计及用户舒适性的家庭智能用电调度优化

王春梅，李扬，王旭东，霍现旭（.北京国电通信网络技术有限公司，北京　00070；.国网天津市电力公司，天津　30000）



计及用户舒适性的家庭智能用电调度优化

王春梅1，李扬1，王旭东2，霍现旭2
（1.北京国电通信网络技术有限公司，北京100070；2.国网天津市电力公司，天津300010）

摘要：随着智能家居、家庭分布式能源的广泛应用，以及分时电价的推广，家庭能源系统有了更多更高的功能需求。文中通过分析家庭用电行为和家庭负载工作方式的关系，建立了一种兼顾家庭用电的经济性和舒适性的调度优化模型，同时考虑了分布式能源和需求响应技术的应用，具有重要的实际意义。针对该模型采用了一种改进粒子群算法进行求解，并通过家庭用电的算例进行了验证。算例表明，该模型和算法能够很好地调度家庭电器的用电行为。

关键词：HEMS；家庭智能用电；粒子群算法

Project SuPPorted bY Science and Techno1ogY Project of State Grid（SGTJDK00DWJS1500097）.

KEY W0RDS：HEMS；smart home Power consumPtion；Partic1e swarm oPtimization（PSO）

得益于智能电网的快速发展，家庭智能用电的理念引起了学者们的广泛关注。一方面，用电侧作为智能电网的重要组成部分，在接入家庭分布式能源后，面临着角色的转变；另一方面，智能家居的广泛应用使得居民的用电态度改变，愿意尝试用电方式的智能化［1］。因此，研究家庭智能用电对电网和居民双方均有重要意义。

家庭智能用电这一概念起源于家庭能源系统（Home EnergY Management SYstem，HEMS）［1-2］，随后被赋予需求响应的相关任务和功能［3］，它的优化调度模块起初过于强调满足响应控制信号的要求，这样便牺牲了用户的舒适度［4］。

在后来的研究中，用电舒适性成为家庭智能用电考虑的重要因素，量化的评判指标有经济损失和感官指标［5］。而分布式能源的广泛接入和家电应用的快速发展，使得不可调度负载以及可再生能源不确定性成为了家庭智能用电的考虑因素［6］。对于可调度负载，负载工作模式［7］和负载参与需求响应的方式［8］分别成为构建用电优化控制模型时的关键因素。

在上述研究的基础上，本文将对可调度负载及其工作模式进行分析，建立体现对居民生活影响的舒适性数学模型，充分利用光伏发电预测、蓄电池管理等技术，在家庭能源系统这一框架下建立优化控制模型，并采用一种改进的粒子群算法进行求解。

1　家庭用电优化控制

典型的家庭智能用电系统除了家庭负载外，还包括光伏发电模块，蓄电池储能模块。家庭用电优化控制便是产生一系列指令，控制这些模块的运行方式，使整个系统经济的运行。不同于传统的HEMS，现在的HEMS依托高级计量架构（AMI）和智能电表［7］，无缝对接于智能电网，能充分地参与到电网的需求响应中。

在如图1所示的家庭能源优化控制系统，居民用电方式和行为决定家庭负荷的分布，对用户自身以及电网侧均有影响，因此，对于家庭用电的优化要建立在居民用电负载的工作方式上。光伏发电模块的出力具有很强的随机性，与光照、温度等不确定因素有关，而有效的控制家庭用电，参与电网的需求响应对于光伏出力信息是必不可少的。因此，光伏发电预测是家庭用电优化控制的关键。在已有的研究中，基于相似日，天气类型，以及天气指数［9］的预测模型在短期发电预测中均有较高的精度，能够适用于家庭用电优化策略的制定。此外，结合电价信息和蓄电池的充放电控制，实现对用户家庭负载的控制。

图1　家庭用电调度优化Fig. 1 0ptimal scheduling for home power consumption

2　居民用电负载分析

居民用电负荷的分布要满足用户的用电服务需求，首先是用电目的的要求，然后是用电时段的要求足。对居民来说，负载通常分为开关型、分档型和连续型3个类型。在用电优化时，根据用电目的便可划分为可调节和不可调节2种负载。不可调节负载在找工作中不可中断，否则将严重影响居民用电的舒适度，而可调节负载只要满足用电目的即可。在不可调节负载中，根据用电时段要求又分为可转移和不可转移两种类型。对于不可转移负载来说，在此时段用电是刚性的，通常是电脑、电视这种与居民主观需求强烈相关的负载，而像洗碗机、洗衣机这类负载具有任务性质的，在用电时段上具备可转移的性质。

图2　家庭负载工作方式Fig. 2 Work modes of home load

3　家庭智能用电优化模型

为方便表示，本文将优化用电的作用范围设为1d，并将其等分为L个离散的时间间隔，时间间隔长度为δ。则设备m在1d内的用电计划可以用向量um= （um1（1），um2（2），…，umL（L））表达。um（t）∈［0，1］，在应用中可以根据设备m是开关型、分档型或是可调节型进行选择和相应的约束。对于可转移负载来说，一次用电任务不可中断，连续不可分割，即if（um（k）= 1），um（k+1）=um（k+2）=…=um（k+l）=1。

3.1蓄电池模型

蓄电池充放电与荷电状态Soc有关，由文献［7］可知蓄电池的动态模型为：

式中：CN为蓄电池标称容量；IB（k）为蓄电池该时段充放电电流；ηC和ηDC分别为蓄电池充放电效率。考虑到蓄电池的使用寿命，蓄电池充、放电对电流和荷电状态有着严格的条件：

式中：τC和τDC分别为蓄电池充放电电流限制系数；Imax为蓄电池工作最大电流。

3.2可调节负载模型

空调、电热器等设备的用电模型可以用离散的热能动态模型［10］表示：

式中：C为房间热容量；R为房间热阻；TH（k）和Tout（k）分别为k时段室内外的温度；PH为设备的额定功率；uH（k）为设备用电控制序列。

电热水器一般为即热式，其用电模型可以用电热水器系统动态模型［11］表示：

式中：c、ρ分别为水的比热容和密度；αW为水箱能量散失系数；φ为电能转换成热能的转换系数；V为水箱容量；TW（k）为k时刻水箱水温，且满足：

3.3市电模型

对于HEMS来说，它的供电由广泛发电、市电以及蓄电池构成，有能量守恒定律可得市电模型为：

式中：PUC（k）为k时段不可控家庭负载的有功功率；PCm为可转移负载m的额定有功功率；um（k）为对应的用电控制序列。

居民对于智能用电的调节方式有着自己的要求［2］，主要体现在经济性和空调、热水等电器使用的舒适性上。家庭智能用电就是在电价信息和光伏发电预测信息的支持下有序地调整家庭负荷的分布，达到经济性和舒适性最优的目的。经济性即用电费用，舒适性与用电服务质量有关，对应负载的类型有不同的评价方式。经济性评价用指标J1衡量，如式（8）所示：

可调负载需要满足用户的用电目的，对应于空调和热水器，用电舒适性与温度偏离程度，评价指标J2如式（9）所示：

式中：TH（k）和TW（k）分别为k时段空调和热水器决策温度；TUH（k）和TUW（k）分别为k时段空调和热水器设定温度；THP和TWP分别为居民设定的最大容忍温差。

而可转移负载，则与用电任务的延期程度有关，用户希望该负载工作时间为［a，b］，而决策工作时间为［a+d，a+d+l］，d和l分别为延长时段和工作时段，该用电评价指标J3如式（10）所示：

综合考虑，家庭用电优化控制模型的目标函数为：

式中：φ为舒适性权重。

而该模型的约束条件即式（1）～式（7）。

4　家庭智能用电系统优化模型求解算法

该模型是一个非线性整数规划问题，模型中有连续和0～1 2种决策变量，同时还受室外温度、光伏发电等变化参数的影响。针对这一问题，本文采用改进的粒子群算法［12］进行求解。

4.1粒子编码和速度更新

储能模块的充放电计划和设备的用电计划是粒子群算法的决策变量，对其进行编码，即x=（PB，uH，uW，uC1，uC1，…，uCm）＇：

4.2适应度函数构造

在求解该问题时，需要对约束进一步处理，控制变量的范围由可行域进行约束，而等式约束式（7），不等式约束式（2）、（3）和（6）将以罚函数的方式加入到目标函数当中。

4.3算法流程

采用改进的粒子群算法解决该优化问题的流程图如图3所示。

5　仿真分析

算例采用典型的冬季家庭用电模式进行优化，仿真时间为一天，时间间隔δ=0.5 h。家庭用电信息和电价信息分别如图4和图5所示，可控制的家庭负载以及控制的范围如表1所示。设置算例参数V=0.1，C=0.025，R=40。令用户容忍程度为φ=5。

图3　改进PS0算法流程图Fig. 3 The flow of modified PS0 algorithm

图4　家庭用电信息Fig. 4 The information of home power consumption

图5　电价信息Fig. 5 The information of electric price

用户优化后的用电量如图6所示，从图中可以看出，该模型能很好的响应分时电价，并且优化后的用电量有所减少。这一方面得益于蓄电池和光伏发电模块的参与，另一方面则是调节负载动态优化模型有效地提高负载的用电效率，图7可以体现出来。

表1　可控负载信息Tab. 1 The information of controllable home load

图6　优化后用电信息Fig. 6 The information of optimize power consumption

图7　室内温度变化Fig. 7 The variation of room temperature

从图7可以看出，基于可调节负载的模型能衡量室内温度，从用户的需求调整该类负载的工作方式，在不影响用户舒适性的前提下减少用电，提高用电效率。

6　总结

本文详细分析了家庭用电行为和家庭负载工作方式的关系，针对可控负载建立了体现居民用电行为的动态模型。结合蓄电池充放电管理、光伏发电预测和分时电价，建立了一种家庭智能用电的最优调度模型。该模型充分考虑用电行为的控制给用户带来的经济性和舒适性影响，兼顾经济性和舒适性两个要求。算例表明，该模型能很好的调度家庭电器的用电行为，实现削峰填谷，引导合理用电，减少用电费用。

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］.电力系统保护与控制，2014，42（18）：144-154. ZHANG YanYu，ZENG Peng，ZANG Chuanzhi. Review of home energY management sYstem in smart grid［J］. Power SYstem Protection and Contro1，2014，42（18）：144-154 （in Chinese）.

［2］何永秀，王冰，熊威，等.基于模糊综合评价的居民智能用电行为分析与互动机制设计［J］.电网技术，2012，36（10）：247-252. HE Yongxiu，WANG Bing，XIONG Wei，et a1. Ana1Ysis of residents’smart e1ectricitY consumPtion behavior based on fuzzY sYnthetic eva1uation and the design of interactive mechanism［J］. Power SYstem Techno1ogY，2012，36（10）：247-252（in Chinese）.

［3］HAZAS M，FRIDAY A，SCOTT J. Look back before 1ea-Ping forward：four decades of domestic energY inquirY［J］. IEEE Pervasive ComPuting，2011，10（1）：13-19.

［4］OZTURK Y，SENTHILKUMAR D，KUMAR S，et a1. An inte11igent home energY management sYstem to imProve demand resPonse［J］. IEEE Trans on Smart Grid，2013，4 （2）：694-701.

［5］PIPATTANASOMPORN M，KUZLU M，RAHMAN S. An a1gorithm for inte11igent home energY management and demand resPonse ana1Ysis［J］. IEEE Trans on Smart Grid，2012，3（4）：2166-2173.

［6］CHEN C，NAGANANDA K G，XIONG G，et a1. A communication-based aPP1iance schedu1ing scheme for consumer -Premise energY management sYstems［J］. IEEE Trans on Smart Grid，2013，4（1）：56-65.

［7］王继东，杨羽昊，周越，等.家庭智能用电系统建模及优化策略分析［J］.电力系统及其自动化学报，2014，26 （11）：63-71. WANG Jidong，YANG Yuhao，ZHOU Yue，et a1. Mode1 and oPtimization strategY for smart home Power consumP-tion sYstem［J］. Proceedings of the CSU-EPSA，2014，26 （11）：63-71（in Chinese）.

［8］HAN D M，LIM J H. Smart home energY management aYstem using IEEE 802.15.4 and ZigBee［J］. Consumer E1ectronics IEEE Transactions on，2010，56（3）：1403-1410.

［9］钱振，蔡世波，顾宇庆，等.光伏发电功率预测方法研究综述［J］.机电工程，2015，32（5）：651-659. QIAN Zhen，CAI Shibo，GU Yuqing，et a1. Review of PV Power generation Prediction［J］. Mechanica1 & E1ectrica1 Engineering Magazine，2015，32（5）：651-659（in Chinese）.

［10］LONG D H，PLOIX S，ZAMAI E，et a1. Tabu search for the oPtimization of househo1d energY consumPtion［C］// Information Reuse and Integration，2006 IEEE Internationa1 Conference on IEEE，2006：86-92.

［11］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.

［12］刘佳，李丹，高立群，等.多目标无功优化的向量评价自适应粒子群算法［J］.中国电机工程学报，2008，28 （31）：22-28. LIU Jia，LI Dan，GAO Liqun，et a1. Vector eva1uated adaPtive Partic1e swarm oPtimization a1gorithm for mu1tiobjective reactive Power oPtimization［J］. Proceedings of the CSEE，2008，28（31）：22-28（in Chinese）.

王春梅（1980—），女，硕士，研究方向为智能配电网、智慧城市；

李扬（1991—），男，硕士，研究方向为智能配电网、智慧城市。

（编辑黄晶）

0ptimal Scheduling for Smart Home Power Consumption Considering User’s Comfort

WANG Chunmei1，LI Yang1，WANG Xudong2，HUO Xianxu2
（1. Beijing Guodiantong Network Techno1ogY Co.，Ltd.，Beijing 100070；2. State Grid Tianjin E1ectric Power CorPoration Tianjing 300010）

ABSTRACT：With the wide aPP1ication of smart home，more uti1ization of distributed generations，and the exPanding scoPe of using time-sharing e1ectricitY Prices，home energY sYstem has more higher functiona1 requirements. BY ana1Yzing the re1ation between househo1d e1ectricitY uti1izations and househo1d 1oad working modes，this PaPer Presents an oPtima1 schedu1ing mode1 considering the economY and amenitY of home Power consumPtion，and this mode1 has the imPortant Practica1 significance because its consideration to the aPP1ication of distributed generations and demand resPonse. Aimed at the mode1，an imProved PSO is adoPted to so1ve，and it is verified through the examP1e of home Power consumPtion. The examP1e shows that the mode1 and the a1gorithm are ab1e to disPatch Power behaviors of househo1d aPP1iances.

文章编号：1674-3814（2016）04-0058-05中图分类号：MT615

文献标志码：A

基金项目：国家电网公司总部科技项目：面向智慧城市的多元能源互联与管理关键技术研究（SGTJDK00DWJS1500097）。

收稿日期：2015-01-12。

作者简介：