数学建模社区-数学中国

标题: 基于多智能体强化学习的电力现货市场定价机制 研究(一)不同定价机制下发电商报价双... [打印本页]

作者: 杨利霞    时间: 2020-10-30 14:44
标题: 基于多智能体强化学习的电力现货市场定价机制 研究(一)不同定价机制下发电商报价双...
基于多智能体强化学习的电力现货市场定价机制 研究(一)不同定价机制下发电商报价双层优化模型

* w( G( V* D% ]; t
/ x: N& j2 W0 ?8 R1 K0 H& \2 T8 s; f# {( t: P2 P3 m2 X

9 @3 x' N( H7 s) N) E- }2 O1 O5 Y9 K
电力现货市场定价机制是市场设计的重点问题之一,) k6 i0 \) L3 w2 `* v
与发电商交易行为相互影响。定价机制设计需要考虑发电商
: F2 S' g, E0 \. o可能的交易行为,而不同定价机制下发电商报价策略不同,
2 [1 T8 G% u2 W0 i) _5 `为系统性地解决这一嵌套难题,形成两篇不同侧重点的论
/ r. E) V  r  G6 P5 n9 l% l5 z文。作为首篇,探讨了强化学习在发电商报价决策中的适用
% h' A2 g& R" ^+ ~) L5 @性,构建了节点边际电价、系统边际电价、分区边际电价三
; n9 i  q5 i5 c) V; L6 Z2 Q种定价机制下的发电商报价双层优化模型。上层为发电商报
3 X2 e4 t+ v6 u  N价决策层,下层为市场出清层,决策层优化发电商报价作为' P; T7 I6 V0 j* Y$ ]% I& F3 q
市场出清的基础,出清层综合所有市场主体的报价信息和系
% w3 F  Z  r" L统运行参数,出清决定各发电商的中标电量和收益,为决策
6 t; V& N/ A5 O: h9 z% f) n层优化报价策略提供依据。报价决策模型采用可变学习速率/ i0 [  b7 ^7 p
和策略爬山算法相结合的多智能体强化学习方法求解,以避& m& m( K3 w) H. v1 @3 |
免考虑其他主体报价变化带来的“维数灾难”问题,且避免求
4 `( ~6 A" q$ H4 T: R解过程陷入局部寻优,在实际应用中取得了较好的收敛效4 |4 @1 N0 U# ?9 ]5 P
果。最后以 IEEE 39 系统为例,选择 4 个典型负荷场景,优
7 g( h" |; r% E  ^6 ?化三种定价机制下的发电商报价,结果表明:所提模型和算2 s" d/ k1 U$ q; C* c% ^8 g/ G! e
法可有效求解发电商最优报价策略,获取市场均衡结果。 : k3 e6 k% l" q, |% p9 y

' c4 r: w- r% K8 p2 N) u2 k0 s, B) E, A

基于多智能体强化学习的电力现货市场定价机制 研究(一)不同定价机制下发电商报价双层优.pdf

1.31 MB, 下载次数: 0, 下载积分: 体力 -2 点






欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5