CN104850013B - 一种家用电器的智能用电方法 - Google Patents
一种家用电器的智能用电方法 Download PDFInfo
- Publication number
- CN104850013B CN104850013B CN201510208880.6A CN201510208880A CN104850013B CN 104850013 B CN104850013 B CN 104850013B CN 201510208880 A CN201510208880 A CN 201510208880A CN 104850013 B CN104850013 B CN 104850013B
- Authority
- CN
- China
- Prior art keywords
- load
- household appliance
- temperature
- household
- household appliances
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 57
- 230000008859 change Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010438 heat treatment Methods 0.000 description 9
- 238000004378 air conditioning Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种家用电器的智能用电方法。该方法是基于预测电价和负荷情况并考虑用户舒适度的控制家庭负荷策略,以此来满足让用户舒适度最大化或者使电费支出最少的优化目标。具体步骤包括:首先收集家用电器的负荷参数及日常的电价信号,然后针对不同电器运行的规则,对每个家用电器建立相应的负荷模型;再根据收集的用户设置的偏好情况和周围环境温度变化情况,得到一个含有约束条件的优化模型;最后求解优化模型,得到该负荷预测的最佳操作方式及对应的用电费用情况。本发明具有快速、鲁棒和灵活的特点,可以应用到家庭/楼宇能量管理***来帮助业主或楼宇管理者根据不同的用电费用和舒适度设定值自动创建智能用电策略。
Description
技术领域
本发明提出了一种家用电器的智能用电方法,属于智能家庭用电领域。
背景技术
从2010年到2013年,数以百万的智能电表、传感器和自动控制设备通过通信网络布置在电力配电网和住宅以及商业建筑之间。采用多种零售电价方案,如实时电价,使用时间电价,和峰值电价,已经设计应用到公用用电设备中,以此促使用户积极参与到需求响应调度方案中来。此外,也有可能通过家庭能量管理***无线控制家用电器的运行模式以及开关情况。可以通过复杂网络远程遥控电热水器,暖风机和空调中恒温器的设置;智能烘干机可以从“标准”模式切换到“节能”模式,以降低能耗。通过智能用电技术,可以使用户的用电生活变得灵动、智慧,使用户本身成为节能减排、低碳生活的参与者和建设者。
由于大多数的电力***负荷在所需求的时间精度上既不可控也不能衡量,所以传统的电力***调度仅在发电机端进行操作。此外,零售电价固定不变,没有足够的动力让用户主动参与调度他们的用电能耗。所以,需要将智能用电技术应用到用户的家电负荷中,从消费者层面节省能源,降低成本,并帮助电网运行。但是要求消费者从许多可能的方案中挑出一个最优调度方法是不切实际的。因此,一个自动化的智能调度方案只需要用户花很少的精力来设置和维护,同时用户还可以比较不同调度方案的成本和效益情况,这是需要得到用户认可的需求响应调度方法。这也需要激发用户的积极性参与到能耗调度方案中来减少用户自身用电能耗,为自己争得利益的同时也为电网运行的高效性,可靠性和经济性做出贡献。
虽然热水器、空调等家用电器的调度已经被广泛的研究,出现了多种控制机制。但大多数控制方法都只从电网运行的稳定性和经济性角度出发,忽视了用户的用电习惯和舒适性问题。最终导致研究的电费收费机制看上去很合理,却在实际运行中缺乏可行性和合理性。目前还没有一种兼顾考虑电网运行的稳定性问题和用户用电舒适度以及经济性等问题的综合解决方案。
发明内容
本发明的所要解决的问题是针对用户在日常生活的用电过程无法有效控制家电负荷,为了进一步提高用户使用家用电器的经济性,提出一种家用电器的智能用电方法,可以根据不同的用电费用和舒适度设定值自动创建智能用电。
本发明为解决上述技术问题而采用以下技术方案:
一种家用电器的智能用电方法,其特征在于,具体步骤如下:
步骤一:收集数据,包括:家用电器的负荷参数、用户设置的偏好情况、家用电器的运行规则、日常的电价信号、周围环境的温度变化情况;
步骤二:建立负荷模型,具体为:根据步骤一收集到家用电器的负荷参数,日常的电价信号,针对不同电器运行的规则,对每个家用电器建立相应的负荷模型;
步骤三:建立优化模型,根据步骤一中收集的用户设置的偏好情况和周围环境温度变化情况,确定每个家用电器负荷模型的一组约束条件,同时确定负荷的目标函数,最终对每个家用电器的负荷模型得到一个含有约束条件的优化模型;
步骤四:求解家用电器优化模型,得到该负荷预测的最佳操作方式及对应的用电费用情况。
进一步的,本发明家用电器的智能用电方法,步骤二中根据家用电器的负荷将负荷模型分为三类:可控的恒温控制家电的负荷模型,可控非恒温控制家电的负荷模型和不可控家电的负荷模型。
进一步的,本发明家用电器的智能用电方法,可控的恒温控制家电的负荷模型为:
其中,表示n+1时刻的室内温度,i表示家电负荷的种类,Ri、Ci分别表示为负荷i的等效热阻和等效热容,Tout表示外界温度,Tn(t)表示n时刻的室内温度,βi(t)表示负荷i的开关运行状态,Pi表示负荷i的额定功率,NL表示共有负荷数,Tmax,i和Tmin,i分别表示温度舒适带的上限值和下限值,εt表示时间延迟,TSP,i表示用户设定的温度值,ΔTAC表示温度舒适度带宽,ηi表示负荷i的性能系数,PTCL(t)表示家电负荷功率。
进一步的,本发明家用电器的智能用电方法,可控非恒温控制家电为关于冷热水的家电,其负荷模型为:
在时间区间[tn,tn+1]开启时的水温:Tn+1=Tout+QR-(Tout+QR-Tout)exp[-(tn+1-tn)/(RC)]
在时间区间[tn,tn+1]内关闭时的水温:Tn+1=Tout-(Tout-Tout)exp[-(tn+1-tn)/(RC)]
在时间区间[tn,tn+1]内加入冷水后的水温:Tn+1=[Tn(M-dn)+Toutdn]/M
其中,Tn+1表示n+1时刻的水温,tn表示n时刻的水温,Tout表示环境温度,R、C、Q分别为家电负荷的等效热阻,等效热容和容量,M为加入冷水的质量,dn为在tn时热水的需求量。
进一步的,本发明家用电器的智能用电方法,不可控家电为带电池充电类型家电,其负荷模型为:
其中,SOC0为初始充电深度,Ed为电池所剩余的驱动能量,Cb为电池的额定容量,SOCn+1表示n+1时刻电池的充电深度,Δt为时隙区间,PEV为额定功率。
进一步的,本发明家用电器的智能用电方法,步骤三所述的优化模型统一表示为:
约束条件:
Zn+1=f(Zn,Pα,......)
Zmin≤Zn≤Zmax
其中,n表示时间段,n=1...N,βn为时间n时的家用电器的运行状态,pn为实际的电价,Pα代表某种家电负荷的额定功率,Δt为时隙区间,Zn表示在tn时该家电负荷的动态情况,Zmin、Zmax分别为舒适度范围的下限和上限。
进一步的,本发明家用电器的智能用电方法,所述的可控的恒温控制家电为空调,可控非恒温控制家电为热水器,不可控家电为电动汽车。
进一步的,本发明家用电器的智能用电方法,可控的恒温控制家电的负荷优化模型为:
约束条件:
Tn+1(t)=f(Tn,Tout,βi(t),R,C,Pi),i=1,2,...NL
上式中,Δt为时隙区间(tn+1-tn),pn为实际的电价,βn为时间n时的家用电器的运行状态,分别表示温度舒适带的上限值和下限值。
进一步的,本发明家用电器的智能用电方法,可控非恒温控制家电的负荷优化模型为:
约束条件:
Tn+1=f(Tn,tn,Q,C,R,dn,βn,Tout) n=1...N
式中,n表示时间段,n=1...N,βn为时间n时的家用电器的运行状态,pn为实际的电价,Pwh为家用电器的额定功率,Δt为时隙区间,分别为温度舒适度范围下限和上限。
进一步的,本发明家用电器的智能用电方法,不可控家电的负荷优化模型为:
约束条件:
SOCn+1=f(SOCn,PEV,Δt,Cb,Ed)
SOCmin≤SOCi≤SOCmax
上式中SOCmin、SOCmax分别为充电深度范围的下限和上限。
本发明采用以上技术方案,与现有技术相比具有以下有益效果:
本发明基于预测电价和负荷情况并考虑用户舒适度的控制家庭负荷策略,实现了家电能耗成本和用户舒适度水平之间的最佳平衡,以此来满足让用户舒适度最大化或者使电费支出最少的优化目标,具有快速、鲁棒和灵活的特点。同时,可移植度高,适用性强,可以应用到家庭/楼宇能量管理***,来帮助业主或楼宇管理者根据不同的用电费用和舒适度设定值自动创建智能用电策略。
附图说明
图1是本发明的步骤流程图。
图2是本发明的空调负荷温度变化特性曲线示意图。
具体实施方式
下面结合附图对本发明的技术方案做出进一步说明。
如图1所示,本发明提出一种家用电器的智能用电方法,具体步骤如下:
步骤一:家电负荷参数分为三类:可控的恒温控制家电(如空调),可控非恒温控制家电(如热水器),不可控家电(如电动汽车)。首先确定负荷是否属于可控负荷类型,并整理家电的运行规则,同时收集负荷相关的数据。
下面以空调、热水器和电动汽车分别描述三种常见的家用电器的运行规则如下:
(1)制暖空调的运行规则:设定房间的温度值和温度变化的限制范围。当室内温度超过最大允许温度时,制暖空调关闭。当室内温度低于时,该房间的空调开启。当室内温度在预设的温度范围内时,制暖空调将保持其之前的运行状态。如下式所示:
这里:TSP表示房间温度设定值,ΔTAC表示温度设定的变化范围,TAC,n表示在时间n时室内的温度;βAC,n表示在时间n时制暖空调的运行状态(0=OFF;1=ON)。
(2)电热水器运行规则:当热水温度下降到低于设定的下限温度时,热水器加热线圈接通。当热水温度达到设定的上限值时,热水器的加热线圈关闭。如果热水温度在预设的温度范围内时,加热线圈将保持其先前的状态。如下式所示:
这里:TSP表示热水温度设定值;ΔTWH表示温度变化范围;TWH,n表示时间n时的热水温度;βWH,n表示在时间n时电热水器的状态(0=OFF;1=ON)。
(3)电动汽车的运行规则:当汽车电池的充电深度(SOCn)达到最大充电深度(SOCmax)时,停止充电,表示如下式所示:
这里:SOCn表示时间区间n的充电深度(%);SOCmax表示电池最大充电深度(%);SEV,n表示时间区间n时电动车的状态(0=OFF;1=ON)。
步骤二:建立负荷模型,根据步骤一收集的负荷相关的数据,对每个家用电器建立负荷模型。热水器模型和空调模型如下:
(1)空调负荷的动态模型:
考虑一个大家庭的负荷恒温控制,负荷i的室内温度是Tn,一共有NL个负荷,外界温度用Tout表示,Pi为空调i的额定功率,Ri、Ci分别为空调i的等效热阻和等效热容,用βi(t)表示负荷i的开关运行状态。用一阶微分方程表示室内温度如下式(1)所示:
假设恒温控制开关信号βi(t)与温度舒适带关系为:
这里Tmax,i和Tmin,i表示温度舒适带的上限值和下限值,εt表示极小的时间延迟(即将时间离散化)。所以,Tmax,i和Tmin,i和用户的设定值温度值TSP,i的关系可以表述为:
这里的ΔTAC表示温度舒适度带宽。恒温控制负荷的功率可以表示为:
这里ηi表示负荷i的性能系数。
方程(1)-(4)描述了空调加热的动态负荷模型。
(2)热水器负荷的动态模型:
当热水器在时间区间[tn,tn+1]开启时,水温在tn+1时增加到Tn+1,可以描述为:
Tn+1=Tout+QR-(Tout+QR-Tout)exp[-(tn+1-tn)/(RC)] (5)
这里Tout表示环境温度,R、C、Q分别为热水器负荷的等效热阻,等效热容和热水器容量。
当热水器在时间区间[tn,tn+1]内(un=0)关闭时,由于功率损耗,在tn+1时水温降低,温度可以描述为:
Tn+1=Tout-(Tout-Tout)exp[-(tn+1-tn)/(RC)] (6)
假设大多数热水器的启动是因为用户使用热水而不是水的温度自然冷却。当用户使用热水时,冷水加入到罐里。加入冷水后的温度可以用下式表示:
Tn+1=[Tn(M-dn)+Toutdn]/M (7)
M为加入冷水的质量,dn为在tn时热水的需求量,式(5)(6)和(7)描述了热水器负荷加热的动态过程。
(3)电动汽车负荷的动态模型:
假设电动汽车电池的初始充电深度为SOC0,电池所剩余的驱动能量为Ed,电池的额定容量为Cb,电动汽车额定功率为PEV,当电动汽车在时间区间[tn,tn+1]***充电时,电动汽车电池的充电过程可以表述为:
式(8)和(9)描述了电动汽车电池负荷充电的动态过程。
步骤三:建立优化模型,根据步骤一中收集的用户操作习惯相关数据,和环境温度变化情况,确定负荷模型的一组约束条件,以电网电价信号为牵引量,设定每个负荷都有两个自身所要追求的目标:经济性和舒适度。以及负荷的目标函数,最终得到含有约束条件的优化模型。
(1)空调负荷优化模型:
约束条件:
Tn+1(t)=f(Tn,Tout,βi(t),R,C,Pi),i=1,2,...NL (10b)
上式中Δt为时隙区间(tn+1-tn),pn为实际的电价。
(10a)的目的是为了在未来一段时间最大限度地降低电费支出。(10b)为室内温度动态变化情况,(10c)为用电舒适度要求的温度范围。因此,空调智能用电问题即为用户使用的舒适度约束条件下最大限度地减少电费支出的非线性优化问题。
(2)热水器负荷优化模型:
约束条件:
Tn+1=f(Tn,tn,Q,C,R,dn,βn,Tout) n=1...N (11b)
上式中Pwh为热水器的额定功率,分别为热水器温度舒适度范围下限和上限。
(11a)的目的是为了在未来一段时间最大限度地降低电费支出。(11b)为热水温度动态变化情况,(11c)为用电舒适度要求的温度范围。因此,热水器智能用电问题即为用户使用的舒适度约束条件下最大限度地减少电费支出的非线性优化问题。
(3)电动汽车电池负荷优化模型:
约束条件:
SOCn+1=f(SOCn,PEV,Δt,Cb,Ed) (12b)
SOCmin≤SOCi≤SOCmax (12c)
上式中SOCmin、SOCmax分别为充电深度范围的下限和上限。
充电电池的充电过程是可以断续充电的,则(12a)的目的为在充电过程中最大限度地降低电费支出。(12b)为电池充电的动态变化过程,(12c)为电动汽车电池充电深度的要求范围。
由此可推广至其他可控类型的家用电器负荷,优化模型统一表示为:
约束条件:
Zn+1=f(Zn,Pα,......) (13b)
Zmin≤Zn≤Zmax (13c)
这里,Pα代表某种家电负荷的额定功率,Zn表示在tn时该家电负荷的动态情况,Zmin、Zmax分别为舒适度范围的下限和上限。
(13a)的目的是为了在未来一段时间最大限度地降低电费支出。(13b)为家电负荷动态变化情况,(13c)为用电舒适度要求的温度范围。
步骤四:求解优化模型,得到该负荷预测的最佳操作方式及最佳操作方式的用电费用情况。
下面结合一个具体的空调负荷示例对本发明的技术方案做进一步的详细说明。
如图2所示,给出了本发明的空调负荷温度变化特性曲线。假设空调运行在一个炎热的夏季。由图可知当空调开启状态时,随着时间室内温度逐渐降低。当空调关闭或待机状态时,由于空调不制冷,室内温度随着时间的推移逐渐上升至与室外温度一致。当用户设定好一个温度值时,并使空调运行在智能模式下,这时空调会产生一个温度的上限值和下限值,这两个值在温度设定值两侧,代表温度的舒适度范围。在本发明中的这两个值,用户也可以根据自身的习惯设定不同的值。当空调开启并运行在智能模式下时,室内温度将会在温度上限值和下限值之间浮动变化。
步骤一:由于是空调负荷,经分析可知空调负荷属于可控恒温类型。家用空调的典型参数值于表1所示。
参数 | R | C | P | η | TSP,0 | Tout | ΔTAC |
数值 | 2℃/kW | 10kWh/℃ | 14kW | 2.5 | 22℃ | 32℃ | 2℃ |
表1
经查阅资料,整理得出一个合理的24小时的平均电价数据如下表2所示。
表2
制冷空调的运行规则如下:
设定室内温度设定值TSP=22℃和温度变化范围ΔTAC=2℃。当室内温度高于最大允许温度23℃时,制冷空调开启。当室内温度低于21℃时,该房间的空调关闭。当室内温度在预设的温度范围(21℃-23℃)内时,制冷空调将保持其之前的状态。如下式所示。
步骤二:考虑一个大家庭的负荷控制。负荷i的室内温度是Tn,初始室内温度与室外温度相同为Tn,0=32℃,外界温度Tout=32℃,用βi(t)表示负荷的开关状态,等效热阻Ri=2℃/kW,等效热容Ci=10kWh/℃,性能系数η=2.5,额定功率Pi=14kW。由上述式(1)可知,用一阶微分方程表示室内温度为:
由上述式(2)可知,恒温控制开关信号βi与温度舒适带关系为:
由上述式(3)可知,Tmax和Tmin和用户的设定值温度TSP的关系可以表述为:
Tmin=21℃ Tmax=23℃
由上述式(4)可知,恒温控制负荷的功率可以表示为:
步骤三:根据步骤一中收集的用户操作习惯相关数据,空调负荷的运行规律和环境温度变化情况,确定负荷的一组约束条件。设定调度周期为24小时。
由上述式(10)可知,空调负荷优化模型:
约束条件:
21≤Tn≤23
步骤四:求解上述步骤三的优化模型,得到最终优化结果为,相比空调负荷在没有控制情况下用户所支出的电费减少了很多。如图2所示,本发明的控制方法得到的结果中,室内温度被控制在21度至23度之间上下波动,空调并不总是处于开启状态,在本发明的控制方法下,有效的减少了负荷的用电量。削减了用电费用的同时又保证了用户生活的舒适性。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种家用电器的智能用电方法,其特征在于,具体步骤如下:
步骤一:收集数据,包括:家用电器的负荷参数、用户设置的偏好情况、家用电器的运行规则、日常的电价信号、周围环境的温度变化情况;
步骤二:建立负荷模型,具体为:根据步骤一收集到家用电器的负荷参数,日常的电价信号,针对不同电器运行的规则,对每个家用电器建立相应的负荷模型;根据家用电器的负荷将负荷模型分为三类:可控的恒温控制家电的负荷模型,可控非恒温控制家电的负荷模型和不可控家电的负荷模型;其中,可控的恒温控制家电的负荷模型为:
其中,表示n+1时刻的室内温度,i表示家电负荷的种类,Ri、Ci分别表示为负荷i的等效热阻和等效热容,Tout表示外界温度,Tn(t)表示n时刻的室内温度,βi(t)表示负荷i的开关运行状态,Pi表示负荷i的额定功率,NL表示共有负荷数,Tmax,i和Tmin,i分别表示温度舒适带的上限值和下限值,εt表示时间延迟,TSP,i表示用户设定的温度值,ΔTAC表示温度舒适度带宽,ηi表示负荷i的性能系数,PTCL(t)表示家电负荷功率;
步骤三:建立优化模型,根据步骤一中收集的用户设置的偏好情况和周围环境温度变化情况,确定每个家用电器负荷模型的一组约束条件,同时确定负荷的目标函数,最终对每个家用电器的负荷模型得到一个含有约束条件的优化模型;
步骤四:求解家用电器优化模型,得到该负荷预测的最佳操作方式及对应的用电费用情况。
2.根据权利要求1所述一种家用电器的智能用电方法,其特征在于,可控非恒温控制家电为关于冷热水的家电,其负荷模型为:
在时间区间[tn,tn+1]开启时的水温:Tn+1=Tout+QR-(Tout+QR-Tout)exp[-(tn+1-tn)/(RC)]
在时间区间[tn,tn+1]内关闭时的水温:Tn+1=Tout-(Tout-Tout)exp[-(tn+1-tn)/(RC)]
在时间区间[tn,tn+1]内加入冷水后的水温:Tn+1=[Tn(M-dn)+Toutdn]/M
其中,Tn+1表示n+1时刻的水温,tn表示n时刻的水温,Tout表示环境温度,R、C、Q分别为家电负荷的等效热阻,等效热容和容量,M为加入冷水的质量,dn为在tn时热水的需求量。
3.根据权利要求1所述一种家用电器的智能用电方法,其特征在于,不可控家电为带电池充电类型家电,其负荷模型为:
其中,SOC0为初始充电深度,Ed为电池所剩余的驱动能量,Cb为电池的额定容量,SOCn+1表示n+1时刻电池的充电深度,Δt为时隙区间,PEV为额定功率。
4.根据权利要求1所述的一种家用电器的智能用电方法,其特征在于,步骤三所述的优化模型统一表示为:
约束条件:
Zn+1=f(Zn,Pα,......)
Zmin≤Zn≤Zmax
其中,n表示时间段,n=1...N,βn为时间n时的家用电器的运行状态,pn为实际的电价,Pα代表某种家电负荷的额定功率,Δt为时隙区间,Zn表示在tn时该家电负荷的动态情况,Zmin、Zmax分别为舒适度范围的下限和上限。
5.根据权利要求1所述的一种家用电器的智能用电方法,其特征在于,所述的可控的恒温控制家电为空调,可控非恒温控制家电为热水器,不可控家电为电动汽车。
6.根据权利要求1所述的一种家用电器的智能用电方法,其特征在于,可控的恒温控制家电的负荷优化模型为:
约束条件:
Tn+1(t)=f(Tn,Tout,βi(t),R,C,Pi),i=1,2,...NL
上式中,Δt为时隙区间(tn+1-tn),pn为实际的电价,βn为时间n时的家用电器的运行状态,分别表示温度舒适带的上限值和下限值。
7.根据权利要求2所述的一种家用电器的智能用电方法,其特征在于,可控非恒温控制家电的负荷优化模型为:
约束条件:
Tn+1=f(Tn,tn,Q,C,R,dn,βn,Tout) n=1…N
式中,n表示时间段,n=1…N,βn为时间n时的家用电器的运行状态,pn为实际的电价,Pwh为家用电器的额定功率,Δt为时隙区间,分别为温度舒适度范围下限和上限。
8.根据权利要求3所述的一种家用电器的智能用电方法,其特征在于,不可控家电的负荷优化模型为:
约束条件:
SOCn+1=f(SOCn,PEV,Δt,Cb,Ed)
SOCmin≤SOCi≤SOCmax
上式中SOCmin、SOCmax分别为充电深度范围的下限和上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510208880.6A CN104850013B (zh) | 2015-04-28 | 2015-04-28 | 一种家用电器的智能用电方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510208880.6A CN104850013B (zh) | 2015-04-28 | 2015-04-28 | 一种家用电器的智能用电方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104850013A CN104850013A (zh) | 2015-08-19 |
CN104850013B true CN104850013B (zh) | 2017-05-17 |
Family
ID=53849731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510208880.6A Expired - Fee Related CN104850013B (zh) | 2015-04-28 | 2015-04-28 | 一种家用电器的智能用电方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104850013B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10248146B2 (en) * | 2015-10-14 | 2019-04-02 | Honeywell International Inc. | System for dynamic control with interactive visualization to optimize energy consumption |
CN105737342B (zh) * | 2016-03-15 | 2019-09-03 | 上海电气集团股份有限公司 | 一种办公楼宇内节能控制的方法 |
CN106300368B (zh) * | 2016-09-22 | 2019-03-19 | 天津大学 | 面向含有界不确定参数的家庭负荷调度方法 |
CN106410967B (zh) * | 2016-11-03 | 2018-11-27 | 国网江西省电力公司电力科学研究院 | 一种家庭负荷能量管理网关建模方法 |
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
CN107203826A (zh) * | 2017-05-19 | 2017-09-26 | 浙江大学 | 一种工业用户的用电方案优化方法 |
CN107606688A (zh) * | 2017-08-30 | 2018-01-19 | 国网北京市电力公司 | 供暖设备的控制方法、装置及*** |
CN107781948B (zh) * | 2017-10-30 | 2019-11-05 | 四川长虹电器股份有限公司 | 基于时间、温度与空调参数的空调负荷预测方法 |
CN108021029A (zh) * | 2017-11-17 | 2018-05-11 | 北京航空航天大学 | 一种智能家用电需求响应平台 |
CN112183808B (zh) * | 2019-07-02 | 2023-06-23 | 湖南大学 | 一种多汽车产品组合研发资源分配的优化方法及*** |
CN114450532A (zh) * | 2019-08-06 | 2022-05-06 | 江森自控泰科知识产权控股有限责任合伙公司 | 用退化影响模型对预测维护***进行建模 |
CN111522238A (zh) * | 2020-04-26 | 2020-08-11 | 上海电力大学 | 一种基于舒适度的建筑综合能源***控制方法及控制*** |
CN112146228B (zh) * | 2020-09-27 | 2021-11-23 | 珠海格力电器股份有限公司 | 空调的控制方法、设备和存储介质 |
CN112366699A (zh) * | 2020-11-03 | 2021-02-12 | 河海大学 | 一种实现电网侧和用户侧交互的家庭能量双层优化方法 |
CN112613656A (zh) * | 2020-12-18 | 2021-04-06 | 国网山东省电力公司青岛市即墨区供电公司 | 一种基于鱼群算法的家庭用电需求响应优化*** |
CN113325896B (zh) * | 2021-05-31 | 2022-03-01 | 浙江工业大学 | 一种智能零售机的多目标温度优化控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2407837A2 (en) * | 2010-07-16 | 2012-01-18 | General Electric Company | Thermal time constraints for demand response applications |
CN104062958A (zh) * | 2014-06-16 | 2014-09-24 | 国家电网公司 | 一种基于动态负荷管理的居家智能优化方法 |
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电***的优化方法 |
CN104200297A (zh) * | 2014-07-11 | 2014-12-10 | 浙江大学 | 实时电价环境下的家居混合供电***能量优化调度方法 |
CN104482654A (zh) * | 2014-11-14 | 2015-04-01 | 广东电网有限责任公司电力科学研究院 | 基于温控负荷电热水器的需求侧响应控制方法及其*** |
CN104536304A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力***负荷多智能体控制方法 |
-
2015
- 2015-04-28 CN CN201510208880.6A patent/CN104850013B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2407837A2 (en) * | 2010-07-16 | 2012-01-18 | General Electric Company | Thermal time constraints for demand response applications |
CN104062958A (zh) * | 2014-06-16 | 2014-09-24 | 国家电网公司 | 一种基于动态负荷管理的居家智能优化方法 |
CN104200297A (zh) * | 2014-07-11 | 2014-12-10 | 浙江大学 | 实时电价环境下的家居混合供电***能量优化调度方法 |
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电***的优化方法 |
CN104482654A (zh) * | 2014-11-14 | 2015-04-01 | 广东电网有限责任公司电力科学研究院 | 基于温控负荷电热水器的需求侧响应控制方法及其*** |
CN104536304A (zh) * | 2014-12-31 | 2015-04-22 | 南京邮电大学 | 一种基于Matlab和Netlogo的电力***负荷多智能体控制方法 |
Non-Patent Citations (1)
Title |
---|
家庭智能用电***建模及优化策略分析;王继东等;《电力***及其自动化学报》;20141130;第26卷(第11期);第64-68页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104850013A (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104850013B (zh) | 一种家用电器的智能用电方法 | |
Shao et al. | Development of physical-based demand response-enabled residential load models | |
Yoon et al. | Demand response for residential buildings based on dynamic price of electricity | |
Du et al. | Appliance commitment for household load scheduling | |
CN111598478B (zh) | 一种综合能源需求响应量计算方法 | |
CN104636987A (zh) | 一种公共楼宇空调负荷广泛参与的电网负荷调度方法 | |
CN111555274B (zh) | 一种空调负荷需求响应能力动态评估方法 | |
CN103472785B (zh) | 一种用于家庭能量管理***的智能控制算法 | |
Nikovski et al. | A method for computing optimal set-point schedules for HVAC systems | |
Zeng et al. | A regional power grid operation and planning method considering renewable energy generation and load control | |
CN111006299B (zh) | 蓄热式电采暖的控制方法及装置 | |
CN106096747B (zh) | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 | |
CN113222227B (zh) | 基于建筑特性和虚拟电厂的建筑综合能源***调度方法 | |
CN105737342B (zh) | 一种办公楼宇内节能控制的方法 | |
Pinzon et al. | An MILP model for optimal management of energy consumption and comfort in smart buildings | |
Feldhofer et al. | Improving the energy flexibility of single-family homes through adjustments to envelope and heat pump parameters | |
Gholizadeh et al. | Benefit assessment of water-heater management on residential demand response: An event driven approach | |
Li et al. | The smart thermostat of HVAC systems based on PMV-PPD model for energy efficiency and demand response | |
Ahmed et al. | Rule base home energy management system considering residential demand response application | |
Burmester et al. | Use of maximum power point tracking signal for instantaneous management of thermostatically controlled loads in a DC nanogrid | |
CN112880133A (zh) | 一种用于楼宇空调***的灵活用能控制方法 | |
Häring et al. | Comparison of the impact of different household occupancies on load matching algorithms | |
Patyn et al. | Intelligent electric water heater control with varying state information | |
Javaid et al. | Comfort evaluation of seasonally and daily used residential load in smart buildings for hottest areas via predictive mean vote method | |
CN115882463A (zh) | 一种商业建筑空调负荷可调度潜力评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 |
|
CF01 | Termination of patent right due to non-payment of annual fee |