本發(fā)明涉及需求響應(yīng)領(lǐng)域，具體來說是一種基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度方法。

背景技術(shù)：

隨著人口的增長和人們生活水平的提高，住宅領(lǐng)域的能源消費(fèi)已占世界能源消費(fèi)總量的30-40％，作為能源消費(fèi)的重要組成部分，家庭的每日負(fù)荷往往在一個時段呈現(xiàn)峰負(fù)荷的特點(diǎn)，而發(fā)電側(cè)為了滿足每天短暫的峰負(fù)荷時的電力消費(fèi)需要進(jìn)一步的擴(kuò)建發(fā)電容量，這給電力系統(tǒng)的運(yùn)行帶來了巨大的成本負(fù)擔(dān)。而從需求側(cè)管理的角度，需求響應(yīng)是指電力用戶對價格信號或激勵機(jī)制做出響應(yīng)，改變原有的一些電力消費(fèi)行為，從而促進(jìn)電力系統(tǒng)運(yùn)行的優(yōu)化運(yùn)行。

在現(xiàn)有的需求側(cè)管理方案中，家庭負(fù)荷優(yōu)化調(diào)度方法往往沒有考慮家庭負(fù)荷優(yōu)化調(diào)度后給用戶帶來的不方便性，這使得家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)不是很完善，不符合實(shí)際情況；同時在考慮激勵對家庭負(fù)荷優(yōu)化調(diào)度的影響中，現(xiàn)有的方案往往對每一時段采用固定激勵的辦法，這不利于用戶將更多的負(fù)荷從峰時電價時段轉(zhuǎn)移到谷時電價和平時電價時段，這使得削峰填谷的效果不是很顯著。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)中存在的不足之處，提供一種基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度方法，以期能對家庭中的可轉(zhuǎn)移負(fù)荷進(jìn)行優(yōu)化調(diào)度，將峰時電價時段的家庭負(fù)荷向谷時電價和平時電價時段轉(zhuǎn)移，從而降低家庭用電成本，并對電網(wǎng)達(dá)到削峰填谷的作用，繼而提高分時電價環(huán)境下電網(wǎng)運(yùn)行的安全性和穩(wěn)定性。

本發(fā)明為解決技術(shù)問題采用如下技術(shù)方案：

本發(fā)明一種基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度方法的特點(diǎn)包括以下步驟：

步驟一、根據(jù)負(fù)荷特性，將家庭負(fù)荷分為可轉(zhuǎn)移負(fù)荷和不可轉(zhuǎn)移負(fù)荷；

所述可轉(zhuǎn)移負(fù)荷是指在一定時間范圍內(nèi)可改變運(yùn)行時間的負(fù)荷，所述不可轉(zhuǎn)移負(fù)荷是指不可改變運(yùn)行時間的負(fù)荷；所述可轉(zhuǎn)移負(fù)荷根據(jù)負(fù)荷能否中斷的特性，分為可轉(zhuǎn)移可中斷負(fù)荷和可轉(zhuǎn)移不可中斷負(fù)荷；

步驟二、根據(jù)所述可轉(zhuǎn)移負(fù)荷，建立綜合考慮用電成本、激勵收益和不方便性的家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)；

步驟三、確定所述家庭負(fù)荷優(yōu)化調(diào)度模型的約束條件，并與所述目標(biāo)函數(shù)共同構(gòu)成基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度模型；

步驟四、通過二進(jìn)制粒子群算法求解所述基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度模型，獲得對所述可轉(zhuǎn)移負(fù)荷的最優(yōu)調(diào)度結(jié)果。

本發(fā)明所述的基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度方法的特點(diǎn)也在于，

所述步驟二中，家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)為：

minC_total＝C-B+αI (1)

式(1)中，C_total為對所述可轉(zhuǎn)移負(fù)荷優(yōu)化調(diào)度后的總成本；C為用電成本，并由式(2)獲得：

式(2)中，T為所述家庭負(fù)荷優(yōu)化調(diào)度周期的總時段數(shù)；t為時段序號；N為所述可轉(zhuǎn)移負(fù)荷中家用電器的總數(shù)量，i為家用電器的序號；P_i為第i個家用電器的額定功率；S_t表示主電網(wǎng)在第t個時段內(nèi)的電價；Δt為每個時段的時長；是優(yōu)化調(diào)度后的第i個家用電器在第t個時段內(nèi)的運(yùn)行狀態(tài)，并由式(3)獲得：

式(1)中，B為所述家庭負(fù)荷優(yōu)化調(diào)度后的激勵收益，并由式(4)獲得：

式(4)中，a_m,t為第t個時段內(nèi)第m檔階梯補(bǔ)貼對應(yīng)的補(bǔ)貼大?。籶_m,t為優(yōu)化調(diào)度后第t個時段內(nèi)第m檔階梯補(bǔ)貼對應(yīng)的轉(zhuǎn)移負(fù)荷大小；M表示階梯補(bǔ)貼的總檔數(shù)；

式(1)中，I為所述家庭負(fù)荷優(yōu)化調(diào)度后帶來的不方便性，α為不方便性的系數(shù)，所述不方便性I由式(5)獲得：

式(5)中，是第i個家用電器優(yōu)化調(diào)度前在第t個時段內(nèi)的運(yùn)行狀態(tài)，并由式(6)獲得：

所述步驟三中，所述約束條件為：

start_v≥start_u+N_u (9)

式(7)表示運(yùn)行時間約束；start_i和end_i分別指第i個家用電器可運(yùn)行時間段的開始時刻和結(jié)束時刻，N_i是第i個家用電器的正常運(yùn)行時間；

式(8)表示所述可轉(zhuǎn)移不可中斷負(fù)荷中，第j個可轉(zhuǎn)移不可中斷家用電器的連續(xù)運(yùn)行約束；N_j是第j個可轉(zhuǎn)移不可中斷家用電器的正常運(yùn)行時間，1≤j≤N；

式(9)表示家用電器的運(yùn)行次序約束，第v個家用電器必須在第u個家用電器之后運(yùn)行；start_v指第v個家用電器的開始運(yùn)行時刻，start_u和N_u為第u個家用電器的開始運(yùn)行時刻和正常運(yùn)行所需時間，1≤u≤N，1≤v≤N。

所述步驟四包括：

步驟4.1、將每個參與需求響應(yīng)的家用電器每一時刻的開關(guān)狀態(tài)作為所述二進(jìn)制粒子群算法中每個粒子的一個維度，所述開關(guān)狀態(tài)用1和0表示，從而獲得每個粒子的維數(shù)為T×N；將任意一個粒子的序號記為d；

步驟4.2、初始化所述二進(jìn)制粒子群算法的各個參數(shù)，包括：粒子總數(shù)M、迭代次數(shù)L、最大迭代次數(shù)L_max、速度更新參數(shù)c₁、c₂，1≤L≤L_max，并初始化L＝1；

步驟4.3、確定所述家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)和各約束條件中各個參數(shù)的實(shí)際值，并相應(yīng)代入到所述二進(jìn)制粒子群算法中；

步驟4.4、隨機(jī)初始化粒子的速度和位置，獲得第L代的第d個粒子的速度和位置；

步驟4.5、根據(jù)所述約束條件修改第d個粒子的速度和位置；

步驟4.6、根據(jù)所述目標(biāo)函數(shù)計(jì)算第d個粒子的適應(yīng)度值，從而獲得M個粒子的適應(yīng)度值，并從第L代M個粒子中選取最大的適應(yīng)度值作為第L代的群體極值；

步驟4.7、根據(jù)修改后的第L代中第d個粒子的位置和速度，分別計(jì)算第L+1代的第d個粒子的速度和位置；

步驟4.8、根據(jù)所述約束條件修改所述第L+1代中第d個粒子的速度和位置，從而獲得修改后的第L+1代粒子群中M個粒子的速度和位置；

步驟4.9、根據(jù)所述目標(biāo)函數(shù)計(jì)算第L+1代中第d個粒子的適應(yīng)度值，從第d個粒子的第L代和第L+1適應(yīng)度值中選取較大適應(yīng)度值作為第L+1代第d個粒子的個體極值；從而獲得第L+1代M個粒子的個體極值后，再從第L+1代M個粒子的個體極值中選出最大適應(yīng)度值作為第L+1代的群體極值；

步驟4.10、將L+1賦值給L，并判斷L≥L_max是否成立，若成立，則迭代結(jié)束，得到第L_max代的群體極值，并將所述第L_max代的群體極值所對應(yīng)的調(diào)度方案作為最優(yōu)調(diào)度方案，從而獲得對家庭可轉(zhuǎn)移負(fù)荷的最優(yōu)調(diào)度結(jié)果；否則轉(zhuǎn)到步驟4.7。

與已有技術(shù)相比，本發(fā)明有益效果體現(xiàn)在：

1、本發(fā)明優(yōu)化調(diào)度方法，通過實(shí)施需求響應(yīng)將峰時電價時段的家庭負(fù)荷向谷時電價和平時電價時段轉(zhuǎn)移，達(dá)到了削峰填谷的作用，提高了分時電價環(huán)境下電網(wǎng)運(yùn)行的安全性和穩(wěn)定性，并降低了家庭用電成本。

2、本發(fā)明優(yōu)化調(diào)度方法，根據(jù)轉(zhuǎn)移負(fù)荷的大小對用戶采用階梯補(bǔ)貼的激勵措施，階梯補(bǔ)貼有利于家庭用戶將更多的負(fù)荷從峰時電價時段轉(zhuǎn)移到谷時電價和平時電價時段，使削峰填谷的效果更加顯著。

3、本發(fā)明優(yōu)化調(diào)度方法，在調(diào)度模型的目標(biāo)函數(shù)中考慮了用戶轉(zhuǎn)移負(fù)荷后的不方便性，使優(yōu)化調(diào)度模型的目標(biāo)函數(shù)更加合理，更符合實(shí)際情況。

4、本發(fā)明優(yōu)化調(diào)度方法，采用二進(jìn)制粒子群算法進(jìn)行求解，將每個參與需求響應(yīng)的家用電器每一時刻的開關(guān)狀態(tài)作為粒子的一個維度，粒子群算法有簡單通用、魯棒性強(qiáng)、精度高、收斂快等優(yōu)點(diǎn)，二進(jìn)制粒子群算法在具有一般粒子群算法優(yōu)點(diǎn)的基礎(chǔ)上，對01整數(shù)規(guī)劃問題具有良好的尋優(yōu)能力。

附圖說明

圖1為本發(fā)明的整體流程圖；

圖2為本發(fā)明的二進(jìn)制粒子群算法求解流程圖。

具體實(shí)施方式

本例實(shí)施中，一種基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度方法，如圖1所示，包括以下步驟：

步驟一、根據(jù)負(fù)荷特性，將家庭負(fù)荷分為可轉(zhuǎn)移負(fù)荷和不可轉(zhuǎn)移負(fù)荷；

可轉(zhuǎn)移負(fù)荷是指在一定時間范圍內(nèi)可改變運(yùn)行時間的負(fù)荷，不可轉(zhuǎn)移負(fù)荷是指不可改變運(yùn)行時間的負(fù)荷；可轉(zhuǎn)移負(fù)荷根據(jù)負(fù)荷能否中斷的特性，分為可轉(zhuǎn)移可中斷負(fù)荷和可轉(zhuǎn)移不可中斷負(fù)荷；家庭中可轉(zhuǎn)移可中斷負(fù)荷包括有電熱水器和電動汽車等，可轉(zhuǎn)移不可中斷負(fù)荷包括有洗衣機(jī)、烘干機(jī)等；

步驟二、根據(jù)可轉(zhuǎn)移負(fù)荷，建立綜合考慮用電成本、激勵收益和不方便性的家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)；

家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)為：

minC_total＝C-B+αI (1)

式(1)中，C_total為對可轉(zhuǎn)移負(fù)荷優(yōu)化調(diào)度后的總成本；C為用電成本，并由式(2)獲得：

式(2)中，T為家庭負(fù)荷優(yōu)化調(diào)度周期的總時段數(shù)；t為時段序號；N為可轉(zhuǎn)移負(fù)荷中家用電器的總數(shù)量，i為家用電器的序號；P_i為第i個家用電器的額定功率；S_t表示主電網(wǎng)在第t個時段內(nèi)的電價；Δt為每個時段的時長；是優(yōu)化調(diào)度后的第i個家用電器在第t個時段內(nèi)的運(yùn)行狀態(tài)，并由式(3)獲得：

式(1)中，B為家庭負(fù)荷優(yōu)化調(diào)度后的激勵收益，激勵收益根據(jù)各峰時段和平時段轉(zhuǎn)移的負(fù)荷的大小采用階梯激勵，并由式(4)獲得：

式(4)中，a_m,t為第t個時段內(nèi)第m檔階梯補(bǔ)貼對應(yīng)的補(bǔ)貼大??；p_m,t為優(yōu)化調(diào)度后第t個時段內(nèi)第m檔階梯補(bǔ)貼對應(yīng)的轉(zhuǎn)移負(fù)荷大?。籑表示階梯補(bǔ)貼的總檔數(shù)；例如一種三檔階梯補(bǔ)貼的參數(shù)如表一所示：

表一

一種反映上表中峰谷時段的分時電價如表二所示：

表二

式(1)中，I為家庭負(fù)荷優(yōu)化調(diào)度后帶來的不方便性；α為不方便性的系數(shù)，不方便系數(shù)反映了用戶參與家庭需求響應(yīng)的偏好性，如有的用戶愿意損失方便性來參與需求響應(yīng)以獲得激勵收益和降低用電成本，則該用戶的不方便性系數(shù)較??；不方便性I由家用電器總的提前或推遲的時間來衡量，并由式(5)獲得：

式(5)中，是第i個家用電器優(yōu)化調(diào)度前在第t個時段內(nèi)的運(yùn)行狀態(tài)，并由式(6)獲得：

步驟三、確定家庭負(fù)荷優(yōu)化調(diào)度模型的約束條件，并與目標(biāo)函數(shù)共同構(gòu)成基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度模型；

家庭負(fù)荷優(yōu)化調(diào)度模型約束條件為：

start_v≥start_u+N_u (9)

式(7)表示運(yùn)行時間約束；start_i和end_i分別指第i個家用電器可運(yùn)行時間段的開始時刻和結(jié)束時刻，N_i是第i個家用電器的正常運(yùn)行時間；

式(8)表示可轉(zhuǎn)移不可中斷負(fù)荷中，第j個可轉(zhuǎn)移不可中斷家用電器的連續(xù)運(yùn)行約束；N_j是第j個可轉(zhuǎn)移不可中斷家用電器的正常運(yùn)行時間，1≤j≤N；

式(9)表示家用電器的運(yùn)行次序約束，第v個家用電器必須在第u個家用電器之后運(yùn)行，如烘干機(jī)必須在洗衣機(jī)之后運(yùn)行；start_v指第v個家用電器的開始運(yùn)行時刻，start_u和N_u為第u個家用電器的開始運(yùn)行時刻和正常運(yùn)行所需時間，1≤u≤N，1≤v≤N。

步驟四、如圖2所示，通過二進(jìn)制粒子群算法求解基于需求響應(yīng)的家庭負(fù)荷優(yōu)化調(diào)度模型，獲得對可轉(zhuǎn)移負(fù)荷的最優(yōu)調(diào)度結(jié)果，具體步驟：

步驟4.1、將每個參與需求響應(yīng)的家用電器每一時刻的開關(guān)狀態(tài)作為二進(jìn)制粒子群算法中每個粒子的一個維度，開關(guān)狀態(tài)用1和0表示，從而獲得每個粒子的維數(shù)為T×N；將任意一個粒子的序號記為d；

步驟4.2、初始化二進(jìn)制粒子群算法的各個參數(shù)，包括：粒子總數(shù)M、迭代次數(shù)L、最大迭代次數(shù)L_max、速度更新參數(shù)c₁、c₂，1≤L≤L_max，并初始化L＝1；

步驟4.3、確定家庭負(fù)荷優(yōu)化調(diào)度模型的目標(biāo)函數(shù)和各約束條件中各個參數(shù)的實(shí)際值，并相應(yīng)代入到二進(jìn)制粒子群算法中；

步驟4.4、隨機(jī)初始化粒子的速度和位置，獲得第L代的第d個粒子的速度和位置；

步驟4.5、根據(jù)約束條件修改第d個粒子的速度和位置；

步驟4.6、根據(jù)目標(biāo)函數(shù)計(jì)算第d個粒子的適應(yīng)度值，從而獲得M個粒子的適應(yīng)度值，并從第L代M個粒子中選取最大的適應(yīng)度值作為第L代的群體極值；

步驟4.7、根據(jù)修改后的第L代中第d個粒子的位置和速度，分別計(jì)算第L+1代的第d個粒子的速度和位置；

步驟4.8、根據(jù)約束條件修改第L+1代中第d個粒子的速度和位置，從而獲得修改后的第L+1代粒子群中M個粒子的速度和位置；

步驟4.9、根據(jù)目標(biāo)函數(shù)計(jì)算第L+1代中第d個粒子的適應(yīng)度值，從第d個粒子的第L代和第L+1適應(yīng)度值中選取較大適應(yīng)度值作為第L+1代第d個粒子的個體極值；從而獲得第L+1代M個粒子的個體極值后，再從第L+1代M個粒子的個體極值中選出最大適應(yīng)度值作為第L+1代的群體極值；

步驟4.10、將L+1賦值給L，并判斷L≥L_max是否成立，若成立，則迭代結(jié)束，得到第L_max代的群體極值，并將第L_max代的群體極值所對應(yīng)的調(diào)度方案作為最優(yōu)調(diào)度方案，從而獲得對家庭可轉(zhuǎn)移負(fù)荷的最優(yōu)調(diào)度結(jié)果；否則轉(zhuǎn)到步驟4.7。