智能代理模型在电力市场模拟系统中的运用

电力市场机制设计及运行是相当复杂的课题,传统的统计学和理论分析工具均很难精确研究电力市场的经济特性与物理特性。针对此类复杂的社会系统,采用智能代理模型仿真研究是种新颖有效的途径,因而基于智能代理模型的电力市场研究平台随之成为深入分析电力市场的重要工具。一般而言,在电力市场智能代理模型的框架中,代理就是代替发电厂商决策报价的程序模块,为了体现发电厂商报价决策的理性,不同的学习算法被用来构建代理的决策模块。本文着重分析并探讨了电力市场模拟系统中的智能代理模型及其学习算法的运用与实现。通过算例表明,智能代理模型及学习算法在电力市场中的应用具有重要意义。     

电力拍卖市场的智能代理仿真模型

用自适应自治的智能代理模型表示市场中的发电厂商构造了电力拍卖市场的仿真模型。该模型中发电厂商Agent采用Roth—Erev强化学习算法，具有对市场结果自适应能力，在重复的拍卖市场可以发现唯一的Nash均衡。同时，该模型还可以揭示市场中发电厂商在不同的市场规则下的行为特性。基于IEEE—RTS系统的数据研究表明，该模型提供了一种合适的电力拍卖市场分析工具。     

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.     

基于进化博弈的区域电力市场中发电厂商的报价行为分析

利用有限理性条件下进化博弈理论的方法,研究了电力市场中发电厂商报价行为的稳定均衡问题。通过建立发电企业竞价的进化博弈模型,分析了企业的收益对其报价行为的影响。分析表明,只有通过制定合理的市场机制,使发电企业利益分配公平,才能使我国电力市场尽快达到良性循环的状态。     

节点电价下输电容量限制与发电厂商市场力的仿真分析

通过构造节点电价下电力市场智能代理仿真模型，讨论了节点电价下输电容量限制与发电厂商市场力的相互影响关系．结果表明，在市场环境下，发电厂商的逐利行为会显著改变网络潮流，且输电网络的限制可放大发电厂商的市场力，网公司随着发电厂商市场力的实施而获利，故需要有严格的措施阻止其行为．进一步通过阻塞线路中的相关份额组成分割的市场，分析了输电网容量限制的影响，提出了一种分析发电厂商市场力实施的新方法．     

竞争性电力市场中发电企业的最优报价策略

以竞争性电力市场的环境为研究背景,在各发电企业独立报价的基础上,根据发电企业所拥有的信息是否完全,建立了完全信息及不完全信息静态博弈模型·结合最优化理论给出了发电企业最优报价策略所应满足的条件,以及求解最优报价策略的方法·通过分析,认为:现阶段辽宁电力市场适合于完全信息静态博弈模型;电力市场的交易规则极为重要;固定成本的分摊无助于报价策略的制订·     

计及输电阻塞的发电公司最优竞价模型

为了实现电力市场环境下发电公司最优竞价,根据对市场内其他机组报价系数的预测,建立计及竞争对手报价的发电公司竞价模型,求取未计及输电容量约束时的最优竞价系数.建立市场出清模型,计算各机组出力期望值,根据上述期望值进行潮流计算.当预测有输电阻塞发生时,将输电阻塞对电力公司竞价策略的影响引入竞价模型中,并基于灵敏度分析以阻塞费用最小为目标确定发电公司出力调整量.通过Matlab仿真分析表明,采取上述方法得到的最优竞价系数进行报价时,能实现发电公司利润最大化的目标.     

基于蚁群算法的多智能体模拟城市用地扩张

本文把蚁群算法引入到多智能体（Multi Agents,MAS）模型中来模拟城市演变过程。智能体(Agent)在元胞自动机（Cellular automata ,CA）确定城市发展概率的基础上,通过蚁群算法来寻找最大效用值的元胞地块,建立一个能模拟多个自然因素以及不同决策者共同影响的城市用地扩张模拟系统。实验表明,引入蚁群算法的模型能更好地模拟了城市演变过程。     

基于最优函数的电力市场Nash均衡解

随着我国电力市场改革的启动和逐步发展完善，在竟价上网的过程中，所有的发电公司都想使自身的收益最大化，而电网公司却想使购电费用最小化，因此发电公司的报价策略显得越来越重要。采用经济学上的古诺模型，用完全信息静态博弈的方法，引入最优化目标函数，分析了发电厂商的最优发电量。     

基于自适应学习算法的智能代理网络故障监测

提出一种基于自适应学习算法的故障监测智能代理，通过分段测量抽取描述网络正常行为的ＭＩＢ变量值并检测偏差。对学习获得的信息经由贝叶斯图加以组合，从而鉴别未知的或不可预见的故障。实验结果表明，智能监测代理系统能够在故障发生以前检测网络异常行为。