基于数据的鲁棒负荷轮廓定价方案
计算工程、金融与科学
2019-12-13 v1 机器学习
摘要
为实现高效的电力市场，良好的定价方案至关重要。在众多实用方案中，定制定价通常被认为能最好地挖掘需求侧的灵活性。然而，由于电力部门消费者数量庞大，此类任务过于繁重。本文首先比较两种数据驱动方案：一种基于负荷轮廓，另一种基于用户边际系统成本。脆弱性分析表明，前者可能导致电力市场漏洞，而后者能够保证鲁棒性，由此得出我们的鲁棒数据驱动定价方案。尽管 k-means 聚类一般是 NP-hard 的，令人惊讶的是，通过利用问题的结构，我们设计了一种高效且最优的 k-means 聚类算法来实现所提方案。
引用
@article{arxiv.1912.05731,
title = {Robust Data-driven Profile-based Pricing Schemes},
author = {Jingshi Cui and Haoxiang Wang and Chenye Wu and Yang Yu},
journal= {arXiv preprint arXiv:1912.05731},
year = {2019}
}