一种实现电网侧和用户侧交互的家庭能量双层优化方法

技术领域

本发明属于电力优化调度领域，涉及一种家庭能量优化方法，具体涉及一种实现电网侧和用户侧交互的家庭能量双层优化方法。

背景技术

在多数现有研究中，分时电价仅仅是固定的电价，该分时电价机制无法体现电网与用户之间的交互关系，不足以调动居民用户参与电网调峰的积极性。因此相关部门及专家学者提出了具有促进居民用户参与电网调峰的激励机制，在居民降低用电需求时给予一定的补贴，相较于只利用分时电价，兼顾分时电价和激励补贴机制能够更好地实现供电端与用电端的互动。随着智能电表的普及，非侵入式负荷分解技术在家庭日常生活用电中逐步得到广泛地应用在智能家居优化调度中。

但是如果仅仅考虑了负荷的智能调度情况，对分时电价的环境假设单一，难以体现供用电端的互动关系。所以需要一个新的技术方案来解决这个问题。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种实现电网侧和用户侧交互的家庭能量双层优化方法，用于改善居民负荷曲线的峰谷差，提高用电端与供电端的互动程度，使居民用户更加积极地参与电网地优化调度。

技术方案：为实现上述目的，本发明提供一种实现电网侧和用户侧交互的家庭能量双层优化方法，包括如下步骤：

S1：读取用户的日负荷曲线，基于特征指标将高维的负荷数据降维，获取到降维曲线；

S2：基于FCM模糊聚类算法计算降维曲线的隶属度，根据隶属度完成日负荷曲线的分类；

S3：通过日负荷曲线的分类结果，对居民用户进行分类，针对每一类居民用户设计电力套餐，用于获取满足发电侧、电网侧和环境三侧的效益最好与用户电费支出最少的峰谷电量系数标准值和电价折扣系数；

折扣系数的作用是：在用户负荷曲线满足峰谷电量系数的标准值时，给予用户一定的电价折扣作为补贴，在采用电力套餐前的电费支出的基础上打个折扣。也就是用户的舒适度稍稍降低，用户电费支出也减少。

外层设计的电力套餐包含峰谷电量系数和电价折扣系数，内层优化时，峰谷电量系数就作为约束条件，约束智能家电的调度。

S4：根据峰谷电量系数模拟日前负荷曲线，并且利用非侵入式优化模型对用户家电进行实时监测和负荷分解；

S5：判断是否有计划外用电行为发生，如果没有，按照原计划，即日前负荷模拟曲线执行用电；如果有，计算包含计划外用电的峰谷电量系数，判断该峰谷电量系数是否超过标准值，如果没有超过，按照原计划执行用电，如果超过，则依据用户家电的动态优先级，动态调整峰谷电量系数，直至峰谷电量系数不超过标准值；当满足峰谷电量系数标准值时，给予该用户对应的电价折扣系数。

进一步的，所述步骤S2中降维曲线的隶属度的计算方法为：

假设待聚类数据集为X＝{x

式中，c为拟分类数；u

在模糊c聚类算法中，u

进一步的，所述步骤S2中采用Silhouette指标来评价聚类质量，确定居民日负荷曲线的最佳聚类数；Silhouette指标的定义如下：

已知总样本数为n，拟分类数

则所有样本的Silhouette指标均值J

J

进一步的，所述步骤S3中电力套餐的设计方法为：针对日负荷建立电力套餐模型，电力套餐包括峰谷电量系数标准值和电价折扣系数，采用遗传算法对居民用户电力套餐进行优化，具体为：

电费支出表示为：

式中：

其中：

式中：U

式中：U

式中：U

U

式中：α

电网侧推出电力套餐后减少的售电收入即为用户减少的电费支出，电网侧推出电力套餐的成本包括电力套餐的营销和管理支出C

发电侧效益包括可避免新增发电容量成本、可避免高成本机组发电成本、可避免机组非正常启停成本，表示为：

式中：A

电网侧的效益包括可避免电网投资成本、系统可靠性效益、可避免电量成本，表示为：

式中：A

环境效益表示为：

式中：Q

综上，居民用户电力套餐设计的优化模型如式(12)所示：

进一步的，所述步骤S3中峰谷电量系数标准值和激励机制的折扣系数的获取方式为：选取每一类居民用户中的典型日负荷曲线作为研究对象，采用遗传算法，满足上述优化模型，得到个性化的电力套餐，即可得到峰谷电量系数标准值和激励机制的折扣系数。

峰谷电量系数是居民享有电价折扣的前提条件，根据每一类居民使用套餐前的峰谷系数值进行适当调整，所以虽然没有在具体公式中给出，但她是模型的前提条件，编程中是while的条件语句。

进一步的，所述步骤S4中非侵入式对用户家电进行实时监测和负荷分解的方法为：模拟某家庭用户的家庭能量管理框架，包括：洗衣机、洗碗机、吸尘器、加湿器1、加湿器2、加湿器3、饮水机1、饮水机2、熨斗、热水器、空调、电烤箱等日常家庭用电设备。考虑每个家庭的用电设备使用需求以及设备本身的使用特性，通过遗传算法模拟单个家庭的日前负荷，每个设备的运行时间作为决策变量，峰谷电量系数作为目标函数，得到家庭用电设备运行情况。

由于用户用电的随机性，会发生计划外的用电情况，因此实现家庭负荷的实时监测和负荷分解将是更佳的选择。通过非侵入式负荷监测与分解的方法获得实时的用电信息，选取有功功率作为负荷印记并结合运行时段信息进行负荷分解。NILMD是智能用电体系的重要组成部分，与传统的侵入式负荷监测相比，非侵入式负荷监测只需要在用户电力入户处安装负荷监测装置，即可获取各负荷设备的能耗情况。不依靠在每个家电上安装传感器监测实现将负荷曲线分解为各个家电的运行情况。

进一步的，所述步骤S5中采用动态优先级模型获取用户家电的动态优先级，所述动态优先级模型包括热水器模型和空调模型，具体如下：

热水器模型：

当热水器在时段处于开启、关闭状态以及用水状态，时刻的水温分别如式(13)～式(15)所示，约束条件如式(16)所示：

T

T

式中：T

热水器运行状态与水温设定有关，当水温高于最高温度T

式中：S

K

空调模型：

当空调在[t-1,t]处于开启和关闭状态时，t时刻的室温T

T∈[T

式中：R

假定空调工作于制冷模式，空调运行状态与室温设定有关，当室温高于最高值时，空调通电；低于最低值时，空调断电；处于设定范围时，空调保持原来状态；其控制模型及其舒适度指数K

式中，S

K

本发明中将家庭能量双层优化方法分为外层和内层，具有二层递阶结构，外层和内层模型都有各自的决策变量、约束条件和目标函数。外层决策变量的优化结果将作为内层的约束条件，内层目标函数的优化结果将作为参数传递至外层，因此双层优化模型的内层问题对外层优化来说相当于参数规划。双层优化方法的外层在对日负荷曲线进行聚类分析的基础上，对每一类用户设计包含激励补贴和峰谷电量系数的电力套餐，实现居民日负荷曲线的优化；内层方法中用户根据电力套餐响应电网的调度，从而提高用电端与供电端的互动程度。

本发明中内层优化方法使用非侵入式的手段实现负荷的实时监测和调度。外层优化方法设计的包含峰谷系数和折扣系数的电力套餐传递到内层后，内层模型基于电力套餐实现家用电器的智能管理，采用遗传优化算法模拟日前用电、实现用电设备非侵入式实时监测及应对计划外的用电行为，实时调整用电计划，使用户日负荷曲线满足电力套餐中的峰谷系数。内层优化方法需要运用非侵入式负荷监测来实现智能家电的调度。通过非侵入式负荷监测与分解的方法获得实时的用电信息，选取有功功率作为负荷印记并结合运行时段信息进行负荷分解。在智能家居优化调度中，可利用非侵入式实现实时的负荷监测，及时接收用户的用电情况，从而改善日前负荷预测存在的局限性。目前非侵入式负荷辨识算法主要分为两类：一类依据时域暂、稳态信息进行投切判断或作基本变换域分析，依托稍纵即逝的用电设备投/切信息，当多种负荷混合时分离难度较大。另一类是以模式分类为基础的智能识别算法，智能化程度高，辨识准则灵活，但算法复杂度大、硬件实现困难，辨识准确性受负荷数量变化的影响较大。

根据智能家电实时分解的情况，计算家电的动态优先级，用设备舒适度来描述设备的优先级，舒适度指数越大，用户的满意度越低，其用电优先级越高。可调度的设备以热水器和空调为例，并对其进行建模，表示出其动态优先级。当峰谷电量系数超过标准值时，由非侵入式负荷监测得到实时的设备运行的情况，优先关断设备优先级最低的家用电器或减少可调节设备的部分功率。

本发明中内层优化方法需要的电力套餐由外层优化方法来设计，外层模型在分时电价的环境下，采用FCM模糊聚类算法对用户用电情况进行分析，以日负荷曲线削峰填谷为目标，采用遗传优化算法设计包含激励补贴和峰谷系数的电力套餐。分时电价鼓励用户合理安排用电时间，削峰填谷，但在多数现有研究中，分时电价仅仅是固定的电价，该分时电价机制无法体现电网与用户之间的交互关系，不足以调动居民用户参与电网调峰的积极性。因此相关部门及专家学者提出了具有促进居民用户参与电网调峰的激励机制，在居民降低用电需求时给予一定的补贴，相较于只利用分时电价，兼顾分时电价和激励补贴机制能够更好地实现供电端与用电端的互动。

本发明中为了科学合理地制定电力套餐，指导居民用电，积极响应分时电价和激励机制，需要对日负荷曲线进行聚类分析，可以针对不同类型的居民负荷曲线分类分析。

为反映负荷间的相似性，提升运算效率，减少存储空间，采用基于特性指标降维和模糊聚类的日负荷曲线聚类方法。利用物理意义明确的日负荷特征指标对时序负荷曲线进行特征降维，以欧氏距离为相似性依据，对日负荷曲线进行分类。本方法的激励机制在分时电价的基础上制定，所以在选取日负荷特征指标时，要考虑到全天、峰期、谷期、平期4个角度。本方法选取了6个特征指标作为数据降维的依据。在完成数据的降维后，算法以特征降维矩阵Y为输入，以欧氏距离为相似性依据进行聚类。

模糊C-均值聚类算法(Fuzzy C-means Algorithm,FCM)是一种基于划分的算法，最终实现划分到同一类的样本之间的相似度尽可能高，而不同之间的相似度尽可能低。FCM是在普通C-均值聚类的基础上加以改进的，引入了模糊集的概念，进而实现柔性的模糊聚类划分。这种模糊聚类描述的是属于某一类的可能性或同一类的相似度，打破了硬性划分“非0即1”的局限性。

针对FCM聚类分析得到的每一类居民用户设计面向需求响应的最优电力套餐，在用户的日负荷小于一定的峰谷差时，给予电价折扣，起到削峰填谷的作用。综合考虑发电侧、电网侧和环境三侧的效益与用户电费支出，将峰谷电量系数标准值和折扣系数作为决策变量，针对每一类居民用户优化得到面向需求响应的最优电力套餐，在用户的日负荷小于一定的峰谷差时，给予电价折扣，起到削峰填谷的作用。电力套餐实际的实施效果需要通过用户收益即减少的电费支出与发电、电网、环境三侧的总体收益来具体评估。

有益效果：本发明与现有技术相比，同时考虑到用户用电行为的随机性，采用非侵入式的手段代替传统的侵入式，实时监测家庭设备的运行情况，在不满足峰谷电量系数的标准值时，及时调整用电计划。双层优化模型既可以实现用户日负荷曲线的修正，又可以实现对具体智能家电的调度，即可以直观地分析出单用户智能家电的优化调度对整体居民负荷削峰填谷的影响，取代当前将供电端的用电计划和用电端的实际调度割裂的研究方式，将兼顾分时电价和激励补贴机制的电力套餐落实到家庭用户的具体负荷设备的调度，用于改善居民负荷曲线的峰谷差，提高用电端与供电端的互动程度，使居民用户更加积极地参与电网地优化调度。

附图说明

图1为本发明的家庭能量双层优化方法流程图；

图2为本发明实施例仿真分析的日负荷曲线的特征指标示意图；

图3为本发明实施例仿真分析的分时电价信息示意图；

图4为本发明实施例仿真分析可调度设备的用电信息示意图；

图5为本发明实施例仿真分析的日负荷曲线的聚类结果示意图；

图6为本发明实施例仿真分析的聚类后的日负荷曲线的示意图；

图7为本发明实施例仿真分析的电力套餐设计示意图；

图8为本发明实施例仿真分析模拟的日负荷曲线图；

图9为本发明实施例仿真分析的基于非侵入式负荷分解的家电运行情况图；

图10为本发明实施例仿真分析的计划外家电运行情况图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明提供一种实现电网侧和用户侧交互的家庭能量双层优化方法，以下分别对该方案的整体设计原理、方法流程以及仿真分析进行说明。

1、家庭能量双层优化方法

家庭能量双层优化算法包含外层和内层优化。外层模型在对日负荷曲线进行聚类分析的基础上，对每一类用户设计包含激励补贴和峰谷电量系数的电力套餐，实现居民日负荷曲线的优化；内层模型中用户根据电力套餐响应电网的调度，从而提高用电端与供电端的互动程度。同时考虑到用户用电行为的随机性，采用非侵入式的手段代替传统的侵入式，实时监测家庭设备的运行情况，在不满足峰谷电量系数的标准值时，及时调整用电计划。

1.1、外层优化方法——设计优化日负荷曲线的电力套餐

外层优化方法在分时电价的环境下，采用FCM模糊聚类算法对用户用电情况进行分析，以日负荷曲线削峰填谷为目标，采用遗传优化算法设计包含激励补贴和峰谷系数的电力套餐。

在本实施例中，选取中国某市2020年8月某工作日实测的298个用户的有效日负荷曲线作为研究对象，每60min采集一次，共计24个量测点。采用模糊c均值聚类算法，选取6个特征指标，对数据进行降维处理。结合日负荷曲线的可能类数和Silhouette指标确定最佳聚类数。

建立FCM聚类分析的聚类目标函数，即：

式中：U为模糊划分矩阵；P为聚类中心矩阵；p

建立居民用户电力套餐设计的优化模型，即：

1.2、内层优化方法——根据家电动态优先级实时调度智能家电

内层模型基于电力套餐实现家用电器的智能管理，采用遗传优化算法模拟日前用电、实现用电设备非侵入式实时监测及应对计划外的用电行为，实时调整用电计划，使用户日负荷曲线满足电力套餐中的峰谷系数。

在本实施例中，选择第1类用户的典型用电负荷曲线进行分析。热水器和空调的参数为T

2、方法流程

如图1所示，在分时电价和激励机制的环境下制定双层用电优化调度策略。流程图的左半部分用于实现外层优化设计电力套餐，向右半部份的内层优化输入设计的套餐参数，即峰谷电量系数和折扣系数，以选择的套餐中的峰谷系数标准值作为约束条件进行内层的优化。

优化调度策略步骤如下：

S1：读取用户的日负荷曲线，基于特征指标将高维的负荷数据降维，获取到降维曲线；

S2：基于FCM模糊聚类算法计算降维曲线的隶属度，根据隶属度完成日负荷曲线的分类；

S3：通过日负荷曲线的分类结果，对居民用户进行分类，针对每一类居民用户设计电力套餐，用于获取满足发电侧、电网侧和环境三侧的效益最好与用户电费支出最少的峰谷电量系数标准值和电价折扣系数；

折扣系数的作用是：在用户负荷曲线满足峰谷电量系数的标准值时，给予用户一定的电价折扣作为补贴，在采用电力套餐前的电费支出的基础上打个折扣。也就是用户的舒适度稍稍降低，用户电费支出也减少。

外层设计的电力套餐包含峰谷电量系数和电价折扣系数，内层优化时，峰谷电量系数就作为约束条件，约束智能家电的调度。

S4：根据峰谷电量系数模拟日前负荷曲线，并且利用非侵入式优化模型对用户家电进行实时监测和负荷分解；

S5：判断是否有计划外用电行为发生，如果没有，按照原计划，即日前负荷模拟曲线执行用电；如果有，计算包含计划外用电的峰谷电量系数，判断该峰谷电量系数是否超过标准值，如果没有超过，按照原计划执行用电，如果超过，则依据用户家电的动态优先级，动态调整峰谷电量系数，直至峰谷电量系数不超过标准值；当满足峰谷电量系数标准值时，给予该用户对应的电价折扣系数。

本实施例中步骤S2中降维曲线的隶属度的计算方法为：

假设待聚类数据集为X＝{x

式中，c为拟分类数；u

本实施例中步骤S2中采用Silhouette指标来评价聚类质量，确定居民日负荷曲线的最佳聚类数；Silhouette指标的定义如下：

已知总样本数为n，拟分类数

则所有样本的Silhouette指标均值J

J

本实施例中步骤S3中电力套餐的设计方法为：针对日负荷建立电力套餐模型，采用遗传算法对居民用户电力套餐进行优化，具体为：

电费支出表示为：

式中：

其中：

式中：U

式中：U

式中：U

U

式中：α

电网侧推出电力套餐后减少的售电收入即为用户减少的电费支出，电网侧推出电力套餐的成本包括电力套餐的营销和管理支出C

发电侧效益包括可避免新增发电容量成本、可避免高成本机组发电成本、可避免机组非正常启停成本，表示为：

式中：A

电网侧的效益包括可避免电网投资成本、系统可靠性效益、可避免电量成本，表示为：

式中：A

环境效益指因避免热力发电导致的温室气体减排而产生的价值。实施电力套餐后，一方面由于以火力发电为主的发电侧发电量减少，另一方面由于负荷率的提高、发电机组启停次数减少，都会导致等温室气体排放量降低。综上，环境效益表示为：

式中：Q

居民用户电力套餐设计的优化模型如下式所示：

本实施例步骤S5中采用动态优先级模型获取用户家电的动态优先级，动态优先级模型包括热水器模型和空调模型，具体如下：

热水器模型：

当热水器在时段处于开启、关闭状态以及用水状态，时刻的水温分别如式(13)～式(15)所示，约束条件如式(16)所示：

T

T

式中：T

热水器运行状态与水温设定有关，当水温高于最高温度T

式中：S

K

空调模型：

当空调在[t-1,t]处于开启和关闭状态时，t时刻的室温T

T∈[T

式中：R

假定空调工作于制冷模式，空调运行状态与室温设定有关，当室温高于最高值时，空调通电；低于最低值时，空调断电；处于设定范围时，空调保持原来状态；其控制模型及其舒适度指数K

式中，S

K

本实施例的步骤S5中当前的峰谷电量系数没有超过标准值后，需要统计改变计划的电器，并且对这些电器的用电计划进行重新规划。

3、仿真分析

基于上述方案，本实施例的仿真分析选取中国某市2020年8月某工作日实测的298个用户的有效日负荷曲线作为研究对象。

3.1居民日负荷曲线聚类情况

选取某市的日负荷曲线，每60min采集一次，共计24个量测点。该市拟采用分时电价，分时电价的划分如图3所示。

采用模糊c均值聚类算法，选取6个特征指标，6个特征指标具体如图2所示，对数据进行降维处理。结合日负荷曲线的可能类数和Silhouette指标确定最佳聚类数，结合实际情况对聚类数2～6进行仿真，由下表可知，当聚类数为4时，Silhouette指标的值最大，因此4为最佳聚类数。聚类结果如图5和图6所示，根据图5可知，一共分为四个类别，分别为类别1(70条)、类别2(88条)、类别3(44条)、类别4(96条)，图5中的(a)、(b)、(c)、(d)分别为这四个类别的聚类示意图，图6为四类用户群的日负荷曲线图。

3.2电力套餐的设计

本发明方法的优化模型属于复杂的带约束非线性规划问题，难以依靠传统的解析方法求解，因此本发明方法研究中采用遗传算法进行优化求解。4种不同类型的用户群体得到的最优电力套餐方案如附图7所示。

居民用户的用电习惯不同将导致日间负荷出现峰谷的时间不同。日负荷曲线的形状各异，使得峰谷电量系数相差较大。因此依据聚类分析的结果，设计4种电力套餐，满足不同用户的用电习惯。

当用户选择的套餐中的峰谷电量系数标准值与用户只按照自身习惯用电的峰谷电量系数相近时，只需要稍稍改变个别设备的用电时间，错峰用电，即可满足该套餐的要求，获得相应的电价折扣系数，节约了用电费用。

以典型日负荷曲线为例，若4类居民用户都分别采用了这4种套餐，总的用户日负荷曲线将会趋于平滑，峰谷差减小，电网的发电成本降低。

3.3日负荷曲线的模拟及实时的家电运行情况

本发明方法将日前负荷曲线作为原始的用电计划，在此基础上，进行非侵入式负荷监测，当发生计划外用电时，再重新调整用电计划。

日前负荷曲线根据外层模型仿真的最优电力套餐进行模拟，以第1类的某个家庭为例，该家庭的可调度设备的用电信息如图4所示。

根据表格中可调度设备的可运行时间、最小运行时长以及可否中断，以电力套餐1的峰谷电量系数为目标函数，将可调度设备进行优化调度使负荷曲线满足峰谷差，采用遗传优化算法，找到最优解。本实施例中最优负荷调度情况如图8所示。

如果没有计划外的用电情况发生，由图3的日负荷曲线以及可调度设备可运行时间和功率进行负荷分解，可得非侵入式实时负荷监测的结果，如图9所示。

3.4基于动态优先级的智能家电控制仿真分析

本发明方法选择第1类用户的典型用电负荷曲线进行分析。当前的峰谷电量系数为2.861，若用户临时改变用电计划，当峰谷电量系数超过标准值时，若热水器和空调正在运行，查看此时它们的动态优先级，看是否可以关断来满足标准值。从热水器的仿真附图10中可以看出，若在19：00-21：00需要使用热水，夜间的20:00到21:00需要打开热水器保持舒适的温度。若需要在19：00-21：00使室内保持在用户设定的温度范围，则空调需要在这个时段内间断的多次打开空调。结合上一节的用户日负荷进行计算，若单独使用热水器一小时，峰谷电量系数依旧满足标准值。但如果增加空调的使用，将有可能超过峰谷电量系数的标准值，因此若要满足标准值的要求，不能完全按照用户的需求进行家电的开断，用户的舒适度将在一定程度上受到影响。以下将分析若要满足峰谷电量系数标准值，根据动态优先级，调度热水器和空调的情况。

当仅考虑家电设备的动态优先级时，用户的舒适度相对降低，如图7所示，在20：30之后，热水器的温度达不到用户要求的最低温度55℃，空调的温度也在上限28℃附近波动。

当考虑家电设备的动态优先级并满足峰谷电量系数标准值时，用户的舒适度明显降低，如图8所示，从19：00开始，热水器的优先级持续低于空调的优先级，空调持续运行，在19：30-19：45热水器只进行短暂的加热，此后如果再开启热水器或空调，峰谷电量系数将不满足标准值。在这种情况下，在20：00之后，热水器的温度达不到用户要求的最低温度55℃，空调的温度在19：45就已经超过上限28℃。