19、基于布谷鸟搜索的家庭能源管理

基于布谷鸟搜索的家庭能源管理

1. 相关工作

优化智能家居设备的调度以实现成本最小化和负载均衡是研究界关注的一个具有挑战性的问题。近年来，人们提出了许多技术来实现成本最小化、降低峰值平均比（PAR）和最大化用户舒适度。
- 混合整数线性规划（MILP） ：有研究提出利用MILP为住宅用户最小化总电费并平衡负载，该方案有效降低了电费和PAR，但未考虑用户舒适度。此方法还被扩展，采用启发式方法考虑家庭能源消耗、气候舒适度和及时性。
- 遗传算法（GA）、粒子群优化（PSO）和多背包问题（MKP） ：在不同定价信号（实时定价RTP、分时电价ToU和临界峰值定价CPP）下被应用，模拟结果证明了方案的有效性。
- GA与可再生能源系统（RES）及存储设备 ：用于智能电网成本最小化，存储的电力在电价或需求高时使用，但忽略了RES和存储设备的安装和维护成本。
- GA - DSM策略 ：用于平衡工业、商业和住宅区的负载，可降低高峰时段21.91%的电力消耗，但未讨论PAR和用户舒适度。
- 混合整数非线性规划（MINLP） ：在ToU定价方案下为住宅区实现成本最小化，能降低25%的电费，但未解决PAR问题。
- 动态规划和博弈论 ：用于设备调度和用户与额外电力生产的交互，居民可从RES发电自用或出售，但忽略了RES的安装和维护成本。
- 启发式技术 ：采用GA和二进制粒子群优化（BPSO）为住宅区实现成