一种基于需求响应的家庭负荷优化调度方法与流程

技术特征：

1.一种基于需求响应的家庭负荷优化调度方法，其特征在于，包括以下步骤：

步骤一、根据负荷特性，将家庭负荷分为可转移负荷和不可转移负荷；

所述可转移负荷是指在一定时间范围内可改变运行时间的负荷，所述不可转移负荷是指不可改变运行时间的负荷；所述可转移负荷根据负荷能否中断的特性，分为可转移可中断负荷和可转移不可中断负荷；

步骤二、根据所述可转移负荷，建立综合考虑用电成本、激励收益和不方便性的家庭负荷优化调度模型的目标函数；

步骤三、确定所述家庭负荷优化调度模型的约束条件，并与所述目标函数共同构成基于需求响应的家庭负荷优化调度模型；

步骤四、通过二进制粒子群算法求解所述基于需求响应的家庭负荷优化调度模型，获得对所述可转移负荷的最优调度结果。

2.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤二中，家庭负荷优化调度模型的目标函数为：

minC_total＝C-B+αI (1)

式(1)中，C_total为对所述可转移负荷优化调度后的总成本；C为用电成本，并由式(2)获得：

$C=\underset{t=1}{\overset{T}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{P}_i\·S_t\·k_{i,t}^{opt}\·\mathrm{\Δ}t---\left(2\right)$

式(2)中，T为所述家庭负荷优化调度周期的总时段数；t为时段序号；N为所述可转移负荷中家用电器的总数量，i为家用电器的序号；P_i为第i个家用电器的额定功率；S_t表示主电网在第t个时段内的电价；Δt为每个时段的时长；是优化调度后的第i个家用电器在第t个时段内的运行状态，并由式(3)获得：

式(1)中，B为所述家庭负荷优化调度后的激励收益，并由式(4)获得：

$B=\underset{t=1}{\overset{T}{\Σ}}\underset{m=1}{\overset{M}{\Σ}}(a_{m,t}\×p_{m,t})\×\mathrm{\Δ}t---\left(4\right)$

式(4)中，a_m,t为第t个时段内第m档阶梯补贴对应的补贴大小；p_m,t为优化调度后第t个时段内第m档阶梯补贴对应的转移负荷大小；M表示阶梯补贴的总档数；

式(1)中，I为所述家庭负荷优化调度后带来的不方便性，α为不方便性的系数，所述不方便性I由式(5)获得：

$I=\underset{i}{\overset{N}{\Σ}}\left|\underset{t=1}{\overset{T}{\Σ}}t(k_{i,t}^{opt}-k_{i,t}^{bl})\right|---\left(5\right)$

式(5)中，是第i个家用电器优化调度前在第t个时段内的运行状态，并由式(6)获得：

3.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤三中，所述约束条件为：

$\underset{{\mathrm{start}}_i}{\overset{{\mathrm{end}}_i}{\Σ}}{k}_{i,t}^{opt}=N_i---\left(7\right)$

$\underset{{\mathrm{start}}_j}{\overset{{\mathrm{end}}_j-(N_j-1)}{\Σ}}{k}_{j,t}^{opt}\·k_{j,t+1}^{opt}\·k_{j,t+2}^{opt}...k_{j,t+(N_j-1)}^{opt}\≥1---\left(8\right)$

start_v≥start_u+N_u (9)

式(7)表示运行时间约束；start_i和end_i分别指第i个家用电器可运行时间段的开始时刻和结束时刻，N_i是第i个家用电器的正常运行时间；

式(8)表示所述可转移不可中断负荷中，第j个可转移不可中断家用电器的连续运行约束；N_j是第j个可转移不可中断家用电器的正常运行时间，1≤j≤N；

式(9)表示家用电器的运行次序约束，第v个家用电器必须在第u个家用电器之后运行；start_v指第v个家用电器的开始运行时刻，start_u和N_u为第u个家用电器的开始运行时刻和正常运行所需时间，1≤u≤N，1≤v≤N。

4.根据权利要求1所述的基于需求响应的家庭负荷优化调度方法，其特征是，所述步骤四包括：

步骤4.1、将每个参与需求响应的家用电器每一时刻的开关状态作为所述二进制粒子群算法中每个粒子的一个维度，所述开关状态用1和0表示，从而获得每个粒子的维数为T×N；将任意一个粒子的序号记为d；

步骤4.2、初始化所述二进制粒子群算法的各个参数，包括：粒子总数M、迭代次数L、最大迭代次数L_max、速度更新参数c₁、c₂，1≤L≤L_max，并初始化L＝1；

步骤4.3、确定所述家庭负荷优化调度模型的目标函数和各约束条件中各个参数的实际值，并相应代入到所述二进制粒子群算法中；

步骤4.4、随机初始化粒子的速度和位置，获得第L代的第d个粒子的速度和位置；

步骤4.5、根据所述约束条件修改第d个粒子的速度和位置；

步骤4.6、根据所述目标函数计算第d个粒子的适应度值，从而获得M个粒子的适应度值，并从第L代M个粒子中选取最大的适应度值作为第L代的群体极值；

步骤4.7、根据修改后的第L代中第d个粒子的位置和速度，分别计算第L+1代的第d个粒子的速度和位置；

步骤4.8、根据所述约束条件修改所述第L+1代中第d个粒子的速度和位置，从而获得修改后的第L+1代粒子群中M个粒子的速度和位置；

步骤4.9、根据所述目标函数计算第L+1代中第d个粒子的适应度值，从第d个粒子的第L代和第L+1适应度值中选取较大适应度值作为第L+1代第d个粒子的个体极值；从而获得第L+1代M个粒子的个体极值后，再从第L+1代M个粒子的个体极值中选出最大适应度值作为第L+1代的群体极值；

步骤4.10、将L+1赋值给L，并判断L≥L_max是否成立，若成立，则迭代结束，得到第L_max代的群体极值，并将所述第L_max代的群体极值所对应的调度方案作为最优调度方案，从而获得对家庭可转移负荷的最优调度结果；否则转到步骤4.7。