家庭智能用電系統建模及優化策略分析

王繼東，楊羽昊，周越，石坤，李德智，趙建立

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

家庭智能用電系統建模及優化策略分析

王繼東1，楊羽昊1，周越1，石坤2，李德智2，趙建立3

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

作為智能電網的重要組成部分，家庭智能用電系統對提高能源利用效率、促進可再生分布式發電的利用具有重要意義。針對家庭智能用電系統進行了相關的研究，分析了家庭智能用電系統各個組成部分的模型，建立了基于經濟性目標、舒適性目標和計及分布式發電裝置的優化模型，并利用粒子群算法對模型進行了求解。仿真結果驗證了該優化策略的有效性。

家庭智能用電；分布式發電；粒子群算法；優化

近年來，智能電網已成為全球公認的未來電力系統的發展方向，在中國的研究和實踐也得到了高度重視[1-3]。智能電網是將先進的傳感測量技術、信息通信技術、分析決策技術、自動控制技術和能源電力技術相結合，并與電網基礎設施高度集成而形成的新型現代化電網[4]。隨著智能電網的迅速發展，家庭智能用電系統作為智能電網中的重要組成部分，具有重要的意義。家庭智能用電系統將與家居生活有關的各個家用電器、分布式發電及蓄電池結合起來，通過優化達到經濟性目標和舒適性目標的最優。

目前國內外對于家庭智能用電系統優化策略的研究主要集中在單體負荷建模[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電及儲能技術的研究較少[9]。如何通過優化，使更多的分布式能源直接抵消用電器消耗的電能，已經成為家庭智能用電領域的研究熱點之一。

本文在上述研究的基礎上，建立了分布式發電、蓄電池、家用負荷和市電的模型，并針對電價激勵機制建立了家庭智能用電系統優化模型。該模型具有以下特點：①模型以經濟性和舒適性為目標；②模型中的經濟性目標充分考慮到電價激勵機制。算例采用粒子群算法進行求解，以防止陷入局部最優。

1 家庭智能用電系統相關模型

家庭智能用電系統包含分布式發電（風力發電機、光伏發電）、蓄電池、負荷和市電。

1.1風力發電模型

風力發電機是將風動能轉化為機械能，進而轉化為電能的裝置。風力發電機的輸出功率與風速的關系[10]為

式中的相關參數可以根據文獻[10]提供的方法進行計算。

1.2 光伏發電模型

光伏發電等效為由太陽電池組件串并聯構成，而太陽電池組件由單體太陽電池串并聯構成。光伏發電功率[11]為

式中參數可以根據文獻[11]所給出的方法計算。

1.3 蓄電池模型

設SOC為蓄電池荷電狀態；SOC0為蓄電池初始荷電狀態；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[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 負荷模型

家庭智能用電系統中負荷按照與輸出功率與環境參數的關系可以分為以下3類。

1）開關型負荷

開關型負荷只有開和關兩種狀態，用0表示關，1表示開。當負荷狀態為開時，實際功率為額定功率；當負荷狀態為關時，實際功率為0。負荷參數為負荷的開關狀態。

2）分檔型負荷

分檔型負荷包括可進行開關操作的開關型負荷和可進行檔位調節的多級分段負荷。負荷參數為負荷的額定功率和負荷的總檔位數。

3）調節型負荷

調節性負荷可以工作在不同的工作狀態上，且負荷的工作狀態與環境參數（如溫度、照度）有關。

1.5 市電模型

設Pload為負荷消耗的總功率，PDG為分布式發電（或蓄電池）提供的總功率，則電網供給系統的功率Pgrid可表示為

2 家庭智能用電系統優化建模

2.1 目標函數

2.1.1 經濟性目標函數

設C1為經濟性目標函數的用電費用，則經濟性目標可表示為

其中，

式中：C′(t)為第t個小時用戶分布式發電回送電網的上網電價，是已知參數為第t個小時總的負荷，是決策變量為第t個小時分布式發電（或蓄電池）產生的總功率，是已知參數。

2.1.2 舒適性目標函數

為了描述用戶的舒適性，引入負荷價值的概念。其定義如下：用戶寧愿在某個想要使用某負荷的1 h內不再使用該負荷以換取等于負荷價值的經濟補償。其單位為元/h。從00：00開始，在第t h內，對于3種負荷，其舒適性目標表示如下。

（1）開關型負荷。對于開關型負荷，其舒適性目標函數可表示為

（2）分檔型負荷。對于分檔型負荷，舒適性目標函數可表示為

（3）可調節負荷。調節型負荷舒適性目標可以用一個二次函數表示，其中二次函數的頂點橫坐標為用戶設定的狀態，負荷實際工作狀態與設定工作狀態一致，懲罰函數為0。因此，調節型負荷懲罰函數可為

當用戶放棄使用第j個調節性負荷時，設該調節型負荷實際工作狀態與設定工作狀態偏差為dj，其負荷價值為f3j，可得

2.1.3 綜合滿意度目標函數

用戶綜合滿意度函數C可表示為

2.2 約束條件

（1）有功功率平衡約束。設Pgrid為電網供給系統的功率；PDG，i為第i個分布式發電（或蓄電池）發出的有功功率；Pload，i為第i個負荷消耗的有功功率；G為分布式發電總數；R為負荷總數。則有

式中：Pload，i為決策變量；PDG，i為已知參數。

（2）最大功率限制約束。設Pi為第i個分布式發電有功功率出力，Pi，min、Pi，max分別為第i個分布式發電有功功率出力的最小值和最大值；Plim為電網向家居系統傳輸的有功功率限制。則有

式中，Pi、Pgrid均為決策變量，其余參數為已知參數。

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

式中，SOC為決策變量，其余參數為已知參數。

3 家庭智能用電系統優化求解算法

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的情況，因此粒子群算法適用于求解本文所構建的模型。

設yi和vi分別為D維空間中第i個粒子的位置和速度；w為慣性權因子；c1和c2為正的學習因子；r1和r2為0～1之間均勻分布的隨機數。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前位置是否是可行的。如果粒子的當前位置可行，則仍通過式（17）更新粒子的速度；如果粒子的當前位置不可行，則更新粒子的速度為

式中，y為在優化模型中由開關型負荷的開關狀態、分檔型負荷的開關檔位以及調節型負荷的可調節量組成的向量。

4 仿真算例

4.1 家庭智能用電系統相關仿真參數

4.1.1 電源部分

（1）風力發電：風力發電額定功率為600 W，啟動風速3 m/s，額定風速10 m/s，切除風速30 m/s。

（2）光伏發電：光伏陣列由2個單晶硅太陽能電池組件串聯而成，每塊單晶硅太陽能電池組件的參數為：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 負荷部分

負荷部分參數：電視機1臺，額定功率為350W，負荷價值設為2元/h；臺式電腦1臺，額定功率為350 W，負荷價值設為2元/h；電風扇1臺，額定功率為80 W，5檔，負荷價值設為0.25元/h；電燈1個，額定功率80 W，額定功率下亮度可調范圍為0～125 lx，負荷價值設為0.25元/h；空調1臺，額定功率735 W，溫度可調范圍為16～30℃，負荷價值設為0.25元/h。

4.1.3 其他參數

本文設定仿真步長為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）。光伏發電上網電價為0.48元/（kW· h），風力發電上網電價為0.61元/（kW·h）。

4.2 仿真結果及分析

4.2.1 用戶綜合滿意度

用戶24 h內綜合滿意度函數值隨時間變化關系如圖1所示。

圖1 24 h內用戶綜合滿意度函數值Fig.1Comprehensive satisfaction function value of users in 24 h

從圖1可以看出，優化后用戶滿意度函數值有所下降（虛線和實線分別表示優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內用電費用隨時間變化關系，如圖2所示。從圖2可以看出，用戶的用電費用有所節省。

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

4.2.3 優化前后用戶用電費用及綜合滿意度對比

優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濟性和綜合滿意度在優化后均得以提升。

5 結語

本文對家庭智能用電系統建模及優化策略進行了研究，并選擇了合適的求解算法。在目標函數部分，本文考慮到電價激勵機制，并將該機制運用到了用戶經濟性目標上；同時考慮了用戶舒適性目標，為家庭智能用電系統的綜合優化奠定了重要的基礎。通過仿真算例表明，本文建立的優化策略能夠使用戶節省用電費用，也更加節能，提高了用戶的綜合滿意度。

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

[2]孫強，葛旭波，劉林，等（Sun Qiang，Ge Xubo，Liu Lin，et al）.國內外智能電網評價體系對比分析（Review of smart grid comprehensive assessment systems）[J].電力系統及其自動化學報（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）.智能電網中電力設備及其技術發展分析（Analysis of equipment and technology in smart grid development）[J].電力系統及其自動化學報（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）．智能電網技術綜述（Survey on smart grid technology）[J].電網技術（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）.分布式發電、微網與智能配電網的發展與挑戰（Development and challenges of distributed generation，the micro-grid and smart distribution system）[J].電力系統自動化（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多目標經濟調度模型研究（Research of Multi-objection Economic Dispatch Model for a Micro-grid Based on Particle Swarm Optimization）[D]．合肥：合肥工業大學電氣與自動化工程學院（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學模型（Investigation on engineering analytical model of silicon solar cells）[J].太陽能學報（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電能質量、分布式發電及微網、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化理論。Email：yuezhou@tju.edu.cn