典型文献
基于深度学习的多微电网市场主从博弈运行优化策略
文献摘要：
针对多微电网市场新能源出力不确定性以及参与主体间利益关联与冲突导致的市场运行风险大、效率低等问题,提出基于图卷积神经网络与长短时记忆网络GCN-LSTM(graph convolutional neural network and long short-term memory network)时空预测算法的多微电网市场主从博弈均衡优化策略.首先,从时空维度设计了基于深度强化学习算法的多微电网两阶段主从博弈均衡运行机制;然后,将多微电网市场中竞价主体间的相互作用构建两阶段滚动优化模型,根据决策阶段要求,以提升各微电网主体经济效益为目标,在实时调控阶段构建多主体主从博弈模型,对内部电价及设备出力进行调整,实现多微电网市场均衡独立优化运行.最后,通过算例分析表明,所提方法能有效降低微电网各发电主体出力的不确定性对市场稳定运行和新能源消纳的影响,提高市场经济效益.
文献关键词：
多微电网市场;主从博弈;深度强化学习;纳什均衡;运行优化
中图分类号：
作者姓名：
严文君;刘俊勇
作者机构：
四川大学电气工程学院,成都 610065
文献出处：
引用格式：
[1]严文君;刘俊勇-.基于深度学习的多微电网市场主从博弈运行优化策略)[J].电力系统及其自动化学报,2022(07):120-128
A类：
多微电网市场,时空预测算法
B类：
运行优化策略,出力不确定性,参与主体,主体间,利益关联,市场运行,运行风险,图卷积神经网络,长短时记忆网络,GCN,graph,convolutional,neural,network,long,short,term,memory,博弈均衡,均衡优化,时空维度,维度设计,深度强化学习算法,两阶段主从博弈,竞价,滚动优化,决策阶段,阶段要求,网主,实时调控,博弈模型,电价,市场均衡,优化运行,算例分析,低微,市场稳定,新能源消纳,纳什均衡
AB值：
0.289029
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
