基于神经拟合 Q 迭代的实时无功市场最优投标策略
人工智能
2021-01-08 v1
摘要
在实时电力市场中，发电公司在投标时的目标是最大化其利润。学习最优投标的策略已通过博弈论方法和随机优化问题得以表述。由于网络电压运行条件对无功市场的影响大于对有功市场的影响，迄今为止尚未有无功市场中类似研究的报道。与有功市场不同，竞争对手的投标在无功市场中并不直接与燃料成本相关。因此，假定合适的概分布函数是不现实的，这使得在有功市场中采用的策略不适用于在无功市场机制中学习最优投标。因此，必须在基于不完全寡头竞争的市场中从市场观测与经验中学习投标策略。本文报道了在三级无功市场中从观测与经验学习最优投标策略的先驱性工作。
引用
@article{arxiv.2101.02456,
title = {Neural Fitted Q Iteration based Optimal Bidding Strategy in Real Time Reactive Power Market_1},
author = {Jahnvi Patel and Devika Jay and Balaraman Ravindran and K. Shanti Swarup},
journal= {arXiv preprint arXiv:2101.02456},
year = {2021}
}