgrid;lipan fan;《2023 IEEE International Conference on Power Science and Technology》;全文 *
Tian Kaiyuan.Demand Response Strategy Considering User Satisfaction Based on NILM Technology.《2023 IEEE International Conference on Power Science and Technology》.2023,第644-651页，参见第II-IV章节. *
考虑用户满意度的户用型微电网日前优化调度;唐巍;高峰;;高电压技术(01);全文 *

Also Published As

Publication number Publication date
CN116706902A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN116706902B (zh) 区域内居民用电优化方法、电子设备和计算机可读介质
Jia et al. Dynamic pricing and distributed energy management for demand response
Péan et al. Review of control strategies for improving the energy flexibility provided by heat pump systems in buildings
Essiet et al. Optimized energy consumption model for smart home using improved differential evolution algorithm
Tso et al. Predicting electricity energy consumption: A comparison of regression analysis, decision tree and neural networks
CN108321796B (zh) 家庭能量管理系统与方法
Ramakrishna et al. A model for joint probabilistic forecast of solar photovoltaic power and outdoor temperature
CN110380444B (zh) 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法
CN104700158A (zh) 一种配电园区的能源管理方法与系统
Lin et al. A hybrid short-term load forecasting approach for individual residential customer
CN111199065B (zh) 零能耗建筑设计方法、装置及终端设备
CN112884358B (zh) 一种电采暖设备有序用电优化调度方法及终端
CN114066071A (zh) 一种基于能耗的电力参数优化方法、终端设备及存储介质
Almalaq et al. Deep learning application: Load forecasting in big data of smart grids
CN118412863B (zh) 光储一体化电能调度方法、系统、电子设备、存储介质
Nan et al. Optimal scheduling approach on smart residential community considering residential load uncertainties
CN114239956A (zh) 虚拟电厂的资源配置方法、装置及终端
CN107230003A (zh) 一种新能源发电系统的功率预测方法
Wang et al. Coordinated residential energy resource scheduling with human thermal comfort modelling and renewable uncertainties
CN111915107A (zh) 一种基于动态聚类的负荷分群控制方法
Zhang et al. Structure-aware stochastic load management in smart grids
Dong et al. Machine-learning model of electric water heater for electricity consumption prediction
Long et al. Model predictive control for household energy management based on individual habit
Shabbir et al. XgBoost Based Short-Term Electrical Load Forecasting Considering Trends & Periodicity in Historical Data
Rajeev et al. Demand management of electric vehicle charging based on a cloud computing framework

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