基于市场价格响应学习的大型发电商日前最优报价策略
应用统计
2024-07-01 v3
摘要
在基于统一边际定价的日前电力市场中，报价与投标曲线的微小变动可能显著改变由此产生的市场结果。本文研究在数据驱动背景下，寻找风险厌恶、利润最大化发电公司（GENCO）最优报价曲线的问题。特别地，大型 GENCO 的市场份额可能意味着其报价策略可改变边际价格形成，从而可用于增加利润。我们从新颖视角解决该问题。首先，提出一种基于优化的方法，将各 GENCO 的阶梯式供给曲线归纳为具有代表性的价格-能量块子集。随后，通过贝叶斯线性回归方法对市场价与该能量块报价间的关系建模，该方法还能生成市场针对 GENCO 策略敏感性的随机情景，由回归系数的概率分布表示。最后，采用约束学习方法将该预测模型嵌入随机优化模型中。结果表明，允许 GENCO 偏离其真实边际成本会显著改变其利润与市场边际价格。此外，这些结果也在样本外验证设置中进行了测试，显示该最优报价策略在真实市场博弈中同样有效。
引用
@article{arxiv.2204.11672,
title = {Optimal day-ahead offering strategy for large producers based on market price response learning},
author = {António Alcántara and Carlos Ruiz},
journal= {arXiv preprint arXiv:2204.11672},
year = {2024}
}