CN112949942A - 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 - Google Patents

基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 Download PDF

Info

Publication number
CN112949942A
CN112949942A CN202110378150.6A CN202110378150A CN112949942A CN 112949942 A CN112949942 A CN 112949942A CN 202110378150 A CN202110378150 A CN 202110378150A CN 112949942 A CN112949942 A CN 112949942A
Authority
CN
China
Prior art keywords
load
building
scheduling
objective
universe
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.)
Withdrawn
Application number
CN202110378150.6A
Other languages
English (en)
Inventor
易灵芝
李光华
陈可夫
刘建康
刘江永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiangtan University
Original Assignee
Xiangtan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiangtan University filed Critical Xiangtan University
Priority to CN202110378150.6A priority Critical patent/CN112949942A/zh
Publication of CN112949942A publication Critical patent/CN112949942A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开提出了一种基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法。对各类楼宇负荷的预测运行时间数据进行特征提取得到各个负荷一天的预测运行时间和高峰用电运行数据，将楼宇住户负荷通过聚类算法对负荷特征进行分类，依据楼宇住户对各类负荷用电习惯获取楼宇可控负荷的可控时间段，并建立楼宇负荷用电调度模型，将多目标多元宇宙优化算法进行改进用于楼宇用电负荷调度中，来实现用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及新能源的电力能源丢弃率最低这些目标。

Description

基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法
技术领域
本发明涉及智能电网用电自动需求响应领域，发明了一种基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法。
背景技术
智能楼宇是未来城市居民的发展方向，实现自动负荷控制和自动需求响应。因此，建设负荷调度问题非常重要。在电力局势的住宅方面在未来的发展中越来越多，近年来电力局势的住宅方面。实施需求响应策略，以限制用户端的电力消耗，来改变用户的消费习惯。
需求响应机制是目前最重要且最有效的需求侧管理手段，按照引导用户参与需求响应的不同方式，可将需求响应划分为基于价格的需求响应策略和基于激励的需求响应策略。由于价格机制是市场机制的基础，用户依据市场价格调整其原有用电方式，减少或转移用电需求的基于价格的需求响应策略来制定符合自身经济性和舒适性目标的用电策略。
多元宇宙优化算法它是基于宇宙中的物质通过虫洞由白洞向黑洞进行转移的原理进行模拟。其主要的性能参数是虫洞存在概率和虫洞旅行距离率，参数相对较少，低维度数值实验表现出了相对较优异的性能。
发明内容
本发明主要针对楼宇住户的用电习惯不合理造成能源浪费、电网稳定运行和新能源的利用率的问题，提出了一种基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，来改善楼宇住户的用电习惯。在考虑住户用电的舒适度的前提下，通过家庭能源管理***的优化调度来降低住户用电量、稳定电网运行和提高新能源的利用率。
本发明对各类楼宇负荷的预测运行时间数据进行特征提取得到各个负荷一天的预测运行时间和高峰用电运行数据，将楼宇住户负荷通过聚类算法对负荷特征进行分类，依据楼宇住户对各类负荷用电习惯获取楼宇可控负荷的可控时间段，并建立楼宇负荷用电调度模型，将多目标多元宇宙优化算法进行改进用于楼宇用电负荷调度中，达到的较好的预期效果。
为解决上述问题，本发明采用如下技术方案，包括以下步骤：
步骤1：针对用户的用电***移的连续工作负荷、可中断工作负荷和充/放电负荷等三类，
步骤2：明确楼宇负荷调度的目标函数及各用电负荷的约束条件，并搭建楼宇负荷用电调度模型。
步骤3：对多元宇宙算法采用非支配方法进行多目标改进，智能楼宇负荷调度是整数规划问题，在算法迭代优化过程中，需要保证变量为整数，因此对原有的种群更新机制进行改进，但并不会改变种群的多样性；并将多目标多元宇宙优化算法用于优化调度当中。
步骤4：得出实验结论，并对结论进行分析。
上述基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，步骤1中的可平移的连续工作负荷是指运行时段自由，但需连续通电工作一定时间，比如洗衣机、电饭锅、洗碗机等负荷，这类负荷往往在一段时间内满足用电需求即可，具有一定的调度潜力；可中断工作负荷是指在运行过程中可短时间中断，并且不太影响用户正常生活，例如空调、热水器等，不过这类负荷对中断时长有一定的限制，需要综合考虑用户的使用习惯和舒适度；充/放电负荷指的是电动车和储能电池，新能源发电电负荷一般指的是光伏发电或风力发电设备。
上述多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，步骤2中，搭建的楼宇负荷调度模型、目标函数、约束条件分别如下：
a.楼宇负荷调度优化的目标函数
以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及新能源的电力能源丢弃率最低等建立目标函数模型，如下所示：
minF＝[C,D,U] (1)
Figure BDA0003012107640000021
Figure BDA0003012107640000022
Figure BDA0003012107640000023
Figure BDA0003012107640000024
式中，C，D，U分别为所有家庭一天的总电费(以人民币为单位)和用电量的偏差值(千瓦时)及新能源丢弃率。Ti,j、Pi,j和ci,j分别表示负荷i第j用电时间段、功率和分时电价，n为负荷的总数量，H为24小时划分的时间段数，wj,gen、wj,gen分别表示新能源装置第j时段产生的电量和消纳的电量。Ej和E分别表示第j时刻的耗电量和一天的平均耗电量。
b.可平移的连续工作负荷模型
可平移连续工作负荷可以在负荷可控时间内改变开始运行时间的负荷，可以短时间改变启动时间，可以将启动时间在可控时间内对原本启动时刻向前或者向后平移一定的时间，最优选择为将高峰电价时刻运行平移到低峰电价时刻运行。如图3所示。可平移连续工作负荷某一个可控时间段有三个时刻，可控时间段的最早启动时刻最晚启动时刻，负荷运行启动的开始时刻，负荷运行的时间段内不可以中断，负荷为连续工作负荷。其中，Ton和Toff表示负荷在可控时间T1-Tn中可平移负荷的开始时间和结束时间，Tturn表示负荷在该可控时间段内需要连续工作的时间。
c.连续可中断工作负荷模型
可中断工作负荷模型可以在可控工作时间内，满足住户允许的条件下短时间中断负荷运行，并且在未引起住户不满意时负荷返回工作状态，可中断工作的负荷的工作时间说明，负荷最大可中断时间和负荷最小连续工作时间，负荷运行过程中，负荷中断时不能超过最大可中断时间段，在工作最小连续工作时间后负荷可以进行中断运行。如图4所示T1,T2,T3,…,Tm表示负荷可控连续工作状态，连续工作时间达到可中断负荷最小运行时间Tmin，在下一个时刻Tm+1可以退出工作状态或者继续工作；Tm+1,…,Tm+n表示可中断负荷连续不工作时间不能超过最大不连续工作时间，若Tn＝Tmax，在下一个时刻Tn+1必须进入工作状态。
d.充/放电负荷模型
充/放电负荷如电动汽车，在低电价时间段内充电，在用电高峰或者高峰电价时间段向电网送电或者家庭能源管理***送电，电动汽车在一天中夜间进行充电，白天高峰电价时间段向能源管理***送电，见图5。这类负荷需要增加蓄电池的电量的约束，充电时依据电网电价计算，送电到家庭能源管理***时需要对电动汽车的损耗进行补贴。
充/放电负荷的约束条件：
Figure BDA0003012107640000031
其中，Xj为充/放电负荷在第j时段的负荷状态(1：充电，0：挂起，-1：放电)，Cappre、ηch、Pj和Cap分别表示充电负荷初始电量、充电效率、充电功率和最大可充电量，Ton和Toff分别表示充电开始时刻和结束时刻。
e.新能源附加储能负荷模型
因光伏和风电等新能源电力不稳定，需要蓄电池进行能量缓冲和平稳输出电压，直接供给到楼宇住户使用，如图6所示。新能源附加储能负荷(本文选用蓄电池)蓄电池除完成蓄电和供电外，其余时间挂起，蓄电池主要对新能源多发电量进行储存，在下一个用电高峰或者高峰电价时给楼宇住户供电，见图7。
为延长蓄电池使用寿命，附加储能负荷在第h时刻电池电量Caph和最大、最小充/放电程度αmax、αmin约束条件：
Figure BDA0003012107640000032
其中，capi为新能源附加储能负荷在h时刻的电量,
Figure BDA0003012107640000041
为一天中初始电量，ηch、ηdis、xj和pj分和充电功率。
上述基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，步骤3中，将多目标多元宇宙优化算法用于楼宇负荷优化调度中，其算法的流程图如图2，具体步骤如下：
(1)导入楼宇居民负荷预测用电量数据。
(2)明确步骤2中的目标函数和约束条件；初始化，明确搜索空间维度，根据每个变量的上下限进行初始化，设置算法的迭代次数参数N和种群数P。生成初始化种群位置如下：
Figure BDA0003012107640000042
式中：d为变量个数；n为宇宙种群数量(候选解)；
(3)根据目标函数计算计算各宇宙的膨胀化率(适应度)；
(4)找到最佳宇宙和宇宙膨胀率。根据非支配方法对各个组进行排序后，选择最佳宇宙和宇宙膨胀率。
(5)种群更新。在探索黑洞和白洞的同时，挖掘虫洞来完成种群的更新迭代。多目标多元宇宙优化算法其种群更新机制如下：
Figure BDA0003012107640000043
WEP＝WEP,min+l×(WEP,max-WEP,min)/L (10)
TDR＝(L1/c-l1/c)/L1/c (11)
上式中：
Figure BDA0003012107640000044
表示最优宇宙，TDR是旅程距离速率，WEP是虫洞存在可能性，
Figure BDA0003012107640000045
和
Figure BDA0003012107640000046
分别表示每个变量的最大值和最低值。ra,rb,rc,和rd是为介于0和1的随机数。nj(Pj)是第j个宇宙的标准膨胀率，WEP,min和WEP,max是虫洞存在可能性的最小值和最大值；l是当前迭代次数，L是最大迭代次数，c定义了随迭代次数改变的探测速度。
智能楼宇负荷调度是整数规划问题，需要改变MOMVO的初始化，种群的每个变量表示可控负荷在受控时间内开始的时间。在算法迭代优化过程中，需要保证变量为整数。应用原来的更新方法，加载代码需要修改两次，种群更新机制的修改如下所示：应用该方法可以自动满足上下界，并且不会减少挖掘过程中种群的多样性。
Figure BDA0003012107640000051
(6)判断迭代条件是否满足、输出结果是否满足、迭代条件不满足，返回步骤3。
本发明基于多目标多元宇宙优化算法的智能楼宇负荷优化调度有益效果为：将楼宇负荷进行分类，并搭建负荷调度模型及负荷的约束条件。以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及新能源的电力能源丢弃率最低等建立目标函数模型。采用多目标多元宇宙优化算法并对其种群更新机制进行改进运用到调度中，来得到Pareto解集，给用户提供用电方案。发明有益于促进楼宇用户参与用电自动需求响应，达到节约电能的目的。
附图说明
图1为本发明的使用流程图
图2为多目标多元宇宙优化算法的流程图
图3为可平移负荷调度示意图
图4为可平移负荷调度示意图
图5为充/放电负荷调度示意图
图6为新能源电力输送和调度示意图
图7为储能负荷能源和调度示意图
具体实施方式
下面通过一个具体的实施例子对本发明进详细的说明，本实验使用的是某小区120户居民的用电负荷。
在本实例中，一种基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，包括以下步骤：
步骤1：将楼宇负荷划分为可控和不可控两大类，楼宇负荷调度模型中增加可再生能源和附加蓄电池。可控负荷划分为可平移的连续工作负荷、可中断工作负荷和充/放电负荷等三类。
步骤2：明确楼宇负荷调度的目标函数及各用电负荷的约束条件，并搭建楼宇负荷用电调度模型。
搭建的楼宇负荷调度模型、目标函数、约束条件分别如下：
a.楼宇负荷调度优化的目标函数
以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及新能源的电力能源丢弃率最低等建立目标函数模型，如下所示：
minF＝[C,D,U] (1)
Figure BDA0003012107640000061
Figure BDA0003012107640000062
Figure BDA0003012107640000063
Figure BDA0003012107640000064
式中，C，D，U分别为所有家庭一天的总电费(以人民币为单位)和用电量的偏差值(千瓦时)及新能源丢弃率。Ti,j、Pi,j和ci,j分别表示负荷i第j用电时间段、功率和分时电价，n为负荷的总数量，H为24小时划分的时间段数,H＝96，其中，wj,gen、wj,gen分别表示新能源装置第j时段产生的电量和消纳的电量。Ej和E分别表示第j时刻的耗电量和一天的平均耗电量。
b.可平移的连续工作负荷模型
如图3所示；可平移连续工作负荷某一个可控时间段有三个时刻，可控时间段的最早启动时刻最晚启动时刻，负荷运行启动的开始时刻，负荷运行的时间段内不可以中断，负荷为连续工作负荷。其中，Ton和Toff表示负荷在可控时间T1-Tn中可平移负荷的开始时间和结束时间，Tturn表示负荷在该可控时间段内需要连续工作的时间。
c.连续可中断工作负荷模型
如图4所示T1,T2,T3,…,Tm表示负荷可控连续工作状态，连续工作时间达到可中断负荷最小运行时间Tmin，在下一个时刻Tm+1可以退出工作状态或者继续工作；
Tm+1,…,Tm+n表示可中断负荷连续不工作时间不能超过最大不连续工作时间，若Tn＝Tmax，在下一个时刻Tn+1必须进入工作状态。
d.充/放电负荷模型
如图5所示，这类负荷需要增加蓄电池的电量的约束，充电时依据电网电价计算，送电到家庭能源管理***时需要对电动汽车的损耗进行补贴。
充/放电负荷的约束条件：
Figure BDA0003012107640000071
其中，Xj为充/放电负荷在第j时段的负荷状态(1：充电，0：挂起，-1：放电)，Cappre、ηch、Pj和Cap分别表示充电负荷初始电量、充电效率、充电功率和最大可充电量，Ton和Toff分别表示充电开始时刻和结束时刻。
e.新能源附加储能负荷模型
如图6所示。新能源附加储能负荷(本文选用蓄电池)蓄电池除完成蓄电和供电外，其余时间挂起，蓄电池主要对新能源多发电量进行储存，在下一个用电高峰或者高峰电价时给楼宇住户供电，见图7。
为延长蓄电池使用寿命，附加储能负荷在第h时刻电池电量Caph和最大、最小充/放电程度αmax、αmin约束条件：
Figure BDA0003012107640000072
其中，capi为新能源附加储能负荷在h时刻的电量,
Figure BDA0003012107640000073
为一天中初始电量，ηch、ηdis、xj和pj分和充电功率。
步骤3：对多元宇宙算法采用非支配方法进行多目标改进，对原有的种群更新机制进行改进，并将多目标多元宇宙优化算法用于优化调度当中。
将多目标多元宇宙优化算法用于楼宇负荷优化调度中，具体步骤如下：
(1)导入楼宇居民负荷预测用电量数据。
(2)明确步骤2中的目标函数和约束条件；初始化，明确搜索空间维度，根据每个变量的上下限进行初始化，设置算法的迭代次数参数N＝200和种群数P＝300。生成初始化种群位置如下：
Figure BDA0003012107640000074
式中：d为变量个数；n为宇宙种群数量(候选解)；
(3)根据目标函数计算计算各宇宙的膨胀化率(适应度)；
(4)找到最佳宇宙和宇宙膨胀率。根据非支配方法对各个组进行排序后，选择最佳宇宙和宇宙膨胀率。
(5)种群更新。在探索黑洞和白洞的同时，挖掘虫洞来完成种群的更新迭代，其相关参数WEP,min＝0.2，WEP,max＝1，c＝6，多目标多元宇宙优化算法其种群更新采用改进的更新机制如下：
Figure BDA0003012107640000081
(6)判断迭代条件是否满足、输出结果是否满足、迭代条件不满足，返回步骤3。步骤4：得到Pareto前沿解，给楼宇住户提供用电方案。

Claims (3)

1.基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，其特征在于：
(a)将楼宇负荷划分为可控和不可控两大类，不可控负荷不直接参与楼宇住户负荷用电调度，在楼宇负荷调度模型中增加可再生能源和附加蓄电池。可控负荷划分为可平移的连续工作负荷、可中断工作负荷和充/放电负荷等三类；
(b)明确楼宇负荷用电优化调度的目标函数和约束条件，并搭建楼宇负荷用电调度模型；
(c)将多目标多元宇宙优化算法用于智能楼宇用电负荷优化调度中。
2.根据权利要求1所示的基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，其特征在于：所示(b)中以用户侧的总用电费用最低、电网稳定运行并高峰电价时刻用电量最低，以及新能源的电力能源丢弃率最低建立目标函数模型，并搭建可平移的连续工作负荷模型、可中断工作负荷模型、充/放电负荷和新能源附加储能负荷模型。
3.根据权利要求1所示的基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法，其特征在于：所示(c)中对多元宇宙优化算法采用非支配方法进行多目标改进，楼宇负荷调度是整数规划问题，在算法迭代优化过程中，需要保证变量为整数，对多目标多元宇宙优化算法的种群更新机制进行改进；其更新机制如下：
Figure FDA0003012107630000011
CN202110378150.6A 2021-04-08 2021-04-08 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法 Withdrawn CN112949942A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378150.6A CN112949942A (zh) 2021-04-08 2021-04-08 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378150.6A CN112949942A (zh) 2021-04-08 2021-04-08 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法

Publications (1)

Publication Number Publication Date
CN112949942A true CN112949942A (zh) 2021-06-11

Family

ID=76231049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378150.6A Withdrawn CN112949942A (zh) 2021-04-08 2021-04-08 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法

Country Status (1)

Country Link
CN (1) CN112949942A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313324A (zh) * 2021-06-18 2021-08-27 杭州电力设备制造有限公司 一种用电方案确定方法及用电方案确定方法装置
CN114037354A (zh) * 2021-12-06 2022-02-11 河北师范大学 一种冷热电联供***容量优化配置的方法
CN114355955A (zh) * 2022-03-21 2022-04-15 武汉理工大学 蚁群算法启发的多元宇宙电动车辆群体的路径规划方法
CN115239028A (zh) * 2022-09-22 2022-10-25 北京邮电大学 综合能源调度方法、装置、设备及存储介质
CN115249094A (zh) * 2022-09-26 2022-10-28 烟台东方智能技术有限公司 一种基于大数据的建筑能效管理和优化方法
WO2024060521A1 (zh) * 2022-09-21 2024-03-28 国网河北省电力有限公司电力科学研究院 主动型负荷可调度潜力的计算方法、终端及存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313324A (zh) * 2021-06-18 2021-08-27 杭州电力设备制造有限公司 一种用电方案确定方法及用电方案确定方法装置
CN114037354A (zh) * 2021-12-06 2022-02-11 河北师范大学 一种冷热电联供***容量优化配置的方法
CN114037354B (zh) * 2021-12-06 2024-06-04 河北师范大学 一种冷热电联供***容量优化配置的方法
CN114355955A (zh) * 2022-03-21 2022-04-15 武汉理工大学 蚁群算法启发的多元宇宙电动车辆群体的路径规划方法
WO2024060521A1 (zh) * 2022-09-21 2024-03-28 国网河北省电力有限公司电力科学研究院 主动型负荷可调度潜力的计算方法、终端及存储介质
CN115239028A (zh) * 2022-09-22 2022-10-25 北京邮电大学 综合能源调度方法、装置、设备及存储介质
CN115239028B (zh) * 2022-09-22 2022-12-09 北京邮电大学 综合能源调度方法、装置、设备及存储介质
CN115249094A (zh) * 2022-09-26 2022-10-28 烟台东方智能技术有限公司 一种基于大数据的建筑能效管理和优化方法
CN115249094B (zh) * 2022-09-26 2022-12-09 烟台东方智能技术有限公司 一种基于大数据的建筑能效管理和优化方法

Similar Documents

Publication Publication Date Title
CN112949942A (zh) 基于多目标多元宇宙优化算法的智能楼宇负荷优化调度方法
CN103944178B (zh) 智能配电网能量平衡优化调度方法
CN110112783B (zh) 光伏蓄电池微电网调度控制方法
EP3696765A1 (en) Method for improving the performance of the energy management in a nearly zero energy building and system therefor
CN104200297A (zh) 实时电价环境下的家居混合供电***能量优化调度方法
CN103676846B (zh) 一种新型家庭能量管理***的智能控制算法
CN110209135B (zh) 基于微型热电联产多时间尺度的家庭能源优化调度方法
JP5747610B2 (ja) 充電制御装置、充電制御方法、プログラム及びシステム
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN112883629A (zh) 基于改进鲸鱼算法的楼宇用电负荷优化调度方法
CN109787262A (zh) 一种居民楼宇***主动响应微电网优化调度方法
CN111697565B (zh) 一种家庭能源管理***能源调度方法及***
CN111224393A (zh) 智能家居电能调度优化方法、装置及存储介质
Jin et al. Power Management of Microgrid Integrated with Electric Vehicles in Residential Parking Station
CN108512238A (zh) 基于需求侧响应的智能家居两阶段优化调度方法
CN111682531A (zh) 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
CN109978285B (zh) 一种电动汽车大规模接入的区域微电网优化调度方法
CN110165692B (zh) 基于光伏-蓄电池-温控负荷的虚拟储能调峰***与方法
CN116316654A (zh) 一种智能家用电器用电柔性负荷优化调度方法及***
CN107563547B (zh) 一种用户侧用能纵深优化综合能源管控方法
CN113673830B (zh) 基于非侵入式负荷监测技术的自适应家庭能量管理方法
CN106300425B (zh) 一种基于用户舒适度的分布式能源管理方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢***的运行控制策略
CN114629130A (zh) 一种基于用电指数信息的电网自动调节方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20210611

WW01 Invention patent application withdrawn after publication