月度電量集中競價市場規(guī)則的仿真實驗分析

荊朝霞, 朱繼松

(華南理工大學電力學院, 廣東省廣州市 510640)

月度電量集中競價市場規(guī)則的仿真實驗分析

荊朝霞, 朱繼松

(華南理工大學電力學院, 廣東省廣州市 510640)

基于計算經濟學的仿真實驗是對市場規(guī)則進行評估的重要手段?；贘ADE框架多代理仿真系統(tǒng),設計三個仿真實驗方案,對國內月度電量集中競價市場的相關規(guī)則進行仿真,定量分析了市場博弈過程。重點對兩種市場出清規(guī)則:電力市場中常用的按交點價格出清和國內月度集中競價中常用的按均價出清進行了對比、分析和討論。仿真結果表明,按均價出清導致市場博弈增大,收斂過程變緩。兩種出清方法結果的差別隨著供需比的增大而減小。同時,偏差考核規(guī)則會影響購電商報價策略,進而抬高市場出清價格。最后結合國內電力市場建設實際提出建議。

多代理仿真; 月度集中電力市場; 統(tǒng)一出清定價; 偏差考核; JADE框架

0 引言

電力市場改革的效果很大程度上取決于市場規(guī)則的設計,在市場規(guī)則正式實施前后,需要對其進行多角度的研究與評估,分析其效果和影響。

電力市場機制及相關規(guī)則的研究和評估方法包括實證分析方法[1]、基于博弈論的方法[2]、基于實驗經濟學的方法[3-4],以及基于代理計算經濟學(agent-based computational economics,ACE)的方法[5]等幾大類。其中,基于ACE的方法相比其他研究方法具有能夠詳細模擬市場主體行為、實驗成本低、易重復等優(yōu)點,受到越來越多的關注[6-8]。

基于ACE方法的電力市場仿真研究主要集中在兩個方面:一是仿真系統(tǒng)及平臺設計開發(fā)[9-13]、相關智能學習算法[14-15]、實驗設計及結果校驗[8];二是基于仿真平臺對具體市場機制的研究[16-19]。

基于ACE的電力市場仿真平臺是一種典型的多代理仿真平臺。FIPA(Foundation for Intelligent Physical Agents)提出了一系列代理之間進行互操作的技術規(guī)范(如FIPA2000等),已經成為多代理系統(tǒng)開發(fā)的標準[20]。目前大多數(shù)電力市場仿真系統(tǒng)的開發(fā)尚沒有基于FIPA規(guī)范,限制了其擴展和分布式計算的能力。JADE是一個遵循FIPA規(guī)范的多代理開發(fā)框架,在電力系統(tǒng)的控制、調度等領域得到了一定的應用,但在電力市場仿真領域的應用還較少。文獻[17]中采用JADE框架開發(fā)了電力市場仿真系統(tǒng)MASCEM,并對歐洲范圍內的若干個電力市場的規(guī)則進行了仿真研究。

基于ACE方法對具體的市場規(guī)則研究方面,一般集中在某個電力市場的初期設計或對市場規(guī)則進行大幅修改的階段。文獻[16-19]分別對英國市場的兩種模式(Pool與Neta)、歐洲市場、德國市場(純能量市場與容量市場)、不同清算規(guī)則(按報價支付與統(tǒng)一出清)進行了仿真實驗研究,定量分析了不同市場機制下的市場表現(xiàn)差異?；贏CE的仿真方法中,仿真實驗的設計與結果校驗方法是仿真實驗結論是否可靠、可信的關鍵[21]。文獻[8]對電力市場仿真研究中實驗的設計與校驗問題進行了討論。文獻[22]分析了模型參數(shù)對仿真結果的影響,實驗表明不同參數(shù)對實驗結果的影響程度不同。

中國當前電力市場建設的一個重要內容是電力中長期交易,其是一種發(fā)、用電雙方參與的,一般以月度發(fā)、用電量為交易標的物的交易,交易形式有雙邊協(xié)商、掛牌、集中競價等。中長期電力交易規(guī)則包括多個方面的具體規(guī)則,如市場準入辦法、市場出清方式、偏差處理機制等。每個環(huán)節(jié)都有一些不同的處理方法,如對市場出清來說,有按統(tǒng)一出清價結算、撮合、價差返還等不同的機制。每種方法本質上有什么區(qū)別?分別適用于什么情況?引起了相關領域專家和學者的廣泛討論,但很少有定量的分析。

本文在分析基于JADE的電力市場仿真系統(tǒng)特點的基礎上,結合中國電力市場建設情況進行仿真系統(tǒng)的設計。參與競價的發(fā)電商代理與購電商代理采用強化學習算法進行競價決策。針對廣東省2017年月度集中競價市場設計仿真實驗,定量評估市場機制中出清價確定方法、偏差考核、供需比等規(guī)則對市場表現(xiàn)的影響。

1 基于JADE框架的電力市場仿真系統(tǒng)

1.1 基于JADE的電力市場仿真平臺設計

采用JADE平臺開發(fā)設計的仿真系統(tǒng)不同于傳統(tǒng)電力市場仿真系統(tǒng)之處在于以下幾點。

1)JADE平臺中代理設計的關鍵在于代理自身內部行為的設計和代理之間交互方式的設計,傳統(tǒng)仿真平臺往往由于不具備分布式仿真能力,不需要進行代理通信設計。

2)傳統(tǒng)的仿真通常為串行執(zhí)行程序,而JADE采用多線程并行開發(fā)思路,因此需要特別注意各個代理之間的協(xié)調,以保證復雜系統(tǒng)的有序仿真。

3)最后,JADE遵循的FIPA規(guī)范提供了一系列標準的協(xié)議,在進行系統(tǒng)開發(fā)時要考慮利用該規(guī)范帶來的便利,如使用內容語言和本體實現(xiàn)仿真信息的共享和代理之間的互操作,從而設計更加智能的代理[23]。

代理的設計是仿真平臺設計的一個主要內容。本文所開發(fā)的仿真系統(tǒng)中包含的代理主要分為工具類和功能類兩大類。

工具類代理是由JADE為方便開發(fā)者進行開發(fā)工作而提供的工具代理,包括代理管理系統(tǒng)(agent management system)、目錄服務代理(directory facilitator)、遠程管理代理(remote management agent)等[24]。

功能類代理是由開發(fā)者根據實際需要自定義的代理,這類代理是本文代理設計工作的重點。本文自定義的代理主要包括:系統(tǒng)調度代理、市場操作員代理、市場競價成員代理、策略代理、時間代理、數(shù)據代理等。其中,系統(tǒng)調度代理從整個系統(tǒng)的角度分析市場交易的技術可行性(包括經濟調度、潮流分析、阻塞管理等)以保證電網的安全運行;市場操作員代理為參與市場競價的成員提供公平的交易平臺,接受買方和賣方的報價后按照市場規(guī)則進行市場出清,決定市場出清價格并具有結算功能,交易結束后向市場成員公布交易結果;市場競價成員代理主要包括發(fā)電側代理(seller agent)和負荷側代理(buyer agent)。策略代理采用強化學習、信念學習、場景分析、博弈論、優(yōu)化理論、神經網絡等方法對報價策略進行模擬。時間代理和數(shù)據代理是根據仿真實驗的需要而設計的輔助性代理。

仿真系統(tǒng)中自定義代理之間的信息交互示意圖見附錄A。

1.2 代理學習算法

RE(Roth-Erev)算法是由Roth和Erev提出的一種通過與環(huán)境交互學習的自適應學習算法,可在不完全信息博弈中尋找貝葉斯納什均衡。

本文實驗中市場競價成員均采用文獻[25]中改進的RE算法進行決策學習,電量分段根據發(fā)電量或需求量與申報段數(shù)確定,申報電價為最低報價和最高報價之間的離散值。其中,最低報價、最高報價根據發(fā)電成本及市場設置的相關限值確定。改進RE強化學習算法的傾向系數(shù)更新公式為:

(1)

式中:t為仿真輪次;a為在某一輪選擇的策略編號;Qt(a)為編號為a的策略在第t輪的傾向系數(shù);R為獎勵值,本文取策略的市場利潤;M為離散策略空間中的策略數(shù)目;r為遺忘因子,該參數(shù)決定過去一段時間代理學習效果對策略選擇的影響大小;e為經驗參數(shù),該參數(shù)影響代理嘗試初始生成的不同策略的傾向程度。

策略概率的更新公式如下:

(2)

式中:c為冷卻系數(shù)。

本文采用動態(tài)調整方法計算,其更新公式為:

(3)

式中:k為常數(shù),該值對代理學習收斂速度有影響,其取值問題在文獻[8]中有詳細的討論。

2 仿真實驗設計

2.1 仿真實驗設計概述

實驗設計包括實驗環(huán)境的選擇、實驗方案的設計和實驗結果的分析。其中,實驗環(huán)境主要涉及研究對象及邊界條件;實驗方案涉及實驗要研究的具體內容,如市場規(guī)則或市場行為;實驗結果分析涉及對結果的校驗、市場評價等。

2.2 仿真實驗環(huán)境

本實驗主要用于廣東省2017年電量月度集中競價交易的模擬。其主要市場規(guī)則如下:①市場為發(fā)電和用戶雙邊參與的月度電量市場,每月進行一次，用戶可以通過售電公司參與市場;②采用價差模式,發(fā)電申報的是在標桿上網電價上的降價值,用戶申報的是在目錄電價上的降價值;③競價前給出一些斷面的約束及部分機組的出力約束,在此基礎上進行市場出清,然后再進行安全校核;④參與市場的用戶為全電量參與競價,發(fā)電商則根據相關機構設定的市場供需比確定其參與市場的最大限額;⑤市場出清采用統(tǒng)一價格出清,出清價為入圍的最后一組市場成員(報價最低的用戶和報價最高的發(fā)電)報價的平均價。

本文模擬市場參照廣東省電力市場實際情況簡化得到,市場中包括具有不同市場份額的35個發(fā)電商和40個購電商(用戶或售電公司),月度總需求為2.6 TW·h,發(fā)電市場總申報電量根據供需情況變化。所有發(fā)電商和購電商分別具有相同的目錄電價,實驗中上網電價設置為0.45元/(kW·h)。發(fā)電代理和購電代理均以自身獲利最大為目標參與市場競價。市場出清結果未考慮網絡約束,為初步出清結果。競價成員市場份額信息詳見附錄B表B1。

2.3 仿真方案設計

2.3.1兩種市場出清規(guī)則的討論

包括廣東省在內的基于統(tǒng)一價格出清方法的很多省份的市場規(guī)則中,都規(guī)定市場出清價為供給曲線和需求曲線的交點的價格,如果沒有交點,則以最后入圍的供給側和需求側的報價的平均值作為統(tǒng)一出清價。對于什么情況是供需有交點,規(guī)則中一般沒有詳細說明,這里進行簡單的討論。

圖1給出了4種典型的供需報價情況。對于情況(a)和(b)沒有異議,有明顯交點。但對于情況(c)和(d),供需曲線沒有直接相交。當前,在供大于求的情況下(圖1(c)),中國大多數(shù)省份的規(guī)則中均規(guī)定,按最后入圍的供給側和需求側報價的均值作為市場統(tǒng)一出清價。這種情況下,造成了需求側“釣魚”的沖動:在最后一段申報一個較低價格,以使得供給和需求曲線明顯相交,降低整體的市場出清價。

圖1 出清價格示意圖Fig.1 Schematic diagram of clearing price

實際上,按照經濟學中嚴格的供給和需求的基本概念,圖1(c)所對應的供需曲線是存在交點的[26]。經濟學中,需求反映消費者在一定價格下愿意并且能夠購買的產品的數(shù)量,或者說,是在購買一定數(shù)量的產品時愿意接受的價格。例如：用戶申報了數(shù)量100 GW·h和價格-0.1元/(kW·h),意味著在價格(價差)不高于-0.1元/(kW·h)時,消費者愿意購買100 GW·h的電量。當然,這不僅僅表示消費者在價格等于-0.1元/(kW·h)時愿意購買,如果價格低于該價格(如-0.2元/(kW·h))也愿意購買。因此,對需求曲線的最后一段,應將其向下延伸到和供給曲線相交,如圖1(c)中的虛線所示。這樣,供給和需求就有了交點,交點的價格為最后一個入圍的供給側申報的價格。

從圖中直觀地看,采用延伸需求曲線的方法后,市場出清價降低,對發(fā)電側不利。也可以認為這是出清算法為需求側“釣魚”,且釣到了最低點。

兩種確定出清價的方法哪種更好?對實際的市場結果會有什么影響?本文對此進行仿真分析。

2.3.2市場供需比

根據廣東省的市場規(guī)則,進入市場的發(fā)電企業(yè)并不是全電量競價,而是限制了其參與市場的最大申報量:按照年度與月度市場供需比一致的原則,月度市場量減去雙邊協(xié)商交易電量后,得到參與月度集中競爭交易的申報電量上限。為簡化分析,本文中通過設置機組在月度集中競價中可參與競價的容量比例來反映供需比變化的影響。

Qi=SipT

(4)

式中:Qi為序號為i的發(fā)電商的最大申報量;Si為裝機容量;p為集中競價份額比例,指發(fā)電商參與集中競價部分的電量與電廠最大發(fā)電量的比值;T為競價周期。這里假設所有機組的集中競價份額比例相同。實際市場中,由于機組類型、長協(xié)等的不同,實際的集中競價份額會有所差別。但這個簡化并不影響本文研究內容的結果。

本文將月度集中競價市場供需比定義為:

(5)

式中:D為總需求量。

2.3.3實驗輪、實驗盤及實驗處理的設計

電力市場成員之間的競價行為是一個長期的動態(tài)博弈,重復報價是電力市場運行的一個重要特點,本文采用輪盤賭的形式進行仿真實驗。

實驗方案:為研究某個問題的不同處理方法而設置的一個實驗。

實驗處理:對某個問題的一個具體的處理方法對應的實驗。如實驗中要對統(tǒng)一出清和按報價出清兩種出清方式進行研究,則包括統(tǒng)一出清和按報價出清兩個實驗處理。

實驗盤:對每個實驗處理,改變隨機數(shù)的生成方式,進行若干次實驗,每次實驗稱為一盤。

實驗輪:每輪實驗,重復進行若干輪,代理通過學習改變其報價直至收斂或達到設置的最大輪數(shù)。其中,收斂是指所有市場成員都不愿意改變報價策略,即達到了博弈論中的均衡狀態(tài)。

本文共設計三個實驗方案,對不同的問題進行研究。

1)實驗1說明基于本平臺進行市場模擬的基本流程,分析其有效性,其中設置一個實驗處理,進行一盤實驗。

2)實驗2用于對兩種不同的市場出清規(guī)則進行研究:按最后入圍市場主體報價的平均價出清(簡稱按均價出清)和按供需曲線交點價格出清(簡稱按交點出清)。同時研究供需比的影響。對按均價出清和交點出清方式,分別設置11種供需比,產生22個實驗處理。RE學習算法中,代理通過隨機發(fā)生器產生隨機數(shù)從而進行策略選擇,隨機發(fā)生器中隨機種子的設置方法對仿真實驗結果有一定影響[27]。為了減少隨機數(shù)的影響,增強結果的穩(wěn)定性,本文對每個實驗處理進行5盤實驗,各盤里隨機發(fā)生器的隨機種子采取依次遞增1 000的方法。智能代理的學習參數(shù)也會對結果有影響,在文獻[8]中研究了RE強化學習算法參數(shù)的設置對達到市場均衡狀態(tài)的影響。由于本實驗的研究目的主要是市場規(guī)則而不是市場成員策略,因此在所有實驗盤中對智能代理學習參數(shù)采用相同的數(shù)值。未來深入研究可以分析學習參數(shù)對結果的影響。

3)實驗3對偏差考核機制的影響進行研究。集中競價市場中,出清價的確定只是市場規(guī)則的一部分,還有很多因素會影響市場的結果,如偏差考核機制、市場力的情況等。實驗3對偏差考核對市場出清價的影響進行簡要研究。

3 仿真分析

3.1 實驗1

本實驗采用按均價出清方式,供需比為1.7。發(fā)電商學習參數(shù)設置為e=0.97,r=0.03,k=2;購電商學習參數(shù)設置為e=0.97,r=0.03,k=2;通過單盤實驗來分析市場的動態(tài)博弈過程。

圖2顯示市場出清價格、出清電量、發(fā)電商平均申報價格、購電商平均申報價格在經歷多輪市場博弈之后逐漸趨向一個穩(wěn)定值,即市場達到一個均衡狀態(tài)。其中平均申報價格是指發(fā)、購電方報價的加權平均值。均衡狀態(tài)下出清電量趨近于總需求量。在供大于求的情形下,發(fā)電商競爭較充分且相對較快地達到一個穩(wěn)定的狀態(tài)時,購電商將通過不停試探找到稍高于發(fā)電邊際價格的申報價格,市場出清價格接近發(fā)電側的邊際報價。同時也可以看到,隨著仿真輪次的增加,發(fā)電商平均申報價格穩(wěn)定在一個較低的位置,購電商平均申報價格穩(wěn)定在一個較高的位置。這是由于經過多輪的學習之后,較多的發(fā)電商根據其發(fā)電成本進行價格申報,而較多的購電商申報接近于0的價差。

圖2 市場收斂曲線Fig.2 Market convergence curves

3.2 實驗2

本文實驗中發(fā)電商學習參數(shù)設置為e=0.97,r=0.03,k=2;購電商學習參數(shù)設置為e=0.97,r=0.03,k=2;分別按兩種統(tǒng)一出清價格計算方式進行實驗。本實驗共有22個實驗處理,每個實驗處理進行了5盤。前11個實驗處理按交點出清方式,后11個實驗處理按均價出清方式。附錄B表B2和表B3分別給出了兩種出清方式下,每盤的實驗結果,其中σ和Pav分別為各盤實驗收斂時出清價格的標準差和平均值。附錄B表B4為各盤實驗收斂輪數(shù)及平均值。

圖3為不同供需比下,每5個隨機種子在市場均衡狀態(tài)下的平均出清價格。從圖中可以看出,隨著供需比增加,發(fā)電市場競爭加劇,市場出清價格呈現(xiàn)降低趨勢。在發(fā)電商競爭不夠充分時,兩種計算方式的出清價格相差較多。按算術平均值計算統(tǒng)一出清價格的方式其市場價格低于按交點價格計算方式,這是由于按算術平均值的計算方式需考慮來自購電方的報價。按交點價格出清時,購電方的申報價差對出清結果沒有影響,因此購電方采用報零價差,作為價格接受者(price taker),此時市場中的博弈是發(fā)電商之間的博弈。隨著供給的增加,供需形勢發(fā)生變化,發(fā)電側的競爭較為激烈,兩種計算方式下的收斂價格比較接近。

圖3 不同供需比下的平均出清價格Fig.3 Average clearing prices with different supply demand ratios

圖4為不同實驗處理下各盤實驗的平均收斂輪數(shù)(收斂時仿真的輪數(shù))的對比情況。從圖中可以看出,按算術平均價格出清時市場收斂到均衡狀態(tài)所需的平均輪數(shù)高于按交點價格出清時市場收斂到均衡狀態(tài)所需的平均輪數(shù),反映了兩種計算方法在收斂速度方面的差異,采用交點價格計算時的收斂速度相對較快。

圖4 平均收斂輪數(shù)Fig.4 Average convergence rounds

3.3 實驗3

對市場中的偏差考核、發(fā)電企業(yè)之間的聯(lián)盟對市場出清價的影響進行了研究,限于篇幅,這里對偏差考核問題進行簡要研究。實驗中各代理的參數(shù)設置與實驗2相同,但在市場規(guī)則中加入偏差考核,為每個售電公司設定一定的負荷預測準確率。同樣采用隨機種子遞增1 000的方法重復試驗,求取平均值進行比較。

圖5為不同供需比下,設置偏差考核前后,市場出清價格的變化。從圖中可以看出設置偏差考核規(guī)則之后,市場出清價格相比設置規(guī)則之前要高一些。特別是在供需比較小時,偏差考核規(guī)則的設置會引起市場出清價格較高。這是由于根據市場規(guī)則,較低的市場出清價格將導致較高的偏差考核價格,因此購電商試探更低價格的意愿變小。隨著供需比增大,該規(guī)則對市場出清價格的影響呈減小趨勢。不同供需比下,設置偏差考核規(guī)則前后,發(fā)購雙方的邊際出清報價詳見附錄B表B5。

圖5 偏差考核對市場出清價格的影響Fig.5 Influence of deviation penalty on market clearing price

3.4 實驗結果討論

通過上述實驗,可以得到以下結論。

1)通過基于多代理的仿真實驗,可以較好地反映市場的動態(tài)博弈過程。算例設計基于廣東月度集中電量交易的實際規(guī)則,部分結果與實際的市場結果及定性的分析結果一致(如隨著供需比的增加,市場價格降低,不同出清規(guī)則在競爭充分條件下均衡結果一致等),更加深入的結果需要后續(xù)進一步分析,如對實際競價數(shù)據的分析、博弈論均衡的分析、實驗經濟學實驗驗證,以及更加豐富的仿真分析等。

2)在市場規(guī)則方面,主要有以下幾個結論。

①同樣的市場規(guī)則下,隨著供需比的增加,市場出清價降低。這是很容易理解的結果:價格隨供需情況的變化而變化。需要注意的是,本文的供需比是人為設定的,與一般市場中的供需比不太一樣,因此在設定供需比時需要特別注意,事先定量分析對競價的影響。

②不同的出清規(guī)則下,如果競爭比較充分則長期的均衡結果差別不大，但在競爭不夠充分(供需比較小)的情況下,由于市場成員比較容易行使市場力,不同市場規(guī)則的出清結果會有較大的差別。

③對按交點出清和按均價出清兩種市場規(guī)則,在供需比較小的情況下,按交點出清方式的市場均衡價格高于按均價出清方式的結果,但隨著供需比的增加,這種差別逐漸減小。兩者的主要區(qū)別在于市場博弈的動態(tài)過程不同,直接將交點的價格作為統(tǒng)一出清價格的方法收斂將會更快。

④廣東當前市場規(guī)則中對偏差考核的力度較大,對售電公司來說,在負荷預測誤差較大的情況下,會有出清價差越低(絕對價差越大),總收益越小的情況,并導致其申報較低價差的風險加大,因此偏差考核機制下市場出清價相對沒有偏差考核機制下升高。升高的幅度同樣與供需比有關:供需比越大,升高越少。

4 結語

基于JADE框架開發(fā)的電力市場仿真平臺具有擴展性好、分布式計算功能強等特點,本文對基于JADE框架的電力市場仿真平臺的設計進行了介紹,并采用該平臺結合廣東省2017年的電力市場規(guī)則中的部分問題進行了仿真研究。

目前中國大多數(shù)省份的集中競價交易中,均采用最后入圍的購、售雙方市場成員的平均報價作為出清價的方式。本文的實驗結果表明,這種方法導致市場博弈增大,收斂過程變緩，隨著市場競爭程度的增加，這種出清定價方式與按交點出清定價方式的出清價格差別逐漸變小。

偏差考核機制是市場機制設計中的一個重要內容。由本文的結果可見偏差考核機制對市場出清價有較大的影響,具體市場的設計中需要對該問題進行深入研究。

以上兩個問題的研究中都對供需比的影響進行了分析,總體上說,供需比越大,不同規(guī)則下結果的差別越小。

從本文的研究結果看,不同的市場規(guī)則會導致不同的結果,對社會整體福利和社會總福利在不同市場主體中的分配都不一樣,實際設計中必須事先進行定量研究,并考慮市場成員在一定規(guī)則下的市場策略和動態(tài)行為。

本文在電力市場仿真系統(tǒng)開發(fā)、市場規(guī)則研究方面進行了初步的工作,未來還有很多工作需要進一步深入的研究,如更高效的學習算法、多個市場主體之間串謀的研究、對市場規(guī)則更加細致的建模等。同時,由于參與市場的主體擁有各自不同的博弈策略與博弈目標,實際市場中的博弈行為更為復雜,如何對實際市場中影響競價博弈行為的因素進行更加細致的分析討論值得深入研究。

附錄見本刊網絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] LIU J D, LIE T T, LO K L. An empirical method of dynamic oligopoly behavior analysis in electricity markets[J]. IEEE Trans on Power Systems, 2006, 21(2): 499-506.

[2] 吳誠,高丙團,湯奕,等.基于主從博弈的發(fā)電商與大用戶雙邊合同交易模型[J].電力系統(tǒng)自動化,2016,40(22):56-62.DOI:10.7500/AEPS20151110003.

WU Cheng, GAO Bingtuan, TANG Yi, et al. Master-slave game based bilateral contract transaction model for generation companies and large consumers[J]. Automation of Electric Power Systems, 2016, 40(22): 56-62. DOI: 10.7500/AEPS20151110003.

[3] 胡朝陽,許婧,甘德強,等.電力市場競價博弈實驗方案設計與結果分析[J].電力系統(tǒng)自動化,2004,28(4):10-16.

HU Zhaoyang, XU Jing, GAN Deqiang, et al. Design and analysis of auction experiment for electricity market[J]. Automation of Electric Power Systems, 2004, 28(4): 10-16.

[4] 陳皓勇,付超.統(tǒng)一價格和PAB競價的實驗分析[J].電力系統(tǒng)自動化,2007,31(4):12-17.

CHEN Haoyong, FU Chao. Experimental analysis of uniform price and PAB auctions in electricity markets[J]. Automation of Electric Power Systems, 2007, 31(4): 12-17.

[5] LI H, TESFATSION L. The AMES wholesale power market test bed: a computational laboratory for research, teaching, and training[C]// Power & Energy Society General Meeting, July 26-30, 2009, Calgary, AB, Canada.

[6] 康重慶,江健健,夏清.基于智能個體信念學習的電力市場模擬的理論框架[J].電網技術,2005,29(12):10-15.

KANG Chongqing, JIANG Jianjian, XIA Qing. Theoretical fundamental and concepts of electricity market simulation based on agents’ belief learning[J]. Power System Technology, 2005, 29(12): 10-15.

[7] 袁家海,丁偉,胡兆光.基于Agent的計算經濟學及其在電力市場理論中的應用綜述[J].電網技術,2005,29(7):47-51.

YUAN Jiahai, DING Wei, HU Zhaoguang. A critical study of agent based computational economics and its application in research of electricity market theory[J]. Power System Technology, 2005, 29(7): 47-51.

[8] 王野平,荊朝霞,陳皓勇,等.基于代理的電力市場仿真的實驗設計方法探討[J].電力系統(tǒng)自動化,2009,33(17):56-60.

WANG Yeping, JING Zhaoxia, CHEN Haoyong, et al. A method for designing agent-based electricity market simulation experiments[J]. Automation of Electric Power Systems, 2009, 33(17): 56-60.

[9] 黃杰,薛禹勝,許劍冰,等.電力市場與電力系統(tǒng)的動態(tài)交互仿真平臺:(一)功能設計[J].電力系統(tǒng)自動化,2011,35(10):16-22.

HUANG Jie, XUE Yusheng, XU Jianbing, et al. Dynamic simulation platform for power market and power system: Part one function design[J]. Automation of Electric Power Systems, 2011, 35(10): 16-22.

[10] 謝東亮,薛禹勝,薛峰,等.電力市場與電力系統(tǒng)的動態(tài)交互仿真平臺:(二)支撐層設計[J].電力系統(tǒng)自動化,2011,35(11):1-7.

XIE Dongliang, XUE Yusheng, XUE Feng, et al. Dynamic simulation platform for power market and power system: Part two support layer design[J]. Automation of Electric Power Systems, 2011, 35(11): 1-7.

[11] 謝東亮,薛禹勝,薛峰,等.電力市場與電力系統(tǒng)的動態(tài)交互仿真平臺:(三)應用層設計[J].電力系統(tǒng)自動化,2011,35(12):7-14.

XIE Dongliang, XUE Yusheng, XUE Feng, et al. Dynamic simulation platform for power market and power system: Part three application layer design[J]. Automation of Electric Power Systems, 2011, 35(12): 7-14.

[12] 楊爭林,曹帥,鄭亞先,等.電力市場全景實驗平臺設計[J].電力系統(tǒng)自動化,2016,40(10):97-102.DOI:10.7500/AEPS20150914010.

YANG Zhenglin, CAO Shuai, ZHENG Yaxian, et al. Design of integrated experimental platform for electricity market[J]. Automation of Electric Power Systems, 2016, 40(10): 97-102. DOI: 10.7500/AEPS20150914010.

[13] 周海明,王海寧,史述紅,等.電力市場仿真系統(tǒng)的開發(fā)及應用[J].電網技術,2010,34(1):117-121.

ZHOU Haiming, WANG Haining, SHI Shuhong, et al. Development of electricity market simulation system and its application[J]. Power System Technology, 2010, 34(1): 117-121.

[14] TRIGO P, MARQUES P, COELHO H. Agents for running electricity markets[J]. Simulation Modelling Practice & Theory, 2010, 18(10): 1442-1452.

[15] 荊朝霞,楊瑩.EWA算法在電力市場仿真中的應用[J].電力系統(tǒng)自動化,2010,34(24):46-50.

JING Zhaoxia, YANG Ying. Application of the EWA algorithm in electricity market simulation[J]. Automation of Electric Power Systems, 2010, 34(24): 46-50.

[16] BAGNALL A J. A multi-agent model of the UK market in electricity generation[M]// Applications of learning classifier systems. Berlin, Germany: Springer, 2004: 167-181.

[17] SANTOS G, PINTO T, MORAIS H, et al. Multi-agent simulation of competitive electricity markets: autonomous systems cooperation for European market modeling[J]. Energy Conversion & Management, 2015, 99: 387-399.

[18] KELES D, BUBLITZ A, ZIMMERMANN F, et al. Analysis of design options for the electricity market: the German case[J]. Applied Energy, 2016, 183: 884-901.

[19] ALIABADI D E, KAYA M,AHIN G. An agent-based simulation of power generation company behavior in electricity markets under different market-clearing mechanisms[J]. Energy Policy, 2017, 100: 191-205.

[20] BELLIFEMINE F. Developing multi-agent systems with a FIPA-compliant agent framework[M]. Hoboken, USA: John Wiley & Sons Inc, 2001.

[21] TESFATSION L. Introduction to the special issue on agent-based computational economics[J]. Journal of Economic Dynamics & Control, 2001, 25(3/4): 281-293.

[22] ALIABADI D E, KAYA M, SAHIN G. Competition, risk and learning in electricity markets: an agent-based simulation study[J]. Applied Energy, 2017, 195: 1000-1011.

[23] SANTOS G, PINTO T, PRA?A I, et al. MASCEM: optimizing the performance of a multi-agent system[J]. Energy, 2016, 111: 513-524.

[24] BELLIFEMINE F, BERGENTI F, CAIRE G, et al. Jade—a Java agent development framework[M]// Multi-agent programming. New York, USA: Springer, 2005: 105-114.

[25] PENTAPALLI M. A comparative study of Roth-Erev and modified Roth-Erev reinforcement learning algorithms for uniform-price double auctions[D]. Ames, IA, USA: Iowa State University, 2008.

[26] GREGORY M N. Study guide, principles of microeconomics[M]. 7th ed. Cengage Learning, 2015.

[27] 荊朝霞,楊瑩,顏漢榮,等.隨機數(shù)對基于代理的電力市場仿真實驗影響分析[J].電力系統(tǒng)自動化,2010,34(14):58-62.

JING Zhaoxia, YANG Ying, YAN Hanrong, et al. Random number influence analysis for agent-based electricity market simulation experiments[J]. Automation of Electric Power Systems, 2010, 34(14): 58-62.

SimulationExperimentAnalysisonMarketRulesforMonthlyCentralizedBidding

JINGZhaoxia,ZHUJisong

(South China University of Technology, Guangzhou510640, China)

An agent-based computational economics (ACE) experiment featuring simulation is an important method for the evaluation of the market rules. JADE framework is used for simulation system implementation. In order to study the rules of centralized bidding for monthly electricity market in China, three simulation schemes are designed. The impact of different rules on market performance is studied. This paper focuses on the two market clearing price rules, i.e. the universe electricity market clearing price rule in which the clearing price is defined at the intersection of the supply demand curves and the clearing price rule under implementation in monthly centralized bidding market of Guangdong Province, China. And some analyses and discussions have been carried out. The simulation results show that the clearing price rule defined in monthly centralized bidding market will lead to an increase in market game intensity but a decrease in converge speed. The difference between the market performances of two clearing rules becomes slight as the supply demand ratio increases. At the same time, the deviation penalty rule will influence the bidding strategy of the buyer, and then the market clearing price goes higher. Finally, suggestions are put forward according to the actual construction of electricity market in China.

This work is supported by National Natural Science Foundation of China (No.51311058).

multi agent simulation; monthly centralized electricity market; unified clearing pricing; deviation penalty; JADE framework

2017-06-15;

2017-09-30。

上網日期: 2017-10-27。

國家自然科學基金資助項目(51311058)。

荊朝霞(1975—),女,通信作者,博士,教授,主要研究方向:電力市場、電動汽車、綜合能源。E-mail： zxjing@scut.edu.cn

朱繼松(1991—),男,碩士研究生,主要研究方向:基于多代理技術的復雜適應性系統(tǒng)仿真。E-mail: epjszhu@mail.scut.edu.cn

(編輯章黎)