|
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
a0 ^1 V2 w+ N: t* L9 [# n ?! I( F' T3 e$ e; B& _- i( X
+ ?4 C6 o- A4 R; Q' z' N* E( V& L! L; l9 O
* h3 N `# r" [+ e7 e电力现货市场定价机制是市场设计的重点问题之一，5 n) P# p/ w( S. c6 y5 }& A+ o7 Y( P
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+ l" L- V, O* y0 s" ~5 j3 M, ?
可能的交易行为，而不同定价机制下发电商报价策略不同，
# y4 g) U5 [( g" s0 m( ?' @8 E" L为系统性地解决这一嵌套难题，形成两篇不同侧重点的论 4 q2 [& K3 I! A1 E& \' q
文。作为首篇，探讨了强化学习在发电商报价决策中的适用& d1 {& k4 t9 D% W
性，构建了节点边际电价、系统边际电价、分区边际电价三
m0 c2 d! ?5 i/ |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- a# U ]) Y3 e, v+ z! `
价决策层，下层为市场出清层，决策层优化发电商报价作为6 z" Q4 o: Y3 |: f
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; F8 b( S) f8 K6 w7 `& c! \ 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
8 }4 `2 T, @6 C+ u* p" E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; H% G, G; t0 ^, v) x2 w
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
6 {3 _0 K% ]( ?, h( p免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
5 U- `! F" f3 I8 z8 z# 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
& R) M& w3 N, x3 A- `+ U# }7 K果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优# Z2 O9 n: |) K3 E2 N3 z
化三种定价机制下的发电商报价，结果表明：所提模型和算% d* `' k0 z8 h6 ~: F. ^. L8 R y* W
法可有效求解发电商最优报价策略，获取市场均衡结果。
3 @/ _& G6 @. d0 ^9 J |4 K
$ A" ~% B* X& D6 o% E% j v# u1 x0 i( ~* T- t# S
| 
IP卡
狗仔卡
发表于 2020-10-30 14:44
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
