基于需求侧响应的家庭用电优化策略研究
发布时间：2021-07-31 05:12
随着化石能源短缺和环境污染问题日益严重,高效地节约、管理并利用能源成为了一个热门的课题。智能用电技术的发展,为解决能源短缺和环境污染问题提供了一个解决方案。智能用电技术是实现电网与用户之间互动,加强能源管理的手段之一。随着居民生活的用电负荷不断增大,智能地管理家庭用电,减少能源浪费,使得家庭能量管理系统研究显得日益迫切。论文在介绍智能用电技术和家庭能量管理系统研究现状的基础上,阐述了家庭能量管理系统的高级量测体系和需求响应技术,并对家庭能量管理系统中的用电负荷分类进行了相关讲述。论文对家庭用电设备进行数学建模,给出了两种不同的家庭能量管理系统的用电设备调度模型。对含光伏发电系统而没有储能设备的家庭,分别以用电费用最少、综合考虑用电费用和满意度为优化目标,建立不同的优化调度模型,以用户的运行时间要求作为约束条件模型。对有储能设备的家庭,建立了储能设备的数学模型,在考虑储能设备的充放电效率、荷电状态等因素和分时电价的基础上,以用电费用最少、综合考虑用电费用和满意度为优化目标建立不同的调度模型进行仿真计算,分别采用BAS-PSO混合算法对模型进行求解,通过仿真计算出该调度策略的有效性。
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．２需求响应的分类??（１）价格型需求响应??价格机制是市场经济中最敏感、最有效的机制，它在市场经济中起决定性作??
?第３章家庭用电调度优化算法????体的多样性。为粒子群中第／个粒子所记录的个体适应度极值，为当前??群体的适应度极值。??粒子群算法流程图如图３．１所示。??Ｃ＾）??初始化粒子群??计算粒子的适??应度值??｜更新个体极值??ｇｂ？ｔ和全局极值??Ｐｂｅｓｔ??更新粒子速度??Ｖ和位置Ｘ??得到最优解??（结束）??图３．１粒子群算法流程图??３．３．２天牛须搜索算法??天牛须搜索（Ｂｅｅｔｌｅ?Ａｎｔｅｎｎａｅ?Ｓｅａｒｃｈ，?ＢＡＳ）是在２０１７年提出的一种智能算??法，与其他传统智能算法不同的是，ＢＡＳ只需要一个个体，就可以做到高效寻??优，无需知道函数的具体形式和梯度信息，运算量小于其他智能算法。??天牛具有两只很长的触角，在寻找食物的时候，天牛依靠灵敏的嗅觉找到食??物的位置，根据食物的气味来判断移动的方向。天牛觅食时，首先用两条长须感??知食物的气味，当左边的气味浓时，天牛向左走，当右边的气味浓时，天牛向右??１８??
?第３章家庭用电调度优化算法???天牛须搜索算法流程图如图３．２所示。??初始化天牛个体??随机生成天牛方向??Ｉ计算天牛Ｓ右彡页的位??置和适应度值??———??向左移动?向右移动??Ｉ，?１??Ｉ计算天牛移动后的适??应度值??图３．２天牛须搜索算法流程图??３．３Ｊ天牛须－粒子群混合算法??粒子群算法的全局搜索能力强，而天牛须搜索算法的运算速度快，能够很快??寻找到局部最优解。将天牛须搜索算法和粒子群算法结合，可以将两种算法的优??点进行互补，提高算法的寻优能力，和单一机制的算法相比可以取得更好的寻优??效果，这就是天牛须－粒子群混合算法（ＢＡＳ－ＰＳＯ?ｈｙｂｒｉｄ?ａｌｇｏｒｉｔｈｍ）。??ＢＡＳ－ＰＳＯ混合算法的基本思路是将粒子群中的比较个体最优适应度值的过??程改为天牛须搜索算法寻优，通过这种方式更新个体与群体的最优适应度值。??ＢＡＳ－ＰＳＯ混合算法流程图如图３．３所示。??２０??
【参考文献】：
期刊论文
[1]面向智能电网的家庭能量管理系统综述[J]. 成蒙,关欣,孟娟,吴文潇. 建筑节能. 2019(10)
[2]协同调度电动汽车与储能装置的家庭能量管理策略[J]. 姚钢,茆中栋,周荔丹,李东东. 电力系统及其自动化学报. 2020(04)
[3]智能用电发展现状和未来发展分析[J]. 张智超. 科技创新导报. 2019(17)
[4]家庭能量管理系统多目标能量调度优化策略[J]. 李中伟,张啸,武东升,梁建权,关亚东. 自动化仪表. 2019(04)
[5]基于用户满意度的家庭能量管理系统协调优化调度[J]. 王珑,王进,龚晓琴,胡泽斌,王仰之,武浩然. 电力学报. 2019(02)
[6]基于HSA的家庭能量管理系统优化调度研究[J]. 仲海涛,张建,胥晓辉,薛会,张智晟. 青岛大学学报(工程技术版). 2018(03)
[7]智能用电发展现状与趋势分析[J]. 张彦涛. 通信电源技术. 2018(08)
[8]智能电网中的家庭用电系统建模与优化分析[J]. 杨明,王元超,向东,王丹,付国宏. 电力需求侧管理. 2017(04)
[9]基于负荷分类的风光蓄家庭微电网的独立运行能量优化管理[J]. 殷亮亮,李征. 电器与能效管理技术. 2017(03)
[10]家庭智能用电管理系统智能交互终端设计[J]. 武东升,李中伟,孟迪,张啸,李立东. 自动化与仪表. 2017(01)
硕士论文
[1]家庭能量管理系统用电与电能调度优化策略研究[D]. 武东升.哈尔滨工业大学 2017
[2]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
[3]中国温室气体排放权交易机制的建构[D]. 李瑜婷.华东政法大学 2010
本文编号：3312836
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．２需求响应的分类??（１）价格型需求响应??价格机制是市场经济中最敏感、最有效的机制，它在市场经济中起决定性作??
?第３章家庭用电调度优化算法????体的多样性。为粒子群中第／个粒子所记录的个体适应度极值，为当前??群体的适应度极值。??粒子群算法流程图如图３．１所示。??Ｃ＾）??初始化粒子群??计算粒子的适??应度值??｜更新个体极值??ｇｂ？ｔ和全局极值??Ｐｂｅｓｔ??更新粒子速度??Ｖ和位置Ｘ??得到最优解??（结束）??图３．１粒子群算法流程图??３．３．２天牛须搜索算法??天牛须搜索（Ｂｅｅｔｌｅ?Ａｎｔｅｎｎａｅ?Ｓｅａｒｃｈ，?ＢＡＳ）是在２０１７年提出的一种智能算??法，与其他传统智能算法不同的是，ＢＡＳ只需要一个个体，就可以做到高效寻??优，无需知道函数的具体形式和梯度信息，运算量小于其他智能算法。??天牛具有两只很长的触角，在寻找食物的时候，天牛依靠灵敏的嗅觉找到食??物的位置，根据食物的气味来判断移动的方向。天牛觅食时，首先用两条长须感??知食物的气味，当左边的气味浓时，天牛向左走，当右边的气味浓时，天牛向右??１８??
?第３章家庭用电调度优化算法???天牛须搜索算法流程图如图３．２所示。??初始化天牛个体??随机生成天牛方向??Ｉ计算天牛Ｓ右彡页的位??置和适应度值??———??向左移动?向右移动??Ｉ，?１??Ｉ计算天牛移动后的适??应度值??图３．２天牛须搜索算法流程图??３．３Ｊ天牛须－粒子群混合算法??粒子群算法的全局搜索能力强，而天牛须搜索算法的运算速度快，能够很快??寻找到局部最优解。将天牛须搜索算法和粒子群算法结合，可以将两种算法的优??点进行互补，提高算法的寻优能力，和单一机制的算法相比可以取得更好的寻优??效果，这就是天牛须－粒子群混合算法（ＢＡＳ－ＰＳＯ?ｈｙｂｒｉｄ?ａｌｇｏｒｉｔｈｍ）。??ＢＡＳ－ＰＳＯ混合算法的基本思路是将粒子群中的比较个体最优适应度值的过??程改为天牛须搜索算法寻优，通过这种方式更新个体与群体的最优适应度值。??ＢＡＳ－ＰＳＯ混合算法流程图如图３．３所示。??２０??
【参考文献】：
期刊论文
[1]面向智能电网的家庭能量管理系统综述[J]. 成蒙,关欣,孟娟,吴文潇. 建筑节能. 2019(10)
[2]协同调度电动汽车与储能装置的家庭能量管理策略[J]. 姚钢,茆中栋,周荔丹,李东东. 电力系统及其自动化学报. 2020(04)
[3]智能用电发展现状和未来发展分析[J]. 张智超. 科技创新导报. 2019(17)
[4]家庭能量管理系统多目标能量调度优化策略[J]. 李中伟,张啸,武东升,梁建权,关亚东. 自动化仪表. 2019(04)
[5]基于用户满意度的家庭能量管理系统协调优化调度[J]. 王珑,王进,龚晓琴,胡泽斌,王仰之,武浩然. 电力学报. 2019(02)
[6]基于HSA的家庭能量管理系统优化调度研究[J]. 仲海涛,张建,胥晓辉,薛会,张智晟. 青岛大学学报(工程技术版). 2018(03)
[7]智能用电发展现状与趋势分析[J]. 张彦涛. 通信电源技术. 2018(08)
[8]智能电网中的家庭用电系统建模与优化分析[J]. 杨明,王元超,向东,王丹,付国宏. 电力需求侧管理. 2017(04)
[9]基于负荷分类的风光蓄家庭微电网的独立运行能量优化管理[J]. 殷亮亮,李征. 电器与能效管理技术. 2017(03)
[10]家庭智能用电管理系统智能交互终端设计[J]. 武东升,李中伟,孟迪,张啸,李立东. 自动化与仪表. 2017(01)
硕士论文
[1]家庭能量管理系统用电与电能调度优化策略研究[D]. 武东升.哈尔滨工业大学 2017
[2]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
[3]中国温室气体排放权交易机制的建构[D]. 李瑜婷.华东政法大学 2010
本文编号：3312836
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3312836.html
