基于非侵入式負(fù)荷監(jiān)測的家庭智慧用能管理研究

丁迅，張忠，夏兆俊，范洋洋，張穎，孔亮

（國網(wǎng)安徽省電力有限公司馬鞍山供電公司，安徽省 馬鞍山市 243000）

0 引言

家庭智慧用能管理系統(tǒng)調(diào)控用戶各種負(fù)荷的運(yùn)行情況，通過用戶側(cè)風(fēng)力發(fā)電和光伏發(fā)電等分布式電源主動(dòng)參與電網(wǎng)的運(yùn)行[1]，提高用電效率，有效實(shí)現(xiàn)節(jié)能減排。隨著多能源網(wǎng)絡(luò)的融合和能源互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，對如何解決各個(gè)能源網(wǎng)絡(luò)節(jié)點(diǎn)供需問題，用戶居民家庭能量管理扮演著重要的作用[2-3]，因此家庭能量管理越來越受到了國內(nèi)外研究者普遍關(guān)注[4]。

近年來，研究者主要從用戶的用電成本和居住環(huán)境等作為目標(biāo)對家庭用能進(jìn)行優(yōu)化運(yùn)行和控制。文獻(xiàn)[5]在智能電網(wǎng)的環(huán)境下以家庭用戶用電成本最小為目標(biāo)進(jìn)行家庭用能管理;文獻(xiàn)[6]基于物聯(lián)網(wǎng)和大數(shù)據(jù)平臺對居民用戶各負(fù)荷進(jìn)行控制，并測試其響應(yīng)時(shí)間；文獻(xiàn)[7]考慮用電成本和設(shè)備的反應(yīng)疲勞對隨機(jī)家庭用能管理進(jìn)行研究；文獻(xiàn)[8]考慮光伏、風(fēng)力發(fā)電和蓄電池儲能對家庭用電負(fù)荷進(jìn)行優(yōu)化和能量管理；文獻(xiàn)[9]基于模型預(yù)測控制對家庭能源局域網(wǎng)各個(gè)設(shè)備進(jìn)行控制，實(shí)現(xiàn)家庭各能源最優(yōu)管理。上述文獻(xiàn)主要以經(jīng)濟(jì)性為目標(biāo)考慮家庭用能管理，并且不同用戶每天用電習(xí)慣不盡相同，如何獲得用戶用電行為是控制家庭用能各個(gè)設(shè)備的關(guān)鍵因素。文獻(xiàn)[10]主要提出建筑圍護(hù)結(jié)構(gòu)熱動(dòng)態(tài)特性的暖通空調(diào)系統(tǒng)模型預(yù)測控制方法，以耗能和用戶舒適度為目標(biāo)，達(dá)到用戶側(cè)用能管理優(yōu)化的目的；文獻(xiàn)[11]考慮智能樓宇在不同優(yōu)化調(diào)度策略下對配電網(wǎng)絡(luò)的經(jīng)濟(jì)性與安全性影響，通過引入樓宇集群負(fù)荷系數(shù)，提出考慮負(fù)荷系數(shù)的集成智能樓宇的主動(dòng)配電網(wǎng)建模及優(yōu)化調(diào)度方法。以上分別從不同用戶住宅結(jié)構(gòu)和配電網(wǎng)絡(luò)考慮用戶家庭用能管理，從而沒有針對不同家庭各個(gè)用電設(shè)備的用電運(yùn)行情況進(jìn)行考慮。同時(shí)當(dāng)用電負(fù)荷改變時(shí)，用戶也需要調(diào)整各個(gè)用電設(shè)備運(yùn)行策略。因此家庭智慧用能管理系統(tǒng)需要進(jìn)一步深入研究和探索。

NILM只需要在電力供給的入口處安裝監(jiān)測設(shè)備對家庭各負(fù)荷進(jìn)行監(jiān)測，獲得每個(gè)負(fù)荷的類型、運(yùn)行情況及相關(guān)參數(shù)等信息，無需在每個(gè)用電設(shè)備裝設(shè)用電數(shù)據(jù)采集器，因此大大減少智慧用能基礎(chǔ)設(shè)施成本，同時(shí)根據(jù)用戶負(fù)荷類型增加用電負(fù)荷改變控制策略。針對如何有效和實(shí)時(shí)獲得用戶用電行為進(jìn)行家庭智慧用能管理，本文提出基于NILM的家庭智慧用能管理系統(tǒng)的控制算法，并以家庭的用電成本和用戶舒適度為目標(biāo)函數(shù)，考慮風(fēng)機(jī)和光伏等可再生能源發(fā)電和儲能系統(tǒng)加入到能源管理系統(tǒng)中，進(jìn)行綜合控制，針對論文多目標(biāo)問題利用粒子群算法進(jìn)行求解，得到最佳可控負(fù)荷和儲能系統(tǒng)的控制策略，并考慮增加不同用電設(shè)備和不同家庭用戶的優(yōu)化控制策略。

1 基于NILM的家庭智慧用能管理系統(tǒng)框架

家庭智慧用能管理系統(tǒng)主要包括光伏發(fā)電、風(fēng)力發(fā)電、電動(dòng)汽車、儲能系統(tǒng)、各種用電負(fù)荷等設(shè)備，如圖1所示。不同設(shè)備運(yùn)行控制和優(yōu)化管理通過基于NILM的家庭智慧用能管理控制器完成。

基于NILM的家庭智慧用能管理系統(tǒng)包括NILM模塊、發(fā)電功率預(yù)測模塊和用電設(shè)備調(diào)度控制模塊，如圖2所示。

1）NILM模塊。通過智能采集器獲得用戶的用電信息識別居民用電負(fù)荷的類型、啟停、運(yùn)行時(shí)間、工作狀態(tài)等，分析用戶的用電行為是家庭智慧用能管理的基礎(chǔ)。

2）發(fā)電功率預(yù)測模塊。主要通過天氣信息和歷史發(fā)電數(shù)據(jù)結(jié)合相應(yīng)的算法對風(fēng)機(jī)和光伏的發(fā)電功率進(jìn)行短期預(yù)測。

3）用電設(shè)備調(diào)度控制模塊。根據(jù)用戶的用電行為，在用電成本最低和盡可能不干擾用戶用電方式的情況下，通過優(yōu)化調(diào)度算法得到家庭的可控負(fù)荷、電動(dòng)汽車、儲能系統(tǒng)等設(shè)備的控制策略。

2 基于NILM家庭智慧用能管理

2.1 NILM模塊

家庭智慧用能管理系統(tǒng)中，NILM模塊通過采集用戶總用電電流，利用監(jiān)測算法獲得各個(gè)用電設(shè)備啟停情況和用電行為。本文監(jiān)測算法為卷積神經(jīng)網(wǎng)絡(luò)，是本文作者2020年5月在IEEE Transactions on Consumer Electronics刊 出[12]。 處理過程包括事件檢測、曲線灰度圖轉(zhuǎn)換、負(fù)荷電流特征圖像數(shù)據(jù)庫和基于卷積神經(jīng)網(wǎng)絡(luò)的負(fù)荷識別4個(gè)主要步驟，處理流程見附錄A，附圖A1。

1）事件檢測：通過閾值判斷得到負(fù)荷啟停事件發(fā)生時(shí)間點(diǎn)，并獲得電流波形，為負(fù)荷監(jiān)測提供數(shù)據(jù)基礎(chǔ)。

2）曲線灰度圖轉(zhuǎn)化：將事件檢測獲得電流波形轉(zhuǎn)化為灰度圖，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入層。

3）負(fù)荷電流特征圖像數(shù)據(jù)庫的建立：將不同負(fù)荷的各種情況的電流波形轉(zhuǎn)化為灰度圖，作為卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。

4）基于卷積神經(jīng)網(wǎng)絡(luò)的負(fù)荷監(jiān)測：利用卷積神經(jīng)網(wǎng)絡(luò)對負(fù)荷類型進(jìn)行識別，結(jié)果概率最大即為此時(shí)事件發(fā)生的負(fù)荷。

NILM利用用戶用電入口處的總用電信息并根據(jù)卷積神經(jīng)網(wǎng)絡(luò)可以有效獲得用戶啟停時(shí)間、運(yùn)行時(shí)間和工作狀態(tài)等信息。

2.2 家庭智慧用能調(diào)度控制模塊

家庭智慧用能管理能量流動(dòng)關(guān)系如圖3所示。圖中：箭頭為能量流動(dòng)的方向；k表示時(shí)刻；PPV.k表示k時(shí)刻光伏發(fā)電功率；Pgrid.k表示k時(shí)刻用戶從電網(wǎng)購入功率；Pnet.k表示k時(shí)刻并入電網(wǎng)功率。

可控負(fù)荷包括平移型和溫度型負(fù)荷；平移型負(fù)荷指用電設(shè)備開啟時(shí)間比較隨機(jī)，同時(shí)設(shè)備需要的電能相對固定，如洗衣機(jī)、洗碗機(jī)、消毒柜等用電設(shè)備；溫度型負(fù)荷指運(yùn)行特性取決于室內(nèi)和室外的溫度差異，負(fù)荷的啟停與用戶自身舒適度相關(guān)，如空調(diào)和熱水器等負(fù)荷。

電動(dòng)汽車可以定義為計(jì)劃型負(fù)荷，運(yùn)行時(shí)間和啟停時(shí)間可以根據(jù)用戶自身需求和電價(jià)等因素自我調(diào)控。不可控負(fù)荷指用戶家庭剛性或者近似剛性需求的負(fù)荷，用電設(shè)備具有很強(qiáng)的用電規(guī)律，如照明設(shè)備、電腦和電視等家庭用電設(shè)備。

2.2.1 可控負(fù)荷數(shù)學(xué)模型與約束條件

1）平移型負(fù)荷。

平移型負(fù)荷指開啟時(shí)間可以隨機(jī)，但必須等待整個(gè)工作任務(wù)完成后才能關(guān)閉。

式中：Px為平移型負(fù)荷x在整個(gè)工作任務(wù)的平均功率；x為洗衣機(jī)、洗碗機(jī)和消毒機(jī)等平移型負(fù)荷集合；kx.start為平移型負(fù)荷x開始運(yùn)行時(shí)間，kx.total為平移型負(fù)荷x整個(gè)工作任務(wù)的工作時(shí)間。

2）空調(diào)。

空調(diào)運(yùn)行情況受室內(nèi)室外溫度差、建筑保溫材料和室內(nèi)空間大小等因素影響。根據(jù)文獻(xiàn)[13]可以得到空調(diào)溫度變化模型：

3）電熱水器。

電熱水器根據(jù)熱量平衡可以有：

式中：c為水的比熱容；ρ為水的密度；V為電熱水器的體積；和為第k+1個(gè)時(shí)間段與第k個(gè)時(shí)間段的水箱溫度；α為熱水器散熱系數(shù)；φ為電轉(zhuǎn)化效率；τ為千瓦時(shí)與焦耳的單位轉(zhuǎn)化系數(shù)；表示k時(shí)間的電功率消耗；為0?1變量，0表示電熱水器停止運(yùn)行，1表示電熱水器開啟運(yùn)行。熱水器內(nèi)的溫度需要保持在一定范圍，供用戶隨時(shí)使用，即：

4）電動(dòng)汽車。

電動(dòng)汽車可以被認(rèn)為是儲能系統(tǒng)和可控負(fù)荷的綜合體，作為交通工具，離開和接入到電網(wǎng)具有一定的隨機(jī)性，其約束條件：

式中：k∈[k1,k2]，k1表示電動(dòng)汽車開始充電時(shí)間；k2表示其結(jié)束充電時(shí)間； ηEV為電動(dòng)汽車的充放電效率，充電時(shí) ηEV=1，放電時(shí) ηEV=0，計(jì)算考慮電動(dòng)汽車僅參與儲能而不參與家庭設(shè)備用電；EEV(k)表示電動(dòng)汽車k時(shí)刻的能量； εEV表示電動(dòng)汽車自放電的損耗；PEVmin和PEVmax表示最大充電功率和最大放電功率；EEVmin和EEVmax表示電動(dòng)汽車可用容量的上下限。

5）儲能系統(tǒng)。

儲能系統(tǒng)的約束與電動(dòng)汽車的約束相同，考慮電動(dòng)汽車具有隨機(jī)性，而儲能系統(tǒng)可以按照需求進(jìn)行控制，其約束條件：

式中：k表示儲能系統(tǒng)運(yùn)行時(shí)段，k∈1,2,...,K；ωB充電時(shí)為 ωBs， ωBs為 儲能系統(tǒng)充電效率； ωB放電時(shí)為， ωBd為儲能系統(tǒng)放電效率；EB(k)表示儲能系統(tǒng)k時(shí)刻的能量； εB表示儲能系統(tǒng)自放電的損耗；PBmin和PBmax表示最大充電功率和最大放電功率；EBmin和EBmax表示儲能系統(tǒng)可用容量的上下限。

6）功率平衡約束：

式中：PC.load.k為可控負(fù)荷k時(shí)段耗電功率；PU.load.k為不可控負(fù)荷k時(shí)段耗電功率；PEV.k為電動(dòng)汽車k時(shí)段充電功率；PBs.k為蓄能系統(tǒng)k時(shí)段充電功率；PBd.k為k時(shí)段蓄能系統(tǒng)放電功率；Pnet.k表示k時(shí)刻光伏或者風(fēng)機(jī)上網(wǎng)功率；PPV.k為光伏k時(shí)段發(fā)電功率，PWT.k為風(fēng)機(jī)k時(shí)段發(fā)電功率；Pgrid.k表示k時(shí)段用戶從電網(wǎng)購電功率。

2.2.2 目標(biāo)函數(shù)

家庭智慧用能管理系統(tǒng)的各個(gè)設(shè)備的運(yùn)行計(jì)劃通過能源管理模型求解確定，本文家庭能量管理模型建立的原則主要包括2個(gè)方面。

1）用戶的用電成本最低。降低用電成本是居民使用電能最直接的愿望，同時(shí)可以消納風(fēng)機(jī)和光伏的發(fā)電量，達(dá)到節(jié)能減排的效果。用戶用電成本f1由用戶購電成本和風(fēng)機(jī)光伏發(fā)電收益組成，公式如下：

式中： P ricek表示k時(shí)刻電價(jià)；Jsub為光伏或者風(fēng)機(jī)上網(wǎng)補(bǔ)貼電價(jià)。

2）用戶的用電舒適度最高。家庭智慧用能管理系統(tǒng)各設(shè)備調(diào)度控制計(jì)劃按照用戶使用各個(gè)設(shè)備的用電習(xí)慣，用電舒適度越高，用電體驗(yàn)會(huì)隨之增大，舒適度包括用電時(shí)間安排舒適度和溫度舒適度。

時(shí)間安排舒適度：用電時(shí)間安排對于平移型負(fù)荷，存在負(fù)荷運(yùn)行時(shí)間提前或者延期的情況，如圖4所示。

平移型負(fù)荷目標(biāo)，盡可能按照用戶正常使用負(fù)荷進(jìn)行開啟和關(guān)閉，即目標(biāo)使平移型負(fù)荷開啟時(shí)間和用戶正常使用負(fù)荷時(shí)間差值盡可能的小，表達(dá)式：

式中：sx為家庭智慧用能管理系統(tǒng)控制平移負(fù)荷x開啟時(shí)間；kx為平移負(fù)荷x用戶正常開啟時(shí)間；為平移負(fù)荷x最大允許延遲和提前時(shí)間的和。

溫度舒適度：溫度型負(fù)荷可以間歇開啟和關(guān)閉，如空調(diào)和熱水器，溫度舒適度是溫度盡可能小的偏離人體需求溫度，表達(dá)式：

式中：Tj(k)為k時(shí)刻第j個(gè)溫度型負(fù)荷實(shí)現(xiàn)溫度；為k時(shí)刻第j個(gè)溫度型負(fù)荷居民設(shè)定需求溫度；為第j個(gè)溫度型負(fù)荷實(shí)現(xiàn)溫度與設(shè)定需求溫度居民最大容忍溫度。

綜上所述，基于NILM的家庭智慧用能管理系統(tǒng)的目標(biāo)函數(shù)為：

2.3 發(fā)電功率預(yù)測模塊

光伏發(fā)電功率PPV.k預(yù)測值，通過文獻(xiàn)[14]主成分分析法和回歸分析等數(shù)據(jù)統(tǒng)計(jì)方法進(jìn)行求解。風(fēng)機(jī)發(fā)電功率PWT.k預(yù)測值，利用文獻(xiàn)[15]支持向量機(jī)和經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行短期預(yù)測。仿真地區(qū)風(fēng)光發(fā)電的歷史數(shù)據(jù)對風(fēng)光發(fā)電預(yù)測方法進(jìn)行誤差校驗(yàn)，誤差小于5%。

3 家庭智慧用能管理優(yōu)化調(diào)度運(yùn)行模型

3.1 優(yōu)化調(diào)度模型

基于NILM的家庭智慧用能管理系統(tǒng)的目標(biāo)函數(shù)為式（16）。由于f2,f3∈[0,1]，如果直接求解各個(gè)目標(biāo)函數(shù)的最優(yōu)解，存在f2和f3同時(shí)為零，而用戶仍為傳統(tǒng)的用電習(xí)慣，用電成本f1保持不變，因此需要約束f2和f3不能同時(shí)為零。

式中： ξ1,2∈ [0,1]， ξ1+ ξ2=1;f2+f3>0，約束條件式 (1)—(12)。

3.2 優(yōu)化策略

家庭智慧用能管理系統(tǒng)優(yōu)化策略主要用于各個(gè)時(shí)刻發(fā)電設(shè)備和電網(wǎng)出力的確定，對運(yùn)行費(fèi)用有著直接影響?？紤]用戶的使用體驗(yàn)及盡可能使用可再生能源，家用負(fù)荷對系統(tǒng)運(yùn)行可靠性需求較高，從大電網(wǎng)購電是家庭智慧用能管理系統(tǒng)的最終供電方式。考慮風(fēng)力和光伏發(fā)電的隨機(jī)性，本文設(shè)定優(yōu)化策略：優(yōu)先考慮光伏和風(fēng)力發(fā)電，最大程度利用可再生能源滿足家用負(fù)荷的用電需要，當(dāng)可再生能源不滿足負(fù)荷的正常需要，判斷蓄電池的荷電狀態(tài)，若滿足則采用儲能系統(tǒng)供應(yīng)家庭智慧用能管理系統(tǒng)短時(shí)負(fù)荷需要，當(dāng)蓄電池的剩余電量不能滿足時(shí)，由電網(wǎng)直接供電的時(shí)間順序。

優(yōu)化模型根據(jù)風(fēng)機(jī)、光伏可再生能源功率輸出預(yù)測值、電價(jià)信號、用戶偏好的設(shè)置，對可控負(fù)荷、電動(dòng)汽車和儲能系統(tǒng)進(jìn)行調(diào)度，以滿足家庭智慧用能管理系統(tǒng)的目標(biāo)要求。

3.3 粒子群算法

由于家庭智慧用能管理的維度、變量和約束條件較多，粒子群算法可以很好地解決非線性優(yōu)化問題。粒子群算法的基本思想：粒子都有它本身的位置與速度，通過目標(biāo)函數(shù)決定當(dāng)前適應(yīng)值[16]。每次迭代時(shí)，粒子通過計(jì)算自身最優(yōu)解Pbest及全局最優(yōu)解Gbest完成更新，粒子i在第k次迭代第d維速度和位置的更新方程為

通過PSO求解家庭智慧用能管理優(yōu)化調(diào)度模型，得到家庭各個(gè)用電設(shè)備優(yōu)化運(yùn)行策略，可控負(fù)荷、電動(dòng)汽車和儲能系統(tǒng)作為PSO算法的決策變量，可控負(fù)荷和電動(dòng)汽車求解量為0?1變量，判斷對應(yīng)設(shè)備啟停時(shí)間。

4 算例分析

4.1 NILM模塊

NILM模塊獲取用戶各個(gè)用電負(fù)荷啟停時(shí)間和運(yùn)行規(guī)律，進(jìn)而得到用戶的用電習(xí)慣，為家庭智慧用能管理提供數(shù)據(jù)支撐。本文數(shù)據(jù)來源沈陽市某小區(qū)一居民家庭用電情況，表1為家庭用電負(fù)荷類型和功率范圍。利用文獻(xiàn)[12]NILM方法得到每天的該戶居民各個(gè)負(fù)荷啟停狀態(tài)和用電量情況。

表1 家庭用電負(fù)荷類型和功率范圍Table 1 Type and power range of household electric loads

基于NILM可以有效獲得用戶的用電習(xí)慣，本文只對用戶的可控負(fù)荷進(jìn)行智能控制，如表2所示為可控負(fù)荷的最早開始時(shí)間、最晚結(jié)束時(shí)間、可運(yùn)行時(shí)間窗口和運(yùn)行時(shí)間。

表2 基于NILM算法的家庭可控負(fù)荷運(yùn)行數(shù)據(jù)分析Table 2 NILM algorithm-based analysis on operating data of household controlled load

4.2 發(fā)電功率預(yù)測模塊

對光伏、風(fēng)機(jī)發(fā)電輸出功率的短期準(zhǔn)確預(yù)測，可以合理調(diào)配電網(wǎng)、風(fēng)機(jī)和光伏的用電，降低用電成本，提高用戶用電滿意度。家庭智慧用能管理設(shè)備負(fù)荷調(diào)度區(qū)間時(shí)長1天，考慮能夠?qū)崟r(shí)對各個(gè)負(fù)荷和設(shè)備進(jìn)行控制，將仿真間隔設(shè)置為時(shí)長1 h，24個(gè)時(shí)間間隔。假設(shè)用戶安裝的光伏發(fā)電系統(tǒng)容量5 kW，風(fēng)機(jī)發(fā)電系統(tǒng)容量3 kW，光伏輸出功率、風(fēng)機(jī)輸出功率見附錄A，附圖A2所示。

4.3 家庭智慧用能調(diào)度控制模塊

4.3.1 固定用電負(fù)荷優(yōu)化控制策略

家庭智慧用能調(diào)度區(qū)間設(shè)置總時(shí)長K=24 h，間隔長度k=1 h，總共24個(gè)間隔。不可控負(fù)荷電腦、電視、冰箱，可控負(fù)荷洗衣機(jī)，由于運(yùn)行情況不同功率也不相同，需提前計(jì)算第二天各個(gè)負(fù)荷功率運(yùn)行情況，本文取平均功率作為輸入數(shù)據(jù)?？照{(diào)：電熱水器：電熱水器初始溫度設(shè)置為儲能系統(tǒng)容量為13.44 kWh，最大充放電功率為2 kW，ωBs=ωBd=0.95，蓄電池荷電初始狀態(tài)為50%；上網(wǎng)補(bǔ)貼Jsub=0.37元/kWh；PSO最大迭代次數(shù)1000；速度取值范圍為 [0.4 ,0.4]；Pc=0.7；wmax和wmin分別為0.2和0.9；ξ1= ξ2=0.5；電動(dòng)汽車在本文計(jì)算中只作為負(fù)荷性質(zhì)，而不參與放電供其他負(fù)荷使用，電價(jià)和室外環(huán)境溫度見附錄A，附圖A3所示。

本文研究基于NILM的家庭智慧用能管理，根據(jù)運(yùn)行策略，優(yōu)先使用光伏發(fā)電和風(fēng)機(jī)發(fā)電，在滿足用戶用電需求的情況下以用戶用電成本和舒適度綜合目標(biāo)最小得到可控負(fù)荷和儲能系統(tǒng)設(shè)備運(yùn)行結(jié)果。為了綜合比較算法可靠性，采用3種模式進(jìn)行比較。

模式0：用電設(shè)備正常運(yùn)行（按照用戶以往用電習(xí)慣正常運(yùn)行，不增加控制策略）。

模式1：考慮用戶用電成本和舒適度多目標(biāo)的控制策略，不含風(fēng)機(jī)光伏發(fā)電和儲能系統(tǒng)。

模式2：含風(fēng)機(jī)光伏和儲能系統(tǒng)并計(jì)及用戶用電成本和舒適度的控制策略。

利用PSO算法進(jìn)行求解，采用MATLAB7.10編程，計(jì)算結(jié)果如圖5所示。根據(jù)不同模式下可控負(fù)荷功率變化計(jì)算購電成本、收益和凈成本，結(jié)果如表3所示。

表3數(shù)據(jù)顯示：模式1、模式0均沒有光伏風(fēng)機(jī)發(fā)電和儲能系統(tǒng)參與負(fù)荷供電調(diào)節(jié)，只增加控制策略，發(fā)現(xiàn)可以有效節(jié)省用戶用電成本，成本降低率為72.5%。模式2與模式0相比增加光伏風(fēng)機(jī)發(fā)電和儲能系統(tǒng)參與負(fù)荷調(diào)節(jié)，并考慮用戶用電成本和舒適度，成本降低倍數(shù)為109倍，當(dāng)發(fā)現(xiàn)光伏和風(fēng)機(jī)發(fā)電參與家庭用能時(shí)，可以大幅度減少用戶用電成本。模式2與模式1均考慮控制策略，但模式2增加光伏風(fēng)機(jī)發(fā)電和儲能系統(tǒng)，發(fā)現(xiàn)成本降低倍數(shù)為62.77倍，用戶用電成本有效減少。

表3 不同模式下購電成本、收益與凈成本Table 3 Power purchasing cost, revenue and net cost under different modes

通過上述分析可以發(fā)現(xiàn)，在NILM情況下，獲得用戶用電信息和用電規(guī)律，保證用戶用電舒適性，同時(shí)增加光伏風(fēng)機(jī)發(fā)電和儲能系統(tǒng)并綜合考慮成本與舒適性，可以有效降低用戶用電成本。

根據(jù)PSO算法求解得到各個(gè)可控負(fù)荷控制策略，0表示可控負(fù)荷停止運(yùn)行，1表示可控負(fù)荷正在運(yùn)行。附錄A附圖A4和附圖A5分別為模式1和模式2不同時(shí)間可控負(fù)荷與電動(dòng)汽車啟停情況，即各個(gè)用電設(shè)備調(diào)度策略輸出值。

4.3.2 增加用電負(fù)荷時(shí)優(yōu)化控制策略

現(xiàn)有家庭用戶用能管理中，大多數(shù)只針對固定用電設(shè)備，而未考慮用戶增加用電設(shè)備時(shí)如何進(jìn)行優(yōu)化控制。本文增加不同類型的用電負(fù)荷，并基于NILM進(jìn)行設(shè)備辨識，其負(fù)荷識別準(zhǔn)確率如圖6所示。

圖6顯示用戶臨時(shí)增加不同類型的用電負(fù)荷，NILM算法的準(zhǔn)確率均在87%以上，而對于平移型、計(jì)劃型和溫度型3類可控負(fù)荷的識別準(zhǔn)確率在97%以上。

本文假設(shè)用戶臨時(shí)增加一臺空調(diào)負(fù)荷，其啟停規(guī)律和運(yùn)行時(shí)間通過NILM算法獲得?？刂?為增加空調(diào)負(fù)荷時(shí)NILM未介入的設(shè)備控制策略，控制2為增加空調(diào)負(fù)荷時(shí)NILM介入優(yōu)化后的控制策略。其用戶可控負(fù)荷總功率如圖7所示。

根據(jù)階梯電價(jià)，計(jì)算控制1用電成本34.05元，控制2用電成本32.82元，成本降低率3.75%。增加不同的可控用電負(fù)荷，成本均有所降低。即增加可控用電負(fù)荷，NILM算法可以實(shí)時(shí)更新優(yōu)化控制策略以達(dá)到降低用電成本目的。

4.3.3 不同居民用戶基于NILM家庭智慧用能管理

考慮利用PSO算法在計(jì)算可控負(fù)荷0?1變量和儲能系統(tǒng)連續(xù)變量時(shí)具有隨機(jī)性，為了保證算法的準(zhǔn)確性，選取6個(gè)家庭居民用戶進(jìn)行試驗(yàn)驗(yàn)證，重復(fù)計(jì)算10次，數(shù)據(jù)來源于文獻(xiàn)[17]，結(jié)果如表4所示。

通過表4可以發(fā)現(xiàn)，利用PSO算法計(jì)算凈成本和時(shí)間標(biāo)準(zhǔn)差較小，計(jì)算時(shí)間平均值小于1 h，滿足負(fù)荷控制要求，控制算法計(jì)算結(jié)果可以作為可控負(fù)荷和電動(dòng)汽車第二天運(yùn)行計(jì)劃。

5 結(jié)論

NILM算法可以得到家庭用電負(fù)荷、用電規(guī)律和用電信息，為家庭智慧用能管理提供數(shù)據(jù)支撐?；谟脩粲秒姵杀竞褪孢m性提出可控負(fù)荷的控制策略，考慮光伏發(fā)電、風(fēng)機(jī)發(fā)電、儲能系統(tǒng)參與負(fù)荷和電網(wǎng)的能量交換，提出家庭智慧用能管理多目標(biāo)控制算法。仿真結(jié)果顯示，NILM算法的家庭用電成本降低72.5%；用戶用電設(shè)備增加時(shí)，可有效降低家庭用電成本；不同的用戶家庭通過調(diào)整優(yōu)化策略、凈成本、計(jì)算時(shí)間就能滿足家庭的用能需求。該算法可推廣到工業(yè)、服務(wù)等行業(yè)的智慧用電管理中。

（本刊附錄請見網(wǎng)絡(luò)版，印刷版略）

附錄 A