电力拍卖市场的智能代理仿真模型

该文提出了一种电力拍卖市场智能代理仿真模型,给出了发电厂商基于选择概率的随机选择报价形式,提出了一种选择概率的强化学习算法。随着模拟的进行,发电厂商的报价策略将收敛于其均衡位置,市场达到均衡状态。基于该模型该文进一步讨论了节点电价的市场特性。采用节点电价的电力拍卖市场,由于输电线路的容量约束可能放大发电厂商的市场力;节点电价所特有的售/购电能的净收入会随着发电厂商的市场力实施而增加。节点电价的这些特征在不同的电网条件下,其表现强弱会有较大程度的差异,仅仅进行定性估计是不够的。该文提出的智能代理仿真模型提供了一种针对具体系统进行市场特性评估的工具。

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VRElearning算法更强的探索能力。

基于可中断负荷拍卖模型电力双边交易阻塞管理

提出了基于可中断负荷拍卖模型的电力双边交易阻塞管理构架，通过市场机制来确定最优的负荷削减程序。在该构架中阻塞调度过程可以分为三个阶段：调度前阶段、无约束调度阶段和考虑可中断负荷拍卖的阻塞调度阶段。在第三阶段，用户可以向调度机构提交各自的可中断负荷服务报价曲线。构建了阻塞调度模型，综合考虑了最小化所中断的负荷量和最小化向用户支付的可中断负荷服务费这两个优化目标。最后用算例对所提出的阻塞调度模型进行了验证。