数据孤岛下基于联邦学习的用户电价响应刻画及其应用OA北大核心CSTPCD

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。