基于深度强化学习的电力市场量价组合竞价策略OA北大核心CSTPCD

目前国内电力市场普遍采用“优先消纳、保障收购”的市场机制应对新能源消纳需求,因此传统能源将面对具有高不确定性的净负荷市场情形进行竞争,并通过策略报价使自身收益最大化。然而,现有策略报价的相关研究仅考虑了发电商报价而不报量、且忽略了竞争对手博弈主动性,导致难以反映策略发电商真实的市场竞价行为。对此,提出了一种基于深度强化学习的电力市场量价组合竞价策略分析方法。首先,针对现有策略竞价研究仅报价不报量的缺陷,研究了考虑量价组合申报的发电商双层双线性竞价模型。然后,为了考虑竞争对手行为的不确定性,构建了基于K-Medoids聚类方法与深度神经网络的发电商典型报价与净负荷间的概率映射,旨在为策略发电商提供贴近真实市场的竞价环境。最后,为高效求解策略报价的双层双线性模型,探讨了考虑不完全信息博弈与净负荷不确定性的深度确定性策略梯度强化学习方法。算例研究结果验证了所提量价组合申报模型的有效性以及所提方法应对电力市场净负荷和对手行为变化的鲁棒性,并能够提高发电商的竞价收益。