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

9 \/ h% K+ _5 F0 V" V& p

0 s, \& H# h/ K' F0 V

* X! t2 }' p7 J& |* V4 A& R4 N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
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
& N5 @4 g5 W3 r6 Y; b3 K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
$ g* P& `! |# c价决策层，下层为市场出清层，决策层优化发电商报价作为
% o, o- D- q4 |# |# E8 u0 k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
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
/ e, f3 n& v$ C% M" ~6 ^' m+ p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
1 j/ k( _/ u; @0 _3 p4 ?解过程陷入局部寻优，在实际应用中取得了较好的收敛效
/ v9 a1 X/ i# {果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
. ^9 d* ^! S2 J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。

2 O  b* b$ M4 r, Q
1 w4 ]$ ?" V; P9 S- O