基于强化学习的电力市场信息披露程度对市场成员交易行为影响研究

被引：21

作者：

高怡静 ^{[1
]}

肖艳炜 ^{[2
]}

杨朋朋 ^{[1
]}

朱炳铨 ^{[2
]}

林凯颖 ^{[1
]}

王蓓蓓 ^{[1
]}

机构：

[1] 东南大学

[2] 国网浙江省电力有限公司

来源：

智慧电力 | 2020年 / 48卷 / 02期

关键词：

信息披露; 强化学习; 资源配置; 模拟推演;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信]; F426.61 [];

学科分类号：

120103 [信息系统与信息管理];

摘要：

基于信息披露的主体框架,分析披露体系中具体的供需信息对于市场成员的引导作用。建立日前市场的双层竞价优化模型,采用强化学习的方法,通过市场中有无关键供求信息披露对于发电商报价预期的影响,推演模拟不同信息披露程度下发电商报价行为,然后从策略演化过程、策略偏离度以及策略收敛速度3个角度进行信息披露程度对市场成员交易行为影响的定量分析,验证市场供需信息的发布程度对于市场成员的引导作用,最后基于推演结果进行总结,并对我国信息披露的建设提出建议与思考。

引用

页码：109 / 118

页数：10

共 23 条

[1]

基于多智能体的电力市场竞价行为研究 [D].

程可 .

华北电力大学,

2015

[2]

Multi-agent based experimental analysis on bidding mechanism in electricity auction markets [J].

Liu, Zhen ;

Yan, Jianming ;

Shi, Yuren ;

Zhu, Kaiwei ;

Pu, Gangqing .

INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2012, 43 (01) :696-702

[3]

Supplier's optimal bidding strategy in electricity pay-as-bid auction: Comparison of the Q-learning and a model-based approach.[J].Morteza Rahimiyan;Habib Rajabi Mashhadi.Electric Power Systems Research.2007, 1

[4]

Application of Q-learning with temperature variation for bidding strategies in market based power systems.[J].M.B. Naghibi-Sistani;M.R. Akbarzadeh-Tootoonchi;M.H. Javidi-Dashte Bayaz;H. Rajabi-Mashhadi.Energy Conversion and Management.2005, 11

[5]

电力监管理论与方法的研究 [D].