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

摘要：

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：需求响应、LSTM、用户响应行为预测、精准化激励

所属期刊栏目：43

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目SGJSDK00JLJS1800094

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3597-3605