基于可再生能源管理控制器的智能电网调度方法及系统与流程
1.本发明涉及智能电网技术领域，尤其涉及基于可再生能源管理控制器的智能电网调度方法及系统。
背景技术：
2.能源转型是现有电网从化石燃料向低成本、低碳、可持续智能电网转型的必经之路，但由于人口的快速增长和科技的发展，人们对电力的需求可谓是成指数增长，为了满足电力需求的指数增长，同时降低成本和碳排放，一方面，传统的电网方案需要借助于人工智能等方法，升级成为有能力处理不断增长的需求，另一方面，需要设计可吸纳新的可再生能源的智能电网方案，同时为了合理利用现场能源，智能电网将现代通信技术、人工智能技术与传统电网相结合，将信息和通信基础设施集成到电网中，现有的为了优化能源管理和负荷调度，研究人员提出了许多的方案，如开发一种基于人工神经网络(ann)的预测架构，用于将低成本和低碳可再生能源集成到电网中，以降低碳排放和用户能源成本；通过使用公用事业电力的家用电器调度来平衡负载，同时纳入屋顶太阳能单元，以降低能源成本和峰均比(par)，并参与需求侧管理(dsm)；考虑了一个带有智能电器的建筑，建立现场能源微发电和电池存储系统，通过减少外部公用设施的使用来最小化par和降低能源成本；现有的许多研究从多个角度探讨了电力需求侧管理的主题，对智能电网能源管理中涉及的各种因素提供了详实的研究和阐述，然而大部分方案都只考虑到了其中的一个或几个因素，且其效果大多取决于目标、场景，缺乏一种基于人工智能有效的端到端的控制方案。
技术实现要素：
3.为了解决上述技术问题，本发明的目的是提供基于可再生能源管理控制器的智能电网调度方法及系统，能够在降低电费成本、co2排放量和par的同时提高用户在温度、视觉和空气质量等方面的舒适度。
4.本发明所采用的第一技术方案是：基于可再生能源管理控制器的智能电网调度方法，包括以下步骤：
5.基于实时响应原理，构建用电器的能源成本模型；
6.根据可再生能源发电系统对用电器的能源成本模型进行调度，得到用电调度模式；
7.基于用户舒适度对用电调度模式进行调整，输出调整后的用电调度模式；
8.基于混合优化算法对调整后的用电调度模式进行优化处理，得到最优用电调度模式。
9.进一步，所述基于实时响应原理，构建用电器的能源成本模型这一步骤，其具体包括：
10.根据用电器的使用必然性对用电器进行分类处理，得到可调度用电器和不可调度用电器；
11.根据用电器的负荷消耗，分别构建可调度用电器和不可调度用电器的负荷能耗模型；
12.根据电力价格和用电器的负荷能耗模型，构建用电器的能源成本模型。
13.进一步，所述可调度用电器和不可调度用电器的负荷能耗模型的表达式如下所示：
[0014][0015][0016]
上式中，l
sch
表示可调度用电器的集合，l
nsch
表示不可调度用电器的集合，t表示用电器的用电时间周期，m、n表示总的用电器数量。
[0017]
进一步，所述用电器的能源成本模型的表达式如下所示：
[0018][0019]
上式中，表示m个可调度和不可调度智能家电的开/关状态，ep(t)表示特定时间段t的电价，表示各时段t的电费账单，表示a＝{dch,nsch}。
[0020]
进一步，所述根据可再生能源发电系统对用电器的能源成本模型进行调度，得到用电调度模式这一步骤，其具体包括：
[0021]
构建可再生能源发电系统并计算其单位时间内的发电量；
[0022]
对可再生能源发电系统的单位时间发电量与用电器的单位时间用电量进行判断；
[0023]
判断到可再生能源发电系统的单位时间发电量大于用电器的单位时间用电量，将剩余单位时间发电量存储至电池存储系统；
[0024]
判断到可再生能源发电系统的单位时间发电量小于用电器的单位时间用电量，从电池存储系统获取相应的发电量；
[0025]
基于调度函数，根据发电量和用电器的能源成本模型确定用电器的能耗约束条件，得到用电调度模式。
[0026]
进一步，所述调度函数的表达式如下所示：
[0027][0028]
上式中，bss(t)表示电池存储系统在t时间内的电能存储量。
[0029]
进一步，所述可再生能源发电系统包括外部电网、太阳能发电系统、风力发电系统和微热电联产，所述用电器的能耗约束条件的表达式如下所示：
[0030]
[0031][0032][0033]
0≤bss
min
≤bss
max
[0034]
上式中，l表示用电器工作时间持续时间，an表示具体地用电器，α表示用电器在时间t内的启动时间，η表示用电器在时间t内的持续操作时间，β表示用电器停止使用的时间，表示可再生能源发电系统的总发电量，p
wd
(t)表示风力发电系统在时间t内的发电量；p
chp
(t)表示微热电联产在时间t内的发电量，p
pv
(t)表示太阳能发电系统在时间t内的发电量，bss
min
表示电池存储系统的容量的下限，bss
max
表示电池存储系统的容量的上限。
[0035]
进一步，所述用户舒适度包括延迟舒适度、视觉舒适度、室内热舒适度和空气质量舒适度，其中：
[0036]
所述延迟舒适度由用电器的预定使用时间确定；
[0037]
所述视觉舒适度由照明用电器的使用功率确定；
[0038]
所述室内热舒适度由用电器的高压交流调谐消耗、室内等效热和空气比热容确定；
[0039]
所述空气质量舒适度由室内空气的二氧化碳浓度确定。
[0040]
进一步，所述基于混合优化算法对调整后的用电调度模式进行优化处理，得到最优用电调度模式这一步骤，其具体包括：
[0041]
设置种的参数，所述参数包括用户的舒适度、电力价格和可再生能源发电系统的发电量；
[0042]
通过二元粒子算法对种的参数进行优化，得到种参数的全局最优值；
[0043]
将种参数的全局最优值对应的种个体输入至遗传算法进行交叉与突变，得到处理后的种个体；
[0044]
通过驱动算法对处理后的种个体更新至种，确定最优用电调度模式。
[0045]
本发明所采用的第二技术方案是：基于可再生能源管理控制器的智能电网调度系统，包括：
[0046]
可再生能源发电系统，用于产生用电器所需的负荷电量；
[0047]
用电器负荷消耗系统，用于通过消耗一定的负荷电量满足用户的舒适度条件；
[0048]
电池存储系统，用于存储多余的发电量或释放用电器所需用电量；
[0049]
用户舒适度系统，用于根据用户自身情况对用电调度模式进行调整。
[0050]
本发明方法及系统的有益效果是：本发明通过实时响应，能够对可再生能源系统的发电量进行可控的电源管理，考虑电力价格与用电器的使用必然性构建用电器的能源成本模型，能够对用电器的用电量进行合理调度，再根据用户的舒适度对用电调度进行调整，使用户在温度舒适、视觉舒适、空气质量和延迟方面最大化，同时减少延迟、降低成本，再通过混合优化算法为用户寻最佳电力调度方案，从而降低电费成本、co2排放量和par，同时进一步提高用户在热、视觉和空气质量方面的舒适度。
附图说明
[0051]
图1是本发明基于可再生能源管理控制器的智能电网调度方法的步骤流程图；
[0052]
图2是本发明基于可再生能源管理控制器的智能电网调度系统的结构框图；
[0053]
附图标记：1、太阳能发电系统；2、风力发电系统；3、微热电联产发电系统；4、逆变器；5、电池存储系统；6、智能电表；7、外部电网；8、用户舒适度系统。
具体实施方式
[0054]
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0055]
本方案的外部并网的智能房屋配备了采用电器调度器和能源管理控制器(asemc)的智能电表，该电表具备一定的边缘计算能力，并可以对系统内部清洁能源的产出和具体电表所负责的家居单元的电力负荷做预测；asemc收集各种信息，如家电的额定功率、家电的使用偏好(紧急、可延迟、不间断、可中断)、用户舒适信号(室内温度和空气质量值)、本地可再生能源(太阳能、热电联产、风能)和电池存储系统(家用电池存储和电动汽车电池存储)等。通过家庭局域网，家电与控制器进行通信，asemc根据所提出的方法对家电的调度进行管理，连接到外部电网的智能房屋由asemc控制，控制器收集以下数据：
[0056]
用户舒适度信号相对于负载使用情况(如紧急或计划的、运行时间、容忍延迟、开始时间、到达时间、结束时间等)和舒适度(视觉、热、亮度、热、通风和空气质量)；
[0057]
太阳能、风能、微热电联产的发电输出值和相关约束；
[0058]
电池储能和电动汽车储能的能级、状态及其充放电深度约束；
[0059]
电力价格信号，即平价或日前价格和外部电网约束；
[0060]
asemc在交换上述信息后，使用边缘计算能力对储能系统进行优化调度和管理。asemc的所有活动都应在一个固定的时间窗口内进行，所有重要信息都应通过一个通信网络安全、及时地发送出去；此外，提出了一种智能电表基础设施，允许用户和分销商双向通信基础设施；客户共享可以共享配电系统运营商价格信号，如固定价格、日前价格、使用时间定价等系统稳定信息，如高峰、非高峰和负荷信息；
[0061]
还需要说明的是本方案所述的系统是在线的，可以实时根据负荷等因素的变化调节用电调度的方法即本方案系统是实时响应的。
[0062]
参照图1，本发明提供了基于可再生能源管理控制器的智能电网调度方法，该方法包括以下步骤：
[0063]
s1、构建可再生能源发电系统；
[0064]
s11、外部电网发电系统；
[0065]
具体地，非计划、紧急和计划负荷的能源是由住宅区内的智能住宅从外部电网、现场可再生能源，如太阳能、风能和热电联产获得的，在高峰时段，可使用bss作为备用电源；如下一小节所述，智能住宅以特定的价格从外部电网获取电力，智能住宅的电力来自地区电网系统，设e
ex
(t)表示在t时点从外部电网获得的能量，其约束条件如下所示：
[0066]
0≤e
ex
(t)≤e
ex,max
[0067]
s12、太阳能发电系统；
[0068]
具体地，在边缘计算系统的支持下，决策中心可以预测指导产生的太阳能电量，主要取决于截获的太阳辐射量、传输效率和电池板的方向和位置，产生的能量通常在24小时内的每个时隙给予计划负载，定义如下所示：
[0069][0070]
上式中，γ
pv
表示太阳能电池板的能效转换系数，a
pv
表示电池板表面积，单位为m2，i
rd
(t)表示t时隙的太阳辐射度，单位为kw/m2，0.005表示温度修正系数，t0(t)表示t时隙的外部温度，25℃为标准室温；
[0071]
太阳小时辐照度分布的双峰分布可以量化为两个单峰分布函数的线性组合，可以用威布尔概率密度函数来证明，证明过程如下所示：
[0072][0073]
0《ir(t)《∞
[0074]
上式中，ζ表示平衡因子，α1和α2分别表示形状因子，β1和β2分别表示比例因子。
[0075]
s13、风力发电系统；
[0076]
具体地，风力发电主要受气象条件和风向的影响。在边缘计算系统支持下，决策中心可以从风力涡轮机获得的能量估计为：
[0077][0078]
上式中，ρ、a
tb
和v
s3
(t)分别表示空气密度、涡轮叶片面积和空气速度，单位为m/s。
[0079]
s14、微热电联产发电系统；
[0080]
具体地，为了满足能源需求，建筑也将使用其现场安装的控制微热电联产系统的能源，使用热电联产系统发电将平均减少32％的燃料消耗，及50％的碳排放，甲烷ch4沼气可用于供热、发电或运输燃料，如果想进一步减少碳排放，可采用例如生物天然气、可再生氢气(rh)和可再生天然气(rng)等可再生燃料，热电联产系统的效率表达式如下所示：
[0081][0082]
上式中，表示总系统效率，ωe表示有效的电力输出，q
th
表示总热输出，qf表示燃料能量输入；
[0083]
热电联产系统的效率范围为60％到80％，沼气的主要成分是ch4，ch4的含量在30％到65％之间变化，甲烷是沼气的主要物质，可作为热能和发电的燃料，构建方程，此方程与沼气转化为电能和热能的有用能源有关，具体如下所示：
[0084][0085]
上式中，l、γe和q
br
分别表示沼气低热量收益、可用性、效率和沼气回收率，e
bio
(t)表示t时间内以kwh为单位的发电量；
[0086]
综上，微型热电联产发电机总功率如下所示：
[0087][0088]
上式中，p
chp
表示微型热电联产发电机总功率。
[0089]
s15、电池存储系统；
[0090]
具体地，剩余的可再生能源储存在bss中，作为高峰时段的备用能源。考虑自放电速率、放电能量和充电能量，t时隙电池中存储的能量如下所示：
[0091][0092]
上式中，bss表示在t时隙ah存储的能量，kd表示以小时为单位的持续时间，δ
bss
表示电池效率，pe
ch
和pe
dch
分别表示ress在t时隙向电池存储系统提供的电量kw和利用电池服务负载的电量kw；
[0093]
综上，电池放电充电约束条件如下所示：
[0094][0095][0096][0097]
上式中，表示电池充电上限，表示电池放电下限，表示电池储能上限；
[0098]
为保持bss良好的工作状态，防止过充或泄露，电能的充放电速率以及电池储能中充电的能量不应超过厂商批准的限值。
[0099]
s2、构建电器的能源成本模型；
[0100]
s21、用电器负荷消耗模型；
[0101]
具体地，考虑到智能家居包括l
sch
和l
nsch
两种主要家电集合，其中l
sc
为可调度家电集合，即可以调整为在非高峰时段提供服务，l
sc
(t)＝{p1,p2,p3，
…
，pm}，l
nsc
表示固定的、不可调度的家用电器集合，即根据消费者的时间和偏好立即服务，l
nsch
(t)＝{q1,q2,q3，
…
，qn}的周期t＝{1,2,3，
…
,24}，可调度的智能家电又进一步分为可延迟家电和不可延迟家电，下面式子分别表示可调度负荷和不可调度负荷的24小时能耗，所述可调度用电器和不可调度用电器的负荷能耗模型的表达式如下所示：
[0102][0103][0104]
上式中，l
sch
表示可调度用电器的集合，l
nsch
表示不可调度用电器的集合，t表示用电器的用电时间周期，m、n表示总的用电器数量。
[0105]
s22、电力价格模型；
[0106]
具体地，采用统一价格(fp)和一日价格(dap)，在fp中，电力价格以小时为基础变化，并在一小时内保持稳定，而dap是通过软件提供给消费者的预告价格，通过计算智能可
调度家电l
sc
和非可调度家电l
nsch
在24小时内的能源成本可以得到：
[0107][0108]
上式中，表示m个可调度和不可调度智能家电的开/关状态，ep(t)表示特定时间段t的电价，表示各时段t的电费账单，表示a＝{sch,nsch}；
[0109]
其中，
[0110]
a＝{sch,nsch}
[0111][0112]
各时段t的电费账单计算公式如下所示：
[0113][0114]
上式中，τ表示ress不可用或不足导致负载从bss提取能量的时间段。
[0115]
s23、基于调度函数，根据发电量和用电器的能源成本模型确定用电器的能耗约束条件，得到用电调度模式；
[0116]
具体地，所述调度函数的表达式如下所示：
[0117][0118]
上式中，bss(t)表示电池存储系统在t时间内的电能存储量；
[0119]
进一步，所述用电器的能耗约束条件的表达式如下所示：
[0120][0121][0122][0123]
0≤bss
min
≤bss
max
[0124]
上式中，l表示用电器工作时间持续时间，an表示具体地用电器，α表示用电器在时间t内的启动时间，η表示用电器在时间t内的持续操作时间，β表示用电器停止使用的时间，表示可再生能源发电系统的总发电量，p
wd
(t)表示风力发电系统在时间t内的发电量；p
chp
(t)表示微热电联产在时间t内的发电量，p
pv
(t)表示太阳能发电系统在时间t内的发电量，bss
min
表示电池存储系统的容量的下限，bss
max
表示电池存储系统的容量的上限；
[0125]
其中，所述用电调度模式包括二氧化碳的排放量以及峰均比(par)，所示二氧化碳排放量的估算估算如下所示：
[0126][0127]
上式中，avg(e
price
(t))表示每月的平均电力成本，符号ψ表示每千瓦时电价，γe表示电力排放系数，m表示一年中的月份；
[0128]
所述峰均比的计算公式如下所示：
[0129][0130]
其中，par被定义为某一时隙t中使用的峰值负载与计划小时内使用的总负载平均值的比率；
[0131]
s3、用户舒适度系统；
[0132]
s31、延迟舒适度；
[0133]
具体地，各家电产品的服务和预定时间与延迟舒适度有关，所示延迟舒适度的表达式如下所示：
[0134][0135]
上式中，delay
comfort
表示用户延迟舒适度，app
unsch
(t)表示以非计划方式分配的时点，app
sch
(t)表示计划技术中分配的时点，表示可用的总调度时点，能耗成本和延迟都与用户舒适度有关。
[0136]
s32、视觉舒适度；
[0137]
具体地，灯光的数量和服务所需的时间与视觉舒适度有关，可以根据用户喜好进行调整，其中，所述用户的视觉舒适度的表达式如下所示：
[0138][0139]
上式中，n
l
表示照明器具数量，visual
comfort
(t)表示ar照明室内空间的室内亮度，符号le(t)表示每一项照明设备所消耗的能量，每一项照明设备具有相应的源通量值fs、使用维护因子和m，可用于修改房间的发光水平。
[0140]
s33、室内热舒适度；
[0141]
具体地，定制的高压交流系统的温度根据用户的喜好控制在特定的范围内，室内温度从20度～25度变化时，个人在智能房屋中感到舒适，所述室内热舒适度的计算公式如下所示：
[0142][0143]
上式中，tc取决于室内外温度t
in
、t
out
、高压交流调谐消耗hq
t
、房间等效热rq
eq
、空气比热容c
p
和室内空气质量ma。
[0144]
s34、空气质量舒适度；
[0145]
具体地，环境中的碳排放被用来量化空气质量舒适度(aqc)，智能住宅的室内碳浓
度可以通过自适应通风系统来控制，因此，根据用户的喜好，可以通过对有新风的室内区域进行通风来保持室内洁净空气质量，室内碳浓度参数可以用数学表达式如下所示：
[0146][0147]
上式中，ζ
t+1
表示co2浓度，可通过改变该区域内新鲜空气的成分来调整其碳浓度累积值，ζ
t
相取决于室外的co2浓度，ζ
out
和ζ
in
表示室内的ce，v表示封闭区域内的容积；
[0148]
当要求采用冷却方式时，可调节新风和热舒适度，室内新鲜空气的理想范围是用740ppm～780ppm的co2浓度来衡量的。
[0149]
s4、基于混合优化算法对用电调度模式进行优化；
[0150]
具体地，本方案提出的算法结合了遗传算法(ga)、二元粒子算法(bpso)及风驱动算法(wdo)，该方法结合了遗传算法的交叉和变异、bpso的探索性搜索和wdo的鲁棒性及微调自由度的特征，采用该方法为用户寻最佳电力调度方案，从而降低电费成本、co2排放量和par，同时提高用户在热舒适度、视觉舒适度和空气质量舒适度方面的舒适度，本算法中，对于ga的进行随机初始化，pso和wdo利用搜索算子包含了随机效应。除遗传算法外，利用粒子算法和wdo优化搜索覆盖分布和组织，以抵消随机初始化的偏差。选择遗传算法、粒子算法和风力优化算法，是因为它们能有效降低能源成本，有效降低par，并分别在室内热、空气清新质量和视觉舒适度方面提供最佳的用户舒适度；
[0151]
混合优化算法分为三个步骤，第一步进行算法的初始化及接收输入量，如用户设备的舒适度偏好、价格信号、温度和ress输出发电值，参数设置包括输入，即最大迭代次数、种规模和体规模、速度限制、上下限和维度等，供ga、bpso和wdo算法使用，然后将bpso返回的全局最优值加入到ga的交叉和突变中，使得到的种具有更广泛的多样性，从而更不容易陷入局部最优；第二步则遵循wdo算法的步骤，wdo算法在速度更新方程中采用了ga算法的交叉和突变操作，目的是使固定系数随机化，从而产生种的随机性；第三步，将交叉和变异ga特征应用于bpso和wdo求得的全局最佳当前位置，以确定最终的最优调度模式，根据家庭电器的最佳时间模式和时间计算主要目标，即能源账单成本、par、延迟时间和舒适度。
[0152]
参照图2，基于可再生能源管理控制器的智能电网调度系统，包括：
[0153]
可再生能源发电系统，用于产生用电器所需的负荷电量；
[0154]
用电器负荷消耗系统，用于通过消耗一定的负荷电量满足用户的舒适度条件；
[0155]
电池存储系统，用于存储多余的发电量或释放用电器所需用电量；
[0156]
用户舒适度系统，用于根据用户自身情况对用电调度模式进行调整。
[0157]
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0158]
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。
技术特征：
1.基于可再生能源管理控制器的智能电网调度方法，其特征在于，包括以下步骤：基于实时响应原理，构建用电器的能源成本模型；根据可再生能源发电系统对用电器的能源成本模型进行调度，得到用电调度模式；基于用户舒适度对用电调度模式进行调整，输出调整后的用电调度模式；基于混合优化算法对调整后的用电调度模式进行优化处理，得到最优用电调度模式。2.根据权利要求1所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述基于实时响应原理，构建用电器的能源成本模型这一步骤，其具体包括：根据用电器的使用必然性对用电器进行分类处理，得到可调度用电器和不可调度用电器；根据用电器的负荷消耗，分别构建可调度用电器和不可调度用电器的负荷能耗模型；根据电力价格和用电器的负荷能耗模型，构建用电器的能源成本模型。3.根据权利要求2所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述可调度用电器和不可调度用电器的负荷能耗模型的表达式如下所示：所示：上式中，l
sch
表示可调度用电器的集合，l
nsch
表示不可调度用电器的集合，t表示用电器的用电时间周期，m、n表示总的用电器数量。4.根据权利要求3所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述用电器的能源成本模型的表达式如下所示：上式中，表示m个可调度和不可调度智能家电的开/关状态，ep(t)表示特定时间段t的电价，表示各时段t的电费账单。5.根据权利要求2所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述根据可再生能源发电系统对用电器的能源成本模型进行调度，得到用电调度模式这一步骤，其具体包括：构建可再生能源发电系统并计算其单位时间内的发电量；对可再生能源发电系统的单位时间发电量与用电器的单位时间用电量进行判断；判断到可再生能源发电系统的单位时间发电量大于用电器的单位时间用电量，将剩余单位时间发电量存储至电池存储系统；判断到可再生能源发电系统的单位时间发电量小于用电器的单位时间用电量，从电池存储系统获取相应的发电量；基于调度函数，根据发电量和用电器的能源成本模型确定用电器的能耗约束条件，得到用电调度模式。
6.根据权利要求5所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述调度函数的表达式如下所示：上式中，bss(t)表示电池存储系统在t时间内的电能存储量。7.根据权利要求6所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述可再生能源发电系统包括外部电网、太阳能发电系统、风力发电系统和微热电联产，所述用电器的能耗约束条件的表达式如下所示：所示：所示：0≤bss
min
≤bss
max
上式中，l表示用电器工作时间持续时间，a
n
表示具体地用电器，α表示用电器在时间t内的启动时间，η表示用电器在时间t内的持续操作时间，β表示用电器停止使用的时间，表示可再生能源发电系统的总发电量，p
wd
(t)表示风力发电系统在时间t内的发电量；p
chp
(t)表示微热电联产在时间t内的发电量，p
pv
(t)表示太阳能发电系统在时间t内的发电量，bss
min
表示电池存储系统的容量的下限，bss
max
表示电池存储系统的容量的上限。8.根据权利要求5所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述用户舒适度包括延迟舒适度、视觉舒适度、室内热舒适度和空气质量舒适度，其中：所述延迟舒适度由用电器的预定使用时间确定；所述视觉舒适度由照明用电器的使用功率确定；所述室内热舒适度由用电器的高压交流调谐消耗、室内等效热和空气比热容确定；所述空气质量舒适度由室内空气的二氧化碳浓度确定。9.根据权利要求8所述基于可再生能源管理控制器的智能电网调度方法，其特征在于，所述基于混合优化算法对调整后的用电调度模式进行优化处理，得到最优用电调度模式这一步骤，其具体包括：设置种的参数，所述参数包括用户的舒适度、电力价格和可再生能源发电系统的发电量；通过二元粒子算法对种的参数进行优化，得到种参数的全局最优值；将种参数的全局最优值对应的种个体输入至遗传算法进行交叉与突变，得到处理后的种个体；通过驱动算法对处理后的种个体更新至种，确定最优用电调度模式。10.基于可再生能源管理控制器的智能电网调度系统，其特征在于，包括以下模块：可再生能源发电系统，用于产生用电器所需的负荷电量；
用电器负荷消耗系统，用于通过消耗一定的负荷电量满足用户的舒适度条件；电池存储系统，用于存储多余的发电量或释放用电器所需用电量；用户舒适度系统，用于根据用户自身情况对用电调度模式进行调整。
技术总结
本发明公开了基于可再生能源管理控制器的智能电网调度方法及系统，该方法包括：基于实时响应原理，构建用电器的能源成本模型；根据可再生能源发电系统对用电器的能源成本模型进行调度，得到用电调度模式；基于用户舒适度对用电调度模式进行调整，输出调整后的用电调度模式；基于混合优化算法对调整后的用电调度模式进行优化处理，得到最优用电调度模式。通过使用本发明，能够在降低电费成本、CO2排放量和PAR的同时提高用户在热、视觉和空气质量方面的舒适度。本发明作为基于可再生能源管理控制器的智能电网调度方法及系统，可广泛应用于智能电网技术领域。于智能电网技术领域。于智能电网技术领域。
