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

1 p  b; t, @! y% x# \
- t1 I$ R# i( V, I; v* R
电力现货市场定价机制是市场设计的重点问题之一，
  r$ t+ @# a. G2 o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
/ D. J# k7 K7 I8 h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 F( v8 B( r- ]! h& k" @9 a为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
文。作为首篇，探讨了强化学习在发电商报价决策中的适用
1 r, @5 u, G2 C% |) `; S性，构建了节点边际电价、系统边际电价、分区边际电价三
: E' Z# Z( G9 t! d5 \: |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
+ c* O7 ?* t0 f7 i统运行参数，出清决定各发电商的中标电量和收益，为决策
, I% K9 ^# C7 W. s( I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
" `2 r7 @1 k4 M4 K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
0 {' z' E7 m% J9 I免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
9 w$ `& v! k+ ]3 K; B9 {- @3 R# C( Q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
化三种定价机制下的发电商报价，结果表明：所提模型和算
法可有效求解发电商最优报价策略，获取市场均衡结果。
  ^  s# I6 o* F" b: p

7 }3 }4 F( l( N+ }! D