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

" r9 F' f/ {. t0 b+ }6 m9 {; z* T( y4 }+ m# a

$ E# \+ V8 F4 z0 J' F5 P% m& i( Q% ]

% h$ o3 H9 L/ }6 F电力现货市场定价机制是市场设计的重点问题之一，
! i0 p/ L2 V* f9 a! x( i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
# G, X" p3 \0 c2 \8 T" F可能的交易行为，而不同定价机制下发电商报价策略不同，
0 M5 i! f* [1 ~为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
3 ~2 x4 q! f+ A8 z" S- C文。作为首篇，探讨了强化学习在发电商报价决策中的适用% X% B8 `  P  W6 V. k8 q8 A0 j
性，构建了节点边际电价、系统边际电价、分区边际电价三7 i0 a/ F7 W$ H
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
9 X/ t7 M( L+ a- ^  S- U价决策层，下层为市场出清层，决策层优化发电商报价作为
* e, C' p7 i+ c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
5 ]- [' C" v$ ]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 V  D9 P3 \+ \1 V  T* h4 N6 N! 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
+ u  `- k; J; q& u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, Q9 {6 v3 y! G. q" A% x2 R
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 i8 f7 M2 n& o6 ]- Q4 }
解过程陷入局部寻优，在实际应用中取得了较好的收敛效3 l/ D( H4 G) d
果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
3 [% X2 C9 H0 V. j) E( {化三种定价机制下的发电商报价，结果表明：所提模型和算
. z) F# G# o+ b3 P8 V, p法可有效求解发电商最优报价策略，获取市场均衡结果。 " _4 Q& M5 u7 Y* w, h/ h8 O' ^

6 i6 `. }4 t8 k0 W7 |+ K; V: z7 w- F5 N4 t0 G0 S

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