面向分布外分时电价制的电力消耗预测

在电力市场中，零售商或经纪商希望通过向终端消费者分配电价曲线来最大化利润。此类需求响应管理的目标之一是激励消费者调整其消耗，从而使批发市场上的整体电力采购最小化，例如，期望消费者在采购成本较高的高峰时段减少消耗。我们考虑一种贪心解法，通过最优电价曲线分配来最大化经纪商的整体利润。这反过来需要对每个用户在所有电价曲线下的电力消耗进行预测。与标准预测问题相比，该预测问题具有挑战性，原因如下：i. 小时电价的可能组合数量众多，零售商过去可能未考虑所有组合，导致过去尝试的电价曲线集合有偏；ii. 过去分配给每个用户的曲线通常基于特定策略。这些原因违背了标准的独立同分布假设，因为需要在现有客户上评估新电价曲线，且历史数据受过去电价分配所用策略的偏置影响。在本工作中，我们考虑在这些条件下的若干预测与优化场景。我们利用消费者如何通过跨时段比较电价并转移负荷来响应可变电价率的底层结构，并在设计基于深度神经网络的预测架构时提出合适的归纳偏置以应对此类场景。更具体地，我们利用注意力机制和置换等变网络，从而对电价曲线进行理想处理，学习不受数据偏置影响且仍能代表该任务的电价表示。