考虑机组约束的时前市场发电商竞标策略研究.pdfVIP

第 28 卷 第 16 期 中 国 电 机 工 程 学 报 Vol.28 No.16 Jun. 5 2008 72 2008 年 6 月 5 日 Proceedings of the CSEE ©2008 Chin.Soc.for Elec.Eng. 0258-8013 (2008) 16-0072-07 TM 732 A 470 40 文章编号： 中图分类号： 文献标识码： 学科分类号： ⋅ 考虑机组约束的时前市场发电商竞标策略研究 吴 江，李长山，管晓宏，高 峰 （机械制造系统工程国家重点实验室(西安交通大学)，陕西省 西安市710049 ） Unit Constraints Considered Genco’s Bidding Strategies in Hour-ahead Power Market WU Jiang, LI Chang-shan, GUAN Xiao-hong, GAO Feng (State Key Laboratory for Manufacturing Systems Engineering, Xi’an Jiaotong University, Xi’an, 710049, Shaanxi Province, China) ABSTRACT: Power generation companies’ (Genco) bidding 场参与竞争，实现各自的运营目标。因此，如何通 strategy should consider the optimality in an entire period of 过优化报价策略使发电利润最大化，成为了发电商 time due to the unit operating constraints coupling over times. 关心的首要问题，国内外学者在这方面也做了许多 This paper presents a model for obtaining a Genco’s optimal 研究工作[1-6] 。 bidding strategy in the hour-ahead power market through 由于存在着需求侧负荷波动、对手报价策略等 Q-learning with unit operating constraints and start-up cost 随机因素的影响，在实际的电力系统中，市场环境 incorporated. The optimal bidding strategy in terms of cumulative total returns is gained through the iterative learning 很难进行精确建模，发电商往往无法得到确定性的 process. Numerical testing results show that this method is 最优竞标决策。针对这一情况，解决马尔可夫决策 effective. 问题的增强学习(reinforcement learning)方法逐渐在 KEY WORDS: electric power markets; bidding strategies; unit 策略竞标问题中得到应用。文献[7]利用增强学习中 operating constraints; Q-learning