实时定价程序中动态需求响应模型的学习
机器学习
2020-06-09 v1 机器学习
摘要
价格响应性是参与需求响应（DR）程序的终端用户（EUCs）的主要特征，传统上用静态需求函数建模，该函数以电价为输入、以总能耗为输出。然而，这忽略了 EUC 行为固有的时间相关性，在预测实时定价（RTP）程序中 EUC 的实际响应时可能导致较大误差。在本文中，我们提出一种动态 DR 模型以捕捉 EUC 的时间行为。所提动态 DR 模型中的状态可显式选取，此时模型可由线性函数或多层前馈神经网络表示；也可隐式选取，此时模型可由循环神经网络或长短期记忆单元网络表示。两种情况下，动态 DR 模型均可从历史电价与能耗数据中学习。数值仿真说明了状态如何选取，并表明所提动态 DR 模型显著优于静态模型。
引用
@article{arxiv.1812.09567,
title = {Learning Dynamical Demand Response Model in Real-Time Pricing Program},
author = {Hanchen Xu and Hongbo Sun and Daniel Nikovski and Kitamura Shoichi and Kazuyuki Mori},
journal= {arXiv preprint arXiv:1812.09567},
year = {2020}
}
备注
Accepted to IEEE ISGT NA 2019