[发明专利]一种居民错峰用电优化方法和装置

权利要求书

1.一种居民错峰用电优化方法，其特征在于，包括：

获取居民用电设备的用电负荷；

以居民电能总花费为目标函数，所述用电负荷为变量搭建优化策略数学模型；

采用模拟退火粒子群算法求解所述优化策略数学模型，得到最优解；

根据所述最优解确定居民错峰用电优化方案。

2.根据权利要求1所述的方法，其特征在于，所述采用模拟退火粒子群算法求解所述优化策略数学模型，得到最优解的步骤，包括：

初始化粒子群中粒子的位置和速度，并设置初始退火温度；

计算所述粒子群中每个粒子的目标函数值，初始化最优个体和全局最优目标值；

根据所述粒子群中每个粒子的目标函数值更新所述最优个体和所述全局最优目标值；

确定更新后的所述粒子群中粒子的最小目标函数值；

计算每个所述粒子的目标函数值与所述最小目标函数值的差值；

判断所述差值是否满足第一预设条件；

若是，则根据更新的所述最优个体和所述全局最优目标值更新所述粒子的位置和速度；

执行降温操作，并判断当前迭代次数是否满足预设阈值；

若否，则重新执行计算所述粒子群中每个粒子的目标函数值，初始化最优个体和全局最优目标值的步骤；

若所述当前迭代次数满足所述预设阈值，则输出最优个体作为最优解。

3.根据权利要求2所述的方法，其特征在于，所述根据所述粒子群中每个粒子的目标函数值更新所述最优个体和所述全局最优目标值的步骤，包括：

依次判断所述粒子群中每个所述粒子的目标函数值是否大于所述最优个体的目标函数值；

当所述粒子的目标函数值大于所述最优个体的目标函数值时，采用所述粒子更新所述最优个体；

当更新后的所述最优个体的目标函数值大于所述全局最优目标值时，采用更新后的所述最优个体的目标函数值更新所述全局最优目标值。

4.根据权利要求1所述的方法，其特征在于，所述居民用电设备包括无储能不可控设备、无储能可控设备、直接储能设备、间接储能设备。

5.一种居民错峰用电优化装置，其特征在于，包括：

用电负荷获取模块，用于获取居民用电设备的用电负荷；

模型搭建模块，用于以居民电能总花费为目标函数，所述用电负荷为变量搭建优化策略数学模型；

求解模块，用于采用模拟退火粒子群算法求解所述优化策略数学模型，得到最优解；

方案确定模块，用于根据所述最优解确定居民错峰用电优化方案。

6.根据权利要求5所述的装置，其特征在于，所述求解模块，包括：

初始化子模块，用于初始化粒子群中粒子的位置和速度，并设置初始退火温度；

目标函数值计算子模块，用于计算所述粒子群中每个粒子的目标函数值，初始化最优个体和全局最优目标值；

更新子模块，用于根据所述粒子群中每个粒子的目标函数值更新所述最优个体和所述全局最优目标值；

最小目标函数值确定子模块，用于确定更新后的所述粒子群中粒子的最小目标函数值；

差值计算子模块，用于计算每个所述粒子的目标函数值与所述最小目标函数值的差值；

判断子模块，用于判断所述差值是否满足第一预设条件；

位置和速度更新子模块，用于若是，则根据更新的所述最优个体和所述全局最优目标值更新所述粒子的位置和速度；

迭代次数判断子模块，用于执行降温操作，并判断当前迭代次数是否满足预设阈值；

迭代子模块，用于若否，则重新执行计算所述粒子群中每个粒子的目标函数值，初始化最优个体和全局最优目标值的步骤；

最优解输出子模块，用于若所述当前迭代次数满足所述预设阈值，则输出最优个体作为最优解。