基于尖峰电价的家庭能量管理最优控制算法

智能电网技术的发展,为家庭能量管理系统(HEMS)提供了新的研究方向。针对HEMS,提出了一种基于尖峰电价的家庭用电设备最优控制算法,该方法使用层次分析法(AHP)对可调整用电设备的综合满意度进行评估,建立以满意度最高和满意度与费用最少兼顾为目标的数学模型,同时考虑家庭分布式电源及储能设备对家庭用电的影响,使用户满足电力公司在需求响应时段的约束要求并获得最满意、舒适的控制策略。最后通过案例仿真验证所提出的控制算法的实用性和有效性。     

集中式低压减载下电力用户负荷侧需求自动响应方法

为确保电力系统安全稳定运行,吸引电力用户主动参与电网调峰当中,减轻电网运行压力,提出一种集中式低压减载下电力用户负荷侧需求自动响应方法.仿真实验结果表明,本文方法可大幅增强居民用电行为的感知水平,提高电网设备利用率和运行效率,实现居民用户与供电企业双赢.     

需求侧管理下智能家庭用电多目标优化控制

针对家庭内附加型负载进行需求侧管理,缓解高峰时刻电网压力,提出一种智能电网环境的家庭用电控制系统。设计了智能控制器,可以获取用户家庭负荷信息并为用户提供分时电价计量,同时便于供电侧直接进行需求侧控制。提出了多目标蜻蜓算法,针对降低负载功率和减少需求响应延时时间两个目标进行求解,其迭代速度快,满足即时响应的需求。500个家庭的实验结果显示,家庭用电控制系统合理,降低了用户用电费用;算法计算速度快,响应时间延时少,有效缓解了高峰时刻的电网负荷。     

实时电价下用户侧电力需求响应模型优化策略及数字仿真谈竹奎1,汪元芹2,赵菁2,刘斌1,刘敏2

为解决智能电网发展中用户参与电力市场运营的响应积极性以及用户收益最大化问题,本文在经济学原理基础上,引用需求价格弹性系数表征用户的用电量随电价的变化情况,建立实时电价下的用户负荷调节能力模型,根据该模型,进一步研究了基于实时电价的用户侧电力需求响应模型优化策略,考虑用户在不同响应场景和不同负荷调节潜力下的需求响应。解决供电与用电间的电力供需不平衡问题,实现用户积极响应及其利益最大化,并提高系统稳定性与安全性。以某地需求响应系统为例,对进入现货市场交易的用户进行数字仿真,通过算例分析表明该模型能有效改善用电负荷曲线,减小用户购电成本,验证了基于实时电价下的电力需求响应优化策略的优化效果。     

节能利器“需求响应”

智能电网（smart grid）与需求响应（demand response,DR）足当今电力行业的热点。智能电网是21世纪电力系统的重大科技创新和变革趋势,而DR则是需求侧管理（DSM）在竞争性电力市场中的最新发展。近期,作为中美能源合作“智能电网需求响应示范与可行性研究”项目,天津泰达经济技术开发区部署的自动需求响应示范智能电网进展顺利,作为中国首个围绕建筑用电需求侧管理而开展的智能电网示范项目,该项目为开发区每节约1％电能损耗,节省约1000万元。这一示范项目是中美能源合作计划的一部分,得到了中美政府的支持,这一与中国政府一起探索实施智能电网项目的经验,将推广到其他城市。     

面向高比例新能源电网的重大耗能企业需求响应调度

随着国家“双碳”重大战略的提出,高比例新能源并网将成为我国电力能源转型的重要态势.针对火电机组、配电网和需求侧关联的系列运行约束制约了电网对高比例新能源的有效消纳这一问题,本文提出重大耗能企业这一主要电力负荷参与网需求响应(Demand response, DR)的研究思路,通过重大耗能企业与电网协调调度促进新能源消纳,并获得经济补偿以减少运行成本.研究首先基于混合需求侧响应机制,提出以重大耗能企业、新能源、火电机组为核心的协调调度方法,并根据新能源预测值-预测误差的信息依存顺序提出了两步调度策略.在此基础上,进行生产过程行为建模以实现重大耗能企业需求侧响应决策描述,并建立高比例新能源并网的重大耗能企业需求响应与电网协调调度优化模型.最后,基于烟台电网实际系统进行算例分析,验证了重大耗能企业通过需求响应参与电网协调调度以及两步调度策略的有效性.     

基于数据挖掘的电力需求侧管理综述

电力需求侧管理突破了传统的电力管理模式,改变了依靠单纯地扩大供应能力以满足日益增长的电力需要的方式,在更高层次上处理供应侧和需求侧的关系,特别强调用户参与负荷管理的积极性,做到和用户共同实施用电管理。针对这一特点,通过分析时下最热门的数据挖掘技术的现状,并结合数据挖掘技术分别从电力需求侧管理的需求侧响应,有序用电和能效管理三个方面对基于数据挖掘的电力需求侧管理进行了综述。结论得出,基于数据挖掘的电力需求侧管理是未来电力需求侧管理的主要发展方向,研究如何将数据挖掘技术应用到用户需求侧管理中,不仅可以推动电力需求侧管理的进一步发展,还可以加快电力行业的快速转型,为能源互联网的快速建设提供技术支持。     

基于遗传神经网络的电力市场需求响应效率提高方法

为了提高电力市场需求响应效率,提高成本收益,增强电力负荷特性,本文将利用遗传神经网络建立需求响应模型,提前一天获取电力市场需求响应情况,对电费影响较大的负荷进行调整。根据电力市场需求响应情况,设计峰谷组合的电力套餐,满足不同用户在用电方面的不同需求,优化需求响应中的用电有限理性行为。通过约束基础负荷与可调负荷,提高电力市场需求响应效率。实验结果表明,应用该优化方法后,电网提高负荷率始终高于对照组,有效地缩小了电网峰谷差,提升了需求响应效率,效果显著。     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用;通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

基于AMI的智能电网家庭终端信息节能方案研究

高级量测体系(AMI)是智能电网的重要组成部分和基石.为了更好地利用智能电网技术进行节能减排,基于AMI框架的家庭终端能耗管理系统,提出了一种以ZigBee技术构建家庭节能网络的方法,通过家庭智能用电网络,用户可根据电网负荷及分时电价规划用电,达到节能目的.     

基于多变量LS-SVM和模糊循环推理系统的负荷预测

智能电网环境下,电力需求响应的发展给传统用电模式带来重大变化,用户可以根据电能需求结合实时电价调整用电模式,这使得负荷预测变得更加复杂。通过相似日负荷序列局部形相似计算,选取样本数据,采用多输入双输出的最小二乘支持向量机(LS-SVM),对负荷和价格进行同时预测,得到初步预测结果。考虑需求响应条件下实时电价与负荷之间的相互影响,采用基于数据挖掘技术的模糊循环推理系统模拟人的思维过程,通过挖掘电价变化量、负荷变化量等变量之间的关联规则,模拟电价与负荷预测之间存在的博弈过程,对多变量最小二乘支持向量机预测算法的初步预测结果进行循环修改,直至负荷和电价预测结果趋于稳定。多变量最小二乘支持向量机不存在容易陷入局部最优等问题,并且有良好的泛化能力,基于改进的模糊关联规则挖掘算法和循环预测控制算法具有良好的完备性和鲁棒性,能够逼近现实环境的各种可能情况,修正负荷预测结果。针对某电网的实际预测结果表明,该方法具有较好的预测效果。     

基于多策略协同进化差分算法的社区居民负荷优化调度

针对需求响应下负荷调度的问题,为提供满足居民利益的响应方案,并提高电网运行稳定性,综合考虑电价、激励型需求响应机制与居民用电需求,以用电成本和社区负荷方差最小化为目标,建立了多用户负荷调度高维目标优化模型。结合模型特征提出一种基于多策略的合作协同进化差分进化算法,设计了基于居民用电特征的混合编码与种群初始化策略,以提高解的质量;引入合作协同进化思想将问题变量分解,依据高维目标分组与聚合对种群进行划分,避免陷入局优;各子种群进化时采取双差分模式协同策略,并构建知识迁移个体实现种群间信息交互,最后经贪婪与随机选择结合的种群合并策略保留完整优秀解至外部档案,以提高Pareto最优集的收敛性与分布性。算例仿真表明所提方法可降低社区居民用电成本18%左右、负荷波动方差30%以上;随着居民数量增加,算法的收敛性与多样性与同领域其他算法相比优势更为明显。     

基于电网需求响应约束的多播路由

针对智能电网多播路由通信中,通常存在只考虑多播通信的时延约束而没有考虑电网需求侧带负载的情况,所构建的多播树会出现控制信息传输到大功率负载设备的通信时延较大的问题,提出一种考虑负载功率和通信时延的多播树构造方法,称为基于需求响应（DR）能力约束的多播路由算法。首先,根据电网拓扑信息生成满足约束条件的完全图;然后,采用Prim算法构造较低费用的多播树;最后,将多播树还原到原网络。仿真结果表明该算法能够有效地减小大功率负载设备的需求响应时延,与基于时延约束的多播路由算法相比,能够使电网频率波动大幅度减小。该算法能够有效地提高智能电网中需求响应的实时性,稳定电网频率。     

遗传算法的阶梯电价用电需求管理方案

用电需求管理是智能电网中的重要部分,能让消费者根据自己的用电量做出合适的决策,帮助供电者减少峰值负载,让负载的时空分布更为均衡,从而增加智能电网的可持续性,并减少运营成本和碳排放量。一种基于负载转移技术的用电需求管理方案可以满足对大量、多种设备的调节需求。用电需求管理的解决方案使用改进的遗传算法,并引入了一个新的算子,模拟测试的结果显示通过改进的算法获得的方案节省了可观的成本,并且在使用阶梯式电价的情况下,减少了智能电网的峰值负载。     

基于随机森林非侵入式负荷分解的地区居民需求响应能力评估

需求响应在缓解供电不足、促进新能源消纳以及节约发电侧的资源投资方面意义重大,而需求响应能力评估可以为需求响应策略的制定提供依据。为解决需求响应能力评估困难的问题,本文提出一种基于非侵入式负荷分解的地区居民响应能力评估的方法。首先建立基于随机森林算法的非侵入式负荷分解模型,再使用该模型针对性的分解出单个用户的可中断负荷,然后基于可中断负荷的用电情况计算出单个用户在各个时刻的响应能力,最后再将区域内的所有用户聚合即可得到地区居民总的响应能力。在真实数据集上进行验证,结果表明所提出的基于随机森林非侵入式负荷分解模型可以更精确的得到用户可中断负荷的有功功率值,地区有功功率聚合误差也更小,可以较好的进行需求响应能力评估。     

A load control method for small data centers participating in demand response programs

This paper presents a load control method for small data centers, which are rarely studied although they account for more than 50% of all data centers. The method utilizes the data network and the electrical network to control power usage for participation in demand response (DR) programs, which are regarded as the killer applications of the emerging smart grid (SG). Traditional data center power management often directly manipulates energy usage, which may be ineffective or impractical for small data centers due to their limited resources. Both the SG and the data centers are considered to be the cyber-physical systems (CPSs). This article proposes an approach that performs the data center DR load management through the cyberspaces of the SG and the targeted data center. The proposed method instructs the workload dispatcher to select the best-suited algorithm when a DR event is issued. Additionally, this method also adjusts the temperature set-points of the air conditioners. The simulation result shows that this approach can achieve a 30% power reduction for DR.     

基于B／／s模式的智能用电服务系统设计与开发

针对智能电网下智能终端的应用,结合现有量测方法和计算机网络技术,提出了一种基于B／S模式的智能用电服务系统的实现方案。该系统以智能电表的应用为硬件基础,通过网络协议编程构建用电自动测量网络,并实现对用户用电数据的实时采集。软件则以2LAMP（Linux＋Apache＋MySQL＋PHP）为开发平台,综合利用AJAX（异步JavaScript和xML,AsynchronousJavaScriptandXML）以及实时数据库技术实现系统的整体设计。该用电智能服务系统以浏览器为用户终端,可以为用户提供综合耗电统计、在线用电付费、智能用电决策以及实时信息交流等便捷而多样化的服务入口,从而为实现用户智能用电提供有力支撑。