基于梯度提升的库式水电投标策略优化选择方法
最优化与控制
2020-02-11 v1
摘要
电力生产商使用多种决策支持系统来管理并规划日前电力市场的销售，且常面临为任意给定日期选择最有利投标策略的挑战。最优解在现货出清后才可知晓。所用模型与策略的结果及其对盈利的影响，可连续记录，亦可利用历史数据模拟。随着数据量不断增长，应用机器学习模型预测任意给定日期模型与策略的最佳组合成为可能。本文结合领域知识与机器学习技术（梯度提升与神经网络），分析了两种给定投标策略多年的历史表现。评估了投标前模型可获取的多类变量，以预测给定日期的最优策略。结果表明，机器学习模型能够学会略微优于基于整体历史表现选定单一投标方法的静态策略。
引用
@article{arxiv.2002.03941,
title = {A gradient boosting approach for optimal selection of bidding strategies in reservoir hydro},
author = {Hans Ole Riddervold and Signe Riemer-Sørensen and Peter Szederjesi and Magnus Korpås},
journal= {arXiv preprint arXiv:2002.03941},
year = {2020}
}