基于需求响应的家庭智能用电优化问题研究动态

张彩庆，许铃莉

（华北电力大学经济管理系，河北 保定071003）

0 引言

实施开源节流策略可有效缓解当前的能源紧缺状态，促进能源可持续性发展。开源即围绕加快建立安全、清洁、高效、可持续的现代能源体系的要求，发展可再生能源。节流即能源节约利用，电力需求侧管理是节约能源，降低能耗的有效策略，需求响应则是需求侧管理在竞争市场中的最新发展。依托智能电网的快速发展，智能用电技术结合需求响应技术和通信技术，通过双向互动将用户侧和电力公司联系起来，可以满足经济、环保和灵活用电的要求。目前，家庭能源消耗约占全球能源消耗总量的30%~40%［1］，经常导致季节性和日用电高峰等反弹高峰，而居民用户侧是通过实施需求响应来削减电力峰值需求的最大潜在领域［2］。智能用电条件下，家庭用电设备都连接到家庭能源管理系统（HEMS），HEMS根据需求响应信号，利用云计算技术对用电信息进行挖掘，采用聚类技术、集群化方法对电器进行分类管理，在满足用户舒适性、经济性约束要求下，基于电价机制，采用优化调度算法对各个子时段电器以及分布式电源进行优化，形成家庭智能用电优化策略，指导家庭用户合理高效地用电。

1 分布式电源

由于分布式电源与需求响应相互结合， 平抑了可再生能源发电的不稳定性， 促进了可再生能源就地消纳、增加各方收益，因而越来越多研究开始考虑分布式电源与需求响应关联情境下家庭智能用电优化策略。分布式电源包括分布式可再生能源发电、电动汽车和电池储能系统。

适用于家庭层面发电的可再生能源主要有太阳能、风能、生物质能。 家庭利用太阳能主要采用太阳能热水器和分布式光伏发电两种方式。 太阳能热水器在家庭设备分类中属于温控设备， 可充当储能设备，如今利用率较高，家庭分布式光伏发电一般装机规模在5～12 kW。 文献［3］建立了以用户收益为目标函数的并网光伏发电系统运行优化调度模型。 风能具有分布广、储量大、环境友好等优点。文献［4］以用户售电收益、购电成本、政府补贴、运行维护费用和分布式电源投资建设成本等系统总收益最大为目标， 建立家庭并网风－光－蓄发电系统优化调度模型。 目前，丹麦的家庭基本都使用生物质发电，美国家庭能源管理系统的生物质发电装机容量已达到1 050 万 kW［5］。 电动汽车可相当于家庭的一种分布式电源， 家庭能源管理系统可通过控制电动汽车充放电来避免电动汽车无序充电带来的危害。 电池储能系统和分布式可再生能源组合利用时， 可以弥补分布式可再生能源发电随机性、波动性的缺点。但目前电能储存设备的成本有待降低， 技术和适用性能有待提高［6］。

2 需求响应下家庭智能用电优化模型及求解

2.1 用电优化问题目标及模型建立

早期用户用电优化目标多以用户用电费用最小化、用户用电舒适性最大化、降低整体运行成本等单目标为主。随着用户用电需求的多元化，需求响应主动性增强， 越来越多学者着力于多目标的用电优化问题的研究，其主要类型有：以最小化电能消耗和延时时间为目标； 以降低一天中的峰值负载以及用电费用为目标；以经济性和舒适性为目标；用户的用电成本和用户的不满程度同时降到最低； 最大限度地降低峰值负载需求并提高用户的舒适度； 降低电力成本，并降低峰均比等。

家庭智能用电优化建模通常采用自上而下和自下而上两种方法， 单个家庭用电优化适合采用自下而上的建模方法。 自下而上的方法分别研究每个家用设备（或设备组）的能耗，通过汇总各家用设备的消耗量，可以很容易地获得家庭的负荷曲线，但是每种设备耗能的具体数据较难获得。文献［7］基于需求响应分时电价项目，将用户家用空调负荷进行分析，提出了家庭用电负荷控制策略。文献［8］采用层次分析法综合评价在尖峰时段用户对各用电设备的满意度， 然后在此基础上建立基于尖峰电价的最优控制算法模型。

以用户用电费用最小化舒适度最大化为例，目标函数的模型［9］建立如下所示：

ccost为达到用电任务后用户的用电花费；dcom表示用户用电舒适度； 用户原有行为改变的多少来反映舒适度，其模型具体表现为：

式（2）表示用户用电行为改变越小，其用电舒适度越高，数值大小为0 到1；式（3）表示当家用电器完成工作相同时所耗费的用电量是不变的。

2.2 模型的求解

在实际情况中， 由于分布式电源发电、 用户行为、环境条件等方面的不确定性，家庭用电优化问题往往属于不确定性优化问题，需将不确定性优化问题转换为确定性优化问题，然后求解。对于多目标优化问题，各个目标对应的最优解常常不一致，一般是通过权重设置，将其转化成单目标优化问题，此外还可采用多目标启发式算法直接求解［10］。

现有文献大多将家庭用电优化模型刻画为凸优化问题、规划类问题。求解家庭智能用电优化策略，可运用Gurobi、GAMS、CPLEX等求解软件对线性规划、非线性规划模型进行求解，或者是采用线性规划方法，元启发式优化算法，如二进制回溯搜索算法、粒子群算法（PSO以及PSO的不同变体）、遗传算法、分枝定界优化算法等智能算法对优化问题进行求解，混合整数非线性规划问题的求解相比凸优化问题以及混合整数线性规划问题难度更大，此时可将模型简化，比如使用Benders分解法或者将问题近似化为凸优化问题，然后进行求解［11］。

2.3 博弈模型

在多目标优化问题的环境下，使用博弈论进行分析，可使需求响应中的多个目标实现平衡。在家中有可再生能源发电和存储设备的条件下，当家中电器每小时所需的负荷已设定好并不变时，对分布式电源发电以及用电费用进行优化的博弈论模型具有多个纳什均衡［12］。

2.3.1 用户之间的博弈行为

用户（共享相同能源）之间的能源消耗博弈所进行的消息交换是可信的，所以用户将有参与能源消耗博弈的动机。在博弈过程中，可以同时减少峰谷差和每个用户的电费。文献［13］利用用户之间的相互关联，构造了n人非零和微分博弈模型，并形成博弈的反馈纳什均衡。文献［14］基于博弈论的思想建立用户用电模型，使用相应的电价机制激励用户之间进行博弈，每位用户根据其他用户的用电安排，制定自己的用电计划。居民用户之间的用电博弈模型建立可如下所示［15］：

参与者：N个居民用户。

策略：每个消费者进行负荷用电安排，使其总成本最小化。

收益：根据用户n的收益函数而定。

2.3.2 电力公司和用户之间的博弈行为

电力公司和用户之间博弈行为为：电力公司试图实现利润最大化，而用户寻求成本最小化和能源供应的可靠性。文献［16］用多阶段博弈模型优化分时电价定价策略，然后通过逆向归纳法得到纳什均衡。文献［17］建立了电力公司与用户之间的两阶段集中式博弈的能源价格模型：用户通过使用内点法优化方程使收益最大化；电力公司按照用户能耗情况调整能源价格参数，结果显示该算法在多次迭代内收敛，达到了优化目标。文献［18］分析了电网公司与用户的博弈行为，最后求得的纳什均衡解得到了最优电价与用电量。

2.3.3 家庭优化目标之间的博弈行为

对于用户来说，成本最小化和舒适度最大化是一对矛盾，采用博弈论不仅能使用户成本最小化，还能最大限度地提高舒适度，在二者之间达到平衡。文献［19］提出了一种考虑用户偏好的需求管理博弈方法，文献［20］提出了一种基于改进的后悔匹配程序的博弈来模拟能源消耗问题，使用户成本和舒适度达到帕累托最优。

3 结束语

基于需求响应的家庭智能用电优化管理，尤其是考虑分布式电源的家庭智能用电优化管理对于提高能源利用效率和系统稳定性、减少温室气体排放、提高用户用电体验感等方面具有重大意义。根据各分布式电源出力特点，可采用多能互补的方式，以两种或两种以上的分布式电源组合，为家庭提供经济、稳定的供能。常见组合为：电池储能系统／光伏系统、电动汽车/电池储能系统、分布式光伏发电/风力发电、风力发电/分布式光伏发电/电池储能系统、分布式小型光伏系统/电动汽车/电池储能系统。现阶段对单个家庭用电优化采用最多的是自下而上的建模方法，将家庭用电优化模型刻画为凸优化问题、规划类问题，然后采用GAMS、CPLEX等求解软件或者遗传算法、粒子群优化算法等智能算法对模型求解。在平衡用户之间、电力公司与用户之间以及用户自身用电优化需求之间的相互矛盾方面，可通过构建博弈论模型并通过求解纳什均衡得到最优用电方案。对于进一步研究，可重点关注以下方面：

1）在家庭用电优化框架中综合考虑家庭的用电费用与负载、储能设备、分布式电源等因素的关系，模型构建时应全面考虑反弹高峰、用户满意度、舒适度需求等方面因素。

2）根据本地能源特性和多能互补原则，因地制宜选择分布式电源的种类，大限度地利用可再生资源并尽量减少潜在的不良随机行为。同时考虑储能设备，分布式电源应用于家庭用电的最佳规模，及其对用电优化结果的影响。