.png){kind=icon}
返回
AI-Driven Load Forecasting for Dynamic Tariff Structuring: A Comprehensive Review
.png){kind=icon}
OA
AI
DOI：10.3390/en19163880.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态电价正越来越多地被部署用于管理低碳电力系统中的需求侧灵活性，使AI驱动的负荷预测成为适应性定价的关键使能器。然而，现有研究大多将预测和电价设计视为独立问题，仅根据预测精度评估模型，而忽略了价格信号通过重塑消费者行为并引入非平稳性对需求分布的影响，而这些分布是预测所依赖的。这一差距使实践者缺乏在价格响应环境中如何构建、治理和调整预测模型的连贯指导。本文通过基于系统评价和元分析报告条目优选（PRISMA）的结构化综述，对涵盖统计、机器学习、深度学习、概率和强化学习预测范式的同行评审研究进行了梳理。三个主要发现浮现。首先，动态定价通过在需求数据中引发分布偏移，从根本上使静态预测假设失效，使对行为反馈的鲁棒性成为部署的首要要求。其次，没有任何单一预测范式能同时满足动态电价系统对准确性、可解释性、不确定性量化和监管可辩护性的要求；因此，分层、角色特定的架构在操作上是必要的。第三，可解释性和治理约束是面向电价的预测的结构性要求，而非可选增强，因为预测输出直接影响具有经济和社会后果的定价决策。基于这些发现，本文提出了一个预测驱动的动态电价设计框架，该框架将预测智能与定价权限分离，将不确定性管理嵌入为一级设计要素，并将治理层定位为预测输出和面向消费者的电价信号之间的强制接口。该框架为在数据密集型电力系统中部署适应性、韧性和公平的电价提供了实用且监管可辩护的基础。
Keyword:
load forecasting
dynamic tariffs
artificial intelligence
explainable AI
demand response
demand-side flexibility
probabilistic forecasting
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
引用论文
A Hierarchical Deep Learning and Distributionally Robust Framework for Urban Multi-Energy Systems基于分层深度学习和分布鲁棒性框架的城市多能源系统
OAAI
OAAI分享收藏Generating Electricity Price Forecasting Scenarios to Analyze Whether Price Uncertainty Impacts Tariff PerformanceGoedegebure, N.; Hennig, R. 生成电力价格预测场景以分析价格不确定性是否影响费率性能。在2022年第17届电力系统概率方法国际会议（PMAPS 2022）论文集，英国曼彻斯特，2022年6月12–15日。[Google Scholar][CrossRef][Scilit]
PREAI
分享收藏Detecting electricity theft in smart grids using optimized machine learning ensemble techniques and eXplainable AI利用优化的机器学习集成技术和可解释人工智能检测智能电网中的窃电行为.png)
Energy ReportsOAAI
Energy ReportsIF5.1
OAAI分享收藏A Single Scalable LSTM Model for Short-Term Forecasting of Massive Electricity Time SeriesEnergiesOAAI
EnergiesIF0
OAAI分享收藏Editorial: Power-sector transformation in the face of decarbonization; decentralization; and digitalization: technology; regulation; and business models编者按：应对脱碳化、去中心化和数字化的电力部门转型：技术、监管和商业模式OAAI
OAAI分享收藏A Comprehensive Review of the Current Status of Smart Grid Technologies for Renewable Energies Integration and Future Trends: The Role of Machine Learning and Energy Storage SystemsEnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容