电力市场多代理仿真学习算法研究
本文采用EWA 算法(Experience-weighted attraction algorithm)和MRE 算法(Modified Roth-Erev algorithm)进行电力市场仿真,在此过程中针对算法里的收益参数定义了一种有效的计算方法,并基于广东省2017 年电力市场规则设计了市场成员的分段报价策略,然后进行了四个仿真实验,从购电商加权平均报价、发电商加权平均报价、出清价、出清量、收敛轮数等多方面进行评估,验证了EWA 算法在电力市场仿真中的适用性和优越性。在相同的收益参数设置下,EWA 算法更加精细、智能,可以最大化满足各方利益需求；而MRE 算法则比较粗略,较难满足市场需求,在相对宽松的收敛条件下只是收敛到局部最优。对于MRE 算法的合理应用,应该根据具体环境设置合理的参数和较严格的收敛条件。
多代理仿真 EWA算法 MRE算法 月度集中竞价市场
吴卓伦 朱继松 荆朝霞
华南理工大学电力学院,广州市天河区五山路381 号510640
国内会议
上海
中文
1-15
2018-10-12（万方平台首次上网日期，不代表论文的发表时间）