[發明專利]考慮響應不確定性下負荷轉移率約束的居民家電優化調度方法

在審

• 申請號: 201811612418.2
• 申請日: 2018-12-27
• 公開（公告）號: CN109697533A
• 公開（公告）日: 2019-04-30
• 發明（設計）人: 吳紅斌;楊超;李詩偉;王鯨杰
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種考慮響應不確定性下負荷轉移率約束的居民家電優化調度方法，其特征是按如下步驟進行：

步驟一、對家電設備進行分類并建立其用電優化模型：

步驟1.1、將第i個家電設備在D個時間段的總運行狀態記為S_i＝[s_i(1),s_i(2),…,s_i(t),…,s_i(D)]，其中s_i(t)表示第i個家電設備在第t個時間段的運行狀態，若s_i(t)＝1，表示第i個家電設備在第t個時間段正在運行；若s_i(t)＝0，表示第i個家電設備在第t個時間段未運行；t＝1,2,…,D；i＝1,2,…,N；N表示家電設備的總數；

步驟1.2、根據家電設備的運行過程中是否允許中斷，將家電設備分為不可中斷轉移負荷和可中斷轉移負荷；并利用式(1)和式(2)建立不可中斷轉移負荷的運行約束條件：

T_i,early≤T_i,start≤T_i,late-T_i,length (2)

式(1)和式(2)中：T_i,start為第i個家電設備的開始運行時刻；T_i,length為第i個家電設備的總運行時長；T_i,early、T_i,late分別為第i個家電設備的最早開始運行時刻和最晚結束運行時刻；

步驟1.3、利用式(3)和式(4)建立可中斷轉移負荷運行約束條件：

步驟1.4、利用式(5)建立居民家電優化的目標函數：

式(5)表示在D個時間段家電負荷總的用電費用最小，式(5)中，p(t)為第t個時間段的電價；

步驟二、根據分時電價建立負荷各時段轉移率約束條件：

步驟2.1、利用式(6)得到峰谷時段間的負荷轉移率γ_fg、峰平時段間的負荷轉移率γ_fp和平谷時段間的負荷轉移率γ_pg：

式(6)中，k_fg為峰谷的比例系數、k_fp為峰平的比例系數、k_pg為平谷的比例系數；P_f為峰時段T_f的電價、P_p為平時段T_p的電價，P_g為谷時段T_g的電價；

步驟2.2、利用式(7)所示的三角模糊函數來表示居民負荷轉移率的不確定程度：

式(7)中：和分別為峰谷時段間、峰平時段間和平谷時段間的負荷轉移率的模糊表示；a₁、a₂為兩個負荷轉移率的模糊參數，0＜a₁＜1，a₂＞1；

步驟2.3、利用式(8)建立家電負荷分別在峰時段T_f、平時段T_p和谷時段T_g的轉移率的約束條件：

式(8)中：為優化前的第i個家電設備在第t個時間段的運行狀態；q_i為第i個家電在單個時間段的耗電量，且q_i＝Q_i/n，Q_i為第i個家電設備的運行功率，n為一個小時內所劃分的時間段數量；

步驟2.4、利用式(9)建立家電負荷分別在峰時段T_f、平時段T_p和谷時段T_g的轉移率的機會約束：

式(9)中：Cr{·}表示式(8)所示的約束條件成立的概率；α為給定的置信水平；

步驟2.5、利用式(10)得到家電負荷分別在峰時段T_f、平時段T_p和谷時段T_g的轉移率的確定性約束：

由式(1)、式(2)、式(3)、式(4)和式(10)所示的約束條件和式(5)所示的目標函數共同構成居民家電優化調度模型；

步驟三、采用遺傳算法對居民家電優化調度模型進行求解：

步驟3.1、設置遺傳算法參數，包括：種群數M，交叉概率P_c，變異概率P_m，最大迭代次數K；

設置居民家電設備數據，包括：不可中斷家電負荷數家電數n₁，可中斷家電負荷數家電數n₂，總家電數N＝n₁+n₂，家電設備開始運行時刻T_i,start，家電設備總運行時長T_i,length，家電設備最早開始運行時刻T_i,early，家電設備最晚結束運行時刻T_i,late，家電設備運行功率Q_i，單個時間段耗電量q_i；

設置分時電價數據，包括：峰時段T_f，平時段T_p，谷時段T_g，峰時段的電價P_f，平時段的電價P_p，谷時段的電價P_g，三個負荷轉移系數k_fg、k_fp和k_pg，兩個負荷轉移率的模糊參數a₁和a₂，機會約束置信度α；

步驟3.2、根據分時電價數據生成電價向量P＝[p(1),p(2),…,p(t),…,p(D)]，其中，p(t)為第t個時間段的電價；

步驟3.3、種群初始化：

步驟3.3.1、令當前迭代次數d＝0，設第d次迭代的種群其中表示第d次迭代的種群A^d中第m個個體，且表示第d次迭代的種群A^d中第m個個體的第i個家電設備的運行狀態，且表示第m個個體的第i個家電設備在第t個時間段的運行狀態，m＝1,2,…,M；

步驟3.3.2、令m＝1；

步驟3.3.3、對于第i個不可中斷負荷，且i∈[1,n₁]，在區間[T_i,early,T_i,late-T_i,length]內隨機生成第i個家電設備的開始運行時刻T_i,start；當t∈[T_i,start,T_i,start+T_i,length-1]時，令當時，令

對于第i個可中斷負荷，且i∈[n₁+1,N]，在區間[T_i,early,T_i,late]內隨機生成T_i,length個第i個家電設備的工作時刻，且在隨機生成的工作時刻，令在隨機生成的工作時刻外，令

步驟3.3.4、判斷m＝M是否成立，若成立，執行步驟3.4；否則，令m+1賦值給m，返回步驟3.3.3；

步驟3.4、計算所有個體的適應度值其中，表示第d次迭代的種群A^d中第m個個體的適應度值；

步驟3.4.1、令m＝1；

步驟3.4.2、利用式(11)得到第m個個體的總用電費用

設置懲罰系數k，并采用罰函數法分別對家電負荷分別在峰時段T_f、平時段T_p和谷時段T_g的轉移率的確定性約束進行判斷，若家電負荷滿足在峰時段T_f的確定性約束，則不對進行懲罰操作，否則，令賦值給若家電負荷滿足在平時段T_p的確定性約束，則不對進行懲罰操作，否則，令賦值給若家電負荷滿足在谷時段T_g的確定性約束，則不對進行懲罰操作，否則，令賦值給令賦值給

步驟3.4.3、判斷m＝M是否成立，若成立，執行步驟3.5；否則，令m+1賦值給m，并返回步驟3.4.2；

步驟3.5、選擇操作，采用輪盤賭法選擇個體并生成第d+1次迭代的種群其中表示第d+1次迭代的種群中第m個個體：

步驟3.5.1、計算第d次迭代的種群中第m個個體遺傳到下一代種群的概率以及第m個個體的累積概率

步驟3.5.2、令m＝1；

步驟3.5.3、在[0，1]區間內生成隨機數r₁，若則選擇第1個體遺傳至下一代，并令否則，選擇滿足條件的個體遺傳至下一代，令k∈[2,M]；

步驟3.5.4、判斷m＝M是否成立，若成立，執行步驟3.6；否則，令m+1賦值給m，返回步驟3.5.3；

步驟3.6、交叉操作：

步驟3.6.1、令m＝1；

步驟3.6.2、在[0，1]區間內生成隨機數r₂，若r₂＞p_c，則第m個個體不交叉，執行步驟3.6.3；否則，對第m個個體和第m+1個個體進行交叉操作：

在N個家電設備中隨機選擇第i個家電設備，將第m個個體和第m+1個個體中對應第i個家電設備的編碼和進行整體交換，得到交換后的第m個個體和交換后的第m+1個個體并分別賦值給第m個個體和第m+1個個體

步驟3.6.3、判斷m＝M是否成立，若成立，執行步驟3.7；否則，令m+2賦值給m，并返回步驟3.6.2；

步驟3.7、變異操作：

步驟3.7.1、令m＝1；

步驟3.7.2、在[0，1]區間內生成隨機數r₃，若r₃＞p_m，第m個個體不變異，執行步驟3.7.3；否則，對第m個個體進行變異操作：

在N個家電設備中隨機選擇第i個用電設備，如果i∈[1,n₁]，則為不可中斷負荷，并按照步驟3.3.3的種群初始化方法重新生成第d+1次迭代的種群A^d+1中第m個個體的第i個家電設備的運行狀態如果i∈[n₁+1,N]，則為可中斷負荷，并在區間[T_i,early,T_i,late]內隨機抽取一個家電設備在第t個時間段的運行狀態變異為在區間[T_i,early,T_i,late]內隨機再抽取一個家電設備在第t個時間段的運行狀態變異為

步驟3.7.3、判斷m＝M是否成立，若成立，執行步驟3.8；否則，令m+1賦值給m，并返回步驟3.7.2；

步驟3.8、判斷d＝K是否成立，若成立，則從第d次迭代的種群中選擇適應度值最大的個體作為優化結果并輸出；否則，令d+1賦值給d，返回步驟3.4。