模糊漏桶系统智能管理的电力消费弹性负载在智能电网

介绍

高效的能源管理是至关重要的一个话题向智能电网的实现。鉴于的交付和分布限制电力由网格的基础设施、智能能源管理的问题已经重新审视(Tsoukalas和高,2008)。信息技术的进步和电力系统的耦合引发了智能电网的术语,这是可视化为弹性基础设施确保24/7能源交付和提供利用间歇来源,如可再生能源(Shafiullah et al ., 2010)。因此,智能电网的信息丰富的网格环境中参与者可以访问各种异构信息的情态动词。消费者,包括网格的绝大多数参与者,利用可用的信息针对满足负载需求,尽可能最低的成本(Alamaniotis et al ., 2018)。

电气智能电网的基石之一将是智能系统的使用能耗的有效管理。因此,能源管理从消费者方面应该被视为服务两个目的:(i)首先是变形的需求以这样一种方式,以确保不间断网格操作,和(2)第二种是变形的,消费者的需求有一个经济效益(即。、低能耗费用)(Alamaniotis et al ., 2014)。对于消费者,需求管理主要是指操作的调度的电器驻留在居民的前提。每个电器都有不同的用途,因此,它有不同的操作特征和不同的负载值。然而,加载在一个居民可以分配给一个两个主要类:(i)无弹性负载的需求,和(2)弹性负载需求(Thimmapuram和金,2013年)。第一节课(即。,我nel一个年代t我cdemand) encompasses all that load demand that cannot be curtailed or postponed; this type of load has to be satisfied in its entirety at specific time intervals (Alamaniotis et al ., 2018)。例如,电力需求开门冰箱操作操作非弹性考虑到冰箱里不停地保留其内容。第二类包括所有这些负载,可以减少或推迟以后;换句话说,弹性需求不得满足,这意味着没有操作的电器。弹性负载的一个例子是咖啡机的操作可能发生后或取消(即。,使用另一个饮料,如苹果汁)。

很明显从上述类型的负荷需求弹性负载可能成功,如果有效,那么它可能有利于消费者,并在第二个电网的操作。常见的是消费者感知有效管理需求的满足他/她的全部同时保持消费支出(即。、电费)低(Alamaniotis et al ., 2018)。此外,如果成本变高,那么消费者倾向于限制他们的需求结果不能完全满足他们的总需求(巴巴et al ., 2013)。因此,弹性负载的管理成为一个复杂的决策,是受几个因素的影响。这样的环境要求决策以自动的方式进行,因为人类的消费不能决定24/7。最重量的因素负荷消费决策开门是电价。动态电价变化引发了价格指导电力市场,价格是由计量经济学模型来鼓励或抑制电力消耗(Saez-Gallego et al ., 2016)。在这样的市场,消费者必须遵循24/7的价格,使各自的购买决策,减少开支(Chrysikou et al ., 2015)。虽然主意听起来很有吸引力,人类不可能不间断地监控市场价格和相应的决定。因此,自动化系统决策代表人类的消费是必要的(金和Mechehoul, 2010年)。

在这个手稿,消费者的需求弹性负载的自动化管理的背景下,智能电网是感兴趣的。几种方法,属于“需求响应”的一般方法,提出了处理弹性负荷管理。大多数的这些系统采用各种建模和分析方法,包括从机器学习和统计方法。特别是,在杨et al。(2016)多目标随机优化配方用于建模价格弹性和负载之间的关系,而在麦肯纳和基恩(2014)蒙特卡罗模拟方法讨论了居民消费弹性的概率建模。此外,一个混合的方法,介绍了集成了人工神经网络与小波Paterakis et al。(2016)和消费者的的聚类方法概要介绍了基于弹性需求Dasgupta et al。(2019)。在巴斯克斯et al。(2011)管理系统旨在改善弹性负载的智能家居通过使用普遍的系统和统计信息取自负载在奥地利的国家。此外,对数建模提出了直接弹性负载控制Farahani et al。(2012),而一个模型预测驱动弹性加载控制提出了效用函数施et al . (2018)。忠实的方法,执行管理的分布式能源资源介绍了通过使用一个定价方案Mhanna et al。(2017),一个动态价格计划的焦点Althaher et al。(2015)控制操作的智能设备考虑消费者的舒适区。在休伯特和Grijalva (2012)和崔和陈(2012)设备控制的需求反应是建模为复杂的优化的解决方案是最优的家庭能源消耗管理成本,而在Erdinc et al。(2014)家庭消费的一个优化问题,考虑电动汽车的需求。此外,家电的需求反应工具在可再生能源可用性提出了Althaher和Mutale (2012)一个算法,考虑需求响应在国内消费的反弹效应提出了李et al。(2012)。博士一个智能方法,综合负荷预测和预定的操作进度的设备基础上介绍了用电价格的时间Ozturk et al。(2013)类似的方法,专注于高功耗设备提出了Pipattanasomporn et al。(2012)。一种不同的方法在这种情况下,消费者报告使用和允许效用决定中所谈到的设备操作曹et al。(2012),而在Kamyab et al。(2015)博士的问题被认为是一个游戏多个供应商和客户之间没有深入研究设备水平。

值得注意的是,有大量的作品都集中在预测的方式来执行负载管理。绝大多数的这些作品都是基于人工智能工具旨在准确预测负荷的需求讨论迪桑托et al。(2018)和Fallah et al。(2018)。上述工作不直接处理的管理弹性负载的消费者和他们不认为智能电器只处理弹性加载,或者他们这么做完全与价格相关。此外,人工智能工具的使用弹性负载非常有限,允许新的和更复杂的方法。此外,没有当前的作品充分利用智能电网的连接和信息丰富的环境。因此,需要新的智能方法管理消费者的弹性负载连接到智能电网。

本文的新智能系统管理弹性负载的消费者。该系统实现了一个模糊漏桶(艾龙铝基合金,2010)的意思是管理弹性负载电力消费。特别是,该系统是基于模糊系统的开发,利用几条信息(Tsoukalas Uhrig, 1997),包括电价,控制令牌漏桶的速度。的贡献本文包含:(i)模糊系统的开发,实现了一个漏水的水桶的方法,(2)应用模糊漏桶的弹性负载管理,(3)利用多变量超出电力价格决策、和(iv)一个全自动的能源管理系统的引入,(v)的介绍和测试的智能电网的实时决策系统。的概念模糊漏桶之前一直在控制电力系统中节点的功率流Alamaniotis et al。(2016),而一个简单的实现设备调度的智能家居Alamaniotis和Ktistakis (2018)。因此,本文的目标是:(a)在全部细节模糊漏桶弹性负载家里管理、(b)测试方法在真实世界的数据,和(c)突出方法测试得出的结论。

论文的路线图如下。在下一节中,简要描述的漏桶方法用于控制,而在部分模糊漏桶弹性负荷管理系统开发管理系统介绍和解释其步骤。弹性负载管理给出了部分测试结果的应用系统在现实世界数据消费一组文件并讨论了结果。最后,结论部分总结了论文的主要观点和总结。

背景:漏水的桶的方法

漏水的桶是一个算法,发现广泛使用在几个工程应用程序控制流程的要求。它模仿的方式,水满桶泄漏,可能溢出时传入流量高于泄漏率。一般来说,它已被用于控制离散事件或限制动作的频率与这些事件有关。漏水的桶的大多数演示应用程序域的通信网络(包交换计算机网络),它用于控制数据包传输通过定义通道带宽(Bertsekas et al ., 1992)。总的来说,漏水的桶方法确保一些序列的离散事件的速度仍然严格定义范围内。

可视化的漏水的桶中提供了方法图1,相关的流率water-incoming leaking-are标记为F L,分别。流量的绝对值定义桶的状态,这可能会以两种状态之一:(i)斗状态被定义为溢出当来流率高于泄漏,即。L F >, (ii)桶被定义为状态non-flown泄漏率高于传入时,即F < l .中以图形方式描述的两个州图2。

基于漏桶的定义,桶本身可能认为在两种不同的方式。特别是,在第一种方法模拟的桶被视为一个事件计数器,而第二种方法模拟的桶被视为一个事件队列。应该注意的是,对于目前的手稿采用第二种观点,即。桶是视为离散事件——一个队列。

考虑漏桶的事件队列引发了另一个算法,用于数据包流控制和采用令牌的使用计数器。令牌漏桶的方法描述了驱动图3,观察到两个缓冲组件(数据的并发操作和令牌缓冲区。第一个缓冲区。,thed一个t一个buffer, receives and stores data packets, while the second one, i.e., the token buffer, receives and stores a sequence of tokens that arrive with a rateR。令牌存储在缓冲区的数量与一个预定义的阈值进行比较,当这个令牌人口等于超过阈值然后从数据缓冲区传输一个包。在这一点上应该注意,数据缓冲区实现队列先进先出(FIFO队列),因此每次令牌阈值满足“古老”数据包传输。此外,数据缓冲区存储大小有限,导致缓冲区溢出,当包到达率高于传入令牌率。在情况下,数据缓冲区溢出,那么新传入的数据包不存储,最终丢失。总的来说,这种方法允许包传输的自动化控制通过两个参数:令牌率和阈值。

目前的手稿是令牌的兴趣驱动的方法。采用这种方法的原因是,从广泛的角度模拟的数据包负载由一个电器的需求,而决定因素的模拟令牌。

模糊漏桶弹性负荷管理系统

问题陈述

从需求侧负荷管理是指调度电力消费的方式,对消费者是最优的。弹性负载是由消费任务,可能会被取消或延迟在稍后的时间。每个任务与电器的操作相关联。在当前的工作中,假设是家用电器智能分享功能,它们能够与智能电表通信,使电力能源采购。此外,它假定智能电表连接到智能电网和从电网能够接收信息。此外,电价变化动态,并宣布每1 h,虽然他们为即将到来的小时保持有效。关于弹性加载,每一个智能设备能够知道先天的操作所需的时间,消耗一定的电能。

强加的限制消费的物理能力交付。例如,行提供电能的能力有限C。考虑到非弹性负载,表示我,必须满足最大的弹性,可以安排

在哪里t代表时间的小时的天,也就是说,t= 1,…,24岁。弹性负载的最小值= 0意味着没有弹性负载调度。

模糊漏桶系统

在本节中,模糊系统,实现了一个漏水的水桶的方法。提出了模糊漏桶系统遵循一个令牌驱动方法;因此,它的体系结构,描述了图4包含两个缓冲组件。特别是,两个缓冲区:(i)的动态加载缓冲区接收并存储弹性负载的任务,和(2)令牌缓冲区接收并存储令牌。

动态加载缓冲的目的是确保计划弹性负载的数量不会超过最大值我(t)。为此,存储容量是动态的,存储容量等于我(t每小时)。通过设置的缓冲区大小等于我(t)聚合的漏桶可能安排任务负载不超过我(t)。因此,系统保护,这个极限肯定会满意,因为过度的任务不是存储在负载缓冲区(缓冲是确认为溢出)。

令牌缓冲接收令牌,并与阈值T所示图4。当缓冲区的令牌的数量等于或超过T,然后令牌缓冲区为空时,负载的“古老”任务缓冲释放。令牌的速度到达缓冲区,R表示,由模糊控制系统。特别是,R是视为模糊变量,其价值是由模糊系统在每小时的开始。

模糊系统申请令牌控制实现了一个由四输入模糊推理机制,和一个输出。提出了在图4,四个输入:

- - - - - -电的价格的值是:这个价格市场运营商宣布的小时t。

- - - - - -时间:这代表当前时间的小时。

- - - - - -在缓冲区中数量的任务:这个数字等于弹性任务的数量进入缓冲区。

- - - - - -负载满意度指数:这个指数展览利用弹性负载从一开始,它等于比率

而系统的输出是:

- - - - - -令牌率R:令牌的数量到达一分钟的缓冲。

模糊系统的目标是确定令牌速度每小时的开始以隐式确定这个特定的时间安排任务的数量。四组输入选择以这样的方式,模拟人类的决策方式。特别是,四个输入选择以下理由:

- - -电价选择来确定是否有利于经济的高或低数量的任务。

- - -时间用于确定是多少剩余时间,直到一天结束的时候。这个变量与时间限制也是决策的一部分。应该提到的任务被认为是在日复一日的基础上:因此推迟一个任务只可能发生在同一天。

- - -在缓冲区中数量的任务表示解决负载。这个数字显示是否有很多小任务或少而大任务。这些信息是至关重要的考虑到系统无论负载的大小任务时释放令牌达到阈值。

- - -负载满意度指数量化的程度弹性负载的满意度。换句话说,弹性负载的,具体多少天已经安排。这个输入管理是至关重要的,因为它含蓄地表示剩下的弹性负载调度。每个消费者的目标是充分满足他/她的需求,这个指数将表达风险采取推迟之后的一些负载调度。

——令牌的输出变量率将控制任务的调度。如果以上输入指示标记率高才会安排大量的任务。如果令牌率很低,然后低数量的任务计划。的R每小时值是有效的。

上面的值是承认在目前的手稿为模糊变量,因此它们是由一群模糊值表示的形式语言。每个语言术语由模糊集建模与模糊集的人口变量的值的范围。使用的模糊集提供了四个输入和单一输出变量图5分别在模糊集的形式建模三角形隶属度函数,这是一个方便的选择。

值的范围(论域的模糊的说法)所示图5,6是以下:

➢0 - 100(美元)的电力价格,

➢上皮(h)时间、

➢#的任务经历的缓冲区(假设每个消费者可以有马克斯12个任务),

➢0 - 1的负载满意度指数,

➢清廉(令牌/分钟)标记率。

选择上述范围基于假设,如#任务的缓冲区,或根据设计,如令牌率。电力价格的范围选择通过观察价格在美国市场的一个主要运营商。

在定义输入和输出变量的模糊集,然后模糊推理引擎开发相关联的输入到输出。协会的形式实现如果/那么模糊规则的规则关联模糊集和形式:

如果“条件”,那么“输出”

那里的条件包括四个条件(即从一个。,四个输入值)。左边的模糊条件模糊关系的规则包含表单的“X是”是一个模糊集。条件是与运营商,它解析表达的最大隶属度函数之间的操作条件。因此,规则制定的lh:

如果“条件1”和“条件2”和“条件3”和“4”,

的评价提供了一个数量,正值最大隶属度值的条件之一。此外,评估执行规则的蕴涵算子Mamdani敏(Tsoukalas Uhrig, 1997)的分析公式如下所示:

运营商保留最低的两个成员值。

此时应该提到,规则库的模糊漏桶系统填充一组30模糊规则。特别是,编码规则的基础,已开发编程环境的Matlab软件(Sivanandam et al ., 2007),给出了图7。鉴于模糊推理的输出是一个模糊集合然后去模糊化方法应用于获得一个脆值,更特别的中心区域(CoA)方法,分析的公式是:

在哪里x是语言(模糊)变量和x_最小值,x_马克斯是语言变量的范围。辅酶a被选中,因为它提供了最佳的妥协在多个输出语言。决定表面用辅酶a发达30规则中描述的模糊系统图8。

模糊系统的输出提供了令牌率的形式标记/分钟。令牌中的令牌累积速率不断与预定的阈值,在这种情况下已经等于50令牌:

因此,上述阈值T表明50的到来令牌激活释放和随后的任务调度加载缓冲区,而令牌缓冲区将空,等待新的令牌。

弹性负载测试结果管理

测试设置

管理系统的目标是使最优决策,将返回最高的消费者受益。关于弹性负载的决策指要么取消或推迟消费的任务。在这个手稿中,提出了模糊漏桶系统应用于一组真实的数据集来自一个家庭在法国公开UCI库(2019)。数据集包含日常消费模式在千瓦(千瓦)的一个住宅消费从2006年到2010年来衡量。居民能源消费的数据集包含测量一分钟的基础上,可以了解到更多的细节UCI库(2019)。在这个手稿,测试数据集从2007年,更具体地说天从4月到12月,取样。,2007年。应该注意的是,最初的消费数据不包含弹性和非弹性负载的数量。

为了单独的整体消费弹性和非弹性,我们创建了一个随机函数发生器(随机)选择每小时无弹性负载。假设在创建随机函数发生器是无弹性负载在任何时间隔40和总消费量的70%。此外,将弹性加载到任务,我们开发了另一个随机函数发生器,将弹性负载数量分为一个或多个任务:这种情况通过随机选择一个数字1至15(最大数量的任务),然后随机分配在每个任务的负载下约束:

在哪里h代表一天的小时N是任务的数量由随机函数发生器。关于消费者的能力,这是表示C,是等于280千瓦(任意选择)。此外,现实世界电价的同一时期,即。,一个pril 2–April 11, are utilized to compute the cost of the electricity consumption. The respective price signals are depicted in图9。

最后,模糊漏桶以此案为基准,没有漏水的桶采用,作为最初计划(即负载使用。之间的弹性负载,没有分离,没有缩减非弹性和弹性加载)。对最终结果记录并提出日常消费的成本。

结果

详细的情况下

在本节中,提出了弹性消费管理系统应用于测试集组成的10中描述的住宅消费模式图10。每一个消费模式分为两个不同的部分,即。,el一个年代t我c和我nel一个年代tic, by using the randomizer that was discussed in the previous section.

在当前的工作,管理结果记录在日常消费成本以美元的形式。应该注意的是,由于使用随机函数发生器,以确定的数量和大小的消费任务,预计多个运行在相同的数据集将提供不同的结果。在这项工作克服这个障碍,每例13倍和主要运行统计结果得出:平均值和标准偏差。值得注意的是,测试方法,即。,年代cheduling of the initial load without use of leaky bucket denoted as “full scheduling method” in表1,利用随机函数发生器,因此提供了一个独立运行的数量不变成本价值。应该指出的是,“全调度方法”不承担任何实时决策和伴随着需求反应方法,确定以离线的方式消费计划。

表1礼物的结果模糊漏桶和基准的方法在10测试消费情况。显然从结果模糊漏桶确实提供了获得的平均成本降低在所有测试用例而“完全调度方法。“减少成本比基准的方法,不是统一的所有测试用例。是观察到的一些days-days 1、2、6、7,降低成本是10%左右,而对于其他天减少20%以上,更专门为3天,4、5、8、10。最后,天9提供的最高成本降低40%左右。

除了成本之外,表1提供在第三列的百分比运行提供消费成本高于基准。换句话说,它显示了模糊漏桶的次数提供了一个成本高于基准的方法。可以看出模糊漏桶表现的基准方法只有少量的运行。因为它所示表1方法是超过30%的最大几天1,3,和6,而对于天8,9,10,这一比例下降到0%。计算平均百分比情况“完整的调度法”提供了低成本就等于16.6%。因此,模糊漏桶提供更低的成本在83.4的测试用例。这也是所示图11箱形图的成本获得每运行情况。箱线图也验证(i)在第一个7例有运行模糊漏桶的成本高于完整的调度方法,和(2)在过去三模糊漏桶比基准的方法提供低成本运行。可视化的目的,图12显示最初的消费模式对该系统获得的消费模式1和9天,我们观察到第一天有消费任务延期,而对于天9本质上是弹性消费缩减(取消)。

结果确认的效力提出了模糊系统操作作为一个自发消费管理系统。观测结果表明,该模糊漏桶能够降低成本在绝大多数情况下。此外,这减少了没有人类参与:人类的消费没有干预决策过程中弹性任务是否会减少或推迟。此外,该方法执行效率即使在高不确定性的情况下。为了模拟随机函数发生器的使用过程中不确定性的消费行为导致播种问题的形式随机数量的任务,随机大小的任务。然而,系统能够克服固有的不确定性,因为它显示的,它提供了在绝大多数情况下成本最低。最后,计算,该系统是便宜,可伸缩的和容易更新。

进一步的结果

在本节中,提出了模糊漏桶方法进一步检测智能管理弹性负载的负载模式从不同的季节。值得注意的是,在这一节中记录结果和讨论,但没有给出全部细节如前一节。更具体地说,测试数据集由23个住宅消费模式的第二天(2007年UCI库,20197月16日至18日):5月1 - 5,6月11日至14日,即将于8月23日至25日,9月12 - 13日,10月2 - 3,12月11日至12日和11月16 - 17日。

模糊漏桶的测试执行前:我们运行模糊漏桶为12个不同的场景,然后计算每个场景提供的消费成本。平均成本计算的12个场景为每个23天提供测试图13,成本计算美元/天)。此外,消费成本用(即完整的调度方法。,没有使用模糊漏桶)也在计算列示图13。

结果展示,使用模糊漏桶降低消费成本在绝大多数的场景。尤其是,在17个23场景模糊漏桶平均成本低于一个获得完整的调度方法。因此,这意味着利用模糊漏桶有利于用户长期运行它可能并不总是提供更低的成本,但在大多数的情况下降低了成本。在测试组在这一节中,模糊漏桶提供低成本在74%的情况下(36%的病例)和更高的比基准的方法。因此,该方法明显优于完整的调度方法在绝大多数的情况下进行测试。每个方法获得的具体成本值在每一天的测试,也提供图13。

总体而言,该方法提供了一组特定的优势。其中最重要的包括弹性负载的自动化调度任务在一天的任何时候。系统不需要人工干预的情况下在任何阶段的测试。此外,该系统的具体实现系统提供更低的消费成本在绝大多数情况下比完整的调度方法。打败了的情况下,系统完整的调度方法的情况下随机函数发生器提供高负载弹性负荷因此延期不灵活;然而,即使在这种情况下提出的模糊漏桶提供成本接近完整的调度。通过检查结果在所有33测试用例,结果表明,模糊漏桶能够提供更低的成本从长远来看比(即一个完整的调度方法。博士,可以被视为一种方法执行离线调度)。总之,该模糊漏桶系统设法降低成本在84%的情况下检查上一节(详细情况),在74%的情况下检查在当前部分;整理所有的情况下,得出了系统优于离线调度在79%的情况下。

结论

介绍一种新的模糊系统,实现了一个漏水的水桶管理方法提出并应用于电力消费弹性负载管理模式。系统提出了一种新的方法通过添加一个模糊推理系统在控制令牌的牌缓冲漏桶的控制方法实现。模糊系统得到一组四个输入用于模拟人类对电力消费的决策方式。提出系统的重要组成部分是模糊规则库组成的30规则相关联的输入到输出。系统的目标是控制令牌率为了控制释放消费任务中积累的任务缓冲区。此外,漏水的桶也保证系统的安全运行,允许任务大小不同并保持在安全范围内。因此,任务的有限大小缓冲区允许拒绝多余的任务,确保系统的容量不会超过。

提出的系统已经测试了一组33个现实世界的消费模式。模拟的消费行为都是借助于随机函数发生器过程提供确定的随机行为的数量弹性消费,弹性任务的数量和大小。结果支持相信模糊漏桶提供降低消费成本在绝大多数的测试用例——−79% cases-compared的情况下不使用它。此外,该系统是全自动的,不需要人工干预的情况下在任何阶段,计算便宜的。

随着电网将变得更聪明,更多信息将流,使用模糊漏桶的好处弹性负载的管理将变得更加明显。提出方法的优势是使用模糊规则:他们的可扩展性允许模糊漏桶系统适应新的和不断变化的信息环境。

数据可用性声明

公开的数据集进行分析。这些数据可以在这里找到:https://archive.ics.uci.edu/ml/datasets/Individual +家庭+电动+能力+消费。

作者的贡献

作者证实了这项工作的唯一贡献者和已批准出版。

的利益冲突

作者说,这项研究是在没有进行任何商业或金融关系可能被视为一个潜在的利益冲突。

引用