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

& k- f4 V, z( b7 w
& ~' c! Q* x5 l# p

% B2 C  r7 M5 m9 e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
$ @( v" q8 s& Y1 M5 n3 I可能的交易行为，而不同定价机制下发电商报价策略不同，
, ^7 L* p! T* y% ?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
3 y6 D/ G  T7 ]2 H/ o& m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
) d0 c5 m8 e6 n+ O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- ?9 D5 R4 J; s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
. C+ a1 p, S1 _" ?1 [, L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
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
2 h; g! S% M* ?3 A2 \% v免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
. y1 a; b8 \; ]解过程陷入局部寻优，在实际应用中取得了较好的收敛效
4 L! u; n! f2 b7 O) M0 u: m果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
( c& \& a1 G! `; w化三种定价机制下的发电商报价，结果表明：所提模型和算
( V* @6 Q9 j5 C/ L; @3 E* z法可有效求解发电商最优报价策略，获取市场均衡结果。
( b+ S* D& \2 w% ?8 l