基于组合在线学习的低碳需求响应方法

文档序号:37174469发布日期:2024-03-01 12:24阅读:来源:国知局

技术特征:

1.一种低碳需求响应方法,其特征在于,包括:

2.根据权利要求1所述的一种低碳需求响应方法,其特征在于,所述各节点的动态碳势的计算方法如下:

3.根据权利要求1所述的一种低碳需求响应方法,其特征在于,所述需求响应中的组合在线学习模型的构建方法包括以下步骤:

4.根据权利要求3所述的一种低碳需求响应方法,其特征在于,所述构建上下文组合在线学习模型具体步骤如下:

5.根据权利要求3所述的一种低碳需求响应方法,其特征在于,所述组合在线学习模型的求解方法包括:

6.根据权利要求3所述的一种低碳需求响应方法,其特征在于,还包括构建用于评价所述用户群总响应的评价指标,包括到位率与懊悔,其中

7.一种低碳需求响应系统,其特征在于,包括

8.根据权利要求7所述的低碳需求响应系统,其特征在于,所述碳排放量模型构建模块,具体用于:

9.根据权利要求7所述的低碳需求响应系统,其特征在于,所述上下文组合在线学习模型构建模块,具体用于:

10.根据权利要求9所述的一种低碳需求响应方法,其特征在于,所述上下文组合在线学习模型构建模块,具体用于:

11.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1-6所述的方法中的任一方法。

12.一种计算设备,其特征在于,包括:一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1-6所述的方法中的任一方法的指令。


技术总结
本发明公开一种基于组合在线学习的低碳需求响应方法,属于电力负荷管理技术领域,包括:构建用户用电行为对应的碳排放量模型,得到了用户功率调节量与对应减碳量之间的线性量化关系—节点碳势;提出将动态节点碳势通过碳表发送给用户来倡导用户进行节能减排;将节点碳势影响下的低碳需求响应问题构建为组合在线学习(Multi‑armed bandits,MAB)模型,引入上下文组合在线学习理论(Contextual Multi‑Armed Bandits,CMAB),提出线性上置信界(Linear Upper Confidence Bound,LinUCB)算法求解所提模型,根据上下文信息(节点碳势)与用户减碳量不断更新挑选用户策略,克服了因用户响应行为不确定性造成的减碳量下降问题。

技术研发人员:胡秦然,黄观,陈心宜,金旭,阮文骏,张远实,庄重
受保护的技术使用者:东南大学
技术研发日:
技术公布日:2024/2/29
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1