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
1 R' J7 y' a; N; Y

5 J8 K  \* ?' a. o# a# t0 c3 ?3 h& Q$ l" p0 z0 j9 G

5 u) x, H4 P& L8 Y$ A& D% X# h( u1 R2 H7 P
电力现货市场定价机制是市场设计的重点问题之一，0 s% D7 W7 ]1 M5 E+ ~" n2 F
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. z( U- [+ p( i: A8 S+ s$ V
可能的交易行为，而不同定价机制下发电商报价策略不同，
- E& i4 T5 t4 _- E; ]  e6 J为系统性地解决这一嵌套难题，形成两篇不同侧重点的论 % x# C+ A. M1 ?4 ?1 [
文。作为首篇，探讨了强化学习在发电商报价决策中的适用* B5 G! M. s' m% B0 n8 Z8 @
性，构建了节点边际电价、系统边际电价、分区边际电价三2 |$ B+ i/ ^) G
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- U5 N1 @# V0 Q0 M+ L6 a7 |, H! r
价决策层，下层为市场出清层，决策层优化发电商报价作为# x5 z: @9 u& |! \$ B3 ~, {
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
/ Y& \  X: C  L' M( J统运行参数，出清决定各发电商的中标电量和收益，为决策
9 c3 j  W# t  i' 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
* D2 K( ?/ N2 m  u4 `8 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
# J. H2 K5 n& X2 c& u# p$ a, V) ]免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
, `. y3 |* L0 H. L解过程陷入局部寻优，在实际应用中取得了较好的收敛效
9 k0 C% G, _. f  t% |2 v# ?果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优/ ~: o9 B) K# z( t3 [6 V8 K) v, j
化三种定价机制下的发电商报价，结果表明：所提模型和算
: F4 V/ R* u, I6 [法可有效求解发电商最优报价策略，获取市场均衡结果。
$ h+ Z: C' m, b) h" Z
: b- n  J0 t8 b* e2 n
' j0 r) b/ ^! M9 g1 C

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