基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，通過對智能家居系統(tǒng)中的風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速之間的關(guān)系建立模型、對蓄電池荷電狀態(tài)與充放電電量之間的關(guān)系建立模型，將負(fù)荷分為不可控型負(fù)荷、中斷型負(fù)荷和不可中斷型負(fù)荷，并給出了中斷型負(fù)荷和不可中斷型負(fù)荷開關(guān)狀態(tài)需要滿足的條件；建立智能家居負(fù)荷管理模型，模型包括由用戶總電費(fèi)構(gòu)成的目標(biāo)函數(shù)和包含有功功率平衡和最大功率限制的約束條件；利用遺傳算法對本發(fā)明的模型進(jìn)行優(yōu)化求解，在滿足基本的負(fù)荷約束和用戶需求約束情況下，調(diào)節(jié)各負(fù)荷的工作狀態(tài)，使得當(dāng)天的總電費(fèi)最小。本發(fā)明能夠?qū)χ悄芗揖迂?fù)荷進(jìn)行管理，使得當(dāng)天總電費(fèi)最小。
【專利說明】基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)【技術(shù)領(lǐng)域】，具體涉及一種基于遺傳算法的智能家居負(fù)荷管理 優(yōu)化方法。

【背景技術(shù)】
[0002] 智能家居是以住宅為平臺安裝有智能家居系統(tǒng)的居住環(huán)境，是指利用先進(jìn)的計(jì)算 機(jī)、網(wǎng)絡(luò)通信、自動控制、音視頻和綜合布線技術(shù)，將與家居生活有關(guān)的各種能源系統(tǒng)和智 能用能設(shè)備有機(jī)地結(jié)合到一起，提供智能化的家居服務(wù)，營造一個(gè)經(jīng)濟(jì)、高效、舒適、安全、 可靠、便利、互動、環(huán)保節(jié)能的居住環(huán)境。
[0003] 智能家居在國外起步較早，美國、加拿大、歐洲、澳大利亞、日本和東南亞等經(jīng)濟(jì)比 較發(fā)達(dá)的國家先后提出了各種智能家居的方案。美國首次提出并建成"智能型建筑"，美國 自90年代以來70 %的辦公大樓為智能化建筑，著名的智能化建筑有IBM、DEC公司總部大 廈等。目前，美國有全球最大的智能化住宅群，其占地3359公頃，由約8000棟小別墅組成， 每棟別墅有16個(gè)信息點(diǎn)，僅綜合布線造價(jià)就達(dá)2200萬美元。美國已有將近四萬戶家庭安 裝了 "家庭智能化系統(tǒng)"。在新加坡，1998年5月新加坡舉辦的"98亞洲家庭電器與電子消 費(fèi)品國際展覽會"上，通過在場內(nèi)模擬"未來之家"，推出了新加坡模式的家庭智能化系統(tǒng)。 在日本，80%的建筑將智能化，許多大城市建設(shè)了"智能化街區(qū)"、"智能化樓群"或"智能化 城市"。
[0004] 我國智能家居起步較晚，在2000年"智能家居"的概念才被民眾了解和接受。我國 的智能化住宅和智能化小區(qū)建設(shè)，最初始于廣州、深圳和上海等沿海開放城市，隨后逐漸向 內(nèi)地?cái)U(kuò)展。很多房地產(chǎn)公司都爭先建設(shè)智能化建筑，但是由于沒有統(tǒng)一的技術(shù)規(guī)范指標(biāo)，智 能化建筑水平參差不齊。在智能化家居的熱潮下，很多企業(yè)開始研究智能家居，如海爾基于 物聯(lián)網(wǎng)的U-home智慧屋家庭智能化解決方案是家庭智能電器的比較有代表性的方案。雖 然國內(nèi)對于智能家電的研究起步較晚，但是在借鑒外國技術(shù)的基礎(chǔ)上，越來越多的企業(yè)加 入了開發(fā)智能家電的大軍，國內(nèi)有代表性的家居企業(yè)包括海爾、海信、TCL、索博、瑞訊等。
[0005] 目前主要由針對工商業(yè)的可中斷負(fù)荷進(jìn)行管理優(yōu)化，相比于工商業(yè)負(fù)荷，智能家 居負(fù)荷具有更大的不確定性，現(xiàn)有技術(shù)難以對智能家居的各種負(fù)荷進(jìn)行優(yōu)化。


【發(fā)明內(nèi)容】

[0006] 為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于遺傳算法的智能家居負(fù)荷管理優(yōu) 化方法，解決了現(xiàn)有技術(shù)中難以對智能家居各種負(fù)荷進(jìn)行管理優(yōu)化的問題。
[0007] 為了實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用如下技術(shù)方案：一種基于遺傳算法的智能家居負(fù) 荷管理優(yōu)化方法，包括以下步驟：
[0008] 步驟1,對智能家居系統(tǒng)中的風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速之間的關(guān)系建立模型、對 蓄電池荷電狀態(tài)與充放電電量之間的關(guān)系建立模型，將負(fù)荷分為不可控型負(fù)荷、中斷型負(fù) 荷和不可中斷型負(fù)荷，并給出了中斷型負(fù)荷和不可中斷型負(fù)荷開關(guān)狀態(tài)需要滿足的條件；
[0009] 步驟2,建立智能家居負(fù)荷管理模型，模型包括由用戶總電費(fèi)構(gòu)成的目標(biāo)函數(shù)和包 含有功功率平衡和最大功率限制的約束條件；
[0010] 步驟3,通過遺傳算法對智能家居負(fù)荷管理模型進(jìn)行求解，達(dá)到減少電費(fèi)的優(yōu)化效 果。
[0011] 本發(fā)明所達(dá)到的有益效果：通過對智能家居系統(tǒng)中的風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速 之間的關(guān)系建立模型、對蓄電池荷電狀態(tài)與充放電電量之間的關(guān)系建立模型，將負(fù)荷分為 不可控型負(fù)荷、中斷型負(fù)荷和不可中斷型負(fù)荷，并給出了中斷型負(fù)荷和不可中斷型負(fù)荷開 關(guān)狀態(tài)需要滿足的條件；建立智能家居負(fù)荷管理模型，模型包括由用戶總電費(fèi)構(gòu)成的目標(biāo) 函數(shù)和包含有功功率平衡和最大功率限制的約束條件；利用遺傳算法對本發(fā)明的模型進(jìn)行 優(yōu)化求解，在滿足基本的負(fù)荷約束和用戶需求約束情況下，調(diào)節(jié)各負(fù)荷的工作狀態(tài)，使得當(dāng) 天的總電費(fèi)最小。本發(fā)明能夠?qū)χ悄芗揖痈鞣N負(fù)荷進(jìn)行管理優(yōu)化，使得當(dāng)天總電費(fèi)最小。

【專利附圖】

【附圖說明】
[0012] 圖1是風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速的關(guān)系示意圖；
[0013] 圖2是基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法流程圖；
[0014] 圖3是實(shí)施例中智能家居系統(tǒng)示意圖；
[0015] 圖4是優(yōu)化后洗衣機(jī)仿真結(jié)果圖；
[0016] 圖5是優(yōu)化后洗碗機(jī)1仿真結(jié)果圖；
[0017] 圖6是優(yōu)化后洗碗機(jī)2仿真結(jié)果圖；
[0018] 圖7是優(yōu)化后電動汽車仿真結(jié)果圖；
[0019] 圖8是優(yōu)化后游泳池水泵仿真結(jié)果圖；
[0020] 圖9是優(yōu)化前后總電費(fèi)對比圖；
[0021] 附圖中標(biāo)記的含義：1-開，0-關(guān)。

【具體實(shí)施方式】
[0022] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。
[0023] 本發(fā)明基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，包括以下步驟：
[0024] 步驟1,對智能家居系統(tǒng)中的風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速之間的關(guān)系建立模型、對 蓄電池荷電狀態(tài)與充放電電量之間的關(guān)系建立模型，將負(fù)荷分為不可控型負(fù)荷、中斷型負(fù) 荷和不可中斷型負(fù)荷，并給出了中斷型負(fù)荷和不可中斷型負(fù)荷開關(guān)狀態(tài)需要滿足的條件；
[0025] 步驟2,建立智能家居負(fù)荷管理模型，模型包括由用戶總電費(fèi)構(gòu)成的目標(biāo)函數(shù)和包 含有功功率平衡和最大功率限制的約束條件；
[0026] 步驟3,通過遺傳算法對智能家居負(fù)荷管理模型進(jìn)行求解，在滿足基本的負(fù)荷約束 和用戶需求約束情況下，調(diào)節(jié)各負(fù)荷的工作狀態(tài)，使得當(dāng)天的總電費(fèi)最小。
[0027] 步驟1中，智能家居系統(tǒng)包括風(fēng)力發(fā)電機(jī)、蓄電池和負(fù)荷，下面分別對其建立模 型：
[0028] 1)所述風(fēng)力發(fā)電模型中，設(shè)P1為風(fēng)力發(fā)電機(jī)的實(shí)際輸出功率，PnS風(fēng)力發(fā)電機(jī)的 額定輸出功率，V為環(huán)境風(fēng)速，V ca為風(fēng)力發(fā)電機(jī)的啟動風(fēng)速，Vc;N為風(fēng)力發(fā)電機(jī)的額定風(fēng)速， &為風(fēng)力發(fā)電機(jī)的切除風(fēng)速，則風(fēng)力發(fā)電機(jī)的實(shí)際輸出功率P1和環(huán)境風(fēng)速V之間的模型可 用式⑴表示：
[0029]

【權(quán)利要求】
1. 一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，包括以下步驟： 步驟1，對智能家居系統(tǒng)中的風(fēng)力發(fā)電機(jī)輸出功率與風(fēng)速之間的關(guān)系建立模型、對蓄電 池荷電狀態(tài)與充放電電量之間的關(guān)系建立模型，將負(fù)荷分為不可控型負(fù)荷、中斷型負(fù)荷和 不可中斷型負(fù)荷，并給出了中斷型負(fù)荷和不可中斷型負(fù)荷開關(guān)狀態(tài)需要滿足的條件； 步驟2,建立智能家居負(fù)荷管理模型，模型包括由用戶總電費(fèi)構(gòu)成的目標(biāo)函數(shù)和包含有 功功率平衡和最大功率限制的約束條件； 步驟3,通過遺傳算法對智能家居負(fù)荷管理模型進(jìn)行求解，達(dá)到減少電費(fèi)的優(yōu)化效果。
2. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟1中所述風(fēng)力發(fā)電機(jī)模型為： 設(shè)P1為風(fēng)力發(fā)電機(jī)的實(shí)際輸出功率，Pn為風(fēng)力發(fā)電機(jī)的額定輸出功率，V為環(huán)境風(fēng)速， &為風(fēng)力發(fā)電機(jī)的啟動風(fēng)速，^為風(fēng)力發(fā)電機(jī)的額定風(fēng)速，為風(fēng)力發(fā)電機(jī)的切除風(fēng)速， 則風(fēng)力發(fā)電機(jī)的實(shí)際輸出功率P1和環(huán)境風(fēng)速V之間的模型可用式（1)表示：
其中，系數(shù)匕和匕分別表示為
3. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟1中所述蓄電池模型采用安培小時(shí)法來建立，蓄電池模型用式（2)和式（3)表示：
其中，SOC為蓄電池荷電狀態(tài)；SOCtl為蓄電池初始荷電狀態(tài)；q為蓄電池實(shí)際電量；cN 為蓄電池額定電量山為蓄電池充放電電流；At為蓄電池充放電時(shí)間；η ic;h為蓄電池充電 效率；Hdis為蓄電池的放電效率；Pld為電池放電狀態(tài)下負(fù)荷需求的功率；P e為電池充電狀 態(tài)下系統(tǒng)剩余的功率；U為直流母線電壓。
4. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟1中， 所述不可控型負(fù)荷不能被調(diào)節(jié)，在建模時(shí)不可控型負(fù)荷是以固定的功率曲線建立模 型； 所述中斷型負(fù)荷允許在tb之后開始工作，同時(shí)其工作必須在％之前完成；中斷型負(fù)荷 的能量消耗是常數(shù)，工作的時(shí)長包括Ltt個(gè)時(shí)間步長；在中斷型負(fù)荷的工作時(shí)間內(nèi)，中斷型 負(fù)荷的開、關(guān)狀態(tài)滿足： Iilj = O V/e[1,/?]u(e, N],ieN' (4) 中斷型負(fù)荷的模型為式（5):
其中，tb表示中斷型負(fù)荷開始工作的時(shí)間，表示中斷型負(fù)荷結(jié)束工作的時(shí)間，表示 中斷型負(fù)荷工作時(shí)長所包括的時(shí)間步長，b表示中斷性負(fù)荷開始工作時(shí)的時(shí)間步長的序號， e表示中斷性負(fù)荷結(jié)束工作時(shí)的時(shí)間步長序號，N表示總的時(shí)間步長數(shù)。Iiui是中斷型負(fù)荷 在第i個(gè)時(shí)間步長時(shí)開、關(guān)狀態(tài)，N +表示正的自然數(shù)集； 所述不可中斷型負(fù)荷一旦開始工作就不能夠停止；不可中斷型負(fù)荷滿足式：
其中，INUi表示不可中斷型負(fù)荷在第i個(gè)時(shí)間步長時(shí)開、關(guān)狀態(tài)，La表示不可中斷型負(fù) 荷完成工作所必需的時(shí)間步長的總數(shù)。
5. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟2中，所述智能家居負(fù)荷管理的目標(biāo)函數(shù)為一天內(nèi)總電費(fèi)最小，其公式為：
式中，C為用戶的總電費(fèi)，δ為負(fù)荷的編號，Aa為非中斷型負(fù)荷的集合，Att為中斷型負(fù) 荷的集合，An為不可控型負(fù)荷的集合，Xs;i為在第i個(gè)時(shí)間段負(fù)荷δ的電功率，PWT i為在第 i個(gè)時(shí)間段風(fēng)力發(fā)電機(jī)的發(fā)電功率，PST;i為在第i個(gè)時(shí)間段內(nèi)蓄電池發(fā)出的功率，Ci為在第 i個(gè)時(shí)間段內(nèi)電力價(jià)格；Λ t表示時(shí)間步長，N表示相應(yīng)一天中的時(shí)間步長數(shù)。
6. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟2中，所述智能家居負(fù)荷管理的約束條件為： a) 有功功率平衡約束：PlM(U為第i時(shí)間段內(nèi)負(fù)荷的總功率： Pload, i - Pdg, I+Pgrid, i ⑶ 其中，PmtU為第i個(gè)時(shí)間段電網(wǎng)注入家居中的電功率；PiKU為第i個(gè)時(shí)間段分布式電 源及蓄電池提供的電功率； b) 最大功率限制約束：Plim為電網(wǎng)向家居系統(tǒng)傳輸?shù)挠泄β氏拗疲校? Pimin〈Pi〈PimM (1〇) Pgrid^Plim (丄丄） 其中，Pi為第i個(gè)分布式發(fā)電有功功率出力，Pimin，Pimax分別為第i個(gè)分布式發(fā)電有功 功率出力的最小值限制和最大限制值，PgM為電網(wǎng)供給系統(tǒng)的功率。
7. 根據(jù)權(quán)利要求1所述的一種基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法，其特征 是：步驟3中，所述基于遺傳算法的智能家居負(fù)荷管理優(yōu)化方法步驟包括： 1)初始化：設(shè)置迭代計(jì)數(shù)器t = 0,設(shè)置最大迭代數(shù)T，通過試探得到優(yōu)化問題的初始 解，然后通過隨機(jī)的方式得到一個(gè)個(gè)體數(shù)為N的種群P(0)，種群是指由多個(gè)初始解構(gòu)成的 集合； 2) 適應(yīng)度計(jì)算：構(gòu)造適應(yīng)度函數(shù)，計(jì)算種群P (t)中個(gè)體的適應(yīng)度； 3) 選擇運(yùn)算：將選擇算子作用于種群P(t)，從種群P(t)中選擇一定數(shù)量的個(gè)體作為父 代個(gè)體,適應(yīng)度大的個(gè)體成為父代個(gè)體的概率越大； 4) 交叉運(yùn)算：將交叉算子作用于種群P(t)，交叉算子作用于種群時(shí)，將在算子得到的 父代個(gè)體中進(jìn)行交叉運(yùn)算的兩個(gè)個(gè)體，然后隨機(jī)的選取交叉位，最后通過交叉組合形成兩 個(gè)新的個(gè)體； 5) 變異運(yùn)算：將變異算子作用于種群P(t);變異算子作用于種群時(shí)，即對于種群隨機(jī) 選擇一些個(gè)體，改變個(gè)體上的某個(gè)基因值，種群P(t)經(jīng)過選擇、交叉、變異形成新的種群 P (t+1)，對于新形成的種群中的個(gè)體進(jìn)行適應(yīng)度計(jì)算； 6) 收斂判斷：如果迭代次數(shù)已經(jīng)達(dá)到最大值，則停止迭代，將最后一次迭代中的適應(yīng) 度最高的個(gè)體作為最優(yōu)解。
【文檔編號】G06N3/12GK104376364SQ201410677416
【公開日】2015年2月25日 申請日期:2014年11月21日 優(yōu)先權(quán)日:2014年11月21日
【發(fā)明者】陳霄, 顏慶國, 范潔, 易永仙, 楊斌, 閆華光, 薛溟楓, 石坤, 周玉, 許高杰, 陳飛 申請人:國家電網(wǎng)公司, 江蘇省電力公司, 江蘇省電力公司電力科學(xué)研究院, 中國電力科學(xué)研究院