一种智能电网能量优化控制方法及系统与流程

本发明涉及智能电网能量优化技术领域，尤其涉及一种智能电网能量优化控制方法及系统。

背景技术：

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在电力系统中，用户的电力需求是一个至关重要的参数。能源供应商面临的第一个挑战是有效满足消费者的峰值电力需求，将峰值平均功率比保持在最低水平。

由于技术进步，间歇性的天气条件和快速变化的生活方式迫使消费者使用更多的电力。由于某些限制，包括发电成本和其他资源的不可用性，能源供应商无法持续增加发电量，从而满足每个消费者不断增长的需求，对能源供应商来说是一项具有挑战性的任务。

消费者的电力需求可以通过需求侧管理(dsm)方案进行控制，在需求侧管理中，消费者通过设计需求侧管理方案并在消费者方实施来管理其能源消耗。需求侧管理在能源消耗中起着重要作用。它可以根据电力公司提供的电价调整用户场所内的电力需求，这有助于供应商管理高峰时段的负荷，并使电力系统稳定。需求侧管理系统通常在用户端使用，以满足电力需求，而无需安装在额外的发电厂端。需求侧管理系统缩小了高峰时段的高峰需求和产生的可用电能之间的差距。高峰时段能耗的增加会产生严重的电涌，对电网站产生不利影响，进而使电力系统不稳定。因此，通过减少高峰时段的需求，高峰时段的总能耗将会降低。通过将灵活负载从高峰时段转移到非高峰时段来重塑需求曲线，从而降低需求，这反过来又有助于提高电力系统的稳定性、可靠性和效率。

但是，现有的需求侧管理方案往往仅考虑某一个单一的管理目标，当需要扩展目标域时，将多个单一目标的需求侧管理方案进行并行操作，这样不仅成本更高，而且操作变得更加复杂。

技术实现要素：

为了解决上述问题，本发明提出了一种智能电网能量优化控制方法及系统，将多个性能指标共同考虑在需求侧管理模型中，考虑影响需求侧管理效率的各种因素和参数，能够实现智能电网能量管理的多目标优化。

在一些实施方式中，采用如下技术方案：

一种智能电网能量优化控制方法，包括：

获取设定区域内的电价信息、二氧化碳排放关税、用户数量、时隙总数、电器设备数量以及每种电器的功耗信息；

基于上述信息，以电力成本和温室气体排放惩罚成本中的至少一项最小为目标，建立智能电网能量优化控制模型；

所述智能电网能量优化控制模型根据实际需要，能够将电器操作时间约束、电器运行连续性约束、考虑减载系数约束以及削峰约束中的至少一项作为约束条件；

对所述智能电网能量优化控制模型进行求解，得到最优的智能电网能量控制方案，进行智能电网能量控制。

其中，智能电网能量优化控制模型具体为：

其中，分别表示电力成本函数和co2排放成本函数，表示k用户在时间t选择第n类消费者的a设备的决策变量，的取值与将减载系统、人机交互因子向量、削峰限制系数、设备连续运行时间及消费者偏好系数的取值相关；k为用户的总数，n为负载类型，t为总的时隙数，an表示第n种负荷类型的设备组；total表示消耗的能源总成本；α1表示的是一个选择参数，用于选择的操作和优先级设置。

智能电网能量优化控制模型的约束条件包括：电器操作时间约束、电器运行连续性约束、考虑减载系数约束以及削峰约束。

在另一些实施方式中，采用如下技术方案：

一种智能电网能量优化控制系统，包括：

数据获取模块，用于获取设定区域内的电价信息、二氧化碳排放关税、用户数量、时隙总数、电器设备数量以及每种电器的功耗信息；

模型构建模块，用于基于上述信息，以电力成本和温室气体排放惩罚成本中的至少一项最小为目标，建立智能电网能量优化控制模型；

所述智能电网能量优化控制模型根据实际需要，能够将电器操作时间约束、电器运行连续性约束、考虑减载系数约束以及削峰约束中的至少一项作为约束条件；

模型求解模块，用于对所述智能电网能量优化控制模型进行求解，得到最优的智能电网能量控制方案，进行智能电网能量控制。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的智能电网能量优化控制方法。

在另一些实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的智能电网能量优化控制方法。

与现有技术相比，本发明的有益效果是：

(1)本发明考虑了影响需求侧管理效率的各种因素和参数，将多个性能指标共同考虑在一个需求侧管理模型中，根据实际需求选择相应的输入参数，相比于将单目标模型进行并行操作，能够简化计算过程，节约成本。

(2)本发明还考虑了影响电力系统稳定性的用户需求曲线分布，从电力稳定性角度，确保整体能源需求不超过安全极限。

本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。

附图说明

图1是本发明实施例中智能电网能量优化控制方法流程图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

在一个或多个实施方式中，公开了一种智能电网能量优化控制方法，参照图1，包括如下过程：

(1)获取设定区域内的电价信息、二氧化碳排放关税、用户数量、时隙总数、电器设备数量以及每种电器的功耗信息；

(2)基于上述信息，以电力成本和温室气体排放惩罚成本中的至少一项最小为目标，建立智能电网能量优化控制模型；其中，所述智能电网能量优化控制模型能够将电器操作时间约束、电器运行连续性约束、考虑减载系数约束以及削峰约束中的至少一项作为约束条件；

(3)对所述智能电网能量优化控制模型进行求解，得到最优的智能电网能量控制方案，进行智能电网能量控制。

具体地，本实施例考虑了一个有许多房屋的住宅区。每栋房子都有不同类型的负荷(可移动、季节性和基本负荷)。住宅区提供电价价格、二氧化碳排放惩罚关税、电力供应的可用性、甩负荷的持续性和每日最大需求。有些家用电器需要人的存在才能运行，例如洗衣机、熨斗和洗碗机。因此，也假定给定设备的操作者的人的存在。以统一的方式安排住宅区的家用电器，来共同获得最低的电力成本、低峰值平均功率比、更少的温室气体排放以及平坦的需求负载曲线，从而稳定住宅区的电力系统。此外，在实现上述目标时，需要满足某些限制，这些限制包括考虑消费者的偏好、峰值削波、电器优先级和消费者喜好等。

表1对本实施例涉及到的参数含义进行了说明。

表1参数含义说明

设k为住宅小区内每户n类负荷的消费者总数。每种负载类型包括an套能源配置，用描述，减载系数ls和人机交互因子向量hif分别用l^t和代表，调度时间分为t个时隙，电器运行持续时间和启动时间分别用和表示；

成本是需求侧管理目标中重要的目标函数之一。一旦电力成本最小化，那么峰值与平均功率比也将减少，这将导致消费者需求曲线变平。除此之外，电力成本的降低也降低了高峰时段的需求，这反过来又减少了配电线路中的高电流，并降低了输电/配电损耗。

因此，本实施例中，有两个目标函数：电力成本最小和温室气体排放惩罚成本最小；

电力成本可以通过将所有消费者消耗的总能量乘以供应商提供的电价来计算。向消费者提供两种关税，即能源费用和二氧化碳排放费用。两种费用的成本函数计算如下：

在具体的能量优化控制过程中，可以根据实际需要，比如住宅区的地理性质和政府政策等，选择至少一个作为优化目标。

在使用智能电网能量优化控制模型进行计算之前，我们需要预先获取以下参数：总持续时间、设定区域内的电价信息、二氧化碳排放关税、用户数量、时隙总数、电器设备数量、每种电器的功耗信息、电器使用的有限时间范围，与时间相关的价格费率、温室气体排放惩罚以及负载曲线等数据。

另外，还可以根据实际需要，将减载系统、人机交互因子向量、削峰限制系数、设备连续运行时间及消费者偏好系数中的至少一项作为智能电网能量优化控制模型的选择输入参数；可以根据不同的需求侧管理策略，选择不同的输入参数。

假设在“高峰”时段进行需求侧管理，并采用分时电价。每个小时都被分成若干时间段。以分钟为单位的时间段的持续时间用γi表示。一小时内的时间段数可以计算如下：

γh＝60/γi(1)

时隙总数t等于每小时时隙数与总小时数的乘积；即t＝hγit∈{1,2,…t}代表一个时间段，类似的，对第k个顾客h小时内每种类型负载的每个电器的人机交互因子向量，可以转换成每个时隙的测试值，用下式表示：

减载系数也转换为每个时隙的t值，如(3)式所示：

类似地，消费者根据自己意愿操作特定电器的意愿也用每个时隙的t值表示，由(4)式给出:

我们有多种类型的家用电器，它们具有不同的功率。功率特性表示为：

其中a∈an,，表示第k个顾客在第t个时间间隙里n型负荷第a个家电的功率能耗。如果第k个用户的n型负荷第a个设备每小时的功耗为那么设备a的第t个时隙的能量消耗由下式表示：

在功率曲线计算中，必须知道设备的额定功率及其运行持续时间。为了更好地解释这个概念，我们以四个电器为例，即洗衣机，烘干机，洗碗机，电动车。让洗衣机运行30分钟，烘干机运行10分钟，洗碗机运行18分钟，电动车运行60分钟。工作时间用时隙数来表示。如果一个时隙的跨度为5分钟，那么，对于洗衣机，运行时间为6个时隙，对于烘干机，运行时间为2个时隙，对于洗碗机，运行时间为4个时隙，而对于电动车，运行时间为12个时隙。

一般来说，第n种类型的第k消费者的第a个设备的时隙数量的操作时间由表示，符合给定设备在t个时隙内的操作的数学模型是：

其中，是消费者k的第t时隙开启n型第a设备的决策变量。

另一个需要理解的非常重要的概念是特定器具的连续操作。例如：如果洗衣机开始运行，那么它将持续运行直到分配的最后时隙。为了确保特定设备在所需的时间段内持续运行，我们制定了以下约束条件：

其中，是第k个用户n类型的第a设备的启动时间。

用户档案由不同类型的负荷组成，一些负荷应在其他负荷之前得到服务/运行。比如衣服没洗完不能操作烘干机，因此，我们将这些类型的载荷分为不同的组，用βi表示，其中i＝{1,2,3…i}。

本实施例提出的优化模型是一个统一框架，在这个框架中，可以在消费者和供应商双方施加的各种限制下实现多个性能指标。除了性能指标之外，建立的统一模型还可以选择打开和关闭相关的约束。为了选择期望的结果以及相关约束，我们使用了表2中所示的某些选择参数。管理员有权选择所需的目标和约束。目标和约束的选择取决于住宅区的地理性质和政府政策。例如，在电力短缺的地区，减载系数将被选择。选择的其中一个参数是α1∈[0，1]，用于操作的选择和优先级设置；它的范围是[0，1],如果等于α1＝0，那么模型仅仅考虑二氧化碳的排放成本，其他不考虑，如果α1等于0-1中的某个值，例如0.5，就意味着模型可以考虑其他各种因素的影响了。

另外，许多家用电器不能频繁开关。例如，如果洗碗机在其工作时间结束之前打开/关闭，它可能会缩短其寿命，并可能影响其效率。电器的这种性质被建模为式(7)中给出的连续性约束。我们用α5来决定是否保证设备连续运行。类似地，对于消费者喜好、削峰、人机交互因素和减载，我们分别使用选择参数α6、α4、α3和α2。

我们可以通过下面的等式总结出来：

α2、α3和α6分别代表减载、人机交互因数和消费者喜好的选择参数。为了使优化模型具有成本效益并确保电力系统的可靠性，每个用户的总能耗不应超过给定的阈值。阈值限制可以由公用事业公司或消费者设置。基于气象数据和发电机组类型，公用事业公司以及消费者可以预测消费者的最大能量需求。

在每个时隙设置一个阈值γ^k,t，削峰约束条件如下所示：

其中α4是选择削峰选项与否的选择参数。峰值限值应满足：

表2列出了模型中用于选择不同约束条件的选择变量值。

表2各种性能的矩阵选择变量αi∈[0,1]

为了更好地理解表2，我们在表3中显示了一些随机情况。该表给出了三种不同的情景，即简化需求侧管理、适度需求侧管理和统一需求侧管理。

在简化的需求侧管理中，所有约束都是关闭的(因为所有选择参数都分配有零值)，目标函数是降低排放成本。适度需求侧管理代表目标函数仍然是减排成本的模型，而选择的约束条件是家电优先约束、家电连续运行约束。而在统一的需求侧管理中，目标函数是电力成本，所有相关的约束条件都是通过α1、α2、α3、α4、α5、α6，指定其中一个来选择的。

表3选择参数的详细说明

为了使最终电力总成本达到最小，按照下式计算：

可以考虑的约束条件包括：

电器操作时间约束：

电器运行连续性约束：

考虑减载系数约束：

削峰约束：

其中，与α2、α3、α4、α5、α6的取值有关系，具体的关系如表3所示，下面分3种情况进行说明：

第1种情况：简化的需求侧优化模式

α1＝0，此时

α2＝α3＝α4＝α5＝α6＝0，这种控制最简单；此时，如果确保整个时间间隔内的设备运行，则：

第2种情况：适度需求侧优化模式

α1＝0.5，此时

但是，α2＝α4＝α6＝1；α3＝α5＝0；则选择减载和消费者偏好约束，以及选择削峰约束；此时，

第3种情况：统一需求侧优化模式

这种模式下，考虑的因素最全面，即α1＝α2＝α3＝α4＝α5＝α6＝1

由于α1＝1，因此，选择能耗电价，

此时，包括以下情况：

①如果确保某个时间间隔内的设备运行，

②由于α5＝1，选择连续操作约束，

③由于α2＝α4＝α6＝1，因此选择减载和消费者偏好以及削峰约束约束，

最后求得总的代入公式求解即可。

在收集所需要的输入参数后，利用整数线性可编程求解器获得参数给定的一组电器需要的最小化电力成本。

实施例二

在一个或多个实施方式中，公开了一种智能电网能量优化控制系统，包括：

数据获取模块，用于获取设定区域内的电价信息、二氧化碳排放关税、用户数量、时隙总数、电器设备数量以及每种电器的功耗信息；

模型构建模块，用于基于上述信息，以电力成本和温室气体排放惩罚成本中的至少一项最小为目标，建立智能电网能量优化控制模型；

所述智能电网能量优化控制模型根据实际需要，能够将电器操作时间约束、电器运行连续性约束、考虑减载系数约束以及削峰约束中的至少一项作为约束条件；

模型求解模块，用于对所述智能电网能量优化控制模型进行求解，得到最优的智能电网能量控制方案，进行智能电网能量控制。

需要说明的是，上述各模块的具体实现方式采用实施例一中公开的方法实现，不再赘述。

实施例三

在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的智能电网能量优化控制方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元cpu，处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic，现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例一中的智能电网能量优化控制方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

实施例四

在一个或多个实施方式中，公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并实施例一中所述的智能电网能量优化控制方法。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。