hepqiaoxy的个人博客分享 http://blog.sciencenet.cn/u/hepqiaoxy

博文

Research: 基于滚动优化的家庭能源管理系统分布式鲁棒优化

已有 675 次阅读 2020-4-11 20:54 |系统分类:论文交流

原文信息

Distributionally robust optimization of home energy management system based on receding horizon optimization

Jidong WANG, Boyu CHEN, Peng LI, Yanbo CHE

作者单位

Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China

原文链接

https://link.springer.com/article/10.1007/s11708-020-0665-4

http://journal.hep.com.cn/fie/EN/10.1007/s11708-020-0665-4

研究背景及意义

        随着智能传感技术、智能家电、家庭局域网以及高级计量设备的快速发展,家庭能源管理系统(HEMS)引起了广泛关注。HEMS能够帮助用户自动、智能地管理家庭电气设备,实现多元化与个性化的用电目标,从而充分挖掘家庭智能用电设备的可调度潜力。家庭智能电气设备的运行优化问题是HEMS的关键,旨在实现家庭能源管理和智能家电控制,响应电网侧的各种激励信号,优化得到各个家庭智能电气设备运行计划,指导用户有序、经济用电,最终满足智能电网下需求侧响应的要求。从家庭用户的角度,HEMS可使家庭用电安全可靠、经济高效、节能环保,帮助用户选择合理有效的用电方式;从电力系统的角度,HEMS可以与电力系统双向互动,能够帮助电力系统削峰填谷、节能减排、消纳可再生能源、减少发电成本。

        由于用户建筑所处的外界环境复杂多变,用户用能行为难以预测,HEMS对智能用电设备调度时面临着多种不确定因素带来的挑战。这些不确定参数对优化调度结果会产生严重的影响,造成用户经济性和舒适度等多方面的损失。因此在家庭智能用电优化研究中,预测参数不能视为完全准确,需要充分考虑预测误差带来的影响。在此背景下,研究不确定环境下,HEMS对智能用电设备的调度问题具有重要意义。

研究内容及主要结论

        本文考虑室外温度以及用户热水用量的不确定性,使用分布式鲁棒优化(DRO)以滚动优化(RHO)的方式求解得到家庭智能用电设备的运行计划。首先,基于不确定参数预测值,建立其分层区间数模型;通过历史数据可以得到不确定参数落在各层区间中的概率,基于此概率分布建立不确定参数的概率分布歧义集。其次,考虑HEMS中多种电气设备的不同运行特性,基于概率分布歧义集,以用电经济性为目标,建立HEMS的分布式鲁棒优化模型,并将其线性化得到混合整数线性优化模型。为减少多时段预测误差累积带来的影响,每时段更新设备的运行状态以及预测数据,滚动求解下一优化时域的运行计划。为验证所提方法的有效性,本文算例设置三种场景,其中场景一和场景二使用RHO-DRO方法,实际运行时不确定参数分别取最坏和最好情况下区间数的端点值,场景三不考虑参数的不确定性,仅以滚动优化的方式对确定性优化模型进行求解,实际运行时不确定参数取最坏情况下区间数的端点值。三种场景下HEMS系统的调度结果如图1所示,而表1则给出了不同场景下用户电费与温度越限值。由表可见:在场景一和场景二中使用RHO-DRO方法,可以保证用户舒适度在不确定环境下基本不受影响;场景二中由于用户用能的减少,用户电费随之降低;在场景三中,温度越限值较大,用户舒适度受到破坏;与场景三相比,场景一的电费仅增加0.606美分。因此,本文提出的DRO-RHO方法在不确定环境下保证了用户舒适度,同时具有很好的经济性。

fep-19048-wjd-fig7.png



图1 家庭智能用电设备优化结果

 (a)场景一 (b)场景二 (c)场景三

表1 不同场景下用户电费与温度越限值

场景一

场景二

场景三

160.5056/美分

104.1833/美分

159.8996/美分

0.6745/℃

0.1304/℃

12.7643/℃

研究亮点

       分布式鲁棒优化(DRO)通过历史数据构建不确定参数的概率歧义集,不需要不确定参数的准确概率分布,并且降低了鲁棒优化的保守性。本文针对家庭智能用电设备的优化调度问题,建立了分布式鲁棒优化模型,并与滚动优化相结合,很好地解决了室外温度与热水用量的不确定性对用户舒适度的影响。



ABSTRACT

This paper investigates the scheduling strategy of schedulable load in home energy management system (HEMS) under uncertain environment by proposing a distributionally robust optimization (DRO) method based on receding horizon optimization (RHO-DRO). First, the optimization model of HEMS, which contains uncertain variable outdoor temperature and hot water demand, is established and the scheduling problem is developed into a mixed integer linear programming (MILP) by using the DRO method based on the ambiguity sets of the probability distribution of uncertain variables. Combined with RHO, the MILP is solved in a rolling fashion using the latest update data related to uncertain variables. The simulation results demonstrate that the scheduling results are robust under uncertain environment while satisfying all operating constraints with little violation of user thermal comfort. Furthermore, compared with the robust optimization (RO) method, the RHO-DRO method proposed in this paper has a lower conservation and can save more electricity for users.

Keywords   distributionally robust optimization (DRO), home energy management system (HEMS), receding horizon optimization (RHO),  uncertainties   


作者简介


车延博,男,工学博士,天津大学副教授,博士生导师

主要研究方向有:

①  电能质量理论、测试及治理

②   电力系统稳定性与安全性分析

③  微电网及新能源理论与实践

④ 电力电子装置仿真及测试技术



Cite this article

Jidong WANG,Boyu CHEN,Peng LI, Yanbo CHE. Distributionally robust optimization of home energy management system based on receding horizon optimization[J]. Front. Energy, 26 March 2020. [Epub ahead of print] doi: 10.1007/s11708-020-0665-4





http://wap.sciencenet.cn/blog-1241458-1227895.html

上一篇:Research: 非对称板式换热器传热及流阻特性的数值模拟与实验研究
下一篇:Frontiers in Energy影响因子上升为2.657

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-11-27 02:41

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部