文献知网节
  • 记笔记
摘要:大量分布式居民用户有着很大的需求响应潜力,售电商可以通过激励的手段,聚合用户参与电力市场需求响应业务。但居民用户响应行为具有多样化的特点,从而大大限制了其参与需求响应业务的效果。针对这一问题,首先构建了基于长短时记忆(long short-term memory,LSTM)网络的用户响应行为预测模型,对用户在多元环境不同激励下的预期响应量进行预测。在此基础上,提出了等梯度迭代学习的方法,使得售电商能够根据每次需求响应的目标量,制定合适的激励量引导用户较为精确的完成响应目标。同时,在迭代过程中,根据用户不同的响应特性,给不同的用户下发不同的激励,以降低激励成本。仿真实验表明,所提算法能够引导用户精确的完成需求响应目标,误差在5%以内;同时,所提出的等梯度迭代学习方法能够有效降低售电商的激励成本。
  • DOI:

    10.13335/j.1000-3673.pst.2019.0137

  • 专辑:

    工程科技Ⅱ辑; 经济与管理科学

  • 专题:

    电力工业; 工业经济

  • 分类号:

    F426.61;TM73

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:520 页码:3597-3605 页数:9 大小:2748K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者