家庭能量管理系统多目标能量调度优化策略

李中伟，张 啸，武东升，梁建权，关亚东

(1.哈尔滨工业大学电气工程及自动化学院，黑龙江 哈尔滨 150001；2.国网黑龙江省电力有限公司电力科学研究院，黑龙江 哈尔滨 150030)

0 引言

现代社会对供电稳定性和电能质量的要求越来越高，给电网的发展带来了很多新问题[1]。随着智能用电技术的逐渐成熟，家庭能量管理系统在电力需求侧管理中的作用日益凸显[2-3]。其可实现对户用分布式电源、储能设备和家用负荷等的优化调控，从而节约电能[4-5]。因此，构建家庭能量管理系统并对其能量调度进行优化，可实现更加科学的家庭用电。

国内外已有很多文献对电能调度优化问题进行了研究。文献[6]根据家用负荷的属性，对负荷进行了分类建模，建立了基于分时电价的家庭负荷优化调控模型，利用非线性规划方法求解，并给出了家用负荷优化控制方案。文献[7]提出了一个家庭用电优化问题，使负荷等待时间和家庭用电费用最小，并用线性规划方法对问题进行了求解。文献[8]建立了考虑用户舒适度的智能用电模型，提出了一种动态的优化控制策略，并分析了其优化效果。文献[9]建立了家庭供、用电模型，提出了以节约家庭用电费用和保证用户舒适度为目标的双目标优化决策方案。文献[10]考虑需求响应对光伏微网储能系统的影响，提出了分时电价下的储能设备充、放电控制策略以及整个微网的优化运行方案。

上述文献中，基于实时电价的研究比较少，且缺乏源、储、荷三者之间的协调配合。实时电价具有更合理的电价分布，已经被欧美国家逐渐采用。随着国内电力市场的不断完善，国内必然会采用实时电价。本文基于实时电价，对包含分布式电源、储能设备的家庭能量管理系统的能量调度优化策略进行深入研究，从而为用户提供较高的用电收益、减少用能成本。

1 家庭能量管理系统模型

1.1 家庭能量管理系统架构

本文拟在用户侧构建家庭能量管理系统,其架构如图1所示。

图1 家庭能量管理系统架构图

图1中，分布式能源以光伏发电单元为例给出，储能设备以蓄电池为例给出。户用光伏发电单元使用户能够自行发电供给家用负荷，也能将剩余电能反馈给电网；蓄电池对电能进行转移、存储，并与光伏协调配合，在光伏就近消纳的原则下，实现家庭电能不足时供电、电能有剩余时存储。家庭能量管理系统可通过智能交互终端、智能插座、分布式电源控制器等装置实现对家庭用电负荷、分布式光伏发电单元、蓄电池的优化控制。本文基于该家庭能量管理系统，对其能量调度优化策略进行研究。

1.2 负荷模型

本文根据家庭用电负荷是否具有可中断、可转移属性，将其分为不可转移类负荷和可转移类负荷两类。现分别构建这两类负荷的用电模型。

①不可转移类负荷。

该类负荷的使用时间不具有弹性，对它们的使用是用户的刚性需求。因此该类负荷通常不参与调控，其启停时刻由用户在进行直接设定。不可转移类负荷的用电模型表达式为：

(1)

②可转移类负荷。

该类负荷的使用时间具有弹性，对它们的使用属于用户的非刚性需求。如果将该类负荷的工作时间区间转移到电价较低的时间段内，可为用户节省一定的用电开支。可转移类负荷的用电模型表达式为：

(2)

对可转移类负荷进行调控需要考虑用户的用电满意度。其指的是用户对负荷实际工作时间区间偏离用户设置的适用时间范围的可接受程度，是一种较为模糊的感官体验，不能直观地体现。本文基于模糊理论建立的用户满意度公式为：

(3)

式中：H(·)为阶梯函数。

1.3 光伏发电模型

光伏发电模型能简化为光伏电池组通过串联、并联等方式构成的整体，可对此整体统一建模。但其总输出功率不是单个光伏电池输出功率的简单叠加，而是与太阳光强度、环境温度、光线角度、光伏电池组老化程度和光电能量转换效率等因素有关。文献[11]中构建了实用的光伏发电模型。本文基于上述模型，不考虑风速等次要因素，建立了光伏发电的模型。光

伏的总输出功率可以表示为：

(4)

式中：PPV(k)为k时刻光伏系统输出功率；PPV,STC为标准测试条件下光伏发电输出功率最大值；K(k)为k时刻电池板受到的太阳光辐射强度，kW/m2；KSTC为标准测试条件下电池板受到的最大太阳光辐射强度；εPV为光伏系统的温度系数；T(k)为k时刻的环境温度；TSTC为标准测试条件下的环境温度。

1.4 蓄电池模型

基于电池容量、电池电动势、放电深度、荷电状态和循环次数等蓄电池技术指标，借鉴文献[12]，本文构建的蓄电池模型为：

PBattt(t)=sch(t)PBatt,ch(t)-sdch(t)PBatt,dch)(t)

(5)

sch(t)+sdch(t)≤1sdh(t),sdch(t)∈{0,1}

(6)

式中：PBatt,ch(t)为t时刻的蓄电池充电功率；PBatt,dch(t)为t时刻的蓄电池放电功率；sch(t)为t时刻的蓄电池充电状态；Sdch(t)为t时刻的蓄电池放电状态。

通过该模型，可计算蓄电池的剩余容量：

(7)

式中：PBatt,ch(k)为k时刻蓄电池的充电功率；PBatt,dch为k时刻蓄电池的放电功率；sch(k)为k时刻蓄电池的充电状态；sdch(k)为k时刻蓄电池的放电状态；CBatt为蓄电池容量；Δt为最小时间片段；ηch为蓄电池的充电效率；ηdch为蓄电池的放电效率。

2 多目标能量调度优化模型

蓄电池在本文构建的家庭能量管理系统中，主要起到提高家庭用户收益和光伏消纳能力的作用。为提高用户的能量收益，对蓄电池的控制常采用谷时充电、峰时放电的策略；为提高光伏消纳能力，需要使蓄电池和光伏进行配合，即净光伏有剩余时优先向蓄电池充电，净负荷有需求时由蓄电池进行放电。由于实时电价涉及的时段较多，采用上述固定调度策略较难实现预定目标且综合效益不高，故采用模型优化的方法对蓄电池进行控制。但该方法需要提前获取光伏优化得到的家庭负荷分布情况。因此，本文构建了两阶段家庭能量调度优化模型。

2.1 光伏能量调度优化模型

第一阶段优化不考虑蓄电池的参与，单纯通过调节光伏和负荷来实现家庭能量的调度优化。

(1)第一阶段优化目标函数。

第一阶段家庭能量调度优化的目标分别为：①家庭能量收益最大；②光伏消纳率最大；③保证用户满意度。

本文以次日24 h为一个调度周期，综合考虑家庭能量调度优化的收益、光伏消纳率和用户满意度，构建多目标优化模型。其中，家庭能量的收益为：

(8)

光伏消纳率表征光伏出力被负荷消纳的能力，为：

(9)

用户对所有负荷的满意度可综合为：

(10)

式中：m为可转移类负荷的数量；Sload为用户的总体用电满意度。

则多目标优化模型可为：

max{fall,UPV,Sload}

(11)

(2)第一阶段优化约束条件。

若光伏发电系统在并网模式下工作，k时刻的家庭电能有功功率平衡表达式为：

(12)

可转移类负荷工作于可转移时间区间内，满意度约束可为：

tmi≤ton≤tmx-ds

(13)

式中：tmi为用户设定的可转移类负荷可调控时间区间的终止时刻；tmx-ds为用户设定的可转移类负荷可调控时间区间的起始时刻；ton为可转移类负荷的启动时刻。

2.2 有蓄电池参与的能量调度优化模型

在第一阶段优化的基础上进行第二阶段优化，通过蓄电池的参与实现家庭能量的再分配。

(1)第二阶段优化目标函数。

第二阶段家庭能量调度优化的目标为：①家庭能量收益最大化；②光伏消纳率最大化。

频繁地切换蓄电池的工作状态，会缩短蓄电池的寿命。在蓄电池参与能量调度优化得到的收益中，考虑到蓄电池切换成本，则家庭能量收益为：

(14)

基于式(9)，考虑到蓄电池的上述问题，光伏消纳率可改写为：

(15)

多目标优化模型为：

max{fB,UPV}

(16)

(2)第二阶段优化约束条件。

有功功率平衡表达为：

(17)

通过限制蓄电池荷电状态，避免过冲过放，需要满足荷电状态约束：

SOCmin

(18)

式中：SOCmin、SOCmax分别为蓄电池的最小及最大荷电状态。

蓄电池需要满足的最大充电功率和最大放电功率之间的关系为：

(19)

式中：Pch,max为蓄电池的最大充电功率；Pdch,max为蓄电池的最大放电功率。

为使蓄电池在一个调度周期内的充、放电平衡，蓄电池需要满足的荷电状态约束条件为：

SOCstart=SOCend

(20)

式中：SOCstart为蓄电池的初始荷电状态；SOCend为调度结束后蓄电池的荷电状态。

3 多目标能量调度优化策略

本文中，光伏电能调度优化的基本优化目标为家庭用户电能收益最大化。光伏发电在考虑用户用电满意度的同时，尽可能地遵循就近消纳的原则，与现有文献有较大区别。本文构建的两阶段能量调度优化模型均为多目标优化模型，对多目标进行优化不能保证得到绝对的最优解，即不能使所有目标同时达到最优。基于精英策略的非支配排序遗传(NSGA-II)算法在处理此类问题时往往能得到较理想的Pareto前沿[12]。理论上，最优择中解是无偏见的最优解，能够较平衡地保证各个优化目标的优化效果。因此，本文采用NSGA-II算法进行优化求解，获取Pareto解集后确定最优择中解，为用户提供无偏见的决策方案。

采用NSGA-II算法，对家庭两阶段能量调度优化模型进行求解，其流程如图2所示。

图2 家庭两阶段能量调度优化模型求解流程图

4 算例分析

4.1 算例参数

以某一用户为例进行分析。该用户家庭安装有3 kW光伏和600 Ah/2 V的锂离子蓄电池，其家庭用电负荷情况如表1和表2所示。

表1 不可转移类负荷用户设定工作情况

表2中给出的“适用时间范围”是结合实时电价和负荷特性给出的，而表1中的“工作时间范围”和表2中的“偏好时间范围”是以某一用户为例给出的。在实际应用时，用户可根据自己家中的情况和自己的意愿，设置家中不同负荷的“工作时间范围”和“偏好时间范围”。

表2 可转移类负荷用户设定工作情况

当地实时电价(购电电价)曲线如图3所示。

图3 购电电价曲线

政府补贴光伏发电取0.72元/(kW·h)；参考目前大多数地区的电动汽车蓄电池补贴电价和光伏向电网馈电电价，蓄电池放电的馈电电价取0.42元/(kW·h)。

NSGA-II算法参数设置如表3所示。

表3 NSGA-II算法参数设置

4.2 仿真结果

基于本文构建的负荷模型、光伏发电模型、蓄电池模型、两阶段家庭能量调度优化模型，利用遗传算法对所提多目标能量调度优化问题进行求解。通过MATLAB进行仿真验证，得到的能量调度优化前后用户家庭能量分布情况如图4所示。

图4 能量调度优化前后家庭能量分布情况

由图4可知，通过两阶段优化，家庭能量分布情况的变化较大。第一阶段优化后，负荷向光伏消纳方向及实时电价较高的方向集中；第二阶段优化后，蓄电池通过充放电将储存的电网能量及光伏发电剩余能量转移到用电高峰时段，以供负荷利用。由式(3)、式(14)和式(15)计算可得，优化前满意度为100%，家庭能量收益为16.30元，光伏消纳率为52.12%。第一阶段优化后，满意度为85%，家庭能量收益为16.91元，光伏消纳率为58.53%。第二阶段优化后，满意度为85%，家庭能量收益为20.60元，光伏消纳率为74.11%。优化后的光伏消纳率和用户满意度均保持在较高水平。由仿真结果可知，采用本文提出的两阶段家庭能量调度优化策略能够实现家庭综合效益的最大化，并且在保证用户满意度与光伏消纳率较高的前提下，提高了家庭能量收益。

5 结束语

本文在构建家庭能量管理系统架构、家庭用电负荷模型、光伏发电模型、蓄电池模型和两阶段家庭能量调度优化模型的基础上，提出了一种基于实时电价和NSGA-II算法的家庭能量管理系统多目标能量调度优化策略。以某一典型用户为例，在MATLAB平台下进行了仿真。仿真结果表明：本文提出的量调度优化策略能很好地实现家庭能量管理系统中源、储、荷的协调配合，提高了家庭综合收益；使用户满意度维持在较高水平，提高了用户参与需求响应的积极性；确保了光伏消纳率，在减小光伏馈电上网对电网的影响的同时保证了用户用电的可靠性；实现了家庭能量管理系统的经济运行，有助于回收家庭自备分布式电源的投入成本。