基于多智能体的居民新能源选择情景模拟

居民对新能源的接受可以有效缓解常规能源紧缺的局面.居民对不同种能源的选择行为是决定是否接受新能源的关键。在NETLOGO平台下建立了以居民用户为主体的多智能体仿真模型,重点研究了不同性质的影响因素如何制约居民用户的能源选择行为进而引起使用新能源的居民用户数量发生变化。以太阳能热水器为研究对象,分析了影响居民用户接受太阳能的四类因素,在影响因素中选取大众传媒与政府决策因素进行情景模拟,结果表明,在天然气相对太阳能在地域及政府决策因素有优势的情景下,政府决策因素比大众传媒更能影响居民用户对太阳能的选择行为.能源补贴的发放可明显缩短居民用户接受太阳能的时间并提高使用用户数量,在这种情景下大多数接受太阳能的用户依然保持使用天然气。

基于在线学习的面向居民用户激励型需求响应

激励型需求响应是一种通过补贴信号灵活调度需求侧能源的手段,对于维持电力系统供需平衡,提升经济效益有巨大潜力。在面向居民用户的激励型需求响应中,电力运营商选择削减电量潜力大的居民用户并向其提供补贴价格,以激励其削减电量。然而,站在电力运营商的角度,面对居民用户未知且不确定的用电行为,识别并选择削减电量潜力大的居民用户以及如何动态制定补贴价格是关键挑战。为了解决这一问题,本文提出基于在线学习的激励型需求响应算法(IDR-OL),利用多臂赌博机框架在线学习居民用户削减电量潜力,建立电力运营商运营成本优化模型选择最优参与需求响应的居民用户并动态制定补贴价格。仿真结果表明,本文提出的IDR-OL算法能够在实现供需平衡的同时更大限度地降低电力运营商运营成本。