华南理工大学学报(自然科学版)

作者：边瑞恩, 刘亚东

单位：1.上海交通大学 电气工程学院，上海 2002412.南方电网供应链集团有限公司，广东 广州 510630

关键词：用户偏好,数据驱动,家庭能源管理,热效应估计

基金：贵州省高等学校创新团队(黔教技［2023］064号)

传统的家庭能源管理系统主要关注用户家庭自身的能源管理，通常忽视了用户舒适度及其与配电网的双向互动潜力。为进一步提升家庭能源管理的智能化水平，该文提出了一种双层架构的家庭能源管理策略，其中上层考虑了配电网的系统运行约束和成本，下层尽可能考虑满足用户的用电偏好及用电成本要求，在基于配电网互动的前提下，实现家庭能源最优管理。针对常规配电网潮流计算和室内热响应算法在精确建模方面的不足和局限性，引入了长短期记忆递归神经网络（LSTM）和在线顺序超限学习机（OS-ELM）两种数据驱动方法达到更准确评估配电网状态和室内热动态的目标（LSTM用于潮流估计，OS-ELM用于热响应估计），并利用高效的自然聚合算法（NAA）来提升优化过程的求解速度和准确率。为评估所提算法的有效性和科学性，对上层所提出的LSTM模型、下层所提出的动态热估计算法和总体双层能源管理算法设计了详尽的对比实验进行分析。最终，基于IEEE 33节点系统的实验验证表明，该文提出的LSTM潮流估计和OS-ELM热响应估计方法的精度显著优于传统方法，所提策略在降低用户用电成本、保障配电网安全运行及提升用户舒适度方面均显著优于传统方法，验证了其有效性和优越性。该方法为解决高渗透率分布式能源社区中源荷协同优化问题提供了有效的技术支撑，具有较好的工程应用前景。

来源：2026年第3期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第3期