We address the problem of minimizing the peak load by optimal coordinated ON–OFF scheduling of the compressors of air conditioners (ACs) connected in a smart grid. For this purpose, we consider a simplified model of power consumption profile, i.e., on-time and off-time durations and power consumption values of a split type AC. We model the necessary constraints and formulate an optimization problem to minimize the peak load by optimal coordinated ON–OFF scheduling of the AC compressors. The optimization problem is found to be a complex mixed integer linear programming problem. We optimally solve the problem for a small number of ACs by using an optimization tool. Unfortunately, due to the computational complexity, the tool cannot solve the problem for a large number of ACs. For a large number of ACs, we develop a heuristic algorithm to solve the problem. Using the optimization tool and the heuristic algorithm, we determine the peak load, load variance, and energy consumption in operating a number of ACs and compare them with the results obtained for a traditional non-coordinated AC operation. We find that both the optimal and heuristic solution approaches significantly reduce the peak load and load variance with some increment of energy consumption. Further, the computation time of the scheduling of the AC compressors of an air conditioning system under the heuristic algorithm is found to be significantly less compared to the time bound on scheduling computation of the AC compressors even when the number of ACs in the system is large.

我们通过对连接在智能电网中的空调 (AC) 压缩机的最佳协调 ON-OFF 调度来解决最小化峰值负载的问题。为此，我们考虑了一个简化的功耗曲线模型，即分体式 AC 的接通时间和断开持续时间以及功耗值。我们对必要的约束进行建模并制定优化问题，以通过交流压缩机的最佳协调 ON-OFF 调度来最小化峰值负载。发现优化问题是一个复杂的混合整数线性规划问题。我们通过使用优化工具优化解决少量 AC 的问题。不幸的是，由于计算复杂性，该工具无法解决大量 AC 的问题。对于大量的 AC，我们开发了一种启发式算法来解决这个问题。使用优化工具和启发式算法，我们确定运行多个 AC 时的峰值负载、负载方差和能耗，并将它们与传统非协调 AC 操作获得的结果进行比较。我们发现最优和启发式解决方案都显着降低了峰值负载和负载方差，同时增加了一些能源消耗。此外，发现在启发式算法下空调系统的空调压缩机调度的计算时间与空调压缩机的调度计算的时间界限相比显着减少，即使系统中的空调数量很大. 和运行多个空调时的能耗，并将它们与传统的非协调空调运行所获得的结果进行比较。我们发现最优和启发式解决方案都显着降低了峰值负载和负载方差，同时增加了一些能源消耗。此外，发现在启发式算法下空调系统的空调压缩机调度的计算时间与空调压缩机的调度计算的时间界限相比显着减少，即使系统中的空调数量很大. 和运行多个空调时的能耗，并将它们与传统的非协调空调运行所获得的结果进行比较。我们发现最优和启发式解决方案都显着降低了峰值负载和负载方差，同时增加了一些能源消耗。此外，发现在启发式算法下空调系统的空调压缩机调度的计算时间与空调压缩机的调度计算的时间界限相比显着减少，即使系统中的空调数量很大. 我们发现最优和启发式解决方案都显着降低了峰值负载和负载方差，同时增加了一些能源消耗。此外，发现在启发式算法下空调系统的空调压缩机调度的计算时间与空调压缩机的调度计算的时间界限相比显着减少，即使系统中的空调数量很大. 我们发现最优和启发式解决方案都显着降低了峰值负载和负载方差，同时增加了一些能源消耗。此外，发现在启发式算法下空调系统的空调压缩机调度的计算时间与空调压缩机的调度计算的时间界限相比显着减少，即使系统中的空调数量很大.