|
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
# C+ P0 \, K' P' i. }2 R D! `. g. \
- W( A5 e" z, }( m8 w, ~; @( r8 f* u( m
0 Z$ }# |. \, G6 O3 d) F( J$ d( I6 f* h
电力现货市场定价机制是市场设计的重点问题之一，! [9 I. [& p% I( z# i& v
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$ q) p6 z2 ?4 X% Y, ]
可能的交易行为，而不同定价机制下发电商报价策略不同， 6 O: s# J+ c0 R# v* F Z* `/ c
为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
/ [9 H$ K+ ?/ A: ~: k文。作为首篇，探讨了强化学习在发电商报价决策中的适用
7 S8 u, ^2 M' Y) b: l, Z性，构建了节点边际电价、系统边际电价、分区边际电价三4 ]6 @. m; a" |8 `: A, a2 o+ w7 h2 @+ O
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
# y3 d- ]! l* |4 v& ]价决策层，下层为市场出清层，决策层优化发电商报价作为& ^5 D2 j) [& @2 N- U
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
& `7 u1 m7 ?& A统运行参数，出清决定各发电商的中标电量和收益，为决策: z. N' }% m; U: e- E( S! l
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; u, O8 Y J4 N; Q% P
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
/ k1 O r* P$ [. l2 F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 l6 g, z6 E0 E/ b; j解过程陷入局部寻优，在实际应用中取得了较好的收敛效
- B7 ^: M( ?9 f/ |- x* h' o& j果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优7 k1 b l' D0 |7 A0 V( 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
+ h$ R, M" B( L& Q法可有效求解发电商最优报价策略，获取市场均衡结果。
: E7 V$ f* k! W1 U1 b, p d, t5 B o9 t( }& [
: p5 m$ a3 @9 U* x. E
| 
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
