不完全信息下的发电商风险竞价决策分析

在电力市场中,发电商关心的是,在市场规则允许的条件下如何制定合理的报价策略,从而获得最大利润。在竞价过程中,发电商彼此不知道各自的真实成本,只知道市场公布的有限信息,因此发电商的竞价问题属于不完全信息下的决策问题。文章基于Power Pool的市场模式,探讨具有市场势力的发电商制定最优报价曲线的机理,考虑市场的不确定因素．提出了一种不完全信息下竞价的风险决策模型。最后,用算例对该决策方法进行验证。     

不完全信息下的供电公司最优竞价策略

供电公司在确定自身竞价策略时要考虑用户对分时电价的响应。由于供电公司公布竞价策略在先,用户可根据供电公司策略作出自己的最优选择,该问题可以用stackelberg博弈问题描述。在构造单一卖方市场主要规则的基础上对stackelberg博弈模型采用了概率论和估计竞争对手竞价参数的求解方法,从而将多个供电公司间的多人不完全信息博弈问题转化为双人博弈问题来求解。算例仿真验证了该方法的有效性。     

有限信息环境下基于学习自动机的发电商竞价策略

电力市场是典型的不完全竞争市场,发电商可以通过策略性报价以提高自身收益.现有的发电商报价策略研究通常假设发电商能利用充分的市场信息,但这种假设在市场启动初期往往不成立.为解决发电商在有限信息环境下的报价策略问题,文中提出了一种改进的强化学习自动机算法,该方法对外部信息量要求较低,且计算复杂度小,易于实现.此外,将发电商...     

发电公司的不完全信息竞价博弈模型

运用博弈论中的第一价格暗标拍卖原理，研究发电公司的不完全信息竞价博弈模型。该模型考虑了发电公司的单位成本、竞价成功的可能性概率及预期的市场清除价格等因素，通过求解模型得出发电公司报价的一般表达式。最后用算例说明了该方法的合理性和可操作性。     

基于自加强学习算法的发电商报价策略研究

电力市场中发电商的决策过程和多发电商的相互作用过程是个复杂动态问题,很难用传统的解析方法进行分析计算,这在考虑中长时间段交易时尤为突出,且多代理作用机制是个很好的补充。文中提出了一个能够模拟发电商在市场中进行策略性报价的中长期交易时间段决策过程模型,对多发电商交互作用导致的市场行为进行了仿真试验。该模型基于自加强Watkins’sQ(λ)学习算法并包含了可能对电力市场运行产生重要影响的网络阻塞因素。该模型可以形成发电商的最优策略以最大化中长期生产效益和可以找到中长期市场平衡点并据此评估市场中长期运行情况。通过在标准IEEE-14节点系统中进行仿真计算表明该模型的有效性和新颖性。     

基于博弈论的发电商报价策略

在电力市场环境下,发电商可以通过策略性报价来极大化自己的收益,其竞价过程可以被描述成一个不完全信息的非合作博弈过程。文中在分析策略性报价方法研究现状的基础上,提出了电厂优化报价问题的数学模型,并给出了基于博弈论和概率论的求解方法。该解法通过引入虚拟对手的概念和参数估计的方法,较好地解决了通常难以处理的多人博弈和不完全信息问题。同时研究了重复博弈模型,其结论是：当各个博弈方采用相同报价机制时,最终收敛于纳什(Nash)均衡点。算例结果表明了本文方法的有效性。     

面向现货市场仿真的发电商有限理性智能体报价模型EI北大核心CSCD

基于多智能体代理的仿真方法是一种典型的电力现货市场均衡分析手段,智能体对发电商真实报价决策的有效模拟,是仿真结果与市场现象吻合的关键。为使智能体能够描述发电商现实报价中广泛采用的经济持留策略,在分析经济持留策略特征及其心理学机理基础上,构建了具有有限理性特征的发电商智能体报价模型,包括基于多心理账户的容量分段与报价策略空间构建模型、能够反映谨慎调整与逐步试探心理的策略空间领域搜索强化学习模型,实现了对发电商有限理性报价行为的模拟。最后,采用算例验证了有限理性智能体模型的有效性,分析了有限理性对市场均衡的影响。     

不完全信息下基于深度双Q网络的发电商三段式竞价策略

不完全信息的电力市场环境下发电商仅知道自身相关的信息,而其他市场参与者的报价和市场环境都可能会影响市场出清结果,进而影响发电商的收益,因此其报价决策应当考虑多维的市场信息。基于深度强化学习算法,提出多智能体的DDQN（double deep Q-network）算法模拟日前现货市场中发电商三段式竞价策略的过程。首先,定义发电商模型中马尔可夫决策过程的要素和动作价值函数;然后,建立发电商深度双Q网络的框架,并引入经验池和动态ε-greedy算法进行神经网络的训练,该决策模型可以根据市场的出清电价和负荷水平等多维连续状态做出报价;最后,通过算例比较了发电商采用DDQN和传统Q-learning两种算法获得的收益差别,说明DDQN算法可以根据发电商面临的复杂市场环境做出正确的决策而Q-learning算法在环境复杂时决策能力较差,并在不同状态量选取、网络泛化能力、更大规模算例适应性等方面分析了发电商采用DDQN算法进行市场策略生成的有效性和优越性。     

基于序贯博弈模型的发电商竞价策略分析

针对电力市场中水火电厂的竞价过程,利用Stackelberg序贯博弈模型对完全信息下各电厂的异步决策过程进行了建模分析,并求解出各电厂的最优发电策略。通过将完全信息下的Stackelberg博弈模型的竞价结果与不完全信息下Stackelberg博弈模型和完全信息下Cournot博弈模型的竞价结果进行对比,分析了竞价信息和优先政策对竞价过程和各电厂决策的影响,并得出在电力系统处于不同供需状态时,应引导形成不同类型竞价市场的结论。算例验证了结论的正确性。     

基于多代理系统的微电网竞价优化策略

提出由上级电力市场Agent、微电网及发电公司Agent和元件级Agent组成多代理系统(multi-agent system,MAS)电力市场竞价体系。进而提出了基于这一体系的微电网利润最大化目标,针对此目标,分别提出微电网及发电公司Agent利润最大化竞价策略与微电网内部成本优化策略,并讨论了各Agent的具体功能。最后针对各个策略用算例验证了其有效性。     

基于不完全信息静态博弈论的购电商竞价策略研究

分析了发、配电同时开放条件下电力市场竞价的基本过程。根据不完全信息静态博弈的基本理论，提出了购电商在信息不完全条件下参与竞价的最优报价策略。引入变量ε解决了购电商对市场清算电价的评价与市场对其评价不一致的问题。对购电商存在单一支付函数和多个支付函数的不同情况，分别推导了购电商竞价的纯战略和混合战略。还就一个简化模型分别给出了购电商采用纯战略报价和混合战略报价的具体算法。通过算例验证了采用该方法进行购电报价的实用性和有效性。     

一种基于博弈论的发电商竞价策略模型与算法

随着电力市场化改进的推进，发电厂商的竞价策略问题存在受到越来越多的关注，解决这一问题的关键在于从数学模型上对它进行合理的描述。文中将发电厂商竞价问题看成是竞标者同市场间的对策，进而用博弈论中的零和二人混合对策来进行数学描述，经过推导给出了一种简单实用的发电厂商竞价策略。该策略的目标是使发电厂商的期望收益达到最大，前提条件是市场电价的预测值服从已知的正态分布规律。最后给出了一个具体的算例说明算法和模型的实用性。     

基于深度确定性策略梯度的电网断面极限传输能力动态趋优控制

电力系统调度中心往往通过控制极限传输能力(total transfer capability,TTC),使之高于传输潮流,以保证运行安全性或扩大断面输电能力.然而,暂态稳定校核使TTC计算和调控均难以满足在线需求.因此文章提出一种基于深度强化学习的动态TTC控制方法.首先基于深度置信网络建立系统稳态状态与TTC的精确非...     

考虑碳交易的风光储场站参与电力现货市场报价策略与调控方法EI北大核心CSCD

随着我国“双碳”目标的提出,大规模风光储场站的建设已经成为了电力减排的有效途径。然而,风光储之间的耦合性难以刻画,碳交易对风光储出力的影响不明确,如何合理报量报价来实现现货市场收益最大等问题已经成为制约大规模风光储发展的关键问题。为此,该文首先设计考虑碳交易影响的电力现货市场机制;然后,基于风光储之间的耦合效应,提出场站的最优报价策略与协同调控方法,并考虑风光出力不确定性,构建风光储场站参与报量报价的双层模型,以实现其收益的最大化;最后,利用IEEE-14节点系统的算例证明方法的有效性。算例结果表明该文框架与模型能够优化风光储场站报价,丰富储能套利手段,在提升场站收益的同时降低系统碳排放。     

基于共同代理机制的发电商激励契约设计

共同代理是市场中普遍存在的一种现象.在电力市场中,设计合理的共同代理机制可以为梯级水电进入市场等问题提供一种新的解决思路.将共同代理理论应用于电力市场中,提出了电力市场环境下多个发电商委托同一个代理人的内生型共同代理模型,在代理人具有私人信息情况下,推导了发电商具有二次成本函数时委托人最优激励契约应满足的条件.并通过算例分析,对比了考虑和不考虑代理人参与约束两种情况的均衡解,验证了该激励契约的有效性,获得了一些有意义的结论.     

基于多心理账户的发电商报价决策模型

利用行为经济学中的"多心理账户"的概念,分析了在按报价结算的市场规则下发电商采用对容量进行分段并对不同容量段申报不同价格的报价策略的原因,认为主要原因在于有限理性的发电商对不同容量段具有不同的目的和风险偏好,并非仅仅因为边际成本的不同。基于此,文中建立了一种新的基于"多心理账户"的报价风险决策模型。该模型通过对不同的容量分段赋予不同的预期利润率目标和风险偏好系数,进而描述了发电商对不同容量段具有不同的目的和风险偏好的客观心理,从而使得报价方案符合发电商决策心理。算例验证了本文模型的有效性。     

基于共同代理机制的发电商激励契约设计

共同代理是市场中普遍存在的一种现象。在电力市场中,设计合理的共同代理机制可以为梯级水电进入市场等问题提供一种新的解决思路。将共同代理理论应用于电力市场中,提出了电力市场环境下多个发电商委托同一个代理人的内生型共同代理模型,在代理人具有私人信息情况下,推导了发电商具有二次成本函数时委托人最优激励契约应满足的条件。并通过算例分析,对比了考虑和不考虑代理人参与约束两种情况的均衡解,验证了该激励契约的有效性,获得了一些有意义的结论。     

基于深度确定性策略梯度算法的风光储系统联合调度策略

针对风光储联合系统的调度问题,提出了一种基于深度强化学习的风光储系统联合调度模型。首先,以计划跟踪、弃风弃光以及储能运行成本最小为目标,建立了充分考虑风光储各个场站约束下的联合调度模型。然后,定义该调度模型在强化学习框架下的系统状态变量、动作变量以及奖励函数等,引入了深度确定性策略梯度算法,利用其环境交互、策略探索的机制,学习风光储系统的联合调度策略,以实现对联合系统功率跟踪,减少弃风弃光以及储能充放电。最后,借用西北某地区风电、光伏、跟踪计划的历史数据对模型进行了训练和算例分析,结果表明所提方法可以较好地适应不同时期的风光变化,得到在给定风光下联合系统的调度策略。     

不确定需求下基于电力供应链协调的发电商回购策略

当前大用户直购电的推行使得用户获得了用电选择权。用户选择权的开放赋予了用户和发电商进行谈判的权力,同时也带给发电商通过采取一定的售电策略去降低风险、获取更大利润的空间。文中基于电力供应链协调的回购机制,对不确定需求下发电商的售电策略进行了分析,提出了发电商根据供应链整体最优原则确定批发价的方法,以及促使购电商的订购量达...     

基于深度确定策略梯度算法的主动配电网协调优化

将新一代人工智能在智能电网和能源互联网中进行应用,实现高比例可再生能源及时有效接入电网,文中基于深度学习中的深度确定策略梯度(DDPG)算法实现主动配电网的优化运行。首先,构造了含多微电网的主动配电网优化模型的DDPG回报函数,使主动配电网的节点电压总偏差和线损最小,最大限度地降低微电网功率调节量的变化以减小对微电网运行的影响,同时维持联络线功率平衡以减小对配电网的影响。然后,分析了主动配电网优化控制的DDPG样本数据处理、回报函数设计、模型训练和学习过程。最后,通过改进IEEE 14节点算例仿真验证了DDPG算法的有效性。