[论文解读] A Survey of Home Energy Management Systems in Future Smart Grid Communications

Ilyas Khan, Nadeem Javaid+3 more|arXiv (Cornell University)|Jul 26, 2013

Smart Grid Energy Management参考文献 14被引用 27

一句话总结

本文全面综述了未来智能电网中家庭能源管理（HEM）系统的应用，评估了基于优化和基于通信的HEM方案与动态定价模型（如分时电价ToU、实时电价RTP和关键峰荷电价CPP）的集成。研究表明，通过智能负荷调度和需求响应策略，HEM系统可将峰值负荷降低至多40%，月度电费降低至多35%。

ABSTRACT

In this paper we present a systematic review of various home energy management (HEM) schemes. Employment of home energy management programs will make the electricity consumption smarter and more efficient. Advantages of HEM include, increased savings for consumers as well as utilities, reduced peak to average ratio (PAR) and peak demand. Where there are numerous applications of smart grid technologies, home energy management is probably the most important one to be addressed. Utilities across the globe have taken various steps for efficient consumption of electricity. New pricing schemes like, Real Time Pricing (RTP), Time of Use (ToU), Inclining Block Rates (IBR), Critical Peak Pricing (CPP) etc, have been proposed for smart grid. Distributed Energy Resources (DER) (local generation) and/or home appliances coordination along with different tariff schemes lead towards efficient consumption of electricity. This work also discusses a HEM systems general architecture and various challenges in implementation of this architecture in smart grid.

研究动机与目标

• 分析家庭能源管理（HEM）系统在实现住宅智能电网中高效、经济且环境可持续电力消费方面的作用。
• 评估不同定价方案（如分时电价ToU、实时电价RTP和关键峰荷电价CPP）对用户电费支出和峰值负荷削减的影响。
• 识别并讨论HEM系统部署中的关键技术挑战，包括互操作性、可扩展性、安全性和隐私问题。
• 比较基于优化和基于通信的HEM方案在性能、成本节约和峰值负荷缓解方面的表现。

提出的方法

• 提出一种通用的HEM系统架构，以智能电力管理平台（IPMR）作为中央控制器，实现数据集成与决策制定。
• 采用线性规划（LP）和启发式优化技术，在不同定价方案下最小化电费支出和峰值平均比（PAR）。
• 将分布式能源资源（DERs），如太阳能光伏（PV），与家庭电器集成，实现本地发电及多余电能的反向输出。
• 通过AMI、ZigBee和Wi-Fi实现双向通信，支持实时监控、负荷转移和电器远程控制。
• 应用元启发式技术（如粒子群优化PSO）在复杂HEM环境中实现DER调度与负荷协调。
• 采用标准化指标评估多种HEM方案的系统性能：峰值负荷降低、月度账单减少及PAR最小化。

实验结果

研究问题

• RQ1 不同定价方案（ToU、RTP、CPP）如何影响HEM系统在降低用户电费支出和峰值负荷方面的有效性？
• RQ2 与基于通信或非优化方法相比，基于优化的HEM方案在多大程度上可降低峰值负荷和电费支出？
• RQ3 哪些关键技术挑战（如互操作性、可扩展性和安全性）阻碍了HEM系统在智能电网中的大规模部署？
• RQ4 HEM系统与分布式能源资源（DERs）的集成如何提升住宅环境下的成本节约和能效？
• RQ5 智能家庭自动化与实时数据处理在实现有效需求响应和负荷管理中发挥何种作用？

主要发现

• OREM方案在采用ToU定价和线性规划优化的情况下，将月度电费降低了35%，且无需通信基础设施支持。
• iHEM方案通过交互式负荷转移和通信支持的控制，实现了40%的峰值负荷降低和30%的电费减少。
• RLC方案在RTP定价和基于LP的优化下，实现22%的峰值负荷降低和16–25%的月度账单减少，证明了其在实时电价环境下的有效性。
• OLM方案在RTP下采用启发式优化，实现8–22%的电费降低，但未报告峰值负荷减少，表明优化目标之间存在权衡。
• DsT方案通过PSO算法在ToU和CPP定价下调度DERs，实现16–25%的电费降低，凸显了智能DER协调的价值。
• 本研究识别出互操作性、可扩展性、安全性和隐私问题是未来智能电网中大规模部署HEM系统必须解决的关键挑战。