計及用戶不滿意度的家庭能量管理調(diào)度優(yōu)化研究

李群 王亮 馬琳琳 于立濤 撖奧洋 安樹懷 張智晟

摘要：針對家庭能量管理調(diào)度優(yōu)化問題，本文建立了計及用戶不滿意度的家庭能量管理調(diào)度優(yōu)化模型，綜合考慮用戶用電成本、用戶對用電時間的不滿意度和對溫度的不滿意度3個目標，采用多目標粒子群算法（multiobjective particle swarm optimization，MOPSO）對模型進行求解，并結(jié)合信息熵法對最優(yōu)解進行選取，從而完成對各家用電器的優(yōu)化調(diào)度。同時，對不同情景下的用電模式進行算例仿真。仿真結(jié)果表明，采用計及用戶不滿意度的家庭能量管理調(diào)度優(yōu)化模型對家用電器進行調(diào)度，可以在降低用戶用電成本的同時，兼顧用戶用電的舒適度，驗證了模型的有效性。該研究對智能家居的調(diào)度和用戶的智能用電具有重要的理論和指導意義。

關(guān)鍵詞：家庭能量管理; 用戶不滿意度; 多目標粒子群算法; 信息熵; 電力系統(tǒng)

中圖分類號： TM73文獻標識碼： A

文章編號： 10069798（2019）01007506; DOI： 10.13306/j.10069798.2019.01.013

隨著智能電網(wǎng)的出現(xiàn)和智能家居的不斷普及，家庭能源消耗模式發(fā)生了革命性的變化，以智能家居為基礎(chǔ)的家庭能源管理系統(tǒng)（home energy management system，HEMS）迅速發(fā)展[1]。HEMS的核心是合理制定用戶的用電計劃，并按照計劃來調(diào)度智能家居的運行。考慮到用戶的不同需求，HEMS應(yīng)針對不同的需求目標來制定不同的調(diào)度計劃。HEMS所需要的優(yōu)化目標包括用戶的用電成本最低、兼顧用電成本和用戶用電舒適性[2]。近年來，許多學者對家庭能量管理調(diào)度進行了研究，并提出了自己的方案。殷亮亮等人[3]提出了一種家庭微電網(wǎng)能量優(yōu)化策略，模型中考慮到了用戶用電的舒適性;王守相等人[4]提出了計及光伏的家庭能量管理協(xié)同調(diào)度策略，將舒適度納入到模型的約束條件中;官拓穎等人[5]提出了一種家電最優(yōu)調(diào)度方法，對家用電器運行時間的舒適度進行了定量分析;黃燾等人[6]對舒適度進行建模，將舒適度納入到目標函數(shù)中;楊冰[7]所提出的不滿意度指標均按照偏離值呈線性變化，但所有的家用電器均按照統(tǒng)一標準;紀姝彥等人[8]根據(jù)不同家電對用戶的不同影響，給出了舒適性的評價函數(shù)，將舒適性加權(quán)處理到目標函數(shù)中進行調(diào)度?；诖?，本文提出了計及用戶不滿意度的家庭能量管理調(diào)度優(yōu)化模型，該模型綜合考慮家用電器運行的時間不滿意度和溫度不滿意度，并針對不同電器對用戶的影響程度不同，對不滿意度函數(shù)進行加權(quán)處理。同時，將用電成本、時間不滿意度、溫度不滿意度三者作為多目標進行優(yōu)化處理，采用多目標粒子群算法對模型進行求解。通過算例證明，該模型在降低用電成本的同時，可以兼顧用戶用電的時間不滿意度和溫度不滿意度，驗證了模型的有效性。

1家庭智能用電系統(tǒng)

本文以典型家庭智能用電系統(tǒng)為研究對象。家庭智能用電系統(tǒng)含光伏發(fā)電系統(tǒng)和不可調(diào)度負荷、不可中斷負荷、可中斷負荷等3類負荷。居民用戶可通過電力公司獲取第2天的電價情況，根據(jù)天氣情況預(yù)測第2天的光伏出力情況[9]。HEMS根據(jù)所得到的電力信息及居民用戶的運行要求，通過無線網(wǎng)絡(luò)向家用電器發(fā)送控制信號，以調(diào)度家用電器的運行，從而達到優(yōu)化運行的目的[10]。

1.1不可調(diào)度負荷

不可調(diào)度負荷主要有家庭照明設(shè)備、電視機和計算機等，這類負荷同用戶的生活愛好和作息習慣緊密聯(lián)系，改變之后會對用戶的生活造成巨大影響，不參與智能家電的調(diào)度。

1.2不可中斷負荷

不可中斷負荷主要有洗衣機、洗碗機、電放鍋等，一旦運行就不可停止，直到完成工作。

1.3可中斷負荷

可中斷負荷主要有空調(diào)等溫控設(shè)備，這類設(shè)備隨著室內(nèi)溫度的變化來決定其開關(guān)狀態(tài)。HEMS在保證用戶正常生活的前提下，合理調(diào)度智能家居的運行。由于不可調(diào)度負荷運行時間的改變會對用戶生活造成巨大影響，不宜參與調(diào)度。因此，參與調(diào)度的負荷主要有：

多情景分析如表2所示。由表2可以看出，情景1中不進行優(yōu)化調(diào)度，用戶用電成本最高，用戶對時間的不滿意度與對溫度的不滿意度最低。情景2進行優(yōu)化調(diào)度，但僅考慮用戶用電成本，優(yōu)化后用戶用電成本最低，下降為4.10元，但用戶對時間的不滿意度與對溫度的不滿意度影響較大，分別上升為64%和25%。情景3在考慮用戶用電成本的同時，兼顧用戶對時間的不滿意度與對溫度的不滿意度。與情景2相比，用戶用電成本雖有上升，但用戶對時間的不滿意度與對溫度的不滿意度均有較明顯的下降，分別下降為39%和13%。

5結(jié)束語

本文建立了計及不滿意度的家庭能量管理調(diào)度優(yōu)化模型，在考慮用戶用電成本的同時，兼顧用戶對時間的不滿意度與對溫度的不滿意度。采用多目標粒子群算法對模型進行求解，仿真結(jié)果表明，合理安排家用電器的運行，可以在降低用戶用電成本的同時，又能滿足用戶用電的舒適性要求，驗證了所提模型的正確性。若能考慮家庭儲能的影響，則能進一步完善家庭能量管理調(diào)度優(yōu)化模型，獲得更好的優(yōu)化效果。

參考文獻：

[1]張延宇， 曾鵬， 臧傳治. 智能電網(wǎng)環(huán)境下家庭能源管理系統(tǒng)研究綜述[J]. 電力系統(tǒng)保護與控制， 2014， 42（18）： 144154.

[2]劉經(jīng)浩， 賀蓉， 李仁發(fā)， 等. 一種基于實時電價的HEMS家電最優(yōu)調(diào)度方法[J]. 計算機應(yīng)用研究， 2015， 32（1）： 132137， 160.

[3]殷亮亮， 李征. 基于負荷分類的風光蓄家庭微電網(wǎng)的獨立運行能量優(yōu)化管理[J]. 電器與能效管理技術(shù)， 2017（3）： 8490.

[4]王守相， 孫智卿， 劉喆， 等. 面向智能用電的家庭能量協(xié)同調(diào)度策略[J]. 電力系統(tǒng)自動化， 2015， 39（17）： 108113.

[5]官拓穎， 賀蓉， 李仁發(fā)， 等. 一種改進的HEMS 家電最優(yōu)調(diào)度方法[J]. 計算機應(yīng)用研究， 2016， 33（6）： 17271733.

[6]黃燾， 馬溪原， 雷金勇， 等. 考慮分時電價和需求響應(yīng)的家庭型用戶側(cè)微電網(wǎng)優(yōu)化運行[J]. 南方電網(wǎng)技術(shù)， 2015， 9（4）： 4753.

[7]楊冰. 基于需求響應(yīng)的家用設(shè)備調(diào)度策略研究[D]. 成都： 電子科技大學， 2016.

[8]紀姝彥， 李冬偉. 基于用戶滿意度的智能用電能量調(diào)度方法研究[J]. 電氣工程學報， 2017， 12（4）： 1017.

[9]郭佳歡. 微網(wǎng)經(jīng)濟運行優(yōu)化的研究[D]. 北京： 華北電力大學， 2010.

[10]Mohsenian Rad A H， Leon Garcia A. Optimal residential load control with price prediction in realtime electricity pricing environments[J]. IEEE Transactions on Smart Grid， 2010， 1（2）： 120133.

[11]阮冰潔. 計及實時電價的家居混合供電系統(tǒng)能量優(yōu)化調(diào)度方法[D]. 杭州： 浙江大學， 2015.

[12]Li N， Chen L I， Low S H. Optimal demand response based on utility maximization in power networks[J]. IEEE Transactions on Smart Grid， 2011， 1（3）： 6778.

[13]Fanger P O. Thermal comfort[M]. Copenhagen： Danish Technical Press， 1970.

[14]蘇華東. CFD技術(shù)在住宅室內(nèi)設(shè)計節(jié)能控制中的應(yīng)用研究[D]. 重慶： 重慶大學， 2010.

[15]張子泳， 仉夢林， 李莎， 等. 基于多目標粒子群算法的電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度研究[J]. 電力系統(tǒng)保護與控制， 2017， 45（10）： 110.

[16]王金全， 黃麗， 楊毅， 等. 基于多目標粒子群算法的微電網(wǎng)優(yōu)化調(diào)度[J]. 電網(wǎng)與清潔能源， 2014， 30（1）： 4954.

[17]吳穎. 基于Pareto最優(yōu)解的多目標PSO算法在電機優(yōu)化設(shè)計中的應(yīng)用[D]. 廣州： 中山大學， 2009.

[18]吳小剛. 配網(wǎng)儲能系統(tǒng)的規(guī)劃方法研究[D]. 北京： 華北電力大學， 2015.

[19]Erolkantarci M， Mouftah H T. Wireless sensor networks for costefficientresidential energy management in the smart grid[J]. IEEE Transactions on Smart Grid， 2011， 2（2）： 314325.

[20]紀姝彥. 面向智能用電的家庭能量管理研究[D]. 合肥： 合肥工業(yè)大學， 2017.