面向能源市场中储能投标的高维投标学习
系统与控制
2023-11-07 v1 计算机科学与博弈论
机器学习
系统与控制
摘要
随着可再生能源渗透率的不断提高，电力市场价格呈现出更大的波动性。因此，储能系统(ESSs)利用能源市场投标的多维特性以实现收益最大化十分重要。然而，当前学习方法无法充分利用能源市场中的高维价格-数量投标。为应对这一挑战，我们通过提出一种称为神经网络嵌入投标(NNEBs)的新投标表示方法改进了常见的强化学习(RL)流程。NNEBs 指由具有离散输出的单调神经网络表示的市场的投标。为实现 NNEBs 的有效学习，我们首先通过 RL 学习一个从市场价格到 ESS 功率输出的策略映射神经网络。然后，我们通过两项训练修改重新训练网络，使网络输出单调且离散。最后，该神经网络被等价转换为用于投标的高维投标。我们在真实市场数据集上进行了实验。研究表明，所提方法比基线收益高 18%，并达到最优市场投标者收益的 78%。
引用
@article{arxiv.2311.02551,
title = {High-dimensional Bid Learning for Energy Storage Bidding in Energy Markets},
author = {Jinyu Liu and Hongye Guo and Qinghu Tang and En Lu and Qiuna Cai and Qixin Chen},
journal= {arXiv preprint arXiv:2311.02551},
year = {2023}
}
备注
5 pages, 3 figures, Accepted by the 15th International Conference on Applied Energy (ICAE2023)