家庭智能用電系統(tǒng)建模及優(yōu)化策略分析

王繼東，楊羽昊，周越，石坤，李德智，趙建立

（1.天津大學(xué)智能電網(wǎng)教育部重點實驗室，天津300072；2.中國電力科學(xué)研究院，北京100192；3.國網(wǎng)上海市電力公司，上海200030）

家庭智能用電系統(tǒng)建模及優(yōu)化策略分析

王繼東1，楊羽昊1，周越1，石坤2，李德智2，趙建立3

（1.天津大學(xué)智能電網(wǎng)教育部重點實驗室，天津300072；2.中國電力科學(xué)研究院，北京100192；3.國網(wǎng)上海市電力公司，上海200030）

作為智能電網(wǎng)的重要組成部分，家庭智能用電系統(tǒng)對提高能源利用效率、促進(jìn)可再生分布式發(fā)電的利用具有重要意義。針對家庭智能用電系統(tǒng)進(jìn)行了相關(guān)的研究，分析了家庭智能用電系統(tǒng)各個組成部分的模型，建立了基于經(jīng)濟(jì)性目標(biāo)、舒適性目標(biāo)和計及分布式發(fā)電裝置的優(yōu)化模型，并利用粒子群算法對模型進(jìn)行了求解。仿真結(jié)果驗證了該優(yōu)化策略的有效性。

家庭智能用電；分布式發(fā)電；粒子群算法；優(yōu)化

近年來，智能電網(wǎng)已成為全球公認(rèn)的未來電力系統(tǒng)的發(fā)展方向，在中國的研究和實踐也得到了高度重視[1-3]。智能電網(wǎng)是將先進(jìn)的傳感測量技術(shù)、信息通信技術(shù)、分析決策技術(shù)、自動控制技術(shù)和能源電力技術(shù)相結(jié)合，并與電網(wǎng)基礎(chǔ)設(shè)施高度集成而形成的新型現(xiàn)代化電網(wǎng)[4]。隨著智能電網(wǎng)的迅速發(fā)展，家庭智能用電系統(tǒng)作為智能電網(wǎng)中的重要組成部分，具有重要的意義。家庭智能用電系統(tǒng)將與家居生活有關(guān)的各個家用電器、分布式發(fā)電及蓄電池結(jié)合起來，通過優(yōu)化達(dá)到經(jīng)濟(jì)性目標(biāo)和舒適性目標(biāo)的最優(yōu)。

目前國內(nèi)外對于家庭智能用電系統(tǒng)優(yōu)化策略的研究主要集中在單體負(fù)荷建模[5-6]、智能建筑能量管理建模和控制智能化模式[7-8]，但對于集成分布式發(fā)電及儲能技術(shù)的研究較少[9]。如何通過優(yōu)化，使更多的分布式能源直接抵消用電器消耗的電能，已經(jīng)成為家庭智能用電領(lǐng)域的研究熱點之一。

本文在上述研究的基礎(chǔ)上，建立了分布式發(fā)電、蓄電池、家用負(fù)荷和市電的模型，并針對電價激勵機(jī)制建立了家庭智能用電系統(tǒng)優(yōu)化模型。該模型具有以下特點：①模型以經(jīng)濟(jì)性和舒適性為目標(biāo)；②模型中的經(jīng)濟(jì)性目標(biāo)充分考慮到電價激勵機(jī)制。算例采用粒子群算法進(jìn)行求解，以防止陷入局部最優(yōu)。

1 家庭智能用電系統(tǒng)相關(guān)模型

家庭智能用電系統(tǒng)包含分布式發(fā)電（風(fēng)力發(fā)電機(jī)、光伏發(fā)電）、蓄電池、負(fù)荷和市電。

1.1風(fēng)力發(fā)電模型

風(fēng)力發(fā)電機(jī)是將風(fēng)動能轉(zhuǎn)化為機(jī)械能，進(jìn)而轉(zhuǎn)化為電能的裝置。風(fēng)力發(fā)電機(jī)的輸出功率與風(fēng)速的關(guān)系[10]為

式中的相關(guān)參數(shù)可以根據(jù)文獻(xiàn)[10]提供的方法進(jìn)行計算。

1.2 光伏發(fā)電模型

光伏發(fā)電等效為由太陽電池組件串并聯(lián)構(gòu)成，而太陽電池組件由單體太陽電池串并聯(lián)構(gòu)成。光伏發(fā)電功率[11]為

式中參數(shù)可以根據(jù)文獻(xiàn)[11]所給出的方法計算。

1.3 蓄電池模型

設(shè)SOC為蓄電池荷電狀態(tài)；SOC0為蓄電池初始荷電狀態(tài)；Cr為蓄電池實際電量；CN為蓄電池額定電量；Ie為蓄電池充放電電流，由文獻(xiàn)[10]的方法計算；Δt為蓄電池充放電時間；ηich為蓄電池充電效率，則蓄電池的模型[10]可表示為

1.4 負(fù)荷模型

家庭智能用電系統(tǒng)中負(fù)荷按照與輸出功率與環(huán)境參數(shù)的關(guān)系可以分為以下3類。

1）開關(guān)型負(fù)荷

開關(guān)型負(fù)荷只有開和關(guān)兩種狀態(tài)，用0表示關(guān)，1表示開。當(dāng)負(fù)荷狀態(tài)為開時，實際功率為額定功率；當(dāng)負(fù)荷狀態(tài)為關(guān)時，實際功率為0。負(fù)荷參數(shù)為負(fù)荷的開關(guān)狀態(tài)。

2）分檔型負(fù)荷

分檔型負(fù)荷包括可進(jìn)行開關(guān)操作的開關(guān)型負(fù)荷和可進(jìn)行檔位調(diào)節(jié)的多級分段負(fù)荷。負(fù)荷參數(shù)為負(fù)荷的額定功率和負(fù)荷的總檔位數(shù)。

3）調(diào)節(jié)型負(fù)荷

調(diào)節(jié)性負(fù)荷可以工作在不同的工作狀態(tài)上，且負(fù)荷的工作狀態(tài)與環(huán)境參數(shù)（如溫度、照度）有關(guān)。

1.5 市電模型

設(shè)Pload為負(fù)荷消耗的總功率，PDG為分布式發(fā)電（或蓄電池）提供的總功率，則電網(wǎng)供給系統(tǒng)的功率Pgrid可表示為

2 家庭智能用電系統(tǒng)優(yōu)化建模

2.1 目標(biāo)函數(shù)

2.1.1 經(jīng)濟(jì)性目標(biāo)函數(shù)

設(shè)C1為經(jīng)濟(jì)性目標(biāo)函數(shù)的用電費用，則經(jīng)濟(jì)性目標(biāo)可表示為

其中，

式中：C′(t)為第t個小時用戶分布式發(fā)電回送電網(wǎng)的上網(wǎng)電價，是已知參數(shù)為第t個小時總的負(fù)荷，是決策變量為第t個小時分布式發(fā)電（或蓄電池）產(chǎn)生的總功率，是已知參數(shù)。

2.1.2 舒適性目標(biāo)函數(shù)

為了描述用戶的舒適性，引入負(fù)荷價值的概念。其定義如下：用戶寧愿在某個想要使用某負(fù)荷的1 h內(nèi)不再使用該負(fù)荷以換取等于負(fù)荷價值的經(jīng)濟(jì)補(bǔ)償。其單位為元/h。從00：00開始，在第t h內(nèi)，對于3種負(fù)荷，其舒適性目標(biāo)表示如下。

（1）開關(guān)型負(fù)荷。對于開關(guān)型負(fù)荷，其舒適性目標(biāo)函數(shù)可表示為

（2）分檔型負(fù)荷。對于分檔型負(fù)荷，舒適性目標(biāo)函數(shù)可表示為

（3）可調(diào)節(jié)負(fù)荷。調(diào)節(jié)型負(fù)荷舒適性目標(biāo)可以用一個二次函數(shù)表示，其中二次函數(shù)的頂點橫坐標(biāo)為用戶設(shè)定的狀態(tài)，負(fù)荷實際工作狀態(tài)與設(shè)定工作狀態(tài)一致，懲罰函數(shù)為0。因此，調(diào)節(jié)型負(fù)荷懲罰函數(shù)可為

當(dāng)用戶放棄使用第j個調(diào)節(jié)性負(fù)荷時，設(shè)該調(diào)節(jié)型負(fù)荷實際工作狀態(tài)與設(shè)定工作狀態(tài)偏差為dj，其負(fù)荷價值為f3j，可得

2.1.3 綜合滿意度目標(biāo)函數(shù)

用戶綜合滿意度函數(shù)C可表示為

2.2 約束條件

（1）有功功率平衡約束。設(shè)Pgrid為電網(wǎng)供給系統(tǒng)的功率；PDG，i為第i個分布式發(fā)電（或蓄電池）發(fā)出的有功功率；Pload，i為第i個負(fù)荷消耗的有功功率；G為分布式發(fā)電總數(shù)；R為負(fù)荷總數(shù)。則有

式中：Pload，i為決策變量；PDG，i為已知參數(shù)。

（2）最大功率限制約束。設(shè)Pi為第i個分布式發(fā)電有功功率出力，Pi，min、Pi，max分別為第i個分布式發(fā)電有功功率出力的最小值和最大值；Plim為電網(wǎng)向家居系統(tǒng)傳輸?shù)挠泄β氏拗?。則有

式中，Pi、Pgrid均為決策變量，其余參數(shù)為已知參數(shù)。

（3）蓄電池荷電狀態(tài)約束。設(shè)SOC是蓄電池的荷電狀態(tài)，SOCmin是蓄電池荷電狀態(tài)下限，SOCmax是蓄電池荷電狀態(tài)上限，則有

式中，SOC為決策變量，其余參數(shù)為已知參數(shù)。

3 家庭智能用電系統(tǒng)優(yōu)化求解算法

3.1 基本粒子群算法

粒子群算法能夠較好地避免陷入局部最優(yōu)的情況，因此粒子群算法適用于求解本文所構(gòu)建的模型。

設(shè)yi和vi分別為D維空間中第i個粒子的位置和速度；w為慣性權(quán)因子；c1和c2為正的學(xué)習(xí)因子；r1和r2為0～1之間均勻分布的隨機(jī)數(shù)。則每個粒子更新的各自的速度和位置分別為

3.2 帶約束的粒子群算法

本文采用帶約束的粒子群算法，在更新粒子的速度和位置時，先通過約束條件判斷粒子的當(dāng)前位置是否是可行的。如果粒子的當(dāng)前位置可行，則仍通過式（17）更新粒子的速度；如果粒子的當(dāng)前位置不可行，則更新粒子的速度為

式中，y為在優(yōu)化模型中由開關(guān)型負(fù)荷的開關(guān)狀態(tài)、分檔型負(fù)荷的開關(guān)檔位以及調(diào)節(jié)型負(fù)荷的可調(diào)節(jié)量組成的向量。

4 仿真算例

4.1 家庭智能用電系統(tǒng)相關(guān)仿真參數(shù)

4.1.1 電源部分

（1）風(fēng)力發(fā)電：風(fēng)力發(fā)電額定功率為600 W，啟動風(fēng)速3 m/s，額定風(fēng)速10 m/s，切除風(fēng)速30 m/s。

（2）光伏發(fā)電：光伏陣列由2個單晶硅太陽能電池組件串聯(lián)而成，每塊單晶硅太陽能電池組件的參數(shù)為：Vm=34.4 V，Im=4.51 A，Isc=4.9 A，Voc= 43.2 V。

（3）蓄電池：儲能裝置是一個容量共120 A·h的蓄電池組，最大充放電電流為12 A。

4.1.2 負(fù)荷部分

負(fù)荷部分參數(shù)：電視機(jī)1臺，額定功率為350W，負(fù)荷價值設(shè)為2元/h；臺式電腦1臺，額定功率為350 W，負(fù)荷價值設(shè)為2元/h；電風(fēng)扇1臺，額定功率為80 W，5檔，負(fù)荷價值設(shè)為0.25元/h；電燈1個，額定功率80 W，額定功率下亮度可調(diào)范圍為0～125 lx，負(fù)荷價值設(shè)為0.25元/h；空調(diào)1臺，額定功率735 W，溫度可調(diào)范圍為16～30℃，負(fù)荷價值設(shè)為0.25元/h。

4.1.3 其他參數(shù)

本文設(shè)定仿真步長為1 h，00：00—06：00的電費為0.3元/（kW·h），06：00—24：00的電費為0.6元/（kW·h）。光伏發(fā)電上網(wǎng)電價為0.48元/（kW· h），風(fēng)力發(fā)電上網(wǎng)電價為0.61元/（kW·h）。

4.2 仿真結(jié)果及分析

4.2.1 用戶綜合滿意度

用戶24 h內(nèi)綜合滿意度函數(shù)值隨時間變化關(guān)系如圖1所示。

圖1 24 h內(nèi)用戶綜合滿意度函數(shù)值Fig.1Comprehensive satisfaction function value of users in 24 h

從圖1可以看出，優(yōu)化后用戶滿意度函數(shù)值有所下降（虛線和實線分別表示優(yōu)化前后的綜合滿意度曲線），這說明用戶的綜合滿意度有所提高（綜合滿意度函數(shù)值越低，用戶的滿意度越高）。

4.2.2 用戶用電費用

用戶24 h內(nèi)用電費用隨時間變化關(guān)系，如圖2所示。從圖2可以看出，用戶的用電費用有所節(jié)省。

圖2 24 h用戶用電費用Fig.2Electricity cost of the users in 24 h

4.2.3 優(yōu)化前后用戶用電費用及綜合滿意度對比

優(yōu)化前后用戶用電費用及綜合滿意度對比如表1所示。

表1 優(yōu)化前后用戶用電費用及綜合滿意度對比Tab.1Comparison of total electricity cost and the comprehensive satisfaction before and after the optimization元

從表1中可以看出，優(yōu)化后1 d的用電費用從7.72元下降到6.30元，降低了18.4%。用戶的綜合滿意度函數(shù)值從17.52元降低到15.16元，下降了13.5%。這說明用戶用電的經(jīng)濟(jì)性和綜合滿意度在優(yōu)化后均得以提升。

5 結(jié)語

本文對家庭智能用電系統(tǒng)建模及優(yōu)化策略進(jìn)行了研究，并選擇了合適的求解算法。在目標(biāo)函數(shù)部分，本文考慮到電價激勵機(jī)制，并將該機(jī)制運用到了用戶經(jīng)濟(jì)性目標(biāo)上；同時考慮了用戶舒適性目標(biāo)，為家庭智能用電系統(tǒng)的綜合優(yōu)化奠定了重要的基礎(chǔ)。通過仿真算例表明，本文建立的優(yōu)化策略能夠使用戶節(jié)省用電費用，也更加節(jié)能，提高了用戶的綜合滿意度。

[1]劉振亞（Liu Zhenya）.建設(shè)堅強(qiáng)智能電網(wǎng)支撐又好又快發(fā)展（Build strong smart grid as pillar of sound and rapid development）[J].電網(wǎng)與清潔能源（Power System and Clean Energy），2009，25（9）：1-3．

[2]孫強(qiáng)，葛旭波，劉林，等（Sun Qiang，Ge Xubo，Liu Lin，et al）.國內(nèi)外智能電網(wǎng)評價體系對比分析（Review of smart grid comprehensive assessment systems）[J].電力系統(tǒng)及其自動化學(xué)報（ProceedingsoftheCSU-EPSA），2011，23（6）：105-110.

[3]孔祥玉，趙帥，賈宏杰，等（Kong Xiangyu，Zhao Shuai，Jia Hongjie，et al）.智能電網(wǎng)中電力設(shè)備及其技術(shù)發(fā)展分析（Analysis of equipment and technology in smart grid development）[J].電力系統(tǒng)及其自動化學(xué)報（Proceedings of the CSU-EPSA），2012，24（2）：21-26.

[4]陳樹勇，宋書芳，李蘭欣（Chen Shuyong，Song Shufang，Li Lanxin）．智能電網(wǎng)技術(shù)綜述（Survey on smart grid technology）[J].電網(wǎng)技術(shù)（Power System Technology），2009，33（8）：1－7．

[5]Tao D，Wei P，Jiang H，et al.Adaptive energy saving monitoring technology for air condition telecommunication equipment room[C]//International Telecommunications En－ergy Conference.Rome，Italy：2007.

[6]Wang Chengshan，Zhou Yue，Wang Jidong，et al.A novel traversal-and-pruning algorithm for household load scheduling[J].Applied Energy，2013，102：1430-1438.

[7]Wang Zhu，Dounis A I，Wang Lingfeng，et al.An information fusion based multi-agent control system for indoor energy and comfort management in smart and green buildings[C]//IEEE Power and Energy Society General Meeting. Detroit USA：2011.

[8]Yang Rui，Wang Lingfeng.Energy management of multizone buildings based on multi-agent control and particle swarm optimization[C]//IEEE International Conference on Systems，Man，and Cybernetics.Anchorage，USA：2011.

[9]王成山，李鵬（Wang Chengshan，Li Peng）.分布式發(fā)電、微網(wǎng)與智能配電網(wǎng)的發(fā)展與挑戰(zhàn)（Development and challenges of distributed generation，the micro-grid and smart distribution system）[J].電力系統(tǒng)自動化（Automation of Electric Power Systems），2010，34（2）：10-14，23.

[10]季美紅（Ji Meihong）.基于粒子群算法的微電網(wǎng)多目標(biāo)經(jīng)濟(jì)調(diào)度模型研究（Research of Multi-objection Economic Dispatch Model for a Micro-grid Based on Particle Swarm Optimization）[D]．合肥：合肥工業(yè)大學(xué)電氣與自動化工程學(xué)院（Hefei：School of Electrical Engineering and Automation，Hefei University of Technology），2010．

[11]蘇建徽，余世杰，趙為，等（Su Jianhui，Yu Shijie，Zhao Wei，et al）．硅太陽電池工程用數(shù)學(xué)模型（Investigation on engineering analytical model of silicon solar cells）[J].太陽能學(xué)報（Acta Energiae Solaris Sinica），2001，22（4）：409-412.

Model and Optimization Strategy for Smart Home Power Consumption System

WANG Ji-dong1，YANG Yu-hao1，ZHOU Yue1，SHI Kun2，LI De-zhi2，ZHAO Jian-li3
（1.Key Laboratory of Smart Grid of Ministry of Education，Tianjin University，Tianjin 300072，China；2.China Electric Power Research Institute，Beijing 100192，China；3.State Grid Shanghai Municipal Electric Power Company，Shanghai 200122，China）

As an important part of smart grid，smart home power consumption system plays an important role in improving the efficiency of energy and promoting the utilization of distributed generations.In this paper，an optimization strategy for this system is proposed.The models of different parts of the system are described.An optimization model of this system with distributed generations is built based on the objectives of economy and comfort.An algorithm based on PSO is applied to solve the optimization model.The simulation results verify the validity of the optimization strategy.

smart home power consumption；distributed generation；particle swarm algorithm；optimization

TM76

A

1003-8930（2014）11-0063-04

王繼東（1977—），男，博士，副教授，研究方向為電力系統(tǒng)電能質(zhì)量、分布式發(fā)電及微網(wǎng)、智能用電。Email：jidongwang@tju.edu.cn

2014-05-18；

2014-06-24

楊羽昊（1990—），男，碩士研究生，研究方向為智能用電。Email：leach.dk@163.com

周越（1988—），男，博士研究生，研究方向為家庭能量管理與優(yōu)化理論。Email：yuezhou@tju.edu.cn