May, 2023

考虑居民舒适性和隐私的需求响应计划成本优化

PDF
TL;DR该研究提出了一种多目标仿真模型和不侵入式的基于占用状态预测的方法，以开发一种适用于智能住宅的 DRP 应用程序，其中同时考虑了不确定性和鲁棒性，并通过将一些电器操作移至低峰时段，降低了成本 13.2％，并降低空调温度设定点。
demand response programhome energy management systemoccupancy status forecastingsimulation modeluncertainty budgets
发现论文，激发创造
  • 基于监督学习的 HVAC 系统最优需求响应策略

    该研究提出了一种基于监督学习的新策略，利用神经网络和分段线性方程来优化多区域建筑物中 HVAC 系统的需求响应，结果显示该策略在实用性和计算时间方面都非常有效，同时确保了建筑物居民的热舒适性和 HVAC 系统的成本效益。

    Apr, 2019

  • 利用设备基于强化学习的最优需求响应

    本文提出了一种新型的供需响应问题的全自动能源管理系统的调度问题的强化学习方法，并以 Q 学习算法为例，通过对代表性例子的模拟结果进行了演示。

    Jan, 2014

  • 揭示远程传感器在舒适性、能源和需求响应中的角色

    利用房屋的额外传感器信息，本研究对单区多房间房屋（SZMRHs）进行了实证特征化，并探索了远程传感器的潜力，以评估现有住房存量的温度舒适度、需求响应和能源效率影响，为 SZMRHs 的更精确控制策略铺平了道路。

    Apr, 2024

  • 利用聚类技术实现智能社区实时需求响应框架

    采用聚类技术实现需求响应节能项目，并结合预测、聚类和价格策略引擎为参与项目的生产者提供个性化的节约建议和定价策略。

    Mar, 2023

  • 商业建筑需求响应的高效数据驱动型 MPC

    基于模型预测控制 (MPC) 的能源管理方法，通过数据驱动的途径和混合整数凸优化算法，实现对建筑物的热力学建模和需求响应，从而提高热舒适度、降低能耗和成本。

    Jan, 2024

  • 借助实用数据驱动工具赋能汇聚者：利用聚合和分解的灵活性进行需求响应

    通过数据驱动技术和工业及住宅建筑的案例研究，本文不仅揭示了在平衡和新兴灵活性市场中机构的关键机遇，还成功开发了机构的端到端实用工具，验证了其操作能力，并为弹性和高效能源系统的演进作出了贡献。

    Jan, 2024

  • 面向需求响应的最优定价 —— 非参数约束策略优化方法

    本文提出了一种创新的非参数约束策略优化方法，解决了基于价格的需求响应问题中，如何保证策略的稳定性和最优性的问题，并且采用一种高效的策略优化算法，得到了比现有强化学习算法更好的表现。

    Jun, 2023

  • 基于数据驱动的需求响应在线互动竞标策略

    本文提出一种使用智能电表数据和功能，同时确定投标和购买策略，基于历史招标经验学习的双代理深度确定性策略梯度方法来优化招标和购买决策，并通过在线学习确保趋势跟踪和自适应，结果表明该模型可以通过离线 / 在线学习投标规则并稳健地进行适当的出价，在面对多种情况时获得最优利润。

    Feb, 2022

  • 学习用户优先的电器调度的奖励函数

    通过使用逆强化学习模型，本文提出了一种在不要求用户明确表明需求和意愿的情况下，通过利用用户过去的消费数据创建用户每日家用电器时间表，并激励他们继续参与需求响应服务的提供。

    Oct, 2023

  • 面向住宅负荷快速需求响应的多智能体强化学习

    本文研究了如何通过反应需求实现频率调控来整合高比例的可再生能源资源对电力网的影响。作者提出一个分散的代理模型，通过多代理近端政策优化和本地化通信进行训练。同时，文中探讨了两种通信框架：手工设计或通过目标化的多代理通信进行学习。最终的政策可以良好地、稳健地完成频率调节，并可以在恒定处理时间下无缝扩展到任意数量的房屋。

    Jan, 2023