基于Q学习算法的发电公司决策新模型

提出了基于Q学习的发电公司决策新模型,应用于求解发电公司在具有不完全信息的电力市场环境下为获取最优长期利润而制定的决策问题.以电力市场重复运行具有的典型Markov过程特性,应用Q学习算法构建以长期利润最优为目标的发电公司决策模型,并通过算例仿真验证了该模型的有效性.所提出的决策新模型可以根据发电公司对市场状态变化的不同预估状态转移概率模拟该公司在市场环境下的不同竞价策略,并给出不确定市场环境下的最优决策.     

基于离散Markov决策过程的发电公司多阶段决策

采用离散时间Markov决策过程(DTMDP)对以多阶段总利润最优为目标的发电公司决策问题进行研究．市场环境下，发电公司根据自身条件，其竞争策略可以是价格的接受者，也可以是价格的制定者．考虑了发电公司不同策略情况下市场均衡状态间的转换概率，分别给出了发电公司作为价格接受者和价格制定者时的多阶段决策模型．通过算例验证了所提模型的有效性和可行性．     

市场环境下发电公司的动态学习与市场猜测均衡

提出了基于猜测供给函数模型的发电公司动态学习模型，用于分析和预测重复博弈的不完全信息电力市场环境下发电公司潜在的市场力．各发电公司根据公布的前阶段市场运行数据动态地调整其微增响应猜测，使之能够准确反映所有竞争对手相应于市场结清电价单位变化时所愿意引起的出力变化，从而动态调整提交的供给函数以获得短期最大利润．算例分析表明，发电公司动态学习有利可图；经过各发电公司动态学习并不断调整优化猜测供给函数将引导市场最终达到一猜测均衡结果．     

发电批发市场和配电零售市场的联合均衡分析

基于配电零售市场开放后的电力用户需求特性为基础,提出了发电批发市场和配电零售市场并存后的联合均衡模型,用于分析零售市场开放对实时现货市场的影响.根据电力负荷特点,按高峰、低谷两种方式模拟零售电价与实时电价的关系,给出了零售市场完全竞争机制和部分管制机制下发电批发市场和配电零售市场并存后的联合均衡结果.算例验证表明,零售市场的开放将有效减少电力总需求,降低电力现货价格,体现电力需求弹性效应.另外,随着配电零售市场的逐步放开,固定配电价格对实时电价的影响越来越小,而电力需求弹性对实时电价的影响则越来越大.     

两种无功功率最优补偿方法的比较分析

电力网的线损率是衡量电力系统运行管理水平的一项综合性技术指标,而无功功率潮流分布对配电网功率因数和线损有重要影响。因此,实现无功优化配置能够有效维持系统电压水平,减小有功网损,是降损的重要技术措施。本文主要针对等网损微增率法和无功经济当量法在配电网无功功率最优补偿中的应用进行分析,比较降损效果和经济效益及其各自的适用性,提出等网损微增率法是无功经济当量补偿法的一种理想情形,最终取得的降损效果与等网损微增率法接近,在无功优化配置时适宜采用。     

考虑远期合约的不同投标策略供应函数均衡分析

根据联营模式下电力市场的特点，利用供应函数模型来模拟发电商的策略行为，给出了考虑远期合约的各发电商选择改变报价曲线不同参数报价时的模型，求出了各种模型下发电商的最优反应函数，同时讨论了发电约束对发电商投标策略的影响．通过算例比较研究了在采用上述模型时远期合约对发电商均衡策略的影响．结果表明，虽然相同的远期合约对不同的模型影响结果有所不同，但对所有模型采用远期合约均能有效降低市场均衡电价．