|
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 - ~( J2 x6 K, ]6 u7 Q" v& ~2 P# c
, [7 v, _+ U% @3 w; B" G
5 [ _* \& K/ l: O) ^: p/ L
: L: l9 `2 y& I( E
8 x, E$ z% \$ M% b8 C) ?: V
电力现货市场定价机制是市场设计的重点问题之一，
I+ c7 b2 Q3 Q5 z3 X: J# S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5 q9 d1 u& |0 b
可能的交易行为，而不同定价机制下发电商报价策略不同，
, p% y4 |* c3 u/ D2 B% R e为系统性地解决这一嵌套难题，形成两篇不同侧重点的论
, J9 D. n5 a2 ?) Q# j9 v; 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! N- v8 E+ I8 A8 z
性，构建了节点边际电价、系统边际电价、分区边际电价三/ D8 Z8 ]6 C% Q7 C) n' ]. i' t/ ^
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
E" a) n. u) R1 ~: v. C3 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
% p' U0 M9 C2 ^# A4 R7 M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) r$ x4 Y. h- F
统运行参数，出清决定各发电商的中标电量和收益，为决策+ E& t3 _/ r/ \( }# W) r
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; [) M( D' l& u. V
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
r t6 I% O* N# k免考虑其他主体报价变化带来的“维数灾难”问题，且避免求 ! ?* k, |$ E- g& l8 c- {
解过程陷入局部寻优，在实际应用中取得了较好的收敛效
+ U1 A$ X! [+ q6 k9 @果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优7 s5 I. B* M- l
化三种定价机制下的发电商报价，结果表明：所提模型和算/ G# [ J. _2 ^/ ?. y9 A. r2 d
法可有效求解发电商最优报价策略，获取市场均衡结果。
" E- A% S, g) K. g8 O3 X; L
6 [* t( I$ S! V) `1 [. e+ H* V% _' p% I* `4 {% i, M
| 
IP卡
狗仔卡
发表于 2020-10-30 14:44
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
