计及碳交易的增量配电网多类别用户实时定价方法

摘要

针对增量配电网需求侧管理中兼顾供需双方利益的实时定价问题，提出考虑碳交易和可再生能源出力、负荷需求不确定性变化的实时定价模型。该模型由一个双层优化问题组成，其中上层服务提供商的目标是通过选择最优零售电价使其利润最大化，促进可再生能源消纳的同时降低碳排放。下层用户侧通过需求响应控制负荷的能耗以降低综合电力成本。由于可再生能源出力、负荷需求等的不确定性挑战，将实时定价问题描述为马尔可夫决策过程，通过无模型强化学习方法中的Q-learning算法寻找最优定价，该算法仅依靠智能体与环境不断交互过程和奖励反馈机制，自适应系统环境的不确定性变化。仿真结果表明：所提模型和算法能较好的维持系统的供需平衡，在降低碳排放和削峰方面具有良好的性能，同时有效地提高社会福利值。

关键词

实时定价 / 碳交易 / 不确定性 / 马尔可夫决策过程 / 强化学习