数据驱动下的日前市场发电商智能决策方法

双碳背景下日前市场逐步开放，新能源发电接入电力系统中，增加了发电商报价决策的风险。考虑新能源出力的不确定性给发电商带来额外的成本，将新能源发电商也视为市场价格的制定者，建立了发电商的报价博弈模型，提出了一种深度学习的数据驱动型发电商智能决策方法。该方法通过学习历史的市场交易结果，不需要利用发电商的成本等隐私参数就能求解最优报价决策。首先，利用Nash均衡条件搜索历史数据中的最优报价标签，并与负荷功率、天气等因素作为数据驱动模型的训练数据。其次，构建了基于自动编码器(auto encoder, AE)与长短期记忆(long short-term memory,LSTM)网络结合的AE-LSTM深度学习模型。考虑到含新能源的电力市场报价样本较少难以满足深度学习的训练要求，利用大量的无标签数据对LSTM网络做无监督预学习，再用少量含标签的样本数据对该网络微调整。利用训练后LSTM模型在线决策得到发电商的最优报价，并递交至独立系统运行商完成出清。最后，通过仿真算例验证了所提出的数据驱动模型在不同场景下报价决策的有效性。