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

$ i5 }/ }3 M) ]1 P/ x1 I" d
) j9 [8 o! P) b3 ?" e
+ U# a: f+ A/ u$ f# ^" j
& ]' O& U" z. a. L+ i9 U# h6 G
) ^$ |: _2 ]: O电力现货市场定价机制是市场设计的重点问题之一，% p0 u. z. M, _! k
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
, @) b( J, e9 [# H4 ~可能的交易行为，而不同定价机制下发电商报价策略不同，
7 A( _' ?+ e0 G8 J: t; _6 f' U为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
1 [  m2 s; A" N* A7 {6 W: 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
9 u" z  e$ Y  ^- Z0 |1 z% L性，构建了节点边际电价、系统边际电价、分区边际电价三
  O' j2 m( H" n1 k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
# C, F! |  V  m' N3 P1 L价决策层，下层为市场出清层，决策层优化发电商报价作为
$ W7 b/ m( p& Y1 D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! G3 j- _* A9 d. [+ N& K
统运行参数，出清决定各发电商的中标电量和收益，为决策
7 ~  z- r# f4 Q: r! k9 x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
- L' J4 h6 F# S# Z3 ?  d1 ]- l8 z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3 H0 {3 q2 f9 \9 s" A6 F% g, Q
免考虑其他主体报价变化带来的“维数灾难”问题，且避免求 " U9 e* c' |1 `" r3 L) `4 a
解过程陷入局部寻优，在实际应用中取得了较好的收敛效) r/ D2 P  k5 z
果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
1 H: a$ w9 b/ P$ n' N化三种定价机制下的发电商报价，结果表明：所提模型和算, v' x- i. j; G/ @1 K
法可有效求解发电商最优报价策略，获取市场均衡结果。
/ L8 b" h& }% d: H, Z+ ?
+ u- ^1 G( C" ^, K$ Y9 i, m# H5 c! u4 N$ y; ^

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