电网技术

2019, v.43;No.431(10) 3597-3605

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向居民用户精细化需求响应的等梯度迭代学习激励策略
Equal Gradient Iterative Learning Incentive Strategy for Accurate Demand Response of Resident Users

孙毅;刘迪;崔晓昱;李彬;霍沫霖;奚巍民;

摘要(Abstract):

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。

关键词(KeyWords): 需求响应;LSTM;用户响应行为预测;精准化激励

Abstract:

Keywords:

基金项目(Foundation): 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)~~

作者(Author): 孙毅;刘迪;崔晓昱;李彬;霍沫霖;奚巍民;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享