摘要：“双碳”目标和新型电力系统建设背景下,新能源的高渗透率接入导致电力系统随机性显著增大、运行方式的分布复杂多样,传统单任务深度强化学习难以自适应源荷两侧的高随机性,调度决策难以满足新型电力系统对风光消纳、功率平衡需求。为此,该文提出融合电网运行场景聚类的多任务深度强化学习优化调度方法。该方法离线训练时利用空间聚类和决策树辨识海量调度运行数据的典型运行场景与重要特征,并构建甄别场景类别的多层感知机分类器;再依据场景类别建立和划分融合聚类多任务深度强化学习模型,从数据源到状态动作设计差异化训练各子任务学习器与模型;在线决策时利用分类器辨识有限运行数据的场景类别,调用模型快速求解实时调度任务,实现高随机场景下的多任务快速迁移学习,保证电力系统优化调度决策的最优性。该文通过算例验证了该方法的解的可行性与经济性。实验结果表明,融合电网运行场景聚类的多任务深度强化学习优化调度算法较单任务算法能够明显提升调度决策经济效益。

摘要：电力需求响应是应对电网峰谷差持续拉大、间歇性可再生能源大规模并网、能源结构转变等问题的有效方法。为此,提出了一种新的需求侧主动响应策略——面向工商业用户的电力套餐,并对电力套餐的设计问题进行了优化研究。首先,采用基于特性指标降维的负荷聚类方法辨识工商业用户的负荷特征,为电力套餐的设计进行市场细分;其次,在综合考虑电费支出满意度和用电方式满意度对用户决策的影响的基础上,基于多项Logit模型构建用户对电力套餐的选择行为模型;接着,构建基于成本—效益分析的电力套餐综合评估模型,以衡量电力套餐的经济价值;然后,在此基础上,提出以最大化益本比为优化目标的电力套餐设计的优化模型。算例采用某地区工商业用户的实际数据,结果显示了所提电力套餐的经济价值及其调动需求侧主动参与负荷管理的效果。

摘要：科学合理的电力监管体系能够有效地防范市场潜在风险、促进电力市场健康发展。随着中国电力现货市场建设的逐步推进,电力市场的监管机制再次受到电力市场设计者的关注。澳大利亚国家电力市场作为发展成熟的电力现货市场,在处理能源结构转型、开放电力市场竞争、完善电力监管体制等方面积累了丰富的实践经验。首先,介绍了澳大利亚国家电力市场特点和电力监管体系,阐述了其电力监管改革历程和电力监管机构职能;其次,深入分析了澳大利亚电力监管机构采用的电力市场评价指标体系及其评估方法;接着,对比分析了澳大利亚、欧洲和美国电力市场的监管机构评估机制,总结了澳大利亚电力监管机制的优势和目前存在的问题;最后,结合中国电力市场建设情况,对电力市场中能源电力法律法规体系、完善监管机构职能、加强监管信息化和健全评价机制等方面提出了相关建议。