基于移動互聯網及物聯網技術的居民用電的智能化設計

黃國政, 趙瑞鋒, 郭文鑫, 黃偉杰, 詹一佳

(1. 廣東電網有限責任公司 江門供電局, 廣東 江門 529000;2. 廣東電網有限責任公司 電力調度控制中心, 廣東 廣州 510600)

0 引言

電網為居民提供電能的過程中往往會涉及到很多個環節，居民用戶的電力數據一般都會隱藏著每一戶居民的用電習慣[1]，挖掘出居民用戶的用電數據可以幫助國家電網公司清楚地了解到居民用戶的服務需求，從而使國家電網公司拓展服務意識，為制定國家電力需求響應提供可靠的數據支撐[2]。

近幾年以來，很多電力領域的學者都對居民用電展開了廣泛的研究，基于云計算的居民用電智能化設計方法通常將行業的劃分作為設計基礎，考慮到市場價值和居民用戶的貢獻價值來分類居民用戶，這種居民用電智能化設計方法基本不符合電力負荷的精細化管理，導致居民的用電效率偏低[3]。

基于以上背景，本文將移動互聯網和物聯網技術應用到了居民用電智能化設計中，采用移動互聯網及物聯網技術構建歸一化矩陣得到用戶用電數據樣本，采用均值方差法計算用戶用電數據的均值方差，建立居民用電負荷預測模型，判斷居民用電數據最大荷載，構建居民用電價格和用電量最優配置的目標函數，設置電壓越限約束，實現了居民用電的智能化設計。

1 基于移動互聯網及物聯網技術的居民用電智能化設計

1.1 采集居民用電數據

移動互聯網屬于電信基礎網絡，是結合互聯網與移動通信終端，在移動網絡狀態下，用戶能夠通過手機或其他無線終端設備，獲取信息、在線下載或網頁瀏覽等服務[4]。物聯網是在互聯網的基礎上延伸出的網絡，能夠通過射頻識別技術、紅外感應器等信息傳感設備，進行信息通信與交互，并將采集到的任何信息與互聯網相連，完成智能化的識別管理。

在移動互聯網及物聯網技術背景下，采集居民用電數據可以縮短居民用戶獲取電能的時間。移動互聯網及物聯網技術的基礎是對居民用電數據集合中的不同居民用戶進行相似性搜索，查找出居民用電數據之間的相似程度。

采用移動互聯網及物聯網技術來采集居民用電數據，每一戶居民用戶的用電量都來源于自家的智能電表，居民用戶的用電數據采集都是來源于用戶家里的智能插座，包含了居民用戶的電器使用種類、家用電器的使用時長等，這些用電數據一部分存到居民用戶的智能網關中，為居民用戶提供電能[5]；另一方面是通過家庭的智能網關遠程傳輸到小區的供電站，來提供分析和決策使用[6]。基于已經查找出的居民用電數據之間的相似程度，選取以下特征量進行用電數據的采集。

·峰時耗電率=居民用戶高峰時段的用電量/總用電量

·電力負荷率=居民用戶的平均負荷/居民用電的最大負荷

·谷電系數=居民用戶低谷時段的用電量/總用電量

根據用電數據的采集特征量，將每一個居民用戶表示成一個1*96矩陣：X=[x1,x2,…,x96]。

對居民用戶矩陣的用電數據元素進行歸一化處理，如式(1)。

(1)

根據用電數據元素歸一化處理后，得到用戶用電數據樣本，采用移動互聯網和物聯網技術計算用電數據權重[7]，其用電數據指標的熵值，如式(2)。

(2)

式中，n(n∈{1,2,…，10})表示為采集用電數據的特征向量。

從而可以獲取到用電數據的采集，如式(3)。

(3)

式中，m(m∈{1,2,…，96})表示為采集居民用電數據個數。對式(3)進行數據標準化處理，即可得到居民用戶的用電數據。

1.2 構建居民用電負荷預測模型

根據居民用電數據的特點，建立居民用電負荷預測模型，可以縮短居民用戶獲取電能的時間。居民用電負荷的預測模型主要由兩部分組成，一部分是采用移動互聯網來聚類居民用電負荷曲線，將用電模式相似的居民用戶統一歸納為一類，并分析不同類的居民用戶[8]；另一部分是采用物聯網技術來預測居民用電的負荷，為居民用電負荷的預測提供的理論依據，使預測精度更高。

針對居民用戶的用電數據，將移動互聯網及物聯網技術應用到了居民用電負荷預測模型中，實現了居民用電數據預測結果的可視化[9]。居民用電負荷預測模型結構，如圖1所示。

圖1 居民用電負荷預測模型結構圖

根據居民用電負荷預測模型結構，可以得到居民用電負荷預測模型的具體構建步驟如下。

假設從居民用戶的終端采集到的用電負荷數據在短時間間隔是相似的，結合物聯網技術，來預測居民用電負荷[10-11]。

Step1：計算居民用電數據的方差和均值，如式(4)、式(5)。

(4)

(5)

Step2：判斷居民用電數據的最大荷載，如式(6)。

(6)

式中，ε表示閾值。

Step3：建立居民用電負荷預測模型，如式(7)。

(7)

以上根據居民用電數據的特點，采用移動互聯網及物聯網技術設計了居民用電負荷預測模型結構，通過計算居民用電數據的方差和均值，判斷居民用電數據最大荷載，完成了居民用電負荷的預測模型的構建。接下來通過構建居民智能用電最優配置及電壓越限約束，實現居民智能用電最優配置及電壓越限約束。

1.3 居民智能用電最優配置及電壓越限約束

居民用電智能化設計的目的是在確保完成居民用戶要求的前提下，通過合理安排居民智能家電在電力允許的范圍內運行，使得居民的用電費用最少[12]。構建居民用電價格和用電量最優配置的目標函數，如式(8)。

(8)

式中，ps和Ds表示在s時間段內的居民用電價格和用電量。

日常生活中居民家用電器的運行是由人為決定的，采用λstart和λend表示家用電器的開始和結束運行的時間段，tstart和tend表示家用電器開始運行和結束運行的時間段，N表示家用電器完成每一項工作需要的運行時間段數量。

為保證居民用電安全，設置了電壓越限約束，防止家用電器運行過程中頻繁出現的中斷和重啟現象[13]。采用TD表示允許的最大中斷次數，Td表示家用電器的實際中斷次數，家用電器發生中斷過程中的電壓越限約束條件如下[14]。

等式約束，如式(9)。

(9)

約束不等式，如式(10)—式(12)。

Td≤TD

(10)

(11)

(12)

上式給出了居民用電的時間限制范圍，對于家用電器可以中斷用電負荷，允許家用電器在用電時間范圍內出現重啟和中斷[15]。居民用電的智能化設計考慮了用電負荷的中斷次數，通過構建居民用電價格和用電量最優配置的目標函數，設置了電壓越限約束，使得居民用電更加智能化，實現了居民用電的智能化設計。

2 實驗對比分析

2.1 實驗數據來源

本文的實驗數據來源某小區的150戶居民，分別在每一戶家庭中安裝用電采集系統，如圖2所示。

圖2 居民用戶用電數據采集系統

家用電器通過無線傳輸的方式傳輸到家庭智能網關中，完成居民用電數據的采集任務。居民用戶可以通過交互終端查看自家用電情況，每一戶的用電數據信息通過智能網關傳輸到主站，實現居民用電數據的采集。

2.2 實驗方法及步驟

在獲取居民用電數據的基礎上，制定了下列實驗步驟。

步驟1：查看居民用戶的家用電源安裝容量、電能輸出情況及用電量，根據用戶的電力使用情況，確定家用電源的發電滲透率；

步驟2：根據居民用戶的用電需求和家用電源的滲透率，制定居民用電需求的目標函數；

步驟3：基于居民用電的歷史需求，預測出家用電源的輸出和用電情況，分析居民用戶的用電需求響應特征；

步驟4：根據居民用電需求的目標函數和居民用電的負荷特征，制定居民用戶的用電需求響應策略；

步驟5：采用居民家用電器數量為自變量，采用基于云計算的居民用電智能化設計方法為對比對象，計算居民用戶獲取電能的時間；

步驟6：統計兩種居民用電智能化設計方法獲取的居民用戶獲取電能的時間。

2.3 實驗結果分析

利用上述的實驗方法及步驟，獲取到了居民用戶獲取電能的時間對比曲線，如圖3所示。

圖3 居民用戶獲取電能的時間對比曲線

從圖3可以看出，采用基于云計算的居民用電智能化設計方法來設計居民用電時，隨著居民家用電器數量的增加，獲取電能的時間越來越長，居民家用電器數量在5～8臺時，居民獲取電能的時間較短，實驗過程中居民獲取電能的平均時間為6.19 min；而采用基于移動互聯網及物聯網技術的居民用電智能化設計方法來設計居民用電時，隨著居民家用電器數量的增加，居民獲取電能的時間相對較短，實驗過程中居民獲取電能的平均時間為2.67 min。因此可以得到基于移動互聯網及物聯網技術的居民用電智能化設計方法可以縮短居民用戶獲取電能的時間。

為了驗證基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率，采用基于云計算的居民用電智能化設計方法與基于移動互聯網及物聯網技術的居民用電智能化設計方法進行對比，如圖4所示。

圖4 不同方法的居民用電電能損耗率對比

由圖4可知，當用電時間為2 h時，基于云計算的居民用電智能化設計方法的電能損耗率為21%，而基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率為6%；當用電時間為4 h時，基于云計算的居民用電智能化設計方法的電能損耗率為30%，而基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率為8%；當用電時間為6 h時，基于云計算的居民用電智能化設計方法的電能損耗率為39%，而基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率為13%。由此可知，采用基于云計算的居民用電智能化設計方法和基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率，均隨著用電時間的增加而增大，而采用基于移動互聯網及物聯網技術的居民用電智能化設計方法的電能損耗率較低，能夠有效降低電能損耗率。

3 總結

目前居民用電獲取電能的時間較長、電能損耗率較高，本文提出了基于移動互聯網及物聯網技術的居民用電智能化設計。采用移動互聯網及物聯網技術，構建歸一化矩陣得到用戶用電數據樣本，通過均值方差法計算用戶用電數據的均值方差，建立居民用電負荷預測模型，判斷居民用電數據最大荷載，構建居民用電價格和用電量最優配置的目標函數，設置電壓越限約束，實現了居民用電的智能化設計。實驗結果表明，基于移動互聯網及物聯網技術的居民用電智能化設計方法，能夠有效降低電能損耗率，居民用戶獲取電能的時間更短。