2022-11-28 14:06:40

A Strategy for Residential Demand Response Management in Modern Electricity Markets

Umer Akram, Muhammad Khalid, and Saifullah Shafiq

Electrical Engineering Department, King Fahd University of Petroleum amp; Minerals (KFUPM), Saudi Arabia

g201512930@kfupm.edu.sa, mkhalid@kfupm.edu.sa, saifullah@kfupm.edu.sa

Abstract—The innovations in power electronics and the intro- duction of the advance high-speed information and communi- cation technologies and sophisticated control has made the load demand of the power system more flexible and easily controllable in a smart grid paradigm. In this paper, a demand response (DR) management strategy is presented which modifies the customer load based upon the price of electricity provided by the utility company in order to decrease the electricity bill. The problem is modeled by considering the uncontrollable and controllable residential load appliances and different types of electric vehicles (EVs) and their shifting windows constraints. The optimization problem is solved using a well known optimization technique, i.e., particle swarm optimization with the aim of minimization of the cost of electricity paid by customer by shifting the loads to less pricing hours and vehicle-to-grid (V2G) operation of electric vehicles (EVs) to high pricing hours. A comparison based upon the electricity bill is presented for four scenarios, 1) system without DR strategy, 2) system with DR program that optimizes the load shift, 3) system with DR program that optimizes V2G operation only without shifting the load, and 4) system with DR program that shifts the load and optimizes V2G operation as well. It is shown that the DR strategy that optimizes the load shift and V2G operation is economical.

Index Terms—Demand response, electric vehicle, optimization.


The electric power system is contemplated to change dra- matically in the coming decades due to the advancements in the new renewable energy (RE) technologies, the innovations in power electronics, the incentives to RE sources usage, legislation of new environmental policies, and the introduction of the advance high-speed information and communication technologies. Due to increasing penetration of intermittent RE sources, to supply peak load demand, to follow daily and seasonal fluctuations, and to guarantee reliable operation of power system, electric utilities involuntarily maintain a significant amount of underutilized electric power capacity [1]. This capacity, usually outdated and harmful to environment, increases the electricity cost dramatically in the wholesale electricity price during the peak hours [2].

Instead of modifying electric power generation to follow the variations in load, the load demand itself can be forced to a desired shape to decrease power demand on the power generation system and to enable the easier integration of RE sources. Demand response (DR) is an effective techno- economical solution which makes load demand more flexible by encouraging the consumers to adjust their load demand to fit the requirements of generation. In particular, DR can

be classified as incentive based strategies (ancillary services, responsive demands) and time based strategies (real time pric- ing). In the incentive based DR programs the customers load is curtailed by a specified agreed quantity [3]. While in time based DR strategies the customer modifies its load demand depending upon the real time energy price communicated by the utility [4]. DR has manifested to be a promising solution at shifting load power demand away from peak load hours, thereby improving reliability and stability, increasing efficiency, reducing the capacity of peaking generation, which consequently results in several financial, technical, and envi- ronmental benefits [5]. Customers can also make use of DR management systems to decrease their electricity bills.

With the escalating demand for fuel frugality and eco- friendlier vehicles, automotive industry is also focusing on electric vehicles (EVs). However, widespread use of such transportation technology will significantly increase the power demand in the electric power grid [6]. Nevertheless, when used with appropriate charging strategy and communication and control infrastructure, EVs can play a dual role in a smart grid paradigm, either acting as dispatchable loads when plugged in for charging or turning into energy storage units, a concept normally referred to vehicle to grid (V2G) operation. These features make EVs suitable source to respond to a time-based DR program to make more profit. Most research and studies reveal potential profits that electric utilities or policy makers would make from V2G.

In the literature, there are different studies that address the DR. In [7], authors have developed a DR strategy for residential customers. The optimization problem based upon customers discomfort cost and electricity bill is proposed to decide the optimal start and use time of residential appliances. In [8], a decentralized aggregated control methodology is pro- posed to plan operation of appliances which can have several operation modes. The interaction in different appliances is modeled as a potential game. In [9], the authors have presented a game theory concept for evaluating the centralized and decentralized control in a smart grid infrastructure. Differential game theory framework is used to formulate the decentral- ized control while centralized control scheme is developed as optimal control problem. The different roles of EVs in DR programs are studied in [10]–[12] and many promising solutions are proposed. In [13], DR problem is modeled as a coupled constraint game. A dual decomposition method is used to



题 目 现代电力市场住宅需求响应管理策略


Umer Akram,Muhammad Khalid和Saifullah Shafi q



摘要 - 电力电子技术的创新以及先进的高速信息和通信技术的引入以及复杂的控制使得电力系统的负载需求在智能电网范例中更加灵活和易于控制。在本文中,提出了一种需求响应(DR)管理策略,根据公用事业公司为减少电费而提供的电价来修改客户负载。通过考虑不可控和可控的住宅负载设备和不同类型的电动车辆(EV)及其变速窗限制来模拟该问题。该优化问题通过使用众所周知的优化技术来解决,即粒子群优化,其目的是通过将负载转移到更少的定价时间和车辆到电网(V2G)电力运行来最小化客户支付的电力成本车辆(EV)到高价格的时间。针对以下四种情况给出了基于电费的比较:(1)没有DR策略的系统;( 2)具有优化负荷转移的DR程序的系统;( 3)具有DR程序的系统,其仅优化V2G操作而不移动负载;以及4 )系统与DR程序,可以改变负载并优化V2G操作。结果表明,优化负载转换和V2G操作的DR策略是经济的。

索引条款 - 需求响应,电动汽车,优化。

  1. 引言

由于新的可再生能源(RE)技术的进步,电力电子的创新,对可再生能源的使用的激励,新的环境政策的立法以及对电力系统的引入,电力系统预计在未来几十年将发生巨大变化 先进的高速信息和通信技术。 由于间歇性可再生能源日益普及,为了满足峰值负荷需求,遵循日常和季节性波动,并为了保证电力系统的可靠运行,电力公司不由自主地维持大量未充分利用的电力容量[1]。 这种容量通常过时并且对环境有害,在高峰时段批发电价会大幅增加电力成本[2]。

可以将负载需求本身强制为期望的形状,以降低发电系统的电力需求并且使RE源的集成更容易,而不是改变发电以遵循负载的变化。需求响应(DR)是一种有效的技术经济解决方案,通过鼓励消费者调整负载需求以适应新一代的需求,使负载需求更加灵活。特别是DR可以分为基于激励的策略(辅助服务,响应需求)和基于时间的策略(实时定价)。在基于激励的灾难恢复计划中,客户负载被特定的商定数量削减[3]。在基于时间的DR策略中,客户根据公用事业公司传达的实时能源价格修改其负荷需求[4]。 DR已经被证明是一种有前途的解决方案,能够将负载功率需求从峰值负载时间转移出去,从而提高可靠性和稳定性,提高效率,降低峰值发电能力,从而带来多项财务,技术和环境效益[5] 。客户还可以使用DR管理系统来减少电费。

随着对燃油节能和环保车辆的需求不断上升,汽车行业也将重点放在电动汽车(EV)上。 然而,这种运输技术的广泛使用将大大增加电网的电力需求[6]。 尽管如此,当与适当的充电策略以及通信和控制基础设施一起使用时,电动汽车可以在智能电网范例中扮演双重角色,或者在插入充电或转入能量存储单元时用作可调度负载,通常称为车辆到 电网(V2G)运行。 这些功能使电动汽车适合来源对基于时间的DR计划作出响应,从而获得更多利润。 大多数研究和研究揭示了电力公司或政策制定者可能从V2G获得的潜在利润。

在文献中,有不同的研究来解决DR。在[7]中,作者为住宅用户制定了DR战略。提出基于顾客不舒适成本和电费的优化问题来决定家用电器的最佳启动和使用时间。在[8]中,提出了一种分散式综合控制方法来规划可以具有多种操作模式的电器的操作。不同电器中的互动被塑造为潜在的游戏。在[9]中,作者提出了评估智能电网基础设施中集中和分散控制的博弈论概念。微分博弈理论框架用于制定分散控制,集中控制方案作为最优控制问题。电动汽车在DR项目中的不同作用在[10] - [12]中进行了研究,并提出了许多有前景的解决方案。在[13]中,DR问题被建模为一个耦合约束博弈。采用对偶分解方法将耦合约束博弈转化为解耦。在文献[14]中,提出了一种用于智能电网的分布式实时DR算法,其中有多个实用程序用于同时计算每个公用事业供应和每个用户需求。采用对偶分解方法解决各用户和用户在本地的能源分配问题。在[15]中,作者建立了一种电费计算方法,根据能源使用情况向客户公平收费。


由于电动汽车的普及率预计会在电力网络中增加,因此在制定灾难恢复管理策略时有必要考虑电动汽车的充电负荷。 在本文中,基于提前一天定价计划的DR战略被提出来最小化典型住宅社区的电费。 根据公用事业公司提供的电力价格,建议的DR策略将负荷转移到低价格小时,同时满足客户的日常需求。 考虑典型的住宅可控和不可控负载以及EV充电负载。 在电动汽车充电负载造成的实际约束和可控负载的情况下,使用粒子群优化(PSO)解决优化问题。 为了显示提出的策略的有效性,提出了基于不同DR策略之间的电费比较。

  1. 负载建模


  1. 不可控的住宅负荷建模

在每个住宅系统中都有一些不可控的家电,这些家电直接关系到用户的行为,必需品和习惯。 在本文中,所考虑的不可控制设备是:电视机,照明系统,排风扇,吹风机,笔记本电脑,移动充电器等。不可控制设备的额定功率列于表I中。总的不可控制住宅负荷Puc计算如下: 是电器消耗的功率,nuc是不可控电器的总数。

  1. 可控住宅负荷建模

与不可控设备不同,某些家用电器的工作时间可以控制,而不会影响客户的日常工作。 许多电器,例如空调,吸尘器,洗衣机,干衣机,洗碗机和水泵被认为是可控设备,它们的额定功率在表1中提供。每个可控设备可以在其相关的时移窗口。 在任何时刻的总可控负载Pc按下式给出.

其中nc是可控制设备的总数。 总住宅负荷PT计算如下

  1. 电动车负荷建模

为了计算电动汽车(EV)的负载,需要确定电动汽车的特性和用户行为。 电动汽车的特性包括充电/放电率,电池组容量和最大里程数。 用户行为的重要参数之一是每日通勤距离,这对EV充电负载计算有重大影响。 在这项研究中,考虑了四种不同的电动汽车,每个电动汽车都有一辆电动汽车,其特征见表2。 充电EV所需的总能量为


其中Ei是为第i辆EV充电所需的能量,d是每日行驶距离,D是最大里程数,B是EV的电池组容量。 根据作者的经验,平均每天的距离换算假设为25米。 EV的充电时间可以基于充电器规格来确定。

Tch i是充电时间,CR是充电率。 假设EV车主回家后开始为他们的EV充电。 总的EV负载可以计算为


  1. 问题的表述

目标是最大限度地减少客户向公用事业公司支付的电力成本。 为了实现这一目标,可控负载适当地转移到较少的定价时间上,从而降低了能源消耗的成本,EV的V2G操作转移到了高定价时段,从而增加了消费者的利润。 公用电网向社区负载提供的总能量成本如下




c(t)是t时刻的能量成本。 社区通过在能源成本较高的时段内使用V2G现象向公用电网提供能源。 社区提供给公用电网的能源成本计算如下

其中Ccl-ug是社区提供给公用电网的能源的总成本,Pcl-ug是社区提供给公用事业公司的电力。 为了最小化(8)和最大化(9),目标函数如下给出

其中f1(X)表示(8),f2(X)表示(9),SOC表示EV的充电状态限制,并且a表示可控住宅负载和EV负载的转换窗口。 众所周知的优化技术,即粒子群优化(PSO)被用来解决这个问题。

  1. 结果与讨论

在这项工作中,假设公用事业公司提前一天给客户定价时间表,以便客户可以相应地调整他们的负载以减少他们的电费。 典型的每日定价曲线如图2所示。 午夜后至凌晨,电价维持低位。 每日最高电价出现在晚上,正如典型住宅系统中的高峰负荷出现在晚上。 小住宅小区负荷需求的变化如图3所示。可以观察到,最大需求出现在晚间时间,因为在住宅系统中,大多数消费者在晚上回到家中。 本研究中考虑的不同设备的负载变化如图4所示。可以看出,电动车充电负载出现在高峰时段,因为电动车的车主预计在晚上到达家中。 而且,空调系统的负载全天都在系统中。



在价格表的基础上,能源管理系统调整负荷以降低高价时段的用电量,同时满足用户的日常需求。 由DR程序修改的负载需求如图5所示。可以看出,负载峰值转移到低价格小时,即上午1点到上午5点。 可控制的负载,例如洗碗机,干衣机,洗衣机,电动车等等转移到更少的定价时间,同时满足其换档窗口约束以减少电费。 需要注意的是,在这种情况下,DR程序并未包含V2G操作。

通过使用EV的V2G操作可以显着提高潜在利润。 在V2G现象中,业主可以在高定价时间内出售电力,并在较低的定价时间内为其电动车充电。 考虑电动汽车V2G运行和负载转移的DR策略得到开发和应用。 由DR程序修改的负载需求如图6所示。可以观察到,电动车的负载大大增加,因为随着换向的日常消耗,电动车在高定价时间内也向公用设施供电,以最大化 利润。 还可以观察到,DR计划已经将可控负荷转移到低定价小时,同时满足换档窗口。 电动车在出发时间之前已全额收费。








电费是电力公司向客户提供的能源成本与V2G收益成本之间的差额,即客户向使用EV的V2G操作的公用事业提供的能源成本。可以看出,对于没有应用DR管理策略的CASE-I,电费是最大的。 CASE-II的电费低于CASE-I和CASE-III。在CASE-II中,根据公用事业公司提供的价格表,DR计划将负荷转移。在CASE-III中,需求没有转变,但是V2G运行得到了优化。可以看出,只通过优化V2G操作,客户可以获得可观的利润。 CASEIV的电费最低。在CASE-IV中,需求管理策略应用于转移负载需求并优化V2G运行,以最小化电费和最大化利润。可以看出,通过正确实施灾难恢复战略,电费可以大幅度下降。





  1. 结论

在本文中,基于时间的灾难恢复管理策略已经开发出来,旨在最大限度地减少考虑不可控和可控的住宅负载和电动车充电的住宅小区的电费。灾难恢复管理计划使用公用事业公司提供的提前一日定价计划进行建模,以将负载转移到低定价时间,而不影响客户的日常工作,以最大限度地降低用电成本。所提出的技术还优化了EV的V2G操作,以便最大化通过销售公用电网的电能所产生的收入。 使用PSO技术解决优化问题。 据观察,拟议



您需要先支付 30元 才能查看全部内容!立即支付