【需求响应DR】一种新的需求响应机制DR-VCG研究（Python代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

****🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️**座右铭：**行百里者，半于九十。

📋📋📋++本文目录如下：++🎁🎁🎁

目录

[💥1 概述](#💥1 概述)

[📚2 运行结果](#📚2 运行结果)

[🎉3 参考文献](#🎉3 参考文献)

[🌈4 Python代码实现](#🌈4 Python代码实现)

---

💥1 概述

文献来源：

电力公司如南加州Edi-son (SCE) 使用需求响应 (Demand Response, DR) 合同来激励消费者在需求预测超过供应的时候减少用电量。目前使用的机制独立地为消费者提供合同，不考虑消费者在消费模式或可靠性方面的异质性，且未能实现高参与度。

我们引入了DR-VCG，这是一种新的DR机制，提供了灵活的合同组合（可能包括标准的SCE合同），并使用VCG定价。我们证明了DR-VCG能够引导真实的报价，激励诚实的准备工作，实现分配和价格的高效计算。通过简单的固定罚款合同，机制的优化目标是目标减少量被错过的概率的上限。大量的模拟表明，与SCE当前部署的机制相比，DR-VCG机制实现了更高的参与度，增加了可靠性，并显著降低了总费用。

原文摘要：

Power companies such as Southern California Edi-son (SCE) uses Demand Response (DR) contracts to incentivize consumers to reduce their power con-sumption during periods when demand forecast ex-ceeds supply. Current mechanisms in use offer con-tracts to consumers independent of one another, do not take into consideration consumers' heterogene- ity in consumption profile or reliability, and fail to achieve high participation.

We introduce DR-VCG, a new DR mechanism that offers a flexible set of contracts (which may include the standard SCE contracts) and uses VCG pricing. We prove that DR-VCG elicits truthful bids, incen- tivizes honest preparation efforts, enables efficient computation of allocation and prices. With sim- ple fixed-penalty contracts, the optimization goal of the mechanism is an upper bound on probability that the reduction target is missed. Extensive sim- ulations show that compared to the current mech- anism deployed in by SCE, the DR-VCG mecha- nism achieves higher participation, increased relia-bility, and significantly reduced total expenses.

电力系统的运行面临着许多挑战，在任何时候都要保证供需平衡。供应过多可能导致电网过载，而需求过多则可能导致电力短缺和停电。由于某些事件(例如，热浪期间的消费激增)，消费往往会发生急剧变化，而增加供应通常是缓慢而昂贵的，这一事实使问题更加严重。即使电力公司想要将部分需求转移到不同的时间，它也不能强迫消费者这样做，而只能通过货币激励来影响消费者的行为，例如在用电高峰时期提高电价。与其他市场一样，消费者可能会根据自己的偏好以不同的方式对激励措施作出反应。与其他一些市场不同，无法满足需求的严重后果，以及消费者对激励措施的反应存在很大的不确定性，要求电力公司保证供应侧有足够的闲置空间。

需求响应(DR)计划是电力公司通过减少消耗而不是增加产量来应对需求激增的机制。通常情况下，当提前一天预测到电量激增时，该公司会让消费者竞标他们可以减少多少用电量。每位消费者每减少千瓦时获得固定的0.5美元，但前提是减少的电量在其出价的50%到150%之间。我们将该系统称为DR-SCE机制，因为南加州爱迪生公司(c.f. [Patterson等人，2014])(以及PG&E等其他公司[Hansen等人，2014])使用了该机制。

DR-SCE有几个缺点:参与的激励往往不足(2012-2013年只有12%的注册参与者提交了投标)，该系统没有捕捉到消费者非常不同的消费概况，也没有过滤掉不可靠的投标人。然而，作为一个广泛部署的灾备系统，我们将灾备- sce作为新机制的起点和基准。

我们提出了一种新的DR-VCG机制，用于选择和激励一部分消费者减少消费。电网提供了一组合同，这些合同由一些期望的减排目标和惩罚方案定义，代理可以出价他们希望从接受每个合同中获得多少报酬。然后，该机制选择一个最小化投标总额的合同子集，并应用VCG价格支付给代理商。因此，对所有代理人来说，以真实成本报价是一种主导策略。

我们表明，对于自然惩罚方案，投标总额是联合合同可靠性的一个很好的代理，因为高投标表明低的个人可靠性。我们表明SCE和PG&E目前使用的合同仍然可以在DR-VCG下提供(允许轻松过渡和向后兼容)。我们通过实例和模拟证明，即使限于提供类似sce的合同，DR-VCG在可靠性和电网费用方面也优于DR-SCE。

📚 2 运行结果

部分代码：

def graph_it(Fixed_cont_avg_reliability =[],
             Fixed_single_cont_avg_reliability=[],
             Fixed_cont_avg_cost=[],
             Fixed_single_cont_avg_cost=[]):
    plt.rcParams["figure.figsize"] = (8, 8)
    fig, ax = plt.subplots()

    ax.plot(Fixed_cont_avg_reliability, Fixed_cont_avg_cost, color='blue',marker='o',label="fixed multiple cont")
    ax.plot(Fixed_single_cont_avg_reliability, Fixed_single_cont_avg_cost, color='black',marker='o', label="fixed single cont")
    ax.set(xlabel="Total_Reliability", ylabel="expenses ($)", title="(a)n= 400")
    fig.savefig("test.png")



if __name__ == "__main__":
    main()
    plt.show()

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

🌈4 Python代码实现