摘要:在日前交易方式下,发电厂商为了追求长期最大利润,竞价策略显得尤其重要。通常,发电厂商运用的策略过于复杂,难以用传统的博弈论方法来建模。人工智能中强化学习Q-learning算法是一种自适应的学习方法,使能够通过不断与环境进行交互所得到的经验进行学习,适合在电力市场智能模拟中运用。文中在开放源代码的电力市场智能模拟平台AMES上,增加了发电厂商基于Q-learning的竞价决策程序模块,并在5节点测试系统上进行模拟。实验结果表明,运用基于Q—learning算法竞价决策使可以较好地模拟发电厂商的经济特性,且在相同奈件下表现出比AMES原有的VRElearning算法更强的探索能力。
关键词:竞价策略 电力拍卖市场 vre learning算法
单位:华南理工大学电力学院 广东省广州市510640
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社