《表2 C-PDS和D-PPDS的需求响应量比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《考虑全局不等约束的多代理系统分布式需求响应优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

D-PPDS与ADMM算法调度收益比较见图8。在图8中，相比于传统的离线辨识，考虑在线逆优化的D-PPDS可以获得最大需求响应利润。由于弹性参数辨识精度的提高，考虑在线优化的需求响应利润比不考虑在线优化的方案高出1.83%。这是由于传统模型驱动的算法一般无法实时在线更新，不完全的信息分析会导致需求响应利润下降39.03%，这显示出在线逆优化在参数辨识方面的优越性。由于未能满足预定的约束条件，超过响应需求的部分只能按照日前价格结算，这导致了ADMM算法收益明显较差，ADMM算法的收益在偏离约束较多的时刻甚至会降低到负值。