本发明涉及电力市场领域,具体涉及一种考虑响应不确定性下负荷转移率约束的居民家电优化调度方法。
背景技术:
随着社会信息化的进步和科学技术的发展,人们的生活水平日益提高,家庭用电设备的种类和数量迅猛增长,居民的生活用电所占比重越来越大;另一方面,智能电网的发展以及电力市场改革带来的价格激励,使得居民用户在需求响应中发挥出越来越重要的作用。基于智能用电技术的家庭负荷的优化调度方法成为近年来需求响应研究的热点。
已有关于居民用电负荷的优化调度方法研究均是基于需求响应的环境下,以居民总用电费用最小为目标函数,对家电负荷的用电方式进行优化,将较高电价时段的用电任务转移至较低电价时段完成。但是已有技术只考虑了居民的用电需求和家电的运行特性约束,并未考虑具体电价差的多少对居民响应程度或响应意愿的影响,得到的是用户最大限度响应的理想解,并不符合实际情况。实际上用户会根据电价差的多少进行选择性或部分响应,电价差越大,负荷转移所带来的经济效益越高,用户的响应量越多,传统方法并不能反映这种规律。并且在实际的居民用户响应电价的过程中,其响应量具有一定的不确定性,相同的电价政策下不同居民用户的负荷转移率存在差异,传统方法也没有考虑这种差异性。
技术实现要素:
本发明为克服上述现有技术中存在的不足之处,提供一种考虑响应不确定性下负荷转移率约束的居民家电优化调度方法,以期能够正确反映市场电价对居民用电的影响程度,使优化结果更符合居民用户的实际用电行为,从而提高居民用户对家电优化结果的认可度,提升用户参与率,减少用电费用。
为了达到上述目的,本发明所采用的技术方案为:
本发明一种考虑响应不确定性下负荷转移率约束的居民家电优化调度方法的特点是按如下步骤进行:
步骤一、对家电设备进行分类并建立其用电优化模型:
步骤1.1、将第i个家电设备在d个时间段的总运行状态记为si=[si(1),si(2),…,si(t),…,si(d)],其中si(t)表示第i个家电设备在第t个时间段的运行状态,若si(t)=1,表示第i个家电设备在第t个时间段正在运行;若si(t)=0,表示第i个家电设备在第t个时间段未运行;t=1,2,…,d;i=1,2,…,n;n表示家电设备的总数;
步骤1.2、根据家电设备的运行过程中是否允许中断,将家电设备分为不可中断转移负荷和可中断转移负荷;并利用式(1)和式(2)建立不可中断转移负荷的运行约束条件:
ti,early≤ti,start≤ti,late-ti,length(2)
式(1)和式(2)中:ti,start为第i个家电设备的开始运行时刻;ti,length为第i个家电设备的总运行时长;ti,early、ti,late分别为第i个家电设备的最早开始运行时刻和最晚结束运行时刻;
步骤1.3、利用式(3)和式(4)建立可中断转移负荷运行约束条件:
步骤1.4、利用式(5)建立居民家电优化的目标函数:
式(5)表示在d个时间段家电负荷总的用电费用最小,式(5)中,p(t)为第t个时间段的电价;
步骤二、根据分时电价建立负荷各时段转移率约束条件:
步骤2.1、利用式(6)得到峰谷时段间的负荷转移率γfg、峰平时段间的负荷转移率γfp和平谷时段间的负荷转移率γpg:
式(6)中,kfg为峰谷的比例系数、kfp为峰平的比例系数、kpg为平谷的比例系数;pf为峰时段tf的电价、pp为平时段tp的电价,pg为谷时段tg的电价;
步骤2.2、利用式(7)所示的三角模糊函数来表示居民负荷转移率的不确定程度:
式(7)中:
步骤2.3、利用式(8)建立家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的约束条件:
式(8)中:
步骤2.4、利用式(9)建立家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的机会约束:
式(9)中:cr{·}表示式(8)所示的约束条件成立的概率;α为给定的置信水平;
步骤2.5、利用式(10)得到家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的确定性约束:
由式(1)、式(2)、式(3)、式(4)和式(10)所示的约束条件和式(5)所示的目标函数共同构成居民家电优化调度模型;
步骤三、采用遗传算法对居民家电优化调度模型进行求解:
步骤3.1、设置遗传算法参数,包括:种群数m,交叉概率pc,变异概率pm,最大迭代次数k;
设置居民家电设备数据,包括:不可中断家电负荷数家电数n1,可中断家电负荷数家电数n2,总家电数n=n1+n2,家电设备开始运行时刻ti,start,家电设备总运行时长ti,length,家电设备最早开始运行时刻ti,early,家电设备最晚结束运行时刻ti,late,家电设备运行功率qi,单个时间段耗电量qi;
设置分时电价数据,包括:峰时段tf,平时段tp,谷时段tg,峰时段的电价pf,平时段的电价pp,谷时段的电价pg,三个负荷转移系数kfg、kfp和kpg,两个负荷转移率的模糊参数a1和a2,机会约束置信度α;
步骤3.2、根据分时电价数据生成电价向量p=[p(1),p(2),…,p(t),…,p(d)],其中,p(t)为第t个时间段的电价;
步骤3.3、种群初始化:
步骤3.3.1、令当前迭代次数d=0,设第d次迭代的种群
步骤3.3.2、令m=1;
步骤3.3.3、对于第i个不可中断负荷,且i∈[1,n1],在区间[ti,early,ti,late-ti,length]内随机生成第i个家电设备的开始运行时刻ti,start;当t∈[ti,start,ti,start+ti,length-1]时,令
对于第i个可中断负荷,且i∈[n1+1,n],在区间[ti,early,ti,late]内随机生成ti,length个第i个家电设备的工作时刻,且在随机生成的工作时刻,令
步骤3.3.4、判断m=m是否成立,若成立,执行步骤3.4;否则,令m+1赋值给m,返回步骤3.3.3;
步骤3.4、计算所有个体的适应度值
步骤3.4.1、令m=1;
步骤3.4.2、利用式(11)得到第m个个体
设置惩罚系数k,并采用罚函数法分别对家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的确定性约束进行判断,若家电负荷满足在峰时段tf的确定性约束,则不对
步骤3.4.3、判断m=m是否成立,若成立,执行步骤3.5;否则,令m+1赋值给m,并返回步骤3.4.2;
步骤3.5、选择操作,采用轮盘赌法选择个体并生成第d+1次迭代的种群
步骤3.5.1、计算第d次迭代的种群中第m个个体
步骤3.5.2、令m=1;
步骤3.5.3、在[0,1]区间内生成随机数r1,若
步骤3.5.4、判断m=m是否成立,若成立,执行步骤3.6;否则,令m+1赋值给m,返回步骤3.5.3;
步骤3.6、交叉操作:
步骤3.6.1、令m=1;
步骤3.6.2、在[0,1]区间内生成随机数r2,若r2>pc,则第m个个体
在n个家电设备中随机选择第i个家电设备,将第m个个体
步骤3.6.3、判断m=m是否成立,若成立,执行步骤3.7;否则,令m+2赋值给m,并返回步骤3.6.2;
步骤3.7、变异操作:
步骤3.7.1、令m=1;
步骤3.7.2、在[0,1]区间内生成随机数r3,若r3>pm,第m个个体
在n个家电设备中随机选择第i个用电设备,如果i∈[1,n1],则为不可中断负荷,并按照步骤3.3.3的种群初始化方法重新生成第d+1次迭代的种群ad+1中第m个个体
步骤3.7.3、判断m=m是否成立,若成立,执行步骤3.8;否则,令m+1赋值给m,并返回步骤3.7.2;
步骤3.8、判断d=k是否成立,若成立,则从第d次迭代的种群
与已有技术相比,本发明的有益效果体现在:
1、本发明考虑了具体的分时电价对居民用户响应程度的影响,提出了居民家电优化调度的转移率约束条件,使优化结果更符合居民用户的实际用电行为,并能有效反映电价对居民负荷响应的影响。
2、本发明考虑了用户响应的不确定性,采用了模糊机会约束方法,能够反映不同居民用户的需求响应差异,通过给定的置信水平来表示决策者对负荷响应量的预估程度,从而在实际应用中给决策者提供更多的选择。
3、本发明针对居民家电可中断负荷和不可中断负荷的运行特性差异,对遗传算法种群初始化、交叉操作、变异操作等步骤进行了改进,保证了算法计算过程中种群始终满足家电设备的运行时间段和运行时长约束,避免了使用常规的罚函数法处理家电负荷的运行约束条件,使算法具有更好的收敛性能,从而可以使更多的家电同时参与优化调度,并迅速得到调度结果,减少决策所需时间。
附图说明
图1为本发明方法流程示意图。
具体实施方式
本实施例中,如图1所示,一种考虑响应不确定性下负荷转移率约束的居民家电优化调度方法的主要步骤包括:计及家电的工作时间约束,以居民用电费用最小为优化目标,建立了居民用电优化模型;计及电价对居民用户响应的影响,考虑用户响应的不确定性,基于模糊机会约束理论提出了家电优化调度的转移率约束条件;运用改进的遗传算法对所建立的家电优化模型进行求解,从而能有效减少居民用电费用并反映电价对居民负荷响应的影响。具体的说,是按如下步骤进行:
步骤一、对家电设备进行分类并建立其用电优化模型:
步骤1.1、将第i个家电设备在d个时间段的总运行状态记为si=[si(1),si(2),…,si(t),…,si(d)],其中si(t)表示第i个家电设备在第t个时间段的运行状态,若si(t)=1,表示第i个家电设备在第t个时间段正在运行;若si(t)=0,表示第i个家电设备在第t个时间段未运行;t=1,2,…,d;i=1,2,…,n;n表示家电设备的总数;
步骤1.2、根据家电设备的运行过程中是否允许中断,将家电设备分为不可中断转移负荷和可中断转移负荷;并利用式(1)和式(2)建立不可中断转移负荷的运行约束条件:
ti,early≤ti,start≤ti,late-ti,length(2)
式(1)和式(2)中:ti,start为第i个家电设备的开始运行时刻;ti,length为第i个家电设备的总运行时长;ti,early、ti,late分别为第i个家电设备的最早开始运行时刻和最晚结束运行时刻;
步骤1.3、利用式(3)和式(4)建立可中断转移负荷运行约束条件:
步骤1.4、利用式(5)建立居民家电优化的目标函数:
式(5)表示在d个时间段家电负荷总的用电费用最小,式(5)中,p(t)为第t个时间段的电价;
居民家电的优化是电力市场环境下用户根据电价的变化调整家电的使用时间段,将高电价时段的家电任务转移至低电价时段完成,以达到节省电费的目的。
步骤二、根据分时电价建立负荷各时段转移率约束条件:
用户家电负荷转移的多少受具体电价的影响,根据消费者心理学,电价差越大,负荷转移所带来的经济效益越高,用户的响应量越多。
步骤2.1、利用式(6)得到峰谷时段间的负荷转移率γfg、峰平时段间的负荷转移率γfp和平谷时段间的负荷转移率γpg:
式(6)中,kfg为峰谷的比例系数、kfp为峰平的比例系数、kpg为平谷的比例系数;pf为峰时段tf的电价、pp为平时段tp的电价,pg为谷时段tg的电价;
步骤2.2、利用式(7)所示的三角模糊函数来表示居民负荷转移率的不确定程度:
受居民自身的经济条件等因素影响,相同的电价政策下不同居民用户的负荷转移率存在差异,采用模糊理论表示这种不确定性。
式(7)中:
步骤2.3、利用式(8)建立家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的约束条件:
式(8)中:
步骤2.4、利用式(9)建立家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的机会约束:
式(9)中:cr{·}表示式(8)所示的约束条件成立的概率;α为给定的置信水平;
步骤2.5、利用式(10)得到家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的确定性约束:
由式(1)、式(2)、式(3)、式(4)和式(10)所示的约束条件和式(5)所示的目标函数共同构成居民家电优化调度模型;
步骤三、如图1所示,采用遗传算法对居民家电优化调度模型进行求解:
步骤3.1、设置遗传算法参数,包括:种群数m,交叉概率pc,变异概率pm,最大迭代次数k;
设置居民家电设备数据,包括:不可中断家电负荷数家电数n1,可中断家电负荷数家电数n2,总家电数n=n1+n2,家电设备开始运行时刻ti,start,家电设备总运行时长ti,length,家电设备最早开始运行时刻ti,early,家电设备最晚结束运行时刻ti,late,家电设备运行功率qi,单个时间段耗电量qi;
设置分时电价数据,包括:峰时段tf,平时段tp,谷时段tg,峰时段的电价pf,平时段的电价pp,谷时段的电价pg,三个负荷转移系数kfg、kfp和kpg,两个负荷转移率的模糊参数a1和a2,机会约束置信度α;
步骤3.2、根据分时电价数据生成电价向量p=[p(1),p(2),…,p(t),…,p(d)],其中,p(t)为第t个时间段的电价;
步骤3.3、种群初始化:
传统遗传算法的初始种群编码都是完全随机生成的,很难满足家电的运行时间段和运行时长约束条件,不易得到可行解,本方法在初始化种群是就考虑了家电的运行约束条件,使算法拥有更好的收敛性能。
步骤3.3.1、令当前迭代次数d=0,设第d次迭代的种群
步骤3.3.2、令m=1;
步骤3.3.3、对于第i个不可中断负荷,且i∈[1,n1],在区间[ti,early,ti,late-ti,length]内随机生成第i个家电设备的开始运行时刻ti,start;当t∈[ti,start,ti,start+ti,length-1]时,令
对于第i个可中断负荷,且i∈[n1+1,n],在区间[ti,early,ti,late]内随机生成ti,length个第i个家电设备的工作时刻,且在随机生成的工作时刻,令
步骤3.3.4、判断m=m是否成立,若成立,执行步骤3.4;否则,令m+1赋值给m,返回步骤3.3.3;
步骤3.4、计算所有个体的适应度值
步骤3.4.1、令m=1;
步骤3.4.2、利用式(11)得到第m个个体
设置惩罚系数k,并采用罚函数法分别对家电负荷分别在峰时段tf、平时段tp和谷时段tg的转移率的确定性约束进行判断,若家电负荷满足在峰时段tf的确定性约束,则不对
步骤3.4.3、判断m=m是否成立,若成立,执行步骤3.5;否则,令m+1赋值给m,并返回步骤3.4.2;
步骤3.5、选择操作,采用轮盘赌法选择个体并生成第d+1次迭代的种群
步骤3.5.1、计算第d次迭代的种群中第m个个体
步骤3.5.2、令m=1;
步骤3.5.3、在[0,1]区间内生成随机数r1,若
步骤3.5.4、判断m=m是否成立,若成立,执行步骤3.6;否则,令m+1赋值给m,返回步骤3.5.3;
步骤3.6、交叉操作:
种群的交叉、变异操作也不同于传统算法对于交叉点、变异点的随机选择,考虑了家电的运行特性,使种群在计算进化的过程中始终满足运行约束条件。
步骤3.6.1、令m=1;
步骤3.6.2、在[0,1]区间内生成随机数r2,若r2>pc,则第m个个体
在n个家电设备中随机选择第i个家电设备,将第m个个体
步骤3.6.3、判断m=m是否成立,若成立,执行步骤3.7;否则,令m+2赋值给m,并返回步骤3.6.2;
步骤3.7、变异操作:
步骤3.7.1、令m=1;
步骤3.7.2、在[0,1]区间内生成随机数r3,若r3>pm,第m个个体
在n个家电设备中随机选择第i个用电设备,如果i∈[1,n1],则为不可中断负荷,并按照步骤3.3.3的种群初始化方法重新生成第d+1次迭代的种群ad+1中第m个个体
步骤3.7.3、判断m=m是否成立,若成立,执行步骤3.8;否则,令m+1赋值给m,并返回步骤3.7.2;
步骤3.8、判断d=k是否成立,若成立,则从第d次迭代的种群