基于深度学习的配电网需求响应能力与潜力分析

陈骏鹏; 苗世洪; 何海飞; 王杰; 周华锋; 彭超逸

doi:10.7500/AEPS20251101004

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于深度学习的配电网需求响应能力与潜力分析

学术研究 | 更新时间：2026-09-22

- 基于深度学习的配电网需求响应能力与潜力分析
- Analysis of Demand Response Capability and Potential in Distribution Networks Based on Deep Learning
- 电力系统自动化 2026年50卷第18期页码：57-67
- 作者机构：
  
  1.华中科技大学电气与电子工程学院，湖北省武汉市 430074
  2.强电磁技术全国重点实验室（华中科技大学），湖北省武汉市 430074
  3.中国南方电网电力调度控制中心，广东省广州市 510670
- 作者简介：
  
  陈骏鹏(2002—)，男，硕士研究生，主要研究方向：需求响应、电网规划。E-mail：junpengchen@hust.edu.cn
  苗世洪(1963—)，男，通信作者，教授，博士生导师，主要研究方向：电力系统智能调度与自动化、微电网和配电网新技术。E-mail：shmiao@hust.edu.cn
  何海飞(2002—)，男，硕士研究生，主要研究方向：电力系统智能调度。E-mail：m202472651@hust.edu.cn
- 基金信息：
  
  智能电网重大专项资助项目(2025ZD0804400)
- DOI：10.7500/AEPS20251101004
  中图分类号：
- 收稿：2025-11-01，
  
  修回：2026-02-23，
  
  网络首发：2026-06-17，
  
  纸质出版：2026-09-25
- 稿件说明：
移动端阅览
陈骏鹏,苗世洪,何海飞等.基于深度学习的配电网需求响应能力与潜力分析[J].电力系统自动化,2026,50(18):57-67.

CHEN Junpeng,MIAO Shihong,HE Haifei,et al.Analysis of Demand Response Capability and Potential in Distribution Networks Based on Deep Learning[J].Automation of Electric Power Systems,2026,50(18):57-67.
陈骏鹏,苗世洪,何海飞等.基于深度学习的配电网需求响应能力与潜力分析[J].电力系统自动化,2026,50(18):57-67. DOI： 10.7500/AEPS20251101004.

CHEN Junpeng,MIAO Shihong,HE Haifei,et al.Analysis of Demand Response Capability and Potential in Distribution Networks Based on Deep Learning[J].Automation of Electric Power Systems,2026,50(18):57-67. DOI： 10.7500/AEPS20251101004.

摘要

在电力市场化改革持续推进的背景下，为提升配电网需求响应利用效率，提出了一种基于深度学习的配电网需求响应能力与潜力分析方法。首先，构建卷积神经网络-双向长短期记忆-Transformer（CNN-BiLSTM-Transformer）双层预测模型，实现需求响应能力的精确动态预测。其次，建立不同行业与用户类型的负荷模型，从用户侧、配电网侧及发展趋势3个角度开展需求响应潜力分析，提出基于空间包络域的长短期需求响应潜力量化方法，并以配电网综合成本最小为目标，构建了基于短期需求响应潜力的优化模型，提出针对性的激励价格制定策略。最后，通过仿真算例验证了所提方法在预测精度、潜力评估及市场应用中的有效性与优越性。

Abstract

In the background of the continuous advancement of electricity market-oriented reform

in order to improve the utilization efficiency of demand response in distribution networks

a method for analyzing demand response capability and potential in distribution networks based on deep learning is proposed. Firstly

a convolutional neural network (CNN)-bi-directional long short-term memory (BiLSTM)-Transformer two-layer prediction model is constructed to achieve accurate and dynamic prediction of demand response capability. Secondly

load models for various industries and user types are established. The demand response potential is analyzed from three perspectives of user side

distribution network side

and development trends. A long- and short-term demand response potential quantification method based on spatial envelope domain is proposed. Meanwhile

with the objective of minimizing the comprehensive cost of the distribution network

an optimization model based on short-term demand response potential is constructed

and a targeted incentive pricing strategy is proposed. Finally

simulation case studies verify the effectiveness and superiority of the proposed method in prediction accuracy

potential assessment

and market application.

关键词

Keywords

references

王彩霞，时智勇，梁志峰，等 . 新能源为主体电力系统的需求侧资源利用关键技术及展望［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 37 - 48 .

Wang Caixia ， Shi Zhiyong ， Liang Zhifeng ， et al . Key technologies and prospects of demand-side resource utilization for power systems dominated by renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 37 - 48 .

张凯瑞，明昊，高赐威 . 基于CPSS视角的需求响应能力评估综述［J］. 电力科学与技术学报， 2024 ， 39 （ 1 ）： 28 - 46 .

Zhang Kairui ， Ming Hao ， Gao Ciwei . A review of demand response capability assessment based on CPSS perspective ［J］. Journal of Electric Power Science and Technology ， 2024 ， 39 （ 1 ）： 28 - 46 .

姜婷玉，陶劲宇，李亚平，等 . 面向新型电力系统电力平衡的负荷响应管理综述［J］. 电力自动化设备， 2025 ， 45 （ 2 ）： 11 - 23 .

Jiang Tingyu ， Tao Jinyu ， Li Yaping ， et al . Review of load response management for power balance in new power system ［J］. Electric Power Automation Equipment ， 2025 ， 45 （ 2 ）： 11 - 23 .

范帅，危怡涵，何光宇，等 . 面向新型电力系统的需求响应机制探讨［J］. 电力系统自动化， 2022 ， 46 （ 7 ）： 1 - 12 .

Fan Shuai ， Wei Yihan ， He Guangyu ， et al . Discussion on demand response mechanism for new power systems ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 7 ）： 1 - 12 .

陈艳波，张瑞芯，田昊欣，等 . 面向用户侧多元灵活性资源功率聚合的配电台区优化运行研究［J］. 电力系统保护与控制， 2025 ， 53 （ 8 ）： 130 - 143 .

Chen Yanbo ， Zhang Ruixin ， Tian Haoxin ， et al . Optimal operation of distribution substations for aggregating multiple user side flexible resources ［J］. Power System Protection and Control ， 2025 ， 53 （ 8 ）： 130 - 143 .

陈张宇，刘东，刘浩文，等 . 基于精细化需求响应的虚拟电厂优化调度［J］. 电网技术， 2021 ， 45 （ 7 ）： 2542 - 2550 .

Chen Zhangyu ， Liu Dong ， Liu Haowen ， et al . Optimal dispatching of virtual power plant based on refined demand response ［J］. Power System Technology ， 2021 ， 45 （ 7 ）： 2542 - 2550 .

马恒瑞，袁傲添，王波，等 . 基于深度学习的负荷预测研究综述与展望［J］. 高电压技术， 2025 ， 51 （ 3 ）： 1233 - 1250 .

Ma Hengrui ， Yuan Aotian ， Wang Bo ， et al . Review and prospect of load forecasting based on deep learning ［J］. High Voltage Engineering ， 2025 ， 51 （ 3 ）： 1233 - 1250 .

李云松，张智晟 . 考虑综合需求响应的Transformer-图神经网络综合能源系统多元负荷短期预测［J］. 电工技术学报， 2024 ， 39 （ 19 ）： 6119 - 6128 .

Li Yunsong ， Zhang Zhisheng . Transformer based multi load short-term forecasting of integrated energy system considering integrated demand response ［J］. Transactions of China Electrotechnical Society ， 2024 ， 39 （ 19 ）： 6119 - 6128 .

董俊，刘瑞，束洪春，等 . 基于BIRCH聚类的L-Transformer分布式光伏短期发电功率预测［J］. 高电压技术， 2024 ， 50 （ 9 ）： 3883 - 3893 .

Dong Jun ， Liu Rui ， Shu Hongchun ， et al . Short-term distributed photovoltaic power generation prediction based on BIRCH clustering and L-Transformer ［J］. High Voltage Engineering ， 2024 ， 50 （ 9 ）： 3883 - 3893 .

崔屹峰，李珍国，贾清泉，等 . 基于参数辨识与状态估计的温控负荷响应能力动态评估［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 150 - 158 .

Cui Yifeng ， Li Zhenguo ， Jia Qingquan ， et al . Dynamic evaluation of response potential of thermostatically controlled load based on parameter identification and state estimation ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 1 ）： 150 - 158 .

周星月，黄向敏，张勇军，等 . 基于需求响应潜力模糊评估的电动汽车实时调控优化模型［J］. 电力自动化设备， 2022 ， 42 （ 10 ）： 30 - 37 .

Zhou Xingyue ， Huang Xiangmin ， Zhang Yongjun ， et al . Real-time scheduling and optimization model of electric vehicles based on fuzzy evaluation of demand response potential ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 10 ）： 30 - 37 .

李志煌，邵振国，朱少林，等 . 基于主从博弈推演和改进多任务学习的居民用户需求响应潜力评估［J］. 电网技术， 2025 ， 49 （ 5 ）： 1781 - 1791 .

Li Zhihuang ， Shao Zhenguo ， Zhu Shaolin ， et al . Assessing the potential of residential user demand response based on Stackelberg game theory and improvements in multi-task learning ［J］. Power System Technology ， 2025 ， 49 （ 5 ）： 1781 - 1791 .

郑若楠，李志浩，唐雅洁，等 . 考虑居民用户参与度不确定性的激励型需求响应模型与评估［J］. 电力系统自动化， 2022 ， 46 （ 8 ）： 154 - 162 .

Zheng Ruonan ， Li Zhihao ， Tang Yajie ， et al . Incentive demand response model and evaluation considering uncertainty of residential customer participation degree ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 8 ）： 154 - 162 .

郭昆健，高赐威，林国营，等 . 现货市场环境下售电商激励型需求响应优化策略［J］. 电力系统自动化， 2020 ， 44 （ 15 ）： 28 - 35 .

Guo Kunjian ， Gao Ciwei ， Lin Guoying ， et al . Optimization strategy of incentive based demand response for electricity retailer in spot market environment ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 15 ）： 28 - 35 .

徐博强，赵建立，张沛超，等 . 基于负荷准线和纳什谈判的高比例新能源消纳方法［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 36 - 45 .

Xu Boqiang ， Zhao Jianli ， Zhang Peichao ， et al . High-proportion renewable energy accommodation method based on customer directrix load and Nash bargaining ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 36 - 45 .

王磊，潘天宇，韩露，等 . 考虑差异化激励的中小用户参与准线型需求响应交易机制［J］. 电力系统自动化， 2025 ， 49 （ 13 ）： 137 - 144 .

Wang Lei ， Pan Tianyu ， Han Lu ， et al . Trading mechanism for participation of small- and medium-sized customers in directrix demand response considering differentiated incentives ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 13 ）： 137 - 144 .

张靖琛，江全元，耿光超，等 . 基于区块链的负荷聚合商及居民用户多方共治交易模式［J］. 电力系统自动化， 2024 ， 48 （ 1 ）： 109 - 118 .

Zhang Jingchen ， Jiang Quanyuan ， Geng Guangchao ， et al . Blockchain-based multi-party co-governance transaction mode for load aggregator and residential users ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 1 ）： 109 - 118 .

吕挺，张智，芦鹏飞，等 . 考虑用户信用的虚拟聚合商需求响应交易机制［J］. 电力系统自动化， 2023 ， 47 （ 19 ）： 44 - 52 .

Lyu Ting ， Zhang Zhi ， Lu Pengfei ， et al . Demand response transaction mechanism for virtual load aggregator considering user credit ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 19 ）： 44 - 52 .

王珂，吴峰，曹若琳，等 . 市场环境下需求响应行为特性及模型研究综述［J］. 电力系统自动化， 2024 ， 48 （ 15 ）： 1 - 14 .

Wang Ke ， Wu Feng ， Cao Ruolin ， et al . Review on characteristics and models of demand response behavior in market environment ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 15 ）： 1 - 14 .

董育辰，贾宏杰，靳小龙，等 . 基于贝叶斯网络代理的建筑聚合商需求响应市场投标策略［J］. 电力系统自动化， 2026 ， 50 （ 9 ）： 1 - 15 .

Dong Yuchen ， Jia Hongjie ， Jin Xiaolong ， et al . Bidding strategy for building aggregators in demand response market based on Bayesian network agent ［J］. Automation of Electric Power Systems ， 2026 ， 50 （ 9 ）： 1 - 15 .

廖思阳，谢濠聪，徐箭，等 . 面向需求侧市场化响应交易细则的高耗能负荷需求响应控制策略［J］. 中国电机工程学报， 2025 ， 45 （ 5 ）： 1645 - 1657 .

Liao Siyang ， Xie Haocong ， Xu Jian ， et al . Demand response control strategy for high-energy-consuming loads aligned with demand-side market response transaction rules ［J］. Proceedings of the CSEE ， 2025 ， 45 （ 5 ）： 1645 - 1657 .

邵韵霏，范帅，郏琨琪，等 . 基于负荷准线的用户需求响应潜力评估［J］. 电力系统自动化， 2024 ， 48 （ 24 ）： 33 - 43 .

Shao Yunfei ， Fan Shuai ， Jia Kunqi ， et al . Assessment of customer demand response potential based on load directrix ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 24 ）： 33 - 43 .

陈骏鹏，苗世洪，何武，等 . 考虑农村配电网承载力的电动汽车充电站自适应分阶段选址定容方法［J/OL］. 电力自动化设备， 2025-11-28 . https：//doi.org/10.16081/j.epae.202511007 https://doi.org/10.16081/j.epae.202511007 .

Chen Junpeng ， Miao Shihong ， He Wu ， et al . Adaptive staging siting and sizing method of electric vehicle charging stations considering rural distribution network supportability ［J/OL］. Electric Power Automation Equipment ， 2025-11-28 . https：//doi.org/10.16081/j.epae.202511007 https://doi.org/10.16081/j.epae.202511007 .

Wang X C ， Tang W Y . Modeling and analysis of baseline manipulation in demand response programs ［J］. IEEE Transactions on Smart Grid ， 2022 ， 13 （ 2 ）： 1178 - 1186 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进长期增量成本法的可靠性电价制定方法

计及电力市场风险的配电网-微网协同互动电能交易方法

计及负荷反弹特征的配电网充裕性提升策略优化

省间省内中长期集中竞价交易一体化出清方法

基于可行域聚合投影的输配电网与EVA分层协同优化调度