10.13335/j.1000-3673.pst.2020.2010
数据驱动的用户需求响应行为建模与应用
随着售电侧电力市场改革推进,参与需求响应的用户数量日益增加,由于参与互动用户的特性不一、响应能力差异大,多类型用户组合后还造成整体响应特性呈现高维、非线性、非凸的复杂特征,这对于传统基于模型驱动的互动建模和优化定价策略带来了巨大挑战.对此,提出一种新型的数据驱动的用户需求响应行为建模方法,采用不涉及用户隐私的环境气象数据、电价数据及用户聚合体的历史互动数据,结合深度长短时记忆(long short-term memory,LSTM)网络方法实现了对用户聚合体的复杂响应特征的有效表征,建立了反映用户聚合体差异化需求响应能力的特性封装模型,并将其在零售市场定价场景中进行了应用测试.结果表明,所提出的深度学习封装建模方法能够很好地逼近用户需求响应特性理论值,具有良好的精度,同时能显著降低零售定价迭代出清所需时间,可为复杂用户参与下的电力市场运行提供一定参考.
需求响应、负荷行为模型、深度学习、零售市场
45
TM714(输配电工程、电力网及电力系统)
国家重点研发计划项目;国家自然科学基金项目
2021-07-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
2577-2585,中插5