研究背景及意义

        随着智能传感技术、智能家电、家庭局域网以及高级计量设备的快速发展，家庭能源管理系统（HEMS）引起了广泛关注。HEMS能够帮助用户自动、智能地管理家庭电气设备，实现多元化与个性化的用电目标，从而充分挖掘家庭智能用电设备的可调度潜力。家庭智能电气设备的运行优化问题是HEMS的关键，旨在实现家庭能源管理和智能家电控制，响应电网侧的各种激励信号，优化得到各个家庭智能电气设备运行计划，指导用户有序、经济用电，最终满足智能电网下需求侧响应的要求。从家庭用户的角度，HEMS可使家庭用电安全可靠、经济高效、节能环保，帮助用户选择合理有效的用电方式；从电力系统的角度，HEMS可以与电力系统双向互动，能够帮助电力系统削峰填谷、节能减排、消纳可再生能源、减少发电成本。

        由于用户建筑所处的外界环境复杂多变，用户用能行为难以预测，HEMS对智能用电设备调度时面临着多种不确定因素带来的挑战。这些不确定参数对优化调度结果会产生严重的影响，造成用户经济性和舒适度等多方面的损失。因此在家庭智能用电优化研究中，预测参数不能视为完全准确，需要充分考虑预测误差带来的影响。在此背景下，研究不确定环境下，HEMS对智能用电设备的调度问题具有重要意义。

        本文考虑室外温度以及用户热水用量的不确定性，使用分布式鲁棒优化(DRO)以滚动优化(RHO)的方式求解得到家庭智能用电设备的运行计划。首先，基于不确定参数预测值，建立其分层区间数模型；通过历史数据可以得到不确定参数落在各层区间中的概率，基于此概率分布建立不确定参数的概率分布歧义集。其次，考虑HEMS中多种电气设备的不同运行特性，基于概率分布歧义集，以用电经济性为目标，建立HEMS的分布式鲁棒优化模型，并将其线性化得到混合整数线性优化模型。为减少多时段预测误差累积带来的影响，每时段更新设备的运行状态以及预测数据，滚动求解下一优化时域的运行计划。为验证所提方法的有效性，本文算例设置三种场景，其中场景一和场景二使用RHO-DRO方法，实际运行时不确定参数分别取最坏和最好情况下区间数的端点值，场景三不考虑参数的不确定性，仅以滚动优化的方式对确定性优化模型进行求解，实际运行时不确定参数取最坏情况下区间数的端点值。三种场景下HEMS系统的调度结果如图1所示，而表1则给出了不同场景下用户电费与温度越限值。由表可见：在场景一和场景二中使用RHO-DRO方法，可以保证用户舒适度在不确定环境下基本不受影响；场景二中由于用户用能的减少，用户电费随之降低；在场景三中，温度越限值较大，用户舒适度受到破坏；与场景三相比，场景一的电费仅增加0.606美分。因此，本文提出的DRO-RHO方法在不确定环境下保证了用户舒适度，同时具有很好的经济性。

图1 家庭智能用电设备优化结果

 (a)场景一 (b)场景二 (c)场景三

表1 不同场景下用户电费与温度越限值

       分布式鲁棒优化(DRO)通过历史数据构建不确定参数的概率歧义集，不需要不确定参数的准确概率分布，并且降低了鲁棒优化的保守性。本文针对家庭智能用电设备的优化调度问题，建立了分布式鲁棒优化模型，并与滚动优化相结合，很好地解决了室外温度与热水用量的不确定性对用户舒适度的影响。

ABSTRACT

Cite this article

Jidong WANG,Boyu CHEN,Peng LI, Yanbo CHE. Distributionally robust optimization of home energy management system based on receding horizon optimization[J]. Front. Energy, 26 March 2020. [Epub ahead of print] doi: 10.1007/s11708-020-0665-4