基于改进离散型PSO算法的用电智能控制方法及计算机可读存储介质技术

本发明专利技术涉及用电智能控制技术应用领域，特别涉及一种计算机可读存储介质，其存储有计算机程序，计算机程序被控制器执行时实现基于改进离散型PSO算法的用电智能控制方法。从智能电网系统中获取空调数量、空调调节参数和分时电价信息等信息，从而构建空调负荷集群系统模型。在该模型中，以电网调度性指标和用户经济性指标经加权后得到优化目标函数G，使得空调负荷集群系统模型具有最大化需求响应能力，保证电网侧的削峰优化，并保证用户侧的用电经济性。对室内温度的约束条件和优化目标函数G的计算是将其连续量离散后再进行求解，并且减少了对速度和位置公式的修改，更加准确与方便，能够对空调负荷进行快速反应并进行负荷用电控制。

Intelligent control method of power consumption and computer readable storage medium based on improved discrete PSO algorithm

The invention relates to the application field of electric intelligent control technology, in particular to a computer readable storage medium, which stores a computer program, and realizes the electric intelligent control method based on the improved discrete PSO algorithm when the computer program is executed by the controller. The information of air conditioning quantity, air conditioning regulation parameters and time-sharing electricity price is obtained from the smart grid system, so as to build the air conditioning load cluster system model. In this model, the optimization objective function g is obtained by weighting the dispatching index and the user economy index of the power grid, which makes the air conditioning load cluster system model have the maximum demand response ability, guarantees the peak shaving optimization of the power grid side, and guarantees the power consumption economy of the user side. The constraint condition of indoor temperature and the optimization objective function g are calculated by discretizing the continuous quantity and then solving it, and reducing the modification of the formula of speed and position, which is more accurate and convenient, and can respond to the air conditioning load quickly and control the load power consumption.

【技术实现步骤摘要】
基于改进离散型PSO算法的用电智能控制方法及计算机可读存储介质
本专利技术涉及用电智能控制技术应用领域，特别涉及一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被控制器执行时实现基于改进离散型PSO算法的用电智能控制方法。
技术介绍
随着我国经济总量的不断攀升，全社会电力消费持续增加，电力工业呈现新的特点，发电装机容量快速增长，电力供应总体富余。虽然当前电力增速整体放缓，但是随着用户侧电气化水平的提升以及大城市的人口集聚效应不断增强，城市核心区域的用电负荷在年年持续攀升、连创新高，同时峰谷差拉大，局部供需矛盾进一步深化。在电力负荷高峰时段由于运行方式的调整裕度小，电网运行压力大，输变电设备的长期重载和过载问题严重。而城市核心区人口稠密、供电可靠性要求高、线路走廊紧张，电网改扩建工程在选址、征地、拆迁补偿等方面成本不断攀升，电网建设及改造难度逐年增大，城市核心区电力供需矛盾日益加深。目前，电力企业主要采取各类需求响应手段对城市核心区电力供应进行调控。直接负荷控制属于激励型需求响应，通过对居民或商业用户的空调等电器资源进行DLC控制以达到削减负荷的目的，来解决夏季用电短缺和能耗的问题。以空调为代表的柔性负荷资源是智能电网框架下的重要互动资源，尽管单一负荷资源不是任意时间都可控的，但大量负荷聚合在一起将呈现一定的总体可控性。在变电站扩容及线路改造受限的情况下，日益丰富的可调度空调负荷资源成为缓解电网供需矛盾和调度压力的有效手段。空调作为最具需求响应潜力的负荷，将大量分散的空调负荷聚合起来将是一种非常可观的可控负荷和需求响应资源。将空调负荷作为需求侧资源实时响应电网需求并参与电力供需平衡，使得空调负荷资源既能够参与省网级日前发电调度调峰、调频等辅助服务，又能够有效参与地区电网调度运行以缓解高峰时段线路设备重载和越限等问题，通过对空调负荷的聚合可以实现用电经济控制和电网削峰填谷的效果，从而提高电力系统运行的安全性、可靠性和经济性。但是，目前对空调负荷的调控还存在反应速度慢等问题，导致电网对空调等负荷资源的控制受到限制。
技术实现思路
本专利技术的目的在于：避免上述现有技术中的不足之处而提供一种能够对空调负荷进行快速反应并进行负荷用电控制的方法。本专利技术的目的通过以下技术方案实现，提供基于改进离散型PSO算法的用电智能控制方法，包括如下步骤：P1.参数获取步骤，获取空调群的空调数量、空调调节参数和分时电价；P2.聚合模型构建步骤，获取空调群的运行状态n为空调数量，si为每台空调的开关状态；所述空调调节参数包括空调群各台空调的制冷功率Pi＝[P1,P2,P3,...,Pn]，据此计算空调群的实时功率P3.目标确认步骤，分别以作为电网调度性目标G1和经济性目标G2的权重系数，构建优化目标函数，其中，PLA.max为空调群在t时刻响应后的实时功率上限，prc(t)max为响应时的分时电价的最大值，Pbase(t)为空调群在t时刻响应前的功率；P4.参数初始化步骤，初始化各个空调的空调功率Pi和对应的开关状态si；P5.粒子群初始化步骤，对所述优化目标函数G通过空间粒子群初始化，把目标函数中各个连续变量r分别随机选择ceil(r)进行向上取整或者随机选择floor(r)进行向下取整，得到对应的整数变量M，其中，rand()表示一个[0，1]之间的随机数；P6.粒子群更新步骤，计算所述粒子群响应后的个体速度vid和位置xid；vid＝ω×vid+c1×r1(pbestid-xid)+c2×r2(gbestid-xid)，其中，ω是惯性系数，c1和c2是取值大于等于0的学习因子，，r1和r2是[0，1]之间的随机数，pbestid表示粒子个体最优位置，gbestid表示每一次迭代后粒子群的最优位置；其中，1+exp(-vid))为使得xid的每一个分量都限制在[0，1]之间的转换限制函数；P7.求解步骤，以所述优化目标函数G作为适应度函数对所述聚合模型进行适应度评价，从而更新局部与全局最优解。P8.迭代判断步骤，判断是否达到最大迭代次数，如果达到，则结束计算并输出最优空调聚合群实时功率，否则，返回执行所述粒子群更新步骤。优选地，在所述参数获取步骤中，获取室温调节参数，其包括：室外温度To，室内温度Ti，房间等效热阻Ri，房间等效热容Ci和室内温度上限Tmax、室内温度下限Tmin；所述空调调节参数还包括空调群的能效比ηi＝[η1,η2,η3,...,ηn]，则空调群的总制冷能量Qi＝ηiPi。优选地，包括在所述参数获取步骤后执行的空调状态调节步骤，其根据室内温度来确认空调开关状态，计算t+1时刻的室内温度Tt+1，约束条件为Tmin≤T≤Tmax，其中，Tit表示第i个房间内t时刻的室内温度；表示t+1时刻的室外温度；s为空调开关状态，1表示空调开启，0表示空调关闭；Δt为时间间隔确认空调开关状态；计算t+1时刻空调的运行状态s(t+1)，优选地，在所述聚合模型构建步骤中，定义控制周期Tc包括空调连续开启时间Ton和连续关闭时间Toff，由室内温度计算公式可知，则空调连续开启时间Ton和连续关闭时间Toff为：优选地，根据Tc＝Ton+Toff，t时刻单台空调处于开机状态的概率Pon＝Ton/Tc；定义所述空调群的聚合模型的功率PLA在功率下限PLA.min和功率上限PLA.max之间，则：其中，n为空调数量，ηi为各个空调的能效比。优选地，在所述目标确认步骤中，以最小化参与需求响应的聚合空调的负荷削减量紧跟电网功率调度指令为目标确认电网调度性目标G1：G1＝(|Pbase(t)-PLA(t)|-Ptarget)2，其中，Ptarget为电网发布的功率指令的目标值。优选地，在所述目标确认步骤中，以最小化总体用户在需求响应时段的用电价格作为经济性指标，从而确认经济性目标G2：G2＝prc(t)*PLA(t)*t，其中，t为需求响应持续时间。优选地，在所述目标确认步骤中，权重系数取优选地，还包括在空调启闭步骤，对所有空调房间的实时温度从高到低进行排序，开启前n台空调使求解步骤中得到的实时功率Pi小于等于电网发布的功率指令的目标值，并关闭剩余的空调。还提供一种计算机可读存储介质，该存储介质存储有可执行计算机程序，计算机程序被控制器执行时能够实现上述基于改进离散型PSO算法的用电智能控制方法。本专利技术的有益效果：该基于改进离散型PSO算法的用电智能控制方法，从智能电网系统中获取空调数量、空调调节参数和分时电价信息等信息，从而构建空调负荷集群系统模型。在该模型中，以电网调度性指标和用户经济性指标经加权后得到优化目标函数G，使得空调负荷集群系统模型具有最大化需求响应能力，保证电网侧的削峰优化，本文档来自技高网...

【技术保护点】
1.基于改进离散型PSO算法的用电智能控制方法，其特征在于，包括如下步骤：/nP1.参数获取步骤，获取空调群的空调数量、空调调节参数和分时电价；/nP2.聚合模型构建步骤，获取空调群的运行状态

【技术特征摘要】
1.基于改进离散型PSO算法的用电智能控制方法，其特征在于，包括如下步骤：
P1.参数获取步骤，获取空调群的空调数量、空调调节参数和分时电价；
P2.聚合模型构建步骤，获取空调群的运行状态n为空调数量，si为每台空调的开关状态；所述空调调节参数包括空调群各台空调的制冷功率Pi＝[P1,P2,P3,...,Pn]，据此计算空调群的实时功率
P3.目标确认步骤，分别以作为电网调度性目标G1和经济性目标G2的权重系数，构建优化目标函数，



其中，PLA.max为空调群在t时刻响应后的实时功率上限，prc(t)max为响应时的分时电价的最大值，Pbase(t)为空调群在t时刻响应前的功率；
P4.参数初始化步骤，初始化各个空调的空调功率Pi和对应的开关状态si；
P5.粒子群初始化步骤，对所述优化目标函数G通过空间粒子群初始化，把目标函数中各个连续变量r分别随机选择ceil(r)进行向上取整或者随机选择floor(r)进行向下取整，得到对应的整数变量M，



其中，rand()表示一个[0，1]之间的随机数；
P6.粒子群更新步骤，计算所述粒子群响应后的个体速度vid和位置xid；
vid＝ω×vid+c1×r1(pbestid-xid)+c2×r2(gbestid-xid)，
其中，ω是惯性系数，c1和c2是取值大于等于0的学习因子，，r1和r2是[0，1]之间的随机数，pbestid表示粒子个体最优位置，gbestid表示每一次迭代后粒子群的最优位置；



其中，1+exp(-vid))为使得xid的每一个分量都限制在[0，1]之间的转换限制函数；
P7.求解步骤，以所述优化目标函数G作为适应度函数对所述聚合模型进行适应度评价，从而更新局部与全局最优解；
P8.迭代判断步骤，判断是否达到最大迭代次数，如果达到，则结束计算并输出最优空调聚合群实时功率，否则，返回执行所述粒子群更新步骤。


2.如权利要求1所述的基于改进离散型PSO算法的用电智能控制方法，其特征在于，在所述参数获取步骤中，获取室温调节参数，其包括：室外温度To，室内温度Ti，房间等效热阻Ri，房间等效热容Ci和室内温度上限Tmax、室内温度下限Tmin；所述空调调节参数还包括空调群的能效比ηi＝[η1,η2,η3,...,ηn]，则空调群的总制冷能量Qi＝ηiPi。


3.如权利要求2所述的基于改进离散型PSO算法的用电智能控制方法，其特征在于，包括在所述参数获取步骤后执行的空调状态调节步骤...

【专利技术属性】
技术研发人员：孙立明，
申请(专利权)人：广州水沐青华科技有限公司，
类型：发明
国别省市：广东;44