考虑需求响应收益的售电商实时电价决策模型

• 作者: 张婕 孙伟卿 刘唯
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 实时电价 动态需求响应 需求曲线 卷积神经网络 长短期记忆网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电力市场|Electricity Market
• 页码范围: 492-502,中插7-中插8
• 页数: 1页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2021.0152

摘要

实时电价是激励用户改变用电行为参与需求响应的理想市场化机制,但目前实时电价研究存在用户响应行为建模方法单一、缺乏实际用户数据验证等问题,导致响应计算精度较低.激励电价制定的准确性直接影响售电商参与需求响应项目的市场收益,为此提出一种基于数据驱动的实时电价决策模型.首先,利用原有实时电价实施背景下积累的大量历史数据,采用改进卷积神经网络—长短期记忆网络混合模型(convolutional neural networks-long short-term memory,CNN-LSTM)建立以用电量为输入、实时电价为输出的用户响应动态特性函数.在此基础上,提出售电商参与需求响应项目背景下,一种以净收益最大化为目标的实时电价决策模型.基于美国PJM市场数据的算例分析表明,改进CNN-LSTM模型具有计算精度和效率高、鲁棒性强的优点,提出的实时电价决策模型能够有效帮助售电商提高市场收益.