论文部分内容阅读
自上世纪80年代末以来,电力行业改革的浪潮席卷全球。为了提高电力生产效率,降低电价,优化资源配置,打破传统的行业垄断主导结构,从而达到社会整体效益最优,必须引入竞争机制,研究并发展电力市场。近年来Agent技术在电力市场仿真研究领域得到广泛使用,因为对于市场运行中的各种不稳定状况,应用Agent技术进行模拟、预测和处理的效果优于传统方法。本文针对日前电力市场发电商利益最大化问题,利用Q学习算法构造了发电商Agent报价决策模型并用以模拟发电商之间的默契串谋现象。文章阐述了该算法应用于电力市场仿真的建模过程,并且通过算例验证了发电商利用该学习控制方法帮助制定报价策略的优势。发电商通过Q学习可以制定出完整的利润最大化策略,在考虑网络阻塞及爬坡限制后,发电商仍可以对市场状态作出准确判断,调整报价策略。仿真结果表明,利用Q学习帮助决策报价的发电商数增多将会造成市场的出清电价提高。此外,本文提出的另一种发电商Q学习决策模型可以较真实地模拟出低成本机组之间默契串谋使得高成本机组获利机会减小的情形,研究发现减小机组市场份额,增加负荷弹性是减少发电机组之间默契串谋机会的重要措施。