استفاده از روش یادگیری رقابتی برای قیمت‌دهی استراتژیک شرکت‌های تولید بر اساس LMP در بازار برق

نویسندگان

دانشگاه آزاد اسلامی - واحد لاهیجان - گروه مهندسی برق

چکیده

ساختار رقابت مابین تأمین‌کنندگان انرژی در بخش تولید بازارهای برق منجر به آن شده است که شرکت‌های تولید با اتخاذ تصمیمات استراتژیک به‌دنبال حداکثرسازی سودشان باشند. در این راستا، شرکت‌های تولید سعی می‌کنند که از طریق ارائه قیمتی مناسب در سطحی بالاتر از هزینه‌های حدی خود، در رقابت با سایر تولیدکنندگان سهم بیش‌تری از تأمین انرژی الکتریکی بازار برق را کسب نمایند. هدف این مقاله پیشنهاد یک روش مبتنی بر تعیین بهینه تعاملات استراتژیک عامل‌های بازار برق است به‌نحوی‌که منجر به‌دست‌یابی نقطه تعادل نش گردد. در این راستا، از یک روش ابتکاری بر مبنای الگوریتم یادگیری تقویتی در ساختار بازار اشتراکی برای تعیین استراتژی‌های بهینه پیشنهاد قیمت واحدهای تولید استفاده می‌شود. از سوی دیگر، در این مقاله با در نظر گرفتن تأثیر ظرفیت شبکه انتقال یک سیستم چندناحیه‌ای، فرآیند تسویه بازار بر اساس قیمت‌گذاری حدی محلی (LMP) در شرایط مالکیت تک و چندژنراتوری موردبررسی قرار می‌گیرد. استراتژی پیشنهادشده بر روی بازار چهار ناحیه‌ای Nord Pool آزمایش گردیده است. نتایج شبیه‌سازی ارائه‌شده بر روی این شبکه بیانگر توانایی الگوریتم یادگیری تقویتی پیشنهادی در تعیین استراتژی بهینه شرکت‌های تولید و دستیابی به نقطه تعادل بازار می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Strategic Bidding for GENCOs using Reinforcement Learning Methodology based on LMP in Electricity Market

نویسندگان [English]

  • M. Ramezanian Langeroudi
  • S. M. Mirhosseini Moghaddam
  • B. Alizadeh
Departmant of Electrical Engineering, Lahijan Branch, Islamic Azad University, Lahijan, Iran
چکیده [English]

The structure of competition among energy suppliers in the production sector of electricity markets has made generation companies search for maximization of their profits by making strategic decisions. In this regard, generation companies try to bid a suitable price higher than their marginal costs to get a larger share of supply of electricity in the power market in their competitions with other generators. The research objective was to propose a method based on identification of optimal strategic interactions of agents in the electricity market to allow for achievement of the Nash equilibrium point. To this end, a heuristic method based on the reinforcement learning algorithm in the pool market structure was used to determine optimal bidding strategies for generation units. On the other hand, considering the effect of the transmission network capacity in a multi-area system, the market clearing process based on local marginal price (LMP) was studied in the single- and multi-generator states. The proposed strategy was tested on the Nord Pool four-area market. Simulations results of this network reflect the capability of the proposed learning algorithm for determining the optimal strategy of generation companies and achieving the market equilibrium point.

کلیدواژه‌ها [English]

  • bidding strategy
  • nash equilibrium
  • local marginal price
  • reinforcement learning process
  • pool market