Główne pojęcia
在電網安全約束下,即使利益關係者的反應難以預測,也有可能有效地優化需求側控制的個人激勵措施。
Streszczenie
書目資訊
Lechowicz, A., Comden, J., & Bernstein, A. (2024). 從電網測量和有限的代理行為知識中優化個性化激勵機制。 arXiv 預印本 arXiv:2410.14936v1。
研究目標
本研究旨在探討如何在電網安全約束下,針對需求側控制優化個人激勵措施,特別是在利益關係者反應難以預測的情況下。
方法
- 本文提出了一種以約束優化問題形式呈現的通用激勵機制,將人類行為(例如,對激勵的反應)建模為任意未知函數。
- 提出了三種基於反饋的優化算法來解決這個問題,每種算法都利用了不同數量的資訊和/或測量結果:
- 迭代激勵增加法 (III)
- 對偶上升激勵優化法 (DAIO)
- 一階激勵優化法 (FOIO)
- 零階激勵優化法 (ZOIO)
- 針對每種技術,作者都展示了相應的理論結果,並通過在模擬配電網上進行電壓調節模擬的案例研究,評估了所提出的技術。
主要發現
- 本研究發現,即使在問題缺乏理論界限所需的多項特徵(例如,可微性、凸性)的「現實」環境中,所提出的算法也能找到接近最佳的激勵措施。
- 即使當對激勵的反應是由理論上很困難(但很現實)的函數建模時,所提出的算法也能找到接近最佳的激勵措施。
主要結論
- 在電網安全約束下,即使利益關係者的反應難以預測,也有可能有效地優化需求側控制的個人激勵措施。
- 未來研究方向包括將所提出的技術應用於更廣泛的電網控制問題,以及開發更複雜的人類行為模型。
意義
本研究對分散式能源資源控制領域做出了貢獻,特別是在開發實用的激勵機制以調節需求側參與方面。
局限性和未來研究方向
- 本研究的一個局限性是它依賴於電網的簡化模型。
- 未來研究可以探討更逼的電網模型,以及開發更複雜的人類行為模型。
Cytaty
「隨著電力生產變得更加分散和波動,負載變得更加不確定,無論其所有權狀況如何,分散式能源資源 (DER) 的可控性對於電網可靠性至關重要。」
「研究此類激勵措施的一個關鍵挑戰是缺乏關於人類行為的數據,這通常會導致強烈的假設,例如對合規性或理性效用最大化的分佈假設。」
「在接下來的內容中,我們考慮了一個具有一般性個性化激勵機制的環境,該機制對資產所有者的反應幾乎沒有任何假設;這樣的環境對於同時模擬許多不同的潛在激勵方案(即,在機制中)和不同的環境是必要的,在這些環境中,分佈外效應和難以預測的人類行為將挑戰先前工作中做出的假設(即,在激勵反應中)。」