电力市场智能模拟中代理决策模块的实现

• 作者: 张尧 杨彦 王野平 荆朝霞 陈皓勇 陈青松
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 智能代理模拟 竞价策略 电力拍卖市场 Q-learning算法 VRE learning算法
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 运行可靠性与广域安全防御
• 页码范围: 22-26
• 页数: 5页
• 分类号: TM73|F123.9
• 字数: 4473字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2008.20.005

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,使代理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,增加了发电厂商代理基于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算法竞价决策使代理可以较好地模拟发电厂商的经济特性,且在相同条件下表现出比AMES原有的VRE learning算法更强的探索能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张尧	华南理工大学电力学院	229	5315	35.0	61.0
2	杨彦	华南理工大学电力学院	5	101	3.0	5.0
3	陈皓勇	华南理工大学电力学院	117	1422	21.0	33.0
4	王野平	华南理工大学电力学院	7	76	4.0	7.0
5	荆朝霞	华南理工大学电力学院	81	743	16.0	23.0
6	陈青松	华南理工大学电力学院	3	61	3.0	3.0