Distributed Load Scheduling in Residential Neighborhoods for Coordinated Operation of Multiple Home Energy Management Systems
最近，家庭能源管理系统（HEMS）越来越受欢迎，使客户能够在时变电价下最大限度地减少他们的电费。虽然它们为智能电网中更好的能量管理提供了一个有前途的解决方案，但HEMS的不协调和自主操作可能会导致电网级的一些操作问题。本文旨在开发一个协调的框架，多个HEMS在一个住宅小区的基础上，电网的最佳和安全运行的操作。在所提出的框架中，客户合作，以优化能源消耗在邻里水平，并防止任何电网运行约束违反。提出了一种新的基于价格的全局和个性化的激励机制，使用户能够响应和调整负荷。个人客户因其合作而获得奖励，并且网络运营商通过消除反弹的网络峰值而受益。采用乘子交替方向法（ADMM）技术，以分布式方式实现负载协调调度，减少计算负担，保证用户隐私。仿真结果表明，所提出的方法在保持标称网络条件，同时确保个人客户以及电网运营商的利益的有效性。
2021-03-07 math.OC
An online learning approach to dynamic pricing for demand response
研究了需求未知的电力零售商的最优动态定价问题。根据日前动态定价（day-ahead dynamic pricing，A.K.A.）实时定价）机制，零售商在两结算批发市场中获得电力并实时地为其客户服务。在不知道顾客的总需求函数的情况下，零售商的目标是通过根据顾客过去的行为顺序地调整价格来最大化其零售剩余。提出了一种分段线性随机逼近（PWLSA）的在线学习算法。结果表明，PWLSA实现了最佳的学习率定义的增长率的累积遗憾。特别是，PWLSA的遗憾被证明相对于学习视野的增长速度，没有其他在线学习算法可以有比PWLSA的增长速度慢。模拟研究使用的实际日前价格的痕迹，PWLSA相比，在静态和动态变化的参数。
2014-04-04 math.OC
Multiobjective Home Appliances Scheduling Considering Customer Thermal Discomfort: A Multistep Look-ahead ADP-Based Approach
本文提出了一种多目标家庭能源管理单元（MO_HEMU），以平衡电力支付和热不适的家庭，通过适当的调度设备在时变价格环境。热不适是通过室内和热水温度与用户理想温度的偏差来衡量的。家庭设备包括太阳能光电转换器、电池存储系统、可延期和热设备。建议MOHEMU制定为一个动态规划和方法的基础上近似动态规划作为调度算法。所开发的方法，称为多步前瞻算法，是一种迭代算法，克服了灾难的维数的确切DP通过选择一个决定的基础上有限数量的阶段提前。通过数值模拟研究了该模型的有效性。所提出的MO_HEMU使客户能够找到电力支付和不适水平之间的所需权衡。
2019-07-07 eess.SP math.OC
Optimal Energy Management for Commercial Buildings Considering Comprehensive Comfort Levels in a Retail Electricity Market
配电系统运营商已经实施了需求响应，以减少高峰需求并减轻配电线路和变电站上的应急问题。具体而言，校园商业建筑对配电系统的峰值需求做出了主要贡献。需要注意的是，先前的工作忽略了消费者的舒适度在执行需求响应，这限制了他们的应用程序的激励是不值得相比，舒适度的损失，在大多数时间。因此，有必要建立一个综合考虑运营成本和舒适度的框架。此外，分布式能源广泛部署在商业建筑中，例如屋顶太阳能电池板、插入式电动汽车和储能单元，这给配电系统带来了各种不确定性，即，可再生能源产量;电价;插电式电动汽车的到达和离开;营业时间需求响应信号和灵活的能源需求。在本文中，我们提出了一个最佳的需求响应框架，使本地控制的需求侧设备，通常是太小，不能参与零售电力市场。几种典型的小型需求侧设备，即，加热，通风和空调系统，电热水器和插入式电动汽车，被认为是在我们提出的模型。它们的操作由中央控制器协调，其目标是最大限度地降低总成本，并最大限度地提高多个商业建筑的客户舒适度。一个基于马尔可夫的随机规划是用来处理上述的不确定性。基于实际数据的数值结果验证了该框架的有效性。此外，商业建筑的运营成本和客户的舒适度之间的权衡说明。
2018-12-20 math.OC
Decarbonized Demand Response for Residential Plug-in Electric Vehicles in Smart Grids
最近，在巴黎，世界各国达成了一项协议，许多国家承诺加强努力，减少不利的气候变化。因此，我们可以预期，在不久的将来，脱碳将在不同的能源领域引起更多的关注。特别是，发电侧和消费侧都需要更加一致和环保地运行。因此，在发电侧使用可再生能源，以及我们提出的消费侧脱碳需求响应（DDR）可以显着减少对气候的有害影响。在消费方面，这种雄心需要客户和零售商之间以及客户之间的共生和协同作用。也就是说，在顾客与零售商之间以及顾客之间要有一定的基于激励的协作，才能使目标得以顺利实现。在本文中，我们提出了这样的匹配需求响应（DR）算法为住宅用户拥有车辆到电网（V2G）使能插件电动汽车（PEVs）谁获得电力从一个共同的零售商。零售商本身与电力批发市场相连，以购买和销售电力。此外，我们解释了我们的系统中现有的共生和协同作用的细节。我们的模拟结果表明，我们提出的技术可以实现大量的成本节约，同时减少污染。
2016-04-04 cs.CE math.OC
Pricing Residential Electricity Based on Individual Consumption Behaviors
Stanford University（斯坦福大学）；University of Washington（华盛顿大学）
本文提出通过个体用电行为将用户分组，以优化批发市场价格的单位成本，并提供差异化定价方案，确保分组稳定性。
2017-08-05 cs.SI cs.SY eess.SY
A Contract Design Approach for Phantom Demand Response
针对基于激励的需求响应问题，设计了需求响应聚合器与电网客户之间的最优契约。我们考虑一个设定，其中客户被要求减少他们的电力消耗的电力需求，他们是补偿这种需求削减。然而，考虑到电力公司必须向每个客户提供她所期望的尽可能多的电力，战略客户可以临时增加她的基本负荷，以便将更大的减少报告为需求响应事件的一部分。电力公司希望激励客户做出昂贵的努力来减少负荷，并且不伪造所报告的负荷减少。我们将此问题建模为合同设计问题，并提出了解决方案。拟议的合同由两部分组成：一部分取决于（可能夸大的）负荷减少量，由电力公司衡量，另一部分提供了一个份额的利润，通过对客户的需求响应事件，累计到电力公司。由于所有客户采取的行动导致总负荷减少，因此利润增加，因此在合同设计中还需要仔细考虑客户之间的相互作用。合同设计和它的性质，并通过例子说明。
2017-01-14 math.OC
Dynamic Pricing and Distributed Energy Management for Demand Response
研究了零售市场中电力的动态定价问题。一个Stackelberg游戏是用来模拟零售商和它的客户之间的互动;零售商设置前一天的每小时的电价和消费者调整实时消费，以最大限度地提高个人消费者剩余。对于非均衡需求，最优总需求是日前小时价格的仿射函数。消费者剩余和零售利润之间的权衡得到一个完整的表征。帕累托前沿的可实现的权衡被证明是凹的，帕累托前沿上的每一点都是通过一个最优的前一天的小时价格来实现的。分析了可再生能源和本地存储相结合的效果。结果表明，当可再生能源容量相对较小时，可再生能源整合的收益全部流向零售商。随着容量的增加超过一定的阈值，消费者从可再生能源中获得的利益也会增加。
2016-02-29 math.OC
Optimal Selection of Small-Scale Hybrid PV-battery Systems to Maximize Economic Benefit Based on Temporal Load Data
光伏和电池储能技术的持续进步使得混合光伏电池系统成为住宅能源消费者的一个有吸引力的前景。然而，由于电池成本相对较高，众多可用的零售电力计划以及取消光伏安装激励计划，选择适当系统的过程变得复杂。在本文中，建立了一个优化策略的基础上，单个客户的时间负荷曲线，以最大限度地节省电力成本，通过最佳选择的光伏电池系统的大小，方向和零售电力计划。量子行为粒子群优化算法适用于其非常适合的应用程序，涉及混合能源系统规范的问题作为底层算法。使用真实世界的居民消费数据，当前的系统定价和可用的零售电力计划来测试优化策略，以确定混合光伏电池解决方案的功效。
2017-05-31 math.OC
Market-based Demand Response via Residential Plug-in Electric Vehicles in Smart Grids
电力需求的灵活性、多样化的使用模式和插电式电动汽车（PEV）的储能能力显著增加了居民电力需求的弹性。这种弹性可以用于形成每日聚合需求简档和/或改变系统的瞬时需求，其中大量住宅PEV共享一个电力零售商或聚合器。在本文中，我们提出了一种需求响应（DR）技术来管理车辆到电网（V2 G）使能的PEVs的电力分配（充电和放电），以降低零售商投标到两个结算电力市场的总电力采购成本，即，一天前（DA）和现货或实时（RT）市场。我们表明，我们的方法是分散的，可扩展的，快速收敛，不侵犯用户的隐私。大量的仿真结果表明，显着的整体成本节省可以实现零售商投标到一个可操作的电力市场，通过使用所提出的算法。当电网容纳大量间歇性能量资源时，该技术变得更加需要，其中由于更可能的意外事件以及因此更多的RT价格波动，RT需求改变是至关重要的，并且甚至发生所谓的\textit{black swan events}。最后，这样的零售商也可以为客户提供更好的交易。
2015-12-21 math.OC
An Integrated Optimization + Learning Approach to Optimal Dynamic Pricing for the Retailer with Multi-type Customers in Smart Grids
School of Engineering and Computing Sciences, Durham University（工程与计算科学学院，达勒姆大学）；School of Computer Science, The University of Manchester（计算机科学学院，曼彻斯特大学）；College of Information System and Management, National University of Defense Technology（信息系统与管理学院，国防科技大学）；School of Mathematics, University of Edinburgh（数学学院，爱丁堡大学）；School of Information and Control Engineering, China University of Mining and Technology（信息与控制工程学院，中国矿业大学）
本文针对智能电网中零售商服务三种不同类型的顾客问题，提出两级决策框架，结合优化与学习方法实现动态定价优化，通过仿真实验验证模型的有效性。
2018-03-21 cs.AI cs.GT cs.SY
Demand Response Analogues for Residential Loads in Natural Gas Networks
电力网络的需求响应是一个成熟的领域，已经产生了许多效率和弹性效益，如管理用电高峰和低谷，减少用电高峰等。然而，直到最近才开始对天然气电力需求响应的对应研究受到类似程度的关注。天然气系统越来越多地以满负荷或接近满负荷运行，这对这些系统满足所有天然气需求提出了挑战，特别是在恶劣的冬季天气期间。然而，与电力网络中的需求响应程序不同，天然气网络中的需求响应不能改变高峰使用。在这里，我们开发了类似于需求响应的方法，可以通过减少峰值消费来帮助提高天然气系统的弹性，从而限制此类事件可能导致的潜在中断。本文开发了一个数学公式，以支持基于当前和预期的智能恒温器技术的天然气住宅级需求响应模拟。数学公式采用最优控制问题（OCP）的形式，该问题利用物理约束来模拟温度变化、平衡公平服务并优化房屋集合的天然气消耗。在测试问题上，该公式显示出显着的好处，包括能够将峰值需求减少15%，同时仍然确保为客户提供公平的服务。
2021-12-02 math.OC
Reinforcement learning based demand charge minimization using energy storage
针对配备储能和自产可再生能源的客户，提出一种无需预测模型的无模型强化学习算法，在线优化以同时降低能源费用和需求电荷，并在真实办公楼数据上验证了其有效性。
2024-02-12 math.OC
Electric Vehicle Routing and Charging/Discharging under Time-Variant Electricity Prices
由于电动汽车（EV）在当今交通系统中的渗透率越来越高，电动汽车（EV）与能源网的集成已经成为一个重要的研究领域。在EV充电和放电的适当管理下，电网目前可以满足相当数量的EV的能量需求。此外，电动汽车可以通过储能等辅助服务帮助提高电网的可靠性和稳定性。提出了时变电价下带时间窗的EV路由问题（EVRPTW-TP），该问题优化了向客户交付产品的EV车队的路由，同时优化了EV从/到电网的充电和放电的调度。所提出的模型是一个多周期车辆路径问题，其中电动汽车可以停在充电站，为电池充电或将存储的能量注入电网。鉴于能源成本基于使用时间而变化，电动汽车的充电和放电时间表被优化，以通过将能源需求从高峰时段转移到能源价格较低的非高峰时段来受益于存储能量的能力。这些车辆可以回收能源成本，并通过在高价格时期将能量注入电网来实现潜在的利润。EVRPTW-TP被公式化为一个最优化问题。提出了一种拉格朗日松弛方法和一种混合变邻域搜索/禁忌搜索启发式算法，分别获得高质量的下界和可行解。数值实验的实例从文献中提供。建议的启发式也评估了一个案例研究的电动汽车车队提供杂货配送在该地区的Kitchener-Waterloo在加拿大安大略省。洞察能源定价的影响，服务时段，范围减少在冬季以及车队规模。
2021-06-10 math.OC
Dynamic Pricing and Energy Management Strategy for EV Charging Stations under Uncertainties
本文提出了一种电动汽车充电服务提供商的动态定价和能源管理框架。服务提供商在制定充电价格时面临三个不确定性：批发电价的波动性、可再生能源发电的间歇性和电动汽车充电需求的时空性。我们的主要工作目标是帮助充电服务提供商提高总利润，同时提高客户满意度，保持电网稳定性，并考虑到这些不确定性。我们采用线性回归模型来估计每个充电站的电动汽车充电需求，并介绍了客户满意度的定量测量。贪婪算法和动态规划（DP）算法被用来获得最优的充电价格，并确定有多少电力从批发市场购买在每个规划视野。仿真结果表明，DP算法实现了增加利润（高达9%）相比，贪婪算法（基准算法）在某些情况下。此外，我们观察到，将低成本储能集成到系统中不仅可以提高利润，还可以平滑充电价格波动，保护终端客户免受波动的批发市场的影响。
2018-01-09 econ.EM eess.SP math.OC
Designing Real-Time Prices to Reduce Load Variability with HVAC
University of the Philippines（菲律宾大学）；University of California, Berkeley（加州大学伯克利分校）
本文通过主从框架设计PP和RP电价，解决因消费者舒适度差异导致的逆向选择问题，通过混合整数规划求解随机双层程序，比较不同定价方案对峰值负载和负载波动的减缓效果。
2017-09-29 cs.SY eess.SY math.OC
Optimal Residential Demand Response Considering the Operational Constraints of Unbalanced Distribution Networks
直接负荷控制是一种典型的需求响应方式，它使负荷服务实体能够在直接负荷控制事件发生时调整家庭端用户的用电量以达到调峰目的。家庭接入的低压配电网是三相不平衡的。然而，现有的研究没有考虑三相不平衡配电系统的网络约束和运行约束，从而可能最终导致偏离现实甚至不可行的决策。本文提出了考虑三相不平衡配电网相关约束的住宅DLC。对改进的IEEE基准系统的数值试验验证了该方法的有效性。
2017-05-10 math.OC
Market Model for Demand Response under Block Rate Pricing
可再生能源在发电中占据中心地位。然而，由于可再生资源（风能、太阳能等）的间歇性，在可再生资源丰富的系统中使供需匹配是一项艰巨的任务。因此，需求响应（DR）计划是现代电网的重要组成部分。一个有效的DR技术是设计不同的定价方案，鼓励客户减少或转移电力负荷。在本文中，我们考虑了一个市场模型的DR使用块率定价（BRP）的两个块。我们在竞争市场中使用效用最大化方法。我们表明，当客户采取价格和效用代价函数是二次的系统达到一个均衡。此外，均衡是唯一的和有效的，最大化社会福利。提出了一种分布式算法，以找到块和负载的最优定价。消费者和公用事业公司都在经营市场。拟议的计划鼓励客户削减或转移他们的负荷。数值结果验证了我们的技术。
2020-08-29 cs.DC cs.SY eess.SY
Optimal Joint Bidding and Pricing of Profit-seeking Load Serving Entity
需求响应为运营零售电力市场（REM）的负荷服务实体（LSE）提供了一个机会，以战略性地购买能源并在批发电力市场（WEM）中提供储备。本文关注的问题，同时确定最佳的能源投标和备用提供的LSE提交给WEM以及最佳的能源和备用价格，它设置在REM，以最大限度地提高其利润。为此，我们显式建模的三层市场结构，包括一个WEM，REM，和一组最终用户的客户，以捕捉投标问题和定价问题之间的耦合。在三层市场模型的基础上，将联合投标定价问题转化为双层规划问题，进而转化为单层混合整数线性规划问题，并进行了求解。数值研究使用IEEE的测试案例来说明所提出的方法的应用，以及揭示几个有趣的特点，伦敦证交所的逐利行为。
2018-03-28 math.OC
Coincident Peak Prediction for Capacity and Transmission Charge Reduction
本文针对电网容量与输电费用分配中的同步峰值（CP）事件预测问题，提出基于场景生成和蒙特卡洛估计的方法，并通过自适应阈值策略回测验证其在电池储能系统负荷削减中的应用价值。
2024-07-04 math.OC
Stochastic Mixed-Integer Optimization of Dynamic Electricity Tariffs with Consumer Protection
MKSSS's Cummins College of Engineering for Women（MKSSS的Cummins女子工程学院）；University of Chicago（芝加哥大学）
本文针对日前居民电价设计问题，基于伦敦低碳家庭数据，用HiGHS求解随机混合整数规划，提出分段保护型随机电价，在限制账单涨幅的同时实现了小幅峰值削减，还对比了代表性家庭变体的效果。
2026-08-14 math.OC
An Optimal Treatment Assignment Strategy to Evaluate Demand Response Effect
University of Washington（华盛顿大学）
本文提出一种策略性分配方法，用于评估需求响应信号对客户消费的影响，通过多变量线性模型和实验设计方法，优化估计方差，验证了在高维数据下更高效的分配策略。
2017-05-02 cs.SY eess.SY math.OC
Intelligent Charging Management of Electric Vehicles Considering Dynamic User Behavior and Renewable Energy: A Stochastic Game Approach
快速增长的电动汽车（EV）数量的不协调充电以及与可再生能源相关的不确定性可能构成交通系统中的电动移动性（E-Mobility）的关键问题，特别是在高峰时段。为了克服这种可怕的情况下，我们引入了一个随机对策来研究电网和充电站之间的复杂的相互作用。在这种情况下，现有的研究没有考虑到客户对收费参数的偏好的动态。然而，实际上，充电参数的选择可以随时间变化，因为客户可以改变他们的充电偏好。我们用另一种随机对策来模拟顾客的这种行为。此外，我们定义了一个服务质量（QoS）指标，以反映如何收费过程中影响客户的收费参数的选择。我们还开发了一个在线算法，以达到纳什均衡的随机对策。然后，我们利用加州独立系统运营商（CAISO）的真实数据来评估我们所提出的算法的性能。结果表明，与基准方法相比，所提出的方法可以节省约20%的电力成本，同时也产生了更高的QoS方面的收费和等待时间。我们的研究结果可以作为指导充电服务提供商在不确定性下做出有效的决策，相对于可再生能源发电。
2020-06-29 cs.SY eess.SY math.OC
Stochastic Dynamic Pricing for EV Charging Stations with Renewables Integration and Energy Storage
研究了电动汽车充电服务商的随机动态定价和能量管理策略问题。在可再生能源集成和储能系统存在的情况下，电动汽车充电服务提供商必须处理多种不确定性-充电需求波动，可再生能源发电的固有不确定性，以及批发电价波动。我们的工作背后的动机是为充电服务提供商提供指导方针，以确定适当的充电价格和管理电力，以平衡提高盈利能力，提高客户满意度和减少对电网的影响的竞争目标，尽管存在这些不确定性。我们提出了一个新的度量评估对电网的影响，而不解决完整的潮流方程。为了保护服务提供商免受严重的财务损失，在模型中纳入了利润保障。采用随机动态规划（SDP）算法和贪婪算法（基准算法）两种算法推导电价和购电政策。导出了多目标优化的Pareto前沿。仿真结果表明，使用SDP算法可以获得高达7%的利润增益比使用贪婪算法。此外，我们观察到充电服务提供商能够通过定价信号重塑时空充电需求，以减少对电网的影响。
2018-01-07 econ.EM eess.SP math.OC
Optimal pricing for electricity retailers based on data-driven consumers' price-response
在目前的工作中，我们解决的问题，找到最优的价格关税由一个风险厌恶的电力零售商参与的游泳池，其客户是价格敏感的。我们假设零售商可以访问足够大的智能电表数据集，从中可以统计地描述其客户的电价和需求负荷之间的关系。分析了三种不同的模型，以预测作为电价和其他参数（如湿度或温度）的函数的总负荷。更具体地说，我们训练线性回归（预测）模型来预测作为零售价格的函数的最终需求负荷。然后，我们将把这个模型插入到一个二次最优化问题中，该问题评估要提供的最优价格。这个最优化问题考虑了不同来源的不确定性，包括消费者的反应，联营体价格和可再生能源的可用性，并依赖于一个随机和风险规避的制定。特别是，这项工作的一个重要贡献是根据产生的预测模型的统计特性的情况下生成和减少程序。这使我们不仅可以正确地量化（数据驱动）期望值，还可以量化与主要问题参数相关的不确定性水平。此外，我们认为这两个标准的远期合同和最近推出的购电协议合同作为零售商的风险对冲工具。结果是有希望的利润，发现零售商具有高度竞争力的价格和一些可能的改进，如果更丰富的数据集可以在未来。通过一个真实的案例研究和多个灵敏度分析来描述零售商在考虑价格敏感消费者时的风险规避行为。
2022-02-08 econ.GN math.OC q-fin.EC
Incentivising Demand Side Response through Discount Scheduling using Hybrid Quantum Optimization
针对需求侧响应的折扣调度这一大型组合优化问题，提出基于D-Wave Leap Hybrid Cloud的混合量子方案及大规模分解启发式算法，实验显示经典分解法解质量更优，量子法折扣分配更均匀。
2024-05-29 math.OC quant-ph
On the Efficiency of Connection Charges---Part I: A Stochastic Framework
这两部分的文件解决了零售电价的设计与分布式能源，如太阳能和存储的配电系统。特别是，考虑了受监管垄断零售商的动态两部分电价的最优设计，其中零售商一方面面临外生批发电价和固定成本，另一方面面临具有跨期价格依赖性的随机需求。第一部分提出了一个总的框架和分析，收入充足的零售关税与预先通知，动态价格和统一的连接费。结果表明，最优的两部分关税包括一个动态的价格，可能不匹配的预期批发价格和连接费用，均匀分布在所有客户之间的零售商的固定成本和价格-量风险溢价。得到了两部制电价在任意事前电价中最优的一个充分条件。数值模拟量化的福利收益，最佳的两部分关税可能带来的最佳线性关税（无连接费）相比。第二部分着重于两部分关税对分布式能源整合的影响。
2017-02-06 math.OC math.PR
Linear Estimation of Treatment Effects in Demand Response: An Experimental Design Approach
University of Washington（华盛顿大学）
本文通过线性回归模型估计需求响应信号对消费的平均影响，探讨了侧信息与信号的交互建模重要性，并通过实验证明不同估计方法在不同场景下的适用性。
2017-07-03 cs.SY eess.SY math.OC
