基于市场参与者表现逆向工程的数据驱动收敛竞价策略：以加州 ISO 为例
信号处理
2021-09-23 v1 计算机科学与博弈论
机器学习
综合经济学
经济学
摘要
收敛竞价（又称虚拟竞价）近年来在批发电力市场中被广泛采用。它为市场参与者提供了对日前市场节点边际电价与实时市场节点边际电价之间差异进行套利的机遇。鉴于收敛竞价 (CBs) 对电力市场运行有显著影响，理解市场参与者在现实中如何策略性地选择其 CBs 十分重要。我们针对加州 ISO 运营的电力市场解决这一开放问题。为此，我们利用公开可用的电力市场数据来学习、刻画和评估市场参与者当前使用的不同类型的收敛竞价策略。我们的分析包括开发一种数据驱动的逆向工程方法，并将其应用于三年的真实数据。我们的分析涉及特征选择与基于密度的数据聚类，从而识别出加州 ISO 市场中三类主要的 CB 策略簇。我们分析了每类策略的不同特征与表现。有趣的是，我们揭示了一种常见的现实策略，其与文献中任何已有的策略性收敛竞价方法均不匹配。接下来，我们基于从现有现实策略中获得的经验，提出一种可显著优于它们的新的 CB 策略。我们的分析包括开发一种新的收敛竞价策略。新策略包含三个步骤：通过捕捉价格尖峰实现净利润最大化、动态节点标记和策略选择算法。我们通过案例研究表明，若采用所提收敛竞价策略，最盈利的市场参与者的年净利润可提升逾 40%。
引用
@article{arxiv.2109.09238,
title = {A Data-Driven Convergence Bidding Strategy Based on Reverse Engineering of Market Participants' Performance: A Case of California ISO},
author = {Ehsan Samani and Mahdi Kohansal and Hamed Mohsenian-Rad},
journal= {arXiv preprint arXiv:2109.09238},
year = {2021}
}
备注
IEEE Transactions on Power Systems