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

" r# Y- k' v1 B
( z- U9 U, q: L3 A


电力现货市场定价机制是市场设计的重点问题之一，
4 y! \3 ]- ]/ {3 g2 G# k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
可能的交易行为，而不同定价机制下发电商报价策略不同，
1 F1 @0 R. b1 b, }$ B( H. a+ l# n% @为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
4 Y8 }2 |3 e9 J, P! c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
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
/ R$ Q8 z) ?, r; w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
统运行参数，出清决定各发电商的中标电量和收益，为决策
. m* ]' Y1 c- m; _0 |' N  I5 F- v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
5 }# V* k: j. `. B6 o/ D2 k( i* R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
: c( L/ o% R9 F" ]+ b% [. O) z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
, s$ l$ V: j- Q. {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
6 y+ c: H7 V7 e9 [法可有效求解发电商最优报价策略，获取市场均衡结果。
' {# U9 h8 t0 X2 i& U* L' h2 D% R
7 t& S$ j0 m1 w' R: f3 h