学习为实现最优需求响应制定电价

arXiv:2610.00755v1 公告类型：cross 摘要：利用随时间变化的电价塑造消费者需求响应，使能源需求更好地与可再生能源生产相匹配，正受到广泛关注。然而，最优电价通常会根据天气预报、日出和日落时间以及工作日模式等复杂信号随时间变化；现有方法无法有效利用如此丰富的上下文信息。在此，我们提出一种基于神经网络的上下文能源定价算法，将定价建模为Stackelberg博弈，并利用Mehrabi et al.~(2024)提出的均场解表示。该方法学习从上下文特征到可行价格信号的受约束映射。我们通过模拟美国多个城市的能源电网对该方法进行验证，结果表明，纳入上下文信息可以显著提高需求响应项目的价值。