考虑电网可靠性约束的实时电价约束汤普森采样

我们考虑一个聚合商在通过广播每日调度信号实施负荷塑造计划的同时，尝试学习用户负荷灵活性模型的问题。我们采用多臂老虎机（multi-armed bandit）形式来刻画用户对调度信号响应的随机性和未知性。我们提出了一种约束汤普森采样启发式算法，Con-TS-RTP，该算法考虑了聚合商可能的各种目标（例如，降低高峰时段需求、整合更多间歇性可再生能源发电、跟踪期望的日负荷曲线等），并计及配电系统的运行约束，以避免因用户响应不确定性而导致的潜在电网故障。我们讨论了该算法的遗憾界，以及在整个学习过程中配电系统约束得以维持的运行可靠性。