文章图片

文章图片
从算法的效果来看 ， 以2012年新英格兰州实时现货价格作为学习信号 ， 对于一个代理100个家庭用户的售电公司 ， 在240次的遗传迭代后 ， 其售电收益增长了11.08% ， 效果较为显著 。
AI学习避峰降费
位于加拿大安大略省滑铁卢的Empowered公司在帮助电力大用户错峰的控制上也充分利用了机器学习的算法 ， 从而降低用户电费开支 。 因为安大略省在计算电力用户的需量电费时 ， 依据每日滚动发布的若干系统峰值时刻（5CoincidentPeaks）统计用户最大负荷 ， 并计算每一用户在系统峰值中的贡献率 ， 以确定需量电费的收取 。 对于用户而言 ， 提前确定自己的生产计划 ， 避开系统发布的峰值检测时刻 ， 是降低需量电费的有效方法 。
在机器学习的算法中 ， 除了考虑日常生产安排 ， 节假日 ， 极端天气等情况 ， 气温波动、其他用户对负荷的响应等因素也成为算法的输入条件 。 这些因素有些还存在一定的关联性 ， 算法根据敏感性和独立性 ， 考虑输入条件的影响因素大小 ， 对系统峰值和检测时刻加以预测 。 算法使用了最近三年的用户15分钟表计数据和外部影响因素数据 ， 在经过清洗之后 ， 将其分割为训练数据集和测试数据集 ， 利用测试数据集来持续跟踪预测准确率 ， 并迭代训练 ， 改善模型 。 传统的需求侧响应方法 ， 一般是根据固定电价对应的时刻 ， 设置在不同用户负载水平下的调峰指令逻辑 ， 在面对灵活的电价计算方法 ， 尤其是与系统总负荷挂钩的计算方法时 ， 往往无能为力 ， 这也就成为机器学习算法大展身手的舞台 。
通过以上的算法 ， Empowered公司代理大用户的需量电费平均下降了30% ， 因需避开系统检测时刻而临时发送的调峰指令下降了64% ， 在减低用户用电成本 ， 优化生产流程排班方面发挥了显著的作用 。
以上我们介绍了在需求侧管理中人工智能算法的研究与应用的一些成果 。 从负荷的识别到需求侧响应的竞价策略和控制策略 ， 不同的算法模型均在实践中发挥了显著作用 。 不可否认的是 ， 用户的需求和市场环境的不同 ， 会产生对算法的差异化需求 。 在实践中没有算法高低级之分 ， 更没有一招通行天下的秘籍 ， 满足用户和市场需求的才是合适的算法 。
作者|庄弘
编辑|邸义博
【埃尔法哥哥▲需求侧响应又准又赚，AI加持】栏目负责人|容玮悦

• 三生石哥哥多家快递公司宣布会提高快递运送费用
• 埃尔法哥哥互联网空间会被用完吗？2025年全世界数据总量将会超过16万EB
• 埃尔法哥哥 人工智能与科技传播领域的融合
• 【埃尔法哥哥】kNN分类算法及其python实现
• 埃尔法哥哥■区块链技术迎风而上，ETX公链解决行业痛点，信息时代安全为王
• 埃尔法哥哥@Spark 数据倾斜的 8 大实用方法，解决
• 『埃尔法哥哥』为什么你写的代码别人看不懂？
• 「埃尔法哥哥」ICCV2019:DeepFill一个用于生成图像修复任务的开源框架
• 『埃尔法哥哥』每一个程序员的必经之事
• 埃尔法哥哥■假装网络工程师-TCP/IP与静态路由