智能居民住宅负荷控制策略下的经济调度

陈世喆李天然严 鹏张金龙

（1.南京师范大学电气与自动化工程学院，南京 210042 2.国网江苏省电力公司洪泽县供电公司，江苏 淮安 223100）

智能居民住宅负荷控制策略下的经济调度

陈世喆1李天然1严 鹏2张金龙1

（1.南京师范大学电气与自动化工程学院，南京 210042 2.国网江苏省电力公司洪泽县供电公司，江苏 淮安 223100）

伴随着智能用电技术的提出与推广，居民住宅中传统煤、油、气、汽设备逐渐被电力设备取代，居民住宅用户参与需求侧响应计划的主观意愿与客观要求均越来越强。通过对居民住宅用户用电行为的模拟与分析，研究基于智能家电的居民住宅需求响应原理，提出智能居民住宅用户负荷控制策略（SHM），为居民住宅用户广泛参与需求响应计划提供可行方案，以提高居民家庭用电经济性，提高能源利用效率，促进配电网稳定，实现供用电双方互利共赢。

居民负荷；需求响应；经济调度；家电管理；电动汽车

为了实现清洁、低碳、高效的能源发展趋势，应对全球能源危机，智能电网的理念应运而生[1]。随着智能电网概念的提出，电力需求侧响应迎来了空前的发展机遇。21世纪以来，电能作为清洁能源被广泛接受，居民住宅中传统煤、油、气、汽设备逐渐被电力设备取代。越来越多的研究者从需求侧入手，研究电力市场消费和需求侧响应原理[2-4]。智能电网强调的是电网的互动化，即信息互动和电能互动[5]。遍布全网的智能电表和高级量测体系加强了需求侧资源与系统之间的联系，为用户参与需求响应提供了强有力的技术支持[6]。传统的居民用户需求侧管理方式主要为拉闸限电，售电侧通过牺牲需求侧的用电灵活性完成削峰填谷的用电策略。在智能电网环境下，高级量测体系、用电信息交互平台、电网双向交互技术可为用户提供智能化、多样化、便利化的用电服务[2-3,7]。

目前国外面向居民住宅负荷的研究较多，文献[8-11]中提出同一配网馈线的削峰填谷、可再生能源参与家庭用户调度等多种居民住宅负荷智能控制策略。控制方案都是以地区负荷实际情况出发，但是我国的居民用电负荷特点与之有明显的不同，即在设备选择、使用时间、频率方面，都存在明显的差异性。针对居民住宅用户合理参与（Demandside Response，DR），基于供用电双向友好，促进居民智能用电体验的基础上，本文提出智能居民住宅负荷控制（Smart Household Management，SHM）策略。

1 SHM需求响应策略

由于居民电力消费者的专业知识以及日常用电习惯限制，让消费者人为参与DR困难重重，因此居民住宅用电负荷自动参与需求响应控制成为必须。实现智能居民住宅需求响应需要通信技术、控制技术的支持，SHM的硬件基础是家庭区域网络（Home Area Network，HAN）。HAN系统实现了居民住宅内部用电设备的无线互联，实现对负荷、智能插座的直接控制，同时也可以通过该系统与小区、配电网实现信息互联，为用户参与DR提供电价、负荷信息，为配电网络反馈用电状态。

SHM控制策略概念如图1所示。对电力消费者而言，最关心的3个核心问题就是用户舒适、时间便利、价格满意。因此，消费者参与DR的前提是必须满足以上条件。居民住宅用户负荷按特性可分列为四种负荷：温控负荷、不可中断负荷、可转移负荷、EV负荷。温度控制负荷始终不应受到其他负荷需求响应结果的影响，否则无法满足舒适度要求。居民住宅中大部分用电设备均为不可中断负荷或可转移负荷，该类设备为居民住宅用电典型负荷。电动汽车（electric vehicle，EV）作为新型负荷，其特性为居民住宅用户需求响应增加了灵活的可调度资源。

图1 居民住宅用户需求响应控制概念

2 SHM负荷整体模型

2.1 SHM温度模型

用户住宅室内温度状态是人民群众提高生活水平的一项重要参考指标，同时温度调节能耗也成为了居民住宅用电比例的重要部分。从居民生活习惯方面考虑，温度在舒适区间外，此时温度调节迫在眉睫；而在舒适温度区间内，温度控制的重要性不再凸显。

1）空调负荷模型

本文设定空调为制冷型设备，作为住宅夏季降温负荷。一旦住宅温度超过设定的最高温度，空调转制冷状态运行；一旦住宅温度低于设定的最低温度，不论前一时刻运行状态如何，均立即转停止状态。若温度处于设定的温度值内，空调运行状态与前一时刻相同。空调制冷运行状态控制模型如下：

式中，SC.t表示空调运行状态（1运行，0停止，下同）；TC.t表示住宅内部温度；TC.h表示设置的夏季住宅最高温度；ΔTC表示夏季住宅温度变化范围；IC作为居民住宅温度舒适判据引入，其值越低越使人感到舒适愉快。

2）地暖负荷模型

电地暖作为新型供暖设备，由于其温度控制均衡、环保、安全、清洁，目前已逐渐被人们熟知和应用。目前电地暖正以年均10%的增长速度发展[12]。本文特别引入电地暖作为新型负荷参与居民住宅负荷控制。

一旦住宅温度低于设定的最低温度，地暖转加热状态；一旦住宅温度高于设定的最高温度，不论前一时刻地暖运行状态如何，均立即停止。若温度处于设定的温度值内，地暖运行状态与其前一时刻相同。地暖供热运行状态控制模型如下：

式中，SF.t表示地暖运行状态；TF.t表示住宅内部温度；TF.l表示设置的冬季住宅最低温度；ΔTF表示冬季住宅温度变化范围；IF作为居民住宅温度舒适判据引入，其值越低越使人感到舒适愉快。

2.2 SHM不可中断负荷模型

居民住宅中，部分电器设备不易于参与负荷调节与转移，如照明、台式电脑、电视机、电冰箱等，一旦参与负荷调节将很大程度上影响人们生活舒适度。因此，此类负荷作为其他负荷的控制因素存在。不可中断负荷的运行状态控制模型如下：

式中，SL、SPC、STV、SR分别代表灯具、台式电脑、电视机、电冰箱的运行状态，公式中引入随机参数R（1使用，0不使用，下同）；IL、IPC、ITV、IR分别表示灯具、台式电脑、电视机、电冰箱的舒适判据，值越小对应设备优先级越高。

2.3 SHM可转移负荷模型

洗衣机、洗碗机、烘干机等电器设备作为可转移负荷，在未出现紧急状况下，此类负荷均可以全部避开负荷高峰，转移至电价低谷或用电低谷时段。一旦出现紧急状况，如需要立即投入使用，通过提升相关负荷优先级的行为控制用电。洗衣机负荷运行状态控制模型如下：

式中，SW表示洗衣机运行状态；RW为引入的随机变量，表示因特殊原因用户需要立即使用该设备；TW为洗衣机当前时间；TW.s表示最新一次洗衣机开始运行时刻；ΔTs表示单次洗衣时长；(T−1)W.s表示前一次洗衣机开始运行时刻；ΔTd表示计划中洗衣机运行间隔频率；IW为优先级判据。

2.4 SHM电动汽车充电负荷模型

电动汽车的广泛使用为家庭负荷的优化提供了可以灵活调度的新型负荷资源。简化 EV电池荷电状态（State of Charge，SOC）模型：

式中，SOCt表示当前时刻电池荷电状态；SOCt−1表示上一次充电后电池荷电状态；D表示电池额定行驶里程；d表示当次实际行驶里程；SOCmax、SOCmin分别表示EV电池荷电状态上下限值。

本文假设 EV电池充电负荷为恒定功率的线性负荷。同时考虑到居民住宅用电容量的制约，设定住宅 EV充电模式均为慢速充电方式，其充电时间可以表示为

式中，ΔTEV表示平均充电时间；Qi表示需求电量；P表示平均充电功率；Q0表示电池额定电量。

EV负荷运行状态控制模型如下：

式中，SEV表示EV充电状态；IEV表示EV优先级判据；REV表示随机事件；NEV(x,y)为电动汽车优先级控制函数。

3 SHM负荷控制策略

SHM通过对各用电设备分别测算优先级数值，对用电设备进行排列，同时系统设定运行阈值为0，优先级数值为负的设备运行，优先级数值为正的设备等待运行。针对优先级的控制策略流程图如图 2所示。同时，在设备优先级判据明确的情况下，需要优先级控制函数来根据激励因素围绕运行阈值调整对应优先级数值，其逻辑构成如图3所示。

以4种类型负荷参与控制为例，其对应四阶控制函数如下：

式中，N表示优先级控制函数；I为参与控制的设备优先级判据；NB为基本控制函数；NA为基于价格响应或激励响应的修正控制函数；St、Pt表示各设备基于时间的运行状态、运行功率；mi、ni表示基于不同居民住宅用户的模型参数。

SHM控制策略的执行都是以时间为基准，即时间采样为控制策略的起点。值得指出的是，在设备通过优先级判断开始运行后，设备仍需要按时间采集频率判断优先性，一旦不满足条件，立即将运行设备踢出队列中止运行。

图2 居民住宅用户负荷控制流程图

图3 控制函数逻辑构成

4 算例分析

4.1 算例1

1）仿真参数

模拟仿真近期（当前）电价环境下，SHM的经济调度程度。

电价激励因素采用浙江省现行居民峰谷电价执行，将居民用户阶梯电价作为现行电价政策下的激励因素考虑。8∶00—22∶00时段执行居民生活高峰电价 0.568元/kW·h，22∶00—8∶00时段执行居民生活低谷电价0.268元/kW·h。18∶30时用户居民阶梯电价第一档电量用完，随后进入阶梯电价第二档用电，即在原电价基础上再提高0.05元/kW·h。

冬季某日中午12∶00至次日7∶00，住宅初始温度10℃，理想温度变化范围15℃～21℃，电冰箱常开，灯具运行时间17∶00—22∶00，电脑运行时间14∶00—18∶00，电视机运行时间19∶00—21∶00，洗衣机洗衣时长ΔTs=40min，EV电池 SOCt=0.1，SOCmax=0.9。参与需求响应仿真的设备明细与负荷类型见表1。

表1 参与仿真负荷

2）全局仿真

仿真需求响应数据采样周期定为。居民住宅负荷仿真全局性在线负荷与全部设备优先级变化情况如图4所示。

图4 优先级与总功率仿真结果

用户总功率在22∶00变动最大，其原因为价格激励因素在此时变化最大。同时，整体功率曲线呈现白天时段相对较低，夜间时段功率相对较高的状态，这与电力系统实际运行功率曲线相反，实现了当前电力市场电价环境因素下的居民负荷的合理转移，促进了对配电台区负荷曲线的削峰填谷。

此处为了方便优先级仿真结果的展示，将最高优先级数值−∞用−10代替，最低优先级数值∞用10代替，下同。

居民住宅温度、EV仿真结果如图5所示。初始时刻判断室内温度为 10℃、EV 充电时间ΔTEV=5h20min，温度控制开始运行，EV待充电。在15∶50因用电设备减少，EV优先级数值突然降低，EV设备接近充电开始状态，但因高峰价格响应因素，EV没有继续提高优先性。仿真至18∶30时出现阶梯电价价格微调的激励因素，EV优先级数值增大。22∶00因进入低谷电价时段，价格降低幅度较大，EV响应价格激励因素开始充电。

图5 地暖与EV仿真结果

对比实施SHM控制体系前后的用电成本，仿真时段全过程用电成本见表 2。控制策略实现了对居民住宅负荷的优化调度，明显的降低了用电的成本。结果显示了在近期（当前）电力系统电价环境下，SHM控制体系的需求响应程度，已经能够实现对居民住宅用户负荷的经济调度。

表2 电费成本比较

4.2 算例2

1）仿真参数

模拟仿真远期电力市场环境下，SHM控制体系的需求响应程度。电价激励因素采用实时电价（real-time pricing，RTP）体系，实时电价价格变化程度参考文献[13-14]中RTP曲线绘制，如图6所示。

图6 实时电价（RTP）曲线

夏季某日中午12∶00至次日7∶00，住宅初始温度，理想温度变化范围22℃～28℃，电冰箱常开，灯具运行时间 17∶30—23∶30，电脑运行时间14∶00—16∶30、19∶00—22∶00，电视机运行时间 17∶00—19∶30，洗衣机洗衣时长ΔTs=40min，EV电池相关参数见表 3。EV电池，SOCt=0，SOCmax=0.85。参与需求响应仿真的设备明细与负荷类型见表3。

表3 参与仿真负荷

2）全局仿真

该算例中我们提高仿真采样周期至。居民住宅负荷仿真全局在线负荷与全部设备优先级变化情况如图7所示。同样的，整体功率曲线呈现白天时段相对较低，夜间时段功率相对较高的状态，这与电力系统实际运行功率曲线相反，实现了RTP电价环境因素下的居民负荷的合理转移。

图7 优先级与总功率仿真结果

居民住宅温度、EV控制状态如图8所示。初始时刻室内温度为 33℃，空调开始运行，EV充电时间ΔTEV=5h44min，加入待运行队列。因RTP价格变化周期为1h，故EV优先级数值波动明显，也多次接近运行状态。23∶00时 EV优先级数值降低到阈值以下，开始运行充电。

图8 空调与EV仿真结果

对比实施SHM控制体系前后的用电成本，仿真时段全过程用电成本见表4。SHM实现了对居民住宅负荷的优化调度，明显的降低了用电的成本。结果显示了在远期电力市场RTP价格环境下，SHM控制体系的需求响应程度，同样能够实现对居民住宅用户负荷的削峰填谷与经济调度。

表4 电费成本比较

5 结论

本文构建了基于需求侧响应的居民住宅负荷控制模型，优化了居民住宅用户用电特性，实现用户经济用电。相关算例显示：①SHM的削峰填谷、经济调度策略已经实现；②加入新型负荷 EV后，明显增加了居民住宅需求响应调度调节能力；③在当前电力市场环境与远期电力市场环境中，SHM控制策略可靠兼容。SHM控制策略一方面提高了消费者对电能的使用效率，降低用电成本，提高用电舒适度；另一方面优化了居民负荷，使负荷平稳转移过度，平滑了负荷曲线，促进了供配电网的稳定。同时，就目前的研究成果而言，居民住宅用户负荷类型较多，但负荷功率较小。一旦出现大部分负荷退出运行的情况，可供需求响应调度的负荷也锐减，造成负荷波动明显的情况。该问题也凸显了居民住宅用户负荷的特点与难点。本文仅仅是一个开始，未来针对居民住宅等小负荷群体的需求响应负荷控制策略将更深入考虑负荷过低问题、初始状态不确定问题以及随机性事件问题。

[1]张钦.职能电网下需求响应热点问题探讨[J].中国电力,2013,46(6):85-90.

[2]肖世杰.构建中国智能电网技术思考[J].电力系统自动化,2009,33(9):1-4.

[3]张文亮,刘壮志,王明俊,等.智能电网的研究进展及发展趋势[J].电网技术,2009(13):1-11.

[4]高赐威,梁甜甜,李扬.自动需求响应的理论与实践综述[J].电网技术,2014(2):352-359.

[5]王蓓蓓,李扬,高赐威.智能电网框架下的需求侧管理展望与思考[J].电力系统自动化,2009,33(20):17-22.

[6]赵鸿图,周京阳,于尔铿.支撑高效需求响应的高级量测体系[J].电网技术,2010(9):13-20.

[7]陈树勇,宋书芳,李兰欣,等.智能电网技术综述[J].电网技术,2009(8):1-7.

[8]Tsui K M,Chan S C.Demand response optimization for smart home scheduling under Real-Time pricing[J].IEEE Transactions on Smart Grid,2012,3(4):1812-1821.

[9]Du P W,Lu N.Appliance commitment for household load scheduling[J].IEEE Transactions on Smart Grid,2011,2(2):411-419.

[10]Chen Zh,Wu L,Fu Y.Real-Time Price-Based demand response management for residential app- liances via stochastic optimization and robust optimization[J].IEEE Transactions on Smart Grid,2012,3(4):1822-1831.[11]Yi P Zh,Dong X H,Iwayemi A,et al.Real-Time opportunistic scheduling for residential demand response[J].IEEE Transactions on Smart Grid,2013,4(1):227-234.

[12]楚军田,申连喜.水地暖与电地暖应用对比研究[J].建筑节能,2014(11):20-23.

[13]盛万兴,张波,邸宏宇,等.一种基于动态抗体记忆库的免疫优化算法在自动需求响应中的应用[J].中国电机工程学报,2014(25):4199-4206.

[14]张显,王锡凡,王建学,等.分段交易在电力双边合同市场中的应用[J].电力系统自动化,2004,28(11):13-16.

Economic Dispatch under Intelligent Residential Load Control Strategy

Chen Shizhe1Li Tianran1Yan Peng2Zhang Jinlong1
(1.School of Electrical and Automation Engineering,Nanjing Normal University,Nanjing 210042;2.State Grid Jiangsu Electric Power Company Hongze Power Supply Company,Huaian,Jiangsu 223100)

With smart grid technology is putted forward and spread,the traditional equipment like coal,oil,gas,and steam equipment is gradually replaced by the electric power equipment.Subjective intention and objective requirement of residential users to participate in the demand side response are more and more strong.Through the simulation and analysis of the residential user's electricity behavior,the study is based on the principle of residential demand response of smart home appliances.In this study,the smart household management (SHM) control strategy is proposed.The strategy provide feasible solutions for the residential customers to participate in the demand response plan,which in order to improve household electric economy,improve energy efficiency,and promote stability in the distribution network,and to achieve mutual benefits for both supply and demand sides.

residential load;demand response;economic dispatch;home appliance management;electric vehicle

陈世喆（1990-），男，硕士研究生，研究方向为电力需求侧与电力市场。