计及用户不满意度的家庭能量管理优化调度研究
发布时间：2021-11-12 01:33
在智能电网快速发展和分布式能源渗透率越来越高的背景下,家庭能量管理系统得到了越来越多的关注和发展。家庭能量管理系统通过指导居民用户科学合理用电,减少了用户的用电成本并满足用户用电的舒适性要求,对智能电网在用电侧的发展起到了促进作用。本文首先介绍了家庭能量管理系统研究的背景及意义,概述了目前的研究现状。描述了家庭能量管理系统的整体构架及其相关技术,详细介绍了光伏发电系统、储能系统以及家用负荷等主要设备的数学模型。其次,结合分时电价的需求响应机制,建立了计及用户用电成本的家庭能量管理优化调度模型,并采用粒子群优化算法进行求解。仿真结果表明,经优化调度后可以有效降低用户的用电成本。然后,考虑到用户用电的舒适性需求,给出了用户用电的舒适性指标,建立了计及多目标的家庭能量管理优化调度模型,将用电成本、时间不满意度、温度不满意度三者作为多目标进行优化处理,采用多目标粒子群优化算法进行求解,并采用熵权TOPSIS法对Pareto最优解集中的最优解进行选取。仿真结果表明,经优化调度后可以在有效降低用户用电成本的同时又能满足用户用电的舒适性要求,验证了所提模型的正确性。最后,为了减少光伏出力预测误差对优...
【文章来源】：青岛大学山东省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究动态
1.2.1 国外研究动态
1.2.2 国内研究动态
1.3 本文研究的主要内容
第二章 家庭能量管理系统概述
2.1 家庭能量管理系统结构
2.2 家庭能量管理系统相关技术
2.2.1 需求响应技术
2.2.2 高级量测体系
2.3 家庭能量管理系统主要设备的数学模型
2.3.1 光伏发电
2.3.2 储能系统
2.3.3 家用负荷
2.4 本章小结
第三章 计及用户用电成本的家庭能量管理优化调度研究
3.1 计及用户用电成本的家庭能量管理优化调度模型
3.1.1 目标函数
3.1.2 约束条件
3.2 粒子群优化算法
3.2.1 粒子群优化算法原理
3.2.2 粒子群优化算法求解过程
3.3 算例分析
3.3.1 算例介绍
3.3.2 仿真结果
3.4 本章小结
第四章 计及多目标的家庭能量管理优化调度研究
4.1 用户用电的舒适性指标
4.1.1 用户对用电时间的舒适性指标
4.1.2 用户对温度的舒适性指标
4.2 计及多目标的家庭能量管理优化调度模型
4.2.1 目标函数
4.2.2 约束条件
4.3 多目标粒子群优化算法
4.3.1 多目标粒子群优化算法原理
4.3.2 多目标粒子群优化算法求解过程
4.3.3 基于熵权TOPSIS法的多目标决策
4.4 算例分析
4.4.1 算例介绍
4.4.2 仿真结果
4.5 本章小结
第五章 考虑光伏发电预测误差的家庭能量管理优化调度研究
5.1 光伏发电预测误差及情景设定
5.1.1 光伏发电预测误差
5.1.2 情景分析法
5.2 考虑光伏发电预测误差的家庭能量管理优化调度模型
5.2.1 目标函数
5.2.2 约束条件
5.3 算例分析
5.3.1 算例介绍
5.3.2 仿真结果
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]新能源经济学研究进展[J]. 李芳,王芮,陈玉博. 中国能源. 2018(11)
[2]智能电网与智能用电技术[J]. 彭怡. 科学技术创新. 2018(24)
[3]一种基于模糊控制的智能家庭能量管理系统[J]. 李德智,董明宇,尹忠东,李晓强,林挚. 现代电力. 2018(06)
[4]用户侧用电需求响应行为研究[J]. 李东东,王博伦,刘洋. 供用电. 2018(04)
[5]需求侧管理下智能家庭用电多目标优化控制[J]. 鲍毅,楼凤丹,王万良. 智能系统学报. 2018(01)
[6]考虑风光荷预测误差的电力系统经济优化调度[J]. 盛四清,张立. 电力系统及其自动化学报. 2017(09)
[7]基于情景分析法风电场中储能系统经济调度[J]. 厉伟,颜宁,张博,马少华,戈阳阳,肖婉秋. 电工电能新技术. 2018(02)
[8]基于多目标粒子群算法的电力系统环境经济调度研究[J]. 张子泳,仉梦林,李莎. 电力系统保护与控制. 2017(10)
[9]基于用户满意度的智能用电能量调度方法研究[J]. 纪姝彦,李冬伟. 电气工程学报. 2017(04)
[10]提高坚强智能电网社会经济效益的对策建议[J]. 李敏霞,杨警卫,李云霞. 科技展望. 2017(07)
硕士论文
[1]粒子群算法改进及其应用研究[D]. 秦媛.南京邮电大学 2018
[2]计及多目标的微电网协同调度研究[D]. 秦齐.青岛大学 2018
[3]短期光伏发电出力预测方法研究[D]. 张琦.广东工业大学 2018
[4]情景分析法在智慧校园中的设计与应用研究[D]. 杨健.西北师范大学 2018
[5]情景分析法在周期性公司收益法估值中的应用研究[D]. 莫荣团.首都经济贸易大学 2017
[6]基于需求侧管理的家庭能源优化控制的研究[D]. 刘旭.燕山大学 2017
[7]面向智能用电的家庭能量管理研究[D]. 纪姝彦.合肥工业大学 2017
[8]基于需求响应的家用设备调度策略研究[D]. 杨冰.电子科技大学 2016
[9]考虑智能家电与分布式电源的电力需求响应技术研究[D]. 鲁针针.东南大学 2015
[10]计及实时电价的家居混合供电系统能量优化调度方法[D]. 阮冰洁.浙江大学 2015
本文编号：3489940
【文章来源】：青岛大学山东省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究动态
1.2.1 国外研究动态
1.2.2 国内研究动态
1.3 本文研究的主要内容
第二章 家庭能量管理系统概述
2.1 家庭能量管理系统结构
2.2 家庭能量管理系统相关技术
2.2.1 需求响应技术
2.2.2 高级量测体系
2.3 家庭能量管理系统主要设备的数学模型
2.3.1 光伏发电
2.3.2 储能系统
2.3.3 家用负荷
2.4 本章小结
第三章 计及用户用电成本的家庭能量管理优化调度研究
3.1 计及用户用电成本的家庭能量管理优化调度模型
3.1.1 目标函数
3.1.2 约束条件
3.2 粒子群优化算法
3.2.1 粒子群优化算法原理
3.2.2 粒子群优化算法求解过程
3.3 算例分析
3.3.1 算例介绍
3.3.2 仿真结果
3.4 本章小结
第四章 计及多目标的家庭能量管理优化调度研究
4.1 用户用电的舒适性指标
4.1.1 用户对用电时间的舒适性指标
4.1.2 用户对温度的舒适性指标
4.2 计及多目标的家庭能量管理优化调度模型
4.2.1 目标函数
4.2.2 约束条件
4.3 多目标粒子群优化算法
4.3.1 多目标粒子群优化算法原理
4.3.2 多目标粒子群优化算法求解过程
4.3.3 基于熵权TOPSIS法的多目标决策
4.4 算例分析
4.4.1 算例介绍
4.4.2 仿真结果
4.5 本章小结
第五章 考虑光伏发电预测误差的家庭能量管理优化调度研究
5.1 光伏发电预测误差及情景设定
5.1.1 光伏发电预测误差
5.1.2 情景分析法
5.2 考虑光伏发电预测误差的家庭能量管理优化调度模型
5.2.1 目标函数
5.2.2 约束条件
5.3 算例分析
5.3.1 算例介绍
5.3.2 仿真结果
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]新能源经济学研究进展[J]. 李芳,王芮,陈玉博. 中国能源. 2018(11)
[2]智能电网与智能用电技术[J]. 彭怡. 科学技术创新. 2018(24)
[3]一种基于模糊控制的智能家庭能量管理系统[J]. 李德智,董明宇,尹忠东,李晓强,林挚. 现代电力. 2018(06)
[4]用户侧用电需求响应行为研究[J]. 李东东,王博伦,刘洋. 供用电. 2018(04)
[5]需求侧管理下智能家庭用电多目标优化控制[J]. 鲍毅,楼凤丹,王万良. 智能系统学报. 2018(01)
[6]考虑风光荷预测误差的电力系统经济优化调度[J]. 盛四清,张立. 电力系统及其自动化学报. 2017(09)
[7]基于情景分析法风电场中储能系统经济调度[J]. 厉伟,颜宁,张博,马少华,戈阳阳,肖婉秋. 电工电能新技术. 2018(02)
[8]基于多目标粒子群算法的电力系统环境经济调度研究[J]. 张子泳,仉梦林,李莎. 电力系统保护与控制. 2017(10)
[9]基于用户满意度的智能用电能量调度方法研究[J]. 纪姝彦,李冬伟. 电气工程学报. 2017(04)
[10]提高坚强智能电网社会经济效益的对策建议[J]. 李敏霞,杨警卫,李云霞. 科技展望. 2017(07)
硕士论文
[1]粒子群算法改进及其应用研究[D]. 秦媛.南京邮电大学 2018
[2]计及多目标的微电网协同调度研究[D]. 秦齐.青岛大学 2018
[3]短期光伏发电出力预测方法研究[D]. 张琦.广东工业大学 2018
[4]情景分析法在智慧校园中的设计与应用研究[D]. 杨健.西北师范大学 2018
[5]情景分析法在周期性公司收益法估值中的应用研究[D]. 莫荣团.首都经济贸易大学 2017
[6]基于需求侧管理的家庭能源优化控制的研究[D]. 刘旭.燕山大学 2017
[7]面向智能用电的家庭能量管理研究[D]. 纪姝彦.合肥工业大学 2017
[8]基于需求响应的家用设备调度策略研究[D]. 杨冰.电子科技大学 2016
[9]考虑智能家电与分布式电源的电力需求响应技术研究[D]. 鲁针针.东南大学 2015
[10]计及实时电价的家居混合供电系统能量优化调度方法[D]. 阮冰洁.浙江大学 2015
本文编号：3489940
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3489940.html
