基于改進(jìn)二進(jìn)制粒子群算法的家庭負(fù)荷優(yōu)化調(diào)度策略

01家庭用電負(fù)荷分析根據(jù)負(fù)荷調(diào)度方式不同，本文將負(fù)荷分為2類：剛性負(fù)荷（rigidroad，RL）和柔性負(fù)荷（flexibleload，F(xiàn)L），其中柔性負(fù)荷按運(yùn)行特性可分為可中斷負(fù)荷（interruptibleload，IL）、可平移負(fù)荷（translatableload，TL）、溫控負(fù)荷以及戶用儲(chǔ)能系統(tǒng)。1.1

剛性負(fù)荷剛性負(fù)荷是保障居民基本用電需求的負(fù)荷，如照明、安防、冰箱等，其特點(diǎn)是運(yùn)行時(shí)間和功率固定且不可調(diào)度。其模型可表示為式中：

PRL(t)為剛性負(fù)荷在

t

時(shí)段消耗的功率；

k

為剛性負(fù)荷數(shù)量；為負(fù)荷

i

的額定功率；為負(fù)荷

i

的運(yùn)行狀態(tài)，以0–1變量表示關(guān)閉和運(yùn)行。1.2

柔性負(fù)荷1）可中斷負(fù)荷?？芍袛嘭?fù)荷可在保證總運(yùn)行時(shí)間不變的前提下，在用戶允許的時(shí)間段內(nèi)能以最小運(yùn)行時(shí)間間歇性運(yùn)行，隨意開關(guān)，如電動(dòng)自行車、電動(dòng)汽車的充電行為。其模型可表示為式中：為可中斷負(fù)荷

i

在t時(shí)段消耗總功率；為負(fù)荷i額定功率；為負(fù)荷i在t時(shí)段運(yùn)行狀態(tài),以0–1表示關(guān)閉和運(yùn)行；分別為負(fù)荷可運(yùn)行起始、終止時(shí)段；為負(fù)荷持續(xù)時(shí)段數(shù)。2）可平移負(fù)荷?？善揭曝?fù)荷是指其運(yùn)行時(shí)間可在用戶可接受時(shí)段內(nèi)平移且一旦運(yùn)行就不能中斷的負(fù)荷，如洗衣機(jī)、洗碗機(jī)等。其模型可表示為式中：為可平移負(fù)荷

i

在t時(shí)段消耗功率；為負(fù)荷i額定功率；為可平移負(fù)荷i在t時(shí)段運(yùn)行狀態(tài)；分別為負(fù)荷i可運(yùn)行的起始、終止時(shí)段；為負(fù)荷持續(xù)時(shí)段數(shù)。3）溫控負(fù)荷。溫控負(fù)荷主要包括供暖通風(fēng)與空氣調(diào)節(jié)（heatingventilationandairconditioning，HVAC）、熱水器等，用戶對(duì)溫控負(fù)荷的需求主要體現(xiàn)溫度高低，因此將溫控負(fù)荷熱力學(xué)模型中的溫度對(duì)應(yīng)溫控負(fù)荷的運(yùn)行狀態(tài)，通過控制溫控負(fù)荷的運(yùn)行狀態(tài)，從而接近用戶期望溫度。本文以空調(diào)系統(tǒng)制冷為例，其模型可表示為式中：

Tin(t)、

Tout(t)分別為t時(shí)段空調(diào)室內(nèi)、室外的溫度；R、C分別為空調(diào)房間與室外整體環(huán)境的等效熱阻、等效熱容；

η

為空調(diào)的能效比；

sAC(t)為t時(shí)段啟停狀態(tài)變量，以0–1變量表示空調(diào)的關(guān)閉和運(yùn)行；分別為用戶所期待的室內(nèi)溫度上下限；

PAC(t)為空調(diào)負(fù)荷在t時(shí)段消耗的功率；PAC為空調(diào)的額定功率。4）戶用儲(chǔ)能系統(tǒng)。隨著戶用光伏系統(tǒng)的加入，用戶負(fù)荷曲線與光伏發(fā)電的出力曲線在時(shí)序上有著較大差異，易造成光伏利用率低等問題。為提高光伏利用率，一般將蓄電池作為儲(chǔ)能設(shè)備將光伏出力充足時(shí)段的電量儲(chǔ)存并轉(zhuǎn)移至峰時(shí)電價(jià)時(shí)段使用，蓄電池的運(yùn)行特性可表示為式中：

SOC(t)為蓄電池在

t

時(shí)段的荷電狀態(tài)；

CLeft(t)為蓄電池在

t

時(shí)段的剩余容量；

CBat

為額定容量；

PCh(t)、

PDisch(t)分別為t時(shí)段蓄電池的充放電功率；

ηCh

、

ηDisch

分別為蓄電池的充放電效率。02家庭負(fù)荷優(yōu)化調(diào)度模型2.1

目標(biāo)函數(shù)2.1.1

用電成本本文用電成本C1由2部分組成：家庭從電網(wǎng)購入的購電費(fèi)用和光伏上網(wǎng)的售電費(fèi)用，表達(dá)式為式中:

PG2H(t)為用戶在

t

時(shí)段從電網(wǎng)購買的功率；

λBuy(t)為用戶在

t

時(shí)段的購電價(jià)格，執(zhí)行峰谷分時(shí)電價(jià)；

PH2G(t)為用戶在

t

時(shí)段向電網(wǎng)售出的功率；

λSale(t)為用戶在

t

時(shí)段的售電價(jià)格，為固定價(jià)格；Δt

為負(fù)荷調(diào)度時(shí)隙。2.1.2

碳排放成本目前，中國發(fā)電方式是以火電為主，火力發(fā)電將產(chǎn)生二氧化碳等溫室氣體，造成嚴(yán)重的環(huán)境污染問題。若用戶在選擇用電來源時(shí)，盡可能優(yōu)先使用光伏發(fā)電并使光伏余量上網(wǎng)，間接減少火力發(fā)電時(shí)產(chǎn)生的二氧化碳排放量。故本文通過建立碳排放成本模型，以此激勵(lì)用戶積極參與需求響應(yīng)，改變用電習(xí)慣，從而實(shí)現(xiàn)節(jié)能減排。由于家庭用戶供電來源組成復(fù)雜且難以追蹤，本文采用表B1的發(fā)電機(jī)組組合，該文獻(xiàn)將發(fā)電側(cè)碳排放量經(jīng)碳排放流理論平攤到用戶需求側(cè)，故需求側(cè)單位碳排放成本取固定值，以此建立家庭碳排放成本C2，其表達(dá)式為式中:

λc

為碳排放的交易價(jià)格，取

λc=0.054元/kg；

δc

為用戶側(cè)所產(chǎn)生的二氧化碳量，取

δc=0.785kg/(kW?h)；

PG2H

、

PH2G

分別為家庭用戶在24h內(nèi)從電網(wǎng)購入的總電量和光伏上網(wǎng)售出的總電量。2.1.3

溫度舒適度溫度舒適度是指溫控負(fù)荷經(jīng)優(yōu)化調(diào)度后，室內(nèi)溫度與用戶設(shè)定的溫度之間的偏差，偏差越小，舒適度越高。舒適度的大小與室內(nèi)外溫度及用戶設(shè)定溫度有關(guān)，舒適度指標(biāo)表達(dá)式為式中：

lAC(t)為t時(shí)段溫控負(fù)荷偏離用戶設(shè)定溫度百分比；

C3(t)為t時(shí)段用戶的溫度舒適度指標(biāo)。2.2

優(yōu)化模型基于2.1節(jié)對(duì)用電成本、碳排放成本以及舒適度的描述，本文采用線性加權(quán)和法，對(duì)上述目標(biāo)函數(shù)進(jìn)行線性疊加處理，同時(shí)為平衡多個(gè)目標(biāo)對(duì)優(yōu)化結(jié)果的影響，將上述多目標(biāo)有量綱數(shù)據(jù)統(tǒng)一進(jìn)行歸一化處理。式中：采用經(jīng)濟(jì)度函數(shù)對(duì)用電成本

C1

和碳排放成本

C2

進(jìn)行評(píng)價(jià)，為用戶家庭原始用電方案中的

C1

和

C2

。式中：以空調(diào)啟停狀態(tài)變量

sAC(t)為依據(jù)并結(jié)合溫度舒適度指標(biāo)對(duì)

C3(t)進(jìn)行評(píng)價(jià)。綜上，本文系統(tǒng)優(yōu)化模型為式中：

ξ1

,

ξ2

,

ξ3

為權(quán)重因子，滿足0＜ξi＜1且

ξ1+ξ2+ξ3=1，本文權(quán)重因子選取保留小數(shù)點(diǎn)后一位。各權(quán)重大小代表用戶對(duì)子目標(biāo)的偏好程度，如用戶偏重于舒適度，則權(quán)重因子

ξ3

就越大，

ξ1

和

ξ2

也就隨之減小。本文設(shè)想在未來電力市場(chǎng)中，居民側(cè)電力消費(fèi)將趨向于“電力套餐式”的消費(fèi)模式，類似“電話費(fèi)套餐”，負(fù)荷聚合商或電力公司提供不同的電力套餐以及與各個(gè)套餐對(duì)應(yīng)的權(quán)重因子組合，用戶可以根據(jù)自己的喜好設(shè)置符合自己家庭用電規(guī)律的權(quán)重因子。2.3

約束條件1）功率平衡約束為式中：

PLoad(t)為

t

時(shí)段所有負(fù)荷消耗功率；m、n、j分別為柔性負(fù)荷、可平移負(fù)荷、溫控負(fù)荷的個(gè)數(shù)；

PPG(t)、

PB(t)分別為

t

時(shí)段光伏、儲(chǔ)能系統(tǒng)的功率。2）入戶功率約束為式中：

Pmax

為家庭入戶最大功率，其值大小與用戶家庭電表和輸電線的規(guī)格有關(guān)。3）儲(chǔ)能電池約束為式中：

Pch_max

、

Pdisch_max

分別為蓄電池最大充、放電功率；

SOCmax

、

SOCmin

分別為最大、最小荷電狀態(tài)值。03家庭負(fù)荷優(yōu)化調(diào)度策略及算法3.1

優(yōu)化調(diào)度策略本文假設(shè)可調(diào)度負(fù)荷在調(diào)度過程中運(yùn)行功率恒定，通過調(diào)整柔性負(fù)荷的運(yùn)行時(shí)間，同時(shí)以峰谷分時(shí)電價(jià)信息和儲(chǔ)能系統(tǒng)荷電狀態(tài)為依據(jù)，改變光伏儲(chǔ)能系統(tǒng)和電網(wǎng)之間的能量交換，實(shí)現(xiàn)家庭電能的實(shí)時(shí)最優(yōu)化配置，優(yōu)化調(diào)度流程如圖1所示。圖1

家庭負(fù)荷優(yōu)化調(diào)度策略Fig.1

Homeloadoptimizationschedulingstrategy圖1中，在

t

時(shí)段儲(chǔ)能系統(tǒng)動(dòng)作解釋如下。動(dòng)作1、2：光伏出力大于負(fù)荷用電需求，凈光伏優(yōu)先給儲(chǔ)能系統(tǒng)充電，充電功率

PCh

與儲(chǔ)能系統(tǒng)

CLeft

有關(guān)，若

SOC=SOCmax

，則凈光伏上網(wǎng)。動(dòng)作3、4：光伏出力小于負(fù)荷電能需求同時(shí)電價(jià)處于峰時(shí)，負(fù)荷電量缺額部分優(yōu)先由儲(chǔ)能系統(tǒng)供給，若

SOC=SOCmin

，缺額部分從電網(wǎng)購入。動(dòng)作5、6：光伏出力小于負(fù)荷電能需求同時(shí)電價(jià)不處于峰時(shí)，負(fù)荷電量缺額部分由電網(wǎng)提供；儲(chǔ)能系統(tǒng)作為負(fù)荷，僅對(duì)其進(jìn)行充電操作。3.2

原始BPSO算法原始BPSO算法在速度更新方式上與基本粒子群算法一致，但位置更新公式不同，前者是將粒子速度通過映射函數(shù)映射為0–1變量賦予粒子位置，其速度和位置更新方式為式中：

vij(k)為第k次迭代的粒子速度；

k

為迭代次數(shù)；

i

為粒子個(gè)數(shù)；

j

為維度；為個(gè)體最優(yōu)解和群體最優(yōu)解；

w

為慣性權(quán)重，其值大小影響粒子局部開發(fā)和全局尋優(yōu)的平衡能力；

c1

、

c2

為粒子自我學(xué)習(xí)和社會(huì)學(xué)習(xí)的比重；

r1

、

r2

、

r

為0到1的隨機(jī)數(shù)。

S(vij)為Sigmoid函數(shù)，其值取3.3

基于分等級(jí)多策略學(xué)習(xí)的HLSBPSO算法3.3.1

BPSO算法存在的問題1）對(duì)于所有具備不同收斂程度的粒子，速度更新皆依賴于個(gè)體最優(yōu)解和全局最優(yōu)解，易造成優(yōu)化結(jié)果早熟收斂問題。2）固定步長的慣性權(quán)重值不能動(dòng)態(tài)調(diào)整算法的搜索范圍，難以兼顧算法在優(yōu)化前期需要大范圍搜索全局最優(yōu)值和后期小范圍搜索局部最優(yōu)值二者之間的平衡。3）算法在不斷迭代過程中，粒子最優(yōu)值逐漸收斂，各個(gè)粒子的最優(yōu)解都將趨向于全局最優(yōu)解，使得種群的多樣性變?nèi)?，從而陷入局部最?yōu)解。3.3.2

改進(jìn)策略3）為解決上述問題，本文引入動(dòng)態(tài)慣性權(quán)重、隨機(jī)學(xué)習(xí)因子以及變異因子等多種學(xué)習(xí)策略與分等級(jí)策略進(jìn)行算法融合，提出一種基于分等級(jí)多策略學(xué)習(xí)的HLSBPSO。在每次迭代過程中，根據(jù)2.2節(jié)目標(biāo)函數(shù)的優(yōu)劣程度將尋優(yōu)效果在前20%的粒子標(biāo)記為優(yōu)勢(shì)粒子，尋優(yōu)效果在20%~80%的粒子標(biāo)記為中間粒子，剩余20%尋優(yōu)效果較差的粒子為劣勢(shì)粒子。1）對(duì)于優(yōu)勢(shì)粒子，其尋優(yōu)效果較好，距離全局最優(yōu)值最近，只需增強(qiáng)其局部搜索能力，故采用勘探搜索模式，優(yōu)勢(shì)粒子的速度只受其自身慣性影響，其速度更新公式為式中：rand()為0到1的隨機(jī)數(shù)；

w(k)為動(dòng)態(tài)慣性權(quán)重，隨著迭代次數(shù)逐次降低；

wmax

、

wmin

分別為慣性權(quán)重的最大、最小值；

kmax

為最大迭代次數(shù)。粒子自我學(xué)習(xí)比重

c1

表明粒子速度更新僅在上一時(shí)刻位置上進(jìn)行自我學(xué)習(xí)，從而具備較好的局部尋優(yōu)能力。2）中間粒子數(shù)量占比60%，雖然整體尋優(yōu)效果一般，距離全局最優(yōu)值相對(duì)較遠(yuǎn)，但是往往僅需幾次更新迭代就能至全局最優(yōu)。為增強(qiáng)種群多樣性和跳出局部最優(yōu)解能力，引入隨機(jī)學(xué)習(xí)因子，改變其速度更新方式，其速度更新公式為式中：

ξ

為隨機(jī)學(xué)習(xí)因子，當(dāng)

ξ=0時(shí)，所選粒子通過加速向全局最優(yōu)粒子移動(dòng)，加速算法收斂，當(dāng)

ξ=1時(shí)，粒子加速向個(gè)體最優(yōu)值移動(dòng)，局部搜索能力增強(qiáng)。3）劣勢(shì)粒子的尋優(yōu)效果最差，距全局最優(yōu)解最遠(yuǎn)，對(duì)整體算法的收斂效果增益不大，為增強(qiáng)種群多樣性以及增強(qiáng)粒子跳出局部最優(yōu)解的能力，引入變異因子，其速度更新公式為式中：為中間粒子最優(yōu)值；

Q

為劣勢(shì)粒子在速度更新過程中的變異因子，

Q=0.2(1?w)；

Random

表示解空間的隨機(jī)位置，劣勢(shì)粒子在學(xué)習(xí)過程中，通過添加變異因子，實(shí)現(xiàn)對(duì)未知空間的探索，從而增強(qiáng)算法的多樣性和全局搜索能力。為了測(cè)試改進(jìn)后算法的性能，本文選用sphere、rosenbrock、rastrigrin以及griewank測(cè)試函數(shù)對(duì)算法進(jìn)行性能檢驗(yàn)，測(cè)試函數(shù)相關(guān)參數(shù)如表1所示。同時(shí)選擇BPSO和NBPSO算法作為對(duì)比，圖2分別表示200個(gè)粒子在維數(shù)為144時(shí)，上述3個(gè)算法對(duì)4個(gè)測(cè)試函數(shù)獨(dú)立求解500次的收斂曲線。算法參數(shù)統(tǒng)一設(shè)置如下：慣性權(quán)重

wmax=0.9，

wmin=0.4，

c1=c2=2。表1

測(cè)試函數(shù)Table1

Testfunctions圖2

函數(shù)值收斂曲線Fig.2

Convergencecurveoffunction從圖2可以看出在對(duì)測(cè)試函數(shù)尋優(yōu)求解過程中，相較于BPSO和NBPSO，HLSBPSO的收斂效果最好，函數(shù)最終收斂值最接近測(cè)試函數(shù)的最優(yōu)極值，驗(yàn)證了本文算法的有效性。另外本文所提算法前期一直處于探尋全局最優(yōu)值的過程中，沒有出現(xiàn)后期陷入局部最優(yōu)值的情況。這是由于引入動(dòng)態(tài)慣性權(quán)重、隨機(jī)學(xué)習(xí)因子以及變異因子以及粒子分等級(jí)策略，不斷動(dòng)態(tài)調(diào)節(jié)平衡算法的收斂性和多樣性，彌補(bǔ)了原始BPSO算法的缺陷。3.3.3

算法求解步驟本文以可中斷負(fù)荷、可平移負(fù)荷以及HVAC負(fù)荷的啟停狀態(tài)為決策變量，利用本文算法對(duì)上述負(fù)荷運(yùn)行時(shí)間進(jìn)行優(yōu)化求解，步驟如下。1）輸入變量。輸入負(fù)荷額定運(yùn)行功率P、可運(yùn)行區(qū)間[Ton,Toff]以及柔性負(fù)荷個(gè)數(shù)

m

，峰谷分時(shí)電價(jià)

Price

，光伏出力值

PDG

，入戶最大功率

PMAX

，溫度

Toutside

和

Tinside

，空調(diào)、房屋等效熱阻R和熱容C。2）粒子群初始化。設(shè)置粒子群種群大小N，最大迭代次數(shù)K，初始化粒子位置向量速度向量個(gè)體最優(yōu)位置以及群體最優(yōu)位置

gbest

。在粒子

d

維搜索空間中，第

i

個(gè)粒子的位置公式表示為速度位置和具有相同的矩陣形式。3）進(jìn)入主循環(huán)，計(jì)數(shù)器

k=1，執(zhí)行以下步驟。①計(jì)算粒子

i

的適應(yīng)值。通過粒子位置向量

xi

與負(fù)荷額定功率P計(jì)算一天中各個(gè)時(shí)刻的家庭功率消耗，根據(jù)圖1確定各個(gè)時(shí)隙光伏儲(chǔ)能系統(tǒng)、電網(wǎng)和負(fù)載之間的交換功率，最后按式（14）~（20）計(jì)算目標(biāo)函數(shù)值

fi

。②更新粒子群最優(yōu)參數(shù)。若當(dāng)前粒子位置的適應(yīng)值小于粒子的歷史個(gè)體最優(yōu)值，則更新粒子的歷史最優(yōu)位置。若當(dāng)前粒子適應(yīng)值小于粒子群的全局最優(yōu)值，則更新粒子群的全局最優(yōu)值。③對(duì)種群粒子分別進(jìn)行步驟①和②。④按照3.3.2節(jié)對(duì)粒子進(jìn)行分類并更新慣性權(quán)重和粒子速度。⑤按照式（27）更新粒子位置。⑥計(jì)數(shù)器

k=k+1，判斷是否滿足結(jié)束條件。若滿足則循環(huán)結(jié)束，否則返回步驟①。4）算法運(yùn)行結(jié)束，輸出全局最優(yōu)解。04算例分析4.1

數(shù)據(jù)來源及參數(shù)設(shè)置本文數(shù)據(jù)來自課題組橫向項(xiàng)目“商業(yè)小區(qū)智能用電管理系統(tǒng)”，該項(xiàng)目以非侵入負(fù)荷監(jiān)測(cè)系統(tǒng)為基礎(chǔ)，對(duì)1000余戶居民用電數(shù)據(jù)進(jìn)行采集，并由監(jiān)測(cè)系統(tǒng)后臺(tái)服務(wù)器的數(shù)據(jù)庫中獲得，包括負(fù)荷類別、功率和運(yùn)行時(shí)間。通過分析用戶原始用電數(shù)據(jù)，以用戶用電行為特點(diǎn)可將用戶分為4類，如圖3所示，分別為獨(dú)居家庭（A）、老人家庭（B）、上班族家庭（C）和老中青混居家庭（D）。圖3

家庭負(fù)荷用電信息Fig.3

HouseholdloadelectricityinformationA類家庭在24h內(nèi)的用電曲線相對(duì)平緩且總體用電量較低；B類家庭用電時(shí)間主要集中白天，用電曲線在三餐時(shí)間段后有明顯上升行為，用電量相對(duì)較低；C類家庭白天用電量少且在19:00驟升至最大，在后半夜仍保持較高的用電水平；D類家庭用電行為與前三戶家庭有相似之處，如同前三戶家庭用電的綜合，一天中用電量持續(xù)偏高。鑒于D類家庭用電負(fù)荷最多，用電行為特點(diǎn)綜合性強(qiáng)，故本文以D類家庭用電數(shù)據(jù)為代表開展算例仿真分析，用電數(shù)據(jù)如表2所示。峰谷分時(shí)電價(jià)可分為低谷、平時(shí)、高峰共3個(gè)時(shí)段，不同時(shí)段電價(jià)各不相同，具體時(shí)段劃分和電價(jià)如表3所示。用戶家庭售電價(jià)格為當(dāng)?shù)毓夥嗔可暇W(wǎng)電價(jià)，取0.34元/（kW·h）。式（20）中D類家庭更側(cè)重于降低家庭電力消費(fèi)，其要求是在保證電費(fèi)降低一半的前提下，優(yōu)先保證舒適度最優(yōu)，經(jīng)優(yōu)化求解選擇符合用戶偏好的權(quán)重因子組合，故D類家庭的權(quán)重因子設(shè)置為

ξ1=0.8，

ξ2=0.1，

ξ3=0.1。儲(chǔ)能系統(tǒng)額定容量為5kW·h，最大充、放電功率

PCh

和

PDisch

取2.0kW和1.5kW，充放電效率

ηCh

和

ηDisch

為90%，蓄電池荷電狀態(tài)

SOCmax

和

SOCmin

為0.9和0.2?？照{(diào)房屋的等效熱阻R為16℃/kW，等效熱容

C

為0.525kW·h/℃，溫度上下限取27℃和24℃。算例基于Matlab平臺(tái)進(jìn)行仿真求解。表2

D類家庭用電負(fù)荷信息Table2

ElectricityloadinformationofhomeD表3

峰平谷分時(shí)電價(jià)方案Table3

Time-of-usetariffplan4.2

仿真及結(jié)果分析為探究本文家庭負(fù)荷優(yōu)化調(diào)度策略的可行性，設(shè)置4個(gè)場(chǎng)景對(duì)所提策略進(jìn)行仿真驗(yàn)證。1）未使用優(yōu)化調(diào)度模型，負(fù)荷功率需求全部由電網(wǎng)供給，光伏出力全部售予電網(wǎng)。2）未使用優(yōu)化調(diào)度模型，但考慮用戶參與需求響應(yīng)，負(fù)荷功率全部從電網(wǎng)供給，光伏出力全部售予電網(wǎng)。3）使用本文提出的優(yōu)化調(diào)度模型但不考慮用戶參與需求響應(yīng)，家庭負(fù)荷供能由光伏、儲(chǔ)能系統(tǒng)以及電網(wǎng)三者共同提供。4）使用本文提出的優(yōu)化調(diào)度模型且考慮用戶參與需求響應(yīng)，并由改進(jìn)后算法進(jìn)行優(yōu)化求解。4.2.1

場(chǎng)景1）下負(fù)荷用電情況場(chǎng)景1）不考慮負(fù)荷參與需求響應(yīng)且光伏全部上網(wǎng)，光伏出力和負(fù)荷用電需求如圖4所示。圖4

場(chǎng)景1）下家庭電力能量流Fig.4

Householdelectricalenergyflowinscenario1)如圖4可知，用戶不參與需求響應(yīng)，負(fù)荷功率曲線與用戶原始用電行為一致，同時(shí)負(fù)荷用電需求功率等于電網(wǎng)購入功率。由于光伏出力全部上網(wǎng)，用電費(fèi)用最大。場(chǎng)景1）下，用戶用電習(xí)慣不變，故將其余場(chǎng)景均與該場(chǎng)景作對(duì)比分析。4.2.2

場(chǎng)景2）下家庭負(fù)荷用電情況場(chǎng)景2）在場(chǎng)景1）的基礎(chǔ)上考慮用戶參與需求響應(yīng)，圖5為場(chǎng)景2）下的家庭電能流向。圖5

場(chǎng)景2）下家庭電力能量流Fig.5

Householdelectricalenergyflowinscenario2)由圖5可知，相較于原始用電曲線，D類家庭在參與需求響應(yīng)后，調(diào)度后的負(fù)荷曲線在谷時(shí)電價(jià)期間明顯上升，在晚間峰時(shí)電價(jià)期間曲線明顯下降，中午峰時(shí)電價(jià)期間，為確保用戶具有一定的用電舒適度，負(fù)荷曲線稍許上升。4.2.3

場(chǎng)景3）下家庭負(fù)荷用電情況圖6展示了場(chǎng)景3）下家庭電能流向，由于采用本文提出的優(yōu)化調(diào)度模型，用戶從電網(wǎng)購買的用電功率曲線與原負(fù)荷曲線存在差異。購電曲線在時(shí)段07:00—22:00明顯低于負(fù)荷曲線，其中在時(shí)段07:00—18:00，家庭用電方式優(yōu)先由光伏、儲(chǔ)能系統(tǒng)承擔(dān)，并以電網(wǎng)供電作為補(bǔ)充；在時(shí)段19:00—22:00，光伏出力為0，根據(jù)圖1所示的家庭負(fù)荷調(diào)度策略，在峰時(shí)電價(jià)時(shí)段，儲(chǔ)能系統(tǒng)開始為負(fù)荷供電；在其余時(shí)段，儲(chǔ)能系統(tǒng)充電從而造成購電曲線高于原負(fù)荷曲線。圖6

場(chǎng)景3）下家庭電力能量流Fig.6

Householdelectricalenergyflowinscenario3)4.2.4

場(chǎng)景4）下家庭負(fù)荷用電情況場(chǎng)景4）采用本文提出的優(yōu)化調(diào)度模型且考慮用戶參與需求響應(yīng)，該場(chǎng)景下用戶家庭電能流向如圖7所示。圖7

場(chǎng)景4）下家庭電力能量流Fig.7

Householdelectricalenergyflowinscenario4)相較于場(chǎng)景3），優(yōu)化后的負(fù)荷曲線在光伏出力較低時(shí)段與峰谷分時(shí)電價(jià)有一定的負(fù)相關(guān)性。相較于場(chǎng)景2），在第2次峰時(shí)電價(jià)時(shí)段，購電曲線顯著減小，主要是儲(chǔ)能系統(tǒng)開始為此時(shí)段運(yùn)行的負(fù)荷供電，從而保障用戶用電舒適度。在第1次峰時(shí)電價(jià)時(shí)段，光伏出力較大，優(yōu)化后的負(fù)荷曲線明顯上升，以可平移負(fù)荷為例，如圖8所示，光伏出力從07:00開始上升，在滿足用戶用電時(shí)間期望區(qū)間的前提下，經(jīng)優(yōu)化調(diào)度后的洗衣機(jī)和洗碗機(jī)的運(yùn)行時(shí)間分別推遲至光伏出力較足時(shí)刻運(yùn)行，從而降低用電成本，促進(jìn)光伏就地消納。圖8

可平移負(fù)荷優(yōu)化前后對(duì)比Fig.8

ComparisonbeforeandafterTLoptimization4.3

優(yōu)化調(diào)度策略效果對(duì)比本文對(duì)D類某戶家庭的用電負(fù)荷在4種場(chǎng)景下單獨(dú)調(diào)度，以此對(duì)本文提出的調(diào)度策略的有效性進(jìn)行驗(yàn)證分析，分析結(jié)果如表4所示。表4

不同場(chǎng)景下D類家庭負(fù)荷運(yùn)行結(jié)果對(duì)比Table4

Comparisonofloadrunningresultsinfourscenarios由表4可知，在場(chǎng)景3）和場(chǎng)景4）下，本文提出的負(fù)荷優(yōu)化調(diào)度策略使得D類家庭的日用電費(fèi)用相對(duì)于場(chǎng)景1）分別降低了34.6%和49.2%，但碳排放成本分別增加了8%和6%，這是由于儲(chǔ)能系統(tǒng)自身可存儲(chǔ)電能，需從電網(wǎng)購入功率以保持較高荷電狀態(tài)得以在峰時(shí)電價(jià)釋放。另外蓄電池自身充放電效率不能達(dá)到100%，易造成能量浪費(fèi)，故碳排放成本增加，用戶可通過設(shè)置權(quán)重因子

ξ3

，增加碳成本決策比例，以降低碳排放成本。綜上所述，本文提出的優(yōu)化調(diào)度策略能夠有效降低電力消費(fèi)，同時(shí)提高用戶用電舒適度。4.4

算法性能與效果分析為驗(yàn)證本文所提算法在負(fù)荷優(yōu)化調(diào)度求解時(shí)的有效性和優(yōu)越性，在相同調(diào)度策略下，對(duì)D類家庭負(fù)荷模型分別采用BPSO、NBPSO、MABPSO進(jìn)行優(yōu)化作對(duì)比分析，結(jié)果如圖9所示。圖9

算法優(yōu)化效果Fig.9

Algorithmoptimizationrenderings從圖9可看出：1）BPSO、NBPSO算法在迭代前期過程中易陷于局部最優(yōu)解，需要多次迭代才能達(dá)到收