基于非侵入式负荷监测技术的自适应家庭能量管理方法

1.本发明涉及非侵入式负荷监测和家庭能量管理领域，具体涉及一种基于非侵入式负荷监测技术的自适应家庭能量管理方法。


背景技术：

2.随着全球气候的逐渐恶化和极端天气事件的频繁发生，世界各国将减少温室气体排放作为全球协议的国际共识。据统计，居民和商业用电占全球能源消费的40％以上，二氧化碳排放量超过总排放量的三分之一。为此，近年来提出了一系列节能方案。最有效的策略之一是在家电层面向消费者提供详细的用电信息，以优化能源消费管理。据研究向用户提供用电反馈可以节省高达20％的用电，这有利于消费者参与电力市场，并为全球节能减排做出贡献。作为一种信息提供技术，非侵入式负荷监测(nilm)可以从建筑物的电源读数中提取目标家电的详细用电量。与成本高、维护复杂、实用性差的侵入式负荷监测相比，近些年来nilm受到了更广泛的关注。
3.值得注意的是，高精度的nilm结果不仅可以减少侵入式设备的支出，还可以帮助消费者参与需求侧响应。通常，需求侧响应通常以自上而下的方式运行，居民用户几乎不可能通过监测电价来改变用电行为，因为这既繁琐又低效。相反，如果将nilm结果用于构建自下而上的需求响应策略，其经济效果可能是显著的。在nilm的帮助下，可以自动监控每个家电的消费行为，根据这些行为可以分析每个家庭的特定电力需求画像。然而，关于这一主题的研究却很少。文献(y.h.lin,m.s.tsai,an advanced home energy management system facilitated by nonintrusive load monitoring with automated multiobjective power scheduling,ieee transactions on smart grid 2015(6):1839
–
1851.)提出了一种基于knn的能量分解技术和一个基于遗传算法的多目标家庭能量管理系统，但这种方法在人工提取特征时非常耗时，而且遗传算法不能总是保证收敛到全局最优解；文献(h.imen,n.etinkaya,j.c.v asquez,j.m.guerrero,amicrogrid energy management system based on non
‑
intrusive load monitoring via multitask learning,ieee transactions on smart grid 2021(12):977
–
987.)提出了一种高效的基于nilm的能量管理系统，该系统根据nilm结果得到的多个运行参数来规划可调度的任务，然而，所需参数不能完全反映用电行为，其获取与nilm结果无关，这意味着，在用户的用电习惯动态变化的情况下，hems策略将表现不佳。因此亟需一种能充分结合nilm结果，且具有动态自适应能力的hems方法


技术实现要素：

4.本发明提出一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，该方法具有逻辑清晰、运行成本低、提高整体用户舒适度、能动态追踪用户实时用电行为的特点。
5.本发明的目的至少通过如下技术方案实现。
6.基于非侵入式负荷监测技术的自适应家庭能量管理方法，包括如下步骤：
7.步骤1、通过非侵入式负荷监测模型获得用户用电数据；
8.步骤2、对家庭能量管理系统中所包含的各类电器进行建模；
9.步骤3、建立基于离散贝叶斯网络的负荷行为模型；
10.步骤4、建立基于家庭能量管理系统的混合整数线性多目标优化模型。
11.优选的，所述非侵入式负荷监测模型为：
12.对于某一家庭用户，在t＝{1,2,
…
t}时刻家庭总负荷功率序列表示为：
[0013][0014]
式中，p
sum
(k)是时刻k的总负荷功率；p
i
(k)是时刻k第i种电器的功率；e(k)为模型噪声；nn是不可调控电器的数目，ns是可调控电器的数目；
[0015]
从给定的总负荷功率序列中提取目标电器的运行特征，并分解出目标电器的功率序列
[0016]
优选的，步骤2中，所述家庭能量管理系统包括各种电器，所述电器被分类为不可调控的电器和可调控的电器；不可调控的设备包括灯、冰箱和其他不能根据需求响应信号进行调度的设备；可调度的电器能够响应调度指令改变其自身用电行为，包括洗衣机、洗碗机和空调；对于高压交流电器，其工作状态取决于室外温度、室内温度、用户设定的可接受的温度范围、房间的热阻和热容量的参数，数学模型用离散的热力学模型来表示：
[0017][0018]
式中，为t时段的室内温度，r为房间热阻，c为房间热容量，p
ac
为空调的额定功率，为t时段室外温度，δt是调度时间间隔。
[0019]
优选的，步骤3中，所述基于离散贝叶斯网络的负荷行为模型包括：
[0020]
(1)根据调度区间划分负荷使用时段，将每个时段的负荷状态作为网络的父节点，将负荷的使用次数作为子节点；
[0021]
(2)根据父节点和子节点之间的因果关系，在网络中增加一条有向边；
[0022]
(3)利用先验知识计算用电量的后验概率，构建各用电器的离散贝叶斯网络：
[0023]
假设一天被分成n个调度时段，那么第i个电器的m天历史数据表示为矩阵u
i,m
：
[0024][0025]
式中，表示第i个电器在第m天第n时段的使用状态，只有两种状态，1表示在该时段使用了电器，0表示未使用，表示第i个电器在第m天的使用次数；
[0026]
假设第i台设备一天的使用次数为nou
i
，则节点s
i,seg＝1
＝1的值的概率如下：
[0027][0028]
式中，表示第i个电器的使用次数为nou
i
且第1个时段的使用情况为发生的概率，p(c
i
＝nou
i
)为第i个电器的使用次数为nou
i
的概率，表示第i个电器在第n个调度时段的状态；
[0029]
假设原始记录包含m天的历史数据，在k天的数据收集之后，获得m+k天的数据样本，相应地将u
i,m
更新为u
i,m+k
：
[0030][0031]
通过数据的不断更新，可以对各个时段内负荷使用的可能性进行修正，并适应不同家庭用电行为的变化，使得家庭能量管理服务具有实效性和自适应性。
[0032]
优选的，步骤4中，所述基于家庭能量管理系统的混合整数线性多目标优化模型具体描述如下：
[0033]
经济性目标函数表示为家庭的用电成本，即家庭向电网买电的成本减去向电网售电的收益，令经济性目标函数最小化：
[0034][0035]
式中，表示在t时段家庭向电网买电的费用，表示在t时段家庭向电网售电的费用，p
tgrid
表示在t时段家庭与电网交换的功率，n表示总时段数，λ1和λ2为二值辅助变量，λ1+λ2＝1用于约束只有一项为非零值；
[0036]
时间舒适度目标函数表示为可调度电器的实际运行时间与期望运行时间之间的偏差，时间舒适度目标函数表示为：
[0037][0038]
式中，nou
i
表示第i个电器的总使用次数，s
i,seg＝t
＝1表示第i个电器在t时段处于开启状态，s
i,t
表示第i个电器在t时段的状态，nou
i,max
表示第i个电器的最大使用次数，nou
i,min
表示第i个电器的最小使用次数，λ
j
表示二值辅助变量；
[0039]
同样，温度舒适性目标函数表示为室内温度与用户设定温度之间的偏差，表示为：
[0040][0041]
式中，表示时刻t的室内温度，表示用户设定温度的上界，表示用户设定温度的下界。
[0042]
优选的，采用big
‑
m方法对混合整数线性多目标优化模型进行线性化：
[0043]
将每个目标函数归一化为[0,1]，并基于线性加权方法构造一个多目标函数，该过程表示为：
[0044][0045]
min f＝η1obj1′‑
η2obj2′
+η3obj3′
[0046]
式中，η1、η2、η3分别为以上三种目标函数的权重值，obj
i
表示第i个目标函数，f表示总目标函数。
[0047]
优选的，基于混合整数线性多目标优化的家庭能量管理模型的功率平衡约束条件表示为：
[0048]
在每一调度时段，家庭的总负荷功率、储能装置充放电功率、光伏出力和家庭与电网交换的功率应处于平衡状态，表达为：
[0049][0050][0051]
式中，p
tload
表示在t时段家庭总负荷功率，p
tess
表示在t时段储能装置放电功率，p
tpv
表示在t时段的光伏出力，表示在t时段家庭与电网功率交换的大小，p
i
表示第i个电器的功率。
[0052]
优选的，基于混合整数线性多目标优化的家庭能量管理模型在ess运行时需要满足的约束条件为：
[0053]
ess的荷电状态与充放电功率的关系为：
[0054][0055]
式中，β表示蓄电池的自放电率，e
max
表示蓄电池的最大容量，soc
t+1
表示第t+1时段的荷电状态，p
tess
表示第t时段蓄电池的充电/放电功率，η
ch
表示充电效率，η
dis
表示放电效率，λ3和λ4为二值辅助变量，λ3+λ4＝1用于约束只有一项为非零值；
[0056]
为延长蓄电池的使用年限，蓄电池在soc上下限内运行，同时，蓄电池的充放电功率的约束条件为：
[0057]
soc
max
≤soc
t
≤soc
min
[0058][0059]
式中，soc
max
、soc
min
代表荷电状态的最大、最小值，表示蓄电池最大充放电功率；
[0060]
为避免光伏出力的波动导致蓄电池频繁充放电，对充放电次数做出约束：
[0061][0062][0063]
式中，为蓄电池充放电阈值，当光伏出力大于时，蓄电池充电，当光伏
出力小于时，蓄电池放电。
[0064]
优选的，基于混合整数线性多目标优化的家庭能量管理模型应通过调控空调设备的启停状态来保证家庭的室内温度应处于设定温度的上下界范围内，约束条件表达为：
[0065][0066]
式中，t
tin
表示用户设定的温度，表示用户设定温度的上界，表示用户设定温度的下界。
[0067]
优选的，基于混合整数线性多目标优化的家庭能量管理模型对家庭电器负荷的启动顺序约束表达为：
[0068][0069][0070]
式中，nou
i,max
、nou
i,min
代表第i个电器的最大、最小使用次数，s
wd,t
代表在t时刻干衣机的使用状态，s
wm,k
代表在k时刻洗衣机的使用状态
[0071]
相比于现有技术，本发明的有益效果如下：
[0072]
本发明提出了一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，基于离散贝叶斯网络，准确地描述并实时更新用电行为，同时将非侵入式负荷监测结果与家庭能量管理策略自适应地结合起来，可以根据居民用户往日的用电需求，提前制定调度策略。首先对家庭能量管理系统中所包含的各类电器进行建模，尤其是对空调等可响应调控指令改变自身用电行为的电器；其次对于每种电器设备都建立基于离散贝叶斯网络的用电行为模型，以负荷状态作为父节点，以负荷使用次数作为子节点建立概率模型，同时随着非侵入式负荷监测结果的实时变化对贝叶斯网络进行更新以适应用户用电行为的变化；最后以经济性指标、时间舒适度指标、温度舒适度指标建立起家庭能量管理系统的混合整数线性多目标优化模型，综合考虑家庭能量管理的各个环节，实现经济效益和用户舒适度的统一。与传统家庭能量管理系统相比，本发明所提出的家庭能量管理系统可显著降低运营成本，提高用户整体舒适度，为非侵入式负荷监测参与需求侧响应提供了良好的应用方向。综上，本发明提出的基于非侵入式负荷监测技术的自适应家庭能量管理方法具有一定的实践运用价值。
附图说明
[0073]
图1是本发明实施例中家庭能量管理系统的基本结构示意图。
[0074]
图2是本发明实施例中基于离散贝叶斯网络的用电行为概率模型示意图。
[0075]
图3本发明实施例中基于非侵入式负荷监测技术的自适应家庭能量管理方法总体流程示意图。
具体实施方式
[0076]
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，
附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
[0077]
下面结合附图和具体实施例对发明进行进一步介绍。
[0078]
实施例一：
[0079]
一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，如图3所示，包括如下步骤：
[0080]
步骤1、通过非侵入式负荷监测技术获得必要的用户用电细节，所述非侵入式负荷监测问题可以表述为：
[0081]
对于某一家庭用户，在t＝{1,2,
…
t}时刻家庭总负荷功率序列表示为：
[0082][0083]
式中，p
sum
(k)是时刻k的总负荷功率；p
i
(k)是时刻k第i种电器的功率；e(k)为模型噪声；nn是不可调控电器的数目，ns是可调控电器的数目；
[0084]
nilm(非侵入式负荷监测，non
‑
intrusive load monitoring，non
‑
intrusive load monitoring)问题就是从给定的总负荷功率序列中提取目标电器的运行特征，并分解出目标电器的功率序列
[0085]
步骤2、对家庭能量管理系统中所包含的各类电器进行建模；
[0086]
所述家庭能量管理系统的基本结构如图1所示，包括各种电器，所述电器被分类为不可调控的电器和可调控的电器；不可调控的设备包括灯、冰箱和其他不能根据需求响应信号进行调度的设备；可调度的电器能够响应调度指令改变其自身用电行为，包括洗衣机、洗碗机和空调；对于高压交流电器，其工作状态取决于室外温度、室内温度、用户设定的可接受的温度范围、房间的热阻和热容量的参数，数学模型用离散的热力学模型来表示：
[0087][0088]
式中，为t时段的室内温度，r为房间热阻，℃/kw，c为房间热容量，kwh/℃，p
ac
为空调的额定功率，为t时段室外温度，δt是调度时间间隔。
[0089]
步骤3、基于离散贝叶斯网络的负荷行为建模；
[0090]
所述基于离散贝叶斯网络的负荷行为模型，三个核心步骤为：
[0091]
(1)根据调度区间划分负荷使用时段，将每个时段的负荷状态作为网络的父节点，将负荷的使用次数作为子节点；
[0092]
(2)根据父节点和子节点之间的因果关系，在网络中增加一条有向边；
[0093]
(3)利用先验知识计算用电量的后验概率，构建各用电器的离散贝叶斯网络：
[0094]
假设一天被分成n个调度时段，那么第i个电器的m天历史数据表示为矩阵u
i,m
：
[0095][0096]
式中，表示第i个电器在第m天第n时段的使用状态，只有两种状态，1表示在该时段使用了电器，0表示未使用，表示第i个电器在第m天的使用次数；
[0097]
图2描述了基于离散贝叶斯网络的用电行为概率模型。假设第i台设备一天的使用次数为nou
i
，则节点s
i,seg＝1
＝1的概率可以计算如下：
[0098][0099]
式中，表示第i个电器的使用次数为nou
i
且第1个时段的使用情况为发生的概率，p(c
i
＝nou
i
)为第i个电器的使用次数为nou
i
的概率，表示第i个电器在第n个调度时段的状态，既包括开启状态也包括关闭状态。
[0100]
由于非侵入式负荷监测结果将随着时间的推移逐渐增长，因此必须实时更新概率模型，以跟踪用电行为的变化。假设原始记录包含m天的历史数据，在k天的数据收集之后，获得m+k天的数据样本，相应地将u
i,m
更新为u
i,m+k
。
[0101][0102]
通过数据的不断更新，可以对各个时段内负荷使用的可能性进行修正，并适应不同家庭用电行为的变化，使得家庭能量管理服务具有实效性和自适应性。
[0103]
步骤4、建立基于家庭能量管理系统的仅考虑经济性目标优化模型；
[0104]
所述基于家庭能量管理系统的仅考虑经济性目标优化模型具体描述如下：
[0105]
该实施例考虑了家庭能量管理系统的经济性指标。经济性目标函数表示为家庭的用电成本，即家庭向电网买电的成本减去向电网售电的收益，令经济性目标函数最小化：
[0106][0107]
式中，表示在t时段家庭向电网买电的费用，表示在t时段家庭向电网售电的费用，p
tgrid
表示在t时段家庭与电网交换的功率，n表示总时段数，λ1和λ2为二值辅助变量，λ1+λ2＝1用于约束只有一项为非零值；
[0108]
家庭能量管理模型的约束条件表示为：
[0109]
第一、在每一调度时段，家庭的总负荷功率、储能装置充放电功率、光伏出力和家庭与电网交换的功率应处于平衡状态，表达为：
[0110]
[0111][0112]
式中，p
tload
表示在t时段家庭总负荷功率，p
tess
表示在t时段储能装置放电功率，p
tpv
表示在t时段的光伏出力，表示在t时段家庭与电网功率交换的大小，p
i
表示第i个电器的功率；
[0113]
第二、ess(能量存储系统)运行时需要满足的约束条件为：
[0114]
ess(能量存储系统，energy storage system)的荷电状态soc)与充放电功率的关系为：
[0115][0116]
式中，β表示蓄电池的自放电率，e
max
表示蓄电池的最大容量，单位为kwh，soc
t+1
表示第t+1时段的荷电状态，p
tess
表示第t时段蓄电池的充电/放电功率，η
ch
表示充电效率，η
dis
表示放电效率，λ3和λ4为二值辅助变量，λ3+λ4＝1用于约束只有一项为非零值；
[0117]
为延长蓄电池的使用年限，蓄电池在soc上下限内运行，同时，蓄电池的充放电功率的约束条件为：
[0118]
soc
max
≤soc
t
≤soc
min
[0119][0120]
式中，soc
max
、soc
min
代表荷电状态的最大、最小值，表示蓄电池最大充放电功率；
[0121]
为避免光伏出力的波动导致蓄电池频繁充放电，对充放电次数做出约束：
[0122][0123][0124]
式中，为蓄电池充放电阈值，当光伏出力大于时，蓄电池充电，当光伏出力小于时，蓄电池放电；
[0125]
第三、应通过调控空调设备的启停状态来保证家庭的室内温度应处于设定温度的上下界范围内，表达为：
[0126][0127]
式中，t
tin
表示用户设定的温度，表示用户设定温度的上界，表示用户设定温度的下界；
[0128]
对家庭电器负荷的启动顺序约束表达为：
[0129][0130][0131]
式中，nou
i,max
、nou
i,min
代表第i个电器的最大、最小使用次数，s
wd,t
代表在t时刻干
衣机的使用状态，s
wm,k
代表在k时刻洗衣机的使用状态。
[0132]
实施例二：
[0133]
一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，如图3所示，包括如下步骤：
[0134]
步骤1、通过非侵入式负荷监测技术获得必要的用户用电细节；
[0135]
步骤2、对家庭能量管理系统中所包含的各类电器进行建模；
[0136]
步骤3、基于离散贝叶斯网络的负荷行为建模；
[0137]
步骤4、建立基于家庭能量管理系统的仅考虑用户时间舒适度目标优化模型；
[0138]
所述基于家庭能量管理系统的仅考虑用户时间舒适度目标优化模型具体描述如下：
[0139]
该实施例考虑了家庭能量管理系统对用户时间舒适度的影响。时间舒适度目标函数表示为可调度电器的实际运行时间与期望运行时间之间的偏差，时间舒适度目标函数表示为：
[0140][0141]
式中，nou
i
表示第i个电器的总使用次数，s
i,seg＝t
＝1表示第i个电器在t时段处于开启状态，s
i,t
表示第i个电器在t时段的状态，nou
i,max
表示第i个电器的最大使用次数，nou
i,min
表示第i个电器的最小使用次数，λ
j
表示二值辅助变量；
[0142]
家庭能量管理模型的约束条件同实施例一。
[0143]
实施例三：
[0144]
一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，如图3所示，包括如下步骤：
[0145]
步骤1、通过非侵入式负荷监测技术获得必要的用户用电细节；
[0146]
步骤2、对家庭能量管理系统中所包含的各类电器进行建模；
[0147]
步骤3、基于离散贝叶斯网络的负荷行为建模；
[0148]
步骤4、建立基于家庭能量管理系统的仅考虑用户舒适度目标优化模型；
[0149]
所述基于家庭能量管理系统的仅考虑用户舒适度目标优化模型具体描述如下：
[0150]
该实施例考虑了家庭能量管理系统的对用户舒适度的影响，其中，用户舒适度包含时间舒适度和温度舒适度两方面。
[0151]
时间舒适度目标函数表示为可调度电器的实际运行时间与期望运行时间之间的偏差，时间舒适度目标函数表示为：
[0152][0153]
式中，nou
i
表示第i个电器的总使用次数，s
i,seg＝t
＝1表示第i个电器在t时段处于开启状态，s
i,t
表示第i个电器在t时段的状态，nou
i,max
表示第i个电器的最大使用次数，nou
i,min
表示第i个电器的最小使用次数，λ
j
表示二值辅助变量；
[0154]
同样，温度舒适性目标函数表示为室内温度与用户设定温度之间的偏差，表示为：
[0155][0156]
式中，表示时刻t的室内温度，表示用户设定温度的上界，表示用户设定温度的下界。
[0157]
家庭能量管理模型的约束条件同实施例一。
[0158]
实施例四：
[0159]
一种基于非侵入式负荷监测技术的自适应家庭能量管理方法，如图3所示，包括如下步骤：
[0160]
步骤1、通过非侵入式负荷监测技术获得必要的用户用电细节；
[0161]
步骤2、对家庭能量管理系统中所包含的各类电器进行建模；
[0162]
步骤3、基于离散贝叶斯网络的负荷行为建模；
[0163]
步骤4、建立基于家庭能量管理系统的混合整数线性多目标优化模型；
[0164]
所述基于家庭能量管理系统的混合整数线性多目标优化模型具体描述如下：
[0165]
该实施例综合考虑了家庭能量管理系统的经济性指标和对用户舒适度的影响，其中，用户舒适度包含时间舒适度和温度舒适度两方面。
[0166]
经济性目标函数表示为家庭的用电成本，即家庭向电网买电的成本减去向电网售电的收益，令经济性目标函数最小化：
[0167][0168]
式中，表示在t时段家庭向电网买电的费用，表示在t时段家庭向电网售电的费用，p
tgrid
表示在t时段家庭与电网交换的功率，n表示总时段数，λ1和λ2为二值辅助变量，λ1+λ2＝1用于约束只有一项为非零值；
[0169]
时间舒适度目标函数表示为可调度电器的实际运行时间与期望运行时间之间的偏差，时间舒适度目标函数表示为：
[0170][0171]
式中，nou
i
表示第i个电器的总使用次数，s
i,seg＝t
＝1表示第i个电器在t时段处于开启状态，s
i,t
表示第i个电器在t时段的状态，nou
i,max
表示第i个电器的最大使用次数，nou
i,min
表示第i个电器的最小使用次数，λ
j
表示二值辅助变量；
[0172]
同样，温度舒适性目标函数表示为室内温度与用户设定温度之间的偏差，表示为：
[0173][0174]
式中，表示时刻t的室内温度，表示用户设定温度的上界，表示用户设定温度的下界。
[0175]
值得注意的是，上述目标函数是非线性的，因此可以使用big
‑
m方法进行线性化。
为了平衡多个目标对调度结果的影响，将每个目标函数归一化为[0,1]，并基于线性加权方法构造一个多目标函数，该过程可以表示为：
[0176][0177]
minf＝η1obj1′‑
η2obj2′
+η3obj3′
[0178]
式中，η1、η2、η3分别为以上三种目标函数的权重值，obj
i
表示第i个目标函数，f表示总目标函数。
[0179]
家庭能量管理模型的约束条件同实施例一。
[0180]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。