[发明专利]基于分布式估计算法楼宇负荷优化调度方法

说明书

本发明公开了一种基于分布式估计算法的楼宇负荷优化调度方法。首先对楼宇住户负荷分类并建立各类负荷与新能源数学模型和约束条件，进一步明确楼宇渡河优化调度的目标函数为降低住户总用电费用、总用电峰谷差和新能源丢弃率。通过分支配改进分布式算法应用于多目标优化，多目标分布式估计算法应用在非线性离散化的楼宇住户负荷模型中易陷入局部最优，因此根据分时电价建立分时电价概率模型改进多目标分布式估计法，增强种群的多样性和全局收敛能力。采用改进后多目标分布式估计算法对楼宇负荷用电进行优化调度，在保证住户用电的一定舒适度的条件下，降低楼宇住户总用电费用、总用电峰谷差和新能源丢弃率。

技术领域

本发明关于智能楼宇负荷用电自动需求响应领域，更准确的说是基于分布式估计算法楼宇负荷优化调度方法。

背景技术

随着社会经济快速发展，我国已进入大量消耗能源阶段，而自身能源又贫乏，我们必须重视用电节能和支持可再生能源的发展，才能实现能源消耗的可持续。为了充分发挥电价引导节能减排的作用,调动电力用户避峰就谷和合理用电积极性,保障电网和发电机组稳定运行，制定分时电价(Time-of-use tariff，TOU)。我国支持可再生能源发展消耗了大量人力物力，然而忽视了新能源的利用，出现了大量弃风弃光现象，因此急需增加风能和光能的消纳，才能提高新能源的利用率。基于峰谷分时电价，鼓励用电客户合理安排用电时间，削峰填谷，提高电力资源的利用效率。基于楼宇住户负荷用电调度，增加新能源的消纳，提高新能源的利用率，降低电网端的压力。

现阶段针对楼宇住户负荷模型的研究，从模型上对楼宇住户进行建模和负荷用电进行编码，设计了不同的多目标优化函数，采用粒子群优化算法、遗传算法、群智能优化算法和进化优化算法等对负荷模型进行优化寻找最优解；这些进化计算的算法对种群的分布具备强连续性，在负荷优化调度中最后需要二进制编码，导致二进制的优个体出现误差，并非全局最优解集。因此，对智能楼宇负荷编码需要采用二进制算法进行优化，在进化计算法算法中分布式估计算法对二进制编码种群优化效果好。

分布式估计算法是现阶段研究最新优化算法，分布式估计算法是进化计算特殊的一种算法，将其应用在楼宇负荷用电的编码中十分符合负荷用电行为编码，该算法基于遗传算法改进的一种算法，将原遗传算法中的交叉和变异剔除，建立了概率模型替换了交叉步骤，该算法中的概率模型为一种离散化选择规则，每一个变量中包含多个编码；该算法不断更新种群变量中每一个编码的概率模型，进而选出最优个体的过程。

分布式估计算法主要应用在离散化问题中，非线性高维度楼宇住户负荷用电模型为离散化二进制问题，应用该算法相对于群智能算法应用在该模型中不需要面对二进制编码问题，进而加快算法迭代过程中的速度。

发明内容

为了克服经典算法的二进制编码误差和非全局最优解问题，本发明利用二进制编码算法优化楼宇住户负荷用电调度，提出了基于分时电价差概率模型的分布式估计算法的优化调度方案，将智能楼宇用户负荷建模和用电数据导入模型进行优化调度分析，实现对用户负荷用电量的自动响应估算，实现下一次用户用电的优化调度，保证用户用电满意的前提下，提高用户用电的最优化调度。

为达到上述目的，本发明采用如下技术方案，包括以下步骤：

步骤1：加载楼宇住户负荷用电数据，识别各类负荷类型，将楼宇住户负荷用电数据导入到相应的负荷模型中；

步骤2：算法参数设置和种群初始化，设置种群规模100和迭代次数300，种群个体变量中的子变量进行二进制编码；

步骤3：计算楼宇住户负荷模型目标函数。根据楼宇住户负荷模型的目标函数minF＝[C,V,U]计算三维目标函数值；

步骤4：非支配排序改进分布式估计算法为多目标分布式估计算法，结合基于分时电价差概率模型改进多目标分布式估计算法。基于庄家法则非支配方法计算三维目标函数的支配系数，对支配系数进行由小到大排序；