第47卷第7期2023年4月10日Vol.47No.7Apr.10，2023http：//www.aeps-info.com面向需求响应的数据驱动零售电价定价策略阮嘉祺1，2，柳文轩1，2，赵俊华1，2，梁高琪1，2，杨超1，文福拴3（1.香港中文大学（深圳）理工学院，广东省深圳市518172；2.深圳市人工智能与机器人研究院，广东省深圳市518038；3.浙江大学电气工程学院，浙江省杭州市310027）摘要：需求响应旨在削峰填谷和改善负荷轮廓，以提升电力系统运行的安全性和经济性。合理的电力零售定价有助于引导用户调整用能行为，促进需求响应。在此背景下，提出一种用能行为学习模型和一种个性化零售定价方案。首先，分析用能行为特征，利用基于多类注意力机制的长短期记忆网络提取特征关联性，构建用能行为学习模型。然后，考虑价格风险，以最大程度开发用户需求响应潜力为目标，建立个性化零售定价模型。算例仿真结果验证了所采用的学习模型相对传统深度学习模型的优势，提出的个性化零售定价方案可开发时变需求响应潜力，且能有效规避零售商收益风险和用户购电成本风险。关键词：需求响应；电力零售定价；用能；注意力机制；深度学习0引言电力峰值需求管理（peakdemandmanagement，PDM）旨在降低电网峰荷，减少峰荷引起的电网运行安全风险，提升运行经济性［1］。电力需求增长给PDM带来了挑战［2］。此外，电网低碳转型使传统高碳排放火电逐步被清洁能源发电取代［3］。火电机组逐步退役，可再生能源装机容量持续上升，导致电网转动惯量逐步下降［4］，对系统的调节能力提出了更高要求。高比例清洁能源加剧了PDM的问题，会导致电力系统安全问题，甚至引起停电，如英国大停电［5］与美国加州轮流停电［6］。需求响应（demandresponse，DR）可用于降低系统峰荷水平，是PDM的基础［7］。DR改变传统“发电跟踪负荷”调度模式，通过价格响应或激励机制引导用户理性用电，主动改变用电负荷轮廓，支持电力供需动态平衡。DR包括激励驱动和价格驱动［8］。激励驱动DR可通过电力零售商与用户签订补偿协议，在高峰负荷时段远端控制部分设备停运，降低系统负荷；因设备控制权交付于零售商，激励驱动DR影响用户用电体验。价格驱动DR对用户征收与电力需求相匹配的电价（如实时电价等），引导用能行为，避免高峰用电；价格驱动DR不干涉用户用电自主权，用户根据自身需要安排用电。现有的对价格驱动DR的研究主要分为下述两类。第一类采用经济学中的价格弹性，研究用户在不同电价下的DR行为。文献［9］在电价自弹...
