基于负荷曲线的智能家居设备协调
摘要
智能家居系统中细粒度的负荷曲线监测为各类家用电 器的能耗模式提供了大量数据来源。随着负荷曲线数据的日益可 用，具有高细粒度的家庭能源管理迎来了新的机遇。这种能源管 理对于电力容量有限的混合能源尤其重要。本文提出一种家庭能 源系统，该系统可采集负荷曲线，并支持通过电器的主动协调实 现事件预约。我们研究了可能同时运行的家用电器之间的基于负 荷曲线的协调问题。协调效率以总能耗成本衡量，该成本是电价 和各能源消耗量的函数。为最小化总能耗成本，我们提出一种匹 配配置移位方法。该方法根据用电价格、延迟容忍度和能源容量， 确定多个家用电器的一组开始时间。本文通过与其他方法（如随 机转移）的比较来评估所提方法的有效性。结果表明，相比其他 方法，采用家用电器的匹配配置移位能够实现最低的成本。
索引术语 —家庭能源系统，负荷曲线，匹配，延迟容忍度。
一、引言
TODAY ，随着智能感知、大数据和物联网（IoT）通 信等技术的进步，智能家居中的智能能源网络得以发展， 在智能电网和智慧城市中发挥着日益重要的作用[1]–[4]。特别是，智能设备网络和能源是两个核心发展领域。低成本智能电表可实现对能源消耗的详细监测[5]–[7]。一组智 能电表的数据网络提供了关于各类家用电器能源消耗的丰 富信息。对能耗数据的分析能够识别从城市到单个电器不 同尺度的能源使用特征与模式。
同时，包含绿色能源的混合能源供应系统为可持续能 源供应提供了新的机遇[8],[9]。混合系统可以由商业能 源供应和可再生能源组合而成。然而，这些新能源的有限 容量和时变特性给能源管理带来了新的挑战，以减少能源使用成本以及使能源使用与能源供应相匹配[10],[11]。
在家庭网络、智能电网和微电网的背景下，已有一些 关于家庭能源管理的不同方法被提出。特别是，在以用户 为中心的需求侧能源管理方面，已开展了大量研究。其中， 以用户为中心的协调是指通过协调用户活动来实现成本节 约和削峰填谷[2],[12],[13]。以用户为中心的协调方法包 括价格协商、能量交换以及负荷时间转移。在家庭网络的 背景下，主要的负荷转移方法包括运行调度，以及在特定 时间根据设备运行优先级对家用电器进行选择性使用[14]– [17]。
本文研究了在智能家居系统中考虑各种电器能源需求 和各类能源供应的细粒度时变特性的家用电器之间的能源 协调问题。其中，能源供应特性与混合能源相关，例如商 业能源与太阳能的结合。家用电器的负荷曲线可通过智能 电表对各个电器进行监测获得。某些家用电器在运行时间 上可能具有不同程度的延迟容忍度，例如干衣机、洗碗机、 咖啡机、洗衣机以及混合动力电动汽车的充电站[5]。家 庭服务器收集有关电器的能耗特性、延迟容忍度和运行计 划的信息。基于这些信息，家庭服务器对电器的运行进行 显式协调，以实现成本节约。
在本论文中，我们关注一个在以往的家庭能源管理方 法研究中被忽视的问题：家用电器组合操作与混合能源资 源价格之间的细粒度匹配。家电协调的目标是在一段时间 内降低混合能源资源的总能耗成本。其核心思想是根据叠 加能耗的成本实现家用电器之间的协调，该成本是负荷曲 线和偏移时间的函数。通过负荷曲线的叠加，避免一组负 荷曲线中高功耗阶段的重叠。通过对高功耗阶段进行细粒 度交错，负荷曲线叠加管理可在减少低成本能源过载的同 时，最小化总能源成本。
本文的贡献总结如下。
(1) 本论文明确探讨了家用电器在同时运行时进行细 粒度协调的新特点，以实现混合能源的低成本使用。
(2) 从系统功能的角度，我们为智能家居系统引入了 新功能，包括：(a) 负荷特性数据库、家用电器事件预约 和混合能源的功能集成，以及 (b) 对同时运行的家用电器 进行自动能源管理以降低能源成本。
(3) 我们提出一种匹配特性曲线的移位方法，该方法 在多个家用电器的延迟容忍度范围内搜索移位时间组合， 以实现最小成本。
(4) 一个关键结果是，该论文展示了对同时运行的家 用电器进行集体协调的细粒度调节潜力。评估结果表明， 在具有不同延迟容忍度、混合资源容量和时变价格的各种 场景中，所提出的方法能够识别出具有最大成本降低效果 的叠加负荷特性曲线。
本文的其余部分组织如下。第二节介绍了家庭能源网 络的基本架构。第三节描述了问题建模。第四节介绍了通 过负荷曲线迁移实现家电协调的所提算法。第五节描述了 仿真评估。第六节讨论了相关工作，第七节对论文进行了 总结。
II. 智能家居家电协调系统
在本节中，我们介绍采用自动家电协调的能源管理系 统。图1展示了智能家居能源网络的一个示例，该网络包 括智能家用电器、家庭能源服务器和混合能源。家庭能源 服务器通过通信网络与家用电器相连。图2展示了所提出 的家用电器协调系统的基本架构。参与家用电器协调系统 的关键组件包括家电负荷曲线、事件预约和电价。
智能家居电器与负荷曲线
每台家用电器都具备功率控制、功率感知和通信能力。电器能够在预定时间自动开启并开始运行。电器可以感知 自身的电力消耗，并将消耗特性报告给家庭能源服务器 [18]。每台家用电器都有一个唯一标识符，以区别于其他 电器。电器与服务器之间的通信可以通过有线或无线网络 技术[3],[19]–[21]实现。
家用电器的负荷曲线显示了从运行开始时间到运行结 束时间的能耗随时间的变化关系。可以通过在每个家用电 器上记录随时间变化的能耗来获得负荷曲线，例如使用智 能插座[6]。不同的家用电器可能具有不同的负荷曲线。图3展示了一个家用电器能耗的例子，
该图说明了咖啡机的能耗模式。
B. 家用电器的延迟容忍特性
一些家用电器具有一定的延迟容忍度，其启动时间可 以调整 [5],[22],[17]。这类家用电器包括例如电饭煲、干 衣机、洗碗机、咖啡机、洗衣设备以及混合动力电动汽车 充电站。家用电器的延迟容忍度可由电器特性及用户偏好 来确定。我们将某种家用电器基于电器的延迟容忍性称为 默认延迟容忍，其依赖于用户设置的程度较低，或因家庭 活动和用户偏好的影响而变化频率较低。例如，智能家居 电器如洗碗机，可将1‐2分钟作为内置功能的一定延迟容 忍度。另一个例子是初始延迟容忍，其可在不同用户活动中设置且变化较小。
另一种基于用户偏好的延迟容忍度设置，可根据用户 在各种家庭活动中的偏好频繁更改。
在本论文中，我们关注家用电器的基于电器的延迟容 忍性，从而减少用户管理的需求。由于家用电器的基于电 器的延迟容忍性可能对短时间延迟具有容忍度，在此期间 对电器使用的便利性影响较小，因此在延迟容忍型电器之 间的理想能源管理需要以高细粒度进行协调。
表I 家庭事件预约中的示例项目
| 家用电器编号 | 默认开始时间 | 运行时长 | 延迟容忍度 |
|---|---|---|---|
| 3（咖啡机） | 上午7:10 | 30分钟 | 2分钟 |
| 6（洗衣） | 上午7:10 | 40分钟 | 5分钟 |
| 10（空调） | 上午6:30 | 90分钟 | 0分钟 |
| 12（电饭煲） | 上午7:00 | 35分钟 | 3分钟 |
C. 家庭能源服务器与家电事件预约
家庭能源服务器被认为具备以下功能：第一，家庭能 源服务器收集有关功耗特性的信息；第二，家庭能源服务 器根据当前可用的能源，确定能源价格对能耗速率和时间 的依赖关系；第三，家庭能源服务器处理来自电器的调度 请求；第四，家庭能源服务器计算家电运行的调度计划以 最小化能源成本，并将该调度计划传达给电器。
我们提出了一种预约方案，家庭服务器在特定时间段 内接收一组操作家用电器的请求。家庭家电事件是指具有 固定持续时间的电器操作。家庭事件请求可注册到家庭能 源服务器，以实现定时操作。一个家庭事件请求包括电器 编号、默认开始时间、运行时长和启动延迟容忍度。表I 展示了预约项目的示例。预约项目可以反映人为灵活性对 家用电器开始时间和延迟容忍度的影响。
不同的运行条件可能导致家用电器产生不同的负荷曲 线。另一方面，某些负荷曲线也可能对应于家用电器的特 定条件或事件设置，例如电饭煲或洗衣机的预约运行。在 本论文中，我们重点研究针对一组预定的家电运行事件、 具有可预测负荷曲线的家用电器之间的协调。
D. 能源价格
如果能源价格是恒定的，那么最小化电能消耗成本的 问题就等同于最小化能耗量的问题。然而，实际情况中价 格往往并非恒定。在本论文中，我们考虑了以下几种不同 的定价方案。
(i) 用量相关价格 ‐ 能源价格取决于能耗量。通常，家 庭的能源供应能力可能受限于能源可用性或政策 [7]。一 个例子是，在某一特定时期内，绿色能源（如太阳能）的 供应容量有限，超过此限制所消耗的能源必须从其他能源 以更高价格获取。另一个例子是，能源供应商提供的定价 计划中，当能源消耗超过某一阈值时将采用更高价格，该 阈值由供应商根据总供需情况决定。图4展示了在配备混 合能源（市电电源（CPS）和可再生能源电源（RPS）） 的家庭中能源供给能力的一个示例。
(ii) 时变电价。价格可能随时间变化。例如，商业供 应商提供的能源价格在一天中的某些时段可能更高。
III. 问题建模
在本节中，我们正式提出电器协调问题的公式化描述。符 号列表见表II。
关键假设是，每个电器都有特定的能源消耗曲线，并 且具有一定的调度容差，允许其能源消耗曲线在时间上偏 移一定量。需要解决的问题是如何找到一组偏移时间，以 实现最低的能源消耗总成本。
A. 负荷曲线表示
首先，我们将总负荷曲线（APs）描述为对应于时间 偏移元组的一组负荷曲线（LP）的叠加。
假设有来自 n个家用电器的预约请求 HAi，其中 i= 1, 2, .., n为电器编号。令LP表示这 n个家用电器的负荷曲线集合，即LP =(LP1(t) LP2(t) .., LPn(t))，其中 LPi(t)是 HAi的特征负荷曲线。每条负荷曲线都有从开 始到结束的特定长度，我们称之为负荷曲线长度 LPLength。每个电器都有一个延迟容忍度 T D i，即在必 须开始运行之前可容忍的最大延迟时间。令 s i表示 HA i 相对于公共参考启动时间的启动时间偏移。我们可以不失 一般性地假设参考启动时间为零。令x表示一个偏移元组， x =(s1 , s2 , …, sn) 。总能耗 AP由负荷曲线和偏移量定义， 即APLP,S T(x t)。在本论文中，我们使用更简单的表达式 AP(x t)来表示表达式APLP,S T(x t)。
参考实际运行时间内的能源消耗时变函数是有用的
表II 符号列表
| 符号 | 描述 |
|---|---|
| HAi | ID为 i的家用电器 |
| LPi(t) | 家用电器 HAi的负荷曲线 |
| LengthLP(i) | HAi的负荷曲线的时间长度 |
| LPall | 家用电器负荷曲线的集合 |
| LPn | 包含 n 个元素的 LPall负荷曲线的一个子集 |
| OPi(t) | HAi的运行负荷曲线 |
| OPstart0(i) | 运行负荷曲线的默认最早开始时间 |
| OPend0(i) | 运行负荷曲线的 HAi的默认结束时间 |
| OPstart(i) | 在一系列家庭事件中HAi的运行负荷曲线的开始时间 |
| OPend(i) | 在一系列家庭事件中HAi的运行负荷曲线的结束时间 |
| AP(t) | 家用电器的聚合运行负荷曲线 |
| TDi | HAi的开始时间的延迟容忍度（最大偏移） |
| Shiftstep | 家用电器的偏移步长 |
| Si | HAi的移位选择的一组开始时间可能性 |
| si | Si 的一个元素 |
| S | 集合 S1 × S2 ×… × Sn的笛卡尔积 |
| x | S 的一个元素，由元组 (s1, s2,....sn) 表示 |
| AP(x t) | 总功耗的多变量函数 |
| Pri(P, t) | 电能消耗价格取决于电力消耗 P量和时间 t |
$$
OP_i(t)=
\begin{cases}
0 & t < OPstart0(i) \
LP_i(t− OPstart0(i)) & OPstart0(i) \leq t \leq OPend0(i) \
0 & t > OPend0(i)
\end{cases}
$$
(1)
然后，多个家用电器的实际总消耗量是家用电器负载的叠 加，可以表示为
$$
AP(t)= \sum_{i=1}^{n} OP_i(t)
$$
(2)
B. 能源成本
接下来，我们描述家用电器总能耗 CE的经济成本。我们将电能消耗价格表示为总功率消耗 P和时间 t的函数，即 Pri(P, t)。则电能消耗成本表示为 CE(AP(x t) Pri(P, t) t)。
我们将低于和高于阈值期望容量（例如容量1）的单 位电能价格分别表示为较低价格 c1和更高价格 c2。此外， 我们引入符号 λ来表示总消耗量是否超过容量。
$$
\lambda=
\begin{cases}
1 & \sum_{i=1}^{n} OP_i(s_i, t) \leq Capacity1 \
0 & \sum_{i=1}^{n} OP_i(s_i, t) > Capacity1
\end{cases}
$$
(3)
设 T为所有电器运行的总持续时间。
然后，用 c 1 和 c 2 表示的电器消耗的电能的总成本（记为 CE− CAP ）可写为(4)。
以时变电价为例，我们考虑仅存在两个不同时段阈值 的情况。在时间段1中，低于和高于阈值容量1的单位电能 价格分别对应较低价格 ca和更高价格 cb。在时间段2中， 低于和高于容量1的单位电能价格分别对应较低价格 cc和 更高价格 cd。综合起来，我们用公式(5)表示该时变电价。
C. 优化问题
通过协调家用电器以实现电器能源使用总成本最小化 的问题，被归结为关于所有家用电器各种移位选择组合的 组合优化问题。即，该问题是在满足 0 ≤ si ≤ T Di的条件 下，寻找使CE(AP(x t) Pri(P, t) t)最小化的元组x 。
$$
\text{minimize}_{t \in T} CE(AP(x, t), Pri(P, t), t)
$$
$$
\text{subject to } 0 \leq s_i \leq TDi.
$$
IV. 剖面移位算法
在本节中，我们提出了一种具体的实用算法，可由家 庭服务器执行，以确定优化能源消耗的剖面移位集合。
A. 离散步长剖面移位
我们通过指定调节步长 ShiftStep，以离散形式表示 家用电器的偏移量。然后每个家用电器可以有 mi种不同 的偏移量选择，其中mi由
$$
m_i = \left\lfloor \frac{T D_i}{ShiftStep} \right\rfloor
$$
(6)
因此，我们将n个家用电器的聚合功率消耗表示为起始时间 移位的形式
$$
AP(x, t)= \sum_{i=1}^{n} OP_i(s_i, t)
$$
(7)
请注意，聚合功率配置文件的总数是乘积 $ m_1 \times m_2 \times \dots \times m_n $。
B. 匹配配置优化算法（PMS）
根据上述对叠加负荷特性曲线、调节步长和电价的描 述，我们提出了一种通过寻找对应最低能源成本的偏移时 间元组来最小化能源成本的算法。该算法如算法1所示。算法1以深度优先的方式按特定顺序对所有移位元组进行 完全搜索。或者，搜索顺序也可以是随机打乱的顺序或其 他指定顺序。例如，搜索顺序可以基于家用电器运行的优 先权。
算法1：用于搜索起始时间移位匹配元组的PMS算法
Input: i: the ID of HAi; T Di: the length of delay tolerance T Di for HAi to start operating ShiftStep: the length of shift unit of a home appliance; Default operating profile OPi(t) of HAi.
Output: Tuple of start-time shifts corresponding to minimum cost
1 Stateinitial← 0
2 for s1← 0 to m1= ⌊ T D1 / ShiftStep⌋ do
3 for s2← 0 to m2= ⌊ T D2 / ShiftStep⌋ do
4 ...
5 for sn← 0 to mn= ⌊ T Dn / ShiftStep⌋ do
6 x=(s1, s2,..., sn)
7 if Protocoltype= MinCostCap then
8 CE= CE−Cap(c1, c2, x)
9 if Protocoltype= MinCostTime then
10 CE= CE−Time(ca, cb, cc, cd, x)
11 if Protocoltype= min − overload then
12 CE= CE−Overload(x)
13 if Stateinitial= 0 then
14 minCE← CE
15 for i← 1 to n do
16 ξ[i]= si;// start time set-up
17 Stateinitial← 1;
18 else if CE< minCE then
19 for i← 1 to n do
20 ξ[i]= si;// start time set-up
21 x∗=(ξ[1], ξ[2],..., ξ[n])
22 ...
23 return Tuple of optimal shif t times x∗=(ξ[1],..., ξ[n])
V. 数值评估
在本节中，我们通过计算机仿真来考察所提出的家电 协调方法在各种场景下的性能。我们验证了寻找家用电器 时间偏移元组以最小化能源消耗总成本的有效性。我们还 展示了所提出方法与其他家电管理方法（如随机转移和不 转移）的性能比较。
A. 仿真设置
仿真设置中的主要参数如表III所示。家用电器数量 为5台。每台家用电器的负荷曲线以1秒为时间步长随机生 成。每台家用电器的运行时长设定为30秒。每台家用电器 的最大功率为1500瓦。负荷曲线通过在0到1500瓦之间按 均匀分布随机指定每一秒间隔的负荷值来生成。实际电器 负荷曲线数据显示负荷曲线存在较大变化[6],[7]。本论 文中，我们关注随机生成的负荷曲线，以进行基础且通用 的评估。正常电价的默认阈值容量1设定为3000瓦。仿真 中使用的能源消耗价格参数如下：在容量1以下电价设为 20，在容量1以上电价设为40。时变高价设定为60。
采用有限长度的负荷曲线进行仿真，以说明协调性时 间转移对总能耗成本的基本影响。在给定的移位选择下， 长时间负荷曲线相较于短时间负荷曲线，预计会对降低总 能耗成本产生更大的影响，因为多个电器的长时间负荷曲 线叠加效应通常会导致叠加负荷特性曲线的种类繁多。
B. 评估对象与指标
我们比较了三种不同的电器管理方法。
1) 匹配剖面移位法 (PMS) ：仿真评估根据不同的家用电器转移规模和不同的调节步长长度进行。最小调节步长取为一秒，对应于负荷曲线数据的时间步长。
2) 随机移位方法 ：该方法为每个家用电器随机选择偏移 时间。
3) 零移位方法 ：在这种情况下，每个家用电器的开 始时间不进行偏移。每个家用电器将在同一时间开始运行。
在评估中，我们考虑以下指标。（i）总能耗成本： 所有家用电器能源消耗的总成本。（ii）偏移时间的匹配 元组：一组家用电器的偏移时间，能够实现组合优化以降 低能源成本。
C. 评估场景和结果
接下来，我们将展示三组评估的结果，这些评估旨在 考察基于家用电器使用特征、不同延迟容忍度（最大移位）、 功率容量以及时变价格的时间偏移性能。
1) 变化的延迟容忍度 ：图5显示了改变延迟容忍度 （TD）对能源成本的影响。随着延迟容忍度的增加， PMS方法和随机移位方法的能源成本均有所下降。与 PMS方法和随机移位情况相比，零偏移情况的能源消耗明 显更高。PMS方法实现了最小的能源成本，平均比随机移 位方法低7%。与零偏移情况相比，PMS方法还能实现17%的成本降低。PMS方法的能源成本随延迟容忍度增加 而降低的原因在于，较大的延迟容忍度允许延长总运行时 间以避免操作重叠，并提供更多移位选择，从而找到总能 耗成本的最低值。当TD=30时，可找到最小成本。
表IV 不同TD下家用电器起始时间移位的匹配元组
| 延迟容忍度 | s1 | s2 | s3 | s4 | s5 | AVE | STD |
|---|---|---|---|---|---|---|---|
| 5 | 0 | 3 | 4 | 0 | 0 | 2 | 2.28 |
| 10 | 0 | 4 | 8 | 1 | 9 | 5.33 | 4.27 |
| 15 | 14 | 3 | 14 | 4 | 0 | 8.33 | 6.71 |
| 20 | 10 | 19 | 17 | 0 | 0 | 11 | 9.21 |
| 25 | 11 | 21 | 24 | 0 | 0 | 13.5 | 11.57 |
| 30 | 29 | 17 | 28 | 0 | 0 | 17.33 | 14.22 |
| 35 | 0 | 3 | 33 | 33 | 5 | 18.17 | 17.07 |
| 40 | 0 | 1 | 39 | 36 | 27 | 23.83 | 18.69 |
| 45 | 0 | 0 | 34 | 30 | 44 | 25.5 | 20.57 |
| 50 | 0 | 0 | 30 | 49 | 35 | 27.33 | 22.55 |
2) 容量变化 ：图6展示了总能耗成本随容量变化的依 赖关系。总体而言，随着电力容量的增加，总能耗成本降 低。当电力容量大于6000时，所有协议的总能耗成本均 下降至相近的较低水平约2400000，因为当容量增加到一 定水平时，低成本能源足以满足所有家用电器的能源需求， 从而对时间偏移的需求很小。
所提出的PMS方法在所有协议中实现了最小的电能消 耗总成本，尤其是在容量较小的情况下。与随机方法相比， PMS最多可降低10%的能源成本。与零偏移情况相比， PMS还可使能源成本最多降低16%。
表V 家用电器启动时间偏移与不同容量1的匹配元组
| 容量1 | s1 | s2 | s3 | s4 | s5 | AVE | STD |
|---|---|---|---|---|---|---|---|
| 1000 | 2 | 8 | 19 | 0 | 17 | 9.2 | 8.59 |
| 2000 | 11 | 0 | 19 | 0 | 19 | 9.8 | 9.52 |
| 3000 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 4000 | 7 | 12 | 18 | 0 | 19 | 11.2 | 7.92 |
| 5000 | 0 | 0 | 0 | 2 | 8 | 2 | 3.46 |
| 6000 | 0 | 0 | 0 | 0 | 1 | 0.2 | 0.45 |
| 7000 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 8000 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 9000 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 10000 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
3) 时变电价的开始时间变化 ：图7展示了总能耗成本 随时间相关高价开始时间变化的性能结果。可以看出，随 着时变电价开始时间的推迟，总能耗成本降低。零偏移情 况下的降幅大于其他情况。PMS实现了最低的总能耗成本， 平均比随机偏移方法的成本低10%，比零偏移情况的平均 成本低16%。
表VI 家用电器起始时间偏移的匹配元组与时变电价
| 时间相关性的开始时间 高价 | s1 | s2 | s3 | s4 | s5 | AVE | STD |
|---|---|---|---|---|---|---|---|
| 5 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 10 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 15 | 13 | 10 | 17 | 3 | 19 | 7.8 | 8.29 |
| 20 | 13 | 7 | 19 | 0 | 0 | 8.4 | 8.32 |
| 25 | 13 | 7 | 19 | 0 | 0 | 7.8 | 8.29 |
| 30 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 35 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 40 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 45 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
| 50 | 10 | 19 | 17 | 0 | 0 | 9.2 | 9.04 |
六、相关工作
用于能源管理的能耗监测与分析方法正在不断发展。相关研究包括利用智能电表进行监测、获取不同时间尺度 下的负荷曲线，以及估计能源负荷[6],[7],[23]–[25]。这些研究展示了特定的能源监测方法和负荷曲线的基本特征， 为本研究所基于的基于负荷曲线的电器协调方法提供了基 础。
许多关于家庭能源管理的研究涉及需求响应。需求响 应包括需求侧管理和供应侧管理。供应侧管理包括直接负 荷控制和基于价格的能源控制[13]。存在多种定价机制， 例如实时定价和关键峰值定价[2],[5]。这些定价机制被 用来影响客户的能源使用行为。需求侧管理（客户使能技 术）允许用户根据变化的电价调整其用电量[14],[26]。
我们将需求侧管理的主要传统方法根据协调对象（如 用户‐公用事业配对）分为两类：（1）用户‐公用事业协 调和（2）用户‐用户协调（或家庭‐家庭协调）。
[14]中提出的研究旨在通过为高能耗家用电器设定优 先级来提高需求响应效率。该论文提出了一种能源管理算 法，根据家庭负荷的使用优先级对其进行管理，同时确保 家庭总功耗低于某一阈值（水平）。参考文献[16]中介绍 的研究则在具有可再生能源分布式发电机的智能电网中引 入了负荷调度优化。所提出的分布式负载优化使用户能够通过调度用电负荷来平滑聚合负载曲 线，从而降低自身成本以及公用事业的成本。
参考文献[17]提出利用家用电器的负荷曲线阶段（粒 度为15分钟）进行能源管理。该研究提出了一种基于混合 整数规划的优化算法，使用户能够获得与电价和负荷曲线 相对应的计算调度方案。所提出的方法根据用户偏好实现 家用电器的能源管理。在参考文献[26]中，引入了一种 用于家庭能源管理的家电调度的分布式算法。该方法提出 了一种基于用户与公用事业公司之间迭代共享信息的贪婪 算法。用户将向公用事业公司发送能耗计划以实现信息共 享。公用事业公司将根据总负载调整电价，并将价格信息 发送给用户。此过程持续进行，直到实现收敛。参考文献 [5]对智能家居中的电力管理进行了综述和讨论。介绍了 两类智能家居技术：一类称为公用事业侧使能技术，另一 类称为用户侧使能技术。对于用户侧使能技术，介绍了智 能负载、用于查看的商业网页门户以及政策和标准方面的 努力。
用户‐用户协调已在文献[27],[12]中进行了研究。用 户之间的需求侧管理在文献[27]中得到了探讨。该论文并 未关注公用事业公司与每个用户之间的交互，而是基于博 弈论提出了用户之间的分布式需求侧管理。文献[12]提出 了一种产消者之间分布式可再生能源的交易框架。本文研 究了在具有可再生能源发电、储能和能量交换能力的微电 网中，产消者之间的协同能源交易问题。交易方式可以是 产消者对产消者（P2P），也可以利用交易代理进行。
本文的研究展示了一种新型家用电器之间能源协调的 方法及其有效性。通过细粒度协调，对同时运行的家用电 器进行混合能源资源的使用，以实现最小总成本。总之， 本研究在以下几个方面不同于传统工作。
(1) 本研究提出了一种家用电器协调方案，该方案基 于单个家用电器的细粒度负荷曲线及其延迟容忍度，将家 用电器的组合操作与混合能源资源相匹配。
(2) 本研究考虑了电器的并发运行。传统家用电器调 度方法将用户的负荷从一个时间段转移到另一个时间段， 以避免高峰时段。此外，调度操作要么假设根据用户偏好 可以停止/中断家用电器的运行，要么可以将运行推迟数 小时之久。
(3) 在系统设计方面，所提出的家庭能源系统涉及将 新的信息与通信技术与智能家居集成，从而实现对电器运 行的细粒度监控以及负荷曲线信息的共享。
本文中的结果验证了细粒度的剖面移位当低成本能源的容量有限，或低成本电价可用时段有限时， 能够实现显著的成本降低。此类结果被认为是由于家用电 器的细粒度协调所引起的成本变化所致。
VII. 结论
本文介绍了一种家庭能源系统，该系统能够预约家用 电器的运行，并协调家用电器的操作以降低能源成本。提 出了一种基于细粒度负荷曲线的时间转移方法，用于需求 侧管理中对同时运行的家用电器进行协调。结果表明： （1）与零时间转移或随机时间转移情况相比，所提出的 PMS方法实现了细粒度负荷曲线的匹配，从而在具有电力 容量限制的智能家居中降低了经济成本并最小化了能源过 载；（2）PMS在满足各个电器运行延迟约束的前提下， 最小化了同时运行家用电器的能源消耗成本和过载；最后， PMS能够适应不同的容量约束和时变电价，使其可应用于 智能家居能源网络中的多种场景。
随着低成本智能电表和大数据技术的不断发展，负荷 曲线和能耗模式的更详细、更精细的信息将变得可用。因 此，本文提出的基于负荷曲线的方法有望成为在家庭中匹 配能源消耗与多种能源的有效途径。
扫一扫
48
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
