发电商基于Q-Learning算法的日前市场竞价策略

被引:18
作者
王帅
机构
[1] 国网北京经济技术研究院
关键词
电力市场; 定价; 智能代理; Q-Learning算法; 竞价策略;
D O I
暂无
中图分类号
F407.61 [电力、电机工业]; F224 [经济数学方法];
学科分类号
020104 [西方经济学]; 020205 [产业经济学];
摘要
电力市场仿真可以研究市场规则、市场结构对价格形成的影响和市场参与者的动态行为。初步建立了用智能多代理模拟日前市场发电商竞价策略的模型,采用Q-Learning算法优化自身策略。改进了增强学习算法中探索参数的选取,使程序在开始阶段以较大的概率进行新的搜索,避免过早陷入局部最优。改进了阶梯形报价曲线的构造方法,减小了计算量,提高了计算速度。
引用
收藏
页码:34 / 39
页数:6
相关论文
共 7 条
[1]
基于Metropolis准则的Q-学习算法研究 [J].
郭茂祖 ;
王亚东 ;
刘 扬 ;
孙华梅 .
计算机研究与发展, 2002, (06) :684-688
[2]
加强学习主要算法的比较研究 [J].
郭茂祖 ;
刘扬 ;
黄梯云 .
计算机工程与应用, 2001, (21) :16-18+48
[3]
有限理性条件下的进化博弈理论 [J].
谢识予 .
上海财经大学学报, 2001, (05) :3-9
[4]
Q-learning算法及其在囚徒困境问题中的实现 [J].
张春阳 ;
陈小平 ;
刘贵全 ;
蔡庆生 ;
不详 .
计算机工程与应用 , 2001, (13) :121-122+128
[5]
发电竞价算法(一)——排队法 [J].
于尔铿 ;
周京阳 ;
吴玉生 .
电力系统自动化, 2001, (04) :16-19
[6]
电力市场中的投标策略 [J].
文福拴 ;
A.K.David .
电力系统自动化, 2000, (14) :1-6
[7]
Q-学习及其在智能机器人局部路径规划中的应用研究 [J].
张汝波 ;
杨广铭 ;
顾国昌 ;
张国印 .
计算机研究与发展, 1999, (12) :1430-1436