10、智能家居中电器调度的成本 - 负载优化新方案

智能家居中电器调度的成本 - 负载优化新方案

1. 引言

降低每月电费成本和峰值电力消耗是住宅负载管理的两大主要目标。降低峰值电力需求能带来诸多系统优势，如降低传输成本和功率损耗、减少化石燃料消耗和温室气体排放，以及减轻设备过载，从而提高电力系统的可靠性。借助需求侧管理（DSM）可实现住宅负载管理的上述两个目标。

DSM有集中管理和分布式管理两种不同方法。集中管理中，需优化一个共同的效用函数，但由于所有消费者的积极参与，这种优化模型会增加系统的多样性，且因消费者的广泛约束，解决DSM问题的复杂度也会增加。而在分布式优化模型中，用户可在不共享其电力消耗细节的情况下应用其策略或做出响应。

过去十年中使用的大多数DSM程序都侧重于公用事业公司与每个终端用户之间的单独交互。在此类程序下，每个用户需通过转移其电力消耗来独立响应动态定价。转移负载需求的目标可能各不相同，从电力供应商的角度来看，目标是避免出现高峰值负载需求或长需求低谷，期望负载曲线尽可能平坦。要使负载曲线平坦，需让实际负载曲线尽可能接近目标负载曲线，即最小化实际负载曲线与目标负载曲线之间的差异。

在高峰时段降低电力需求和最小化一天24小时负载曲线中的峰值电力需求是两个不同的目标。前者可通过在高峰时段采用高价来实现，这会使消费者将电力消耗从高价时段转移到低价时段，但可能导致非高峰/中高峰时段的电力需求增加。因此，在低负载时段也最小化峰值电力需求很重要，可通过最小化峰值与平均比率（PAR）的目标函数来实现，PAR是峰值需求与一天24小时平均电力消耗的比率。

有多种常规和基于人工智能的优化算法可用于解决电力消耗月度成本和峰值电力需求的最小化问题，如博弈论、遗传算法（GA）、粒子群优化（PSO）