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

' |, t" ~! Z4 x
电力现货市场定价机制是市场设计的重点问题之一，
/ |' {0 d/ y1 Q; \3 w0 }* ?( ?" ?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
; @9 j7 O) `0 r- @* 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，
" M  ~, z* f5 Q4 l% a+ C7 U为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
. S: O9 R4 ?2 B2 e& s# ~, 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
性，构建了节点边际电价、系统边际电价、分区边际电价三
" g" i, z3 Q. \: l: k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
. A8 ~  a: p, D' F& u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
  M& a( n& Q. J统运行参数，出清决定各发电商的中标电量和收益，为决策
# B% {: q7 K1 q" K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
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
; h" ]4 y1 K: U% o5 C+ ]9 F$ L. _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。
# o8 ~7 U, D# |( g! s' k! v
9 i9 {* m. J0 \: D
/ U" L$ @) G" {6 ]2 ~, {  l( O  F