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

+ l" \+ r# I* ~9 t& x8 C" W& u

6 x, j) D0 q  d
' B4 |8 W% L) b/ G% `
9 i3 L0 Q, N2 C# H3 y7 D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
3 H: [, u" @0 ]/ c# V5 f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
6 `% r4 o# v3 U0 ~: e统运行参数，出清决定各发电商的中标电量和收益，为决策
% ]6 \/ R5 _9 q) x( ?" r/ d( T4 O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
+ a9 b1 Q: ]5 @' i" h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
- Z  g, f# l- |6 u免考虑其他主体报价变化带来的“维数灾难”问题，且避免求
* t0 |9 |4 H2 D) e: }: `解过程陷入局部寻优，在实际应用中取得了较好的收敛效
% l" z+ [' C0 _果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优
! N, ]* C9 n# |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。

6 r7 i) b0 k% D( A7 j, j
6 ^2 I  @0 c/ n8 Z5 r' Z  Q- d