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

4 N- K+ l  {8 b9 k) f* f: K/ i3 X
) `  q4 a; }# Z# V

* Z2 x( T  v' G. a* Z: Q
) T7 `% a0 S% q7 m电力现货市场定价机制是市场设计的重点问题之一，
* N) x( l* ^6 A) r6 s4 U& g5 _& a- p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
' y( x" {% i% C: i9 ?7 \5 N7 m5 P可能的交易行为，而不同定价机制下发电商报价策略不同，
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
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
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
- s: R& P" O) ^. n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
4 L/ A! N, a* y+ J8 y4 z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
. a. U; F6 I! r: R- w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
0 o9 \, f2 z5 y$ H8 e& |+ D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。
7 F  k  r6 a9 W( i$ O1 [. A
8 e* L5 u+ {: h( |3 {
( H! [3 ^7 A# C/ s. y