考慮用戶優先級的云儲能用電策略優化

賈明瀟

摘要：僅靠現有的用電服務機制，難以激發大量居民參與電網調峰，也難以反映不同用戶對電網調峰的貢獻度。本文在運用共享儲能這一概念的基礎上，分析不同用電負荷的用電特性，對用戶進行優先級排序，搭建以每日用電費用最小為目標的家庭能量管理優化調度模型，通過改進遺傳算法對模型求解。最終在保證云儲能運營商承恩的基礎上，達到用戶用電費用減少的目的。

關鍵詞：家庭能量管理;優化調度;用戶優先級;遺傳算法;

Abstract：It is difficult to motivate a large number of residents to participate in the peak load regulation of the grid only by the existing electricity service mechanism， and it is difficult to reflect the contribution of different users to the peak load regulation of the grid. ?Based on the concept of shared energy storage， this paper analyzes the power consumption characteristics of different power loads， prioritises users， sets up an optimal scheduling model of household energy management aiming at minimizing daily power consumption， and solves the model through improved genetic algorithm. ?Finally， on the basis of ensuring the generosity of cloud energy storage operators， users can reduce electricity costs.

Keywords：Home energy management; Optimal scheduling; User priority; Genetic algorithm

0 引言

傳統電網中能量的流動是單向的，是由電廠生產電能然后通過電網傳輸給用戶，用戶只是電能的消費者。而智能電網的能量和信息的流動都是雙向的，以便建立一個高度自動化的和廣泛分布的能量交換網絡[1].我們可以通過智能電網的這一特點進行能源和調度的優化，以達到提高電能質量和用電經濟性的目的。基于微電網和智能電網的概念，考慮以家庭為主要單位，建立家庭微電網，利用智能化技術手段協調分布式發電、負荷和儲能三者的運行[2]。

目前，中外對于居民用電策略優化已經做了大量的研究。文獻[3]考慮了用戶用電評價，將居民和運營商分層進行優化調度，在平抑負荷波動的基礎上既保證了運營商的利潤又兼顧了用戶用電舒適度。文獻[4]用動態的價格信號來控制用電器的操作，采用迭代的方式對家庭負荷進行全天滾動調度，有效的最小化了家庭用電費用。文獻[5]將可控負荷產生的虛擬儲能與居民區已有的儲能裝置共同參與能量管理.

僅靠現有的用電服務機制，難以激發大量居民參與電網調峰，也難以反映不同用戶對電網調峰的貢獻度[6]。因此需要對居民用戶參與電網調峰制定相應的服務策略。同時，CES運營商作為市場主體參與家庭用電優化調度，根據電網分時電價制定合理的用電策略能夠達到云儲能運營商、電網、用戶多方共贏的局面[7]。本文在運用共享儲能這一概念的基礎上，分析不同用電負荷的用電特性，根據用戶的歷史貢獻量以及自身的用電需求對其進行優先級排序，并對居民用戶用電負荷進行調度，保證對電網與居民雙方都有益，同時考慮了CES運營商的投資成本和維護成本，并留有一定的利潤空間。

1 家庭微電網結構構建

本文中家庭微電網的架構如圖1所示。主要包括用戶、CES運營商和電網三部分。CES是一種基于儲能設施共享的新型儲能模式，用戶不需要自己購買儲能電池，只需訂購CES服務租用一定量的云電池[8]。用戶可以自由控制云電池的充放電行為 。這為用戶節約了大量購買和維修設備的成本，用戶無需在儲能設備上一次性投入大量資金，只需要按時支付租賃費用。CES的儲能設施由大量電池組成，由運營商進行投資、維護和管理。

與文獻[9-10]相同，不論用戶是否安裝光伏發電系統，都可以購買云儲能服務。裝有PV系統的用戶在電能有剩余時可以存儲到租用的云電池中，也可以選擇在電價較高的出售給其他參與CES服務的用戶。參與其中的用戶既是賣方也是買方，通過中間方運營商來進行電能交易，買賣雙方將交易請求發送給運營商，其控制中心在收到請求后判斷是否可以進行交易，此過程使得賣方通過出售剩余電能提高了能源利用率且獲得了收益，買方以低于電網的價格獲得了電能，減少了用電成本，同時運營商在此過程中收取交易費，達到三方共贏的局面。同時，CES運營商也可在電網電價較低時上網買電，電價較高時將多余的電能出售給電網。

在云儲能服務模式的激勵下，用戶根據自己的需求設置參與調度的負荷種類和允許的調度時間，當用戶設置的調度負荷種類越多時間越長時，用戶對于系統用電調度的貢獻也就越大，但是同時自身的用電舒適度也會受到一定影響。所以在CES運營商進行服務決策時會對貢獻較大的用戶有一定的激勵措施，以鼓勵用戶更加積極的參與到CES服務中來。

本文所構建的基于云儲能的家庭微電網系統又是主要體現在以下兩個方面：（1）運營商作為中間者進行調度，很好的利用了不同用戶之間的用電互補性，減少了用戶與電網間以及用戶與用戶間直接交易的限制。由不同用戶間直接進行電能交易，減少了電能轉換的損失，也減少了對于電網穩定性的沖擊。（2）考慮用戶的歷史貢獻量以及自身用電需求，制定不同的用電策略，進一步提高了用戶參與CES服務的積極性，同時保證用戶整體用電負荷不會出現新的用電高峰。

2 系統模型

2.1 家庭用電設備模型

在本文中根據用戶對家庭用電設備的依賴性，將負荷分為剛性負荷和柔性負荷，其中柔性負荷根據其使用時是否可中斷分為可中斷負荷和不可中斷負荷。剛性負荷是指照明設備、電腦等必須立即滿足用戶用電需求的用電設備，不參與用電調度。柔性負荷如洗衣機、洗碗機等使用時間靈活，對用戶的用電滿意度影響不大，用戶只要求在某一段時間之內完成工作即可，所以可通過利用此類負荷的靈活性提出調度策略。假設一個調度周期為一天，以半小時為間隔分成48個連續、相等的時間段，每一個時間段 。家庭中所有用電設備以集合 表示，每個設備以 表示，每個用電設備 。本文假定電器 的工作時長為 ，用 表示設備 允許的工作時間。引入一個狀態變量 來表示電器的工作狀態， 表示設備 在第 個時間段內的狀態為閑置， 表示設備 在第 個時間段內的狀態為工作。則設備在工作時需滿足如下約束：

4 算例分析

本文是基于多個家庭用戶組成的社區微電網，假設每個家庭都安裝了PV系統和雙向計量智能電表。隨機選取了某地的6個家庭用戶的實際用電數據進行模擬，且已知用戶前一周的相關用電情況。分時電價數據如表1所示。以其中的一戶家庭為例進行調度，我們選擇優先級最低的用戶進行模擬，調度周期為24小時，每30分鐘提取一次用戶的用電和發電數據。該用戶的柔性負荷數據如表2所示。

策略一中，對于用戶用電不做優化調度，由于大部分用戶負荷可調度時間范圍相同，導致負荷高峰的出現。策略二中，通過對每個時段的調峰最大功率進行限制，負荷的運行相比之下較為均勻地分布于整個時段，且峰值由高電價時段轉移至低電價時段，既能夠減少負荷波動，又能夠減少居民用電成本。

5 結論

本文通過分析不同家用電器的特點，構建了基于云儲能的家庭微電網系統，在現有分時電價的基礎上，通過價格的激勵有效引導了用戶的用電行為，將用戶的大量柔性負荷的用電時間從電價高的時刻轉移到電價低的時刻，在用戶側能夠 減少居民用電成本; 在電網側能夠降低負荷曲線峰值，減少負荷波動。

參考文獻

[1]余貽鑫，秦超.智能電網基本理念闡[J].中國科學：信息科學，2014，44（06）：694-701.

[2]張延宇， 曾鵬， 臧傳治. 智能電網環境下家庭能源管理系統研究綜述 [J]. 電力系統保護與控制， 2014， 42（18）： 144-154.

[3]李廷鈞，杜欣慧，姚宏民.計及用戶評價的智能用電社區分層優化調度[J].電網技術，2018，42（11）：3486-3497.

[4]Althaher S，Mancarella P，Mutale J.Automated demand response from home energy management system under dynamic pricing and power and comfort constraints[J].IEEE Transactions on Smart Grid， 2015，6（4）：1874-1883.

[5]楊金文，吳杰康，莊仲，梁繼深，何家裕，余方明.基于小區源-儲-荷協同的微網多能協調控制策略[J].電力工程技術，2021，40（01）：40-49.

[6]張良，嚴正，馮冬涵，等.采用兩階段優化模型的電動汽車充電 站內有序充電策略[J].電網技術，2014，38（4）：967-973

[7] 李咸善，陳奧博，程杉，陳敏睿.基于生態博弈的含云儲能微電網多智能體協調優化調度[J].中國電力，2021，54（07）：166-177.

[8]Liu， J.， Zhang， N.， Kang， C.， et al.： ‘Decision-making models for the participants in cloud energy storage’， IEEE Trans. Smart Grid， 2018， 9， （6）， pp. 5512–5521

[9]Shenglin Li， Junjie Yang， Jicheng Fang. Electricity scheduling optimization based on energy cloud for residential microgrids[J]. IET Renewable Power Generation， 2019， 13（7）：1105-1114.

[10]Ziqi Liu， Junjie Yang. Research on cloud energy storage service in residential microgrids[J]. IET Renewable Power Generation， 2019， 13（16）：3097-3105.