面向实际能源交易策略优化的在线强化学习
机器学习
2024-02-15 v3 交易与市场微观结构
摘要
越来越多的能源由众多小型生产者通过可再生来源产出。这些来源的效率具有波动性且在一定程度上随机，加剧了能源市场平衡问题。在许多国家，这种平衡通过日前（DA）能源市场完成。本文研究一个中型产消者在 DA 能源市场上的自动交易。我们将该活动建模为马尔可夫决策过程，并形式化了一个可利用离线数据优化实际可用策略的框架。我们设计了一种交易策略，其输入包含可能影响未来价格的环境信息，包括天气预报。我们使用最先进的强化学习（RL）算法来优化该策略。作为对比，我们还综合了简单的参数化交易策略并用进化算法进行优化。结果表明，基于 RL 的策略产生了最高的市场利润。
引用
@article{arxiv.2303.16266,
title = {On-line reinforcement learning for optimization of real-life energy trading strategy},
author = {Łukasz Lepak and Paweł Wawrzyński},
journal= {arXiv preprint arXiv:2303.16266},
year = {2024}
}