准线型需求响应如何解决传统基线型机制中调节贡献量化不当的问题？

传统基线型需求响应机制依赖不可证伪的反事实基线负荷，导致调节贡献量化不当，且连续开展调节能力缺乏样本。为解决这一问题，准线型需求响应引入了全新的量化评估模型与数学工具。

在理论模型方面，研究基于加托方向导数（Gateaux directional derivatives）理论，将用户负荷曲线对调节需求的边际削弱作用进行了化简。具体而言，用户的边际贡献被表达为其实际负荷曲线与节点准线（LCDL）之间的余弦相似度。这一转化使得原本复杂的调节贡献评估变成了一个可事前、显式计算的贡献评价函数，具备了明确的物理可解释性，能够直接反映用户负荷曲线与电网调节需求的匹配程度。

在计算效率与准确性方面，传统方法如Shapley值在处理海量用户时面临极大的计算负担。而基于准线相似度的评价方法，其计算结果与Shapley值评价结果高度趋近。随着用户数量的增加，基于准线相似度的计算方法在效率上的优势愈发显著，能够满足大规模用户群体实时、常态化的调节贡献量化需求。

此外，配合激励价格在线学习机制，系统将“激励价格—群体响应”映射关系转化为可在线学习的参数化模型。运营商依据历史价格—响应数据估计用户特性，直接制定下一周期的激励价格。该在线学习机制具有O(log(Days))的累积后悔上界，激励价格可随响应周期推进渐近逼近理论均衡值，无需在当期进行多轮交互即可持续降低系统调节需求，从根本上克服了传统机制中反复迭代易产生决策疲劳以及无法常态化应用的缺陷。