本發明涉及智能電網用電自動需求響應領域，具體是一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法。

背景技術：

21世紀以來，隨著全球經濟和社會的快速發展，城鄉居民用電量日益增加。據統計，2013年我國居民用電量占全社會總用電量的13.2%，對全社會用電量增長的貢獻率為17.1%，這也引起了各國政府、企業以及電力公司的高度關注，同時，人們對以居民設備自動化、智能化為代表的智能樓宇的期待也越來越高。智能電網是一種新型電力智能化服務網絡,它能監控、保護和自動優化其內部互聯元件的運行，其中互聯元件是指從集中的和分布式的發電機，通過輸、配電系統，到工業用戶、樓宇自動化系統、儲能裝置、終端用戶及其溫控裝置、電動汽車及電器設施等。智能電網需求側是智能電網的重要部分，電力需求響應就是通過激勵用戶側根據電網供需情況改變原有用電方式，從而達到節約電能并優化資源均衡配置的目的。因此，隨著智能電網技術的不斷發展，需求響應將得到逐步的應用和發展。

智能樓宇能源的管理是以智能電網和樓宇用電設備為基礎，在智能電表這樣的工具下將樓宇中所有發、用電及蓄電等設備結合為一體的樓宇智能化網絡控制系統。智能樓宇能源管理系統與自動需求響應技術結合可以實現對樓宇用電設備的自動調度，即當用戶終端獲取電網公司的價格和激勵信息后，智能樓宇根據自動需求響應技術的優化結果制定符合自身經濟性和舒適性目標的用電策略，從而優化用戶側用電，達到節能減排和削峰填谷的目的。

萬有引力搜索算法結構簡單，可用于解決智能優化問題，較其他算法的收斂性方面有一定的優勢，但存在著早熟收斂及局部搜索能力差等缺點。對其加入記憶和群體信息共享能力，從而增加種群多樣性，克服早熟收斂；通過將種群分成寄生群和宿主群兩個種群，模擬生物寄生行為，體現優勝劣汰和協同進化的思想，從而提高全局和局部搜索能力。將改進后的萬有引力搜索算法用于樓宇負荷用電調度的優化中，實現樓宇居民用電費用少，舒適度高，并對電網影響較小這樣的目標具有一定的現實意義。

技術實現要素：

本發明針對現階段由于對樓宇用電一體化的管理沒有得到重視，造成居民用電量大，用電高峰期對電網造成的波動影響較大的問題，公開了一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法，在考慮用戶舒適度的前提下，降低用電費用、穩定用電功率。

本發明在分析了樓宇用戶所有負荷的不同特征以及用戶的不同使用習慣，將負荷進行分類，并建立了用電負荷調度模型；將粒子的記憶和群體信息共享能力以及生物寄生行為的雙種群思想引入萬有引力搜索算法，改進后的算法能彌補原萬有引力搜索算法的不足，具有更強的優化能力；將改進萬有引力搜索算法用于樓宇用電負荷的調度優化中，達到了很好的預期效果。

為解決上述技術問題，本發明采用如下技術方案，包括以下步驟：

(1)根據樓宇各個負荷的不同特征和使用習慣，將所有可調度負荷分為可短時斷電負荷、運行時段可調負荷、分布式負荷、可儲能負荷；

(2)明確負荷調度目標函數和約束條件，搭建樓宇負荷用電調度模型；

(3)對萬有引力搜索算法進行二進制離散化處理，并建立寄生群和宿主群兩個種群，同時引入粒子群算法中粒子具有的記憶和群體信息共享能力，模擬生物寄生行為，并將此基于生物寄生行為的雙種群萬有引力搜索算法用于優化樓宇負荷用電調度的問題；

(4)得出結論，并對其進行分析。

上述的一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法，步驟(1)中，像空調、熱水器等家電設備在運行過程中，短時間中斷不會對用戶造成太大影響，稱為可短時斷電負荷；運行時段可調負荷是指洗衣機、消毒柜等家電設備開啟后需連續運行一段時間，但運行時段可調整；分布式負荷是指光伏或風力發電等可發電設備；像電動汽車這類負荷屬于可儲能負荷。

上述的一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法，步驟(2)中，搭建樓宇負荷用電調度模型，包括目標函數和約束條件，具體如下：

a.明確用電調度優化的目標函數

優化的目標主要包括經濟性目標、舒適性目標和電網穩定性目標，分別用日用電費e、用戶舒適度c和用電功率平穩度s表示，即：

(1)

將一天24h分成t個時段，假設用戶負荷總數為m，則用戶日總電費e為：

(2)

其中：et為t時段電網的實時電價，pi,t為t時段負荷i的實際電能。

用戶舒適度c可表示如下：

(3)

其中：ci,t為t時段負荷i運行引起的用戶舒適度。

用電功率平穩度s可用用電功率最大值最小值表示為：

(4)

其中：pi,t為t時段負荷i的功率。

若用戶舒適度和用電功率平穩度可用用電費用衡量，通過引入折算因子α和β，可將上述多目標問題轉化為單目標問題，即優化調度目標函數又可表示為：

(5)

b.明確用電調度優化的約束條件

各類用電負荷的約束條件如下：

可短時斷電負荷約束(主要受通斷電時間的影響)：

(6)

其中：t1表示通電連續運行時間；t2表示連續斷電時間；ton和toff分別表示最短通電時間和最長斷電時間。

運行時段可調負荷約束(主要由負荷運行時間及啟動時間起終點決定)：

(7)

其中：t3是運行時段可調負荷j開始啟動的時刻；tj,low和tj,up分別是啟動時間起點和啟動時間終點；ton,j,t與ton分別表示負荷j在允許運行時間內連續運行時長與負荷實際運行時間。

可儲能負荷約束：

（8）

其中：i表示電池電量；ilow和iup分別表示可儲能負荷最低電池電量和最高電池電量。

上述的一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法，步驟(3)中，對萬有引力搜索算法進行改進并將其用于樓宇負荷用電調度的優化，具體步驟如下：

(1)明確目標函數和約束條件為步驟2中的目標函數和約束條件；明確搜索空間維度，即各個時段所有負荷的運行情況共m*t個以及空間上下限范圍up和low；設定種群規模，最大迭代次數g；

(2)隨機初始化種群中每個粒子的位置x和速度v，將x限制為0或1，將v看做粒子的位置接近1的概率，對萬有引力搜索搜索算法進行二進制改進；

(3)根據目標函數，計算各個粒子的適應度值，選出當前最優個體位置pbest；

(4)將種群中各個粒子按適應度大小進行排序，每隔k代，將種群分為寄生群和宿主群兩個種群，即對于最小值優化問題，適應度值小的粒子歸為寄生群，適應度值大的歸類到宿主群，對于最大值優化問題，與之相反，上述過程也就是發生一次寄生行為；

(5)分別選出寄生群和宿主群的群體最優位置gp和gh；

(6)淘汰宿主群中適應度較差的50%的個體，并用重新初始化的相同數量的粒子代替；

(7)對整個種群中的個體執行精英保留操作；

(8)計算兩個種群中每個粒子的質量m’和加速度a：

（9）

其中：計算粒子質量的中間變量,fitnessi(t)是粒子i在t時刻的適應度值，對于最小值優化問題，有：

（10）

粒子加速度a的計算公式為：

（11）

其中，粒子i在t時刻所受引力為：

（12）

其中，randj為隨機數，fij(t)為粒子i和j之間的引力，即：

（13）

其中：g(t)為萬有引力常數，mi(t)和mj(t)分別表示粒子i和j的質量；rij(t)是粒子i和j之間的歐式距離；ε表示一個非常小的常量；xi(t)和xj(t)分別是粒子i和j的位置；

(9)更新粒子的速度v和位置x：

為了增加種群多樣性，克服原萬有引力搜索算法早熟收斂等缺點，引入記憶和群體信息共享能力來解決，寄生群的速度更新公式變為：

（14）

其中：rand、rand1、rand2均表示[0,1]之間的隨機數；vi(t)表示粒子在t時刻的速度；c1、c2為[0,1]之間的常數；pbest及gbest分別表示粒子i及群體中所有粒子經歷過的最優位置；λ為壓縮因子，主要是用來研究萬有引力搜索算法的收斂性，其計算公式為：

（15）

一般當φ=c1+c2=4.1，即λ=0.729時，算法取得較好的收斂效果。

由于發生寄生行為時，如果宿主群中的最優粒子比寄生群中的最優粒子適應度差時，宿主群中的粒子向個體最優和寄生群最優粒子的方向進化，則其速度更新公式可表示為：

其中：c11,c21,c12,c22,c23均是常數系數；rand3為[0,1]之間的隨機數；宿主群和寄生群的群體最優位置分別和表示；和分別為宿主群和寄生群中的最優個體適應度。

粒子的位置移動公式為：

（17）

(10)判斷是否達到最大迭代次數，若滿足則終止循環并輸出最終結果，否則返回步驟(3)。

本發明的改進萬有引力搜索的智能微網樓宇負荷用電調度方法的有益效果為：本發明通過分析樓宇用戶所有用電負荷的特征以及用戶的使用習慣，將樓宇用電負荷進行分類，并搭建樓宇用電設備調度模型，在不影響用電居民舒適度的前提下，重在降低用戶電費，保障電網穩定性，實現削峰填谷以及節能減排的目的；對萬有引力搜索算法引入記憶和群體信息共享能力，并用生物寄生行為的雙種群思想改進萬有引力搜索算法，彌補原算法早熟收斂、易陷入局部最優等缺點，用改進后的萬有引力搜索算法對樓宇用電負荷調度進行多目標優化，同時達到用電費用低，舒適度好以及對電網的影響較小的目的；本發明有益于呼吁樓宇居民參與用電自動需求響應，達到節約電能，削峰填谷的目的。

附圖說明

圖1為本發明的使用流程圖。

圖2為改進萬有引力搜索算法的流程圖。

具體實施方式

下面通過一個具體實施例對本發明作進一步的說明。

本實施例中，如圖1，一種改進萬有引力搜索的智能微網樓宇負荷用電調度方法，具體包括以下步驟：

(1)根據樓宇各個負荷的不同特征和用戶使用習慣，將所有可調度負荷分為可短時斷電負荷、運行時段可調負荷、分布式負荷、可儲能負荷等；其中像空調、熱水器等家電設備在運行過程中，短時間中斷不會對用戶造成太大影響，稱為可短時斷電負荷；運行時段可調負荷是指洗衣機、消毒柜等家電設備開啟后需連續運行一段時間，但運行時段可調整；分布式負荷是指光伏或風力發電等可發電設備；像電動汽車這類負荷屬于可儲能負荷。

(2)搭建樓宇負荷用電調度模型，包括目標函數和約束條件，具體步驟如下：

a.明確用電調度優化的目標函數

優化的目標主要包括經濟性目標、舒適性目標和電網穩定性目標，分別用日用電費e、用戶舒適度c和用電功率平穩度s表示，即：

(1)

將一天24h分成t個時段，假設用戶負荷總數為m，則用戶日總電費e為：

(2)

其中：et為t時段電網的實時電價，pi,t為t時段負荷i的實際電能。

用戶舒適度c可表示如下：

(3)

其中：ci,t為t時段負荷i運行引起的用戶舒適度。

用電功率平穩度s可用用電功率最大值最小值表示為：

(4)

其中：pi,t為t時段負荷i的功率。

若用戶舒適度和用電功率平穩度可用用電費用衡量，通過引入折算因子α和β，可將上述多目標問題轉化為單目標問題，即優化調度目標函數又可表示為：

(5)

b.明確用電調度優化的約束條件

各類用電負荷的約束條件如下：

可短時斷電負荷約束(主要受通斷電時間的影響)：

(6)

其中：t1表示通電連續運行時間；t2表示連續斷電時間；ton和toff分別表示最短通電時間和最長斷電時間。

運行時段可調負荷約束(主要由負荷運行時間及啟動時間起終點決定)：

(7)

其中：t3是運行時段可調負荷j開始啟動的時刻；tj,low和tj,up分別是啟動時間起點和啟動時間終點；ton,j,t與ton分別表示負荷j在允許運行時間內連續運行時長與負荷實際運行時間。

可儲能負荷約束：

（8）

其中：i表示電池電量；ilow和iup分別表示可儲能負荷最低電池電量和最高電池電量。

(3)對萬有引力搜索算法進行改進并將其用于樓宇負荷用電調度的優化，具體步驟如下：

1)明確目標函數和約束條件為步驟2中的目標函數和約束條件；明確搜索空間維度，即各個時段所有負荷的運行情況共m*t個以及空間上下限范圍up和low；設定種群規模，最大迭代次數g；

2)隨機初始化種群中每個粒子的位置x和速度v，將x限制為0或1，將v看做粒子的位置接近1的概率，對萬有引力搜索搜索算法進行二進制改進；

3)根據目標函數，計算各個粒子的適應度值，選出當前最優個體位置pbest；

4)將種群中各個粒子按適應度大小進行排序，每隔k代，將種群分為寄生群和宿主群兩個種群，即對于最小值優化問題，適應度值小的粒子歸為寄生群，適應度值大的歸類到宿主群，對于最大值優化問題，與之相反，上述過程也就是發生一次寄生行為；

5)分別選出寄生群和宿主群的群體最優位置gp和gh；

6)淘汰宿主群中適應度較差的50%的個體，并用重新初始化的相同數量的粒子代替；

7)對整個種群中的個體執行精英保留操作；

8)計算兩個種群中每個粒子的質量m’和加速度a：

（9）

其中：計算粒子質量的中間變量,fitnessi(t)是粒子i在t時刻的適應度值，對于最小值優化問題，有：

（10）

粒子加速度a的計算公式為：

（11）

其中，粒子i在t時刻所受引力為：

（12）

其中，randj為隨機數，fij(t)為粒子i和j之間的引力，即：

（13）

其中：g(t)為萬有引力常數，mi(t)和mj(t)分別表示粒子i和j的質量；rij(t)是粒子i和j之間的歐式距離；ε表示一個非常小的常量；xi(t)和xj(t)分別是粒子i和j的位置；

9)更新粒子的速度v和位置x：

為了增加種群多樣性，克服原萬有引力搜索算法早熟收斂等缺點，引入記憶和群體信息共享能力來解決，寄生群的速度更新公式變為：

（14）

其中：rand、rand1、rand2均表示[0,1]之間的隨機數；vi(t)表示粒子在t時刻的速度；c1、c2為[0,1]之間的常數；pbest及gbest分別表示粒子i及群體中所有粒子經歷過的最優位置；λ為壓縮因子，主要是用來研究萬有引力搜索算法的收斂性，其計算公式為：

（15）

一般當φ=c1+c2=4.1，即λ=0.729時，算法取得較好的收斂效果。

由于發生寄生行為時，如果宿主群中的最優粒子比寄生群中的最優粒子適應度差時，宿主群中的粒子向個體最優和寄生群最優粒子的方向進化，則其速度更新公式可表示為：

其中：c11,c21,c12,c22,c23均是常數系數；rand3為[0,1]之間的隨機數；宿主群和寄生群的群體最優位置分別和表示；和分別為宿主群和寄生群中的最優個體適應度。

粒子的位置移動公式為：

（17）

10)判斷是否達到最大迭代次數，若滿足則終止循環并輸出最終結果，否則返回步驟3)。

(4)得出結論，并對其進行分析。

實施例：

本實例是對負荷進行一天24h的調度，以10min為一個時間片段，共分成了144段。以樓宇居民100戶共900個用電負荷的用電為例，統計的內容包括所有居民各個負荷電氣參數以及用戶的使用習慣、光伏或風力發電數據、該地區的實時電價數據。實施步驟如下：

(1)對樓宇用戶所有可調度用電負荷進行分類，即可短時斷電負荷、運行時段可調負荷、分布式負荷以及可充電負荷等。先對樓宇用戶進行編號，即1~100戶，其中負荷按順序依次進行編號，實時電價數據參考國際最新標準。

(2)搭建該樓宇用戶用電負荷調度模型，包括目標函數和約束條件，具體如下：

優化的目標函數包括日用電費、用戶舒適度和用電功率平穩度三個目標，即：

(18)

其中：e為日用電費；c表示用戶舒適度；s表示用電功率平穩度；α和β為引入的折算因子；本實例中α、β分別取0.5、0.6。

約束條件：

對于可短時斷電負荷，主要受通斷電時間的影響，則有:

(19)

其中：t1表示通電連續運行時間；t2表示連續斷電時間；ton和toff分別表示最短通電時間和最長斷電時間。

對于運行時段可調負荷，主要由負荷運行時間及啟動時間起終點決定：

(20)

其中：t3是運行時段可調負荷j開始啟動的時刻；tj,low和tj,up分別是啟動時間起點和啟動時間終點；ton,j,t與ton分別表示負荷j在允許運行時間內連續運行時長與負荷實際運行時間。

對于可儲能負荷，有：

（21）

其中：i表示電池電量；ilow和iup分別表示可儲能負荷最低電池電量和最高電池電量。

(3)用改進萬有引力搜索算法對上述樓宇用電負荷進行優化調度，如圖2所示。相關參數設置如下：搜索空間維度為900*96=86400；種群規模l=80，最大迭代次數g=3000；寄生群和宿主群種群規模分別設置為40，間隔迭代次數k=20。

(4)得出結論，并對結論進行分析。

上述實施例僅僅是本發明的一個實施方案，并不是用來限制本發明的實施與權力范圍，凡是與本發明權利要求的內容相同的技術方案，均應在本發明的保護范圍內。