基于灰狼算法的多目标智能家居负荷控制算法

doi:10.16182/j.issn1004731x.joss.17-0188

系统仿真学报 ›› 2019, Vol. 31 ›› Issue (6): 1216-1222.doi: 10.16182/j.issn1004731x.joss.17-0188

基于灰狼算法的多目标智能家居负荷控制算法

鲍毅¹, 戴波², 汪志华¹, 王万良³

1. 杭州天丽科技有限公司,浙江杭州 310012;
2. 国家电网浙江省电力公司,浙江杭州 310007;
3. 浙江工业大学计算机学院,浙江杭州 310014

收稿日期:2017-06-01 修回日期:2017-07-10 出版日期:2019-06-08 发布日期:2019-12-12
作者简介:鲍毅(1982-),男,浙江杭州,本科,工程师,研究方向为电力自动化、需求响应;戴波(1969-),男,浙江杭州,本科,高工,研究方向为电力系统及其自动化;汪志华(1986-),女,浙江杭州,硕士,工程师,研究方向为需求侧管理。
基金资助:
国家电网公司科技项目(SGZJ0000BGJS 1500460)

Multi Objective Flexible Load Scheduling in Smart Home Based on Grey Wolf Algorithm

Bao Yi¹, Dai Bo², Wang Zhihua¹, Wang Wanliang³

1. Hangzhou Telek Technology Co., Ltd., Hangzhou 310012, China;
2. State Grid Corporation of China at Hangzhou, Hangzhou 310007, China;
3. Computer Science & Technology, Zhejiang University of Technology, Hangzhou 310014, China

Received:2017-06-01 Revised:2017-07-10 Online:2019-06-08 Published:2019-12-12

摘要/Abstract

摘要： 为实现智能家居负荷智能控制,以电器用电量为依据,设计三级电价模型。设计多参数舒适度模型,将开关电器和温度控制电器分类建模,以智能设备收集的温湿度、光照强度、人体活动情况数据为基础进行负荷优化控制。采用灰狼算法对多目标问题进行求解,灰狼算法在求解高维、多峰的复杂函数问题有其优越性,理论和实验分析都证明灰狼算法在求解精度和稳定性均优于粒子群算法和差分进化算法等。经过实验仿真分析,提出的算法能够兼顾用户舒适度的同时有效降低电器用电量。

关键词: 灰狼算法, 多目标, 柔性负荷, 智能电网, 智能家居

Abstract: A three level electricity price model is designed based on the electricity consumption. A comfort model of multi parameters is designed for optimizing the grid load control of temperature and the humidity, light intensity and human activity. Grey wolf algorithm is used to solve the multi-objective problem. The grey wolf algorithm has its superiority in solving high dimensional and multi peak of complex function problems. Theoretical and experimental analysis shows that the grey wolf algorithm in accuracy and stability is better than particle swarm optimization algorithm and differential evolution algorithm. The simulation results show that the proposed algorithm can make user comfort and reduce the power consumption.

Key words: grey wolf algorithm, multi objective, flexible load, smart grid, smart home

中图分类号:

TP3-0

鲍毅, 戴波, 汪志华, 王万良. 基于灰狼算法的多目标智能家居负荷控制算法[J]. 系统仿真学报, 2019, 31(6): 1216-1222.

Bao Yi, Dai Bo, Wang Zhihua, Wang Wanliang. Multi Objective Flexible Load Scheduling in Smart Home Based on Grey Wolf Algorithm[J]. Journal of System Simulation, 2019, 31(6): 1216-1222.

参考文献

[1] Heleno M, Matos M A, Lopes J A P, et al. Estimating the flexible residential load using appliances availability[C]// Power Engineering and Optimization Conference. IEEE, 2014: 352-357.
[2] 高雪莹, 唐昊, 苗刚中, 等. 储能系统能量调度与需求响应联合优化控制[J]. 系统仿真学报, 2016, 28(5): 1165-1172.
Gao Xueying, Tang Hao, Miao Gangzhong, et al.Joint optimization control of energy storage system management and demand response[J]. Journal of System Simulation, 2016, 28(5): 1165-1172.
[3] 高元海, 王淳, 游宇堃, 等. 满足辐射状约束的编码和遗传算子及其在配电网重构中的应用[J]. 系统工程理论与实践, 2016, 36(1): 234-242.
Gao Yuanhai, Wang Chun, You Yukun, et al.Coding and genetic operators of satisfying network radial constraint and application in distribution network reconfiguration[J]. Systems Engineering-Theory & Practice, 2016, 36(1): 234-242.
[4] Laki E, Arta G, Gubina A F.Agent-based modeling of the demand-side system reserve provision[J]. Electric Power Systems Research (S0378-7796), 2015, 124: 85-91.
[5] 王远, 陶烨, 袁军, 等. 一种基于HBase的智能电网时序大数据处理方法[J]. 系统仿真学报, 2016, 28(3): 559-568.
Wang Yuan, Tao Ye, Yuan Jun, et al.Approach to process smart grid time-serial big data on HBase[J]. Journal of System Simulation, 2016, 28(3): 559-568.
[6] 杨胜春, 刘建涛, 姚建国, 等. 多时间尺度协调的柔性负荷互动响应调度模型与策略[J]. 中国电机工程学报, 2014, 34(22): 3664-3673.
Yang Shengchun, Liu Jiantao, Yao Jianguo, et al.Model and strategy for multi-time scale coordinated flexible load interactive scheduling[J]. Proceedings of The Chinese Society for Electrical Engineering, 2014, 34(22): 3664-3673.
[7] 阮冰洁, 杨强, 颜文骏. 计及实时电价的柔性负荷系统需求侧响应机制研究[J]. 机电工程, 2015, 32(6): 857-862.
Ruan Bingjie, Yang Qiang, Yan Wenjun.Demand response under real-time price for domestic energy system[J]. Journal of Mechanical & Electrical Engineering, 2015, 32(6): 857-862.
[8] 张延宇, 曾鹏, 李忠文, 等. 智能电网环境下空调系统多目标优化控制算法[J]. 电网技术, 2014, 38(7): 1819-1826.
Zhang Yanyu, Zeng Peng, Li Zhongwen, et al.A multi-objective optimal control algorithm for air conditioning system in smart grid[J]. Power System Technology, 2014, 38(7): 1819-1826.
[9] Mirjalili S, Mirjalili S M, Lewis A.Grey Wolf Optimizer[J]. Advances in Engineering Software (S0965-9978), 2014, 69(3): 46-61.
[10] Logenthiran T, Srinivasan D, Shun T Z.Demand Side Management in Smart Grid Using Heuristic Optimization[J]. IEEE Transactions on Smart Grid (S1949-3053), 2012, 3(3): 1244-1252.
[11] Luo F, Zhao J, Wang H, et al.Direct load control by distributed imperialist competitive algorithm[J]. Journal of Modern Power Systems and Clean Energy (S2196-5625), 2014, 2(4): 385-395.
[12] Liu G, Tomsovic K.A full demand response model in co-optimized energy and reserve market[J]. Electric Power Systems Research (S0378-7796), 2014, 111(2): 62-70.

[1]	付建林, 丁国富, 张剑, 江海凡, 郭沛佩. 基于响应面和NSGA-II的AGV系统多目标优化配置[J]. 系统仿真学报, 2022, 34(5): 994-1002.
[2]	马琳, 张雪松, 雷新丽, 包铁. 面向CPU、GPU多目标机的混合求解器设计与实现[J]. 系统仿真学报, 2022, 34(4): 670-678.
[3]	张凯庆, 嵇启春. 速度时变的多中心半开放式车辆路径问题研究[J]. 系统仿真学报, 2022, 34(4): 836-846.
[4]	闫秀英, 党苗苗. 基于改进多目标粒子群算法的家庭用电时段优化[J]. 系统仿真学报, 2022, 34(1): 70-78.
[5]	李琪, 墨瀚林, 王向东, 李华. 短道速滑场景下的多目标跟踪与运动仿真[J]. 系统仿真学报, 2021, 33(5): 1039-1050.
[6]	冉险生, 杨静, 罗领, 陈凯. 多任务并行的摩托车悬架系统参数多目标优化[J]. 系统仿真学报, 2021, 33(5): 1216-1223.
[7]	汪润鸿, 王红军, 邹湘军, 曾泽钦, 李慧, 黄钊丰, 刘伟良. 基于混合粒子群算法的组合式变速箱传动比优化研究[J]. 系统仿真学报, 2021, 33(4): 825-836.
[8]	王洪峰, 张翼天, 陈景泽. 一种面向需求不确定性供应链的进化多目标仿真优化方法[J]. 系统仿真学报, 2021, 33(12): 2761-2770.
[9]	李霏, 苏中. 基于自适应免疫优化的污水处理过程控制[J]. 系统仿真学报, 2021, 33(12): 3012-3020.
[10]	李维刚, 李阳, 赵云涛, 严保康. 基于改进灰狼算法的粒子滤波算法研究[J]. 系统仿真学报, 2021, 33(1): 37-45.
[11]	魏乐, 李希金. 基于多目标的含风电场动态环境经济调度[J]. 系统仿真学报, 2020, 32(9): 1825-1830.
[12]	王晓锋, 陈阳, 张光杰, 陈建宇. 面向网络仿真拓扑的多目标优化映射方法[J]. 系统仿真学报, 2020, 32(8): 1436-1445.
[13]	张新艳, 周雨晴. 多载量小车节能调度的多目标动态规划算法[J]. 系统仿真学报, 2020, 32(4): 612-619.
[14]	张小雨, 邵春福. 城乡结合部道路交叉口多目标信号配时优化模型[J]. 系统仿真学报, 2020, 32(4): 709-717.
[15]	卿东升, 张晓芳, 李建军, 郭瑞, 邓巧玲. 基于蜂群-粒子群算法的天然林空间结构优化[J]. 系统仿真学报, 2020, 32(3): 371-381.

基于灰狼算法的多目标智能家居负荷控制算法

Multi Objective Flexible Load Scheduling in Smart Home Based on Grey Wolf Algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价