【Advances in Applied Energy】电力市场中零售商的战略零售定价和需求报价:一种数据驱动的机会约束规划

学术   科学   2024-11-05 18:30   美国  

原文信息:

Strategic retail pricing and demand bidding ofretailers in electricity market: A data-driven chance-constrained programming

原文链接:

https://www.sciencedirect.com/science/article/pii/S266679242200018X

Highlights

•提出了一种混合深度学习的预测方法;

•提出了一个针对零售商、消费者和市场清算过程的双层次模型;

提出了一个考虑到不确定性的机会约束程序;

•研究了需求灵活性对零售商策略的影响。

Research gap

本文利用了双层优化模型解决了电力零售商在零售市场,日前批发市场,日内平衡市场之间的策略定价和竞拍机制。另外在数据驱动的混合深度学习预测和机会约束程序,电力零售商的用户需求灵活性也得到了研究。

摘要

本文提出了一种新型的双层优化模型来研究电力零售商的战略零售定价和需求报价问题,该模型考虑了需求响应和市场清算过程之间的相互作用。为了准确预测零售商提交的日前需求报价,作者提出了一种基于卷积神经网络和长-短期记忆的新型深度学习框架,该框架可以捕获预测数据的局部趋势和长期相关性。此外,使用由数据构建的数据驱动的不确定性集,将零售商的服务需求、竞争对手的需求出价和风力发电的不确定性纳入其中。作者进一步提出机会约束规划,通过引入一组机会约束来表示与市场不确定性相关的操作风险。为了解决这个问题,作者首先将机会约束规划转化为可处理的二阶圆锥规划,然后利用Karush-Kuhn-Tucker条件将其转化为具有平衡约束的单层数学规划。所研究的案例主要包括四个方面。首先,与传统预测方法相比,他们评估了拟议预测框架在更高精度和预期利润方面的优势。其次,他们展示了需求灵活性如何影响零售商的战略和商业案例。第三,通过将其结果与具有外生市场价格的最先进的双层模型进行比较,他们强调了所提出的双层模型捕捉市场清算过程的附加值。最后,他们分析了零售商在不同置信水平下的策略和商业案例。

更多关于"A data-driven chance-constrained programming"的研究请见:

https://www.sciencedirect.com/search?qs=A%20data-driven%20chance-constrained%20programming&pub=Advances%20in%20Applied%20Energy&cid=777797

Abstract

This paper proposes a novelbi-level optimization model to study the strategic retail pricing and demandbidding problems of an electricity retailer that considers the interactionsbetween demand response and market clearing process. In order to accuratelyforecast the day-ahead demand bids submitted by the retailer, a novel deeplearning framework based on convolutional neural networks and long short-termmemory is proposed that can capture both local trends and long-term dependencyof the forecasting data. In addition, uncertainties about the retailer’s serveddemand, rivals’ demand bids, and wind power generation are incorporated usingthe data-driven uncertainty set constructed from data. We further proposechance-constrained programming that introduces a set of chance constraints torepresent the operational risk associated with the market uncertainties. Tosolve this problem, we first reformulate chance-constrained programming as atractable second-order conic programming and then convert it into asingle-level mathematical program with equilibrium constraints by using itsKarush Kuhn Tucker conditions. The scope of the examined case studies isfour-fold. First, they evaluate the benefits of the proposed forecastingframework in terms of higher accuracy and expected profit compared to theconventional forecasting methods. Second, they demonstrate how demandflexibility affects the retailer’s strategies and its business cases. Third,they highlight the added value of the proposed bi-level model capturing themarket clearing process by comparing its outcomes against the state-of-the-artbi-level model with exogenous market prices. Finally, they analyze theretailer’s strategies and business cases at different confidence levelsregarding the imposed chance constraints.

Keywords

Electricity retailer 电力零售商

Demand response需求侧响应

Deep learning 深度学习

Bi-level optimization problem 双层优化问题

Chance-constrained programming 机会约束程序

图1 双层优化模型

图2 算法示意图

图3 混合深度学习预测模型

图4 预测结果的比较

图5 零售电价,需求侧响应,竞拍策略,系统负荷,批发市场价格,平衡策略,平衡价格

团队介绍

本研究由英国帝国理工学院、香港大学、以及清华大学的研究人员共同完成。

通信作者简介:

仇大玮,博士,英国帝国理工学院博士后研究员,从事电力市场定价,综合能源系统,和人工智能研究。在Applied Energy、Advances in Applied Energy等期刊上发表论文超过20篇,并多次受邀报告。

董子航,博士,英国帝国理工学院博士后研究员。2019年获得帝国理工学院控制系统博士学位。博士研究课题为鲁棒经济模型预测控制的稳定性理论和性能分析。现主要从事综合能源系统的集中和分布式优化、运行和分析,以及锂电池电化学模型研究。

阮广春,博士,香港大学电力电子工程系博士后研究员,主要从事电力市场、需求响应、机器学习、电力系统运行优化研究。2021年获清华大学博士学位,2019和2020年分别前往美国华盛顿大学和德州农工大学交流访问。

关于Applied Energy

本期小编:柴汝宽;审核人:仇大玮

《Applied Energy》是世界能源领域著名学术期刊,在全球出版巨头爱思唯尔 (Elsevier) 旗下,1975年创刊,影响因子10.109,CiteScore 20,高被引论文ESI全球工程期刊排名第4,谷歌学术全球学术期刊第53,本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源(Open Access)姊妹新刊《Advances in Applied Energy》现已正式上线。在《Applied Energy》的成功经验基础上,致力于发表应用能源领域顶尖科研成果,并为广大科研人员提供一个快速权威的学术交流和发表平台,欢迎关注!

公众号团队小编招募长期开放,欢迎发送自我简介(含教育背景、研究方向等内容)至wechat@applied-energy.org

点击“阅读原文”

喜欢我们的内容?

点个“赞”或者“再看”支持下吧!

AEii国际应用能源
发布应用能源领域资讯,介绍国际应用能源创新研究院工作,推广应用能源优秀项目,增进应用能源领域合作
 最新文章