研究团队正专注于全州战略领域的有针对性的需求响应，以获得最大的影响。|图片:艾米丽·奥斯瓦尔德，德克萨斯农工工程公司
需求响应，一种为了应对供应限制而采取的降低能源负荷的措施，在德克萨斯州电网内一直是最近讨论的一个话题，因为我们在一年前冬季风暴尤里之后继续质疑电网的稳定性。需求响应可以通过可再生能源的渗透提高电网的可靠性，还可以显著降低批发电力市场的价格波动或波动。
为了降低整个州电网的能源负荷，传统的需求响应研究主要集中在降低休斯顿和达拉斯等人口密集中心的能源负荷。然而，德克萨斯农工大学电气与计算机工程系教授谢乐博士和他的团队发现，将重点放在人口密集地区以外的几个战略位置上，成本效益更高，对电网价格波动的影响更大。利用机器学习算法在合成德州网格模型的基础上战略性地选择这些需求响应位置。
“假设今天的电力需求导致价格高，而昨天的电力需求导致价格低，”博士后研究员Ki-Yeob Lee说，他设计了论文中使用的算法。“我们能否让今天的电力需求更接近昨天的电力需求，这样这种变化就能导致低价格?”如果这样做不成功，我们能否将今天的电力需求移到更接近昨天电力需求的前一天?基于这个简单的想法，我们的机器学习算法搜索电力价格低、需求响应量最小的日子。”
虽然先前的研究已经证明了需求反应在缓解价格波动方面的好处，但考虑到影响最大的地点选择的工作有限。
“我们正在采取一种技术不可知论的方法，”谢说。“我们正在展示当前的市场设计以及这种设计的后果。通过指出这些问题，我们有望减少电网价格的波动，我们认为这对社会是最好的。”
除了谢和李，这项研究的贡献者还包括来自德州农工大学电气和计算机工程系的耿欣博博士、Sivaranjani Seetharaman博士和Srinivas Shakkottai博士;突破能源夏柏楠博士;还有中国东南大学的郝明博士，他在德州农工大学获得博士学位。