基于分時(shí)電價(jià)的住宅能量管理算法

張 倩,張 盛,林孝康

(清華大學(xué)電子工程系,北京100084)

基于分時(shí)電價(jià)的住宅能量管理算法

張 倩,張 盛,林孝康

(清華大學(xué)電子工程系,北京100084)

隨著混合式電動汽車(PHEV)的出現(xiàn),關(guān)于PHEV向電網(wǎng)方向供電(V2G)技術(shù)的研究也逐漸增加。針對包含PHEV的家居微型電網(wǎng),提出一種改進(jìn)的能量管理算法。該算法基于分時(shí)電價(jià)對家用電器及PHEV的運(yùn)行方式和時(shí)間進(jìn)行調(diào)度,結(jié)合PHEV及用戶參數(shù),利用V2G技術(shù)有效實(shí)現(xiàn)了移峰填谷并降低家庭用電費(fèi)用。同時(shí)還提出一種最優(yōu)算法,以衡量改進(jìn)算法的性能。仿真結(jié)果表明,改進(jìn)算法可使用戶的用電費(fèi)用及峰均比分別降低約22%和70%,性能接近最優(yōu)算法,并且可以實(shí)時(shí)處理用電請求,具有較強(qiáng)的實(shí)用性。

混合電動汽車;智能電網(wǎng);需求側(cè)能量管理;汽車向電網(wǎng)供電;無線傳感器網(wǎng)絡(luò);分時(shí)電價(jià)

1 概述

隨著全球用電規(guī)模的不斷增加及能源的日益緊缺,傳統(tǒng)電網(wǎng)運(yùn)行效率低等弊端逐漸顯現(xiàn),已無法滿足21世紀(jì)的需求[1]。因此,很多國家相繼開展了智能電網(wǎng)技術(shù),以有效提高能源的利用效率以及保證電網(wǎng)的穩(wěn)定安全運(yùn)行[2]。隨著信息通信技術(shù)的發(fā)展,通過使用傳感、自動化及電動汽車等技術(shù),傳統(tǒng)電網(wǎng)正在逐漸地智能化。

智能電網(wǎng)有很多需要研究的問題。電網(wǎng)負(fù)荷控制及需求側(cè)能量管理,在提高電網(wǎng)穩(wěn)定性、應(yīng)急處理及定價(jià)等問題上起著十分重要的作用,是智能電網(wǎng)的重要應(yīng)用[3]。峰值負(fù)荷對電網(wǎng)穩(wěn)定性的破壞很大,并且會大幅提高發(fā)電輸電過程的維修成本。目前,混合電動汽車(Plug-in Hybrid Electric Vehicles,PHEV)正逐漸被推廣,由于電動汽車的充電時(shí)間一般在下午到晚上,剛好與電網(wǎng)的峰值負(fù)荷的時(shí)間一致,因此電網(wǎng)的峰值負(fù)荷問題進(jìn)一步加劇。

混合電動汽車是指通過插電進(jìn)行充電的混合動力汽車,當(dāng)電能充足時(shí),采用電動機(jī)驅(qū)動車輛;當(dāng)電能不足時(shí),發(fā)動機(jī)參與到驅(qū)動或者發(fā)電環(huán)節(jié)。預(yù)計(jì)到2035年,電動汽車/混合電動汽車將會占到全球汽車銷量的40%[4]。近年來,研究者對于電動汽車普及其對電網(wǎng)的影響問題進(jìn)行了一些研究?；旌想妱悠嚨囊粋€重要特點(diǎn)是其既可以作為負(fù)載,也能作為電源來使用。也就是說,混合電動汽車不僅可以通過進(jìn)入電網(wǎng)進(jìn)行充電,也能在需要的時(shí)候?qū)㈦姵乩飪Υ娴碾娔芊答伋鰜?。因?混合電動汽車可以作為未來電網(wǎng)的分布式電能儲存系統(tǒng)。這個概念稱為汽車向電網(wǎng)供電(Vehicle-to-Grid, V2G)技術(shù)[5]。V2G技術(shù)能夠有效地提高電網(wǎng)的運(yùn)行效率及穩(wěn)定性,同時(shí)降低電力成本及二氧化碳排放量。

近年來,一些學(xué)者對智能電網(wǎng)的需求側(cè)能量管理問題進(jìn)行了研究。文獻(xiàn)[1]提出了一種家庭能量管理方法,將無線傳感器網(wǎng)絡(luò)用于家庭能量管理,降低了用戶的用電費(fèi)用。然而,此方法未考慮到電動汽車及用戶的具體參數(shù)對問題的影響。文獻(xiàn)[6]提出了一個普適的模型,用來研究電動汽車對住宅小區(qū)配電系統(tǒng)的影響。該文獻(xiàn)對電動汽車的具體參數(shù)及用戶的駕駛習(xí)慣進(jìn)行了深入的研究,得到了實(shí)用性較強(qiáng)的電動汽車研究模型。文獻(xiàn)[7]提出了小區(qū)配電系統(tǒng)的基于無線網(wǎng)絡(luò)的供需管理方案,提高了能量利用效率。文獻(xiàn)[8]提出了基于電價(jià)需求響應(yīng)的家庭能量智能優(yōu)化算法,并以此為核心綜合協(xié)調(diào)管理家庭能源。文獻(xiàn)[9]在分析現(xiàn)有家居能量設(shè)備集中控制解決方案不足的基礎(chǔ)上,結(jié)合多Agent技術(shù),建立了基于MAS的家居能量系統(tǒng)模型MAES,并給出了模型的主要組成結(jié)構(gòu)。

此外,一些研究提出了最優(yōu)化的分配方案。文獻(xiàn)[10]設(shè)計(jì)了一個自動控制器對家用電器進(jìn)行調(diào)度,提出了一種最優(yōu)化成本的方案。文獻(xiàn)[11]提出了基于最優(yōu)的混合電動汽車的充電方法。文獻(xiàn)[5]通過控制混合電動汽車的充電方式來最小化家庭用電負(fù)荷的方差。盡管這些基于最優(yōu)的管理方法能夠提供最優(yōu)解,然而這些方法需要提前獲知電器的使用時(shí)間及電動汽車的充電時(shí)間等參數(shù),在實(shí)際中,電網(wǎng)的負(fù)荷情況及電器的使用時(shí)間等參數(shù)是動態(tài)變化的,這些方法并不實(shí)用。

上述文獻(xiàn)均做了不同的假設(shè)來簡化問題,本文根據(jù)具體的電動汽車及用戶的參數(shù),提出一種基于分時(shí)電價(jià)的家庭用電負(fù)荷管理算法,利用V2G技術(shù)來降低用電費(fèi)用及峰均比,從而提升算法的靈活性和實(shí)用性。

2 系統(tǒng)模型

智能家庭網(wǎng)絡(luò)如圖1所示,該網(wǎng)絡(luò)由家用電器、混合電動汽車、智能電表及能量管理中心組成。能量管理中心負(fù)責(zé)對電器和電動汽車的運(yùn)行時(shí)間和方式進(jìn)行控制,保持與電器、電動汽車的通信,并與智能電表之間定時(shí)通信以獲得實(shí)時(shí)電價(jià)信息。在圖1中,實(shí)線表示電力線,虛線表示信號線。當(dāng)混合電動汽車接入電網(wǎng)時(shí),它們既可以作為負(fù)載,也能作為電源,因此在圖中用雙向箭頭表示雙向的電流。本文設(shè)混合電動汽車的數(shù)量為N,PHEVi表示家庭中第i個混合電動汽車。

圖1 智能家庭網(wǎng)絡(luò)系統(tǒng)

家庭是每個人活動的主要場所,因此,智能家居是無線傳感器網(wǎng)絡(luò)應(yīng)用實(shí)現(xiàn)最廣泛的的領(lǐng)域之一[12]。家庭能量管理可以通過家域網(wǎng)(Home Area Network,HAN)來實(shí)現(xiàn)。家域網(wǎng)是一個包括電器、電動汽車、溫度調(diào)節(jié)系統(tǒng)、照明系統(tǒng)等組成的網(wǎng)絡(luò)。每個電器或電動汽車都裝有一個傳感器,用來測量及獲得家庭網(wǎng)絡(luò)的用電信息,以及進(jìn)行相互通信。近年來,一些研究工作試圖將無線傳感器網(wǎng)絡(luò)用于家庭能量管理的應(yīng)用中。目前,無線傳感器網(wǎng)絡(luò)已逐漸應(yīng)用于智能家居的監(jiān)控等應(yīng)用中,可以用現(xiàn)有的無線傳感網(wǎng)絡(luò)來同時(shí)進(jìn)行家居能量管理,無需再添加專門的設(shè)備,因此使用無線傳感器網(wǎng)絡(luò)進(jìn)行家庭能量管理具有較高的實(shí)用性。

3 住宅能量管理算法

本節(jié)提出一種實(shí)時(shí)的采用V2G技術(shù)的家庭能量管理算法,然后給出最優(yōu)化的解決方案來進(jìn)行對比。

3.1 改進(jìn)的家庭能量管理算法

本文提出一種基于分時(shí)電價(jià)的包括混合電動汽車的家居能量管理算法(IVREM)。分時(shí)電價(jià)是指在一天24 h中,按不同時(shí)段而采用不同的電價(jià),其中峰值時(shí)間的電價(jià)為低谷時(shí)間電價(jià)的若干倍。盡管在不同時(shí)段使用電器或電動汽車所消耗的能量是相同的,在智能電網(wǎng)中,由于使用分時(shí)電價(jià),使用時(shí)間的不同將會影響用電的費(fèi)用。IVREM中使用的符號如表1所示。

表1 IVREM中的符號含義

為了對家居電力系統(tǒng)進(jìn)行調(diào)度,需要知道電動汽車每天需要消耗多少能量。記socarr,n和socdep,n分別表示第n個電動汽車接入電網(wǎng)和離開電網(wǎng)時(shí)的電池剩余能量(State of Charge,SOC)。為了方便起見,將一天(24 h)分成T個相等的時(shí)隙間隔,每個時(shí)隙長度為Δt。在改進(jìn)算法中,設(shè)Δt為1 h。IVREM算法如下:

算法1IVREM主函數(shù)

算法1中的主函數(shù)Main內(nèi)部調(diào)用的2個子函數(shù)(即Judge及Update子函數(shù))如下:

算法2IVREM子函數(shù)

本文假定為了降低峰值負(fù)荷,來自電動汽車的充電請求是可以延遲的,而來自家用電器的請求不允許延遲。當(dāng)能量管理中心收到來自電器的用電請求時(shí),將根據(jù)請求的時(shí)間以及電動汽車接入電網(wǎng)時(shí)的電池剩余能量等信息,來判斷電器的用電來源:使用電網(wǎng)的電能或電動汽車的電池中儲存的能量。當(dāng)電器的用電請求發(fā)生在峰值時(shí)間時(shí), IVREM算法盡可能多地使用電動汽車的存儲能量,從而降低用電費(fèi)用。當(dāng)電動汽車發(fā)起充電請求時(shí)(即接入電網(wǎng)時(shí)),能量管理中心將根據(jù)請求的時(shí)間以及需要充電的能量等信息,來確定電動汽車的充電計(jì)劃,如延遲一段時(shí)間到低谷時(shí)期進(jìn)行充電。通過將電動汽車的充電需求移峰填谷,可以進(jìn)一步降低用電費(fèi)用。

3.2 最優(yōu)算法

這里給出一種最優(yōu)化的解決方案(Optimal Solution,OS),以便以此性能為參考,衡量IVREM算法的性能好壞。用線性規(guī)劃工具來最小化家庭用電的總費(fèi)用,此最優(yōu)化問題可以建模為如下的模型:

目標(biāo):

最優(yōu)算法假定預(yù)先獲知用電請求的時(shí)間列表等信息,由此可以求解出最優(yōu)化的解決方案。然而在實(shí)際中,這些信息是無法提前獲得的,電器的使用時(shí)間是隨機(jī)發(fā)生的,需要根據(jù)隨機(jī)發(fā)起的用電需求來實(shí)時(shí)地進(jìn)行規(guī)劃。因此,本文提出的IVREM算法采用實(shí)時(shí)的調(diào)度方法,對電器及電動汽車的運(yùn)行時(shí)間和方式進(jìn)行控制,從而降低用電費(fèi)用。下一節(jié)將對IVREM算法的性能進(jìn)行仿真。

4 仿真結(jié)果

本文對IVREM及OS算法的性能進(jìn)行仿真。假定家庭中有2輛混合電動汽車,男女主人各開一輛。假定在一個冬天的工作日,男主人早上7點(diǎn)開車離開,下午6點(diǎn)回家,女主人下午2點(diǎn)外出購物,5點(diǎn)回到家。設(shè)兩輛汽車的電池容量分別為15 kW·h-1和10 kW·h-1,接入電網(wǎng)時(shí)的起始電池剩余能量(SOC)均為0.2,汽車每天消耗的能量(即需要充電補(bǔ)充的能量)分別為9 kWh和6 kWh,充電速率為0.2 C(C為電池容量,意味著從電池0電量到充滿需要5 h)。仿真中使用的分時(shí)電價(jià)如表2所示。

表2 冬季工作日的典型分時(shí)電價(jià)

圖2為冬季一天(24 h)內(nèi)的平均家庭用電負(fù)荷曲線(不包括PHEVs)。仿真中,每天的負(fù)荷功率是以圖2中的負(fù)載值為均值而隨機(jī)產(chǎn)生的。

圖2 冬季一天內(nèi)平均家庭用電負(fù)荷(不包括PHEV)

圖3對比了提出的改進(jìn)算法(IVREM)、最優(yōu)算法(OS)以及不使用任何能量管理方案(No Energy Management,NEM)的總用電費(fèi)用。仿真的時(shí)間長度為30天,用電費(fèi)用隨著天數(shù)是逐漸累積的。可以看到,相比于不使用能量管理策略,IVREM算法將總用電費(fèi)用降低了約22%,且性能非常接近于最優(yōu)算法(比NEM降低約23%)。

圖3 不同方案一個月的總用電費(fèi)用

圖4是對峰均比(Peak-to-average Ratio,PAR)性能的仿真結(jié)果(低PAR值表示峰值負(fù)荷低,性能較好)。由該圖可見,相比于NEM,IVREM將PAR有效地降低了約 70%,且性能接近最優(yōu)算法(OS)。

圖4 一月中每天峰值負(fù)荷與總負(fù)荷的比例

5 結(jié)束語

本文研究了基于分時(shí)電價(jià)的家庭用電負(fù)荷管理問題,提出了一種實(shí)時(shí)的家庭能量管理算法,通過使用V2G技術(shù)及無線傳感器網(wǎng)絡(luò),對家用電器及混合電動汽車的工作時(shí)間和方式進(jìn)行管理,從而降低總用電費(fèi)用。仿真結(jié)果表明,該算法能有效降低用電費(fèi)用和峰均比,且性能接近于最優(yōu)算法。下一步將研究基于實(shí)時(shí)電價(jià)的能量管理策略,具體方法可采用人工智能技術(shù)混合多種智能技術(shù)來進(jìn)一步降低能耗,并提高用戶舒適性。

[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] 代家強(qiáng),孫智卿.基于無線網(wǎng)絡(luò)技術(shù)的智能家居能量管理系統(tǒng)開發(fā)及需求側(cè)管理應(yīng)用研究[J].陜西電力, 2013,41(10):39-43.

[9] 劉苗苗.基于MAS的家居能量系統(tǒng)的Agent實(shí)現(xiàn)及其智能管理[D].重慶:重慶大學(xué),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] 張 倩,張 盛,林孝康,等.物聯(lián)網(wǎng):發(fā)展、應(yīng)用及關(guān)鍵技術(shù)[J].電訊技術(shù),2012,52(12):1990-1997.

編輯 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

國家科技重大專項(xiàng)基金資助項(xiàng)目(2009ZX03006);深圳市生物、互聯(lián)網(wǎng)、新能源產(chǎn)業(yè)發(fā)展專項(xiàng)基金資助項(xiàng)目(CXB201104210015A)。

張 倩(1987-),女,博士研究生,主研方向:無線傳感器網(wǎng)絡(luò),智能電網(wǎng),協(xié)作通信;張 盛,副教授、博士;林孝康,教授、博士生導(dǎo)師。

2014-02-12

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

中文引用格式:張 倩,張 盛,林孝康.基于分時(shí)電價(jià)的住宅能量管理算法[J].計(jì)算機(jī)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.