数据孤岛下基于联邦学习的用户电价响应刻画及其应用

• Published in: 电力系统保护与控制 Vol. 52; no. 6; pp. 164 - 176
• Main Authors: 李锦辉, 吴毓峰, 余涛, 潘振宁
• Format: Journal Article
• Language: Chinese
• Published: 广东省电网智能量测与先进计量企业重点实验室,广东 广州 510640 16.03.2024; 华南理工大学电力学院,广东 广州 510640%华南理工大学电力学院,广东 广州 510640
• Subjects: users'privacy; 用户隐私; price-based demand response; 电价型需求响应; 强化学习; 联邦学习; federated learning; reinforcement learning
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.231013

电价型需求响应离不开对用户价格响应的精准刻画,然而用户对价格的响应大多发生在与聚合商的交互中.并且出于隐私保护需求,这些交互数据往往不被公开,呈现为数据孤岛.针对现阶段用户数据隐私需求和电网调度需求相互冲突的问题,提出了基于联邦学习的用户电价响应行为刻画及其应用方法.首先,构建基于联邦学习的用户电价响应行为刻画的分布式交互框架,将原始数据信息交互转变为特征信息交互.然后,利用差分隐私-联邦近端算法实现不同聚合商电价响应模型的参数聚合,获得区域用户电价响应模型.最后,提出嵌入响应模型的配电网优化运行应用方法,利用改进的策略近端优化算法求解系统实时电价和储能出力.算例表明,所提方法在保障用户用能信息隐私下,能准确刻画区域用户电价响应行为,并改善配电网综合效益.