欢迎来到天天文库
浏览记录
ID:33726784
大小:1022.72 KB
页数:63页
时间:2019-02-28
《基于改进q学习算法的发电商竞价策略》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、上海交通大学硕士学位论文基于改进Q学习算法的发电商竞价策略姓名:陆黎申请学位级别:硕士专业:电力系统及其自动化指导教师:蒋传文20070201上海交通大学硕士论文基于改进Q学习算法的发电商竞价策略基于改进Q学习算法的发电商竞价策略摘要世界各国的电力工业市场化改革正在逐步深入。目前,我国正在积极建设区域电力市场,进行“厂网分开、竞价上网”,发电侧市场实行竞争机制。作为电力市场研究中的一个热点问题,研究和探讨发电商竞价策略问题具有重要的理论和实用价值。中长期交易下的发电商策略行为目前较难由解析的数学模型来进行研究。针对复杂经济系统中的
2、策略交互作用,多代理系统模型具有良好的发展前景。本论文针对联营模式的电力市场,以多代理系统为基础,利用自加强学习算法来模拟仿真中长期电力批发市场,从而找到中长期市场平衡点并据此评估市场中长期运行情况。模糊推理方法和强化学习方法都是多代理系统行为学习常用的方法。本文基于模糊推理和强化学习的优缺点,提出了基于模糊Q学习算法的发电商竞价策略。为了提高算法的收敛性和搜索的遍历性,本文还提出了混沌的概念,并把混沌因子加入了模糊Q学习算法。最后以IEEE-14和IEEE-30节点系统分别对基于模糊Q学习算法的发电商竞价策略和组合混沌的模糊Q学
3、习算法的发电商竞价策略进行了仿真计算,算例结果验证了这两种发电商竞价策略的可行性和有效性,并且对其收敛性进行了分析。本文最后还提出了风险评估的概念,在分析几种常用的评估方法的优缺点后,本文建立了考虑电价等不确定性因素的长期优化调度及4上海交通大学硕士论文基于改进Q学习算法的发电商竞价策略风险评估模型,并对IEEE-14和IEEE-30节点系统进行了风险评估的仿真计算。关键词:电力市场,竞价策略,模糊Q学习,混沌,风险评估5上海交通大学硕士论文基于改进Q学习算法的发电商竞价策略STRATEGICBIDDINGOFELECTRICIT
4、YSUPPLIERINCOMPETITIVEMARKETBASEDONIMPROVEDQ-LEARNINGABSTRACTTheinnovationofelectricpowerindustryisbeinggraduallydeepeningintheworld.Atpresent,ourcountryisconstructingtheregionpowermarketpositively,andhadcarriedongenerationunbundlingandthecompetitionbidding.Thegenerat
5、ionfieldmarketimplementscompetitionmechanism.Asahottopicresearchedinpowermarket,toresearchandtodiscussgenerationbiddingstrategyhavetheimportanttheoryandthepracticalvalue.Currentlythestrategicbiddingbehaviorsinthelongtermtradingaredifficulttobemathematicmodeled.Forthec
6、omplexityofthestrategicinteractionamongthemultimarketparticipants,themultiagentssystemhasaninspiringoutlookinsuchresearcharea.ThisthesisdevelopedamodelbasingontheReinforcementLearningtosimulatingthelongtermtradinginanoligopolyelectricitymarket.Themodelcanbeusedtodefin
7、etheoptimalbiddingstrategyforeachproducerand,aswell,tofindthemarketequilibriumandassessingthemarketperformances.Fuzzyreasoningandreinforcementlearningarethecommonlyused6上海交通大学硕士论文基于改进Q学习算法的发电商竞价策略methodsinthemultiagentssystem.Thethesisbasesontheplusesandminusesoffuzzy
8、reasoningandreinforcementlearning,andhasputforwardthefuzzyQ-learningmethodtostudythebiddingstrategy.Inordertoimprovethegloba
此文档下载收益归作者所有