家庭智能用電管理系統用電優化算法研究

李中偉，孟 迪，張鵬偉，張宏莉，張 嘯，李立東，武東升

(1．哈爾濱工業大學電氣工程及自動化學院，黑龍江 哈爾濱 150001；2．哈爾濱工業大學計算機科學與技術學院,黑龍江 哈爾濱 150001)

家庭智能用電管理系統用電優化算法研究

李中偉1,2，孟 迪1，張鵬偉1，張宏莉2，張 嘯1，李立東1，武東升1

(1．哈爾濱工業大學電氣工程及自動化學院，黑龍江 哈爾濱 150001；2．哈爾濱工業大學計算機科學與技術學院,黑龍江 哈爾濱 150001)

為降低居民用戶用電費用和提高用電效率，考慮分時電價價格激勵的作用，對家庭智能用電進行了研究。構建了由智能家用電器、傳統家用電器、電動汽車及其充放電設備、智能開關/插座、智能交互終端、智能手機、分布式能源和智能電表等組成的家庭智能用電管理系統。以一般家庭常用家用電器為優化對象，以用戶用電費用最低為優化目標，采用遺傳算法，根據用戶設定的各家用電器的工作時間范圍，提出了基于分時電價的家庭智能用電管理系統智能用電優化算法。以兼顧用戶用電費用和負荷消耗功率均勻分布為優化目標，設定功率閾值，引入懲罰機制，提出了基于分時電價的改進智能用電優化算法。仿真結果表明，所提出的智能用電優化算法可為用戶最大限度節省用電費用；所提出的改進智能用電優化算法可為用戶適當節省用電費用，并可避免引入新的用電高峰。因此，該智能用電優化算法能實現既定優化目標，是有效、可行的。用戶可根據實際需要確定優化目標，選用相應算法。

家庭智能用電管理系統； 優化算法； 分時電價； 遺傳算法； 負荷消耗功率； 用戶舒適度

0 引言

隨著社會的進步和人們生活水平的提高，越來越多的家用電器被居民用戶所使用，居民用電量在社會總用電量中的比重及用電費用在人們的日常支出中的比重越來越大[1]。節能減排、提高能源利用率是應對資源短缺和環境污染問題的重要途徑[2-3]。智能用電作為智能電網的重要一環，可利用先進的信息通信技術，使電力用戶由傳統被動用電模式轉變為主動用電模式，從而有效提高電能利用效率、節省用電成本、構建用戶和電力公司之間實時互動的新型供用電關系[4-5]。

家庭智能用電管理系統作為智能用電和智能電網需求側響應的主要組成部分，已逐漸成為國內外研究熱點。文獻[6]在構建家庭能量管理系統(home energy management system,HEMS)的基礎上，結合實時電價(real-time price,RTP)和傾斜塊率(inclined block rate,IBR)，以節省用電費用和減少家用電器工作延時為目標，提出了基于遺傳算法的智能用電優化控制策略。

文獻[7]采用線性規劃方法，結合實時電價或基于加權平均得到的預測電價，提出了可為用戶節省電費和減少家用電器等待時間的智能用電控制方案。文獻[8]建立了包含分布式能源、蓄電池和家用電器的家庭用電模型，并且以提升用戶舒適性和節省電費開支為目標，利用電價杠桿作用，并基于粒子群算法，建立了家庭智能用電系統優化模型。

電價機制是智能用電優化的依據，目前國內大部分地區采用分時電價。智能用電優化問題是復雜的非線性尋優問題，屬于全局性概率搜索算法的遺傳算法非常適用于解決此類問題。僅以節省用戶用電費用為優化目標，其結果很可能將大部分家用電器轉移到電價比較便宜的時段工作，將會引入新的用電高峰，給電力系統的穩定運行帶來不利影響[9]。因此，本文基于分時電價，分別以用戶用電費用最低，以及兼顧用戶用電費用和負荷消耗功率均勻分布為優化目標，并基于改進遺傳算法，提出了適用于家庭智能用電管理系統的智能用電優化算法，并進行了仿真驗證。

1 方案設計與功能確定

根據智能用電技術未來發展趨勢和國內用電環境，本文構建了家庭智能用電管理系統，其框圖如圖1所示。該系統主要由智能家用電器、傳統家用電器、電動汽車及其充放電設備、智能開關/插座、智能交互終端、智能手機、分布式能源和智能電表等部分組成。

系統遠程信道可采用光纖、電力線載波、GSM/GPRS或寬帶無線等通信技術實現[10]。上行信道主要用于傳送智能電表和智能交互終端采集的用戶用電信息[11]；下行信道主要用于發布供電公司制定的階梯/分時電價或實時電價、停電通知、限電計劃、遠程斷電控制指令以及用戶賬單等。智能電表除實現傳統電表的正向電能計量功能外，還需具備支持分布式電源接入和以電動汽車作為電源向電網饋電時的反向電能計量、遠程控制、分時/階梯或實時電能費率計量、電能質量監測、預付費、用戶數據加密和事件記錄等功能。

圖1 家庭智能用電管理系統框圖

2 智能用電優化算法

一般來說，家庭中的主要家用電器類型和數量在其入住后基本固定不變。本文在統計一般家庭常用家用電器類型基礎上，選取其中某種具有代表性的型號作為智能用電優化算法的優化對象。選取的家用電器類型及其工作參數如表1所示。

表1 家用電器類型及其工作參數

智能用電優化算法的優化目標是盡可能在不改變用戶舒適度的前提條件下，結合分時電價，調整家用電器的起始工作時間，從而降低用戶用電費用[12]。

2.1 優化目標1

優化目標1即以用戶用電費用最低為優化目標。

為了簡化智能用電優化問題，本文將1 h分為5個時間片段，每個時間片段u=12 min，一天共120個時間片段組成U，即u∈{1,2,…,120}。以12 min作為家用電器工作時間的最小計量單位，設每種家用電器的工作時間是12 min的整數倍。實際工作時間不足12 min的整數倍的，以12 min的整數倍計算；對于工作時間不足12 min的家用電器，計算時當作12 min來處理。這樣的處理方法必然會使最后的結果產生一些誤差，但因為時間片段足夠小，誤差可以忽略不計。采用7位二進制碼表示120個時間片段。

根據時間劃分原則，每種家用電器的用電量可以用一個向量來表示，假設向量A為所有家用電器的集合，a為某種家用電器(a∈A)，Wa為家用電器a的能耗向量，則：

(1)

假設家用電器a的功率值P為定值，則在12min內的能耗表示為：

(2)

基于分時電價的智能用電優化算法，通過在用戶設定的各家用電器可工作時間范圍內，調整各家用電器的起始工作時間，優化家用電器的能耗向量Pa，可達到降低用戶用電費用的目的。為此，需要為各家用電器規劃合理的工作時間范圍。

假設αa(αa∈U)為家用電器工作時間范圍下限，βa(βa∈U)為工作時間范圍上限，αa<βa；la為a的工作時長，0≤la≤βa-αa；ta為a的起始工作時間。由此可以確定每種家用電器的起始工作時間范圍ta。以ta為變量，則可以求出每種家用電器相應的能耗向量Pa。

為了計算用戶用電費用，必須有對應分時電價信息。本文以《國家發展改革委關于湖北省分時電價方案的批復》文件中給出的分時電價方案為例進行計算，其電價函數為：

(3)

(4)

式中：向量Y包含120個元素。

本文提出的智能用電優化算法以表1所示的7種家用電器對應的12個工作時間范圍為優化對象。下面以空調為例，說明如何獲得每種家用電器的能耗向量。設空調的工作時間范圍為8:00～12:00(實際應用時由用戶根據自身用電習慣設定)，空調工作時間為1 h(5個u)，由上述方法可知空調的啟動時間范圍為：

t6∈[8:00,11:00]?{41,42,…,56}

(5)

(6)

同理，以各家用電器起始時間為變量求出每種家用電器的能耗向量，進而求出總的能耗向量為：

W={W1,W2,…,W12}

(7)

式中：Wn(n=1,2,…,12)為對應家用電器的能耗向量；W為12×120的矩陣。

對向量W每列求和，可得：

Q1={q1,q2,…,q120}

(8)

由式(4)的電價向量和式(8)的能耗向量，可以求出用電費用為：

E=Y·Q1

(9)

將Y的120個相量求和，即可得到用戶每天總的用電費用。

以用戶每天總的用電費用最低為優化目標，采用遺傳算法進行優化，求取每個家用電器的起始工作時間。采用遺傳算法，基于分時電價的智能用電優化算法實現流程圖如圖2所示。

圖2 智能用電優化算法實現流程圖

2.2 優化目標2

如果僅以用戶用電費用最低為優化目標，則上述智能用電優化算法的優化結果很可能是將大部分家用電器轉移到電價比較便宜的時段工作。若大量用戶均采用該算法進行優化，將會引入新的用電高峰，給電力系統的穩定運行帶來不利影響。因此，有必要對上述智能用電優化算法進行改進。在降低用電費用的同時，加入限定條件，盡可能使家用電器負荷消耗功率均勻分布。

為了避免某個時段用電量過高，可設定一個功率閾值，當某個時段總用電量超過設定閾值時，對超過的部分多收取一定的費用[9]。本文擬設定1 h的功率閾值。由于家用電器的工作時間主要集中在5：00～23：00之間，將功率閾值定義為用戶所有家用電器1 d內總的消耗功率除以主要工作時間段(小時數)再乘以一個可靠系數，即：

(10)

式中：sum(Q1)為能耗向量Q1各元素的總和；k1為可靠系數，k1≥1，本文取k1=1。有效的功率閾值(virtual threshold power,VTP)也可由電力公司在統計分析所有用戶的用電情況的基礎上確定。VTP表示了1 h內的用電量，所以對Q1的每5個元素進行求和，可得：

(11)

通過比較Q2中(n=1,2,…,24)和功率閾值VTP的大小，當qn≥VTP時，減去VTP，當qn≤VTP時，取值為0。由此可得到新的向量：

Q3={q1′,q2′,…,q24′}

(12)

由式(9)和式(12)，可得用電總費用為：

price_all=sum(E)+sum(Q3)×k2

(13)

式中：sum(E)為向量E的各元素之和；sum(Q3)為向量Q3的各元素之和；k2為懲罰電費，以節省用電費用為主要目的，k2的取值不應太大。k2應由電力公司根據電力系統的整體情況確定，目前國內外電力公司尚未確定此值，本文暫取k2=0.1。

以price_all最低為優化目標，同樣采用遺傳算法進行優化，求取每個家用電器的起始工作時間，其實現流程圖仍然如圖2所示。以上即為改進后的智能用電優化算法，通過引入懲罰機制，對用戶某個時段用電量較大時加收一定的費用，以實現在為用戶節省電費的同時盡可能使用戶負荷消耗功率均勻分布。

3 仿真結果及分析

本文首先對普通用戶用電行為進行統計，對其用電量和用電費用進行計算；然后，采用本文所提出的智能用電優化算法進行仿真，得到每個家用電器的起始工作時間，并計算出優化前后的用電費用；最后，通過比較優化前后的用電費用和用戶負荷消耗功率分布，驗證本文所提智能用電優化算法的成效。

通過Matlab仿真，得到的優化前后各時間片段及各小時的用電分布情況，分別如圖3、圖4所示。

圖3 優化前后用電分布圖(各時間片段)

圖4 優化前后用電分布圖(各小時)

基于分時電價的智能用電優化算法對應的遺傳算法參數如下：變量個數為12，種群個數為30；交叉率為0.8，變異率為0.02，最大迭代次數為50。

3.1 優化方案1

優化方案1是以表1所示的用戶所用的家用電器為優化對象，以用電費用最低為優化目標，采用基于分時電價的智能用電優化算法進行優化。由圖3(b)和圖4(b)可知，采用智能用電優化算法后，用戶功率消耗分布較為分散，主要是將家用電器工作時間從電價峰時段調整到平時段或者谷時段，以此達到節省用電費用的目的。

由智能用電優化算法的優化結果可得到各家用電器的起始工作時刻，受限于篇幅在此不給出。由各家用電器的起始工作時刻可計算出優化前后用戶每天的用電費用，優化前用電費用為7.44元，優化后用電費用為5.45元，費用減少了26.7%。由此可見，采用智能用電優化算法可以為用戶節省用電費用。

3.2 優化方案2

優化方案2是以兼顧用戶用電費用和負荷消耗功率均勻分布為優化目標。其采用改進后的基于分時電價的智能用電優化算法進行優化，在Matlab上進行仿真，仿真結果如圖3(c)、圖4(c)所示。

由改進后的智能用電優化算法的優化結果得到各家用電器的起始工作時刻，計算出優化后的用電費用為5.73元，與優化前的7.44元用電費用相比減少了23%。由此可見，采用改進后的智能用電優化算法可以實現預計的優化目標，在為用戶節省用電費用的同時使用電分布更加均勻。

4 結束語

本文從家庭用戶的實際需求出發，構建了家庭智能用電管理系統。選取一般家庭常用家用電器為優化對象，根據用戶設定的各家用電器的工作時間范圍，以用戶用電費用最低為優化目標，對分時電價提出了基于遺傳算法的智能用電優化算法，并給出了算法的實現流程；同時，設定功率閾值，引入懲罰機制，以兼顧用戶用電費用和負荷消耗功率均勻分布為優化目標，提出了基于遺傳算法的改進智能用電優化算法。在本文設定場景下的Matlab仿真結果表明：①采用優化方案1，對應分時電價為用戶節省26.7%的用電費用；②采用優化方案2，對應分時電價為用戶節省25.4%的用電費用，雖然節省的用電費用略有減少，但可使用戶的用電分布更加均勻，避免引入新的用電高峰。因此，本文所提智能用電優化算法能夠實現既定優化目標，是有效、可行的。用戶可根據實際需要確定優化目標，選用相應算法。

[1] AMIN S M，WOLLENGERG B F.Toward a smart grid[J].Power and Energy Magazine，2005，3(5)：34-41.

[2] 陳樹勇，宋書芳，李蘭欣.智能電網技術綜述[J].電網技術，2009，33(8):1-7.

[3] 劉振亞.建設堅強智能電網支撐又好又快發展[J].電網與清潔能源，2009，25(9):1-3.

[4] 章鹿華，王思彤，易忠林，等.高級計量架構(AMI)對智能電網下供用電關系的影響[J].電測與儀表，2011，48(5)：33-36.

[5] 張景超，陳卓婭.AMI 對未來電力系統的影響[J].電力系統自動化，2010，34(2):20-23.

[6] ZHAO Z，LEE W C，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.

[7] INOUE S，DAI J，SHIBA M，et al.Knowledge management approach for saving home energy consumption[C]//IEEE International Conference on Fuzzy Systems,2010：1-6.

[8] 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.

[9] 陸青，謝品杰，冷亞軍，等.面向家庭智能用電的用電任務調度優化[J].華東電力，2014(5)：16-24.

[10]STRBAC G.Demand side management benefits and challenges[J].Energy Policy，2008，36(12):4419-4426.

[11]周明，孫樹棟.遺傳算法原理及應用[M].北京：國防工業出版社，1999：1-20.

[12]CHEN X D，WEI T Q，HU S Y.Uncertainty-aware household appliance scheduling considering dynamic electricity pricing in smart home[J].IEEE Transactions on Smart Grid，2013，4(2)：932-941.

Research on the Optimization Algorithm of Electricity Consumption in Smart Home Electricity Consumption Management System

LI Zhongwei1,2,MENG Di1,ZHANG Pengwei1,ZHANG Hongli2,ZHANG Xiao1,LI Lidong1,WU Dongsheng1

(1.School of Electrical Engineering and Automation,Harbin Institute of Technology,Harbin 150001,China;2.School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001,China)

In order to reduce the electricity costs and improve the efficiency of electricity consumption,and consider the role of incentives of time-of-use pricing,the home smart electricity consumption is researched.The smart home electricity consumption management system,which is consisting of intelligent household appliances,traditional household appliances,electric vehicles and related charging and discharging equipment,smart switch/socket,intelligent interaction terminal,smart phone,distributed energy and smart meter is constructed.With the general household appliances as the object of optimization,and the lowest electricity costs of user as the target of optimization,by using genetic algorithm,and in accordance with the time periods of each appliance used by user,the optimization algorithm of smart electricity consumption based on time-of-use pricing is proposed.Both the electricity costs of user and the evenly distributed load power consumption as the optimization target,the power threshold is set and the punishment mechanism is introduced,then the improved optimization algorithms of smart electricity consumption based on time-of-use pricing is proposed.The simulation results show that the maximum savings in electricity costs of user can be obtained by the optimization algorithm proposed;and appropriate savings in electricity costs of user can be obtained by the improved algorithm;and introducing a new peak of electricity consumption is avoided.Therefore,the proposed optimization algorithm can achieve the goal of optimization,which is effective and feasible.The user can determine the optimization target according to the actual needs and choose corresponding algorithm.

Smart home electricity consumption optimization algorithm; Optimization algorithm; Time-of-use price; Genetic algorithm; Load power consumption; User comfort

李中偉(1976—)，男，博士，副教授，主要從事智能用電管理、智能電網通信及其信息安全、電力系統負荷側頻率穩定與控制方向的研究。E-mail：lzw@hit.edu.cn。

TH-39;TP273

A

10.16086/j.cnki.issn1000-0380.201708006

修改稿收到日期:2017-01-18