一種改進(jìn)的智能電網(wǎng)能耗調(diào)度算法

譚琦耀

一種改進(jìn)的智能電網(wǎng)能耗調(diào)度算法

譚琦耀

對于當(dāng)前時隙 t 內(nèi)正在運(yùn)行的不可中斷可控運(yùn)行電器a ，我們有公式（2）：

2 問題定義和算法描述

本節(jié)研究高能效調(diào)度問題，以實(shí)現(xiàn)每個用戶電費(fèi)支出最小化。我們假設(shè)只有少部分關(guān)于需求的統(tǒng)計(jì)先驗(yàn)信息。這些需求信息主要包括：每個時隙期間處于喚醒狀態(tài)的電器列表，各個電器的類型（必須運(yùn)行，可控運(yùn)行），每個電器的截止運(yùn)行時 間。可在一段時間內(nèi)逐漸收集這些信息。在每個時隙開始時進(jìn)行更新，同時相應(yīng)更新每個電器的運(yùn)行調(diào)度。

我們試圖實(shí)現(xiàn)用戶存在需求不確定性條件下的預(yù)期能量支付最小化公式（4）：

2.1 近似動態(tài)規(guī)劃算法

問題（4）如果按照當(dāng)前形式表示，則需要計(jì)算當(dāng)前處于睡眠狀態(tài)的電器的預(yù)期調(diào)度，因此求解難度很大。為了解決這一問題，我們對目標(biāo)函數(shù)的上限進(jìn)行最小化。因此，我們只對當(dāng)前處于運(yùn)行狀態(tài)的可控電器的運(yùn)行狀態(tài)進(jìn)行調(diào)度公式（5）：

問題（5）確定了當(dāng)前時隙及將來時隙的運(yùn)行調(diào)度，以評估成本函數(shù)。為了解決這些計(jì)算難題，我們首先放松對變量的二元約束，設(shè)對每個和任意有。根據(jù)上文，最后一個約束為：不可中斷電器如果開始運(yùn)行，則在將來時隙中也將繼續(xù)運(yùn)行。于是，我們將電力調(diào)度問題轉(zhuǎn)化為近似動態(tài)規(guī)劃問題，并將如下混合整數(shù)規(guī)劃問題的解作為當(dāng)前時隙的電力調(diào)度公式（7）、（8）、（9）：

條件：

對式（3）定價函數(shù)，由于對時隙 t 時的總負(fù)載 lt 有，因此將用戶的用電支出確定為兩條相交線的最大值公式（11）：

于是，問題（7）重新表述為公式（12）：

條件為式（8-11），其中

2.2 算法描述

在本節(jié)中，我們給出每個時隙 t 的負(fù)載具有不確定性時，本文能耗調(diào)度算法（算法1）的具體步驟。每個時隙的準(zhǔn)入控制開始階段，接收到的所有準(zhǔn)入請求標(biāo)識為必須運(yùn)行或可控運(yùn)行（第1和2行）。必須運(yùn)行類電器立刻運(yùn)行（第3行）。使用式（1）在當(dāng)前時隙開始時更新每個電器的剩余所需能量，如第5行所示。通過求解式（18），確定每個處于運(yùn)行狀態(tài)的可控電器在其他時隙期間的狀態(tài)，如第6行所示。在第7-9行，如果有不可中斷可控電器從關(guān)閉狀態(tài)調(diào)整為運(yùn)行狀態(tài)，則需將其從可控電器列表中刪除，由于它需要一直運(yùn)行直到完成運(yùn)行任務(wù)，因此還需將其加入到必須運(yùn)行電器列表中。

算法1：存在負(fù)載不確定性時的能耗調(diào)度算法，在每個時隙t 開始時運(yùn)行算法

1：接收準(zhǔn)入請求；

2：將每個接收請求標(biāo)識為必須運(yùn)行或可控運(yùn)行類別；

3：將必須運(yùn)行類電器設(shè)置為運(yùn)行狀態(tài)（開始運(yùn)行或繼續(xù)運(yùn) 行）；

6：求解式（18）來決定可控類電器的運(yùn)行狀態(tài)（開啟或關(guān)閉）；

7：如果啟動后的電器是不可中斷類電器；

8：將其標(biāo)識為必須運(yùn)行類電器；

9：end if

3 性能評估

本節(jié)將給出仿真結(jié)果并評估本文算法性能。仿真實(shí)驗(yàn)運(yùn)行100次，且電器調(diào)整為運(yùn)行狀態(tài)的時間模式不同。然后給出均值結(jié)果。除非另有說明，否則仿真設(shè)置如下。假設(shè)采用IBR 和 RTP 聯(lián)合算法，如圖2所示：

圖2給出了一天時間內(nèi)定價 函數(shù)參數(shù) mt 和 nt 的變化情況。考慮一個家庭有多種必須運(yùn)行電器和可控電器。可控電器只有兩種類型：可中斷，不可中斷。

按照事先明確的時間間隔，隨機(jī)確定每個電器開始運(yùn)行的時隙，比如電烤箱為 6:00,14:00 ，壓電閥為 16:00, 24:00 。

為了確定比較基線，我們考慮沒有部署ECC單元的系統(tǒng)，每個電器a處于運(yùn)行喚醒狀態(tài)后迅速開始運(yùn)行。與文獻(xiàn)[6]類似，我們還考慮一個系統(tǒng)忽略了IBR效應(yīng)，在調(diào)度不同電器運(yùn)行時只考慮了每個時隙的基準(zhǔn)價格。在本文仿真模型中，我們對所有時隙，設(shè)置式（3）的。仿真結(jié)果表明，為了降低用電支出，ECC單元將負(fù)載調(diào)節(jié)到電價較低的時隙比如午夜后的前幾小時。然而，如第1節(jié)所示，超出閾值bt的高電價懲罰可以避免負(fù)載同步。仿真結(jié)果還表明，通過利用ECC單元可以將用戶每日用電支出從4.76美元降低到4.10美元。如果忽略IBR效應(yīng)，則用戶每日用電支出為4.15美元。如果使用文獻(xiàn)[7]的負(fù)載控制算法，則用戶每日用電支出為4.01美元。與沒有安裝ECC單元的系統(tǒng)相比較，本文算法可以將系統(tǒng)的平均PAR值從2.64降低到2.47，下降幅度6.4%。如果忽略IBR效應(yīng)，則系統(tǒng)平均PAR2.93。文獻(xiàn)[7]部署ECE單元后的系統(tǒng)平均PAR為1.98。

4 總結(jié)

本文提出了一種負(fù)載不確定性情況下的 DSM 系統(tǒng)家庭負(fù)載控制算法。我們將問題描述成近似動態(tài)問題，即使只能估計(jì) 將來負(fù)載使用情況，也可以實(shí)現(xiàn)用戶用電支出最小化。將 PTR 和 IBR 結(jié)合起來，實(shí)現(xiàn)家庭用電負(fù)載平衡，降低 PAR 值。仿 真結(jié)果表明，本文算法可以降低用戶用電花費(fèi)，鼓勵他們參與 DSM 系統(tǒng)。PTR 與 IBR 結(jié)合可以避免負(fù)載同步，RTP 與本文算法相結(jié)合也可以降低總體負(fù)載的 PAR，進(jìn)而促使電力公司支持部署本文 DSM 算法。

[1] 黃宇騰,侯芳,周勤,等.一種面向需求側(cè)管理的用戶負(fù)荷形態(tài)組合分析方法[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(13):20-25

[2] Jin T, Mechehoul M. Ordering electricity via internet and its potentials for smart grid systems [J]. Smart Grid, IEEE Transactions on, 2010, 1(3): 302-310

[3] 李琳,羅劍波,周霞,等.基于風(fēng)險管理的過載切負(fù)荷策略制定[J].電網(wǎng)技術(shù), 2013, 37(3): 821-826

[4] Xiong G, Chen C, Kishore S, et al. Smart (in-home) power scheduling for demand response on the smart grid[C]. Innovative smart grid technologies (ISGT), 2011 IEEE PES. IEEE, 2011: 1-7

[5] Samadi P, Schober R, Wong V W S. Optimal energy consumption scheduling using mechanism design for the future smart grid[C]. Smart Grid Communications (SmartGridComm), 2011 IEEE International Conference on. IEEE, 2011: 369-374

[6] Mohsenian-Rad A H, Leon-Garcia A. Optimal residential load control with price prediction in real-time electricity pricing environments [J]. Smart Grid, IEEE Transactions on, 2010, 1(2): 120-133.

[7] Samadi P, Mohsenian-Rad H, Wong V W S, et al. Tackling the load uncertainty challenges for energy consumption scheduling in smart grid [J]. 2013, 12(2):488-499

[8] 李惠玲,白曉民,譚聞,等.基于智能電網(wǎng)的動態(tài)經(jīng)濟(jì)調(diào)度研究[J].電網(wǎng)技術(shù), 2013, 37(6): 1547-1554

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

圖2 基于RTP和IBR的定價模型的定價參數(shù)，如式（3）所示。對所有時隙，設(shè)置參數(shù)

2014.04.11）