大量分布式居民用户有着很大的需求响应潜力,售电商可以通过激励的手段,聚合用户参与电力市场需求响应业务。但居民用户响应行为具有多样化的特点,从而大大限制了其参与需求响应业务的效果。针对这一问题,首先构建了基于长短时记忆（long short-term memory,LSTM）网络的用户响应行为预测模型,对用户在多元环境不同激励下的预期响应量进行预测。在此基础上,提出了等梯度迭代学习的方法,使得售电商能够根据每次需求响应的目标量,制定合适的激励量引导用户较为精确的完成响应目标。同时,在迭代过程中,根据用户不同的响应特性,给不同的用户下发不同的激励,以降低激励成本。仿真实验表明,所提算法能够引导用户精确的完成需求响应目标,误差在5%以内;同时,所提出的等梯度迭代学习方法能够有效降低售电商的激励成本。
类型: 期刊论文
作者: 孙毅,刘迪,崔晓昱,李彬,霍沫霖,奚巍民
关键词: 需求响应,用户响应行为预测,精准化激励
来源: 电网技术 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,经济与管理科学
专业: 电力工业,工业经济
单位: 华北电力大学电气与电子工程学院,国网能源研究院有限公司,国网(苏州)城市能源研究院有限责任公司
基金: 国家电网公司科技项目“电力弹性负荷快速响应及柔性调节关键技术研究及应用”(SGJSDK00JLJS1800094)~~
分类号: F426.61;TM73
DOI: 10.13335/j.1000-3673.pst.2019.0137
页码: 3597-3605
总页数: 9
文件大小: 2748K
下载量: 556
本文来源: https://www.lunwen66.cn/article/b0c496b0a889a414a22c6dc9.html