公平时变定价电价设计：一种学习与优化联合方法

时变定价电价激励消费者转移用电需求并降低成本，但可能增加响应能力有限消费者的能源负担。因此，公用事业公司在设计这些电价时必须通过考虑消费者的响应预期来平衡可负担性与响应激励。本文提出一种基于学习的识别与优化联合方法来设计公平时变电价。我们所提方法将历史价格与需求响应数据编码进循环神经网络（RNN），以捕捉高维且非线性的消费者价格响应行为。随后我们将 RNN 嵌入电价设计优化中，构建带二次目标的非线性优化问题。我们提出一种基于梯度的求解方法，可实现快速且可扩展的计算。使用真实消费者数据的仿真表明，我们的公平电价在保护低收入消费者免受价格飙升影响的同时，有效激励消费者削减峰值需求。该方法还确保了公用事业公司的收入回收，并对需求响应不确定性与预测误差表现出鲁棒性能。