[發明專利]一種基于RE Learning算法的發電商報價模型

在審

• 申請號: 202010846679.1
• 申請日: 2020-08-21
• 公開（公告）號: CN112348621A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 孫勇;魯文;李振元;李德鑫;劉暢;涂孟夫;李寶聚;屈可丁;呂項羽;曹榮章;張海鋒;王佳蕊;丁恰;莊冠群;張家郡;張鈺
• 申請（專利權）人: 國網吉林省電力有限公司;國網電力科學研究院有限公司;國網吉林省電力有限公司電力科學研究院;國家電網有限公司;國電南瑞科技股份有限公司;國電南瑞南京控制系統有限公司;國家電網公司東北分部
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/06
• 代理公司: 長春市吉利專利事務所(普通合伙) 22206
• 代理人: 李曉莉

1.一種基于RE Learning算法的發電商報價模型，其特征在于，包括以下步驟，且以下步驟順次進行：

步驟S1、構造發電商代理的報價策略集，RE learning算法的基礎是構造能夠有效描述發電商競價行為的策略集，采用基于成本分析的方法構造發電商的策略集；

步驟S2、初始化各策略對應的行為傾向；

步驟S3、按照輪盤賭方式選擇競價策略，代理按照輪盤賭方式選擇下一輪競價策略，即根據各策略選擇概率形成各策略對應的選擇概率區間，然后隨機生成一個(0,1)區間的隨機數，判斷此隨機數位于哪一個選擇概率區間，從而選擇此概率區間對應的策略；

步驟S4、ISO在接收到各代理報價信息后，在滿足市場需求情況下根據社會效益最大化目標進行出清，確定各代理的中標電量和出清電價，并將這些信息反饋給代理；

步驟S5、代理以出清電價和中標電量為基礎，計算采用策略s_m所獲得的利潤；

步驟S6、根據公式更新策略空間中各策略對應的行為傾向系數q和選擇概率p；

步驟S7、重復步驟S3-S6直到滿足終止條件，本文中的終止條件設置為若某一策略對應的選擇概率大于0.99，代理就停止學習。

2.根據權利要求1所述的基于RE Learning算法的發電商報價模型，其特征在于，所述步驟S1中，以發電商邊際成本函數MC_i(P_Gi)為基礎，在邊際成本的基礎上乘以一個系數s作為報價，發電商報價函數確定如下：

式中，參數P_Gi為機組輸出功率，為最大功率容量，為最小功率容量，a_i、b_i是發電商成本函數的系數，通常是由外部直接給定的常數，MC_i(P_Gi)為發電商邊際成本函數；s作為決策變量，決定了發電商報價的高低，即發電商代理采用策略系數s構建報價函數B_i(P_Gi)，策略系數s滿足一定條件：

式中，s_min、s_max為策略系數s的上下限；price^max為市場規定的最高報價；

可知發電商成本函數如下：

則發電商的邊際成本函數如下：

相應的報價函數為：

發電商采用策略系數s構建報價函數B_i(P_Gi)，不同的策略系數s表示發電商不同的報價策略，在區間(s_min,s_max)內取M個策略系數s即可構建發電商代理的行為策略集合S{s₁,s₂,s₃,...,s_M}；用代理策略空間中有限個策略系數s表征發電商在每次交易所有可能采取的行為集合。

3.根據權利要求1所述的基于RE Learning算法的發電商報價模型，其特征在于，所述步驟S2中，初始化各策略對應的行為傾向，設發電商代理i行為策略集合為S{s₁,s₂,s₃,...,s_M}，對策略空間S中每個策略標志對應的行為傾向系數q和行為選擇概率p，各策略對應的行為傾向系數q根據每輪所獲利潤進行更新；

設在第t輪競價中，代理i選擇了策略s_k，且第t輪代理的回報函數為R_t，則在第t+1輪，對策略空間中的策略s_m對應的行為傾向系數做如下更新：

式中：t為競價輪次；m為在某輪中選擇的策略號；M為策略空間的策略數目；r為遺忘因子；e為一個經驗參數；

將策略集合中各策略對應的行為傾向歸一化，計算策略s_m相應的選擇概率：

式中，c為冷卻系數，參數c的選取根據每輪各策略傾向系數進行動態調整，如下：

式中，k為一個大于0的實數，在不同的系統中其值也會發生變化。