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

$ Y- E  b; W# T* _' ]


9 J( N& ^: F; ]* _0 {. [4 y1 l- G
电力现货市场定价机制是市场设计的重点问题之一，
) ~+ w5 c  P  T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
  y6 b+ `5 Q% X; f7 W- r8 T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
* ?2 T& X7 j1 i文。作为首篇，探讨了强化学习在发电商报价决策中的适用
; B, d9 ]. Q& w性，构建了节点边际电价、系统边际电价、分区边际电价三
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
$ z" N) i( a- t5 e/ G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
0 X+ C3 C# e: s) l6 ~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
免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
- t, f& ~% u9 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
# k. [$ O2 F3 ~) m  }: A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。
4 l% y1 {! }; G2 \5 @- {# }