混合能源协同控制的智能家庭能源优化控制策略

东北石油大学电气信息工程学院的研究人员徐建军、王保娥、闫丽梅、李战平,在2017年第12期《电工技术学报》上撰文指出,家庭能源优化控制是家庭能源管理系统(HEMS)的重要分支之一,然而由于缺少有效的智能优化算法,制约了家庭能源优化控制的实际应用。

本文通过对家用电器运行特性的分析,将家庭用电设备分为刚性负荷,简单可调节负荷,电池类设备,供暖、通风和空调(HVAC)系统设备等,并建立相应的负荷模型;以市电电网、光伏发电、储能电池三种能源作为智能家庭的供给源,以电能花费和用户舒适度作为优化目标,建立混合能源协同控制的智能家庭能源优化控制模型;并提出一种基于改进的快速粒子群算法(APSOA)的智能求解方法,得出每个电器最优的用电时段,室温控制系统各个时段所需功率以及蓄电池各个时段的充放电功率。

以某智能家庭夏季某一天用电情况为例,在Matlab环境下,建立模型并仿真,与粒子群算法(PSOA)、遗传算法(GA)进行对比,说明了模型和算法的可行性及有效性。

人们日常生活和生产的各个领域与电力密切相关,随着经济和社会的快速发展,人们的电力需求越来越大,电力的生产、传输和使用率对经济的可持续发展及环境等具有重大的意义。目前,居民用电量已超过整个社会的1/3,比重越来越大,但有关研究指出居民侧的用电效率非常低并且浪费严重。

为了提高居民侧的用电效率,达到节能减排的目的,早在20世纪70年代,家庭能源管理[1]就引起了一些西方国家如美国、欧洲的关注。在国内,智能电网建设作为国家电网的重要任务,正在一步步地完善,用户作为用电终端也在智能电网的范畴内,如家庭能源管理、用电响应等都是我国目前研究的重点[2-4]。

智能家庭能源管理系统包括五个功能模块,即用户设置模块、检测模块、预测模块、优化调度模块和设备监控模块。其中,优化调度模块是家庭能源管理系统的核心,它可以依据居民对电器相关参数的设定、电器实际工作状态、环境状况、电价信息以及分布式能源的输出功率等信息对居民的可调节电器和储能设备进行优化配置,实现居民的不同要求[5]。

家庭能源优化控制是智能电网实现需求侧能源管理的最重要环节,它通过合理安排用户的分布式能源的出力、储能设备的充放电计划和可时移家用设备的工作时段,充分利用用户分布式能源发电和电网电价[6],使家庭的电力花费尽可能小,以提高用电效率,为智能电网下的用户侧需求响应的实施[7-9]、分布式能源[10-12]和电动汽车[13,14]的接入提供强有力的支持。

目前,一些研究人员提出了对供暖、通风和空调(Heating, Ventilation andAir Conditioning, HVAC)系统、热水器、电动汽车等进行控制,为电力系统的稳定运行提供服务[15]。研究显示家庭的电能花费与家用电器、分布式能源、储能设备以及是否能够向电网反馈电能等均有关系,但目前为止,综合考虑这些因素的研究还较少。另外,也没有对分布式能源及电价的预测、用户用电量等方面进行深入研究。所以,目前以至未来,综合考虑各种因素的优化控制策略是家庭能源管理研究的重要课题[16-18]。

本文在家庭电能花费最小化的基础上,增加了HVAC系统、储能系统、分布式电源等,并假设用户可根据自身情况向电网出售电能等条件,以电能花费和用户舒适度作为优化指标,设计了一种混合能源协同控制的智能家庭能源优化控制模型,并提出一种基于改进的粒子群算法(AdaptiveParticle Swarm Optimization Algorithm, APSOA)的智能求解方法,求出每个家用电器最优的用电时段、室温控制系统在需求时段的功率以及蓄电池在各个时段的充放电功率。

图1 家庭电器电能消耗

结论

本文考虑家庭能够向电网有偿卖电,电池组可参与整个优化过程,户用分布式光伏输出功率已知,基于购售电分时电价,以用户舒适度成本和电力费用最小为目标,建立了一种智能家庭能源优化控制模型,提出一种基于改进的快速粒子群算法的智能求解方法,最终得出每个电器最优的用电时段、室温控制系统相应时段所需功率以及电池组各个时段的充放电功率。

仿真和算法分析表明,在考虑电网、分布式光伏发电、电池组协同供电的情况下,采用本文提出的家庭能源优化控制策略,能够很好地满足用户舒适度需求,同时使家庭电能费用最小,为家庭能源管理系统的普及提供了有力的技术支持。

(0)

相关推荐