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

( M6 C" o7 G+ O# u


  a# H! c+ Z, i+ i/ y$ {/ N' f
: ^( y0 `) |) T; J电力现货市场定价机制是市场设计的重点问题之一，
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
- {, z3 O% t* W: c  v8 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，
$ @! ~8 E; X( x2 Y3 t2 ~& p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
# ~  `+ G4 l- ^性，构建了节点边际电价、系统边际电价、分区边际电价三
; U* x- g( H$ I5 T6 z1 P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
3 i4 d6 L& l8 h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
/ f( o; D* A  v0 G  n* P# l# d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
$ C  y0 w* E. |3 M: n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
$ _. {6 L$ y7 k8 `" _+ B解过程陷入局部寻优，在实际应用中取得了较好的收敛效
& O; O5 ~. R! ]* S7 G5 i( M+ x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。

6 d) c3 s8 _6 A4 m$ g
& y; p. F3 R5 O0 P5 W3 R% j