卢 婕，刘向向，赵振佐，赵文辉，邓娜娜，王 博

（1.国网江西省电力有限公司 供电服务管理中心，南昌 330001；2.北京理工大学 管理与经济学院，北京 100081）

0 引言

近年来因家庭电力消费带来的能源消耗与碳排放问题日益严峻［1—2］。居民用电迅速增长是造成电网高峰时段用电负荷呈现两位数增长、峰谷差不断增大的重要原因［3—4］。我国电力系统面临缓解供需矛盾、节能减排的双重压力，在“双碳”的目标下，电网供应侧的规模扩张受到了极大的束缚，因此我国迫切需要从需求侧开展居民用能管理，提高需求侧互动能力。

电力需求响应作为需求侧管理的重要举措，在全世界范围内得到了广泛的应用［5—6］。国内外学者围绕园区［7］，以及工、商业用户［8］的电力需求响应开展了一系列的研究和试点应用。居民电力消费具有单体负荷小、分布散、随机性强、可控性低等特点，为针对家庭用户开展需求侧管理带来了挑战。

因此，本文基于长短期记忆神经网络（long shortterm memory,LSTM）构建居民电力需求响应自学习优化模型。需求响应开展情况如下：每天早上通过短信的方式发送信息给用户，通知当天19：00—20：30将开展需求响应活动，对于有意愿参与的用户，若这1.5 h内比前一天（基准日）用电量减少1 kWh，将给予相应的红包奖励。需求响应实验针对迎峰度夏与迎峰度冬场景多次开展，涉及居民百万余户。

此后，在相应时间段采集需求响应数据，通过构建基于时间卷积神经网络模型的多变量时间序列模型，对居民用户响应电量进行预测；……