|
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 1 R' m0 x2 z3 M
# O7 |1 c' S8 D1 @+ D
$ N% u- _7 S# Y# d3 w
) T2 ]9 }' N, c4 r' K1 p o
: Y- c* l. h3 l$ x; Z# C电力现货市场定价机制是市场设计的重点问题之一，' F5 Q" s1 {$ l) D! \! t
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! J& c9 G7 ?* E% X
可能的交易行为，而不同定价机制下发电商报价策略不同， 4 S1 o. Y$ H, w5 C- e$ v
为系统性地解决这一嵌套难题，形成两篇不同侧重点的论 0 E. N4 t; G/ e
文。作为首篇，探讨了强化学习在发电商报价决策中的适用6 n5 R% B3 k" |7 y% u7 t
性，构建了节点边际电价、系统边际电价、分区边际电价三6 W1 `! L9 R6 C) p7 k' c5 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8 b+ Q: n X0 \. |5 f, K( u) v) k
价决策层，下层为市场出清层，决策层优化发电商报价作为! R5 s9 i' c' j, |7 v3 t' V3 c
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
. | c! j2 W' a9 T) Z1 A7 h统运行参数，出清决定各发电商的中标电量和收益，为决策9 ?4 q( C( f& c u! D9 F! O" 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
, X% n3 m! [8 ]7 W- B# u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
4 u, c& x, G. x免考虑其他主体报价变化带来的“维数灾难”问题，且避免求 i' ^: }8 y4 l1 v
解过程陷入局部寻优，在实际应用中取得了较好的收敛效
1 m6 B4 z8 w4 G0 h7 y. J8 K果。最后以 IEEE 39 系统为例，选择 4 个典型负荷场景，优0 c( V9 ?; |+ b7 R5 I6 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
% _; B& S& q5 ?+ [6 \% E. S法可有效求解发电商最优报价策略，获取市场均衡结果。 8 \5 o4 v, F- T5 I: z' p, X
1 a$ o8 P: w. S( w2 ?; @) K" W% z: |1 p2 Z5 e2 b6 C
| 
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
