通过机器学习与量子计算评估电力市场中的不确定性
系统与控制
2024-07-24 v1 系统与控制
摘要
电力市场决策过程的分析对于理解和解决与市场操纵及社会福利降低相关的问题至关重要。传统的多主体强化学习 (MARL) 方法可以建模发电公司 (GENCOs) 的决策，但由于政策函数、奖励函数以及主体间相互作用中的不确定性，面临挑战。量子计算提供了一个有前景的解决方案，用于解决这些不确定性。本文引入了量子多主体深度Q网络 (Q-MADQN) 方法，将变分量子电路集成到传统MARL框架中。论文的主要贡献包括：识别市场不确定性与量子属性之间的对应关系、提出用于模拟电力市场投标的Q-MADQN算法，并表明与常规方法相比，Q-MADQN能够进行更充分的探索，模拟更多面向盈利的GENCOs的潜在投标策略，而不会牺牲计算效率。该方法在IEEE 30节点测试网络上进行了展示，证明其为模拟复杂市场动态提供了更精确的模型。
引用
@article{arxiv.2407.16404,
title = {Evaluating Uncertainties in Electricity Markets via Machine Learning and Quantum Computing},
author = {Shuyang Zhu and Ziqing Zhu and Linghua Zhu and Yujian Ye and Siqi Bu and Sasa Z. Djokic},
journal= {arXiv preprint arXiv:2407.16404},
year = {2024}
}
备注
3 pages, 3 figures, plan for submitting to IEEE Power Engineering Letters