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
+ ]0 S) u! Z( Q/ Z& m

4 C4 B: i9 ~1 J: ?# b
. w1 C1 y; K+ L" e- r( r) M% j# a4 H- o9 F* V, K

7 w- [" n. e) y% @1 `! O电力现货市场定价机制是市场设计的重点问题之一,
' d2 x9 }3 g. y1 |6 R/ \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
. ]- g4 v' U5 t% ?4 ?可能的交易行为,而不同定价机制下发电商报价策略不同, 1 s+ z1 t/ l3 @: @" N
为系统性地解决这一嵌套难题,形成两篇不同侧重点的论
) L3 g' B7 `/ {  Y文。作为首篇,探讨了强化学习在发电商报价决策中的适用! ]8 o, w- ?" S* g7 A% U6 i/ A; Y& J
性,构建了节点边际电价、系统边际电价、分区边际电价三6 z8 w, b8 F, L6 h. e
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5 @( x. t, k. M" J, A
价决策层,下层为市场出清层,决策层优化发电商报价作为
0 D0 b  k3 `5 n8 P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; ~2 i5 R& [% U+ W6 ]
统运行参数,出清决定各发电商的中标电量和收益,为决策; R% L+ c9 ?+ E2 R
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
1 g1 \" \3 V2 C, z0 J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
+ A5 O* z; R! b+ c7 ~; C% H免考虑其他主体报价变化带来的“维数灾难”问题,且避免求
- X  c/ h/ @2 [6 k解过程陷入局部寻优,在实际应用中取得了较好的收敛效
/ |& X: d2 j  g) o果。最后以 IEEE 39 系统为例,选择 4 个典型负荷场景,优
$ }2 ~' w# N/ \! t7 U- A: W化三种定价机制下的发电商报价,结果表明:所提模型和算" t+ F% ^$ A: T) J1 ^* A
法可有效求解发电商最优报价策略,获取市场均衡结果。
6 ?! z% }8 Y" i. N; e1 ^5 _9 A1 t- P' t1 d0 M( l1 ]! ~
! h8 I+ W1 O  l; Z8 ^0 g) q

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