非完全信息下电力市场中电厂机组竞价上网的博弈解

电厂机组竞价上网能否获胜的关键就是如何确定报价曲线，而机组竞价上网的博弈解(纳什均衡解)，又是获取电厂机组报价曲线的关键。本文研究了在电力需求具有弹性的电力市场中机组报价曲线的确定方法。该方法首先建立了具有约束条件下的古诺模型，并给出了求取该模型的古诺一纳什均衡解的方法，由此得到电厂机组出力的优化解，然后再利用一变换公式将该解转化为电厂机组的报价曲线．     

电力市场的报价辅助决策系统

从发电市场的必要性及必然性论述电厂如何面对电力市场的竞争，通过降低发电成本，提高机组可靠性，提高机组竞争力是实现竞价上网的基础，而充分利用计算机技术进行市场信息分析，对提高报价决策有重要意义。文中对电力市场的报价辅助决策系统的主要功能了详细介绍。     

基于边际成本分析的燃煤电厂电力现货市场竞价策略

随着电力市场改革的不断深化,广东电力现货市场进入了试运行阶段。从燃煤电厂的角度出发,研究了广东电力现货市场在电力现货市场环境下的发电成本及竞价策略。首先介绍电力现货市场的基本情况与主要机制,在分析燃煤电厂发电成本各项构成的基础上,用机组经济性曲线拟合的数学计算方法得出机组在不同负荷下的发电成本;结合电力现货市场的特点,分析燃煤电厂的竞价策略,为燃煤机组参与竞价上网提供成本经济分析和报价参考。     

电力市场智能模拟中代理决策模块的实现

在日前交易方式下,发电厂商为了追求长期最大利润,竞价策略显得尤其重要。通常,发电厂商运用的策略过于复杂,难以用传统的博弈论方法来建模。人工智能中强化学习 Q -learning算法是一种自适应的学习方法,使代理能够通过不断与环境进行交互所得到的经验进行学习,适合在电力市场智能模拟中运用。文中在开放源代码的电力市场智能模拟平台AMES上,增加了发电厂商代理基于 Q -learning的竞价决策程序模块,并在5节点测试系统上进行模拟。实验结果表明,运用基于 Q -learning算法竞价决策使代理可以较好地模拟发电厂商的经济特性,且在相同条件下表现出比AMES原有的VRE learning算法更强的探索能力。     

电力竞价上网智能决策支持系统

根据电厂竞价上网的特点,基于大系统控制论思想,采用人工智能技术和博弈论方法建立了电力市场发电侧的电力竞价上网智能决策支持系统。采用数学模型方法建立发电成本计算模型;采用数学模型与知识模型相结合的方法建立发电成本构成分析与优化模型;采用3层前馈人工神经网络建立网上电价预测模型,用遗传算法确定网络连接权,以优化神经网络模型的学习过程;采用博弈论方法建立上网电力报价模型。在建立这些模型的同时,需要构建相应的数据库和知识库系统,如企业生产与管理数据库系统、生产优化知识库系统和电网数据库系统等。     

电力市场竞价策略探讨

通过对电力市场交易中的电力负荷和机组报价2者的历史数据风线的分析和讨论,制定一些初步竞价原则,以帮助电厂获取更大利润,同时引入利润曲线概念,以较清楚地对机组竞价的赢利情况作出快速评价。     

基于电厂实际报价的电力市场下的分段竞价算法

根据分段竞价的原理,提出了一种按机组实际报价段数分段的分段竞价电力市场竞价算法,考虑将日负荷预测曲线按相应机组的报价段数水平分段,各分段的出清价就是该段发电厂的实际报价,其结算电量可按实测各电厂的出力计算得出,安排中充分考虑到水电机组的水量限制,最后进一步优化组合基荷机组达到总体的优化方案.通过算例系统的计算表明这种竞价算法计算简单,能更好地满足电力运行的条件,在经济上优于按照统一出清价结算的分时竞价方法.     

用电经济政策调整下电力市场交易发电侧报价研究

针对传统电力市场交易发电侧报价方法实际中标率较低的问题,提出了一种用电经济政策调整下的电力市场交易发电侧报价方法。根据调整的用电经济政策建立发电商决策模型,从而获取市场交易信息,通过获取中标概率函数获取报价中标概率,建立最优报价曲线进行电力市场交易发电侧报价。为了验证该电力市场交易发电侧报价方法的有效性,将该方法与4种传统方法进行对比实验,实验结果证明该方法的实际中标率更高,更适用于用电经济政策调整状况下的电力市场交易发电侧报价。     

含碳捕集电厂的低碳备用市场竞价模型与碳捕集水平风险决策

以低碳电力为背景,提出了能够体现碳减排因素的备用市场竞价模型及该模型下碳捕集电厂捕集水平风险决策方法。建立了能够计及容量事故随机性的机组备用弹性需求曲线,然后根据外部性内在化理论,将边际碳排放成本内置到机组备用报价中,以得到的边际综合成本作为竞价依据,从而计及和区分机组碳排放特性差异,并采用供给与需求方法获取最优备用点。基于上述模型,分析碳捕集电厂的备用竞价优势,区分其收益与成本的风险性质差别,并从风险管理的角度优化CO2捕集水平决策。仿真结果表明该竞价模型可以从社会角度实现备用的优化配置,对于碳捕集电厂而言,其捕集水平过高或过低均不合适,而应存在最优值。     

基于日前电价预测的机组报价策略

随着中国新一轮电力市场改革的发展,中长期电力市场已经陆续放开,在现货市场准备逐步启动的情况下,电源商如何在市场中竞价成为发展关键。本文介绍了新一轮电力体制改革下电力市场的情况,分析了目前已有的电价预测方法和报价方式,并针对日前电力市场的报价策略展开研究。结合历史电价、环境因素和经济因素提出了基于相似日原理和支持向量机算法的电价预测方法,在考虑火电机组成本、报价风险的基础上提出了日前市场的机组报价策略,并采用先进的PSO-DE混合型算法对报价结果进行寻优。经算例验证,所提策略可以较好地应用于日前电力市场竞价,对电力现货市场和发电企业的发展具有一定的借鉴意义。     

基于多智能体Nash-Q强化学习的综合能源市场交易优化决策

目前求解综合能源市场多参与主体竞价博弈问题普遍采用数学推导法与启发式算法,但两类方法均须以完全信息环境为前提假设,同时前者忽略市场参与者非凸非线性属性,后者易陷入局部最优解.为此,引入多智能体Nash-Q强化学习算法,将市场参与主体构建成智能体,经由智能体在动态市场环境中反复探索与试错寻找博弈均衡点.首先,构建竞价决策-市场出清双层迭代的电-气综合能源市场交易框架.其次,在竞价决策层中通过博弈理论构建市场参与主体间的利益关系模型,采用多智能体Nash-Q强化学习算法优化参与主体竞价策略.然后,在市场出清层中联合博弈竞价策略共同求解得到交易Nash均衡解.最后,通过算例仿真验证了所提方法的有效性和准确性.     

多虚拟电厂参与日前电力市场的鲁棒竞标博弈方法EI北大核心CSCD

针对风电出力的不确定性和多元决策主体间的复杂博弈关系对虚拟电厂(VPP)参与日前电力市场的竞标方案的影响,提出了一种基于非合作博弈理论和鲁棒优化思想的多VPP参与日前市场的竞标博弈方法。设计了多VPP同时参与能量市场和调峰市场的非合作博弈框架和相应的交易流程。建立了各VPP在其余竞标主体报价方案的基础上,聚合多种分布式能源参与市场交易的非合作博弈竞标模型。计及风电出力不确定性对VPP运营的影响,通过强对偶理论和鲁棒优化方法将确定性竞标模型扩展为鲁棒优化模型,并在模型中引入了鲁棒调节系数来灵活调整VPP竞标方案的保守性。通过重复执行多轮竞标博弈的求解策略,直至各市场主体均不能从单方面改变投标方案中获利后,确定各VPP在日前市场中的综合出清方案。算例分析表明,所提方法给出了VPP在能量市场和调峰市场的投标优化方案,可为VPP最优参与电力市场多类型交易产品提供参考。     

基于双边合同二次交易的高低匹配竞价机制Swarm仿真

在发电侧电力市场双边竞价过程中,为了约束发电商的市场力,提出一种基于双边合同二次交易的高低匹配竞价机制。为了验证该机制的正确性,构建了基于Swarm的多主体仿真模型。在模型中考虑了报价接受风险因素,从而使模型与现实中的报价行为更加接近。在多主体博弈过程中,主体具有自治能力,可以采取学习博弈方法,充分利用所获取的信息,在竞价过程中不断修正其价格和电量的申报策略。通过对南方某电力市场进行仿真,发现基于双边合同二次交易的竞价机制可以把发电商的市场力约束在一个较小的范围内。     

基于博弈论和概率论的发电商竞价策略研究

电力市场环境下,发电公司可以通过策略性投标来获得最大利润。在分析策略性报价研究现状的基础上,建立了基于博弈论和概率论的发电报价数学模型,结合发电公司追求利润最大化的目标,对发电公司竞标成功的概率进行了详细的分析,通过比较发电报价与市场出清价两者之间大小关系的可能性概率及其数学期望的求解,给出了满足发电公司期望效用函数最大的最优报价策略方法。算例分析的结果验证了该方法的有效性和可操作性。     

轮流出价博弈在制定大用户直供电价中的应用

针对我国电力市场中大用户直供的研究现状,提出了从方法论上研究大用户直供的必要性。文中介绍了轮流出价的讨价还价博弈理论,并引出其中鲁宾斯坦（Rubinstein）模型;在双边垄断的电力市场与自由竞争的电力市场两种背景下,结合鲁宾斯坦讨价还价模型,分析了电力直供中独立发电企业与大用户为确定直供电价与直供电量而进行的博弈过程;认为,轮流出价博弈理论可以很好地协调电力直供中独立发电企业与大用户之间的竞争与合作关系,并最终得出双方都满意的均衡直供电价。     

基于启发式动态规划方法的发电商最优竞价策略

电力市场环境下的购销竞价策略是一个复杂的动态问题,传统的数学解析方法很难对其进行分析计算,这在中长期交易时间段尤为突出。文章提出了以最优潮流为基础的双层中长期最优竞价策略学习模型。采用启发式动态规划方法,将动态规划的策略行为和奖惩因子迭代过程看作智能体(agent),将外界不确定因素当作该智能体的“外部环境”。在所处的环境条件下,agent通过评价环境作出判断来选择可行的策略方案,通过学习以往的报价经验和对手的行为来指导自身达到最优生产效益。在标准IEEE 5节点6支路系统中进行实例计算,证明了所提出方法的适应性和优越性。     

不同定价方式下电力拍卖市场运行特征的比较研究:(一)模型与算法

由于电力拍卖市场具有明显的寡头市场特征,且由于发电领域依然存在规模经济性,电力拍卖市场的定价规则出现了多种选择,如边际成本定价、按报价支付定价和当量电价定价法.文中构造了一个基于智能代理的仿真模型讨论3种定价方法的市场运行特征.该模型用具有分散自主决策和智能学习的代理表示发电厂商,在重复进行的报价博弈中,发电厂商通过利润高低按照生物的条件反射原理学习并改进报价策略,追求其利润最大化,随着迭代次数的增加,市场将逐步收敛于均衡位置.然后,通过不同定价方式的拍卖市场均衡状态的比较给出了3种定价方式的市场运行特点.给出了智能代理仿真的模型及其发电厂商的学习算法.最后用一个算例阐述了学习算法的特点.     

模糊博弈理论在发电厂商报价决策中的应用

针对我国电力工业市场化改革后发电厂商的报价决策和报价偏好等不完全信息，运用模糊博弈理论进行分析，建立模糊博弈决策模型，为追求最大化收益的发电厂商的最优报价决策提供有效的支持。模拟分析表明，模糊博弈理论能较好地处理发电厂商报价决策时竞争对手的报价偏好和策略等不完全信息，决策结果比非模糊博弈的结果好，更接近于实际的报价决策环境。     

现货市场中基于演化博弈的火电企业阶梯报价策略

火电企业进入电力现货市场是电力体制改革的必然趋势,电量竞价上网、绿证、配额和碳交易等市场机制势必会增加火电企业的竞争压力。为使火电企业更好地适应市场变化,文章依据电力现货市场报价及出清规则,提出了基于改进型遗传算法与演化博弈的阶梯报价策略模型,为火电企业在不同电力市场供需情况下提供辅助决策。通过设置经典算例,模拟不同技术水平和不同规模的火电企业处于标准供需、紧张供需和宽松供需3种供需条件下的报价策略。结果显示,基于演化博弈理论的报价策略在各种情况下都可以辅助企业找到适合当前背景的阶梯报价,并在市场竞争中取得优势,证明了基于演化博弈理论的报价策略具有较强的适用性,可以为火电企业进入现货市场提供有价值的策略参考。