论文部分内容阅读
基于家庭智能电能表采集数据,构建居民需求响应样本库.基于该样本库,开展特征工程,充分挖掘响应用户的家庭属性、响应行为、用电行为等特征.在此基础上,构建居民电力需求响应神经网络自学习优化模型,根据不同家庭标签与历史响应结果数据,预测居民需求响应参与情况,随着典型场景下需求响应的不断开展,对模型进行循环迭代与优化.最终,依据调节目标,智能化制定需求响应调控策略.算例结果表明,所提的需求响应策略能够准确识别居民需求响应参与度,降低需求响应激励成本.