计及用电方式满意度的居民用户智能用电策略*

李春燕　罗洪飞　杨强　王东　张鹏

(重庆大学 输配电装备及系统安全与新技术国家重点实验室， 重庆 400044)



计及用电方式满意度的居民用户智能用电策略*

李春燕罗洪飞杨强王东张鹏

(重庆大学 输配电装备及系统安全与新技术国家重点实验室， 重庆 400044)

从用户角度出发，提出了计及用电方式满意度的居民用户智能用电模型.首先分析各智能电器的工作特性，建立不可中断电器与可中断电器的运行约束.同时，考虑到用户对用电舒适性的要求，定义了用户用电方式满意度; 针对用户对不同电器的依赖程度的不同，模型中引入可控电器的不可调度系数进行区分，并利用层次分析法求取.最后，在NYISO的实时电价背景下进行仿真.算例分析表明，优化后的用电计划可以在满足用户用电方式满意度的前提下减少电费支出.

智能用电；实时电价；不可中断电器；可中断电器；电费；用电方式满意度

随着居民生活水平的提高，居民用电占社会用电的比重越来越大，尤其是随着电动汽车的普及率的提高，家庭用电量会大大增加，其负荷曲线也会变得更加复杂[1- 3].以智能电能表、先进通信技术和采集终端为基础的用电信息采集系统的建设，为电网与用户信息交互奠定了基础[4].电网公司可以制定更灵活的电价政策，如分时电价(TOU)、尖峰电价(CPP)、实时电价(RTP)等，鼓励用户参与智能用电计划，调整其用电负荷，实现削峰填谷，减少新建机组.用户需要根据电网的激励信号，及时、正确地响应，但由于缺少相关响应策略，用户不可能实时手动调整其用电计划.因此，需要研究智能用电的自动控制策略，在对用户日常生活影响最小的情况下响应电价激励，减少电费支出.

大量文献对家庭能源优化控制进行了研究.文献[5]中设计了一个能量管理控制器对用电设备进行调度，考虑了推迟电器使用降低用户满意度的问题，但没有明确定义用户满意度.文献[6]中提出了功率可调节的用电设备的调度策略，考虑了设备可延时使用的情况，但没有提出针对具体家电的调度措施.文献[7]中提出一种基于成本最小化的分布式需求响应框架，建立分布式电能利用优化算法，确定用户各用电设备的最佳起始运行时间和运行模式，减少用户电费支出及服务商供电成本.文献[8]中提出了一种最优的居民智能用电调度模型，采用实时电价结合IBR(Inclining Block Rates)的电价机制，取得电费最小化和家电运行等待时间最小化的平衡.文献[9]中考虑了电池储能，提出4种用电效益函数，在实时电价下建立智能用电策略优化模型，实现社会效益最大化.文献[10- 11]中提出基于博弈论的居民自动需求侧管理，用户制定用电计划并与供电服务商博弈，获得合适的电价，利用纳什均衡最小化电费支出.

国内对智能用电系统框架和数据传输方案进行了大量研究.文献[12]中提出了基于实时电价的智能用电系统框架，比较了实时电价机制下智能用电与传统用电方式的不同.文献[13]中设计了用户端能源管理框架，搭建了控制平台实现对用户的需求响应控制.文献[14]中设计了一种基于多种通信方式混合组网的智能用电服务系统，搭建了家庭侧智能化系统的框架.文献[15]中将遗传算法和向量回归用于实时电价的预测，并在此基础上通过混合整数规划的方法帮助用户进行用电决策.文献[16]中建立了家庭用电响应模式运行框架.通过构造经济模式和节能模式的数学模型，采用模糊关联权重法来实现家庭用电优化.文献[17]中建立了一个家庭智能用电系统结构框架，通过智能控制器将各电器的用电信息上传给电网互动终端，同时根据电价变化控制电器的运行.

通过分析上述文献可以发现，居民家庭智能用电的研究，都是在电网与用户信息实时交互的基础上，电网提供灵活的电价政策，调动用户参与智能用电，实现负荷转移；用户通过优化用电计划，减少电费支出.然而，上述研究在优化电器工作时较少考虑用户自适应的用电习惯，没有针对用户对不同电器的依赖程度进行深入分析，可能出现为了减少电费支出而不满足用户对用电方式满意度的要求，导致算法优化结果与用户习惯偏离较大，影响用户参与积极性的情况.

文中同时以用户用电方式满意度较好及缴纳电费较少为目标，首先根据用户家庭电器的运行特性，将各智能电器进行分类，在实时电价环境下建立缴纳电费模型.其次，分析用户对用电方式满意度的要求，引入不可调度系数表征用户对不同可控电器的依赖程度，并利用层次分析法求取，建立用电方式满意度模型，通过惩罚价格建立同时考虑缴纳电费较少与用电方式满意的综合模型，并在NYISO(纽约独立系统调度机构)实时电价环境下进行验证.

1　家庭智能用电系统控制流程

在安装了用电信息采集系统的基础上，电网公司能够定时和实时获得用户的用电信息，如用电量、用电需求、电压、电流等，同时向用户发布命令和信息，实现用户与电网“电力流、信息流、业务流”的实时双向交互.

图1所示为家庭智能用电控制流程.安装在用户家庭的负荷调度控制终端接收用电信息采集系统广播的电价信号，同时由用户输入满足自身用电习惯和需要的电器工作条件限制，进行同时考虑缴纳电费较少与用电方式满意的优化计算，优化方案如果满足用户需求，则通过家庭无线局域网(WLAN)自动控制电器的运行，同时把用电方案传送给采集系统，反之则调整参数继续优化，直到满足用户需要.

图1　家庭智能用电控制流程图

2　系统模型

2.1参数说明

①t∈{1,2,…,T},一天分成T个时段；②I：不可中断电器集合，含洗衣机，烘干机，洗碗机，消毒柜等n个电器，i是某个不可中断电器，i∈I；③J：可中断电器集合，含电动汽车，蓄电池，空调，热水器等m个电器，j是某个可中断电器，j∈J；④pt：t时刻的电价；⑤wi、wj：电器的功率；⑥xi,t,xj,t∈{0,1}：可控电器的用电计划，为0-1变量，当在t时段使用了电器i则xi,t=1，当在t时段没有使用电器i则xi,t=0；⑦Ei、Ej：电器完成某项工作所需的总用电量；⑧N：不可中断电器完成某项工作所需的工作时段数.

2.2家用电器特性分析

根据用户生活习惯和使用情况，可以将家用电器分为不可控电器与可控电器两类.不可控电器是指在特定时段必须使用、用户不希望改变其用电时段的电器，比如照明、电视、电脑等；可控电器是指只要在某个时段内完成预定的工作、运行时间可以提前或延后、工作时段改变对用户生活影响较小的电器.当然，用户可以根据需要自行设置某个电器为可控或不可控.由于优化前后不可控电器用电计划不改变，因此，文中只对可控电器进行分析.

通过分析可控电器运行特性，可以将其细分为不可中断电器与可中断电器.前者是指该电器只要一开始运行就必须在完成预定任务后才能停止；后者则是指只要在规定的时间段内完成预定任务就可以，具体运行时刻可以任意.必须注意的是，两类电器不是严格区分的，用户可以根据自身需要设定某个电器的具体归属.

2.2.1不可中断电器

洗衣机、烘干机、洗碗机、消毒柜等不可中断电器工作特性见图2.

图2　不可中断电器工作特性

用户根据使用习惯规定其允许工作时间范围[αi,βi]，由于用户每天需要使用电器完成某项工作，且完成该工作需要消耗的电能能够预先知道，因此可以得到

(1)

xi,t=0,t∉[αi,βi]

(2)

根据不可中断电器工作特性，可以知道，该电器是持续运行的，只有完成特定任务才能停止，因此，只需要确定其工作开始时刻即可，可以得到

(3)

(4)

式(3)表示不可中断电器是持续运行的，式(4)表示对不可中断电器的工作时段数取整.

2.2.2可中断电器

电动汽车、蓄电池、空调等属于可中断电器，其工作特性如图3所示，其允许工作时间范围[αj,βj]，该电器只需要在截止时间βj之前完成用户规定的任务即可，具体工作时段则不作要求.然而，由于频繁的启停会对电器的寿命造成极大的损害，而且影响电能的利用效率，文中假设可中断电器一次启停必须持续工作一段时间，因此有

(5)

xj,t=0,t∉[αj,βj]

(6)

(7)

图3　可中断电器工作特性

另外，对于电动汽车和蓄电池等充放电设备，其运行特性还需满足以下约束限制:

Qj,t=Qj,t-1+ηwj

(8)

Qmin≤Qj,t≤Qmax

(9)

Qj,βj=Qj,d

(10)

式中，Qj,t表示t时刻电池j的电量，η表示充电效率，Qmin和Qmax分别表示电池电量的上、下限值，Qj,d表示电池电量的规定值.

式(8)表示电池充电平衡；式(9)表示电池电量状态即SOC限制；式(10)表示在截止时刻βj时，电池电量需要达到用户规定的值.

2.3缴纳电费模型

每天的电费等于各个可控家电与不可控家电的电费的总和，由于优化前后不可控家电用电计划不改变，其缴纳的电费也不变，为了简化分析，可以只考虑可控家电缴纳的电费，则缴纳电费模型如下所示：

(11)

约束条件为式(1)-(10)、(12).

(12)

式中，Wmax表示用户家庭线路最大容量，Wconstant表示该时段不可控家电功率，式(12)表示各时段所有可控电器总用电功率上限.

2.4用电方式满意度

一般来讲，考虑到用户对电价的自适应性，可以认为，在相对稳定的电价水平下，用户将会根据其生活习惯自愿选择舒适度最大的用电方式.因此，可以假定在不进行用电调度的情况下，用户自愿选择的用电方式满意度最高，以此确定用户在不同的用电计划时用电方式满意度的大小.在同等条件下，用电计划改变越多用户用电方式满意度越低，用电计划改变越少用电方式满意度越高.

用电方式满意度用S表示，优化前后各个可控智能电器的使用时段改变越小，S的值越小，用户也就对优化后的用电策略更加满意.具体地说，用户自愿选择的原用电计划是基准，如果优化后用电计划与原计划相同，则用户的用电习惯不会被改变，用电的舒适度就最好，进而用电方式满意度最好；如果优化后用电计划与原计划完全不同，则会完全改变用户的用电习惯，对生活造成极大的不变，此时，用电方式满意度最差.

根据上述分析，建立用户用电方式满意度模型：

(13)

由于完成电器同样工作所需的电量不变，可以得到相应的约束：

(14)

(15)

2.4.1可控电器的不可调度系数

2.4.2不可调度系数的确定

步骤1确定层次结构.根据用户对电器的依赖程度，将电器的不可调度能力作为目标G；结合电器特性与用户的使用习惯，将保持餐具卫生相关的电器、调节温度相关的电器、出行相关的电器作为准则层A1、A2、A3；普通用户的典型电器，洗碗机、消毒柜、空调、热水器、洗衣机、电动汽车作为指标层B1、B2、B3、B4、B5、B6，具体层次结构图如图4所示.

图4　电器层次结构图

步骤2构造判断矩阵.根据指标层各指标的关系确定判断矩阵.以保持餐具卫生相关的电器为例，判断矩阵为

(16)

式中，b12表示指标1相对于指标2的重要程度，根据专家打分，重要程度越大数值越大，取值范围为1～9.

(17)

步骤4一致性检验.计算判断矩阵的最大特征值、随机一致性比率、一致性指标，验证是否满足要求，不满足则调整判断矩阵中元素，直至满足要求.

2.5智能用电综合目标函数及求解

实际生活中，用户选择某种用电计划时既要考虑缴纳电费多少，又要考虑用电方式习惯与否.文中构建一个同时追求用户缴纳电费较少与用户满意度较好的决策模型.通过引入用电方式改变惩罚价格ρ，转化为如下单目标问题：

minF=C+ρS

(18)

式中：C表示用户缴纳的电费，由式(11)确定；ρS是利用惩罚价格对用户用电方式满意度的量化.

约束条件为式(1)-(17).

根据上述分析，目标函数转化为求式(18)的最小值，决策变量xi,t和xj,t是0-1变量，电器的用电计划就是维度为T的整数向量，因此，智能用电综合模型是一个整数规划问题，文中利用Matlab软件进行求解.

3　算例分析

考虑到频繁的启停会对电器的寿命造成极大的损害，为了便于分析，文中将一天分成24个时段.另外，某些电器的工作时间较短，达不到1h，但算法中以1h进行计算，这是由于优化后的结果只是确定该电器在该时刻的运行状态，而实际的运行时间则按用户设定的值进行，故不会影响算法的应用.

以纽约电力公司下属某地区居民用户为分析对象，采用实时电价政策，2014年7月9日的具体电价[20]见图5.

图5　NYISO实时电价

假设用户用电设备有洗碗机、消毒柜、空调、热水器、洗衣机、电动汽车等典型可控智能电器，具体参数见表1.

表1　可控电器参数

1)“不可”代表不可中断电器，“可”代表可中断电器.

各时段所有可控电器的总用电功率上限见表2.

表2　各时段功率上限

该用户原来6种可控智能家电的使用习惯如图6所示.

根据上述用电计划，用户需要缴纳的电费见表3.

图6　家电的原用电计划

Fig.6Original power consumption plan of household appliances

表3　原用电计划需缴纳的电费

3.1以缴纳电费最少为目标的用电策略

只考虑缴纳电费最少，不考虑用电方式满意度，即ρ=0时，根据上述模型，可得优化结果如图7所示，需要缴纳的电费如表4所示.

图7　ρ=0时优化后的用电方案

计费类别电费/分洗碗机消毒柜空调热水器洗衣机电动汽车合计82.6319.75244.49479.5264.31375.27总计1265.97

由结果可知，为了缴纳最少的电费，在用户预设的允许工作区间内，所有电器都调整到低电价时段使用.此时缴纳电费比原计划减少了28.14%，但电器工作时刻改变却很大，即电费最少，用电方式满意度却最差.

3.2以用电方式满意度为目标的用电策略

只考虑用电方式满意度不考虑缴纳电费多少，根据上述分析，用电方式满意度最好即为用户不改变其用电计划的情形.此时其用电计划和缴纳电费与原计划相同，虽然用电方式满意度最好，但缴纳电费却很高.

3.3综合考虑缴纳电费较少和用电方式满意的用电策略

取平均电价为用电方式改变惩罚价格，即ρ=44.81，根据上述模型，可得优化结果如图8所示，需要缴纳的电费如表5所示.

图8　ρ=44.81时优化后的用电方案

电器电费电费/分洗碗机消毒柜空调热水器洗衣机电动汽车合计84.4121.79293.54568.2489.41415.73总计1473.12

对比图6和8，热水器在第14和17时段其工作状态发生了变化，其他5个时段没有改变.而电动汽车的4个工作时段中只有一个没有改变，其余3个都发生了变化.这是由于热水器和电动汽车的不可调度系数分别为0.14和0.02，即电动汽车允许参与更多的调度，用户对热水器的依赖程度比较大，不允许其工作时段发生较大改变，另外几种电器工作时段变化原因也是如此.由此可见不可调度系数在用户用电方式满意度方面有较大的限制.

对比表3和5，原用电方案6种可控电器需缴纳电费1 761.68分，而优化后所需缴纳的电费仅为1 473.12分，比原用电方案节省了16.38%.

3.4不可调度系数对优化策略的影响

用户在工作日和周末，甚至天气条件不同时，对智能电器的使用习惯、依赖程度都不同，下面取不同的不可调度系数进行验证,如表6所示.

表6　可控电器的不可调度系数

根据综合模型，可得优化结果如图9所示，需要缴纳的电费如表7所示.

图9　改变不可调度系数后的用电方案

Fig.9Optimizing plan with different non-scheduling coefficients

表7改变不可调度系数后需缴纳的电费

Table 7Bill for power consumption plan with different non-scheduling coefficients

电器电费电费/分洗碗机消毒柜空调热水器洗衣机电动汽车合计82.6319.75335.88601.8389.41375.27总计1504.77

对比图6、8和9，很明显，由于不可调度系数的改变，用户用电计划也有很大的变化.特别是洗碗机的不可调度系数由0.27变为0.07，即限制其工作时段的约束变小，也就转移到低电价时段运行；而空调的不可调度系数为0.45，限制较大，其工作时段相对原计划的改变就较小.由表7可知，优化后所需缴纳的电费为1 504.77分，比原用电方案节省了14.58%.

综上所述，采用本文优化用电模型后，在满足用户用电方式满意度的前提下，减少电费支出，达到了优化目的.

4　结论

文中提出了一个基于用电方式满意的居民用户智能用电模型.首先，根据居民家庭电器的工作特性进行分类，考虑不可中断电器与可中断电器的运行限制，在实时电价环境下建立用户缴纳电费模型.其次，讨论了用户用电方式满意度概念，根据用户对不同电器的依赖程度，引入可控电器的不可调度系数，并利用层次分析法求取，利用惩罚价格将用电方式满意度模型与缴纳电费模型结合起来，建立了适用于居民家庭的同时考虑用户缴纳电费较少与用电方式满意的智能用电模型.最后，运用NYSIO(纽约独立系统调度机构)的实时电价数据，结合用户的用电习惯，设定相关参数进行仿真计算，结果表明：

(1)用户追求缴纳电费最少时，用电方式满意度却最差；

(2)用户只追求用电最舒适时，用电方式满意度最好，但缴纳电费却很高；

(3)综合考虑缴纳电费和用电方式满意度时，可以在保证满足用户用电方式满意度的前提下，减少电费支出；

(4)不可调度系数在综合模型中影响较大，用户可以根据自身需求调整不可调度系数，实现用电的优化.

[1]孙近文,万云飞,郑培文,等.基于需求侧管理的电动汽车有序充放电策略 [J].电工技术学报,2014,29(8)：64- 69.

SUN Jin-wen,WAN Yun-fei,ZHENG Pei-wen,et al.Coordinated charging and discharging strategy for electric vehicles based on demand Side management [J].Transactions of China Electrotechnical Society,2014,29(8)：64- 69.

[2]郑丹,文福拴.租赁模式下的电动汽车电池集中充放电策略 [J].华南理工大学学报(自然科学版),2013,41(5)：105- 111.

ZHENG Dan,WEN Fu-shuan.Charging and discharging strategies of batteries of electric vehicles in lease mode [J].Journal of South China University of Technology(Natural Science Edition),2013,41(5)：105- 111.

[3]罗玉涛,谢斌,何小颤.电动汽车锂离子电池组参数辨识与SOC估计 [J].华南理工大学学报(自然科学版),2012,40(12)：79- 85.

LUO Yu-tao,XIE Bin,HE Xiao-chan.Parameter identification and SOC estimation of lithium-ion battery pack used in electric vehicles [J].Journal of South China University of Technology(Natural Science Edition),2012,40(12)：79- 85.

[4]张景超,陈卓娅.AMI对未来电力系统的影响 [J].电力系统自动化,2010,34(2)：20- 23.

ZHANG Jing-chao,CHEN Zhuo-ya.The impact of AMI on the future power system [J].Automation of Electric Po-wer Systems,2010,34(2)：20- 23.

[5]CHEN C,KISHORE S,SNYDER L.An innovative RTP-based residential power scheduling scheme for smart grids [C]∥Proceedings of Acoustics,Speech and Signal pow-Processing(ICASSP).Prague：IEEE,2011：5956- 5959.

[6]KIM T,POOR H.Scheduling power consumption with price uncertainty [J].IEEE Transactions on Smart Grid,2011,2(3)：519- 527.

[7]CHAVALI P,YANG P,NEHORAI A.A distributed algorithm of appliance scheduling for home energy management system [J].IEEE Transactions on Smart Grid,2014,1(5)：282- 290.

[8]MOHSENIAN-RAD A H,LEON-GARCIA A.Optimal re-sidential load control with price prediction in real-time electricity pricing environments [J].IEEE Transactions on Smart Grid,2010,1(2)：120- 133.

[9]LI N,CHEN L,LOW S.Optimal demand response based on utility maximization in power networks [C]∥Power and Energy Society General Meeting.San Diego,CA：IEEE,2011：1- 8.

[10]MOHSENIAN-RAD A H,WONG V W S,JATSKEVICH J,et al.Optimal and autonomous incentive-based energy consumption scheduling algorithm for smart grid [C]∥IEEE PES Conf Innovative Smart Grid Technol.Gaithersburg,MD:IEEE，2010：10- 16.

[11]MOHSENIAN-RAD A H,WONG V W S,JATSKEVICH J,et al.Leon-Garcia A.Autonomous demand-side management based on game-theoretic energy consumption scheduling for the future smart grid [J].IEEE Transactions on Smart Grid,2010,1(3)：320- 331.

[12]殷树刚,张宇,拜克明.基于实时电价的智能用电系统 [J].电网技术,2009,33(19)：11- 16.

YIN Shu-gang,ZHANG Yu,BAI Ke-ming.A smart po-wer utilization system based on real-time electricity prices [J].Power System Technology,2009,33(19)：11- 16.

[13]荆超.智能电网用户端能源管理框架及关键技术研究 [D].上海：上海交通大学电子信息与电气工程学院,2011.

[14]杨猛.基于物联网的智能用电服务系统研究 [D].北京：华北电力大学电气与电子工程学院,2013.

[15]吴伟坡.基于实时电价的智能家庭能源优化控制 [D].上海：上海交通大学电子信息与电气工程学院,2013.

[16]阳小丹,李扬.家庭用电响应模式研究 [J].电力系统保护与控制,2014,42(12)：51- 56.

YANG Xiao-dan,LI Yang.Research on household electricity response mode [J].Power System Protection and Control,2014,42(12)：51- 56.

[17]李东东,崔龙龙,林顺富,等.家庭智能用电系统研究及智能控制器开发 [J].电力系统保护与控制,2013,41(4)：123- 129.

LI Dong-dong,CUI Long-long,LIN Shun-fu,et al.Study of smart power utilization system and development of smart controller for homes [J].Power System Protection and Control,2013,41(4)：123- 129.

[18]李少白,江树彬.层次分析法中判断矩阵的自适应调节法 [J].华南理工大学学报(自然科学版),1990,18(3)：118- 121.

LI Shao-bai,JIANG Shu-bin.A self-regulate method of the judgement matrix in the analytic hierarchy process [J].Journal of South China University of Technology(Natural Science Edition),1990,18(3)：118- 121.

[19]姜开元,顾学迈,郭庆,等.基于模糊层次分析法的多属性垂直切换算法 [J].华南理工大学学报(自然科学版),2012,40(9)：104- 109.

JIANG Kai-yuan,GU Xue-mai,GUO Qing,et al.Fuzzy AHP-based multi-attribute vertical handover algorithm [J].Journal of South China University of Technology(Natural Science Edition),2012,40(9)：104- 109.

[20]Real-Time Market LBMP [EB/OL][2015- 11- 01].Available：http:∥www.nyiso.com.

s: Supported by the National Natural Science Foundation of China(51247006,51507022)

Smart Power Consumption Strategy Considering Satisfaction of Residential Users in the Process of Utilizing Electricity

LIChun-yanLUOHong-feiYANGQiangWANGDongZHANGPeng

(State Key Laboratory of Power Transmission Equipment & System Security and New Technology,Chongqing University,Chongqing 400044,China)

From the user’s perspective, this paper constructs an optimal smart power consumption model of residential users by considering the satisfaction in the process of utilizing electricity. First, the characteristics of intelligent electric appliances are analyzed, and the operation constraints of non-interruptible and interruptible appliances are established. Meanwhile, the satisfaction of residential users in the process of utilizing electricity is defined according to their requirement for comfort. In order to distinguish users’ preference for different electric appliances, the non-scheduling coefficient is introduced into the constructed model and is solved by means of the analytic hierarchy process. Finally, a simulation in the NYISO real-time pricing environment is conducted. The results show that the optimized consumption strategy can satisfy users’ electricity demand and cut down their electricity bills.

smart power consumption; real-time pricing; non-interruptible electric appliance; interruptible electric appliance; electricity bill; satisfaction in the process of utilizing electricity

2015- 11- 25

国家自然科学基金资助项目(51247006,51507022)

李春燕(1975-),女，博士，副教授，主要从事电力系统分析与计算、电力市场及智能电网研究.E-mail:lcycqu@cqu.edu.cn

1000- 565X(2016)08- 0060- 08

TM 76

10.3969/j.issn.1000-565X.2016.08.010