一种基于多代理系统的智能家居经济优化方法
【专利摘要】本发明公开了一种基于多代理系统的智能家居经济优化方法，该方法考虑了动态的环境因素，把每个用户考虑为一个自动代理，以所有代理组成一个系统，基于目前和预测的用电负荷总量、生产电能总量、所储存的电能总量、以及相关电价和用户满意度函数进行合理的出售、购买或者储存电能，得到系统经济性最优的方案。本发明能够有效地最小化居民用户的电费，同时能够使总负荷需求曲线更为平滑。
【专利说明】-种基于多代理系统的智能家居经济优化方法
【技术领域】
[0001] 本发明涉及一种基于多代理系统的智能家居经济优化方法，属于电力系统技术领 域。
【背景技术】
[0002] 智能电网的一个内涵就是要求把用户的积极性调动起来，实现用户与电网的双向 互动，最终达到削峰填谷、提高能源利用率的目的。
[0003] 电力系统作为主要的电能提供和结构，必须不停的适应新科技和新概念来改进电 能的适用效率。
[0004] 电力提供方必须不停的研究电能使用方的需求和行为，然后开发可靠，合理，效率 的系统。由于大量的电力用户分散在系统中，很难总体研究消费用户的用电行为，所以采 用模拟的方法来研究和预测用电负荷大小。
[0005] 随着智能电网和智能分布式系统的产生，许多目前的研究主要集中于模拟智能家 居和电网的互动，以及基于需求响应的负荷管理。
[0006] 分布式电源和储能系统能够使得居家和小企业通过向电网售卖多余的电能获得 利润。通过智能自动管理设备，用户能够基于预测的负荷需求总量、产能总量、和电价等做 出合理的决定，购电、售电、或储能。
[0007] 传统的家居设备不具有小型生产电能设备（风能、太阳能系统），和储能设备，也 不能向电网售电，但是随着智能电网的发展，智能家居的概念随之产生，凭借智能设备、监 控设备和高级量测系统的开发，能够较好的与电网进行互动。
[0008] 智能家居，作为与智能电网互动的主动参与者，不再被简单的视为负荷曲线，由于 目前他们能够很好的和电网进行交互，能够影响电力需求，电能生产，和电力价格。
[0009] 智能家居不仅能消费电能，而且能够产生电能，储存起来或者自己使用。这些智能 家居用户能够智能合理的做出自动决策来管理自己的负荷，生产的电能和电力储能，同时 和电网交互，降低自己的消费，同时能达到消峰填谷的作用，平滑负荷曲线。
【发明内容】
[0010] 本发明提供一种基于多代理系统的智能家居经济优化方法，以每个居家用户为一 个代理，以所有代理组成的多代理作为一个系统，利用目前和预测的家电用电总量和发电 总量以及储能总量进行自动智能处理，最小化家居用户分电费费用。
[0011] 本发明具体采用以下技术方案实现：
[0012] 一种基于多代理系统的智能家居经济优化方法，包括以下步骤：
[0013] 1)建立具有随机性出力的风力发电系统出力模型，太阳能光伏发电系统出力模型 和电动汽车充放电系统出力模型；
[0014] 2)计算居家用户满意度，具体包括以下步骤：
[0015] 2-1)计算居家用电需求反馈前的电价P(h_)和需求响应后的实际电价P(h):
[0016] p(h ) = Σ：^·- · P(h r), ￡；=〇r = 1
[0017] 其中：F是电价的权重系数，代表了目前和τ天前电价之间的相关程度，
[0018] jP(A) =?,. e*2'觸 + <x3, e*+r《A)
[0019] 其中：0^.、0^.、0^.、 0^ 4.是相关系数，？"(A)代表了平均每个居家用户在h小 时内的实际的负荷需求；
[0020] 2-2)计算居家用户的售电倾向Sell (h)，
[0021]
【权利要求】
1. 一种基于多代理系统的智能家居经济优化方法，其特征在于，包括以下步骤： 1) 建立具有随机性出力的风力发电系统出力模型，太阳能光伏发电系统出力模型和电 动汽车充放电系统出力模型； 2) 计算居家用户满意度，具体包括以下步骤： 2-1)计算居家用电需求反馈前的电价P(h-)和需求响应后的实际电价P(h): 其中：kT是电价的权重系数，代表了目前和τ天前电价之间的相关程度， 尸⑷ ％乂冲)+?：-,，_ 其中：^1.、^2.、^3.、^4.是相关系数，1 _0)代表了平均每个居家用户在}1小时内 的实际的负荷需求； 2-2)计算居家用户的售电倾向Sell (h)，
其中，gi(h)为风力发电系统生产的电能总量，Si(h)为太阳能发电系统生产的电能总 量，li(h)为电动汽车充电负荷，P(h_)表示用电需求反馈前的电价，max(P(h_))表示用电 需求反馈前的最大电价，li(h-)为储能系统的电能总量； 2-3)计算居家用户的储能倾向Store (h)，表达式如下：
2-4)计算居家用户满意度》^?，￡；，&//(/〇,?(皿《〇；^，计算公式如下： W1' (X：. Eh, Sell (h), Store(h)) = Σ* i (j -? ( A) i + ： Store(h)- Store, (A) ? ^ A'； - A； ] - P(h * A；) 其中，表示在h时段内设备a消耗的总电能，Eh为用户在h时段内储存的电能， Stores(h)是储能意向判断边界条件数值，Sells(h)是售电意向判断边界条件数值，η为所 有的居家用户； 3) 以每个居家用户为1个代理，所有用户作为1个多代理系统，以系统最小化电费为目 标，以居家用户满意度最大为目标函数，采用遗传算法进行整个系统的经济性优化，根据评 判标准值，做出相应的操作。
2. 根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤1)的随机性出力模型，是指根据所选取的时间段内的历史数据，生成随机模 型的均值和方差。
3. 根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤1)风力发电系统出力模型的构建过程为： 1-11)根据历史风速数据，计算风力发电系统的风速； 1-12)计算风力发电系统风速的概率密度f(v)，计算公式如下：
其中：v为风速，k和c为威布尔分布的两个参数； 1-13)计算风力发电系统的风机出力Pw，计算公式如下： p
其中：為=A2 = -为风机额定功率，Vc；i为切入风速，'为额定风速，v。。 为切出风速； 1-14)计算风力发电系统的风机出力的概率密度f(Pw)，计算公式如下：
4. 根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤1)太阳能光伏发电系统出力模型的构建方法为： 1-21)根据历史太阳能光照强度数据，计算太阳能光伏发电系统的日照强度； 1-22)计算太阳能光伏发电系统日照强度的概率密度f(r)，计算公式如下：
其中：r和rmax分别是计算时间段内的实际光强和最大光强，α和β为Beta分布的形 状参数，Γ为Gamma函数； 1-23)计算太阳能光伏发电系统的输出功率PM，计算公式如下： PM = r · A · η 其中：Α和η分别为太阳能光伏发电系统的面积和光电转换效率； 1-24)计算太阳能光伏发电系统输出功率的概率密度f(PM)，计算公式如下：
其中：?表示太阳能光伏发电系统输出的最大输出功率。
5. 根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤1)电动汽车充放电系统出力模型的构建过程为： 1-31)根据历史电动汽车充电负荷数据，计算电动汽车充电功率的均值和方差； 1-32)电动汽车类型kev，电池的剩余电量Cbat服从二维正太分布：
其中，X表示变量，μ表示电动汽车充电功率的均值，C电池的剩余电量参数； 电动汽车充电功率Ρα服从正太分布：
其中，d表示充电效率，〇pc;i表示充电功率的方差； 电动汽车充电时刻T服从正太分布：
其中，μ t为电动汽车充电时刻均值； 电动汽车日行驶路程Μ服从正太分布：
其中，dd表示日行驶里程数损耗；σ Μ表示日行驶路程数方差。
6. 根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤3)中的操作包括：I )从电网购电；II )对储能电池进行充电或者放电；III) 向电网售电。
7. 根据权利要求1或6所述的一种基于多代理系统的智能家居经济优化方法，其特征 在于，所述做出相应的操作的评判标准为： I)从电网购电的评断标准为：
III)向电网售电的评断标准为：
8.根据权利要求1所述的一种基于多代理系统的智能家居经济优化方法，其特征在 于，所述步骤3)中采用遗传算法进行整个系统的经济性优化的具体过程如下： (a) 对参数、Store (h)、Sell (h)、Eh进行采用遗传算法的二进制编码； (b) 初始化种群迭代次数h = 0,个体迭代次数t2 = 0,计数参数η = 0,种群数组Node, 设置种群大小为Nall，种群和个体最大迭代次数?\，T2 ; (c) 生成初始种群； (d) 计算种群中每个个体的适应度F和聚集距离Ρ ; (e) 采用选择操作从种群中选取ηι个个体，并对聚集距离从大到小进行排序，选取前n2 个个体，其中，h和n2满足1^+? = Nall ; (f) 对种群进行遗传和变异操作； (g) 重复步骤（d)?（f)直至达到最大迭代次数； (h) 输出最优解并退出。
【文档编号】G06Q10/04GK104112168SQ201410267513
【公开日】2014年10月22日 申请日期:2014年6月16日 优先权日:2014年6月16日
【发明者】杨永标, 陈璐, 卫志农, 卞栋, 黄莉, 孙国强, 孙永辉, 蔡正权, 王国权, 谢敏 申请人:国家电网公司, 国电南瑞科技股份有限公司, 河海大学, 国网福建省电力有限公司电力科学研究院, 国网重庆市电力公司电力科学研究院