基于粒子群算法的家庭能量管理系統成本優化問題

董翔逸，邵曉根，管瑞林

摘要：該文主要研究家庭能源管理系統中對于電力調度優化分配達到最小化成本的問題，通過建立家庭能源優化調度模型，針對峰谷電價及用戶偏好設置結合粒子群算法進行模擬仿真，該文提出的分段負載使用具有較高的參考性和可行性，具有實際應用價值。

關鍵詞：粒子群算法;能量優化調度;用戶偏好設置

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）19-0122-03

1 背景

現今用戶的服務需求改變及能源利用形式的多樣化，使得曾經的電力用戶逐漸從電網的被動參與者轉變為主動參與者，這種轉變取決于電網發展的客觀規律。隨著電網階梯電價和峰谷電價的推行，用戶將獲得更多改變用電行為的激勵，更加敏感用電成本的提高。此外，隨著用戶能源利用形式的變化，需求側的電源越來越多的接入電網，因此，建設與用戶雙向友好互動的智能電網，為用戶實時提供及時準確的用電信息，由用戶自主選擇用電模式，滿足多元化需求，將是未來智能用電的發展方向[1]。本文主要研究家庭能源管理系統中對于電力調度優化分配達到最小化用電成本的問題。

2 家庭能源管理系統的問題描述

傳統的HEMS研究一直以優化調度作為研究重點。為滿足居民主觀的舒適度體驗，用戶偏好設置成為除去電價、光照、室內溫度等客觀因素的主要問題。

構建基本的配電方案框架，系統通過整體評估結合用戶偏好設置做出初步調度計劃，在實際運行過程中根據客觀變化的因素進行實時修正，給出實時響應的環境適應方案[2]，如圖1所示。

3 家庭能源管理系統的模型建立

本文建立HEMS實時修正動態規劃模型用以制定環境自適應型電能調度方案，可將模型簡單描述為如下：

1）負載設備運作需要滿足正常工作的功率。

2）通過對工作負載的時間調度進行能量優化。

3）儲能系統放電過程不超過額定功率。

4）最終能力優化反應形式為家庭電網購電的成本最小化。

3.1 模型假設

在對HEMS電能優化調度問題建模過程中，為保證模型的準確性、運算的簡便性，本文做出如下假設：

1）電能無傳導損耗，僅由負載設備消耗。

2）控制器與各模塊間信息交互為實時響應。

3）負載工作狀態以額定功率穩定運行。

3.2 模型描述

本文首先結合用戶的偏好設置與客觀因素，以下為HEMS的基本工作流程如圖2所示：

3.2.1 預測總體能量優化調度模型

根據偏好設置將日前計劃調度[2]設為[H]個小時，并將每個小時細分為[l]個時間段，則日前可調度時間為[D=l?H]。總的約束包括總用電量約束、總用電量成本、時段用電量約束和時段用電成本，主要表現形式如下：

[Et=a=1npat+pbat-CtWt=Et?itEt>0Et?etEt<0minW=t=1DWtEt≤Emax/l]

其中，在[t]時段內，[Et]為HEMS通過電網購買的電量;[pat]為負荷用電量;[pbt]為儲能系統的放電量;[Ct]為光伏、風力預測電量;[it]為買入電價;[et]為饋電賣出電價;[W]為用電成本。

3.2.2 可再生能源發電預測

光伏、風力出電受到季節、天氣等不確定因素影響，能源輸出存在隨機性和波動性[3]，以下為模擬光伏、風力輸出預測公式：

[Ct=Ct1+Rp?Ep]

其中，[Ct]為[t]時段光伏、風力出電的歷史數據;[Rp]為服從正態分布的隨機數;[Ep]為對出電的預測不確定閾值，取8%。

3.2.3 儲能系統模型及約束條件

本文研究的HEMS系統通過儲能系統對電網進行購電及饋電操作，其放電規律約束如下：

[minpbt≤pbt≤020%EB≤Ebt-1+η?pbt≤90%EB]

其中，[pbt]為儲能系統的放電量，取負;[Ebt-1]為[t-1]時刻的儲能;[EB]為儲能系統的最大儲電量;[η]為效率。

3.2.4 電能負載模型及約束

對于HMES中所包含的電能負載可大致分為：

1）剛性負載：該類負載彈性時間為零，使用狀態直接影響用戶正常生活，如電燈等。

2）柔性負載：該類負載根據工作狀態分為可中斷及不可中斷負荷，根據上述對于日前調度的劃分建立如下模型：

①不可中斷負荷：

[Tsa≤tsa≤t≤tea≤Teatea-tsa+1=dapa=PNa?SatTea-Tsa≥da]

其中，[tsa]，[tea]為負載[a]工作的起始時間;[Tsa]，[Tea]為負載[a]允許工作的起始時間;[da]為工作時長;[PNa]為負載[a]額定功率;[pa]為電量消耗。

②可中斷負載：

[Tsa≤t≤Teat=TsaTeaSat=dapat=PNa?SatTea-Tsa≥da]

其中，[Tsa]，[Tea]為負載允許工作的起始時間;[da]為工作時長。在此引入0-1變量[Sat]來表示設備的工作狀態如下：

[Sat0負載關閉1負載工作]

4 HEMS的粒子群算法設計

本文建立的HEMS能量優化調度模型為非線性0-1整數規劃模型，因此采用二進制粒子群算法求解優化問題。

4.1 HEMS的粒子群算法步驟

4.1.1 輸入基本條件

日前優化調度模型中預測電價、可再生能源饋電、負載工作時間、負載工作狀態表示。