基于分时电价的住宅能量管理算法

张 倩,张 盛,林孝康

(清华大学电子工程系,北京100084)

基于分时电价的住宅能量管理算法

张 倩,张 盛,林孝康

(清华大学电子工程系,北京100084)

随着混合式电动汽车(PHEV)的出现,关于PHEV向电网方向供电(V2G)技术的研究也逐渐增加。针对包含PHEV的家居微型电网,提出一种改进的能量管理算法。该算法基于分时电价对家用电器及PHEV的运行方式和时间进行调度,结合PHEV及用户参数,利用V2G技术有效实现了移峰填谷并降低家庭用电费用。同时还提出一种最优算法,以衡量改进算法的性能。仿真结果表明,改进算法可使用户的用电费用及峰均比分别降低约22%和70%,性能接近最优算法,并且可以实时处理用电请求,具有较强的实用性。

混合电动汽车;智能电网;需求侧能量管理;汽车向电网供电;无线传感器网络;分时电价

1 概述

随着全球用电规模的不断增加及能源的日益紧缺,传统电网运行效率低等弊端逐渐显现,已无法满足21世纪的需求[1]。因此,很多国家相继开展了智能电网技术,以有效提高能源的利用效率以及保证电网的稳定安全运行[2]。随着信息通信技术的发展,通过使用传感、自动化及电动汽车等技术,传统电网正在逐渐地智能化。

智能电网有很多需要研究的问题。电网负荷控制及需求侧能量管理,在提高电网稳定性、应急处理及定价等问题上起着十分重要的作用,是智能电网的重要应用[3]。峰值负荷对电网稳定性的破坏很大,并且会大幅提高发电输电过程的维修成本。目前,混合电动汽车(Plug-in Hybrid Electric Vehicles,PHEV)正逐渐被推广,由于电动汽车的充电时间一般在下午到晚上,刚好与电网的峰值负荷的时间一致,因此电网的峰值负荷问题进一步加剧。

混合电动汽车是指通过插电进行充电的混合动力汽车,当电能充足时,采用电动机驱动车辆;当电能不足时,发动机参与到驱动或者发电环节。预计到2035年,电动汽车/混合电动汽车将会占到全球汽车销量的40%[4]。近年来,研究者对于电动汽车普及其对电网的影响问题进行了一些研究。混合电动汽车的一个重要特点是其既可以作为负载,也能作为电源来使用。也就是说,混合电动汽车不仅可以通过进入电网进行充电,也能在需要的时候将电池里储存的电能反馈出来。因此,混合电动汽车可以作为未来电网的分布式电能储存系统。这个概念称为汽车向电网供电(Vehicle-to-Grid, V2G)技术[5]。V2G技术能够有效地提高电网的运行效率及稳定性,同时降低电力成本及二氧化碳排放量。

近年来,一些学者对智能电网的需求侧能量管理问题进行了研究。文献[1]提出了一种家庭能量管理方法,将无线传感器网络用于家庭能量管理,降低了用户的用电费用。然而,此方法未考虑到电动汽车及用户的具体参数对问题的影响。文献[6]提出了一个普适的模型,用来研究电动汽车对住宅小区配电系统的影响。该文献对电动汽车的具体参数及用户的驾驶习惯进行了深入的研究,得到了实用性较强的电动汽车研究模型。文献[7]提出了小区配电系统的基于无线网络的供需管理方案,提高了能量利用效率。文献[8]提出了基于电价需求响应的家庭能量智能优化算法,并以此为核心综合协调管理家庭能源。文献[9]在分析现有家居能量设备集中控制解决方案不足的基础上,结合多Agent技术,建立了基于MAS的家居能量系统模型MAES,并给出了模型的主要组成结构。

此外,一些研究提出了最优化的分配方案。文献[10]设计了一个自动控制器对家用电器进行调度,提出了一种最优化成本的方案。文献[11]提出了基于最优的混合电动汽车的充电方法。文献[5]通过控制混合电动汽车的充电方式来最小化家庭用电负荷的方差。尽管这些基于最优的管理方法能够提供最优解,然而这些方法需要提前获知电器的使用时间及电动汽车的充电时间等参数,在实际中,电网的负荷情况及电器的使用时间等参数是动态变化的,这些方法并不实用。

上述文献均做了不同的假设来简化问题,本文根据具体的电动汽车及用户的参数,提出一种基于分时电价的家庭用电负荷管理算法,利用V2G技术来降低用电费用及峰均比,从而提升算法的灵活性和实用性。

2 系统模型

智能家庭网络如图1所示,该网络由家用电器、混合电动汽车、智能电表及能量管理中心组成。能量管理中心负责对电器和电动汽车的运行时间和方式进行控制,保持与电器、电动汽车的通信,并与智能电表之间定时通信以获得实时电价信息。在图1中,实线表示电力线,虚线表示信号线。当混合电动汽车接入电网时,它们既可以作为负载,也能作为电源,因此在图中用双向箭头表示双向的电流。本文设混合电动汽车的数量为N,PHEVi表示家庭中第i个混合电动汽车。

图1 智能家庭网络系统

家庭是每个人活动的主要场所,因此,智能家居是无线传感器网络应用实现最广泛的的领域之一[12]。家庭能量管理可以通过家域网(Home Area Network,HAN)来实现。家域网是一个包括电器、电动汽车、温度调节系统、照明系统等组成的网络。每个电器或电动汽车都装有一个传感器,用来测量及获得家庭网络的用电信息,以及进行相互通信。近年来,一些研究工作试图将无线传感器网络用于家庭能量管理的应用中。目前,无线传感器网络已逐渐应用于智能家居的监控等应用中,可以用现有的无线传感网络来同时进行家居能量管理,无需再添加专门的设备,因此使用无线传感器网络进行家庭能量管理具有较高的实用性。

3 住宅能量管理算法

本节提出一种实时的采用V2G技术的家庭能量管理算法,然后给出最优化的解决方案来进行对比。

3.1 改进的家庭能量管理算法

本文提出一种基于分时电价的包括混合电动汽车的家居能量管理算法(IVREM)。分时电价是指在一天24 h中,按不同时段而采用不同的电价,其中峰值时间的电价为低谷时间电价的若干倍。尽管在不同时段使用电器或电动汽车所消耗的能量是相同的,在智能电网中,由于使用分时电价,使用时间的不同将会影响用电的费用。IVREM中使用的符号如表1所示。

表1 IVREM中的符号含义

为了对家居电力系统进行调度,需要知道电动汽车每天需要消耗多少能量。记socarr,n和socdep,n分别表示第n个电动汽车接入电网和离开电网时的电池剩余能量(State of Charge,SOC)。为了方便起见,将一天(24 h)分成T个相等的时隙间隔,每个时隙长度为Δt。在改进算法中,设Δt为1 h。IVREM算法如下:

算法1IVREM主函数

算法1中的主函数Main内部调用的2个子函数(即Judge及Update子函数)如下:

算法2IVREM子函数

本文假定为了降低峰值负荷,来自电动汽车的充电请求是可以延迟的,而来自家用电器的请求不允许延迟。当能量管理中心收到来自电器的用电请求时,将根据请求的时间以及电动汽车接入电网时的电池剩余能量等信息,来判断电器的用电来源:使用电网的电能或电动汽车的电池中储存的能量。当电器的用电请求发生在峰值时间时, IVREM算法尽可能多地使用电动汽车的存储能量,从而降低用电费用。当电动汽车发起充电请求时(即接入电网时),能量管理中心将根据请求的时间以及需要充电的能量等信息,来确定电动汽车的充电计划,如延迟一段时间到低谷时期进行充电。通过将电动汽车的充电需求移峰填谷,可以进一步降低用电费用。

3.2 最优算法

这里给出一种最优化的解决方案(Optimal Solution,OS),以便以此性能为参考,衡量IVREM算法的性能好坏。用线性规划工具来最小化家庭用电的总费用,此最优化问题可以建模为如下的模型:

目标:

最优算法假定预先获知用电请求的时间列表等信息,由此可以求解出最优化的解决方案。然而在实际中,这些信息是无法提前获得的,电器的使用时间是随机发生的,需要根据随机发起的用电需求来实时地进行规划。因此,本文提出的IVREM算法采用实时的调度方法,对电器及电动汽车的运行时间和方式进行控制,从而降低用电费用。下一节将对IVREM算法的性能进行仿真。

4 仿真结果

本文对IVREM及OS算法的性能进行仿真。假定家庭中有2辆混合电动汽车,男女主人各开一辆。假定在一个冬天的工作日,男主人早上7点开车离开,下午6点回家,女主人下午2点外出购物,5点回到家。设两辆汽车的电池容量分别为15 kW·h-1和10 kW·h-1,接入电网时的起始电池剩余能量(SOC)均为0.2,汽车每天消耗的能量(即需要充电补充的能量)分别为9 kWh和6 kWh,充电速率为0.2 C(C为电池容量,意味着从电池0电量到充满需要5 h)。仿真中使用的分时电价如表2所示。

表2 冬季工作日的典型分时电价

图2为冬季一天(24 h)内的平均家庭用电负荷曲线(不包括PHEVs)。仿真中,每天的负荷功率是以图2中的负载值为均值而随机产生的。

图2 冬季一天内平均家庭用电负荷(不包括PHEV)

图3对比了提出的改进算法(IVREM)、最优算法(OS)以及不使用任何能量管理方案(No Energy Management,NEM)的总用电费用。仿真的时间长度为30天,用电费用随着天数是逐渐累积的。可以看到,相比于不使用能量管理策略,IVREM算法将总用电费用降低了约22%,且性能非常接近于最优算法(比NEM降低约23%)。

图3 不同方案一个月的总用电费用

图4是对峰均比(Peak-to-average Ratio,PAR)性能的仿真结果(低PAR值表示峰值负荷低,性能较好)。由该图可见,相比于NEM,IVREM将PAR有效地降低了约 70%,且性能接近最优算法(OS)。

图4 一月中每天峰值负荷与总负荷的比例

5 结束语

本文研究了基于分时电价的家庭用电负荷管理问题,提出了一种实时的家庭能量管理算法,通过使用V2G技术及无线传感器网络,对家用电器及混合电动汽车的工作时间和方式进行管理,从而降低总用电费用。仿真结果表明,该算法能有效降低用电费用和峰均比,且性能接近于最优算法。下一步将研究基于实时电价的能量管理策略,具体方法可采用人工智能技术混合多种智能技术来进一步降低能耗,并提高用户舒适性。

[1] Erol-Kantarci M,Mouftah H T.Wireless Sensor Networks for Cost-efficient Residential Energy Management in the Smart Grid[J].IEEE Transactions on Smart Grid,2011,2(2):314-325.

[2] Lee J W,Lee D H.ResidentialElectricity Load Scheduling for Multi-class Appliances with Time-of-use Pricing[C]//Proceedings of IEEE GLOBECOM’11. [S.l.]:IEEE Press,2011:1194-1198.

[3] Rahimi F,Ipakchi A.Demand Response as a Market Resource Under the Smart Grid Paradigm[J].IEEE Transactions on Smart Grid,2010,1(1):82-88.

[4] Birol F.World Energy Outlook 2010[EB/OL].[2014-01-02]. https://www1.oecd.org/berlin/46389140.pdf.

[5] Jian Linni,Xue Honghong,Xu Guoqing,et al.Regulated Charging ofPlug-in Hybrid Electric Vehicles for Minimizing Load Variance in Household Smart Microgrid[J].IEEE Transactions on Industrial Electronics,2013,60(8):3218-3226.

[6] Shafiee S,Fotuhi-Firuzabad M,Rastegar M.Investigating the Impacts of Plug-in Hybrid Electric Vehicles on Power Distribution Systems[J].IEEE Transactions on Smart Grid,2013,4(3):1351-1360.

[7] Erol-Kantarci M,Mouftah H T.Supply and Load Management for the Smart Distribution Grid Using Wireless Networks[C]//Proceedings of 2012 Japan-Egypt Conference on Electronics,Communications and Computers.Alexandria,Egypt:[s.n.],2012:145-150.

[8] 代家强,孙智卿.基于无线网络技术的智能家居能量管理系统开发及需求侧管理应用研究[J].陕西电力, 2013,41(10):39-43.

[9] 刘苗苗.基于MAS的家居能量系统的Agent实现及其智能管理[D].重庆:重庆大学,2007.

[10] Mohsenian-Rad A H,Leon-Garcia A.Optimal Residential Load Control with Price Prediction in Real-time Electricity Pricing Environments[J].IEEE Transactions on Smart Grid,2010,1(2):120-133.

[11] Mets K,Verschueren T,Haerick W,et al.Optimizing Smart Energy Control Strategies for Plug-in Hybrid Electric Vehicle Charging[C]//Proceedings of 2010 IEEE/IFIP on Network Operations and Management Symposium Workshops.Osaka,Japan:[s.n.],2010: 293-299.

[12] 张 倩,张 盛,林孝康,等.物联网:发展、应用及关键技术[J].电讯技术,2012,52(12):1990-1997.

编辑 金胡考

Residential Energy Management Algorithm Based on Time-of-use Electricity Price

ZHANG Qian,ZHANG Sheng,LIN Xiaokang
(Department of Electronic Engineering,Tsinghua University,Beijing 100084,China)

With the advent of the Plug-in Hybrid Electric Vehicle(PHEV),the Vehicle-to-Grid(V2G)technology is attracting increasing attention recently.This paper studies an electricity load scheduling problem with PHEV in a residential microgrid.It proposes an electricity load scheduling algorithm in a residential microgrid that schedule the operating time of home appliances and PHEV adapting to Time-of-use(TOU)pricing.The proposed algorithm utilizes V2G technology and consideres parameters of PHEV and users to achieve peak load shifting and reduces the total electricity bill.In addition,it also proposes an energy management algorithm based on optimal scheduling to compare with the improved method.Numerical results show that the scheme can effectively reduce the electricity cost and the Peak-toaverage Ratio(PAR)is about 22% and 70%,respectively,and the performance is close to the optimal solution. Furthermore,the proposed algorithm can deal with users’demand in real time and thus improves practicability.

Plug-in Hybrid Electric Vehicle(PHEV);smart grid;Demand-side energy Management(DSM);Vehicleto-Grid(V2G);Wireless Sensor Network(WSN);Time-of-use(TOU)electricity price

1000-3428(2015)01-0279-05

A

TP18

10.3969/j.issn.1000-3428.2015.01.053

国家科技重大专项基金资助项目(2009ZX03006);深圳市生物、互联网、新能源产业发展专项基金资助项目(CXB201104210015A)。

张 倩(1987-),女,博士研究生,主研方向:无线传感器网络,智能电网,协作通信;张 盛,副教授、博士;林孝康,教授、博士生导师。

2014-02-12

2014-03-19 E-mail:zhang-qian09@mails.tsinghua.edu.cn

中文引用格式:张 倩,张 盛,林孝康.基于分时电价的住宅能量管理算法[J].计算机工程,2015,41(1):279-283.

英文引用格式:Zhang Qian,Zhang Sheng,Lin Xiaokang.Residential Energy Management Algorithm Based on Time-ofuse Electricity Price[J].Computer Engineering,2015,41(1):279-283.