一种家庭能量管理系统的优化方法及装置的制造方法
【专利摘要】本发明公开了一种家庭能量管理系统的优化方法及装置，所述方法包括：根据家庭负荷的使用方式对家庭负荷进行分类，得到每个家庭负荷的类型；并根据气象数据和家庭负荷用电的历史数据，预测光伏用电量；根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得到费用最小的经济性优化模型和碳排放量最小的环保性优化模型；其中，所述优化模型为每个家庭负荷在每个时段的工作状态。本发明通过对气象数据和家庭负荷用电的历史数据预测用户的光伏用电量，结合了新能源发电和用户的用能需求之间的关系；同时结合实时电价数据得到经济性优化模型和环保性优化模型，使得所有负荷的工作状态能够最大化地实现经济用电或环保用电的目的。
【专利说明】
一种家庭能量管理系统的优化方法及装置
技术领域
[0001] 本发明涉及智能电网技术领域，具体涉及一种家庭能量管理系统的优化方法及装 置。
【背景技术】
[0002] 目前世界范围内电网的发展方向是建设灵活、清洁、安全、经济、友好的智能电网。 坚强智能电网是包括发电、输电、变电、配电、用电、调度等各个环节的有机整体，是一个完 整的智能电力系统。家庭用户作为整个系统的最末端，利用先进的测量技术、通信技术、自 动控制技术、新能源技术与智能优化决策技术组成了智能家庭能量管理系统。
[0003] 随着技术的进步，智能家庭中有越来越多的负荷参与到能量系统的调度管理中 来。当一条线路上有多个负荷参与优化调度时，有可能产生这些负荷同时工作的优化结果。 这种结果可造成该条线路过负荷，导致家庭空气断路器跳闸保护，对于用户的正常用电造 成了不便，若空气断路器因故没能断开则将对家庭安全造成威胁。家庭能量管理系统也失 去了其能量管理的意义。随着家庭中新能源发电的加入、电网中实时电价的推行以及用户 的用能需求可调，用户若要通过自己进行能量管理实现自身利益最大化，将是一件复杂的 事情。智能家庭能量管理系统中的智能优化决策技术，作为系统的核心，将家庭的用能行为 进行优化，由系统来自动控制负荷运行，极大地方便了用户的智能用电。
[0004] 但目前的家庭能量管理系统仍然无法很好地结合新能源发电、实时电价和用户的 用能需求之间的关系，安排所有负荷的工作状态，最大化地实现经济用电或环保用电的目 的。
【发明内容】
[0005] 由于目前的家庭能量管理系统仍然无法很好地结合新能源发电、实时电价和用户 的用能需求之间的关系，安排所有负荷的工作状态，最大化地实现经济用电或环保用电的 目的的问题，本发明提出一种家庭能量管理系统的优化方法及装置。
[0006] 第一方面，本发明提出一种家庭能量管理系统的优化方法，包括：
[0007] 根据家庭负荷的使用方式对家庭负荷进行分类，得到每个家庭负荷的类型；并根 据气象数据和家庭负荷用电的历史数据，预测光伏用电量；
[0008] 根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得到费用最小的 经济性优化模型和碳排放量最小的环保性优化模型；
[0009] 其中，所述优化模型为每个家庭负荷在每个时段的工作状态。
[0010] 优选地，所述根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得 到费用最小的经济性优化模型和碳排放量最小的环保性优化模型，进一步包括：
[0011]采用改进的遗传算法，得到费用最小的经济性优化模型和碳排放最小的环保性优 化模型；
[0012]其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。
[0013] 优选地，所述根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得 到费用最小的经济性优化模型和碳排放量最小的环保性优化模型之后，还包括：
[0014] 根据用户选择指令，选择所述经济性优化模型或所述环保性优化模型进行家庭能 量管理。
[0015] 优选地，所述经济性优化模型如下公式一：
[0016] λ 公式一
[0017]
[0018] 会式二
[0019] C2(t)=G(t)XPG 公式三
[0020] 其中，Cost为用户一天的总费用;&(〇为用户与电网买卖电结算总费用;C2(t)为 国家对光伏发电的补贴;Pb(t)为实时电价中的买电价格;P s(t)为实时电价中的卖电价格;P (t)为家庭与电网的交互电量，P(t)>0时表示家庭从电网买电，P(t)〈0时表示家庭向电网卖 电；T为一个时段的长度，T=lh，将一天分成了 24个时段，t为1到24的整数;G(t)为预测的光 伏发电量;Pc为国家对光伏发电的全电量补贴价格。
[0021] 优诜他·所怵钚俣丨Φ优仆摁型加下公式四： C 〇〇22]
公式四
[0023]其中，F为一天购电所产生的碳排放量;δ为火力发一度电产生的碳排放量;P(t)为 从电网购买电量；Ω为P(t)>0的时段集合;T为一个时段的长度，T = lh，将一天分成了24个 时段，t为1到24的整数。
[0024]第二方面，本发明还提出一种家庭能量管理系统的优化装置，包括：
[0025] 负荷分类及光伏预测模块，用于根据家庭负荷的使用方式对家庭负荷进行分类， 得到每个家庭负荷的类型;并根据气象数据和家庭负荷用电的历史数据，预测光伏用电量；
[0026] 模型获取模块，用于根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类 型，得到费用最小的经济性优化模型和碳排放量最小的环保性优化模型；
[0027] 其中，所述优化模型为每个家庭负荷在每个时段的工作状态。
[0028] 优选地，所述模型获取模块进一步采用改进的遗传算法，得到费用最小的经济性 优化模型和碳排放最小的环保性优化模型；
[0029] 其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。
[0030] 优选地，还包括：
[0031] 模型确定模块，用于根据用户选择指令，选择所述经济性优化模型或所述环保性 优化模型进行家庭能量管理。
[0032] 优选地，所述经济性优化模型如下公式一：
[0033] 公式-
[0034]兵十S 广，?/^(〇χ/)(々Γ; /)(，）>0
[0035] 1 ^ P(J)XT- P(t)<〇 公式二
[0036] C2(t)=G(t)XPG 公式三
[0037] 其中，Cost为用户一天的总费用;&(〇为用户与电网买卖电结算总费用;C2(t)为 国家对光伏发电的补贴;Pb(t)为实时电价中的买电价格;P s(t)为实时电价中的卖电价格;P (t)为家庭与电网的交互电量，P(t)>0时表示家庭从电网买电，P(t)〈0时表示家庭向电网卖 电；T为一个时段的长度，T=lh，将一天分成了 24个时段，t为1到24的整数;G(t)为预测的光 伏发电量;Pc为国家对光伏发电的全电量补贴价格。
[0038] 优选地，所述环保性优化模型如下公式四：
C 〇〇39] 公式四
[0040] 兵干，h 73-大购电所广王的碳排放量；δ为火力发一度电产生的碳排放量;P (t)为 从电网购买电量；Ω为P(t)>0的时段集合;T为一个时段的长度，T = lh，将一天分成了24个 时段，t为1到24的整数。
[0041] 由上述技术方案可知，通过对气象数据和家庭负荷用电的历史数据预测用户的光 伏用电量，结合了新能源发电和用户的用能需求之间的关系；同时结合实时电价数据得到 经济性优化模型和环保性优化模型，使得所有负荷的工作状态能够最大化地实现经济用电 或环保用电的目的。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些图获得其他的附图。
[0043]图1为本发明一实施例提供的一种家庭能量管理系统的优化方法的流程示意图；
[0044] 图2为本发明一实施例提供的一种家庭用电的线路示意图；
[0045] 图3为本发明一实施例提供的另一种家庭能量管理系统的优化方法的流程示意 图；
[0046] 图4为本发明一实施例提供的遗传算法的流程示意图；
[0047] 图5为本发明一实施例提供的优化后各条线路负载率的示意图；
[0048]图6为本发明一实施例提供的一种家庭能量管理系统的优化装置的结构示意图。
【具体实施方式】
[0049] 下面结合附图，对发明的【具体实施方式】作进一步描述。以下实施例仅用于更加清 楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0050] 图1示出了本发明一实施例提供的一种家庭能量管理系统的优化方法的流程示意 图，包括：
[0051] Sl、根据家庭负荷的使用方式对家庭负荷进行分类，得到每个家庭负荷的类型;并 根据气象数据和家庭负荷用电的历史数据，预测光伏用电量；
[0052] 家庭能量管理系统的调度对象主要为家庭中的各类负荷。建立负荷模型需要对负 荷进行分类，家庭中的负荷总体上分为不可调度负荷和可调度负荷。不可调度负荷即必须 运行负荷比如冰箱、照明等负荷，其使用状态影响着用户用电的方便性，所以此类负荷不参 与调度，仅作为调度的基础。可调度负荷又分为了可中断负荷、不可中断负荷和温控负荷。 可中断负荷比如电风扇等负荷，其运行过程可中断。不可中断负荷比如洗衣机等负荷，其运 行特性不允许中断。温控负荷比如热水器和空调，其工作状态主要由所控制的水温或者室 温决定。当温度满足要求时，温控负荷可不工作；当温度不满足要求时，温控负荷就需要工 作。这种分类方式对家庭中的负荷考虑的更加全面，对负荷的管理更加细化。
[0053] S2、根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得到费用最 小的经济性优化模型和碳排放量最小的环保性优化模型；
[0054]其中，所述优化模型为每个家庭负荷在每个时段的工作状态。
[0055] 本实施例采用日前计划调度的能量管理方式，把一天分为了若干个时段，在对第 二天的光伏发电量、负荷用电量进行预测后，结合电价信息与用户设置对负荷进行优化调 度，把负荷的运行安排在合适的时间段内，以达到用户的用电要求，实现家庭能量管理系统 的智能优化决策功能。智能优化决策通过采用数学优化算法或者生物进化算法对所建立的 优化模型进行求解得出用户的最优用能计划。优化模型的目标根据用户的意愿大致分为： 用能费用最小化、满意度最大化、舒适度最大化、环保最优化这几个目标。可针对其中一个 目标或者多个模型进行建模，对用户的用能进行优化。
[0056] 本实施例通过对气象数据和家庭负荷用电的历史数据预测用户的光伏用电量，结 合了新能源发电和用户的用能需求之间的关系；同时结合实时电价数据得到经济性优化模 型和环保性优化模型，使得所有负荷的工作状态能够最大化地实现经济用电或环保用电的 目的。
[0057] 作为本实施例的可选方案，S2进一步包括：
[0058] S21、采用改进的遗传算法，得到费用最小的经济性优化模型和碳排放最小的环保 性优化模型；
[0059] 其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。
[0060] 对遗传算法进行改进具体包括:模型为0-1整数规划，采用二进制的编码方式对个 体进行编码。由于模型中的约束条件较多，若采用罚函数处理的方式，则较难获得可行解。 对负荷的最短连续工作时长约束采用了对每一代生成的个体改进的方式。在每一代新生成 的个体中，将其染色体分别向右移动1位、2位…（L ij-I)位，将新生成的染色体与原有染色体 累加生成新的染色体。以此保证个体所带的染色体编码为连续。对于安全约束、负荷工作时 长约束和温控负荷的温度约束，采用了罚函数的方式。面对的遗传算法有漏掉最优解的情 况，在遗传过程中，采用了最优保留算法，避免了变异、重组破坏可能的最优解。最后在 Pareto选优过滤器中选出最终的Pareto最优解。
[0061 ] 进一步地，S2之后，还包括：
[0062] S3、根据用户选择指令，选择所述经济性优化模型或所述环保性优化模型进行家 庭能量管理。
[0063] 具体地，所述经济性优化模型如下公式一：
[0064]
公式1
[0065]
[0066] 公式二
[0067] C2(t)=G(t)XPG 公式三
[0068] 其中，Cost为用户一天的总费用;&(〇为用户与电网买卖电结算总费用;C2(t)为 国家对光伏发电的补贴;Pb(t)为实时电价中的买电价格;P s(t)为实时电价中的卖电价格;P (t)为家庭与电网的交互电量，P(t)>0时表示家庭从电网买电，P(t)〈0时表示家庭向电网卖 电；T为一个时段的长度，T=lh，将一天分成了 24个时段，t为1到24的整数;G(t)为预测的光 伏发电量;Pc为国家对光伏发电的全电量补贴价格。
[0069] 进一步地，所述环保性优化模型如下公式四：
[0070]
公式西
[0071 ]其中，F为一天购电所产生的碳排放量;δ为火力发一度电产生的碳排放量;P(t)为 从电网购买电量；Ω为P(t)>0的时段集合;T为一个时段的长度，T = lh，将一天分成了24个 时段，t为1到24的整数。
[0072]以下对本实施例提供的家庭能量管理系统的优化方法作详细描述。本实施例中将 安全性引入了家庭能量管理系统的优化模型中，在智能优化决策过程中，将安全性作为一 个优化目标引入，建立多目标的优化模型，并可利用遗传算法进行求解。
[0073] Al、建立家庭能量管理系统的基本模型；
[0074]家庭能量管理系统的调度对象主要为家庭中的各类负荷，如图2中的电动汽车、柜 式空调、壁挂空调、照明、厨房、厕所和插座。建立负荷模型需要对负荷进行分类，家庭中的 负荷总体上分为不可调度负荷和可调度负荷。不可调度负荷即必须运行负荷比如照明等负 荷，其使用状态影响着用户用电的方便性，所以此类负荷不参与调度，仅作为调度的基础。 可调度负荷又分为了可中断负荷、不可中断负荷和温控负荷。可中断负荷比如柜式空调、壁 挂空调等负荷，其运行过程可中断。不可中断负荷比如洗衣机等负荷（图2中未画出），其运 行特性不允许中断。温控负荷比如热水器和空调，其工作状态主要由所控制的水温或者室 温决定。当温度满足要求时，温控负荷可不工作；当温度不满足要求时，温控负荷就需要工 作。这种分类方式对家庭中的负荷考虑的更加全面，对负荷的管理更加细化。
[0075] A2、建立家庭能量管理系统的优化模型；
[0076]在家庭能量管理系统中，首先，通过从网络得到次日的气象数据和实时电价数据。 根据气象数据与用户用电历史数据对次日每小时的光伏发电量和必须运行负荷用电量进 行预测。然后，用户在系统的人机交互界面对次日的可调度负荷运行要求进行设置。最后， 根据预测数据、设置要求和约束条件，求解出满足用户费用最小化或者碳排放最小化的最 优解。在得到每个时段的系统买卖电状态及各个负荷的运行状态后，生成次日的用电计划。 经由用户确认后，家庭能量管理终端按照计划控制系统运行，具体如图3所示。
[0077]家庭能量管理系统的优化模型考虑了经济性、环保性和安全性三个目标。在经济 性和环保性二者之间不同的用户侧重点不同，设置经济性与环保性两种模式由用户自行选 择。安全性优化模型是不论用户侧重经济性，还是环保性都必须考虑的。在经济性模式中， 需同时考虑经济性优化模型与安全性优化模型。在环保性模式中，需同时考虑环保性优化 模型与安全性优化模型。这两种模式都为多目标优化。
[0078]由于安全性目标只需达到安全界限即可。采用多目标优化中的主要目标法将经济 性与环保性分别作为主要目标，将安全性目标处理为模型的约束，采用设置最大值的处理 方式。
[0079] (1)用户用电经济性优化模型
[0080]家庭用户的费用主要分三个方面:第一，从电网买电产生的买电费用；第二，向电 网卖电产生的卖电收益;第三，国家对光伏发电的补贴。用户的经济性优化模型也从这三方 面进行考虑。模型如公式一所示。
[0081] (2)用户用电环保性优化模型
[0082]在本实施例中默认电网中的电为传统的火力发电，火力发电会产生二氧化碳的排 放。在家庭用电总额不变的情况下，更多地使用光伏发电则可降低从电网的买电量。环保性 优化模型如公式四所示。
[0083] (3)两类模型的约束相同：
[0084]整个系统在运行过程中应保持功率平衡： C 〇〇85]
公式五
[0086] 式中:Wij为第i条线路上第j个电器的功率;Aij(t)为第i条线路上第j个电器在t时 段的工作状态，A^(t) = l表示该电器工作，A^(t) = 0表示该电器不工作;M1U)为第i条线路 上的必须运行负荷功率;P(t)>0时，买卖电状态S(t)=0;P(t)〈0时，买卖电状态S(t) = l。
[0087] 用电安全约束：
[0088] 用户用电的安全性在于家庭中的各条线路的负载情况。
[0089]家庭能量管理系统的安全性主要考虑从配电盘到负荷之间的线路。第i条线路上 的有功潮流：
[0_ 公式六
[0091] _ 公式七
[0093]其中，Pu(t)为第i条线路上的有功潮流;Plimax为第i条线路的额定负载。
[0094] 按照多目标优化中的主要目标法将安全性目标转化为一个用电安全约束，设置其 最大值a:
[0095] RiUHa 公式八
[0096] 根据用户设置，负荷的工作时长约束：
[0097] A ,, 公式九
[0098]其中，Nij为该负荷需要工作的总时长。
[0099]负荷最短连续工作时长限制：
[0100] Λ,(?+χ)G[0,11.^,(0 == I 公式十
[0101] 其中，Lij为该负荷最短连续工作时长;Bij为该负荷开始工作的时段。
[0102] 温控负荷约束：
[0103] 温控模型要将温度控制在用户的设定温度Ts，允许温度在设定温度左右存在一个 用户可接受的偏差A T。约束表示为：
[0104] T = Ts 土 Δ T 公式^-一
[0105] 温控负荷模型（以空调为例）：
[_]
公式十二
[0107] 其中，Tr_为室内温度;Tair为室外温度;R为等值热电阻;C为等值热电容;Q为等值 热比率;A^(t)为空调运行状态。热水器模型与此模型形式相同。
[0108] 在本实施例中将用户所要求的负荷工作时段、工作时长及是否连续作为用户满意 的标准;将温控负荷的温度是否在用户要求的温度范围内作为用户舒适度的标准。这些标 准都以约束的形式表现在模型中，使得用户的满意度与舒适度得到保障。
[0109] A3、对家庭能量管理系统进行优化；
[0110] 根据模型对遗传算法进行改进，具体流程如图4所示。模型为0-1整数规划，采用二 进制的编码方式对个体进行编码。由于模型中的约束条件较多，若采用罚函数处理的方式， 则较难获得可行解。对负荷的最短连续工作时长约束采用了对每一代生成的个体改进的方 式。在每一代新生成的个体中，将其染色体分别向右移动1位、2位…（L lj-I)位，将新生成的 染色体与原有染色体累加生成新的染色体。以此保证个体所带的染色体编码为连续。对于 安全约束、负荷工作时长约束和温控负荷的温度约束，采用了罚函数的方式。面对的遗传算 法有漏掉最优解的情况，在遗传过程中，采用了最优保留算法，避免了变异、重组破坏可能 的最优解。最后在Pareto选优过滤器中选出最终的Pareto最优解。
[0111]本实施例将提出的家庭能量管理系统的优化方法在某家庭智能管理系统中进行 了仿真验证。具体参数及用户设置如下表1-4所示。
[0112]表1 一日的实时电价信息与各项系数
[0114]表2用户对温控负荷次日的工作要求与各项系数
L0119」表4用户对可调度负荷的次日工作要求
[0121] 该实施例提供的方法可以保证优化得到的结果本身是安全的，对用户不会造成安 全隐患。由图5的对比可以看出考虑安全性的优化结果有效地避免了过负荷情况的出现，其 中，图5(A)为不考虑安全性的经济性优化后各条线路的负载率；图5(B)为不考虑安全性的 环保性优化后各条线路的负载率；图5(C)为考虑安全性的经济性优化后各条线路的负载 率;图5(D)为考虑安全性的环保性优化后各条线路的负载率。
[0122] 该方案可通过Matlab编程实现，根据用户的不同需求，分别得到经济性模式与环 保性模式的优化结果。经济性模式中，优化结果将一些负荷移动到了电价较低的深夜，以降 低用户用能费用；环保性模式中，优化结果将一些负荷移动到了光伏发电的时段以充分利 用光伏发电，减少从电网买电，从而降低碳排放量。
[0123] 表5为本技术方案优化效果与传统优化效果的比较。
[0124] 表5优化结果对比图
[0126] 在家庭能量管理系统的能量优化过程中将家庭各条线路的负载率纳入优化模型 中，该模型的优化结果可在目标最优化的同时保证用户用电的安全性。在用遗传算法进行 求解时，对遗传算法进行了改进，采用将个体的染色体进行右移后累加的方式，以使得染色 体编码的连续，得到的最优解可保证负荷工作连续。
[0127] 图6示出本实施例提供的一种家庭能量管理系统的优化装置的结构示意图，所述 装置包括负荷分类及光伏预测模块11和模型获取模块12,其中，
[0128] 负荷分类及光伏预测模块11用于根据家庭负荷的使用方式对家庭负荷进行分类， 得到每个家庭负荷的类型;并根据气象数据和家庭负荷用电的历史数据，预测光伏用电量；
[0129] 模型获取模块12用于根据光伏用电量、预设的约束条件、电价数据和家庭负荷的 类型，得到费用最小的经济性优化模型和碳排放量最小的环保性优化模型；
[0130] 其中，所述优化模型为每个家庭负荷在每个时段的工作状态。
[0131] 负荷分类及光伏预测模块11根据家庭负荷的使用方式对家庭负荷进行分类，得到 每个家庭负荷的类型;并根据气象数据和家庭负荷用电的历史数据，预测光伏用电量;模型 获取模块12根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得到费用最小 的经济性优化模型和碳排放量最小的环保性优化模型；
[0132] 本实施例通过对气象数据和家庭负荷用电的历史数据预测用户的光伏用电量，结 合了新能源发电和用户的用能需求之间的关系；同时结合实时电价数据得到经济性优化模 型和环保性优化模型，使得所有负荷的工作状态能够最大化地实现经济用电或环保用电的 目的。
[0133] 可选地，所述模型获取模块12进一步采用改进的遗传算法，得到费用最小的经济 性优化模型和碳排放最小的环保性优化模型；
[0134] 其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。
[0135] 进一步地，所述装置还包括：
[0136] 模型确定模块，用于根据用户选择指令，选择所述经济性优化模型或所述环保性 优化模型进行家庭能量管理。
[0137] 进一步地，所述经济性优化模型如下公式一：
[0138]
[0139]
[0140]
[0141] C2(t)=G(t)XPG 公式三
[0142] 其中，Cost为用户一天的总费用;&(〇为用户与电网买卖电结算总费用;C2(t)为 国家对光伏发电的补贴;Pb(t)为实时电价中的买电价格;P s(t)为实时电价中的卖电价格;P (t)为家庭与电网的交互电量，P(t)>0时表示家庭从电网买电，P(t)〈0时表示家庭向电网卖 电；T为一个时段的长度，T=lh，将一天分成了 24个时段，t为1到24的整数;G(t)为预测的光 伏发电量;Pc为国家对光伏发电的全电量补贴价格。
[0143] 具体地，所沭环保件优化樽塑如下公式四：
[_
公式四
[0145] 其中，F为一天购电所产生的碳排放量;δ为火力发一度电产生的碳排放量;P(t)为 从电网购买电量；Ω为P(t)>0的时段集合;T为一个时段的长度，T = lh，将一天分成了24个 时段，t为1到24的整数。
[0146] 本实施例所述的家庭能量管理系统的优化装置可以用于执行上述方法实施例，其 原理和技术效果类似，此处不再赘述。
[0147] 本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以 在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技 术，以便不模糊对本说明书的理解。
【主权项】
1. 一种家庭能量管理系统的优化方法，其特征在于，包括： 根据家庭负荷的使用方式对家庭负荷进行分类，得到每个家庭负荷的类型；并根据气 象数据和家庭负荷用电的历史数据，预测光伏用电量； 根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型，得到费用最小的经济 性优化模型和碳排放量最小的环保性优化模型； 其中，所述优化模型为每个家庭负荷在每个时段的工作状态。2. 根据权利要求1所述的方法，其特征在于，所述根据光伏用电量、预设的约束条件、电 价数据和家庭负荷的类型，得到费用最小的经济性优化模型和碳排放量最小的环保性优化 模型，进一步包括： 采用改进的遗传算法，得到费用最小的经济性优化模型和碳排放最小的环保性优化模 型； 其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。3. 根据权利要求1所述的方法，其特征在于，所述根据光伏用电量、预设的约束条件、电 价数据和家庭负荷的类型，得到费用最小的经济性优化模型和碳排放量最小的环保性优化 模型之后，还包括： 根据用户选择指令，选择所述经济性优化模型或所述环保性优化模型进行家庭能量管 理。4. 根据权利要求1所述的方法，其特征在于，所述经济性优化模型如下公式一：C2(t)=G(t)X化公式Ξ其中，Cost为用户一天的总费用；Ci(t)为用户与电网买卖电 结算总费用;C2(t)为国家对光伏发电的补贴;Pb(t)为实时电价中的买电价格;Ps(t)为实时 电价中的卖电价格;P(t)为家庭与电网的交互电量，P(t)〉0时表示家庭从电网买电，P(t)<0 时表示家庭向电网卖电；T为一个时段的长度，Τ=化，将一天分成了 24个时段，t为1到24的 整数;G(t)为预测的光伏发电量;Pe为国家对光伏发电的全电量补贴价格。5. 根据权利要求1所述的方法，其特征在于，所述环保性优化模型如下公式四：会武西 其中，F为一天购电所产生的碳排放量;δ为火力发一度电产生的碳排放量;P(t)为从电 网购买电量；Ω为P(t)〉0的时段集合;T为一个时段的长度，T=lh，将一天分成了24个时段， 巧蝴24的整数。6. -种家庭能量管理系统的优化装置，其特征在于，包括： 负荷分类及光伏预测模块，用于根据家庭负荷的使用方式对家庭负荷进行分类，得到 每个家庭负荷的类型;并根据气象数据和家庭负荷用电的历史数据，预测光伏用电量； 模型获取模块，用于根据光伏用电量、预设的约束条件、电价数据和家庭负荷的类型， 得到费用最小的经济性优化模型和碳排放量最小的环保性优化模型； 其中，所述优化模型为每个家庭负荷在每个时段的工作状态。7. 根据权利要求6所述的装置，其特征在于，所述模型获取模块进一步采用改进的遗传 算法，得到费用最小的经济性优化模型和碳排放最小的环保性优化模型； 其中，对遗传算法的改进为将染色体向右移动，生成新的染色体。8. 根据权利要求7所述的装置，其特征在于，还包括： 模型确定模块，用于根据用户选择指令，选择所述经济性优化模型或所述环保性优化 模型进行家庭能量管理。9. 根据权利要求8所述的装置，其特征在于，所述经济性优化模型如下公式一：C2(t)=G(t)X 化公式 Ξ 其中，Cost为用户一天的总费用；Ci(t)为用户与电网买卖电结算总费用；C2(t)为国家 对光伏发电的补贴;Pb(t)为实时电价中的买电价格;Ps(t)为实时电价中的卖电价格;P(t) 为家庭与电网的交互电量，P(t)〉0时表示家庭从电网买电，P(t)<0时表示家庭向电网卖电； T为一个时段的长度，Τ =化，将一天分成了 24个时段，t为1到24的整数;G(t)为预测的光伏 发电量;Pc为国家对光伏发电的全电量补贴价格。10. 根据权利要求9所述的装置，其特征在于，所述环保性优化模型如下公式四：公式四 其中，F为一天购电所产生的碳排放量;δ为火力发一度电产生的碳排放量;P(t)为从电 网购买电量；Ω为P(t)〉0的时段集合;T为一个时段的长度，T=lh，将一天分成了24个时段， t为巧Ij24的整数。
【文档编号】G06Q10/04GK105844365SQ201610217646
【公开日】2016年8月10日
【申请日】2016年4月8日
【发明人】万庆祝, 陈娅兰, 李正熙
【申请人】北方工业大学