劉 真，李文竹，任丹萍，劉 心

(河北工程大學(xué) 信息與電氣工程學(xué)院，河北 邯鄲056038)

基于實(shí)時(shí)電價(jià)預(yù)測(cè)的智能家居器具優(yōu)化調(diào)度

劉 真，李文竹，任丹萍，劉 心

(河北工程大學(xué) 信息與電氣工程學(xué)院，河北 邯鄲056038)

針對(duì)家庭器具優(yōu)化調(diào)度中電價(jià)預(yù)測(cè)誤差高和用戶舒適度衡量偏差大的問(wèn)題，提出了一種基于小波、微粒子群和自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(Wavelet-PSO-ANFIS，WPA)電價(jià)預(yù)測(cè)的家庭器具優(yōu)化調(diào)度算法。并在該算法中針對(duì)器具運(yùn)行時(shí)長(zhǎng)不同的問(wèn)題，提出了一種新穎的相對(duì)量化舒適度的方法。仿真結(jié)果表明，此電價(jià)預(yù)測(cè)方法在不犧牲計(jì)算復(fù)雜度的基礎(chǔ)上提高了預(yù)測(cè)精度，不僅可以權(quán)衡用戶的用戶支付和不滿意度，還可以降低系統(tǒng)的峰均比。

實(shí)時(shí)電價(jià)預(yù)測(cè)；WPA；器具優(yōu)化調(diào)度；相對(duì)量化舒適度

1 家庭器具調(diào)度系統(tǒng)

需求響應(yīng)(DR)作為智能電網(wǎng)的重要組成部分，為用戶和供應(yīng)商提供了更多選擇，是解決能源價(jià)格浮動(dòng)和能源消耗上漲的一種有效方法[1-2]。DR是通過(guò)用戶響應(yīng)電價(jià)變化或激勵(lì)支付，改變其固有的消費(fèi)模式，減少了用戶電力支付，并且保證了系統(tǒng)穩(wěn)定性[3-5]。用戶使用的平均電價(jià)模式并不能反應(yīng)實(shí)際的消耗價(jià)格，因此，針對(duì)平均電價(jià)的這種不足，提出了實(shí)時(shí)電價(jià)(RTP)、分時(shí)電價(jià)(TOU)和尖峰電價(jià)(CPP)[6-7]。分時(shí)電價(jià)和尖峰電價(jià)一個(gè)季度進(jìn)行一次管理，電價(jià)值是提前設(shè)定，但為了真實(shí)地反映用戶實(shí)際消耗和公共事業(yè)單位的電價(jià)水平，需要每小時(shí)進(jìn)行電價(jià)的更新與管理，實(shí)時(shí)電價(jià)具有更高的靈活性，每小時(shí)對(duì)電價(jià)進(jìn)行更新，符合智能家居[8-9]中通過(guò)電價(jià)的高低進(jìn)行器具調(diào)度的要求。因此，本文中以實(shí)時(shí)電價(jià)為基礎(chǔ)，對(duì)家庭器具進(jìn)行優(yōu)化調(diào)度，家庭器具調(diào)度系統(tǒng)如圖1所示。

優(yōu)化調(diào)度的前提是預(yù)測(cè)提前一天的實(shí)時(shí)電價(jià)。電價(jià)預(yù)測(cè)的方法有很多種，主要包括時(shí)間序列法，神經(jīng)網(wǎng)絡(luò)法和組合方法[10-11]。在文獻(xiàn)[12-13]中，采用時(shí)間序列法(ARIMA)對(duì)電價(jià)進(jìn)行了預(yù)測(cè)，這種方法需要的歷史數(shù)據(jù)少，計(jì)算速度快，但是相比于其他方法預(yù)測(cè)誤差較大；在文獻(xiàn)[14]采用神經(jīng)網(wǎng)絡(luò)(NN)對(duì)實(shí)時(shí)電價(jià)進(jìn)行電價(jià)預(yù)測(cè)，雖然神經(jīng)網(wǎng)絡(luò)方法相比于時(shí)間序列法預(yù)測(cè)精度得到了提高，但是當(dāng)每個(gè)小時(shí)電價(jià)值的變化相差較小時(shí)，仍會(huì)影響預(yù)測(cè)效果。本文為了更加精確地預(yù)測(cè)實(shí)時(shí)電價(jià)，以西班牙的歷史電價(jià)為基礎(chǔ)[15]，采用小波、微粒子群和自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(Wavelet-PSO-ANFIS，WPA)組合的方法預(yù)測(cè)實(shí)時(shí)電價(jià)。通過(guò)與其他電價(jià)預(yù)測(cè)的方法(ARIMA， W-ARIMA， NN)比較，表明了本文采用的這種電價(jià)預(yù)測(cè)方法在不犧牲計(jì)算復(fù)雜度的前提下，大大提高了電價(jià)預(yù)測(cè)精度。

圖1 智能家居系統(tǒng)

其次，關(guān)于家庭器具的優(yōu)化調(diào)度，學(xué)者也在不斷的研究。文獻(xiàn)[16-17]中通過(guò)不同的優(yōu)化調(diào)度方法，減少了用戶的電力支付，把保證了系統(tǒng)的穩(wěn)定性，但是忽略了對(duì)用戶舒適度的考慮；文獻(xiàn)[18]中通過(guò)結(jié)合可再生能源的可用性預(yù)測(cè)和市場(chǎng)電價(jià)預(yù)測(cè)技術(shù)，為家用電器分配動(dòng)態(tài)優(yōu)先權(quán)，實(shí)現(xiàn)智能家居能源消耗的有效管理和調(diào)度，但是缺乏節(jié)能與體驗(yàn)質(zhì)量的均衡性考慮與分析；文獻(xiàn)[5，19]提出的優(yōu)化調(diào)度算法權(quán)衡了用戶的電力支付與用戶的舒適度。但是以上的研究中均沒(méi)有考慮器具的特殊性，沒(méi)有針對(duì)家庭中不同器具的特性，考慮用戶對(duì)不同器具延遲或者提前的影響。

針對(duì)器具的工作時(shí)長(zhǎng)不同，文中提出了一種相對(duì)量化用戶舒適度的方法，采用該方法解決了用戶對(duì)不同器具延遲或者提前產(chǎn)生不同敏感度的問(wèn)題，應(yīng)用數(shù)學(xué)方法衡量了用戶對(duì)不同器具的滿意度。本文建立了關(guān)于用戶電力支付和用戶舒適的線性規(guī)劃模型，通過(guò)優(yōu)化調(diào)度有效地權(quán)衡了用戶的電力支付與用戶的舒適度，降低了系統(tǒng)的峰均比，保證了供電方系統(tǒng)的穩(wěn)定性。

2 實(shí)時(shí)電價(jià)預(yù)測(cè)

準(zhǔn)確的電價(jià)預(yù)測(cè)對(duì)于供應(yīng)商和用戶都存在重大意義。供應(yīng)商利用預(yù)測(cè)的電價(jià)來(lái)策略投標(biāo)，風(fēng)險(xiǎn)評(píng)估和制作投資計(jì)劃等；用戶則根據(jù)預(yù)測(cè)的電價(jià)重新安排器具。

2.1 利用WPA進(jìn)行實(shí)時(shí)電價(jià)的一般步驟

WPA方法是一種混合方法，在電價(jià)預(yù)測(cè)中小波、PSO和ANFIS對(duì)于提高預(yù)測(cè)精度各有不同的用途。其中，小波轉(zhuǎn)換將價(jià)格序列轉(zhuǎn)換為一系列基本序列，這些基本序列比原始的價(jià)格序列表現(xiàn)出更好的性質(zhì)，因此，可以更加精確地預(yù)測(cè)。它用在電價(jià)預(yù)測(cè)的第一階段和最后一階段。ANFIS結(jié)合了NN的自我學(xué)習(xí)能力和模糊推理的語(yǔ)言表達(dá)能力，應(yīng)用于非線性預(yù)測(cè)，利用過(guò)去的樣本來(lái)預(yù)測(cè)未來(lái)的樣本，而PSO用于提高ANFIS的性能，調(diào)整隸屬函數(shù)來(lái)實(shí)現(xiàn)低的錯(cuò)誤。電價(jià)預(yù)測(cè)的具體步驟如圖2所示。

圖2 WPA電價(jià)預(yù)測(cè)流程圖

第一步：價(jià)格序列的分解。對(duì)價(jià)格序列按照小波分析法進(jìn)行分解，得到高頻序列和低頻序列。

第二步：高頻和低頻序列的預(yù)測(cè)。對(duì)每個(gè)序列進(jìn)行預(yù)測(cè)時(shí)，首先確定PSO的種群大小，用初始化的種群代替ANFIS的前件參數(shù)，根據(jù)前件參數(shù)計(jì)算后件參數(shù)的值，從而計(jì)算網(wǎng)絡(luò)誤差，將該網(wǎng)絡(luò)誤差作為粒子群的適應(yīng)度值。接著更新粒子的速度和位置從而得到ANFIS的各參數(shù)。最后利用ANFIS對(duì)這些序列逐步訓(xùn)練以確定最佳模型，通過(guò)該模型預(yù)測(cè)所有序列。

第三步：將預(yù)測(cè)的序列重構(gòu)為原來(lái)序列的預(yù)測(cè)值。

2.2 利用WPA預(yù)測(cè)西班牙的實(shí)時(shí)電價(jià)

本節(jié)選取西班牙2013年3月到5月的電價(jià)作為訓(xùn)練數(shù)據(jù)，預(yù)測(cè)出2013年6月1日07：00到6月2日06：00的24小時(shí)的電價(jià)。PSO的參數(shù)設(shè)置如表1所示。圖3是利用文中提出WPA方法預(yù)測(cè)的電價(jià)與實(shí)際電價(jià)的對(duì)比圖。

表1 PSO的參數(shù)設(shè)置

PSO參數(shù)數(shù)值種群大小20加速常數(shù)C1和C22迭代次數(shù)800初始慣性權(quán)重1最終慣性權(quán)重05

圖3 2013年6月1日的實(shí)時(shí)電價(jià)和預(yù)測(cè)電價(jià)

2.3 不同的實(shí)時(shí)電價(jià)預(yù)測(cè)方法

根據(jù)式(1)計(jì)算了ARIMA、W-ARIMA、NN和WPA的平均絕對(duì)百分比誤差(MAPE)。由表2數(shù)據(jù)可知，文中提出的WPA的預(yù)測(cè)效果優(yōu)于其他幾種方法。

(1)

表2MAPE計(jì)算結(jié)果

預(yù)測(cè)方法MAPEARIMA667Wavelet-ARIMA611NN591WPA437

2.4 電價(jià)模式

為了防止用戶在低電價(jià)時(shí)段開(kāi)啟大量器具，本文中采用實(shí)時(shí)電價(jià)與斜坡塊率(IBR)結(jié)合的電價(jià)模型

(2)

3 優(yōu)化調(diào)度模型

根據(jù)器具自身特性和用戶的行為習(xí)慣，將家庭器具進(jìn)行分類(lèi)：非實(shí)時(shí)器具和實(shí)時(shí)器具。為了滿足用戶需求器具運(yùn)行時(shí)間不能延時(shí)，當(dāng)器具到達(dá)運(yùn)行時(shí)間后必須馬上開(kāi)啟，這類(lèi)器具被指定為實(shí)時(shí)器具，例如：電視、電腦、電燈等；而熱水壺、洗衣機(jī)、電飯煲等家庭器具可以根據(jù)所接收到的電價(jià)信息調(diào)度操作時(shí)間，減少電力支付，這類(lèi)器具被稱為非實(shí)時(shí)器具。將家庭器具的優(yōu)化調(diào)度范圍設(shè)定為一天(2013年6月1日07：00到6月2日06：00)，利用H表示優(yōu)化調(diào)度空間，則調(diào)度時(shí)隙 h∈[1，2，…， H]。A表示非實(shí)時(shí)器具，對(duì)于每個(gè)器具a∈A，在時(shí)隙h的能耗是ea，h。

3.1 目標(biāo)函數(shù)

目標(biāo)函數(shù)的目的是最小化用戶的支付成本，包括電力成本和用戶舒適度成本。

3.1.1 用戶電力支付

在所預(yù)測(cè)的實(shí)時(shí)電價(jià)基礎(chǔ)上，用戶的電力成本被公式化為

(3)

3.1.2 用戶不滿意度

由于家庭中不同器具的工作時(shí)長(zhǎng)不同，為了權(quán)衡用戶對(duì)不同器具的滿意度問(wèn)題，我們提出了一個(gè)量化舒適度的方法，即在用戶可以容忍器具的工作時(shí)段內(nèi)，利用優(yōu)化調(diào)度后器具的工作時(shí)隙和用戶最滿意器具的工作時(shí)隙的相對(duì)距離與用戶可容忍器具工作時(shí)隙總數(shù)之比來(lái)表示用戶的滿意度

(4)

(5)

式中：ψa是器具a優(yōu)化調(diào)度后的實(shí)際開(kāi)啟時(shí)隙；γa是用戶最滿意器具a的開(kāi)啟時(shí)隙；la是器具a工作完成需要的總時(shí)隙數(shù)；λa是器具a在舒適度成本中所占的權(quán)重，λa=w/la；Za表示用戶對(duì)器具a的不滿意度；Z表示用戶的不滿意度。

3.2 約束條件

為了滿足目標(biāo)函數(shù)，達(dá)到最小的用戶電力支付成本與用戶的舒適度成本，需要滿足以下約束條件。

3.2.1 能耗約束

在調(diào)度過(guò)程中為了保證器具a可以完成操作，所需的能源是

(6)

式中：αa和βa分別表示用戶能夠容忍的器具a運(yùn)行的開(kāi)始時(shí)隙和結(jié)束時(shí)隙；Ea表示器具a完成操作需要的總能耗。

為了保證系統(tǒng)的穩(wěn)定，每個(gè)時(shí)隙器具的能耗有限，假設(shè)Emax，h為時(shí)隙h的最大能耗上限

(7)

3.2.2 舒適度約束

為了保證用戶的舒適度，每個(gè)器具的不滿意度需要小于用戶對(duì)該器具的最大不滿意值m

Za≤m

(8)

3.3 線型規(guī)劃模型

結(jié)合式(3)和式(5)，本文中提出的用戶支付的目標(biāo)函數(shù)為

(9)

由于式(9)是不可微分的，所以將目標(biāo)函數(shù)(9)進(jìn)行優(yōu)化。結(jié)合式(2)，每個(gè)時(shí)隙的電力支付被重新公式化：

當(dāng)h時(shí)隙家庭器具的能耗0 ≤lh≤Emax，h時(shí)，用戶的電力支付Pa為

(10)

(11)

因此

(12)

引入二進(jìn)制決策變量xa，h，當(dāng)xa，h= 0表示器具a在時(shí)隙h開(kāi)啟；xa，h= 1表示器具a在時(shí)隙h關(guān)閉。則式(11)被重新公式化為

(13)

通過(guò)上述變換，所提出的最小支付的調(diào)度問(wèn)題被公式化為如下整數(shù)線性規(guī)劃模型

(14)

式中：w1，w2分別為電力成本與舒適度在成本支付中的權(quán)值，w1+w2=1。

4 仿真驗(yàn)證

這一部分，利用計(jì)算機(jī)軟件MATLAB和CPLEX仿真驗(yàn)證來(lái)評(píng)估提出的基于電價(jià)預(yù)測(cè)的家庭器具優(yōu)化調(diào)度方法的性能。假設(shè)住宅在仿真過(guò)程中器具的參數(shù)設(shè)定如表3所示。時(shí)隙長(zhǎng)度為10min，則時(shí)隙t∈T=[1，2，3，…，144]。假設(shè)本文中所有器具的運(yùn)行時(shí)間均為用戶能夠容忍的器具的工作范圍。

表3 各種器具開(kāi)始時(shí)間的參數(shù)

L器具a器具可容忍的工作時(shí)隙γapa/kmlaL<1h(A1)電熱水壺11～123171熱水器272～9078155洗衣機(jī)378～9084054電飯煲460～7866133L<1h(A2)加濕器596～126990112電動(dòng)汽車(chē)6102～1381022224抽水泵796～13296218

4.1 電力成本與不滿意度的關(guān)系

通過(guò)表4中的3種案例來(lái)說(shuō)明用戶不滿意度與電力成本的關(guān)系。案例1：首先假設(shè)用戶對(duì)器具的不滿意度上限m=2，考慮用戶的電力成本，即w1=1，w2=0時(shí)，對(duì)家庭器具進(jìn)行優(yōu)化調(diào)度。圖4是經(jīng)過(guò)優(yōu)化調(diào)度后器具的實(shí)際操作時(shí)隙。然后將表3與圖4中數(shù)據(jù)帶入式(4)可以得出每個(gè)器具的不滿意度值，如表5所示。此時(shí)，用戶的不滿意度Z=3.072，用戶的電力支付Pa=50.95 cents；案例2：只考慮用戶的最小電力成本，不考慮其他兩個(gè)因素，即w1=1，w2=0時(shí)，m可以無(wú)限大，則用戶不滿意度Z=5.357，用戶的電力支付Pa=41.39 cents；案例3：不考慮m與Pa，只考慮用戶的不滿意度，即w1=0，w2=1，此時(shí)不滿意度Z=0，用戶的電力支付為65.89 cents。

表4 案例研究總結(jié)

案例mPaZ1√√—2—√—3——√

圖4 優(yōu)化調(diào)度后器具的工作時(shí)隙

器具aZa電熱水壺2熱水器7/5洗衣機(jī)0電飯煲2加濕器1/4電動(dòng)汽車(chē)3/4抽水泵4/3

通過(guò)比較以上3種案例，發(fā)現(xiàn)用戶的電力支付與用戶的不滿意度成反比。因此，可以通過(guò)對(duì)器具的優(yōu)化調(diào)度來(lái)權(quán)衡用戶的電力支付與用戶的不滿意度。

4.2 量化舒適度的影響

以上一節(jié)中案例1為對(duì)象說(shuō)明本文中所提出的相對(duì)量化舒適度的性能。根據(jù)表 3中的數(shù)據(jù)可知，電飯煲的實(shí)際開(kāi)啟時(shí)間比用戶最滿意的開(kāi)始時(shí)間提前了6個(gè)時(shí)隙，而電動(dòng)汽車(chē)的實(shí)際開(kāi)啟時(shí)間比用戶最滿意的開(kāi)啟時(shí)間延后了18個(gè)時(shí)隙。通過(guò)文獻(xiàn)[5]中的方法，單從時(shí)隙方面來(lái)看，電動(dòng)汽車(chē)對(duì)用戶造成的影響較大。但是，電動(dòng)汽車(chē)的工作時(shí)長(zhǎng)相比于電飯煲要長(zhǎng)，只采用這種方法無(wú)法準(zhǔn)確衡量用戶的滿意度。所以采用本文中提出的相對(duì)量化方法，可以得出電動(dòng)汽車(chē)的不滿意度是3/4，而電飯煲的不滿意度為2，如表 5所示。因此，電飯煲開(kāi)啟時(shí)間的改變相比于電動(dòng)汽車(chē)對(duì)用戶的影響較大。

這種針對(duì)不同的器具特性，采用相對(duì)量化的方法，可以更加準(zhǔn)確的衡量出器具延遲或者提前對(duì)用戶造成的影響，提高用戶的舒適度。

4.3 用戶的支付成本

以上一節(jié)中案例1為例，說(shuō)明優(yōu)化調(diào)度對(duì)系統(tǒng)性能的影響。本節(jié)通過(guò)用戶的電力支付評(píng)估文中提出的優(yōu)化調(diào)度方案的性能。圖5中顯示出優(yōu)化調(diào)度前與優(yōu)化調(diào)度后用戶的電力支付從65.89美分降低到50.95美分，降低了22.67%。圖6中表明了一個(gè)月內(nèi)用戶每天優(yōu)化調(diào)度前與優(yōu)化調(diào)度后的電力支付，一個(gè)月內(nèi)用戶的電力支付從20.32美元降低到 15.98美元。

利用式(15)計(jì)算系統(tǒng)的分均比可知，通過(guò)使用優(yōu)化調(diào)度算法系統(tǒng)的平均PAR從5.65降低到4.57，降低了19.1%。

(15)

仿真結(jié)果表明利用文中所提出的優(yōu)化調(diào)度算法不僅可以減少用戶的電力支付，還可以降低系統(tǒng)的峰均比，保證系統(tǒng)的穩(wěn)定性。

圖5 優(yōu)化調(diào)度前與優(yōu)化調(diào)度后用戶的電力支付

圖6 一個(gè)月中用戶每天的電力支付

5 結(jié)束語(yǔ)

本文將WPA電價(jià)預(yù)測(cè)方法應(yīng)用到智能家居中的實(shí)時(shí)電價(jià)預(yù)測(cè)。這種方法不僅保證了電價(jià)預(yù)測(cè)的預(yù)測(cè)精度，還保證了所預(yù)測(cè)電價(jià)的實(shí)時(shí)性。在預(yù)測(cè)的實(shí)時(shí)電價(jià)基礎(chǔ)上，提出了一種家庭器具的優(yōu)化調(diào)度算法，權(quán)衡了用戶的電力支付與用戶的舒適度問(wèn)題，并且在文中提出了一種相對(duì)量化舒適度的方法，解決了器具由于工作時(shí)長(zhǎng)不同，造成的用戶對(duì)不同器具延遲或者提前工作產(chǎn)生不同影響的問(wèn)題。

[1] TRIPLET M. The market for demand response-the DR maturity model perspective[J]. Power Engineering， 2013， 117(5)： 14-14.

[2] Smart Grid[EB/OL].[2015-04-12].http：//energy.gov/oe/technology-development/smart-grid.

[3] YI P， IWAYEMI A. Real-time opportunistic scheduling for residential demand response[J]. IEEE Trans. Smart Grid，2013，4(1)：227-234.

[4] PALENSKY P， DIETRICH D. Demand side management： demand response， intelligent energy systems， and smart loads[J]. IEEE Trans. Industrial Informatics， 2011， 7(3)： 381-388.

[5] SETLHOLO D， XIA XiaoHua， ZHANG JiangFeng. Optimal scheduling of household appliances for demand response[J]. Electric Power Systems Research， 2014(116)：24-28.

[6] 田世明，王培培，張晶.智能電網(wǎng)下的需求響應(yīng)關(guān)鍵技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(22)：3576-3589.

[7] 羅達(dá)， 付蔚， 蔡林沁，等. 一種智能家居系統(tǒng)的集群識(shí)別調(diào)度的研究[J].電視技術(shù)， 2012， 36(19)： 8-10.

[8] 朱敏玲，李寧. 智能家居發(fā)展現(xiàn)狀及未來(lái)淺析[J].電視技術(shù)，2015，39(4)：82-96.

[9] 馬曉檳.智能家居，智慧生活[J].電視技術(shù)，2014，38(SI)：54-66.

[10] 張顯，王錫凡.短期電價(jià)預(yù)測(cè)綜述[J].電力系統(tǒng)自動(dòng)化，2006，3(3)：92-101.

[11] 鄧佳佳，黃元生，宋高峰.基于非參數(shù)GARCH的時(shí)間序列模型在日前電價(jià)預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù)，2012，36(4)：190-196.

[12] NOGALES F J， CONTRERAS J， CONEJO A J. Forecasting next-day electricity prices by time series models[J]. IEEE Trans. Power Systems， 2002， 17(2)：342-348.

[13] CONEJO A J， PLAZAS M A， ESPINOLA R. Day-ahead electricity price forecasting using the wavelet transform and ARIMA models[J].IEEE Trans. Power Systems， 2005， 20(2)：1035-1042.

[14] CATALAO J P S， MARIANO S J P， MENDES V M F. Short-term electricity prices forecasting in a competitive market： a neural network approach[J]. Electric Power Systems Research， 2007， 8(6)：1297-1304.

[15] Market operator of the electricity market of mainland spain[EB/OL].[2015-04-12]. http：//www.omel.es/.

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

[17] LIU Xin， IVANESCU L， KANG R， et al. Real-time household load priority scheduling algorithm based on prediction of renewable source availability[J]. IEEE Trans. Consumer Electronics， 2012， 58(2)：318-326.

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

[19] MOHSENIAN-RAD A H， GARCIA A L. An optimal power scheduling method for demand response in home energy management system[J]. IEEE Trans. Smart Grid， 2013， 4(3)：1391-1400.

責(zé)任編輯：時(shí) 雯

Optimal Scheduling Method of Appliances Based on Real-time Electricity Price Forecasting in Smart Home

LIU Zhen，LI Wenzhu，REN Danping， LIU Xin

(School of Information and Electric Engineering， Hebei University of Engineering，Hebei Handan 056038， China)

Aiming at the problem of the high error of price forecasting and the low accuracy of user satisfaction in optimal scheduling of appliances， an optimal scheduling algorithm of appliances based on a novel hybrid approach is presented， combining wavelet transform， particle swarm optimization， and adaptive-network-based fuzzy inference (Wavelet-PSO-ANFIS， WPA) system. In addition， according to appliances’ different length of operation time， a relative quantitative method of user comfort is proposed to measure user satisfaction of different appliances. Simulation results show that the proposed electricity price forecasting method presents better forecasting accuracy with an acceptable computation time. The proposed optimal scheduling method of household appliances can benefit both users， by balancing their electricity cost and user satisfaction， and utility companies， by reducing the peak-to-average ratio.

real-time electricity price forecasting； WPA； optimal appliances scheduling； relative quantitative method of user’s comfort

國(guó)家自然科學(xué)基金項(xiàng)目(61440001)；教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目(NCET-13-0770)；河北省高等學(xué)校高層次人才科學(xué)研究項(xiàng)目(GCC2014062)；河北省高等學(xué)?？茖W(xué)技術(shù)研究項(xiàng)目(ZH2012020；QN20131064)

TP273

A

10.16280/j.videoe.2015.20.011

劉 真(1990— )，女，碩士生，主要研究方向?yàn)橹悄茈娋W(wǎng)；

李文竹(1979— )，女，碩士，助教，主要研究方向?yàn)橹悄茈娋W(wǎng)、寬帶接入；

任丹萍(1984— )，女，講師，博士，主要研究方向?yàn)楣饫w無(wú)線混合接入網(wǎng)絡(luò)；

劉 心(1980— )，教授，博士后，主要研究方向?yàn)橹悄茈娋W(wǎng)、下一代光網(wǎng)絡(luò)與寬帶接入。

2015-05-15

【本文獻(xiàn)信息】劉真，李文竹，任丹萍，等.基于實(shí)時(shí)電價(jià)預(yù)測(cè)的智能家居器具優(yōu)化調(diào)度[J].電視技術(shù),2015，39(20).