【精彩论文】基于CNN的产消群需求响应滚动优化策略

观点凝练

摘要：随着分布式光伏的普及，具有负荷电源双重属性的产消者大量出现。在电力现货市场的环境下，首先，基于Stackelberg模型分析产消者以及售电商在价格型需求响应中的决策机理，提出基于卷积神经网络（convolutional neural networks, CNN）的产消群决策行为预测模型，实现对产消群负荷调整及反弹量的精准预测。然后，充分考虑负荷反弹现象对于价格型需求响应的影响，提出考虑负荷反弹的滚动优化策略，提升售电商收益的同时，降低产消群负荷不平衡量，并促进分布式光伏的就地消纳。仿真实验表明，所提产消者决策行为预测模型的预测准确度在99%以上，且考虑了负荷反弹现象的滚动优化策略能够将产消群可再生能源就地消纳率提升5%以上，同时，相较于分时电价以及不考虑负荷反弹的实时电价，售电商的收益分别提升了118.8%和15.1%。
结论：本文面向未来大量出现的产消者，采用Stackelberg博弈原理，分析了其在不同价格信号下的行为决策原理，并提出了现货市场环境下，售电商需求响应价格优化实施架构。基于Stackelberg博弈过程中领导者的决策需求，构建了基于CNN的产消群决策行为预测模型，实现了对产消群负荷调节行为以及负荷反弹现象的精准预测。进而，充分考虑负荷反弹对于实施电价优化决策的影响，构建了考虑负荷反弹的滚动优化策略，并引入遗传算法对策略求解。最后，通过仿真实验，验证了本文所提的预测模型能够实现产消者负荷及反弹量的精准预测，有效支撑滚动优化策略的求解，滚动优化策略也能够在提升产消群分布式就地消纳率的同时，有效提升售电商的收益。

在未来的工作中，可以设计更加灵活的激励机制，一方面挖掘产消者调节弹性的差异性，进一步提升售电商的效益；另一方面可以结合日前市场、辅助服务市场，进一步扩展需求响应业务开展的范围，提升需求响应业务效益。

引文信息

张旭东, 李飞, 刘迪, 等. 基于CNN的产消群需求响应滚动优化策略[J]. 中国电力, 2021, 54(2): 78-89.ZHANG Xudong, LI Fei, LIU Di, et al. CNN-based rolling optimization strategy for prosumer group in demand response[J]. Electric Power, 2021, 54(2): 78-89.

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。