学习作为价格制定者风电生产商的竞价策略
机器学习
2026-03-12 v2 系统与控制
系统与控制
摘要
参与短期电力市场的风电生产商（WPPs）因其不可调度和可变的产量而面临显著的不平衡成本。尽管一些 WPPs 拥有足够大的市场份额，可以通过其竞价决策影响价格，但现有的最优竞价方法很少考虑这一方面。价格制定者方法通常将竞价建模为双层优化问题，但这些方法需要复杂的市场模型，估计其他参与者的行动，并且计算量很大。为了应对这些挑战，我们提出了一种在线学习算法，该算法利用上下文信息在价格制定者环境中优化 WPPs 的竞价。我们将策略竞价问题表述为上下文多臂老虎机，确保可证明的遗憾最小化。使用德国日前和实时市场的数值模拟，针对各种基准策略评估了该算法的性能。
引用
@article{arxiv.2503.16107,
title = {Learn to Bid as a Price-Maker Wind Power Producer},
author = {Shobhit Singhal and Marta Fochesato and Liviu Aolaritei and Florian Dörfler},
journal= {arXiv preprint arXiv:2503.16107},
year = {2026}
}