Credit: CC0公共领域需求响应是一项措施，旨在减少德克萨斯州电网内的能源负荷，以应对供应限制，这是一年前冬季风暴Uri之后最近的一个话题。需求响应可以通过可再生能源的渗透提高电网的可靠性，还可以显著降低电力批发市场的价格波动。为了降低整个州电网的能源负荷，传统的需求响应研究侧重于降低休斯顿和达拉斯等高人口中心的能源负荷。然而，德克萨斯A&M大学电气和计算机工程系教授谢(Le Xie)和他的团队发现，专注于人口密集地区以外的几个战略位置更具成本效益，并且可以对电网的价格波动产生更大的影响。机器学习算法被用于基于合成的德克萨斯网格模型战略性地选择这些需求响应位置。
这项研究发表在《科学》杂志二月号上。
“假设今天的电力需求导致高价格，昨天的电力需求导致低价格，”博士后研究员Ki-Yeob Lee说，他设计了论文中使用的算法。“我们能不能让今天的电力需求更接近昨天的电力需求，以便这种变化能带来低价？如果这样做不成功，我们能否将今天的电力需求向前天的电力需求靠拢？基于这个简单的想法，我们的机器学习算法会搜索电力导致低价且需求响应量最小的那一天。”
虽然以前的研究已经证明了需求响应在缓解价格波动方面的好处，但考虑到选择最大影响的地点的工作有限。
“我们正在采取一种技术不可知的方法，”谢说。“我们展示了当前的市场设计以及这种设计的后果。通过指出这些事情，我们有望减少电网的价格波动，我们相信这对社会是最好的。”
除了谢和李，这项研究的贡献者还包括来自德克萨斯电子和计算机工程系的Xinbo Geng、Sivaranjani Seetharaman和Srinivas Shakkottai来自突破能量的夏柏楠；中国东南大学的郝明在德克萨斯A&M大学获得博士学位
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
