家庭智能用电管理系统用电优化算法研究

李中伟，孟 迪，张鹏伟，张宏莉，张 啸，李立东，武东升

(1．哈尔滨工业大学电气工程及自动化学院，黑龙江 哈尔滨 150001；2．哈尔滨工业大学计算机科学与技术学院,黑龙江 哈尔滨 150001)

家庭智能用电管理系统用电优化算法研究

李中伟1,2，孟 迪1，张鹏伟1，张宏莉2，张 啸1，李立东1，武东升1

(1．哈尔滨工业大学电气工程及自动化学院，黑龙江 哈尔滨 150001；2．哈尔滨工业大学计算机科学与技术学院,黑龙江 哈尔滨 150001)

为降低居民用户用电费用和提高用电效率，考虑分时电价价格激励的作用，对家庭智能用电进行了研究。构建了由智能家用电器、传统家用电器、电动汽车及其充放电设备、智能开关/插座、智能交互终端、智能手机、分布式能源和智能电表等组成的家庭智能用电管理系统。以一般家庭常用家用电器为优化对象，以用户用电费用最低为优化目标，采用遗传算法，根据用户设定的各家用电器的工作时间范围，提出了基于分时电价的家庭智能用电管理系统智能用电优化算法。以兼顾用户用电费用和负荷消耗功率均匀分布为优化目标，设定功率阈值，引入惩罚机制，提出了基于分时电价的改进智能用电优化算法。仿真结果表明，所提出的智能用电优化算法可为用户最大限度节省用电费用；所提出的改进智能用电优化算法可为用户适当节省用电费用，并可避免引入新的用电高峰。因此，该智能用电优化算法能实现既定优化目标，是有效、可行的。用户可根据实际需要确定优化目标，选用相应算法。

家庭智能用电管理系统； 优化算法； 分时电价； 遗传算法； 负荷消耗功率； 用户舒适度

0 引言

随着社会的进步和人们生活水平的提高，越来越多的家用电器被居民用户所使用，居民用电量在社会总用电量中的比重及用电费用在人们的日常支出中的比重越来越大[1]。节能减排、提高能源利用率是应对资源短缺和环境污染问题的重要途径[2-3]。智能用电作为智能电网的重要一环，可利用先进的信息通信技术，使电力用户由传统被动用电模式转变为主动用电模式，从而有效提高电能利用效率、节省用电成本、构建用户和电力公司之间实时互动的新型供用电关系[4-5]。

家庭智能用电管理系统作为智能用电和智能电网需求侧响应的主要组成部分，已逐渐成为国内外研究热点。文献[6]在构建家庭能量管理系统(home energy management system,HEMS)的基础上，结合实时电价(real-time price,RTP)和倾斜块率(inclined block rate,IBR)，以节省用电费用和减少家用电器工作延时为目标，提出了基于遗传算法的智能用电优化控制策略。

文献[7]采用线性规划方法，结合实时电价或基于加权平均得到的预测电价，提出了可为用户节省电费和减少家用电器等待时间的智能用电控制方案。文献[8]建立了包含分布式能源、蓄电池和家用电器的家庭用电模型，并且以提升用户舒适性和节省电费开支为目标，利用电价杠杆作用，并基于粒子群算法，建立了家庭智能用电系统优化模型。

电价机制是智能用电优化的依据，目前国内大部分地区采用分时电价。智能用电优化问题是复杂的非线性寻优问题，属于全局性概率搜索算法的遗传算法非常适用于解决此类问题。仅以节省用户用电费用为优化目标，其结果很可能将大部分家用电器转移到电价比较便宜的时段工作，将会引入新的用电高峰，给电力系统的稳定运行带来不利影响[9]。因此，本文基于分时电价，分别以用户用电费用最低，以及兼顾用户用电费用和负荷消耗功率均匀分布为优化目标，并基于改进遗传算法，提出了适用于家庭智能用电管理系统的智能用电优化算法，并进行了仿真验证。

1 方案设计与功能确定

根据智能用电技术未来发展趋势和国内用电环境，本文构建了家庭智能用电管理系统，其框图如图1所示。该系统主要由智能家用电器、传统家用电器、电动汽车及其充放电设备、智能开关/插座、智能交互终端、智能手机、分布式能源和智能电表等部分组成。

系统远程信道可采用光纤、电力线载波、GSM/GPRS或宽带无线等通信技术实现[10]。上行信道主要用于传送智能电表和智能交互终端采集的用户用电信息[11]；下行信道主要用于发布供电公司制定的阶梯/分时电价或实时电价、停电通知、限电计划、远程断电控制指令以及用户账单等。智能电表除实现传统电表的正向电能计量功能外，还需具备支持分布式电源接入和以电动汽车作为电源向电网馈电时的反向电能计量、远程控制、分时/阶梯或实时电能费率计量、电能质量监测、预付费、用户数据加密和事件记录等功能。

图1 家庭智能用电管理系统框图

2 智能用电优化算法

一般来说，家庭中的主要家用电器类型和数量在其入住后基本固定不变。本文在统计一般家庭常用家用电器类型基础上，选取其中某种具有代表性的型号作为智能用电优化算法的优化对象。选取的家用电器类型及其工作参数如表1所示。

表1 家用电器类型及其工作参数

智能用电优化算法的优化目标是尽可能在不改变用户舒适度的前提条件下，结合分时电价，调整家用电器的起始工作时间，从而降低用户用电费用[12]。

2.1 优化目标1

优化目标1即以用户用电费用最低为优化目标。

为了简化智能用电优化问题，本文将1 h分为5个时间片段，每个时间片段u=12 min，一天共120个时间片段组成U，即u∈{1,2,…,120}。以12 min作为家用电器工作时间的最小计量单位，设每种家用电器的工作时间是12 min的整数倍。实际工作时间不足12 min的整数倍的，以12 min的整数倍计算；对于工作时间不足12 min的家用电器，计算时当作12 min来处理。这样的处理方法必然会使最后的结果产生一些误差，但因为时间片段足够小，误差可以忽略不计。采用7位二进制码表示120个时间片段。

根据时间划分原则，每种家用电器的用电量可以用一个向量来表示，假设向量A为所有家用电器的集合，a为某种家用电器(a∈A)，Wa为家用电器a的能耗向量，则：

(1)

假设家用电器a的功率值P为定值，则在12min内的能耗表示为：

(2)

基于分时电价的智能用电优化算法，通过在用户设定的各家用电器可工作时间范围内，调整各家用电器的起始工作时间，优化家用电器的能耗向量Pa，可达到降低用户用电费用的目的。为此，需要为各家用电器规划合理的工作时间范围。

假设αa(αa∈U)为家用电器工作时间范围下限，βa(βa∈U)为工作时间范围上限，αa<βa；la为a的工作时长，0≤la≤βa-αa；ta为a的起始工作时间。由此可以确定每种家用电器的起始工作时间范围ta。以ta为变量，则可以求出每种家用电器相应的能耗向量Pa。

为了计算用户用电费用，必须有对应分时电价信息。本文以《国家发展改革委关于湖北省分时电价方案的批复》文件中给出的分时电价方案为例进行计算，其电价函数为：

(3)

(4)

式中：向量Y包含120个元素。

本文提出的智能用电优化算法以表1所示的7种家用电器对应的12个工作时间范围为优化对象。下面以空调为例，说明如何获得每种家用电器的能耗向量。设空调的工作时间范围为8:00～12:00(实际应用时由用户根据自身用电习惯设定)，空调工作时间为1 h(5个u)，由上述方法可知空调的启动时间范围为：

t6∈[8:00,11:00]⟺{41,42,…,56}

(5)

(6)

同理，以各家用电器起始时间为变量求出每种家用电器的能耗向量，进而求出总的能耗向量为：

W={W1,W2,…,W12}

(7)

式中：Wn(n=1,2,…,12)为对应家用电器的能耗向量；W为12×120的矩阵。

对向量W每列求和，可得：

Q1={q1,q2,…,q120}

(8)

由式(4)的电价向量和式(8)的能耗向量，可以求出用电费用为：

E=Y·Q1

(9)

将Y的120个相量求和，即可得到用户每天总的用电费用。

以用户每天总的用电费用最低为优化目标，采用遗传算法进行优化，求取每个家用电器的起始工作时间。采用遗传算法，基于分时电价的智能用电优化算法实现流程图如图2所示。

图2 智能用电优化算法实现流程图

2.2 优化目标2

如果仅以用户用电费用最低为优化目标，则上述智能用电优化算法的优化结果很可能是将大部分家用电器转移到电价比较便宜的时段工作。若大量用户均采用该算法进行优化，将会引入新的用电高峰，给电力系统的稳定运行带来不利影响。因此，有必要对上述智能用电优化算法进行改进。在降低用电费用的同时，加入限定条件，尽可能使家用电器负荷消耗功率均匀分布。

为了避免某个时段用电量过高，可设定一个功率阈值，当某个时段总用电量超过设定阈值时，对超过的部分多收取一定的费用[9]。本文拟设定1 h的功率阈值。由于家用电器的工作时间主要集中在5：00～23：00之间，将功率阈值定义为用户所有家用电器1 d内总的消耗功率除以主要工作时间段(小时数)再乘以一个可靠系数，即：

(10)

式中：sum(Q1)为能耗向量Q1各元素的总和；k1为可靠系数，k1≥1，本文取k1=1。有效的功率阈值(virtual threshold power,VTP)也可由电力公司在统计分析所有用户的用电情况的基础上确定。VTP表示了1 h内的用电量，所以对Q1的每5个元素进行求和，可得：

(11)

通过比较Q2中(n=1,2,…,24)和功率阈值VTP的大小，当qn≥VTP时，减去VTP，当qn≤VTP时，取值为0。由此可得到新的向量：

Q3={q1′,q2′,…,q24′}

(12)

由式(9)和式(12)，可得用电总费用为：

price_all=sum(E)+sum(Q3)×k2

(13)

式中：sum(E)为向量E的各元素之和；sum(Q3)为向量Q3的各元素之和；k2为惩罚电费，以节省用电费用为主要目的，k2的取值不应太大。k2应由电力公司根据电力系统的整体情况确定，目前国内外电力公司尚未确定此值，本文暂取k2=0.1。

以price_all最低为优化目标，同样采用遗传算法进行优化，求取每个家用电器的起始工作时间，其实现流程图仍然如图2所示。以上即为改进后的智能用电优化算法，通过引入惩罚机制，对用户某个时段用电量较大时加收一定的费用，以实现在为用户节省电费的同时尽可能使用户负荷消耗功率均匀分布。

3 仿真结果及分析

本文首先对普通用户用电行为进行统计，对其用电量和用电费用进行计算；然后，采用本文所提出的智能用电优化算法进行仿真，得到每个家用电器的起始工作时间，并计算出优化前后的用电费用；最后，通过比较优化前后的用电费用和用户负荷消耗功率分布，验证本文所提智能用电优化算法的成效。

通过Matlab仿真，得到的优化前后各时间片段及各小时的用电分布情况，分别如图3、图4所示。

图3 优化前后用电分布图(各时间片段)

图4 优化前后用电分布图(各小时)

基于分时电价的智能用电优化算法对应的遗传算法参数如下：变量个数为12，种群个数为30；交叉率为0.8，变异率为0.02，最大迭代次数为50。

3.1 优化方案1

优化方案1是以表1所示的用户所用的家用电器为优化对象，以用电费用最低为优化目标，采用基于分时电价的智能用电优化算法进行优化。由图3(b)和图4(b)可知，采用智能用电优化算法后，用户功率消耗分布较为分散，主要是将家用电器工作时间从电价峰时段调整到平时段或者谷时段，以此达到节省用电费用的目的。

由智能用电优化算法的优化结果可得到各家用电器的起始工作时刻，受限于篇幅在此不给出。由各家用电器的起始工作时刻可计算出优化前后用户每天的用电费用，优化前用电费用为7.44元，优化后用电费用为5.45元，费用减少了26.7%。由此可见，采用智能用电优化算法可以为用户节省用电费用。

3.2 优化方案2

优化方案2是以兼顾用户用电费用和负荷消耗功率均匀分布为优化目标。其采用改进后的基于分时电价的智能用电优化算法进行优化，在Matlab上进行仿真，仿真结果如图3(c)、图4(c)所示。

由改进后的智能用电优化算法的优化结果得到各家用电器的起始工作时刻，计算出优化后的用电费用为5.73元，与优化前的7.44元用电费用相比减少了23%。由此可见，采用改进后的智能用电优化算法可以实现预计的优化目标，在为用户节省用电费用的同时使用电分布更加均匀。

4 结束语

本文从家庭用户的实际需求出发，构建了家庭智能用电管理系统。选取一般家庭常用家用电器为优化对象，根据用户设定的各家用电器的工作时间范围，以用户用电费用最低为优化目标，对分时电价提出了基于遗传算法的智能用电优化算法，并给出了算法的实现流程；同时，设定功率阈值，引入惩罚机制，以兼顾用户用电费用和负荷消耗功率均匀分布为优化目标，提出了基于遗传算法的改进智能用电优化算法。在本文设定场景下的Matlab仿真结果表明：①采用优化方案1，对应分时电价为用户节省26.7%的用电费用；②采用优化方案2，对应分时电价为用户节省25.4%的用电费用，虽然节省的用电费用略有减少，但可使用户的用电分布更加均匀，避免引入新的用电高峰。因此，本文所提智能用电优化算法能够实现既定优化目标，是有效、可行的。用户可根据实际需要确定优化目标，选用相应算法。

[1] AMIN S M，WOLLENGERG B F.Toward a smart grid[J].Power and Energy Magazine，2005，3(5)：34-41.

[2] 陈树勇，宋书芳，李兰欣.智能电网技术综述[J].电网技术，2009，33(8):1-7.

[3] 刘振亚.建设坚强智能电网支撑又好又快发展[J].电网与清洁能源，2009，25(9):1-3.

[4] 章鹿华，王思彤，易忠林，等.高级计量架构(AMI)对智能电网下供用电关系的影响[J].电测与仪表，2011，48(5)：33-36.

[5] 张景超，陈卓娅.AMI 对未来电力系统的影响[J].电力系统自动化，2010，34(2):20-23.

[6] ZHAO Z，LEE W C，SHIN Y，et al.An optimal power scheduling method for demand response in home energy management system[J].IEEE Transactions on Smart Grid，2013，4(3)：1391-1400.

[7] INOUE S，DAI J，SHIBA M，et al.Knowledge management approach for saving home energy consumption[C]//IEEE International Conference on Fuzzy Systems,2010：1-6.

[8] 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.

[9] 陆青，谢品杰，冷亚军，等.面向家庭智能用电的用电任务调度优化[J].华东电力，2014(5)：16-24.

[10]STRBAC G.Demand side management benefits and challenges[J].Energy Policy，2008，36(12):4419-4426.

[11]周明，孙树栋.遗传算法原理及应用[M].北京：国防工业出版社，1999：1-20.

[12]CHEN X D，WEI T Q，HU S Y.Uncertainty-aware household appliance scheduling considering dynamic electricity pricing in smart home[J].IEEE Transactions on Smart Grid，2013，4(2)：932-941.

Research on the Optimization Algorithm of Electricity Consumption in Smart Home Electricity Consumption Management System

LI Zhongwei1,2,MENG Di1,ZHANG Pengwei1,ZHANG Hongli2,ZHANG Xiao1,LI Lidong1,WU Dongsheng1

(1.School of Electrical Engineering and Automation,Harbin Institute of Technology,Harbin 150001,China;2.School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001,China)

In order to reduce the electricity costs and improve the efficiency of electricity consumption,and consider the role of incentives of time-of-use pricing,the home smart electricity consumption is researched.The smart home electricity consumption management system,which is consisting of intelligent household appliances,traditional household appliances,electric vehicles and related charging and discharging equipment,smart switch/socket,intelligent interaction terminal,smart phone,distributed energy and smart meter is constructed.With the general household appliances as the object of optimization,and the lowest electricity costs of user as the target of optimization,by using genetic algorithm,and in accordance with the time periods of each appliance used by user,the optimization algorithm of smart electricity consumption based on time-of-use pricing is proposed.Both the electricity costs of user and the evenly distributed load power consumption as the optimization target,the power threshold is set and the punishment mechanism is introduced,then the improved optimization algorithms of smart electricity consumption based on time-of-use pricing is proposed.The simulation results show that the maximum savings in electricity costs of user can be obtained by the optimization algorithm proposed;and appropriate savings in electricity costs of user can be obtained by the improved algorithm;and introducing a new peak of electricity consumption is avoided.Therefore,the proposed optimization algorithm can achieve the goal of optimization,which is effective and feasible.The user can determine the optimization target according to the actual needs and choose corresponding algorithm.

Smart home electricity consumption optimization algorithm; Optimization algorithm; Time-of-use price; Genetic algorithm; Load power consumption; User comfort

李中伟(1976—)，男，博士，副教授，主要从事智能用电管理、智能电网通信及其信息安全、电力系统负荷侧频率稳定与控制方向的研究。E-mail：lzw@hit.edu.cn。

TH-39;TP273

A

10.16086/j.cnki.issn1000-0380.201708006

修改稿收到日期:2017-01-18