Skip to content
Hot eventLive

Learning to Price Electricity for Optimal Demand Response

1 reports1 sources3 hr ago updated

Get the story

AI overview

论文提出一种基于神经网络的上下文能源定价算法，将定价建模为Stackelberg博弈，并利用Mehrabi et al. (2024)的均值场解表示。该方法学习从上下文特征到可行价格信号的约束映射，在多个美国城市电网仿真中验证，结果显示上下文信息能显著提升需求响应项目的价值。

Generated from reports · updated 3 hr ago

LatestOct 2
论文于2026-10-02在arXiv·Statistics Machine Learning上线，提出神经网络上下文定价方法并在多城市电网仿真中验证有效。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    学习定价电力以优化需求响应

    论文提出一种基于神经网络的上下文能源定价算法，将定价建模为Stackelberg博弈，并利用Mehrabi et al. (2024)的均值场解表示。该方法学习从上下文特征到可行价格信号的约束映射，在多个美国城市电网仿真中验证，上下文信息能显著提升需求响应项目的价值。

Heat trend

There is not enough continuous observation data to draw a trend yet.