|
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 ( D$ j) \0 b( O0 ?; v. S d
; E4 c$ R' Q+ |) g0 }
4 V! b9 X4 u# y0 C7 ?& }4 c: Q T; c B' L. J) \
1 `5 E: G* H L m电力现货市场定价机制是市场设计的重点问题之一，. Y$ h% C$ U- U# j& 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- W/ W7 ^( Y- T# W
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 f$ }8 G* D* Y为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
# R" q0 x/ r' z4 M0 i! y4 g2 y, F/ |文。作为首篇，探讨了强化学习在发电商报价决策中的适用* i6 z1 j: E! c) g+ P3 x6 Z
性，构建了节点边际电价、系统边际电价、分区边际电价三' z0 M( S( |: f# \, }2 i1 \2 M3 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, E1 T- u6 j0 g+ g
价决策层，下层为市场出清层，决策层优化发电商报价作为
( K/ |1 A% @* L% @: 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3 E6 X" T1 L: }+ 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
9 k4 `4 F( A' w# P6 `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7 }% S9 k7 w( O6 c# j- B7 Y5 v( R
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- P) W4 A' |' d* {8 N& z
免考虑其他主体报价变化带来的“维数灾难”问题，且避免求 % U) Q: |+ H7 T8 V
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; N6 w4 t9 O果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
0 W; j; x, }. M' b2 z6 H8 m& q化三种定价机制下的发电商报价，结果表明：所提模型和算2 K+ G6 R5 b5 Z+ t& {8 n
法可有效求解发电商最优报价策略，获取市场均衡结果。
* @/ w1 Z) L* z' p& x/ M r; X( Y
& l/ E9 T0 ]7 G1 K' ~
, m0 d6 u/ B) e+ T4 @% W# }$ i | 
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
