[论文解读] Appliance-level Flexible Scheduling for Socio-technical Smart Grid Optimisation

Farzam Fanitabasi, Evangelos Pournaras|arXiv (Cornell University)|Jul 8, 2019

Smart Grid Energy Management参考文献 64被引用 1

一句话总结

本文提出了一种去中心化的、设备级别的灵活调度框架，通过利用消费者自主决定的灵活性和舒适度偏好，优化居民需求响应。通过协调各家庭之间的设备调度，该框架显著降低了负荷波动，尤其通过高灵活性设备（如烤箱）的协作调度，在峰值削减方面优于仅关注效率的方法，尤其在消费者灵活性和参与度较高的情况下表现更优。

ABSTRACT

Participation in residential energy demand response programs requires an active role by the consumers. They contribute flexibility in how they use their appliances as the means to adjust energy consumption, and reduce demand peaks, possibly at the expense of their own comfort (e.g., thermal). Understanding the collective potential of appliance-level flexibility for reducing demand peaks is challenging and complex. For instance, physical characteristics of appliances, usage preferences, and comfort requirements all influence consumer flexibility, adoption, and effectiveness of demand response programs. To capture and study such socio-technical factors and trade-offs, this paper contributes a novel appliance-level flexible scheduling framework based on consumers' self-determined flexibility and comfort requirements. By utilizing this framework, this paper studies (i) consumers usage preferences across various appliances, as well as their voluntary contribution of flexibility and willingness to sacrifice comfort for improving grid stability, (ii) impact of individual appliances on the collective goal of reducing demand peaks, and (iii) the effect of variable levels of flexibility, cooperation, and participation on the outcome of coordinated appliance scheduling. Experimental evaluation using a novel dataset collected via a smartphone app shows that higher consumer flexibility can significantly reduce demand peaks, with the oven having the highest system-wide potential for this. Overall, the cooperative approach allows for higher peak-shaving compared to non-cooperative schemes that focus entirely on the efficiency of individual appliances. The findings of this study can be used to design more cost-effective and granular (appliance-level) demand response programs in participatory and decentralized Smart Grids.

研究动机与目标

• 理解社会技术因素（如设备类型、使用时间及个人偏好）如何影响需求响应中消费者灵活性的影响。
• 研究单个设备对居民智能电网集体峰值削减的影响。
• 评估消费者灵活性、合作程度及参与度的可变水平对协调设备调度结果的影响。
• 设计一种去中心化、以消费者为中心的框架，通过灵活调度在保障个人舒适度与电网稳定性之间实现平衡。

提出的方法

• 该框架基于通过智能手机应用程序收集的真实用户数据，将消费者灵活性建模为设备使用的自主时间窗口。
• 其公式化为双目标优化：最小化负荷波动（峰值削减），同时通过偏好使用时间最大化个体舒适度。
• 系统采用计划采样机制（如Top Poisson、Bottom Ranked、Uniform及其他）来模拟不同水平的消费者灵活性与参与度。
• 在多种场景下评估非合作（效率导向）与合作（灵活性导向）调度策略。
• 采用熵和多样性指标量化推荐能源计划的质量，并评估其在参与度下降时的鲁棒性。
• 该框架基于一项新颖的智能手机应用程序数据集进行评估，模拟了不同采纳率和灵活性水平。

实验结果

研究问题

• RQ1 设备类型、使用时间及个人偏好如何影响需求响应计划中消费者的灵活性？
• RQ2 单个设备（尤其是高耗电或高灵活性设备）对系统整体峰值削减的相对影响是什么？
• RQ3 消费者合作程度及自愿灵活性贡献水平如何影响协调设备调度的有效性？
• RQ4 灵活协调调度在减少需求峰值方面相较于仅关注效率的调度方案，其优越程度如何？
• RQ5 不同计划采样机制在消费者参与度下降时的鲁棒性如何？

主要发现

• 烤箱在系统整体中具有最高的峰值削减潜力，其相对灵活性和高能耗与减少需求峰值的影响显著相关。
• 协作调度相比上限基准（最不灵活情景）平均将需求波动降低了29.8%，显著优于非合作、效率导向的方案。
• 在高灵活性情景下，优化的灵活调度将需求波动降低了29.8%；而在低灵活性情景下，效率导向的方法表现更优，表明其有效性具有情境依赖性。
• Bottom Ranked 采样机制对参与度下降最具鲁棒性，在40%的消费者未采纳推荐计划时，仍能维持16.98%的需求波动降低。
• Top Poisson 机制最为敏感，当参与度下降30%时，需求波动增加了61.83%，凸显了效率驱动采样机制的脆弱性。
• 合作的消费者生成的计划具有更高的熵和多样性，有助于更有效的负荷分布与峰值削减。