可控设备的负荷特性建模方法和系统的制作方法
【技术领域】
[0001] 本发明涉及智能家居领域，特别是涉及一种可控设备的负荷特性建模方法和系 统。
【背景技术】
[0002] 随着居民家庭内部用电设备的智能化以及通信技术的发展，居民家庭内部用电设 备的可控性和智能化大大增加，然而由于居民家庭用电设备的种类较多，现有的用电设备 的负荷分类建模方面尚且存在不足之处，主要表现在缺少较为完善的家庭用电设备的负荷 特性建模方法，导致家庭用电设备的模型较为单一、分类较为简单，且多数情况下仅考虑单 一热力学负荷。对于家庭用电设备而言，较为简单的模型虽然可以在控制算法上更有针对 性，但是无法有效模拟家庭中的实际用电情况，而模型过于简单和理想化以及分类的混乱 更会进一步影响算法的实用性和拓展性。
【发明内容】
[0003] 基于此，有必要针对用电设备的负荷分类模型过于简单，无法有效模拟用户的实 际用电的问题，提供一种可控设备的负荷特性建模方法和系统，通过负荷特性模型的建立， 实现对不同的可控设备的描述。
[0004] 为实现上述目的，本发明采取如下的技术方案：
[0005] -种可控设备的负荷特性建模方法，所述方法包括以下步骤：
[0006] 采集可控设备的功率信息，并根据所述功率信息生成负荷曲线；
[0007] 根据时间优化步长对所述负荷曲线进行优化，获得所述可控设备的优化负荷曲 线；
[0008] 对所述优化负荷曲线进行划分，获得所述可控设备的一维工作状态向量，所述一 维工作状态向量中的各个元素对应于各个所述时间优化步长内所述可控设备的工作状态；
[0009] 根据所述一维工作状态向量得到所述可控设备的负荷特性模型。
[0010] 同时，本发明还提出一种可控设备的负荷特性建模系统，所述系统包括：
[0011]采集装置，用于采集可控设备的功率信息，并根据所述功率信息生成负荷曲线；
[0012] 优化装置，用于根据时间优化步长对所述负荷曲线进行优化，获得所述可控设备 的优化负荷曲线；
[0013] 划分装置，用于对所述优化负荷曲线进行划分，获得所述可控设备的一维工作状 态向量，所述一维工作状态向量中的各个元素对应于各个时间段内所述可控设备的工作状 态；
[0014] 建模装置，用于根据所述一维工作状态向量得到所述可控设备的负荷特性模型。
[0015] 上述可控设备的负荷特性建模方法及系统，通过采集可控设备的功率信息，根据 功率信息生成负荷曲线，并对负荷曲线进行优化、划分后，获得对应的一维工作状态向量， 根据对应的一维工作状态向量即可得到可控设备的负荷特性模型。本发明所提出的可控设 备的负荷特性建模方法和系统不仅不会使现有模型简化，而且可以不拘泥于可控设备的具 体形态，因此不但对可控设备的描述更加全面、准确，而且扩展性强，能够适应未来用电设 备数量大、种类多的特点。
【附图说明】
[0016] 图1为本发明其中一个实施例中可控设备的负荷特性建模方法的流程示意图；
[0017] 图2为可控设备An的优化负荷曲线图；
[0018] 图3为本发明其中一个实施例中可控设备的负荷特性建模系统的结构示意图。
【具体实施方式】
[0019] 下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
[0020] 在其中一个实施例中，参见图1所示，一种可控设备的负荷特性建模方法，所述方 法包括以下步骤：
[0021] S100采集可控设备的功率信息，并根据所述功率信息生成负荷曲线；
[0022] S110根据时间优化步长对所述负荷曲线进行优化，获得所述可控设备的优化负荷 曲线；
[0023] S120对所述优化负荷曲线进行划分，获得所述可控设备的一维工作状态向量，所 述工作状态向量中的各个元素对应于各个所述时间优化步长内所述可控设备的工作状态； [0024] S130根据所述一维工作状态向量得到所述可控设备的负荷特性模型。
[0025] 在本实施例中，可控设备包括用户家庭使用的、可以通过需求响应（Demand Reponse，DR)程序进行控制的用电设备，如智能电饭锅、智能洗衣机、智能干衣机、智能热水 壶和智能热水器等，由于DR程序控制的DR设备具有反应迅速、成本小以及环保等特点，因此 被众多居民家庭所接受和使用，作为一种具体的实施方式，可控设备为接入家庭区域网络 的用电设备，其中家庭区域网络是一种智能控制及通信技术，家庭区域网络包括广域网和 局域网两部分，局域网具有设备控制功能，广域网则负责连接各局域网以及数据的传输等， 家庭区域网络的智能控制功能使得用户能够通过设定的DR程序来控制用户的可控设备，包 括电视机、电脑、空调、热水器等。具体地，采集可控设备的功率信息，并根据采集到的功率 信息生成负荷曲线，作为一种具体的实施方式，可通过家庭区域网络自动获取可控设备的 功率信息，从而提高可控设备的负荷特性建模的效率和实时性。
[0026] -般情况下，用户使用的可控设备的负荷曲线是一条连续的曲线，在本实施例中， 为了简化设备模型和降低算法优化的难度，在对可控设备的负荷曲线进行优化的过程中， 选择适当的时间优化步长At，并将负荷曲线时间区间内的每一个时间优化步长At内的负 荷曲线等效成为一条水平的线段，即认为在每一个时间优化步长At内可控设备是恒功率 运行的，因此，可将一条连续的负荷曲线简化为一条分段的折线，且每段与时间坐标轴平 行，获得了可控设备的优化负荷曲线，该优化负荷曲线随时间优化步长At而变化，时间优 化步长△ t越短，所获得的优化负荷曲线越接近真实的负荷曲线；
[0027]获得优化负荷曲线后，对优化负荷曲线进行划分，获得可控设备的一维工作状态 向量，下面以图2所示的可控设gAn的优化负荷曲线图为例进行说明，可控设备六"完成工作 任务需要I个时间优化步长At的用电时间，从图2中可以看出，选择时间优化步长At为15 分钟，即△ t = 1；/4小时，因此对负荷曲线进行划分后可知，可控设备An运行一个完整的工作 循环需要1小时45分钟，共计7个时间优化步长At的时间，即1 = 7。因此对于在时间优化步 长At-定的情况下，可控设备An的一维工作状态向量Sn可以用如下公式表示
[0029] 其中一维工作状态向量3"的元素武，(1 < i < I)为一个二进制数(0或者1)，用于表 示每个时间优化步长△ t内的可控设备An的开关状态。
[0030] 获得可控设备的一维工作状态向量之后，对不同的可控设备的负荷特性进行建 模，得到可控设备的负荷特性模型，包括可转移特性模型、可中断特性模型、时间约束特性 模型、模式可切换特性模型和指标连续特性模型。上述可控设备的负荷特性建模方法通过 采集可控设备的功率信息，根据功率信息生成负荷曲线，并对负荷曲线进行优化、划分后， 获得对应的一维工作状态向量，根据对应的一维工作状态向量即可得到可控设备的负荷特 性模型。本发明所提出的可控设备的负荷特性建模方法不仅不会使现有模型简化，而且可 以不拘泥于可控设备的具体形态，因此不但对可控设备的描述更加全面、准确，而且扩展性 强，能够适应未来居民家庭可控设备数量大、种类多的特点。
[0031] 作为一种具体的实施方式，根据一维工作状态向量得到可控设备的负荷特性模型 的过程包括:对一维工作状态向量进行解析，获得一维工作状态向量对应的基础模型;根据 基础模型确定可控设备的负荷特性模型。在本实施方式中，获得可控设gA n的一维工作状 态向量后，对一维工作状态向量进行解析，将可控设备An的负荷曲线中的这I个时间段的负 荷曲线视为由I个独立的虚拟设备的负荷曲线叠加而成，用向量1 = [1，2,..，i，…I]表示这 I个独立的虚拟设备，每个虚拟设备只工作一个时间优化步长A t的时间，每一个虚拟设备 的运行状态可以用如下公式的运行状态向量Xi表示
[0033] 其中运行状态向量Xi的元素^C,(l < j ST)为一个二进制数(0或者1)，其中i表示 虚拟设备的编号，t表示时间优化步长At的编号，X/用于表示每个虚拟设备的开关状态。 运行状态向量乂:中的元素< 为1，表示第i个虚拟设备在第t个时间段内是开启状态，反之为 〇则表示关断状态。至此，可以用一系列向量