PDF《居民用户智能用电建模及优化仿真分析》

0 0―0 8:

0 0和1 9:

0 0―2 4:

0 0, 电动汽车2( E V 2) 充电时间范围0 0:

0 0―1 3:

0 0和1 7:

0 0―2 4:

0 0;

电 冰箱虽然运行时长为全天, 无需优化用电时间, 但其 用电量会累加到每个时间段上, 是用户实际支付电 费的一部分;

将家电分为连续用电、 可中 断用电两 类, 如洗衣机属于可中断用电类, 而电水壶、 电视机、 吹风机、 电脑等则属于连续用电类.在实际中, 连续 用电、 可中断用电家电的划分以及可中断用电家电 的最大允许中断次数可由用户自行决定. 表1 智能用电数据 T a b l e1 S m a r t a p p l i a n c e sp o w e rd a t a 序号名称 最早起始 时间段 最晚结束 时间段 运行时 间段数 总用电量/ ( k W・h ) 最大允许 中断次数

1 洗衣机

1 4

2 6 0.

3 5

1 2 热水器1

1 3

6 3 1.

0 0

1 3 热水器2

3 7

4 8

3 1.

0 0

1 4 电水壶1

1 3

6 3 0.

4 0

0 5 电饭煲1

5 5

7 2

3 0.

3 0

0 6 热水器3

7 3

1 0

8 3 1.

0 0

1 7 电水壶2

9 1

1 0

8 3 0.

4 0

0 8 电饭煲2

9 1

1 0

2 3 0.

3 0

0 9 电水壶3

1 2

0 1

3 2

3 0.

4 0

0 1

0 电熨斗

1 1

4 1

3 2

6 1.

6 0

1 1

1 电视机

9 7

1 3

2 1

2 0.

3 0

0 1

2 电脑

1 0

9 1

3 2

1 2 0.

3 0

0 1

3 吹风机

1 2

1 1

3 2

3 0.

4 0

0 1

4 E V

1 1,

1 0

9 4 2,

1 4

4 3

6 1 2.

0 0

2 1

5 E V

2 1,

9 7

7 2,

1 4

4 3

6 1 2.

0 0

2 1

6 电冰箱

1 1

4 4

1 4

4 1.

5 0

0 优化用电任务, 实质是要合理安排用电任务的 时间, 即决定用电任务的中断次数和起始时间段. 本文采用 遗传算法来求解用电任务优化问题[

1 4] . 应用遗传算法求解时, 遗传编码代表的就是所有用 电任务的中断次数和用电起始时间段, 其由二进制 数值串构成.对允许中断次数为 TD 的用电任务, 最多包含TD +1个起始时间段.优化问题中用电 任务的各种约束, 在遗传算法实现中可以处理成惩 罚函数的形式.本算例中, 遗传算法中种群数量设 为2

0 0, 最大允许迭代次数设为5

0 0, 交叉操作概率 为0.

9 5, 变异操作概率为0.

2 5. 3.

1 电价机制对用电安排优化影响分析 图2所示为该家庭在不同电价机制下采用智能 用电优化方法得到的各时段负荷分布, 包括随机用 电( 见图2 ( a ) ) 、 实时电价机制下用电优化安排( 见图2 ( b) ) , 以及分时电价机制下用电优 化安排(见图2 ( c ) ) .图3所示为不同用电安排方案的用电费 用比较.分时电价具体时间段分布和对应电价见附 录A表A1, 实时电价曲线见附录 A 图A1. 比较图2和图3可知, 在实时电价和分时电价 作用下, 居民用户通过调整智能家电的用电起始及 用电结束时间限制, 增加家电的用电时间段范围, 对 用电任务进行优化安排, 可降低总用电费用.而且 可以看到, 实时电价下居民用户的用电费用更低. 同时, 由图2( a ) , ( b) , ( c ) 可见, 在实时电价和 ........