基于分時電價的家庭智能用電控制策略研究

重慶郵電大學 唐玉玲 應 俊

基于分時電價的家庭智能用電控制策略研究

重慶郵電大學 唐玉玲 應 俊

0 引言

隨著科技的發展，智能電表、傳感器以及智能控制設備的相應出現[1]，人們的家庭生活更加智能化。與生活相關的電子設備可以連接在一起，通過設備間的協調運行，為人們提供舒適的生活環境與優質的居住體驗，提供更加高效、便捷、豐富的家用基礎服務[2]。同時，用戶可以建立智能用電控制平臺，優化用電情況，降低用電量，提高用電效率，節約成本[3]。鑒于此，本文基于分時電價，針對家庭用戶的智能用電設備的能耗進行分析，得到最優家用電器控制策略，實現家庭智能用電，節省電能。

1 算法分析

家庭智能用電控制的系統框架主要包括智能控制中心、智能電表、智能開關、智能插座以及家庭用電設備[4]等，智能電表可采集到家庭用電器的用電數據。用戶可根據自己的需求，設定家用電器的運行狀態，以電量消費最小為目的找到家用電器最合理的使用模式，然后通過智能家庭網關實現對家用電器的控制。

為了智能控制第二天的家庭用電情況，需要預測第二天的用電信息，包括電器的啟動時間、運行時長等。本文利用自適應模糊推理系統（ANFIS），通過對家庭用電器歷史使用數據的學習，對第二天的用電情況進行預測，預測家庭用電器的開啟時間，運行時間等信息，從而有針對性的對用電器進行控制。

ANFIS綜合了神經網絡的學習算法和模糊推理的簡潔形式，通過對訓練數據的學習，產生數值解。既具有學習機制，又具有模糊系統的語言推理能力。

圖1 自適應模糊推理系統示意圖

ANFIS結構有5層，如圖1所示， 第一層是輸入參數的選擇和模糊化，它是模糊規則建立的第一步。模糊集的隸屬度函數，通常選用鐘型函數，三角隸屬函數，梯度隸屬函數等都是模糊化時常用的函數。第二層是模糊規則激勵強度的計算，將輸入信號的隸屬度相乘。第三層是節點進行各條規則適用度的歸一化計算。 第四層是每個節點作為自適應節點。第五層的單節點是一個固定節點，計算所有輸入信號的總輸出。

遺傳算法是一類借鑒生物界自然選擇和自然遺傳過程中發生的繁殖、交叉和基因突變現象[6]，在每次迭代中都保留一組候選解，并按照某種指標從解群中選取較優的個體，利用遺傳算子對這些個體進行組合，產生新一代的候選解群，重復此過程直到滿足某種收斂條件為止。對待優化的問題，先求取目標函數，然后根據目標函數設定適應度函數，根據設定的目標函數，利用MATLAB軟件中的遺傳算法工具箱求解函數優化問題，從而得到家庭用電最優方法。在盡量不影響用戶每天正常的用電需求情況下，付出電費最少作為優化目標。

2 仿真分析

實驗采用的數據是一個家庭每天的用電數據，3個電表以每分鐘的采樣頻率采集。電表1記錄采集到的廚房電量，包括微波爐、烤箱等；電表2采集洗衣機電量；電表3采集熱水器和空調電量。實驗采用的分時電價以武漢試點地區的電價標準，電價采取《國家發展改革委關于湖北省分時電價方案的批復》文件中的電價方案[5]，其中，“峰段電價=平段電價*1.8；谷段電價=平段電價*0.48”，分時電價函數為：

2.1 用電行為預測

為了對第二天的家用電器進行調控，需要提前知道家用電器的運行情況，開啟時間、運行時間等，所以需要對第二天的家用電器運行情況進行預測。本文利用MATLAB中的ANFIS工具箱進行仿真，預測結果與實際使用情況進行比較，得到預測匹配情況圖，如圖2(a)(b)所示：

圖2 (a) 預測匹配度圖

圖2 (b) 預測匹配度圖

2.2 智能用電策略

在盡量不影響用戶每天正常的用電需求情況下，付出電費最少為優化目標。將一天的時間劃分為120個時間段，每個時間段12分鐘，其中，u表示各個時段。則目標函數為：

一天120個片段，在采用二進制編碼時只需要采用7位二進制碼（128的二進制碼是1111111），為算法帶來了方便。根據時間的劃分原則，每種用電設備的用電量可以也能夠一個向量來表示，假設向量A代表所有用電設備的集合，a代表任何一種用電設備，Pa代表用電設備a的能耗向量。

Pan代表用電設備在1個時間片段內的能耗，如果在這個時間片段不工作，則能耗為0。

設備的總的能耗為：

設定一種用電設備的功率值（p）是定值，在12分鐘的時間片段內的能耗表示為：

在分時電價的情況下，智能用電優化算法通過優化用電設備的能耗Pa來達到節省用電費用的目的，需要為每種用電設備規劃合理的工作時間范圍。假設αa（）是用電設備工作時間范圍下限，是工作時間范圍上限，，la為a的工作時長，，ta為a的起始工作時間，則。

將預測得到的數據，進行優化仿真分析。利用負荷分類的模型，對用電器進行用電優化。總能耗為：

其中，PC是參與調控電器的總電量。

P是參與調控的單個電器電量消耗，PN為未參與調控的電器能耗。

普通情況下和采用智能用電優化情況下的用電量分布如圖3(a)(b)所示：

圖3(a) 普通情況下的用電量分布圖

圖3(b) 采用智能用電優化情況下的用電量分布圖

從利用遺傳算法進行仿真的進化圖4中可以看出，設置好遺傳參數后，在12代左右可獲得最優解。最優解和解的平均值一開始相差比較大，隨著種群數的不斷進化，適應度值小的個體被淘汰，而最優解個體被保留，最終得到最優解和解的平均值相當的情況，即為最終的最優解。

對于一般的家庭用戶而言，用電量主要分布在早上、中午、晚上三個時間段。經過智能優化后，用電量的分布時間比優化前分散。主要是將用電設備從電價高的時間段調整到平時間段或者谷時間段，從而達到節省用電費用的目的。

通過圖5的分時電價，可以計算出家庭用電費用。未優化前，用電費用為7.349元，智能優化后，用電費用為5.673元，用電費用減少了22.81%。文獻[6]中的用電費用，優化前為9.18元，優化后為7.56元，減少了17.65%。本論文的方法與其進行對比，用電費用減少得更多，更利于節省用電費用。

3 結論

本文提出了一種基于分時電價情況下的家庭智能用電控制策略。該方法在滿足用戶滿意度的條件下，盡可能地減少用戶用電費用。利用自適應模糊推理算法 (ANFIS) 預測第二天電器參與運行的情況，通過遺傳算法分析最優的用電費用模型。綜合考慮用戶的用電滿意度和電費節省情況，對家庭用電器提出智能控制方案。通過MATLAB仿真，結果驗證了提出的方案可以在滿足用戶滿意度的條件下，節省較多的用電費用。

[1]張新昌,周逢權.智能電網引領智能家居及能源消費革新[J].電力系統保護與控制,2014(5):59-67.

[2]Zhuang Zhao,Won Cheol Lee.An Optimal Power Scheduling Method for Demand Response in Home Energy Management System[J].IEEE Transactions on smart grid,2013,4(3):1391-1400.

[3]Amjad Anvari-Moghaddam,Ashkan Rahimi-Kian.Optimal Smart Home Energy Management Considering Energy Saving and a Comfortable Lifestyle[J].IEEE Transactions on smart grid,2017,6(1):324-332.

[4]樊瑋,劉念,張建華.事件驅動的智能家庭在線能量管理算法[J].電工技術學報,2016,31(13):130-140.

[5]A.Nacer,B Marhic.Smart Home,Smart HEMS,Smart heating:An overview of the latest products and trends[C].2017 6th International Conference on System and Control(ICSC),2017,90-95.

[6]傅軍棟,康水華,馬書研.基于尖峰電價的家庭能量管理最優控制算法[J].計算機應用研究,2016,33(7):2083-2086.

唐玉玲（1991—），碩士研究生，主要從事電子新技術及應用方面的研究。

應俊（1976—），副教授，碩士生導師，主要從事電子信息技術方面的研究。