10.3321/j.issn:1000-1026.2008.20.005
电力市场智能模拟中代理决策模块的实现
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.
智能代理模拟、竞价策略、电力拍卖市场、Q-learning算法、VRE learning算法
32
TM73;F123.9(输配电工程、电力网及电力系统)
国家重点基础研究发展计划973计划资助项目2004CB217905;国家社会科学基金资助项目04CJ2012
2008-12-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-26