月度电量集中竞价市场规则的仿真实验分析

荆朝霞, 朱继松

(华南理工大学电力学院, 广东省广州市 510640)

月度电量集中竞价市场规则的仿真实验分析

荆朝霞, 朱继松

(华南理工大学电力学院, 广东省广州市 510640)

基于计算经济学的仿真实验是对市场规则进行评估的重要手段。基于JADE框架多代理仿真系统,设计三个仿真实验方案,对国内月度电量集中竞价市场的相关规则进行仿真,定量分析了市场博弈过程。重点对两种市场出清规则:电力市场中常用的按交点价格出清和国内月度集中竞价中常用的按均价出清进行了对比、分析和讨论。仿真结果表明,按均价出清导致市场博弈增大,收敛过程变缓。两种出清方法结果的差别随着供需比的增大而减小。同时,偏差考核规则会影响购电商报价策略,进而抬高市场出清价格。最后结合国内电力市场建设实际提出建议。

多代理仿真; 月度集中电力市场; 统一出清定价; 偏差考核; JADE框架

0 引言

电力市场改革的效果很大程度上取决于市场规则的设计,在市场规则正式实施前后,需要对其进行多角度的研究与评估,分析其效果和影响。

电力市场机制及相关规则的研究和评估方法包括实证分析方法[1]、基于博弈论的方法[2]、基于实验经济学的方法[3-4],以及基于代理计算经济学(agent-based computational economics,ACE)的方法[5]等几大类。其中,基于ACE的方法相比其他研究方法具有能够详细模拟市场主体行为、实验成本低、易重复等优点,受到越来越多的关注[6-8]。

基于ACE方法的电力市场仿真研究主要集中在两个方面:一是仿真系统及平台设计开发[9-13]、相关智能学习算法[14-15]、实验设计及结果校验[8];二是基于仿真平台对具体市场机制的研究[16-19]。

基于ACE的电力市场仿真平台是一种典型的多代理仿真平台。FIPA(Foundation for Intelligent Physical Agents)提出了一系列代理之间进行互操作的技术规范(如FIPA2000等),已经成为多代理系统开发的标准[20]。目前大多数电力市场仿真系统的开发尚没有基于FIPA规范,限制了其扩展和分布式计算的能力。JADE是一个遵循FIPA规范的多代理开发框架,在电力系统的控制、调度等领域得到了一定的应用,但在电力市场仿真领域的应用还较少。文献[17]中采用JADE框架开发了电力市场仿真系统MASCEM,并对欧洲范围内的若干个电力市场的规则进行了仿真研究。

基于ACE方法对具体的市场规则研究方面,一般集中在某个电力市场的初期设计或对市场规则进行大幅修改的阶段。文献[16-19]分别对英国市场的两种模式(Pool与Neta)、欧洲市场、德国市场(纯能量市场与容量市场)、不同清算规则(按报价支付与统一出清)进行了仿真实验研究,定量分析了不同市场机制下的市场表现差异。基于ACE的仿真方法中,仿真实验的设计与结果校验方法是仿真实验结论是否可靠、可信的关键[21]。文献[8]对电力市场仿真研究中实验的设计与校验问题进行了讨论。文献[22]分析了模型参数对仿真结果的影响,实验表明不同参数对实验结果的影响程度不同。

中国当前电力市场建设的一个重要内容是电力中长期交易,其是一种发、用电双方参与的,一般以月度发、用电量为交易标的物的交易,交易形式有双边协商、挂牌、集中竞价等。中长期电力交易规则包括多个方面的具体规则,如市场准入办法、市场出清方式、偏差处理机制等。每个环节都有一些不同的处理方法,如对市场出清来说,有按统一出清价结算、撮合、价差返还等不同的机制。每种方法本质上有什么区别?分别适用于什么情况?引起了相关领域专家和学者的广泛讨论,但很少有定量的分析。

本文在分析基于JADE的电力市场仿真系统特点的基础上,结合中国电力市场建设情况进行仿真系统的设计。参与竞价的发电商代理与购电商代理采用强化学习算法进行竞价决策。针对广东省2017年月度集中竞价市场设计仿真实验,定量评估市场机制中出清价确定方法、偏差考核、供需比等规则对市场表现的影响。

1 基于JADE框架的电力市场仿真系统

1.1 基于JADE的电力市场仿真平台设计

采用JADE平台开发设计的仿真系统不同于传统电力市场仿真系统之处在于以下几点。

1)JADE平台中代理设计的关键在于代理自身内部行为的设计和代理之间交互方式的设计,传统仿真平台往往由于不具备分布式仿真能力,不需要进行代理通信设计。

2)传统的仿真通常为串行执行程序,而JADE采用多线程并行开发思路,因此需要特别注意各个代理之间的协调,以保证复杂系统的有序仿真。

3)最后,JADE遵循的FIPA规范提供了一系列标准的协议,在进行系统开发时要考虑利用该规范带来的便利,如使用内容语言和本体实现仿真信息的共享和代理之间的互操作,从而设计更加智能的代理[23]。

代理的设计是仿真平台设计的一个主要内容。本文所开发的仿真系统中包含的代理主要分为工具类和功能类两大类。

工具类代理是由JADE为方便开发者进行开发工作而提供的工具代理,包括代理管理系统(agent management system)、目录服务代理(directory facilitator)、远程管理代理(remote management agent)等[24]。

功能类代理是由开发者根据实际需要自定义的代理,这类代理是本文代理设计工作的重点。本文自定义的代理主要包括:系统调度代理、市场操作员代理、市场竞价成员代理、策略代理、时间代理、数据代理等。其中,系统调度代理从整个系统的角度分析市场交易的技术可行性(包括经济调度、潮流分析、阻塞管理等)以保证电网的安全运行;市场操作员代理为参与市场竞价的成员提供公平的交易平台,接受买方和卖方的报价后按照市场规则进行市场出清,决定市场出清价格并具有结算功能,交易结束后向市场成员公布交易结果;市场竞价成员代理主要包括发电侧代理(seller agent)和负荷侧代理(buyer agent)。策略代理采用强化学习、信念学习、场景分析、博弈论、优化理论、神经网络等方法对报价策略进行模拟。时间代理和数据代理是根据仿真实验的需要而设计的辅助性代理。

仿真系统中自定义代理之间的信息交互示意图见附录A。

1.2 代理学习算法

RE(Roth-Erev)算法是由Roth和Erev提出的一种通过与环境交互学习的自适应学习算法,可在不完全信息博弈中寻找贝叶斯纳什均衡。

本文实验中市场竞价成员均采用文献[25]中改进的RE算法进行决策学习,电量分段根据发电量或需求量与申报段数确定,申报电价为最低报价和最高报价之间的离散值。其中,最低报价、最高报价根据发电成本及市场设置的相关限值确定。改进RE强化学习算法的倾向系数更新公式为:

(1)

式中:t为仿真轮次;a为在某一轮选择的策略编号;Qt(a)为编号为a的策略在第t轮的倾向系数;R为奖励值,本文取策略的市场利润;M为离散策略空间中的策略数目;r为遗忘因子,该参数决定过去一段时间代理学习效果对策略选择的影响大小;e为经验参数,该参数影响代理尝试初始生成的不同策略的倾向程度。

策略概率的更新公式如下:

(2)

式中:c为冷却系数。

本文采用动态调整方法计算,其更新公式为:

(3)

式中:k为常数,该值对代理学习收敛速度有影响,其取值问题在文献[8]中有详细的讨论。

2 仿真实验设计

2.1 仿真实验设计概述

实验设计包括实验环境的选择、实验方案的设计和实验结果的分析。其中,实验环境主要涉及研究对象及边界条件;实验方案涉及实验要研究的具体内容,如市场规则或市场行为;实验结果分析涉及对结果的校验、市场评价等。

2.2 仿真实验环境

本实验主要用于广东省2017年电量月度集中竞价交易的模拟。其主要市场规则如下:①市场为发电和用户双边参与的月度电量市场,每月进行一次，用户可以通过售电公司参与市场;②采用价差模式,发电申报的是在标杆上网电价上的降价值,用户申报的是在目录电价上的降价值;③竞价前给出一些断面的约束及部分机组的出力约束,在此基础上进行市场出清,然后再进行安全校核;④参与市场的用户为全电量参与竞价,发电商则根据相关机构设定的市场供需比确定其参与市场的最大限额;⑤市场出清采用统一价格出清,出清价为入围的最后一组市场成员(报价最低的用户和报价最高的发电)报价的平均价。

本文模拟市场参照广东省电力市场实际情况简化得到,市场中包括具有不同市场份额的35个发电商和40个购电商(用户或售电公司),月度总需求为2.6 TW·h,发电市场总申报电量根据供需情况变化。所有发电商和购电商分别具有相同的目录电价,实验中上网电价设置为0.45元/(kW·h)。发电代理和购电代理均以自身获利最大为目标参与市场竞价。市场出清结果未考虑网络约束,为初步出清结果。竞价成员市场份额信息详见附录B表B1。

2.3 仿真方案设计

2.3.1两种市场出清规则的讨论

包括广东省在内的基于统一价格出清方法的很多省份的市场规则中,都规定市场出清价为供给曲线和需求曲线的交点的价格,如果没有交点,则以最后入围的供给侧和需求侧的报价的平均值作为统一出清价。对于什么情况是供需有交点,规则中一般没有详细说明,这里进行简单的讨论。

图1给出了4种典型的供需报价情况。对于情况(a)和(b)没有异议,有明显交点。但对于情况(c)和(d),供需曲线没有直接相交。当前,在供大于求的情况下(图1(c)),中国大多数省份的规则中均规定,按最后入围的供给侧和需求侧报价的均值作为市场统一出清价。这种情况下,造成了需求侧“钓鱼”的冲动:在最后一段申报一个较低价格,以使得供给和需求曲线明显相交,降低整体的市场出清价。

图1 出清价格示意图Fig.1 Schematic diagram of clearing price

实际上,按照经济学中严格的供给和需求的基本概念,图1(c)所对应的供需曲线是存在交点的[26]。经济学中,需求反映消费者在一定价格下愿意并且能够购买的产品的数量,或者说,是在购买一定数量的产品时愿意接受的价格。例如：用户申报了数量100 GW·h和价格-0.1元/(kW·h),意味着在价格(价差)不高于-0.1元/(kW·h)时,消费者愿意购买100 GW·h的电量。当然,这不仅仅表示消费者在价格等于-0.1元/(kW·h)时愿意购买,如果价格低于该价格(如-0.2元/(kW·h))也愿意购买。因此,对需求曲线的最后一段,应将其向下延伸到和供给曲线相交,如图1(c)中的虚线所示。这样,供给和需求就有了交点,交点的价格为最后一个入围的供给侧申报的价格。

从图中直观地看,采用延伸需求曲线的方法后,市场出清价降低,对发电侧不利。也可以认为这是出清算法为需求侧“钓鱼”,且钓到了最低点。

两种确定出清价的方法哪种更好?对实际的市场结果会有什么影响?本文对此进行仿真分析。

2.3.2市场供需比

根据广东省的市场规则,进入市场的发电企业并不是全电量竞价,而是限制了其参与市场的最大申报量:按照年度与月度市场供需比一致的原则,月度市场量减去双边协商交易电量后,得到参与月度集中竞争交易的申报电量上限。为简化分析,本文中通过设置机组在月度集中竞价中可参与竞价的容量比例来反映供需比变化的影响。

Qi=SipT

(4)

式中:Qi为序号为i的发电商的最大申报量;Si为装机容量;p为集中竞价份额比例,指发电商参与集中竞价部分的电量与电厂最大发电量的比值;T为竞价周期。这里假设所有机组的集中竞价份额比例相同。实际市场中,由于机组类型、长协等的不同,实际的集中竞价份额会有所差别。但这个简化并不影响本文研究内容的结果。

本文将月度集中竞价市场供需比定义为:

(5)

式中:D为总需求量。

2.3.3实验轮、实验盘及实验处理的设计

电力市场成员之间的竞价行为是一个长期的动态博弈,重复报价是电力市场运行的一个重要特点,本文采用轮盘赌的形式进行仿真实验。

实验方案:为研究某个问题的不同处理方法而设置的一个实验。

实验处理:对某个问题的一个具体的处理方法对应的实验。如实验中要对统一出清和按报价出清两种出清方式进行研究,则包括统一出清和按报价出清两个实验处理。

实验盘:对每个实验处理,改变随机数的生成方式,进行若干次实验,每次实验称为一盘。

实验轮:每轮实验,重复进行若干轮,代理通过学习改变其报价直至收敛或达到设置的最大轮数。其中,收敛是指所有市场成员都不愿意改变报价策略,即达到了博弈论中的均衡状态。

本文共设计三个实验方案,对不同的问题进行研究。

1)实验1说明基于本平台进行市场模拟的基本流程,分析其有效性,其中设置一个实验处理,进行一盘实验。

2)实验2用于对两种不同的市场出清规则进行研究:按最后入围市场主体报价的平均价出清(简称按均价出清)和按供需曲线交点价格出清(简称按交点出清)。同时研究供需比的影响。对按均价出清和交点出清方式,分别设置11种供需比,产生22个实验处理。RE学习算法中,代理通过随机发生器产生随机数从而进行策略选择,随机发生器中随机种子的设置方法对仿真实验结果有一定影响[27]。为了减少随机数的影响,增强结果的稳定性,本文对每个实验处理进行5盘实验,各盘里随机发生器的随机种子采取依次递增1 000的方法。智能代理的学习参数也会对结果有影响,在文献[8]中研究了RE强化学习算法参数的设置对达到市场均衡状态的影响。由于本实验的研究目的主要是市场规则而不是市场成员策略,因此在所有实验盘中对智能代理学习参数采用相同的数值。未来深入研究可以分析学习参数对结果的影响。

3)实验3对偏差考核机制的影响进行研究。集中竞价市场中,出清价的确定只是市场规则的一部分,还有很多因素会影响市场的结果,如偏差考核机制、市场力的情况等。实验3对偏差考核对市场出清价的影响进行简要研究。

3 仿真分析

3.1 实验1

本实验采用按均价出清方式,供需比为1.7。发电商学习参数设置为e=0.97,r=0.03,k=2;购电商学习参数设置为e=0.97,r=0.03,k=2;通过单盘实验来分析市场的动态博弈过程。

图2显示市场出清价格、出清电量、发电商平均申报价格、购电商平均申报价格在经历多轮市场博弈之后逐渐趋向一个稳定值,即市场达到一个均衡状态。其中平均申报价格是指发、购电方报价的加权平均值。均衡状态下出清电量趋近于总需求量。在供大于求的情形下,发电商竞争较充分且相对较快地达到一个稳定的状态时,购电商将通过不停试探找到稍高于发电边际价格的申报价格,市场出清价格接近发电侧的边际报价。同时也可以看到,随着仿真轮次的增加,发电商平均申报价格稳定在一个较低的位置,购电商平均申报价格稳定在一个较高的位置。这是由于经过多轮的学习之后,较多的发电商根据其发电成本进行价格申报,而较多的购电商申报接近于0的价差。

图2 市场收敛曲线Fig.2 Market convergence curves

3.2 实验2

本文实验中发电商学习参数设置为e=0.97,r=0.03,k=2;购电商学习参数设置为e=0.97,r=0.03,k=2;分别按两种统一出清价格计算方式进行实验。本实验共有22个实验处理,每个实验处理进行了5盘。前11个实验处理按交点出清方式,后11个实验处理按均价出清方式。附录B表B2和表B3分别给出了两种出清方式下,每盘的实验结果,其中σ和Pav分别为各盘实验收敛时出清价格的标准差和平均值。附录B表B4为各盘实验收敛轮数及平均值。

图3为不同供需比下,每5个随机种子在市场均衡状态下的平均出清价格。从图中可以看出,随着供需比增加,发电市场竞争加剧,市场出清价格呈现降低趋势。在发电商竞争不够充分时,两种计算方式的出清价格相差较多。按算术平均值计算统一出清价格的方式其市场价格低于按交点价格计算方式,这是由于按算术平均值的计算方式需考虑来自购电方的报价。按交点价格出清时,购电方的申报价差对出清结果没有影响,因此购电方采用报零价差,作为价格接受者(price taker),此时市场中的博弈是发电商之间的博弈。随着供给的增加,供需形势发生变化,发电侧的竞争较为激烈,两种计算方式下的收敛价格比较接近。

图3 不同供需比下的平均出清价格Fig.3 Average clearing prices with different supply demand ratios

图4为不同实验处理下各盘实验的平均收敛轮数(收敛时仿真的轮数)的对比情况。从图中可以看出,按算术平均价格出清时市场收敛到均衡状态所需的平均轮数高于按交点价格出清时市场收敛到均衡状态所需的平均轮数,反映了两种计算方法在收敛速度方面的差异,采用交点价格计算时的收敛速度相对较快。

图4 平均收敛轮数Fig.4 Average convergence rounds

3.3 实验3

对市场中的偏差考核、发电企业之间的联盟对市场出清价的影响进行了研究,限于篇幅,这里对偏差考核问题进行简要研究。实验中各代理的参数设置与实验2相同,但在市场规则中加入偏差考核,为每个售电公司设定一定的负荷预测准确率。同样采用随机种子递增1 000的方法重复试验,求取平均值进行比较。

图5为不同供需比下,设置偏差考核前后,市场出清价格的变化。从图中可以看出设置偏差考核规则之后,市场出清价格相比设置规则之前要高一些。特别是在供需比较小时,偏差考核规则的设置会引起市场出清价格较高。这是由于根据市场规则,较低的市场出清价格将导致较高的偏差考核价格,因此购电商试探更低价格的意愿变小。随着供需比增大,该规则对市场出清价格的影响呈减小趋势。不同供需比下,设置偏差考核规则前后,发购双方的边际出清报价详见附录B表B5。

图5 偏差考核对市场出清价格的影响Fig.5 Influence of deviation penalty on market clearing price

3.4 实验结果讨论

通过上述实验,可以得到以下结论。

1)通过基于多代理的仿真实验,可以较好地反映市场的动态博弈过程。算例设计基于广东月度集中电量交易的实际规则,部分结果与实际的市场结果及定性的分析结果一致(如随着供需比的增加,市场价格降低,不同出清规则在竞争充分条件下均衡结果一致等),更加深入的结果需要后续进一步分析,如对实际竞价数据的分析、博弈论均衡的分析、实验经济学实验验证,以及更加丰富的仿真分析等。

2)在市场规则方面,主要有以下几个结论。

①同样的市场规则下,随着供需比的增加,市场出清价降低。这是很容易理解的结果:价格随供需情况的变化而变化。需要注意的是,本文的供需比是人为设定的,与一般市场中的供需比不太一样,因此在设定供需比时需要特别注意,事先定量分析对竞价的影响。

②不同的出清规则下,如果竞争比较充分则长期的均衡结果差别不大，但在竞争不够充分(供需比较小)的情况下,由于市场成员比较容易行使市场力,不同市场规则的出清结果会有较大的差别。

③对按交点出清和按均价出清两种市场规则,在供需比较小的情况下,按交点出清方式的市场均衡价格高于按均价出清方式的结果,但随着供需比的增加,这种差别逐渐减小。两者的主要区别在于市场博弈的动态过程不同,直接将交点的价格作为统一出清价格的方法收敛将会更快。

④广东当前市场规则中对偏差考核的力度较大,对售电公司来说,在负荷预测误差较大的情况下,会有出清价差越低(绝对价差越大),总收益越小的情况,并导致其申报较低价差的风险加大,因此偏差考核机制下市场出清价相对没有偏差考核机制下升高。升高的幅度同样与供需比有关:供需比越大,升高越少。

4 结语

基于JADE框架开发的电力市场仿真平台具有扩展性好、分布式计算功能强等特点,本文对基于JADE框架的电力市场仿真平台的设计进行了介绍,并采用该平台结合广东省2017年的电力市场规则中的部分问题进行了仿真研究。

目前中国大多数省份的集中竞价交易中,均采用最后入围的购、售双方市场成员的平均报价作为出清价的方式。本文的实验结果表明,这种方法导致市场博弈增大,收敛过程变缓，随着市场竞争程度的增加，这种出清定价方式与按交点出清定价方式的出清价格差别逐渐变小。

偏差考核机制是市场机制设计中的一个重要内容。由本文的结果可见偏差考核机制对市场出清价有较大的影响,具体市场的设计中需要对该问题进行深入研究。

以上两个问题的研究中都对供需比的影响进行了分析,总体上说,供需比越大,不同规则下结果的差别越小。

从本文的研究结果看,不同的市场规则会导致不同的结果,对社会整体福利和社会总福利在不同市场主体中的分配都不一样,实际设计中必须事先进行定量研究,并考虑市场成员在一定规则下的市场策略和动态行为。

本文在电力市场仿真系统开发、市场规则研究方面进行了初步的工作,未来还有很多工作需要进一步深入的研究,如更高效的学习算法、多个市场主体之间串谋的研究、对市场规则更加细致的建模等。同时,由于参与市场的主体拥有各自不同的博弈策略与博弈目标,实际市场中的博弈行为更为复杂,如何对实际市场中影响竞价博弈行为的因素进行更加细致的分析讨论值得深入研究。

附录见本刊网络版(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] 吴诚,高丙团,汤奕,等.基于主从博弈的发电商与大用户双边合同交易模型[J].电力系统自动化,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] 胡朝阳,许婧,甘德强,等.电力市场竞价博弈实验方案设计与结果分析[J].电力系统自动化,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] 陈皓勇,付超.统一价格和PAB竞价的实验分析[J].电力系统自动化,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] 康重庆,江健健,夏清.基于智能个体信念学习的电力市场模拟的理论框架[J].电网技术,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,丁伟,胡兆光.基于Agent的计算经济学及其在电力市场理论中的应用综述[J].电网技术,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,荆朝霞,陈皓勇,等.基于代理的电力市场仿真的实验设计方法探讨[J].电力系统自动化,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] 黄杰,薛禹胜,许剑冰,等.电力市场与电力系统的动态交互仿真平台:(一)功能设计[J].电力系统自动化,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] 谢东亮,薛禹胜,薛峰,等.电力市场与电力系统的动态交互仿真平台:(二)支撑层设计[J].电力系统自动化,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] 谢东亮,薛禹胜,薛峰,等.电力市场与电力系统的动态交互仿真平台:(三)应用层设计[J].电力系统自动化,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] 杨争林,曹帅,郑亚先,等.电力市场全景实验平台设计[J].电力系统自动化,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,王海宁,史述红,等.电力市场仿真系统的开发及应用[J].电网技术,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] 荆朝霞,杨莹.EWA算法在电力市场仿真中的应用[J].电力系统自动化,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, PRAÇA 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] 荆朝霞,杨莹,颜汉荣,等.随机数对基于代理的电力市场仿真实验影响分析[J].电力系统自动化,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。

上网日期: 2017-10-27。

国家自然科学基金资助项目(51311058)。

荆朝霞(1975—),女,通信作者,博士,教授,主要研究方向:电力市场、电动汽车、综合能源。E-mail： zxjing@scut.edu.cn

朱继松(1991—),男,硕士研究生,主要研究方向:基于多代理技术的复杂适应性系统仿真。E-mail: epjszhu@mail.scut.edu.cn

(编辑章黎)