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...

杨利霞

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

& B0 m% @$ z. S" C; \
5 U$ m% ]7 p  W7 v" A
. D. [4 ~, D1 |$ a% u

* w  e* B. D3 _* m1 ~电力现货市场定价机制是市场设计的重点问题之一，
% w1 ~& K5 ?% x" q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
+ P# u2 U' x3 V/ {6 ^. C可能的交易行为，而不同定价机制下发电商报价策略不同，
为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
# m$ f7 o' A# o( s* n3 `* c7 a& y4 j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 v3 a9 Q+ `6 v; u, K( d. t性，构建了节点边际电价、系统边际电价、分区边际电价三
/ w, i0 k% `& ^9 z: }9 J7 n: |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
价决策层，下层为市场出清层，决策层优化发电商报价作为
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
统运行参数，出清决定各发电商的中标电量和收益，为决策
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
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
: z6 y' r  M/ Y* |2 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
: }5 _6 n% q6 ?解过程陷入局部寻优，在实际应用中取得了较好的收敛效
果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
- y) ]' X5 C* ]6 z/ O化三种定价机制下的发电商报价，结果表明：所提模型和算
+ k  ^7 B- ~) e) p法可有效求解发电商最优报价策略，获取市场均衡结果。

: Y# F# |5 @  i4 e; [& b7 t
) ?  I, E; c4 Y