面向需求响应的动态定价在线学习方法
最优化与控制
2014-04-07 v1
摘要
本文考虑了在需求模型未知的情况下零售电力的最优动态定价问题。在日前动态定价（即实时定价）机制下，零售商在两级结算的批发市场获取电力并实时服务其客户。在不知道客户聚合需求函数的情况下，零售商旨在通过根据客户过去的行为顺序调整价格来最大化其零售盈余。提出了一种在线学习算法，称为分段线性随机逼近（PWLSA）。结果表明，PWLSA达到了由累积遗憾增长率定义的最优学习速率。特别地，PWLSA的遗憾相对于学习时间呈对数增长，且没有其他在线学习算法能比PWLSA具有更慢的增长率。使用实际日前价格轨迹进行了仿真研究，PWLSA在静态和动态变化参数下均表现良好。
引用
@article{arxiv.1404.1325,
title = {An online learning approach to dynamic pricing for demand response},
author = {Liyan Jia and Lang Tong and Qing Zhao},
journal= {arXiv preprint arXiv:1404.1325},
year = {2014}
}