基于分时电价的智能家居用电优化调度算法

【前言】基于分时电价的智能家居用电优化调度算法由文秘帮小编整理而成，但愿对你的学习工作带来帮助。在现有研究中，家电设备大多被分为可调度负载和不可调度负载，可调度负载的工作模式以及参与需求响应方式是家电优化调度需要考虑的关键因素；用户舒适度是家电优化调度考虑的重要因素，优化调度要在保证用户舒适度的前提下，减少用电成本和能源消耗。 在上述研究基础...

摘 要：随着智能家居的广泛应用，以及分时电价的推广，文章提出了一种改进的粒子群算法求解用电优化调度。文中考虑了影响用户舒适度的两个重要因素，分析了用电负载的工作方式，建立了一种计及舒适度的优化调度模型从而减少用电费用和能源消耗。通过仿真实验对用电算例进行了验证。结果表明，该模型和算法有效地降低了用电费用，同时能保证用户舒适度。

关键词：智能家居；分时电价；粒子群算法

1 概述

随着智能电网的快速发展和智能家居的广泛应用，家庭用电优化调度成为目前智能家居中的一大研究热点。居民的用电态度也随着家庭智能化的变化而改变，愿意尝试新的用电方式来节约用电成本和减少能源消耗[1-2]。因此，研究智能家居用电优化调度对电网侧和居民侧双方均有重要意义。

智能家居用电优化调度是通过家庭能源管理系统（Home Energy Management System，HEMS）[3]进行管理和控制的。优化调度算法是家庭能源管理系统的核心，通过控制家电负载的运行，实现对不同来源的能源使用的调度，提升家居的节能性、便利性、以及舒适性等，还可以通过需求响应措施调整家庭用电确保电网稳定可靠运行[4]。

在现有研究中，家电设备大多被分为可调度负载和不可调度负载，可调度负载的工作模式以及参与需求响应方式是家电优化调度需要考虑的关键因素；用户舒适度是家电优化调度考虑的重要因素，优化调度要在保证用户舒适度的前提下，减少用电成本和能源消耗。

在上述研究基础上，本文分析了可调度负载的工作方式，考虑了影响用户舒适度的两个重要因素，建立了计及舒适度的优化控制数学模型，基于分时电价，提出了一种改进的粒子群用电优化调度算法。

2 家庭用电负载分类

根据家庭用电负载运行特性和调度的可行性，把家居负载分为：不可调度负载和可调度负载。不可调度负载的用电时间被调整会严重影响用户的舒适度，而且运行时间并不确定。这类负载有供娱乐方面的负载（电视、电脑、音乐播放器等）、普通照明、微波炉等与用户行为意识关系密切，且难以控制其开关的设备。可调度负载有固定的工作周期且使用时间具有弹性，可调度负载又可以分为不可中断负载和可中断负载，不可中断负载的工作时间具有连续性，一旦开始工作必须完成为止，洗衣机、洗碗机、电饭煲等属于这类型的负载；可中断负载在允许的时间范围内随意开停，使用时间具有灵活性，只需在特定的时刻完成运行即可，如空调、热水器等。

3 用电优化模型

3.1 可调度负载模型

3.2 舒适度建模

影响用户舒适度的因素很多，而最能影响用户舒适度的是温度。温度偏离用户希望的范围就会使用户感到不适。

温度的舒适度指数可用（5）式表示：

用户在调度电器的时候会面临等待，一旦等待时间超出用户能忍受的范围，严重影响用户的舒适度。假设用户希望负载的工作时间为[b，c]，调度后的工作时间为[d， d+l]，d和l分别表示调度后的开启时间和工作时长，用户等待时间舒适度指数用（6）式表示：

3.3线性规划模型

在提出的模型中，用T表示优化调度区间，将其分为等长的n个时隙，t∈T=[1，2，3…，24]，时隙长度为1h。在用户家庭中，有多种类型的可调度负载，用a表示一个负载，A=[a1，a2，...，an]表示一个负载集。根据提供的分时价格，用户决定负载a的调度区间。假设在整个过程中负载的实际功率都等于额定功率，负载a消耗的电量用向量Ea=[E1a，...，ETa]表示，向量中的ETa为负载a在时隙t的电量消耗。在时刻t消耗的能耗可用（7）式表示：

式中：Et，a为负载a在时刻t的能耗；St，a为负载a在时刻t的开关状态；pt为时刻t的电价。

综合以上，智能家居用电优化调度模型的目标函数为：

式中：w1和w2分别为电费与舒适度权重，w1+w2=1。

4 用电优化调度模型算法

本文采用改进的粒子群算法进行求解，负载的用电方式是粒子群算法的决策变量。对约束条件进行处理，以罚函数的方式加入到目标函数中。

4.1 算法步骤

采用粒子群算法的流程图如图1所示。

4.2 参数设置

（1）粒子群参数设置：种群大小为10；学习因子c1和c2都为2；迭代次数为500；初始惯性权重为1；最终惯性权重为0.5。

（2）分时电价（来自纽约ISO网站）信息，如图2所示。

（3）可调度负载信息如表1和表2所示。

5 仿真实验与结果分析

以工作日为例，用户8：00-18：00上班不在家。家电一天内的未调度和调度后的能耗和电费分别如图3和图4所示。

在图2分时电价中， 7：00-15：00是高电价时段。从图3未使用调度算法和使用调度算法能源消耗比较来看，使用调度算法很好的响应了分时电价，使得家庭负载集中用电时间有效的避开了用电高峰和电价高峰，提高了电网侧的稳定性，而且保证了用户的舒适度。

从图4中未使用调度算法和使用调度算法的电费比较来看，使用调度算法比未使用调度算法电费减少14.5%，有效的减少了用户电力成本，验证了算法的有效性。

6 结束语

本文针对可调度负载建立了体现用户用电行为的动态模型，考虑了影响用户舒适度的两个重要因素，结合分时电价，以最小化用电费用为目标函数，兼顾舒适性要求。仿真结果表明，该模型和算法能有效地避免用电高峰和电价高峰，实现削峰填谷，减少用电费用，保证舒适度。

参考文献

[1]张延宇，曾鹏，臧传治.智能电网环境下家庭能源管理系统研究综述[J].电力系统保o与控制，2014，42（18）：144-154.

[2]王春梅，李扬.计及用户舒适性的家庭智能用电调度优化[J].电网与清洁能源，2016，32（4）：58-62.

[3]刘经浩，贺蓉.一种基于实时电价的HEMS家电最优调度方法[J].计算机应用研究，2015，32（1）：132-137.

[4]高思远.智能家居能源调度算法研究[D].河北工程大学，2015.

[5]SHAO S， PIPATTANASOMPORN M， RAHMAN S. Development of physical-based demand response-enabled residential load models[J].IEEE Transactions on Power Systems， 2013， 28（2）： 607-614.

[6]袁泉.大功率储能变流器的研究[D].北京：北京交通大学，2012： 3-5.