本文首先构建了激励型需求响应的实现框架,阐述了负荷服务主体如何聚集需求侧资源参与电力市场业务。然后,分析了基于长短时记忆(long short memory,LSTM)算法的特征,并提出了一种基于LSTM数据驱动的激励型需求响应用户行为预测方法。最...本文首先构建了激励型需求响应的实现框架,阐述了负荷服务主体如何聚集需求侧资源参与电力市场业务。然后,分析了基于长短时记忆(long short memory,LSTM)算法的特征,并提出了一种基于LSTM数据驱动的激励型需求响应用户行为预测方法。最后,为验证所提预测方法的准确性,对所提预测方法进行了算例分析。仿真结果表明,与最小二乘法和k邻近预测方法相比,基于LSTM数据驱动的激励型需求响应用户行为预测方法预测精度更高。展开更多
电力和天然气网的耦合和互联,为风电等新能源的消纳提供了新方式。文章在考虑电转气(power to gas,P2G)设备和激励型需求响应(incentive demand response,IDR)的备用服务后,构建了电-气互联系统(integrated pow er and gas system,IPGS...电力和天然气网的耦合和互联,为风电等新能源的消纳提供了新方式。文章在考虑电转气(power to gas,P2G)设备和激励型需求响应(incentive demand response,IDR)的备用服务后,构建了电-气互联系统(integrated pow er and gas system,IPGS)带补偿两阶段随机优化调度模型。模型的决策目标包含基于风电预测出力的日前确定性调度经济成本,以及考虑实时风电场景的功率平衡补偿成本。同时计及激励型需求响应不确定性后,建立了需求响应经济补偿分段线性化模型。以IEEE 39节点电网和修改的比利时20节点天然气网组成的系统进行仿真,分析系统运行成本和天然气网的备用容量裕度,验证了所提模型的有效性。此外,进一步分析了激励型需求响应的响应概率对电-气互联系统经济调度的影响。展开更多
文摘本文首先构建了激励型需求响应的实现框架,阐述了负荷服务主体如何聚集需求侧资源参与电力市场业务。然后,分析了基于长短时记忆(long short memory,LSTM)算法的特征,并提出了一种基于LSTM数据驱动的激励型需求响应用户行为预测方法。最后,为验证所提预测方法的准确性,对所提预测方法进行了算例分析。仿真结果表明,与最小二乘法和k邻近预测方法相比,基于LSTM数据驱动的激励型需求响应用户行为预测方法预测精度更高。
文摘电力和天然气网的耦合和互联,为风电等新能源的消纳提供了新方式。文章在考虑电转气(power to gas,P2G)设备和激励型需求响应(incentive demand response,IDR)的备用服务后,构建了电-气互联系统(integrated pow er and gas system,IPGS)带补偿两阶段随机优化调度模型。模型的决策目标包含基于风电预测出力的日前确定性调度经济成本,以及考虑实时风电场景的功率平衡补偿成本。同时计及激励型需求响应不确定性后,建立了需求响应经济补偿分段线性化模型。以IEEE 39节点电网和修改的比利时20节点天然气网组成的系统进行仿真,分析系统运行成本和天然气网的备用容量裕度,验证了所提模型的有效性。此外,进一步分析了激励型需求响应的响应概率对电-气互联系统经济调度的影响。
