佩雷斯-桑塔拉，罗曼;米盖尔·卡里翁;卡洛斯·鲁伊斯 基于数据驱动消费者价格响应的电力零售商最优定价。 （英语） Zbl 1498.90007号 顶部 30，编号3，430-464（2022）. 摘要：在当前的工作中，我们解决了由参与联营的风险规避型电力零售商及其客户对价格敏感的情况下确定最优电价的问题。我们假设零售商可以访问足够大的智能电表数据集，从中可以统计表征电价与其客户需求负荷之间的关系。分析了三种不同的模型，以预测作为电价和其他参数（如湿度或温度）函数的总负荷。更具体地说，我们训练线性回归（预测）模型来预测作为零售价格函数的最终需求负荷。然后，我们将此模型插入到一个二次优化问题中，该问题评估要提供的最佳价格。该优化问题考虑了不同的不确定性来源，包括消费者的反应、资源池价格和可再生资源可用性，并依赖于随机和风险规避公式。特别是，这项工作的一个重要贡献是将场景生成和约简过程建立在生成的预测模型的统计特性上。这使我们不仅可以适当量化（数据驱动）预期值，还可以适当量化与主要问题参数相关的不确定性水平。此外，我们将标准远期合同和最近推出的购电协议合同视为零售商的风险对冲工具。随着零售商以极具竞争力的价格获得利润，结果是有希望的，如果未来可以获得更丰富的数据集，还可以显示出一些可能的改进。通过实际案例研究和多重敏感性分析，描述了考虑价格敏感消费者的零售商的风险规避行为。假设零售商的能源采购可以从能源池和不同类型的合同中得到满足。研究结果表明，零售商的风险规避程度对合同决策有显著影响，而消费者的价格敏感性对销售价格的影响更大。 MSC公司： 90-11 运筹学和数学规划相关问题的研究数据 91B74号 真实系统的经济模型（例如电力市场等） 91B24型 微观经济理论（价格理论和经济市场） 91B42型 消费者行为、需求理论 90立方厘米 随机规划 关键词：电力零售商;价格敏感型消费者;风险规避;智能仪表数据;随机规划;使用时间率 软件：fpp2格式 PDF格式BibTeX公司 XML格式引用 \textit{R.Pérez-Santalla}等人，Top 30，No.3，430-464（2022；Zbl 1498.90007） 全文： 内政部 arXiv公司 参考文献： [1] Akhavan-Hejazi，H。；Mohsenian-Rad，H.，《电力系统大数据分析：范式转换障碍和前景评估》，能源代表，491-100（2018）·doi:10.1016/j.egyr.2017.11.002 [2] 卡里翁，M。；AJ科内乔；Arroyo，JM，零售商的远期合同和销售价格确定，IEEE Trans Power Syst，22，412105-2114（2007）·doi:10.1109/TPWRS.2007.907397 [3] Carrión M，Conejo AJ，Arroyo JM（2007）零售商期货市场交易的双层随机规划方法。IEEE输电系统24（3）：1446-1456 [4] Conejo AJ、Carrión M、Morales JM（2010）《电力市场不确定性下的决策》。施普林格·Zbl 1209.91007号 [5] Deng T，Yan W，Nojavan S，Jermsitiparsert K（2020）使用下行风险约束方法的风险评估和零售电价。能源192:116672 [6] Dong，S。；李，H。；Wallin，F。；Avelin，A。；张，Q。；Yu，Z.，《丹麦和瑞典电价波动》，《能源程序》，4331-43372019（2019） [7] 欧盟委员会（2021）欧盟排放交易体系。https://ec.europa.eu/clima/policies/ets_en [8] 扇，S。；Hyndman，RJ，基于半参数加性模型的短期负荷预测，IEEE Trans Power Syst，27，1，134-141（2012）·doi:10.1109/TPWRS.2011.2162082 [9] 冯，C。；Wang，Y。；郑凯。；Chen，Q.，智能电表数据驱动零售商定制价格设计，IEEE Trans Smart Grid，11，3，2043-2054（2020）·doi:10.1109/TSG.2019.2946341 [10] García-Bertrand，R.，《零售商销售价格设定工具》，IEEE Trans Smart Grid，2028-2035（2013）·doi:10.1109/TSG.2013.2257185 [11] Hatami，A。；塞菲，H。；Sheikh-El-Eslami，MK，《电力零售商基于随机的决策框架：使用时间定价和电力组合优化》，IEEE Trans-Power Syst，26，4，1808-1816（2011）·doi:10.1109/TPWRS.2010.2095431 [12] Hyndman RJ，Athanasopoulos G（2018）《预测：原则与实践》，第二版。OTexts.com/fpp2 [13] Hyndman R，Fan S（2010）长期峰值电力需求密度预测。IEEE输电系统25:1142-1153 [14] IRENA（2021）2021年可再生能源容量统计。https://www.irena.org/Statistics/Download-Data（下载数据） [15] Kettunen，J。；Salo，A。；Bunn，DW，根据风险偏好优化电力零售商的合同组合，IEEE Trans Power Syst，25，1，117-128（2010）·doi:10.1109/TPWRS.2009.2032233 [16] 伦敦数据存储（2013）SmartMeter能耗。https://data.london.gov.uk/dataset/smartmeter-energy-use-data-in-london-houseques [17] Ma P，Zhang X，Xing X，Ma J，Mahoney MW（2020）随机数值线性代数算法抽样估计量的渐近分析 [18] Nojavan，S。；扎尔，K。；Mohammadi-Ivatloo，B.，《存在需求响应计划的智能电网环境下基于销售价格确定的零售商最优随机能源管理》，Appl energy，187，449-464（2017）·doi:10.1016/j.可行性.2016.11.024 [19] OFGEM（2021）英国电力批发市场。https://www.ofgem.gov.uk/electricity/wholesale-market/gb-electricity-wholesale-market [20] Pineda，S。；Conejo，A.，《规避风险的电力交易情景减少》，Iet Gen Transm Distribute，4694-705（2010）·doi:10.1049/iet-gtd.2009.0376 [21] Rockafellar RT，Uryasev S（2000）条件价值风险优化。J风险2:21-41 [22] Rockafellar R，Uryasev S（2002），一般损失分布的条件价值风险。J银行财务26:1443-1471 [23] 美国能源部（2022）需求响应。https://www.energy.gov/oe/activities/technology-development/grid-modernization-and-smart-grid/demand-response网站 [24] Yang，P.等人。；唐，G。；Nehorai，A.，《最佳使用时间电价的博弈理论方法》，IEEE Trans Power Syst，28，2884-892（2013）·doi:10.10109/TPWRS.2012.2207134 [25] Yang J，Zhao J，Wen F，Dong ZY（2018）基于负荷曲线聚类分析的电力零售价格定制模型。IEEE Trans智能电网4:1-1 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。