一种基于人工智能的框架，用于风电和光伏系统的日前市场竞价，该框架结合了需求响应机制以及虚拟电厂中的深度长短期记忆预测技术

《IEEE Aerospace and Electronic Systems Magazine》：An Artificial Intelligence–Enhanced Framework for Day-Ahead Market Bidding of Wind and Photovoltaic Systems with Demand Response in Virtual Power Plants Using Deep Long Short-Term Memory Forecasting

　　

摘要：

随着人们对环境问题的关注日益增加，以及化石燃料所带来的风险和成本的上升，当今的电力系统正在迅速向可再生能源转型。虽然早期的采用主要依赖于补贴和激励措施，但如今可再生能源生产商面临着在开放电力市场中竞争的同时确保盈利性的挑战。本文提出了一种基于人工智能的虚拟电厂（VPP）竞价策略，该策略结合了风能和太阳能发电以及需求响应（DR）功能。所提出的混合方法的核心是一种非支配排序遗传算法II（NSGA-II）和长短期记忆（LSTM）神经网络，用于预测未来一天的风电输出、光伏发电量、市场价格和需求情况。这些预测数据被输入到一个多目标优化框架中，该框架能够战略性地分配需求响应资源并确定最佳市场出价。从技术角度来看，该框架通过最小化预期未供应能量（EENS）、减少有功功率损耗以及降低与停电相关的消费者成本来提高电网的可靠性。从商业角度来看，该策略通过预测市场状况并通过最优的需求响应部署来最小化不平衡结算成本，从而提高盈利能力。该方法在IEEE 24节点测试系统上进行了验证，在市场结果和系统可靠性方面均表现出了优异的性能。