一种发电商竞价策略的初步研究

随着电力市场化改革的推进,发电商的竞价策略研究已成为热门的课题。文中运用博弈论中的双方叫价拍卖原理,建立了发电商与电网之间的双方叫价拍卖模型,并对其进行了数学描述,推导出了一种合理的发电商竞价策略,该策略可使发电厂商的期望收益达到最大,且不会出现以往以边际成本报价而发生亏损的情况。

发电厂商竞价策略的博弈分析

着重探讨了在电力市场环境中信息不完全情况下 ,发电厂商竞价策略的问题。采用经济学上的Cournot模型 ,考虑不对称及对称 2种不完全信息情况 ,用博弈的方法分析了这 2种情况下的发电厂商竞价策略问题 ,把求取 Nash均衡解划归为相应的优化问题。文末用一个简单的算例 。

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Qlearning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。

考虑不确定性的火电发电商现货-深度调峰市场优化决策

针对电力现货市场与深度调峰市场联合运行背景下发电商电能量利润空间压缩、深度调峰功能亟待拓展等问题,提出考虑不确定性的发电商现货-深度调峰市场优化策略。基于Stackelberg博弈,构建兼顾联合市场利润和风险的发电商日前报价策略双层优化模型。在上层模型中,以发电商联合市场利润最大化为目标,对发电商分段报价进行优化;在下层模型中,考虑竞争对手报价场景的不确定性,提出电力现货-深度调峰市场联合出清模型。针对净负荷不确定性,引入波动不确定度参数,将双层模型转换为基于信息间隙决策理论的发电商现货-深度调峰市场决策模型。基于安徽省实际市场数据进行仿真验证,得到适应不同负荷场景的发电商联合市场日前报价策略,结果表明考虑不确定性的联合优化决策能够有效规避负荷不确定性带来的利润波动风险。