智能家居用電優(yōu)化調(diào)度建模及蟻群算法求解

王偉杰，喻 瑛，孫曉輝，張 康

(上海大學(xué)，上海 200072)

智能家居用電優(yōu)化調(diào)度建模及蟻群算法求解

王偉杰，喻 瑛，孫曉輝，張 康

(上海大學(xué)，上海 200072)

智能家居用電任務(wù)調(diào)度是基于智能家居平臺(tái)，考慮用戶習(xí)慣、電器屬性等多項(xiàng)約束，對多種操作類型的電器設(shè)備實(shí)施用電安排的一種運(yùn)行調(diào)度。智能家居用電任務(wù)調(diào)度具有廣闊的研究前景，但是缺乏有效的調(diào)度算法。文中將家庭用電設(shè)備按可中斷與不可中斷設(shè)備分類，針對用電分時(shí)段計(jì)費(fèi)條件下的智能家居調(diào)度問題，以最小化日用電費(fèi)用為目標(biāo)，構(gòu)建了數(shù)學(xué)模型；并設(shè)計(jì)了蟻群算法求解，且進(jìn)行了MATLAB編程仿真。實(shí)驗(yàn)結(jié)果表明，該優(yōu)化算法能很好地優(yōu)化用電任務(wù)調(diào)度，達(dá)到減少用電費(fèi)用、激勵(lì)用戶側(cè)合理分配家居用電的目的，進(jìn)而對電網(wǎng)負(fù)荷峰值的緩解有一定的幫助。

智能電網(wǎng)；用電任務(wù)調(diào)度；蟻群算法；智能家居

0 引 言

信息技術(shù)的日新月異、用戶對高質(zhì)可靠電能的需求增長，以及日漸嚴(yán)峻的環(huán)境、資源問題，促進(jìn)了智能電網(wǎng)的形成與發(fā)展[1]。智能電網(wǎng)和傳統(tǒng)的電網(wǎng)相比優(yōu)點(diǎn)更多，相較于后者智能電網(wǎng)不僅僅更加安全和穩(wěn)定，而且減少了能源成本。同時(shí)，對于新能源的利用也更符合當(dāng)今可持續(xù)發(fā)展的主題。Yu Yixin等[2]提到了應(yīng)當(dāng)重視“智能配電和智能用電”的問題，對智能電網(wǎng)的原動(dòng)力、特征、主要技術(shù)組成、意義和挑戰(zhàn)及具體實(shí)施等方面進(jìn)行了述評。

智能電網(wǎng)的發(fā)展也促進(jìn)了需求響應(yīng)機(jī)制的進(jìn)步，為其提供了更為安全穩(wěn)定和多變的技術(shù)平臺(tái)。何永秀等[3]調(diào)研了智能電網(wǎng)下的居民需求響應(yīng)，調(diào)研結(jié)果表明：在智能電網(wǎng)下，居民的各項(xiàng)需求也在發(fā)生變化，相應(yīng)的需求響應(yīng)機(jī)制也隨之改變。這種基于智能電網(wǎng)的需求響應(yīng)機(jī)制一般采納基于激勵(lì)與時(shí)間的價(jià)格方案[4]，并且以價(jià)格為激勵(lì)信號，在智能家居調(diào)度管理系統(tǒng)的協(xié)助下，激勵(lì)用戶參與需求響應(yīng)(DR)機(jī)制，通過自動(dòng)或者手動(dòng)調(diào)整用電需求，實(shí)現(xiàn)自助式“削峰填谷”，以達(dá)到降低成本、節(jié)約能耗、減少碳排放等目標(biāo)。

智能家居調(diào)度系統(tǒng)是支持居民用戶參與智能電網(wǎng)需求響應(yīng)的主要技術(shù)平臺(tái)，也是實(shí)現(xiàn)電網(wǎng)和用戶互動(dòng)機(jī)制的技術(shù)橋梁。智能家居用電調(diào)度系統(tǒng)是基于用戶家居使用習(xí)慣、家居設(shè)備屬性以及電網(wǎng)負(fù)荷等多項(xiàng)約束考慮而提出的一種智能化的家庭能源管理系統(tǒng)。該系統(tǒng)能夠依照居民的使用習(xí)慣及當(dāng)時(shí)的用電情況，智能地控制家居設(shè)備的啟停，實(shí)現(xiàn)對不同電器進(jìn)行安全、方便、高效的調(diào)度。

P.Samadi等[5]針對考慮負(fù)載不確定性的需求側(cè)管理，以家庭用電費(fèi)用支出最小化為目標(biāo)，提出了實(shí)時(shí)家庭用電調(diào)度模型。T.T.Kim等[6]研究了最小化用電支出的不可中斷負(fù)載和可中斷設(shè)備的用電調(diào)度，從而減少了電費(fèi)。Lu Qing等[7]將改進(jìn)遺傳算法應(yīng)用于家庭智能用電調(diào)度上，對于用電負(fù)荷峰值和用電費(fèi)用問題進(jìn)行了優(yōu)化。

根據(jù)上述研究，文中以最小化日用電費(fèi)用為目標(biāo)，在分時(shí)段計(jì)費(fèi)的用電機(jī)制下，針對智能家居調(diào)度問題，構(gòu)建了相應(yīng)的數(shù)學(xué)模型，并設(shè)計(jì)了蟻群算法[8]對模型進(jìn)行求解，分別求出單個(gè)家庭以及多個(gè)家庭在相應(yīng)約束條件下最小用電費(fèi)用的電器調(diào)度策略，合理規(guī)劃了家居設(shè)備用電，減少了用電支出，緩解了電網(wǎng)負(fù)荷峰值。

1 問題描述及其數(shù)學(xué)模型

1.1 問題描述

將用電任務(wù)調(diào)度優(yōu)化時(shí)間范圍設(shè)定24小時(shí)，假定24小時(shí)內(nèi)的電價(jià)分時(shí)段設(shè)定。在用電負(fù)荷峰值制定高電價(jià)，在用電負(fù)荷谷值制定低電價(jià)。同時(shí)，為避免被平移負(fù)荷在低谷時(shí)段“撞車”，在各時(shí)段設(shè)置用電閾值，一旦該時(shí)段負(fù)荷超過閾值則觸發(fā)低高電價(jià)轉(zhuǎn)換開關(guān)，在該時(shí)段啟用高電價(jià)。

依據(jù)設(shè)備調(diào)度的可行性，將電器設(shè)備劃分為可調(diào)度設(shè)備和不可調(diào)度設(shè)備，諸如電腦、電視機(jī)這些用戶控制比較隨意的電器為不可調(diào)度設(shè)備，而諸如洗碗機(jī)、洗衣機(jī)、熱水器等運(yùn)行較有規(guī)律的電器為可調(diào)度設(shè)備。按照設(shè)備運(yùn)營的可中斷性，可調(diào)度設(shè)備又分為：可中斷設(shè)備和不可中斷設(shè)備。不可中斷設(shè)備一經(jīng)調(diào)用則持續(xù)運(yùn)行至結(jié)束，如洗衣機(jī)等；而可中斷設(shè)備可以間歇式運(yùn)行，如空調(diào)等。設(shè)備的中斷性和不可中斷性可由用戶設(shè)置。同時(shí)，用戶還可依據(jù)使用習(xí)慣，事先安排待調(diào)度家電的調(diào)度時(shí)間范圍。

綜合以上幾點(diǎn)，智能家居調(diào)度問題即為：依據(jù)相關(guān)設(shè)置(如設(shè)備的可中斷性設(shè)置、調(diào)度時(shí)間設(shè)置等)，確定在一定時(shí)域內(nèi)(通常為一天)，不可中斷設(shè)備的啟動(dòng)時(shí)刻，和不可中斷設(shè)備的運(yùn)行時(shí)段，達(dá)到在該時(shí)域用電花費(fèi)或能耗最低等目標(biāo)。

1.2 數(shù)學(xué)模型

(1)模型變量。

X：不可中斷連續(xù)型用電設(shè)備集合；

Y：可中斷用電設(shè)備集合；

x：某不可中斷用電設(shè)備，x∈X；

y：某可中斷設(shè)備，y∈Y；

Hx：設(shè)備x的可運(yùn)行時(shí)段范圍的起始時(shí)刻；

Tx：設(shè)備x的可運(yùn)行時(shí)段范圍的結(jié)束時(shí)刻；

[Hx,Tx]：設(shè)備x的可運(yùn)行時(shí)段范圍，1≤Hx≤Tx≤24，x在[Hx,Tx]時(shí)段內(nèi)一旦啟動(dòng)運(yùn)行就不能中斷，其運(yùn)行是連續(xù)的；

Hy：設(shè)備y的可運(yùn)行時(shí)段范圍的起始時(shí)刻；

Ty：設(shè)備y的可運(yùn)行時(shí)段范圍的結(jié)束時(shí)刻；

[Hy,Ty]：設(shè)備y的可運(yùn)行時(shí)段范圍，1≤Hy≤Ty≤24，y在[Hy,Ty]時(shí)段內(nèi)啟動(dòng)后運(yùn)行可以中斷暫停，其運(yùn)行是不連續(xù)的；

xt：設(shè)備x在第t(0≤t≤24)小時(shí)的運(yùn)行狀態(tài)，1表示運(yùn)行，0表示未運(yùn)行；

yt：設(shè)備y在第t(0≤t≤24)小時(shí)的運(yùn)行狀態(tài)，1表示運(yùn)行，0表示未運(yùn)行；

px：表示設(shè)備x的額定功率；

py：表示設(shè)備y的額定功率；

Eo：設(shè)定一個(gè)用電量閾值；

Rlt：低電價(jià)；

Rht：高電價(jià)；

C：一天的用電費(fèi)用。

(2)模型。

模型描述如下：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

其中，式(1)為模型目標(biāo)，為最小化一天的用電費(fèi)用；式(2)～(7)是目標(biāo)函數(shù)的約束，式(2)是電價(jià)差異化公式，式(3)為每小時(shí)功率的計(jì)算公式，式(4)～(5)保證設(shè)備在規(guī)定運(yùn)行時(shí)段范圍內(nèi)運(yùn)行，式(6)～(7)為設(shè)備運(yùn)行時(shí)長約束。

2 蟻群算法設(shè)計(jì)

2.1 蟻群算法的基本思想

蟻群算法[8]是基于螞蟻覓食原理的一種優(yōu)化進(jìn)化算法。生物學(xué)的研究表明，螞蟻在覓食過程中，會(huì)在途經(jīng)路徑留下一種被命名為信息素的物質(zhì)，在一定范圍內(nèi)可吸引附近同樣覓食的螞蟻伙伴循味而來。在信息素保持期間，被吸引而來的螞蟻越多，該路徑上的信息素濃度也越濃，也就會(huì)吸引更多的螞蟻靠近。如此循環(huán)往復(fù)便形成了一種正反饋，在正反饋的促進(jìn)下所形成的信息素濃度最高的一條路徑便是最佳路徑。且路徑上的信息素濃度會(huì)隨著時(shí)間的推進(jìn)逐漸消退[9]。

用蟻群算法解決具體優(yōu)化問題可以描述為：將待優(yōu)化問題的可行解用螞蟻的行走路徑表示，待優(yōu)化問題的解空間即為整個(gè)螞蟻群體的所有路徑。在較短的路徑上，螞蟻留下的信息素較多，進(jìn)而導(dǎo)致更多的螞蟻選擇該路徑，并留下更多的信息素。最終，整個(gè)螞蟻群將集中到最佳路徑上，此時(shí)對應(yīng)的路徑即為待優(yōu)化問題的最優(yōu)解[9]。

2.2 蟻群算法解決問題原理

設(shè)整個(gè)螞蟻群體中螞蟻數(shù)量為m，這里最小不可分單位是1h，將24h比作24個(gè)待填滿的“空穴”，“空穴”填滿，代表設(shè)備該小時(shí)內(nèi)運(yùn)行，“空穴”為空，表示該小時(shí)內(nèi)可調(diào)度而未調(diào)度的設(shè)備。每臺(tái)設(shè)備有n個(gè)“空穴”(n為24)，螞蟻是否選擇填滿某臺(tái)設(shè)備的某個(gè)“空穴”，取決于該“空穴”的信息素濃度。該信息素濃度指的是，從一臺(tái)設(shè)備轉(zhuǎn)移到另一臺(tái)設(shè)備時(shí)，螞蟻選擇每個(gè)“空穴”所遵從的概率信息。用tau(t)表示信息素濃度。在初始時(shí)刻，各“空穴”上的信息素濃度相同，設(shè)tau(0)=0.01。

螞蟻k(k=1,2,…,m)根據(jù)每臺(tái)設(shè)備各“空穴”上的信息素濃度決定下一個(gè)待填滿的“空穴”，對于不可中斷設(shè)備，只要確定好每臺(tái)設(shè)備的初始“空穴”位置，根據(jù)設(shè)備運(yùn)行時(shí)長，依次填滿剩余“空穴”即可；對于可中斷型設(shè)備，則需要分別根據(jù)信息素濃度所提供的概率大小，分別選擇待填滿的“空穴”，決定設(shè)備是否運(yùn)行[10]。

設(shè)Pk(t)表示第t次迭代時(shí)，螞蟻k選擇的“空穴”，即從一臺(tái)設(shè)備轉(zhuǎn)向另一臺(tái)設(shè)備時(shí)所面臨的概率，計(jì)算公式為：

(8)

其中，eta(t)為啟發(fā)函數(shù)，表示螞蟻選擇某個(gè)“空穴”的期望程度；α為信息素重要因子；β為啟發(fā)函數(shù)重要因子。

這里α和β越大，表明啟發(fā)函數(shù)所起的作用越大，螞蟻選擇某“空穴”的期望程度也越大。

當(dāng)所有螞蟻完成一次循環(huán)后，各個(gè)“空穴”上的信息素濃度將依據(jù)式(9)～(11)進(jìn)行實(shí)時(shí)更新，即[11-12]：

tau(t+1)=(1-ρ)tau(t)+Δtau

(9)

(10)

(11)

其中，Δtauk表示第k只螞蟻在某臺(tái)設(shè)備某個(gè)“空穴”的信息素濃度；Δtau表示所有螞蟻在所有設(shè)備“空穴”釋放信息素的濃度值之和；Ck表示第k只螞蟻所代表的調(diào)度成本(即調(diào)度過程中的總用電費(fèi)用)。

2.3 蟻群算法解決問題步驟

(1)初始化參數(shù)。

對參數(shù)進(jìn)行初始化，如設(shè)備可運(yùn)行時(shí)段、設(shè)備額定功耗、設(shè)備運(yùn)行時(shí)長等設(shè)備參數(shù)，螞蟻數(shù)量m、信息素重要程度因子α、啟發(fā)函數(shù)重要程度因子β、信息素?fù)]發(fā)因子ρ、初始信息素濃度τ、最大迭代次數(shù)等算法參數(shù)，以及各小時(shí)高低電價(jià)、高低電價(jià)轉(zhuǎn)化觸發(fā)閾值等系統(tǒng)參數(shù)[13]。

(2)構(gòu)建解空間。

將各只螞蟻置于第一臺(tái)設(shè)備處，對于每只螞蟻按照公式，計(jì)算其下一個(gè)待填滿“空穴”(即待調(diào)度設(shè)備的待調(diào)度時(shí)間)，直到所有螞蟻訪問完所有設(shè)備[14]。

(3)更新信息素濃度。

計(jì)算每個(gè)螞蟻的用電費(fèi)用，記錄當(dāng)前迭代次數(shù)中的最優(yōu)解，同時(shí)對信息素濃度進(jìn)行更新。

(4)判斷終止條件。

3 算例分析

3.1 算例假設(shè)和約束

使用MATLAB計(jì)算最優(yōu)電費(fèi)。將一天劃分成為八個(gè)時(shí)段，如表1所示，每個(gè)時(shí)段的長短不同。

表1 時(shí)段劃分表和24 h高低電價(jià)表

高低電價(jià)功率觸發(fā)閾值設(shè)置為3.5 kw。

根據(jù)一般家庭用電情況，將家用電器進(jìn)行劃分(該算例中抽取了兩類六臺(tái)設(shè)備，設(shè)備順序?yàn)橄赐霗C(jī)、熱水器、電爐、吸塵器、空調(diào)、洗衣機(jī))，設(shè)備信息如表2所示。

表2 設(shè)備信息

3.2 算例結(jié)果分析

3.2.1 單個(gè)家庭用戶

令螞蟻數(shù)分別為10，20，30,采取精英選擇策略。

結(jié)果如表3和圖1所示。

圖1 單個(gè)家庭用戶運(yùn)行結(jié)果

螞蟻數(shù)迭代數(shù)為50時(shí)的最優(yōu)解連續(xù)型設(shè)備的起始時(shí)刻/h可中斷設(shè)備的運(yùn)行時(shí)刻(上下兩行代表兩臺(tái)不同的設(shè)備)/h10971610111010121416171819202097169912101112131617202330971697111011121317181920

可以看出，雖然螞蟻數(shù)量不同，但最終結(jié)果都會(huì)收斂于同一個(gè)值，螞蟻數(shù)越大，收斂速度越快。

3.2.2 多個(gè)家庭用戶

增加待調(diào)度的家庭用戶數(shù)為5戶，并將高低電價(jià)功率觸發(fā)閾值設(shè)置為bt=17.5 kw。

令螞蟻數(shù)分別為10，20，30，采取精英選擇策略。

結(jié)果如表4和圖2所示。

表4 多個(gè)家庭用戶運(yùn)行結(jié)果

圖2 多個(gè)家庭用戶運(yùn)行結(jié)果

將智能家居調(diào)度算法與隨機(jī)調(diào)度算法進(jìn)行比較，文中所提出的算法可將用電費(fèi)用降低8%左右。

4 結(jié)束語

文中將用電設(shè)備分成可中斷和不可中斷類型，在用電分時(shí)段計(jì)價(jià)并按功率閾值劃分高低價(jià)的條件下，構(gòu)造了一個(gè)尋求最優(yōu)用電費(fèi)用的模型，并設(shè)計(jì)了一個(gè)蟻群算法進(jìn)行求解，通過MATLAB進(jìn)行仿真。仿真結(jié)果表明，該優(yōu)化算法應(yīng)用于解決智能家居用電任務(wù)調(diào)度，能夠有效地搜索最優(yōu)值，達(dá)到減少用電費(fèi)用、激勵(lì)用戶側(cè)合理分配家居用電的目的，進(jìn)而對電網(wǎng)負(fù)荷峰值的緩解也有一定的幫助。

文中僅考慮了單目標(biāo)優(yōu)化問題，智能家居用電任務(wù)調(diào)度下的多目標(biāo)優(yōu)化問題將是下一個(gè)研究方向。

[1] Zhao Z,Lee W,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.

[2] Yu Y,Luan W.Smart grid and its implementations[J].Proceedings of the CSEE,2009,29(34):1-8.

[3] 何永秀，王 冰，熊 威,等.基于模糊綜合評價(jià)的居民智能用電行為分析與互動(dòng)機(jī)制設(shè)計(jì)[J].電網(wǎng)技術(shù),2012,36(10):247-252.

[4] 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.

[5] Samadi P,Mohsenian H,Wong V W S,et al.Tackling the load uncertainty challenges for energy consumption scheduling in smart grid[J].IEEE Transactions on Smart Grid,2013,4(2):1007-1016.

[6] Kim T T,Poor H V.Scheduling power consumption with price uncertainty[J].IEEE Transactions on Smart Grid,2011,2(3):519-527.

[7] Lu Q,Xie P,Leng Y,et al.Optimization of energy consumption scheduling for household smart electricity consumption[J].East China Electric Power,2014,42(5):816-821.

[8] 段海濱，王道波，朱家強(qiáng)，等.蟻群算法理論及應(yīng)用研究的進(jìn)展[J].控制與決策,2004,19(12):1321-1326.

[9] 史 峰，王 輝.MATLAB智能算法30個(gè)案例分析[M]．北京：北京航空航天大學(xué)出版社，2011．

[10] 張 麗，劉希玉，李章泉．基于蟻群算法的聚類優(yōu)化[J]．計(jì)算機(jī)工程，2010，36(9):190-191．

[11] 張紀(jì)會(huì),高齊圣,徐心和.自適應(yīng)蟻群算法[J].控制理論與應(yīng)用,2000,17(1):1-3.

[12] 蔡自興,徐光祐.人工智能及應(yīng)用[M].北京:清華大學(xué)出版社,2004.

[13] 李士勇,趙寶江.一種蟻群聚類算法[J].計(jì)算機(jī)測量與控制,2007,15(11):1590-1592.

[14] 段海濱,王道波,于秀芬.幾種新型仿生優(yōu)化算法的比較研究[J].計(jì)算機(jī)仿真,2007,24(3):169-172.

Modeling of Household Energy Consumption Scheduling and Its Solving with Ant Colony Algorithm

WANG Wei-jie,YU Ying,SUN Xiao-hui,ZHANG Kang

(Shanghai University,Shanghai 200072,China)

Electricity consumption task scheduling for smart household is an operational scheduling which can arrange operational tasks of multiple electrical equipments based on smart household platform,with user habits,electrical properties and other constraints taken into consideration.Electricity consumption task scheduling for smart household has a broad prospect of research,but lacks of effective scheduling algorithm.Therefore,the household tasks are classified into interruptible and no-interruptible devices with relevant attributes.Aiming at a problem of smart household scheduling in the condition of different time periods,the mathematical model is built with the goal of minimizing the cost of electricity for one day.And an ant colony algorithm is designed to solve it and the simulation is carried out by MATLAB.According to experimental results,the improved algorithm can optimize the household consumption scheduling with certain efficiency and reach the purpose of reducing the cost of electricity and motivating the lateral distribution of household electricity for users,which can be helpful for releasing of peak power load to some extent.

smart grid;energy consumption scheduling;ant colony algorithm;smart household

2016-03-29

2016-07-26

時(shí)間：2017-01-10

國家自然科學(xué)基金資助項(xiàng)目(71201097)；上海市2015年度“科技創(chuàng)新行動(dòng)計(jì)劃”高新技術(shù)領(lǐng)域(15511109700)

王偉杰(1995-)，男，碩士研究生，研究方向?yàn)轫?xiàng)目調(diào)度；喻 瑛，副教授，研究方向?yàn)椴淮_定理論及其應(yīng)用、項(xiàng)目優(yōu)化調(diào)度、可靠性研究。

http://www.cnki.net/kcms/detail/61.1450.TP.20170110.0941.018.html

TP39

A

1673-629X(2017)02-0195-05

10.3969/j.issn.1673-629X.2017.02.045