面向需求响应的数据驱动在线交互式投标策略

需求响应（DR）作为未来电网中的重要能源资源之一，以短响应周期与低成本提供削峰、提升可再生能源利用效率等服务。各类 DR 已被建立，例如自动需求响应、激励型需求响应、紧急需求响应与需求投标。然而，由于居民与商业用户效用模型未知的实际问题，关于参与电力市场的需求投标聚合商的研究尚处于起步阶段。针对该问题，在考虑由市场与参与者带来的不确定性的同时，投标价格与投标数量为两个必需的决策变量。本文中，我们利用智能电表数据与函数同时确定投标与采购策略。我们发展了双智能体深度确定性策略梯度方法来通过学习历史投标经验优化决策。在线学习进一步利用每日最新获得的投标经验以确保趋势追踪与自适应。采用两个环境模拟器来验证模型的鲁棒性。结果证明，在面对多样情形时，所提模型可通过离/在线学习投标规则并鲁棒地做出恰当投标来获得最优利润。