[论文解读] Simulating Tariff Impact in Electrical Energy Consumption Profiles with Conditional Variational Autoencoders

Margaux Brégère, Ricardo J. Bessa|arXiv (Cornell University)|Jun 10, 2020

Smart Grid Energy Management参考文献 51被引用 19

一句话总结

本文提出一种基于条件变分自编码器（CVAE）的方法，用于在不同电价方案下模拟家庭电力消费曲线，整合了天气和日历变量。与半参数模型不同，CVAE能够捕捉非线性的反弹效应和溢出效应——即消费在电价变动前后发生转移——从而实现对不同价格响应能力的消费者群体的前瞻性、现实的需量响应政策测试。

ABSTRACT

The implementation of efficient demand response (DR) programs for household electricity consumption would benefit from data-driven methods capable of simulating the impact of different tariffs schemes. This paper proposes a novel method based on conditional variational autoencoders (CVAE) to generate, from an electricity tariff profile combined with exogenous weather and calendar variables, daily consumption profiles of consumers segmented in different clusters. First, a large set of consumers is gathered into clusters according to their consumption behavior and price-responsiveness. The clustering method is based on a causality model that measures the effect of a specific tariff on the consumption level. Then, daily electrical energy consumption profiles are generated for each cluster with CVAE. This non-parametric approach is compared to a semi-parametric data generator based on generalized additive models and that uses prior knowledge of energy consumption. Experiments in a publicly available data set show that, the proposed method presents comparable performance to the semi-parametric one when it comes to generating the average value of the original data. The main contribution from this new method is the capacity to reproduce rebound and side effects in the generated consumption profiles. Indeed, the application of a special electricity tariff over a time window may also affect consumption outside this time window. Another contribution is that the clustering approach segments consumers according to their daily consumption profile and elasticity to tariff changes. These two results combined are very relevant for an ex-ante testing of future DR policies by system operators, retailers and energy regulators.

研究动机与目标

• 开发一种数据驱动的非参数方法，用于模拟不同电价方案下的家庭电力消费曲线。
• 通过生成基于电价、天气和日历变量的现实消费数据，实现对需量响应（DR）政策的前瞻性评估。
• 利用因果模型对消费者按其对电价的响应能力进行聚类，从而实现个性化DR信号设计。
• 克服半参数模型无法捕捉消费行为中时间溢出效应（如反弹和溢出效应）的局限性。
• 为能源监管机构、零售商和系统运营商提供可复现、开源的仿真框架，用于测试未来的DR计划。

提出的方法

• 基于消费者用电模式及其对电价变化的响应能力，使用因果模型将家庭用户聚类为k个群体（C₁,…,Cₖ），以量化电价对消费的因果影响。
• 训练一个条件变分自编码器（CVAE），以输入变量x（电价p、天气、日历类型w）为条件，生成每日半小时的消费曲线Y，潜在空间Z的维度为d。
• CVAE解码器通过将潜在变量Z与条件输入（p, w, κ）映射到Y的分布，建模复杂且非线性的依赖关系。
• 模型在英国电力网络的公开数据集上进行训练，采用变分推断目标，以最大化观测消费对数似然的下界。
• 将基于CVAE的生成器与基于广义可加模型（GAMs）的半参数模型进行基准对比，后者利用对能耗行为的先验知识。
• 该方法支持对未见电价配置的消费曲线进行条件生成，但当输入超出训练分布时，泛化能力有限。

实验结果

研究问题

• RQ1 基于CVAE的生成器能否准确模拟不同电价方案下的家庭电力消费曲线，包括训练期间未明确观测到的方案？
• RQ2 与半参数模型相比，CVAE模型在捕捉反弹效应和溢出效应（如电价变动前后消费变化）方面表现如何？
• RQ3 基于电价响应能力的消费者聚类在多大程度上提升了生成消费曲线的真实感与多样性？
• RQ4 非参数CVAE方法在再现原始数据平均消费值方面是否优于或至少匹配半参数模型的性能？
• RQ5 模型性能在具有不同价格弹性和行为模式的各类消费者群体中如何变化？

主要发现

• 基于CVAE的生成器在再现原始数据平均消费值方面，性能与半参数基准相当。
• CVAE模型成功捕捉了反弹效应，例如在晚间实施高价时段时，下午消费增加；以及溢出效应，即消费变化在电价窗口前后持续存在。
• 与仅在电价变动的精确半小时内影响消费的半参数模型不同，CVAE模型能检测并再现跨时间的溢出效应，更真实反映消费者行为。
• 聚类方法有效按电价响应能力对消费者进行分组，各聚类间表现出显著不同的反弹与溢出效应幅度。
• 当输入为罕见或未见的电价配置（如全天高价）时，CVAE生成器会产生非直观的消费曲线，表明其在训练分布外的泛化能力有限。
• 半参数模型在全天高价情况下生成了过低的消费值，表明其未能正确建模能源使用的物理与行为限制。