面向智能住宅动态需求响应的能源管理方法和装置与流程

本发明涉及智能电网技术领域，具体涉及一种面向智能住宅动态需求响应的能源管理方法和装置。

背景技术：

近年来，需求侧管理是电网公司在智能电网环境中采用的一种非常有效的负荷调控手段，最大限度的减少了用户的能源消耗。需求侧管理的手段包括节能、电能替代和需求响应，在需求响应中，需求侧管理鼓励消费者通过积极参与电力市场与电网直接互动，期望能源消费者改变其能源消耗模式，以响应电价的变化，进而减少电费开销。直接负荷控制和实时电价是不同电力供应商提出的电力需求侧管理中的两种常用技术。在直接负载控制中，服务提供商可以直接控制用户负载的开关。实时电价通过在高需求期间实施更高的价格，达到削峰填谷的目的。

随着科技的进步和经济的发展，出现了越来越多的智能住宅，利用现代通信网络、计算机、自动控制等技术通过有效的传输网络实现信息、安防、家居等服务的自动化管理。但当前智能住宅的发展普遍侧重物业管理功能，提升人们居住体验，鲜有考虑对智能住宅的能源综合管理。现有的智能住宅管理系统往往局限于普通的需求侧管理手段，未考虑家庭分布式电源接入的情况下，家庭主要家电与分布式电源以及电网如何进行互动的策略。特别是在电网发生需求响应事件时，如何对分布式电源和储能容量进行动态实时的配置，才能既满足系统运行的限制条件又保证满足用户的最大电力需求并最大降低用电开销，是一个切实问题。

技术实现要素：

发明目的：本发明的目的是提供一种面向智能住宅动态需求响应的能源管理方法和装置，在考虑实时电价的基础上调度可转移负荷以及储能供电，达到在控制家庭负荷和可再生能源运行的各种限制条件下，满足电力用户的最大电力需求的目的。

技术方案：根据本发明的第一方面，提供一种面向智能住宅动态需求响应的能源管理方法，所述方法包括以下步骤：

(1)建立储能运行状态模型并计算储能的输出功率；

(2)搜集年度风速、太阳辐射、环境温度和负荷需求数据的一定时间间隔区间内的历史数据；

(3)从第一个时间间隔开始，根据风速、太阳辐射、环境温度计算每个时间间隔内可用的太阳能光伏和风能，其总和作为该时间间隔内分布式电源发电量；

(4)根据收集的负荷需求、分布式电源的发电量、以及储能的输出功率，以用电开销最小为目标，确定不同负荷和储能在调度周期内的运行时间。

其中，所述步骤4包括：

(41)根据搜集的用户负荷、储能输出功率和分布式电源的发电数据，预测用户的预期用电量和分布式电源的预期发电量，用户预期用电量包括不可中断不可转移负荷和可中断不可转移负荷未来的电量需求；

(42)根据实时电价基于遗传算法求解可转移负荷的运行时间，并判断不可中断不可转移负荷和可中断不可转移负荷是否超过限制，若不可中断不可转移负荷超出限制，则发出警告；若能源需求总量超出了最大能量限制，则控制可中断不可转移负荷；

(43)判断分布式电源供电和住宅电力需求量之间的关系，如果分布式电源出力大于电力需求，则判断电网是否可以进行消纳，可以进行消纳则输送至电网，否则减少住宅中分布式能源的出力；

(44)更新电价信息，等待进入下一个时段，并重新由步骤41开始执行。

进一步地，所述步骤(42)中遗传算法以收集的用户负荷、计算的储能输出功率和分布式电源的发电数据、预测的用户用电量、预测的分布式电源发电量、实时电价信息为父代，以不同的负荷、储能运行时间作为遗传算法中染色体的基因，以最小用电开销为目标。

优选地，所述步骤4还包括：根据分布式电源发电量与当前时段的负荷需求量的关系，设置储能当前充放电策略，其中如果分布式电源发电量大于需求量，则按照储能荷电状态和充电电流对蓄电池进行充电；如果分布式电源发电量小于需求量，则储能按照储能荷电状态和放电电流对用户进行供电。

根据本发明的第二方面，提供一种计算机装置，所述装置包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如本发明第一方面所述的步骤。

有益效果：本发明首次提出在考虑家庭分布式电源接入的情况下，家庭主要家电与分布式电源以及电网如何进行互动的策略，通过确保不可转移负荷的运行动态和可再生资源的可用性的同时，在实时电价基础上调度可转移负荷，实现用电开销最小化的目标。同时针对电池储能进行新能源消纳管理，提出了一种优化资源容量调度方法来匹配需要消纳的新能源和电池容量。本发明在控制家庭负荷和可再生能源运行的各种限制条件下，满足电力用户的最大电力需求；通过对资源容量的优化调度，更加有效的利用可再生资源。

附图说明

图1为本发明的面向智能住宅动态需求响应的能源管理方法实现流程图；

图2是一实施例中采用的一天内不同时刻电价示意图；

图3是根据图2的电价进行调度的一智能住宅可转移负荷的分布图。

具体实施方式

现在参照附图对本发明的技术方案做出进一步描述。

智能住宅包括且不限于具有通信功能的智能家电负荷、分布式电源系统、电池储能、与电网交互的智能电表等一切可参与需求响应转移负荷以降低智能住宅整体电价开销的电气设备。智能住宅的负荷区分为不可中断不可转移负荷、可中断不可转移负荷和可转移负荷，不可中断不可转移负荷为完全按照用户喜好运行的负荷，如若控制此类负荷，则会降低用户体验，如电视、个人计算机等；可中断不可转移负荷为温控负荷，只要把温度控制在用户设定区间即可；可转移负荷为可以按照电网需求转移的用户负荷。本发明以实时电价为基础调度可转移负荷以及储能供电，达到在控制家庭负荷和可再生能源运行的各种限制条件下，满足电力用户的最大电力需求的目的。图1示出了本发明实施例的智能住宅能源管理方法流程图，包括以下步骤：

步骤1：首先对储能的运行状态进行建模，本方法通过考虑分布式电源状态、用户需求和最大需求限制，在电池充电时，将其视为一种可转移负荷，使用k来区分不同时间点的电池状态，变量代表每一个时刻电池的状态，代表储能为充电状态，代表储能为无人使用的状态，为储能放电的状态，β为k个区间内电池状态，db为电池状态采样的时间间隔，以分钟计，则储能运行状态模型如下：

b^k为储能状态矩阵，为一个3×k的矩阵，若储能处于k1时刻充电状态，则矩阵k1列为(1，0，0)^t，表示矩阵中某一列。

计算储能输出功率：为电池的充电功率，为电池的放电功率。

步骤2：搜集年度风速、太阳辐射、环境温度和负荷需求数据在一定时间间隔区间内的历史数据。

具体间隔区间根据实际情况设置，根据现有研究，以风电为例，为了预测分布式风力发电容量，选用近8日的数据即可预测风力发电的功率，误差可控制在5％以内。

负荷需求按照家庭计算，以家庭为单位，结合储能与分布式电源，采用合适的控制策略，可以降低家庭的用电开销。但是由于遗传算法需要大量的数据，所以数据采集可以以某区域为单位。

步骤3：从第一个时间间隔开始，计算每个时间间隔内可用的太阳能光伏和风能，其总和作为该时间间隔内分布式电源发电量。目前已经有根据风速、历史发电曲线、温度、光照辐射等因素计算分布式电源输出的算法，可参照现有技术计算，此处不再赘述。

步骤4：根据收集的负荷需求、分布式电源的出力数据、储能的输出，以用电开销最小为目标，确定不同负荷和储能在调度周期内的运行时间。

将调度周期划分为若干个时间区间，调度周期通常以天计，调度时段以15分钟计，将一天24小时划分为96个时间区间，根据遗传算法来控制不同电器的用电时间。

步骤4-1：根据气象条件预测分布式能源的预期发电量，根据统计的历史负荷需求预估用户的预期用电量，预期用电量包括用户不可中断不可转移负荷和可中断不可转移负荷未来的电量需求。

步骤4-2：基于遗传算法求解可转移负荷的运行时间。

实施例中以一年为时间长度，根据步骤2搜集的用户负荷需求、步骤1计算的储能输出和步骤3计算的分布式电源的历史出力数据，以及步骤4-1得到的预期用电量和预期发电量，并从电网侧获得当前和未来的电价信息，以此为遗传算法的父代，以不同的负荷、储能运行时间作为遗传算法中染色体的基因，利用遗传算法中的交叉和变异等算子，从父代建立下一代群体，以最小的电量开销为目标，得到住宅分布式电源及储能的最优容量和运行控制策略。

遗传算法的目标为：为在时间区间h中智能住宅的能源消耗，c^h为该时段的用电开销，即总调度周期h内用电开销最小；

其中，式中ds为可转移负荷的间隔时间，单位为小时，为时段h内不可中断不可转移负荷的电能消耗，为时段h内可中断不可转移负荷的电能消耗，为时段h内可转移负荷的电能消耗，为时段h内储能的电能消耗(该值可以为负，表示储能放电)，为时段h内分布式电源的发电出力；上述值为各类负荷的电能消耗，由于各类负荷已经明确，在遗传算法中，根据不同的使用组合，可以得到各类负荷在不同时段内的电能消耗。

遗传算法的约束条件为：当负荷为可转移负荷(sl)时，其会严格参照用户指令进行运行，即可转移负荷的功率为0，在其非工作时间内([βl,ηl]为工作时间)：

计算区间约束：可转移负荷仅仅按照在设定好的时间区间内进行调度，为负荷工作的时间，为负荷完成工作所需的总时长。

优先运行约束：在时间段[βl,ηl]内需要保证不可中断不可转移负荷的电能使用。ωl为不可中断不可转移负荷在时间段[βl,ηl]内运行的时刻，为该负荷的运行功率，ρl为该负荷电能使用情况，ρ为总的电能使用量。对于不可中断不可转移负荷l，ν＝ηl-βl-ωl+2，θ为当前运行时刻。

能量需求限制为保证用户时刻的电能供应充足，具体限制如下：

其中，表示在时段t内不可中断不可转移负荷的电能消耗，为时段t内可中断不可转移负荷的电能消耗，为时段t内可转移负荷的电能消耗，为时段t内储能的电能消耗，为时段t内分布式电源的发电出力，为时段t内电网可以给用户提供的最大供电功率。

储能运行状态限制：

储能边界条件限制：

socmin≤soc^t≤socmax

其中，socmin为储能荷电率最小值，soc^t为在时段t内的储能荷电率，socmax为储能荷电率最大值，pbc为储能的充电功率，pbd为储能的放电功率，下标min和max分别表示功率的最小值和最大值。

能量输出限制：

为时段t内当分布式电源的发电出力大于用户需求时的总体向外的输出功率，为时段t内分布式电源的发电量最大值。

上述步骤目的为以用电开销最小为目标，确定可转移负荷应在哪一个时间段运行，算法的整体输入为用户负荷历史信息、储能和分布式电源的数据以及电网侧的电价信息，输出为不同负荷的运行时间方案，以该方案使用不同负荷，用电开销最小。同时还实现了智能住宅中分布式电源与储能的容量优化，可以降低家庭对电网的依赖性。

步骤4-3：判断不可中断不可转移负荷是否超过限制，若不可中断不可转移负荷超出限制，则发出警告。

步骤4-4：判断能源需求总量是否超过最大能量限制，若能源需求总量超出了最大能量限制，则控制可中断不可转移负荷，例如降低空调运行功率或关停温控设备。负荷限制为电网的需求，某一时段负荷较大会使电网产生较大的负担，也可由用户设定，用户可以控制家中负荷小于某一值。

步骤4-5：判断分布式电源供电和住宅电力需求量之间的关系，如果分布式电源出力大于住宅电力需求，则判断电网是否可以进行消纳，可以进行消纳则输送至电网，否则减少住宅中分布式电源的出力。

另选地，可根据分布式电源发电量与当前时段的负荷需求量的关系，设置储能当前充放电策略：如果分布式电源发电量大于需求量，则按照储能荷电状态和充电电流对蓄电池进行充电；如果分布式电源发电量小于需求量，则储能按照储能荷电状态和放电电流对用户进行供电；在储能供电的情况下，电网在计算用户用电费用时，需要首先减去储能的输出功率，如储能功率小于用户所需功率，则用户需要电网进行供电。

步骤4-6：更新电价信息，等待进入下一个时段，并重新由步骤4-1开始执行。

在一个实施例中，根据图2所示的一天内电价信息，以上述方法进行调度的一智能住宅可转移负荷的分布如图3所示，可以看出，采用本发明的方法显著提高了可转移负荷的功率，可转移负荷越多，调度潜力越大，即对于电网侧而电力用户可以承担更多的削峰或填谷的负荷量，从而实现更精确更灵活的调度。同时单位时间内整体用电成本下降8％，计算的用电成本包括构建成本，日常电能使用开销和设备维护成本。

基于与方法实施例相同的技术构思，根据本发明的另一实施例，提供一种计算机装置，所述装置包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现方法实施例中的各步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。