01
需求响应概述
电力市场背景、需求响应定义与分类、核心价值与挑战。
背景定义价值
02
价格型需求响应
分时电价(TOU)、实时电价(RTP)、尖峰电价(CPP)原理与建模。
TOURTPCPP
03
激励型需求响应
直接负荷控制(DLC)、可中断负荷(IL)、需求侧竞价(DSB)机制。
DLCILDSB
04
用户响应行为建模
价格弹性矩阵、消费者心理学模型、用户舒适度约束。
弹性矩阵心理学舒适度
05
基线负荷计算方法
平均法、回归法、相似日法、机器学习法。
平均法回归相似日ML
06
负荷预测基础
时间序列分析、ARIMA模型、Prophet模型在DR中的应用。
时序ARIMAProphet
07
优化理论基础
线性规划、整数规划、混合整数规划在DR调度中的应用。
LPIPMIP
08
需求响应调度策略
日前调度、日内滚动调度、实时调整策略。
日前日内实时
09
电动汽车有序充电
V1G与V2G模式、充电负荷聚合模型、充放电优化调度。
V1GV2G聚合
10
空调负荷聚合调控
温控负荷等效热参数模型、集群控制策略、功率跟踪。
等效热参数集群跟踪
11
储能系统参与DR
储能充放电模型、削峰填谷策略、容量配置优化。
储能削峰填谷容量
12
分布式能源聚合
光伏、风电出力不确定性建模、多能源互补调度。
光伏风电多能源
13
市场机制设计
容量市场、辅助服务市场、能量市场中的DR参与方式。
容量市场辅助服务能量市场
14
博弈论在DR中的应用
古诺模型、斯塔克尔伯格模型、纳什均衡求解。
古诺斯塔克尔伯格纳什
15
多代理系统(MAS)
Agent建模、协商机制、分布式协调控制。
Agent协商分布式
16
强化学习入门
马尔可夫决策过程、Q-learning、Deep Q-Network。
MDPQ-learningDQN
17
深度强化学习DR
状态空间设计、动作空间设计、奖励函数设计。
状态空间动作奖励
18
联邦学习在DR中的应用
隐私保护、模型聚合、通信效率优化。
隐私聚合通信
19
异常检测与数据清洗
孤立森林、LOF算法、缺失值处理。
孤立森林LOF缺失值
20
特征工程
时间特征、天气特征、日历特征、滞后特征构建。
时间天气日历滞后
21
聚类分析
K-means、DBSCAN、层次聚类在用户分群中的应用。
K-meansDBSCAN层次
22
分类算法
决策树、随机森林、XGBoost在响应潜力评估中的应用。
决策树随机森林XGBoost
23
回归算法
线性回归、支持向量回归、神经网络在负荷预测中的应用。
线性回归SVR神经网络
24
模型评估与调优
交叉验证、网格搜索、贝叶斯优化、评估指标。
交叉验证网格搜索贝叶斯
25
实时定价算法
基于强化学习的动态定价、多目标优化定价。
强化学习动态定价多目标
26
需求响应潜力评估
技术潜力、经济潜力、可调度潜力计算方法。
技术潜力经济潜力可调度
27
用户侧能量管理系统
家庭能量管理(HEM)、建筑能量管理(BEM)算法。
HEMBEM算法
28
虚拟电厂(VPP)
聚合架构、内部调度、外部市场交互策略。
VPP聚合市场交互
29
微电网能量管理
孤岛与并网模式切换、源网荷储协调控制。
孤岛并网源网荷储
30
综合能源系统
电-气-热多能互补、耦合元件建模、协同优化调度。
多能互补耦合协同
31
综合能源系统（续）
电-气-热多能互补、耦合元件建模、协同优化调度（深度案例）。
多能耦合优化