|
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 ; V! [. q0 J5 {: M5 Q& s+ q
% Y- i& t9 e: {! L5 w* O
( f1 O8 W% K6 F1 c% E' B5 l! I
' I& g2 I4 ]5 ~- n) Y7 s
! G8 k. Q; ^9 e. Q$ z$ u电力现货市场定价机制是市场设计的重点问题之一,
0 X& V) ?! a5 t; r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) T2 y0 | w1 Z
可能的交易行为,而不同定价机制下发电商报价策略不同, ' c6 X3 Z& V; }7 {) J
为系统性地解决这一嵌套难题,形成两篇不同侧重点的论
+ ~6 B4 }' C( K2 p文。作为首篇,探讨了强化学习在发电商报价决策中的适用- l2 I+ s' Z! F
性,构建了节点边际电价、系统边际电价、分区边际电价三+ X2 F8 E4 D3 u! c9 Q
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
8 u6 N0 u" o( l价决策层,下层为市场出清层,决策层优化发电商报价作为 V9 B% N' ?8 i: c+ ?- c# M* ?$ d# h
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, ]8 Z0 d* J* Q6 P F/ P0 `
统运行参数,出清决定各发电商的中标电量和收益,为决策* l$ T( \8 m) U; Q) O# x3 t
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; X; t# s" V$ Q: z6 q+ e; V
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
7 }/ Z& Q" n' @3 s, L6 s免考虑其他主体报价变化带来的“维数灾难”问题,且避免求
/ [8 V( D, j4 F8 V7 g) z3 t解过程陷入局部寻优,在实际应用中取得了较好的收敛效
+ g8 @( F& z5 ^, ]( b w果。最后以 IEEE 39 系统为例,选择 4 个典型负荷场景,优. ?2 s {! S" R6 W& V2 \; g" a
化三种定价机制下的发电商报价,结果表明:所提模型和算
: @0 d1 z( k& L4 C: _2 \' p1 J$ h% v法可有效求解发电商最优报价策略,获取市场均衡结果。
' H' F( J7 {) p0 O' l9 T! u0 h! _0 |: I! D* N2 w W; D
) z- T; {" y1 }+ s+ A: \; }% V |