Data-driven Research on Electricity Markets: Challenges and Prospects

GUO Hongye; ZHENG Kedi; TANG Qinghu; FANG Xichen; CHEN Qixin

doi:10.7500/AEPS20211227007

您当前的位置：

首页 >

文章列表页 >

Data-driven Research on Electricity Markets: Challenges and Prospects

Review | 更新时间：2025-06-16

- Data-driven Research on Electricity Markets: Challenges and Prospects
- Automation of Electric Power Systems Vol. 47, Issue 1, Pages: 200-215(2023)
- 作者机构：
  
  1.电力系统及发电设备控制和仿真国家重点实验室,清华大学,北京市 100084
  2.清华大学电机工程与应用电子技术系,北京市 100084
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(U2066205);China Postdoctoral Science Foundation(52107102)
- DOI：10.7500/AEPS20211227007
  CLC：
- Received：27 December 2021，
  
  Revised：2022-06-01，
  
  Published Online：17 August 2022，
  
  Published：10 January 2023
- 稿件说明：
移动端阅览
郭鸿业,郑可迪,唐庆虎等.数据驱动的电力市场研究：挑战与展望[J].电力系统自动化,2023,47(1):200-215.

GUO Hongye,ZHENG Kedi,TANG Qinghu,et al.Data-driven Research on Electricity Markets: Challenges and Prospects[J].Automation of Electric Power Systems,2023,47(1):200-215.
郭鸿业,郑可迪,唐庆虎等.数据驱动的电力市场研究：挑战与展望[J].电力系统自动化,2023,47(1):200-215. DOI： 10.7500/AEPS20211227007.

GUO Hongye,ZHENG Kedi,TANG Qinghu,et al.Data-driven Research on Electricity Markets: Challenges and Prospects[J].Automation of Electric Power Systems,2023,47(1):200-215. DOI： 10.7500/AEPS20211227007.

摘要

传统意义上的电力市场研究多建立在经典、简化的经济学模型之上，采用理性人假设与理想化的博弈模型，其结果常与实际市场状态产生较大偏差。近年来，电力市场数据逐渐开放，数据驱动研究方法快速发展，数据驱动的电力市场研究逐步成为研究热点，取得了一系列的理论成果及实际应用。为此，文中尝试对数据驱动的电力市场研究进行梳理。首先，总结了传统电力市场研究的发展现状，分析其局限性；其次，介绍并比较了目前全球不同电力市场实际的信息发布与数据开放政策；进一步，对采用数据驱动技术路线开展电力市场研究的现状进行综述；最后，归纳数据驱动的电力市场研究的关键挑战，并对未来的研究方向与应用前景进行了展望。

Abstract

The traditional electricity market studies are mostly based on the classical and simplified economic models

using the assumption of rational man and idealized game models. It usually causes a large deviation from the analysis results with the real situations. In recent years

with the gradual opening of various types of electricity market data and the rapid development of data-driven analysis methods

the data-driven research on electricity markets has gradually become a hotspot

and a series of theoretical improvements and practical applications have been achieved in this field. To this end

this paper attempts to review the studies on the data-driven research on electricity markets. Firstly

the development status of traditional electricity market research is summarized and its limitations are analyzed. Secondly

the actual information disclosure and data openness policies of different electricity markets around the world are introduced and compared. Thirdly

the current situation of electricity market research using data-driven analysis technology is reviewed. Finally

the key challenges of data-driven electricity market research are summarized and the future research directions and application prospects are outlined.

关键词

Keywords

references

姚子麟，张亮，邹斌，等 . 含高比例风电的电力市场电价预测［J］. 电力系统自动化， 2020 ， 44 （ 12 ）： 49 - 55 .

YAO Zilin ， ZHANG Liang ， ZOU Bin ， et al . Electricity price prediction for electricity market with high proportion of wind power ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 12 ）： 49 - 55 .

DING H J ， PINSON P ， HU Z C ， et al . Optimal offering and operating strategy for a large wind-storage system as a price maker ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 6 ）： 4904 - 4913 .

GUO H Y ， CHEN Q X ， XIA Q ， et al . Electricity wholesale market equilibrium analysis integrating individual risk-averse features of generation companies ［J］. Applied Energy ， 2019 ， 252 ： 113443 .

杨强，蔡华祥，严明辉，等 . 基于激励相容与深度博弈的云南电力市场机制设计及应用［J］. 电力系统自动化， 2017 ， 41 （ 24 ）： 27 - 34 .

YANG Qiang ， CAI Huaxiang ， YAN Minghui ， et al . Design and application of electricity market mechanism for Yunnan based on theory of incentive compatibility and game in depth ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 24 ）： 27 - 34 .

陈启鑫，房曦晨，郭鸿业，等 . 电力现货市场建设进展与关键问题［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 3 - 15 .

CHEN Qixin ， FANG Xichen ， GUO Hongye ， et al . Progress and key issues for construction of electricity spot market ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 3 - 15 .

PINTO T ， PRAÇA I ， VALE Z ， et al . Strategic bidding in electricity markets： an agent-based simulator with game theory for scenario analysis ［J］. Integrated Computer-Aided Engineering ， 2013 ， 20 （ 4 ）： 335 - 346 .

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

周明，严正，倪以信，等 . 含误差预测校正的ARIMA电价预测新方法［J］. 中国电机工程学报， 2004 ， 24 （ 12 ）： 63 - 68 .

ZHOU Ming ， YAN Zheng ， NI Yixin ， et al . A novel ARIMA approach on electricity price forecasting with the improvement of predicted error ［J］. Proceedings of the CSEE ， 2004 ， 24 （ 12 ）： 63 - 68 .

RUIZ C ， CONEJO A J . Pool strategy of a producer with endogenous formation of locational marginal prices ［J］. IEEE Transactions on Power Systems ， 2009 ， 24 （ 4 ）： 1855 - 1866 .

VESPUCCI M T ， INNORTA M ， CERVIGNI G . A mixed integer linear programming model of a zonal electricity market with a dominant producer ［J］. Energy Economics ， 2013 ， 35 ： 35 - 41 .

RUIZ C ， CONEJO A J ， SMEERS Y . Equilibria in an oligopolistic electricity pool with stepwise offer curves ［J］. IEEE Transactions on Power Systems ， 2012 ， 27 （ 2 ）： 752 - 761 .

DEHGHANPOUR K ， NEHRIR M H ， SHEPPARD J W ， et al . Agent-based modeling in electrical energy markets using dynamic Bayesian networks ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 6 ）： 4744 - 4754 .

CHEN R D ， PASCHALIDIS I C ， CARAMANIS M C ， et al . Learning from past bids to participate strategically in day-ahead electricity markets ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5794 - 5806 .

GUO H Y ， CHEN Q X ， GU Y X ， et al . A data-driven pattern extraction method for analyzing bidding behaviors in power markets ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3509 - 3521 .

GUO H Y ， CHEN Q X ， ZHENG K D ， et al . Forecast aggregated supply curves in power markets based on LSTM model ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 6 ）： 5767 - 5779 .

李博，门德月，严亚勤，等 . 基于数值天气预报的母线负荷预测［J］. 电力系统自动化， 2015 ， 39 （ 1 ）： 137 - 140 .

LI Bo ， MEN Deyue ， YAN Yaqin ， et al . Bus load forecasting based on numerical weather prediction ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 1 ）： 137 - 140 .

赵庆波，周原冰，郭蓉，等 . 模糊神经网络在电力系统边际电价预测中的应用［J］. 电网技术， 2004 ， 28 （ 7 ）： 45 - 48 .

ZHAO Qingbo ， ZHOU Yuanbing ， GUO Rong ， et al . Application of fuzzy neural network in power system marginal price forecasting ［J］. Power System Technology ， 2004 ， 28 （ 7 ）： 45 - 48 .

周松林，茆美琴，苏建徽 . 考虑风力发电随机性的微电网潮流预测［J］. 中国电机工程学报， 2013 ， 33 （ 22 ）： 26 - 34 .

ZHOU Songlin ， MAO Meiqin ， SU Jianhui . Power flow forecasting of micro-grid considering randomness of wind power ［J］. Proceedings of the CSEE ， 2013 ， 33 （ 22 ）： 26 - 34 .

甘宇翔，蒋传文，白宏坤，等 . 市场环境下园区售电商的最优报价和运行优化［J］. 电网技术， 2018 ， 42 （ 3 ）： 707 - 715 .

GAN Yuxiang ， JIANG Chuanwen ， BAI Hongkun ， et al . Optimal bidding strategy and operation of industrial park electricity retailer in electricity market ［J］. Power System Technology ， 2018 ， 42 （ 3 ）： 707 - 715 .

刘一欣，郭力，王成山 . 多微电网参与下的配电侧电力市场竞价博弈方法［J］. 电网技术， 2017 ， 41 （ 8 ）： 2469 - 2476 .

LIU Yixin ， GUO Li ， WANG Chengshan . Optimal bidding strategy for microgrids in electricity distribution market ［J］. Power System Technology ， 2017 ， 41 （ 8 ）： 2469 - 2476 .

周晓洁，彭谦，杨睿，等 . 绿色电力证书交易影响下计及输电阻塞影响的综合型能源发售电商竞价策略研究［J］. 电网技术， 2020 ， 44 （ 4 ）： 1317 - 1324 .

ZHOU Xiaojie ， PENG Qian ， YANG Rui ， et al . Power price marketing strategy of comprehensive energy-based electricity sales company participating in electricity market competition under ubiquitous environment of Internet of Things ［J］. Power System Technology ， 2020 ， 44 （ 4 ）： 1317 - 1324 .

宋艺航，王秀丽，匡熠，等 . 含风电和电动汽车的VPP现货市场投标鲁棒优化模型［J］. 电力工程技术， 2020 ， 39 （ 3 ）： 120 - 127 .

SONG Yihang ， WANG Xiuli ， KUANG Yi ， et al . Spot market bidding strategy for virtual power plants with wind power and electric vehicles ［J］. Electric Power Engineering Technology ， 2020 ， 39 （ 3 ）： 120 - 127 .

王晛，张华君，张少华 . 风电和电动汽车组成虚拟电厂参与电力市场的博弈模型［J］. 电力系统自动化， 2019 ， 43 （ 3 ）： 155 - 162 .

WANG Xian ， ZHANG Huajun ， ZHANG Shaohua . Game model of electricity market involving virtual power plant composed of wind power and electric vehicles ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 3 ）： 155 - 162 .

王克道，陈启鑫，郭鸿业，等 . 面向可交易能源的储能容量合约机制设计与交易策略［J］. 电力系统自动化， 2018 ， 42 （ 14 ）： 54 - 60 .

WANG Kedao ， CHEN Qixin ， GUO Hongye ， et al . Mechanism design and trading strategy for capacity contract of energy storage towards transactive energy ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 14 ）： 54 - 60 .

HE G N ， CHEN Q X ， KANG C Q ， et al . Optimal bidding strategy of battery storage in power markets considering performance-based regulation and battery cycle life ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 5 ）： 2359 - 2367 .

SHAFIE-KHAH M ， HEYDARIAN-FORUSHANI E ， GOLSHAN M E H ， et al . Strategic offering for a price-maker wind power producer in oligopoly markets considering demand response exchange ［J］. IEEE Transactions on Industrial Informatics ， 2015 ， 11 （ 6 ）： 1542 - 1553 .

GUO H Y ， CHEN Q X ， XIA Q ， et al . Modeling strategic behaviors of renewable energy with joint consideration on energy and tradable green certificate markets ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 1898 - 1910 .

ZOU P ， CHEN Q X ， XIA Q ， et al . Pool equilibria including strategic storage ［J］. Applied Energy ， 2016 ， 177 ： 260 - 270 .

张金良，张文文，李德智，等 . 基于合作博弈理论的增量配网收益分配策略研究［J］. 电力需求侧管理， 2018 ， 20 （ 4 ）： 16 - 21 .

ZHANG Jinliang ， ZHANG Wenwen ， LI Dezhi ， et al . Research on income distribution of incremental distribution network based on cooperative game theory ［J］. Power Demand Side Management ， 2018 ， 20 （ 4 ）： 16 - 21 .

GUO H Y ， CHEN Q X ， XIA Q ， et al . Market equilibrium analysis with high penetration of renewables and gas-fired generation： an empirical case of the Beijing-Tianjin-Tangshan power system ［J］. Applied Energy ， 2018 ， 227 ： 384 - 392 .

RAYATI M ， TOULABI M ， RANJBAR A M . Optimal generalized Bayesian Nash equilibrium of frequency-constrained electricity market in the presence of renewable energy sources ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 1 ）： 136 - 144 .

NASROLAHPOUR E ， KAZEMPOUR J ， ZAREIPOUR H ， et al . A bilevel model for participation of a storage system in energy and reserve markets ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 2 ）： 582 - 598 .

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 .

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 .

马腾飞，裴玮，肖浩，等 . 基于纳什谈判理论的风-光-氢多主体能源系统合作运行方法［J］. 中国电机工程学报， 2021 ， 41 （ 1 ）： 25 - 39 .

MA Tengfei ， PEI Wei ， XIAO Hao ， et al . Cooperative operation method for wind-solar-hydrogen multi-agent energy system based on Nash bargaining theory ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 1 ）： 25 - 39 .

李博嵩，王旭，蒋传文，等 . 广泛负荷聚集商市场策略建模及风险效益分析［J］. 电力系统自动化， 2018 ， 42 （ 16 ）： 119 - 126 .

LI Bosong ， WANG Xu ， JIANG Chuanwen ， et al . Market strategy modeling and risk profit analysis of demand-side resource aggregator ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 16 ）： 119 - 126 .

WANG J X ， ZHONG H W ， YANG Z F ， et al . Incentive mechanism for clearing energy and reserve markets in multi-area power systems ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 4 ）： 2470 - 2482 .

唐成鹏，张粒子，刘方，等 . 基于多智能体强化学习的电力现货市场定价机制研究：（一）不同定价机制下发电商报价双层优化模型［J］. 中国电机工程学报， 2021 ， 41 （ 2 ）： 536 - 553 .

TANG Chengpeng ， ZHANG Lizi ， LIU Fang ， et al . Research on pricing mechanism of electricity spot market based on multi-agent reinforcement learning： Part Ⅰ bi-level optimization model for generators under different pricing mechanisms ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 2 ）： 536 - 553 .

陈启鑫，刘学，房曦晨，等 . 考虑可再生能源保障性消纳的电力市场出清机制［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 26 - 33 .

CHEN Qixin ， LIU Xue ， FANG Xichen ， et al . Electricity market clearing mechanism considering guaranteed accommodation of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 26 - 33 .

严明辉，龚昭宇，杨怡静，等 . 云南电力现货市场环境下的市场运营监控机制设计［J］. 南方电网技术， 2018 ， 12 （ 12 ）： 16 - 22 .

YAN Minghui ， GONG Zhaoyu ， YANG Yijing ， et al . Design of market operation monitoring mechanism for Yunnan electricity spot market ［J］. Southern Power System Technology ， 2018 ， 12 （ 12 ）： 16 - 22 .

GUO H Y ， CHEN Q X ， XIA Q ， et al . Market power mitigation clearing mechanism based on constrained bidding capacities ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 6 ）： 4817 - 4827 .

GUO H Y ， CHEN Q X ， ZHANG Y ， et al . Constraining the oligopoly manipulation in electricity market： a vertical integration perspective ［J］. Energy ， 2020 ， 194 ： 116877 .

陈启鑫，王克道，陈思捷，等 . 面向分布式主体的可交易能源系统：体系架构、机制设计与关键技术［J］. 电力系统自动化， 2018 ， 42 （ 3 ）： 1 - 7 .

CHEN Qixin ， WANG Kedao ， CHEN Sijie ， et al . Transactive energy system for distributed agents： architecture， mechanism design and key technologies ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 3 ）： 1 - 7 .

陈启鑫，房曦晨，郭鸿业，等 . 储能参与电力市场机制：现状与展望［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 14 - 28 .

CHEN Qixin ， FANG Xichen ， GUO Hongye ， et al . Participation mechanism of energy storage in electricity market： status quo and prospect ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 14 - 28 .

HORTAÇSU A ， PULLER S L . Understanding strategic bidding in multi-unit auctions： a case study of the Texas electricity spot market ［J］. The RAND Journal of Economics ， 2008 ， 39 （ 1 ）： 86 - 114 .

PJM . PJM Data Snapshot home ［DB/OL］. ［ 2021-12-24 ］. https：//datasnapshot.pjm.com/ https://datasnapshot.pjm.com/ .

PJM . Data Viewer-locational marginal pricing ［DB/OL］. ［ 2021-12-24 ］. https：//dataviewer.pjm.com/dataviewer/pages/public/lmp.jsf https://dataviewer.pjm.com/dataviewer/pages/public/lmp.jsf .

PJM . PJM-Interregional Data Map ［DB/OL］. ［ 2021-12-24 ］. https：//www.pjm.com/markets-and-operations/interregional-map https://www.pjm.com/markets-and-operations/interregional-map .

PJM . Data Miner 2 ［DB/OL］. ［ 2021-12-24 ］. https：//dataminer2.pjm.com/list https://dataminer2.pjm.com/list .

CAISO . Oasis-Oasis Prod-Public-0 ［DB/OL］. ［ 2021-12-24 ］. http：//oasis.caiso.com/mrioasis/logon.do http://oasis.caiso.com/mrioasis/logon.do .

CAISO . California ISO—today’s outlook ［DB/OL］. ［ 2021-12-24 ］. http：//www.caiso.com/TodaysOutlook/Pages/default.aspx http://www.caiso.com/TodaysOutlook/Pages/default.aspx .

MISO . MISO market data ［DB/OL］. ［ 2021-12-24 ］. https：//www.misoenergy.org/markets-and-operations/real-time-market-data/market-reports/ https://www.misoenergy.org/markets-and-operations/real-time-market-data/market-reports/ .

SPP . SPP integrated marketplace ［DB/OL］. ［ 2021-12-24 ］. https：//marketplace.spp.org/ https://marketplace.spp.org/ .

EPEX SPOT . EPEX SPOT home ［DB/OL］. ［ 2021-12-24 ］. https：//www.epexspot.com/en https://www.epexspot.com/en .

ENTSO-E . ENTSO-E transparency platform ［DB/OL］. ［ 2021-12-24 ］. https：//transparency.entsoe.eu/ https://transparency.entsoe.eu/ .

Nord Pool . Nord Pool home ［DB/OL］. ［ 2021-12-24 ］. https：//transparency.entsoe.eu/ https://transparency.entsoe.eu/ .

AEMO . AEMO data （NEM）［DB/OL］. ［ 2021-12-24 ］. https：//www.aemo.com.au/energy-systems/electricity/national-electricity-market-nem/data-nem/ https://www.aemo.com.au/energy-systems/electricity/national-electricity-market-nem/data-nem/ .

MITRIDATI L ， PINSON P . A Bayesian inference approach to unveil supply curves in electricity markets ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 3 ）： 2610 - 2620 .

KIANNEJAD M ， SALEHIZADEH M R ， OLOOMI-BUYGI M ， et al . Artificial neural network approach for revealing market competitors’ behavior ［J］. IET Generation ， Transmission & Distribution， 2020 ， 14 （ 7 ）： 1292 - 1297 .

CORONATI A ， ANDRADE J R ， BESSA R J . A deep learning method for forecasting residual market curves ［J］. Electric Power Systems Research ， 2021 ， 190 ： 106756 .

SOLOVIOVA M ， VARGIOLU T . Efficient representation of supply and demand curves on day-ahead electricity markets ［J］. The Journal of Energy Markets ， 2021 ， 14 （ 1 ）： 99 - 126 .

KEKATOS V ， GIANNAKIS G B ， BALDICK R . Online energy price matrix factorization for power grid topology tracking ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 3 ）： 1239 - 1248 .

GU Y X ， ZHENG K D ， WANG Y ， et al . An online approach for partial topology recovery in LMP markets ［J］. International Journal of Electrical Power & Energy Systems ， 2022 ， 134 ： 107384 .

BIRGE J R ， HORTAÇSU A ， PAVLIN J M . Inverse optimization for the recovery of market structure from market outcomes： an application to the MISO electricity market ［J］. Operations Research ， 2017 ， 65 （ 4 ）： 837 - 855 .

ZHENG K D ， CHEN Q X ， WANG Y ， et al . Unsupervised congestion status identification using LMP data ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 1 ）： 726 - 736 .

ZHENG K D ， CHEN H Y ， WANG Y ， et al . Data-driven financial transmission right scenario generation and speculation ［J］. Energy ， 2022 ， 238 ： 122056 .

SAEZ-GALLEGO J ， MORALES J M ， ZUGNO M ， et al . A data-driven bidding model for a cluster of price-responsive consumers of electricity ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 6 ）： 5001 - 5011 .

LU T G ， WANG Z Y ， WANG J H ， et al . A data-driven Stackelberg market strategy for demand response-enabled distribution systems ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 2345 - 2357 .

CARRIERE T ， KARINIOTAKIS G . An integrated approach for value-oriented energy forecasting and data-driven decision-making application to renewable energy trading ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 6 ）： 6933 - 6944 .

YE Y J ， QIU D W ， SUN M Y ， et al . Deep reinforcement learning for strategic bidding in electricity markets ［C］// 2020 IEEE Power & Energy Society General Meeting （PESGM）， August 2-7 ， 2020 ， Montreal， Canada .

贾乾罡，陈思捷，李亦言，等 . 有限信息环境下基于学习自动机的发电商竞价策略［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 133 - 139 .

JIA Qiangang ， CHEN Sijie ， LI Yiyan ， et al . Learning automata based bidding strategy for power suppliers in incomplete information environment ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 133 - 139 .

JIA Q G ， LI Y Y ， YAN Z ， et al . A reinforcement-learning-based bidding strategy for power suppliers with limited information ［J］. Journal of Modern Power Systems and Clean Energy ， 2022 ， 10 （ 4 ）： 1032 - 1039 .

LIU Y K ， ZHANG D X ， GOOI H B . Data-driven decision-making strategies for electricity retailers： a deep reinforcement learning approach ［J］. CSEE Journal of Power and Energy Systems ， 2021 ， 7 （ 2 ）： 358 - 367 .

孙庆凯，王小君，王怡，等 . 基于多智能体Nash-Q强化学习的综合能源市场交易优化决策［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 124 - 133 .

SUN Qingkai ， WANG Xiaojun ， WANG Yi ， et al . Optimal trading decision-making for integrated energy market based on multi-agent Nash-Q reinforcement learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 124 - 133 .

李宏仲，吕勇荡 . 数据驱动下的日前市场发电商智能决策方法［J/OL］. 电网技术： 1 - 13 ［ 2022-07-07 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？FileName=DWJS20220301005&DbName=DKFX2022 https://kns.cnki.net/kcms/detail/detail.aspx?FileName=DWJS20220301005&DbName=DKFX2022 .

LI Hongzhong ， LV Yongdang . Data-driven intelligent decision-making method for day-ahead market power generation companies ［J］. Power System Technology： 1 - 13 ［ 2022-07-07 ］. https：//kns.cnki.net/kcms/detail/detail.aspx？FileName=DWJS20220301005&DbName=DKFX2022 https://kns.cnki.net/kcms/detail/detail.aspx?FileName=DWJS20220301005&DbName=DKFX2022 .

BALTAOGLU S ， TONG L ， ZHAO Q . Algorithmic bidding for virtual trading in electricity markets ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 1 ）： 535 - 543 .

SAMANI E ， KOHANSAL M ， MOHSENIAN-RAD H . A data-driven convergence bidding strategy based on reverse engineering of market participants’ performance： a case of California ISO ［J］. IEEE Transactions on Power Systems ， 2022 ， 37 （ 3 ）： 2122 - 2136 .

韩冬，黄微，严正 . 基于深度强化学习的电力市场虚拟投标策略［J］. 中国电机工程学报， 2022 ， 42 （ 4 ）： 1443 - 1455 .

HAN Dong ， HUANG Wei ， YAN Zheng . Deep reinforcement learning for virtual bidding in electricity markets ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 4 ）： 1443 - 1455 .

NANDURI V ， DAS T K . A reinforcement learning model to assess market power under auction-based energy pricing ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 1 ）： 85 - 95 .

SANAYHA M ， VATEEKUL P . Model-based deep reinforcement learning for wind energy bidding ［J］. International Journal of Electrical Power & Energy Systems ， 2022 ， 136 ： 107625 .

RAHIMIYAN M ， MASHHADI H R . An adaptive Q-learning algorithm developed for agent-based computational modeling of electricity market ［J］. IEEE Transactions on Systems， Man， and Cybernetics： Part C （Applications and Reviews）， 2010 ， 40 （ 5 ）： 547 - 556 .

CHEN Q X ， GUO H Y ， ZHENG K D ， et al . Learning individual offering strategy ［M］// Data Analytics in Power Markets . Singapore ： Springer Nature Singapore ， 2021 ： 239 - 263 .

ZHU Z Q ， WING CHAN K ， BU S Q ， et al . Real-time interaction of active distribution network and virtual microgrids： market paradigm and data-driven stakeholder behavior analysis ［J］. Applied Energy ， 2021 ， 297 ： 117107 .

YE Y J ， QIU D W ， LI J ， et al . Multi-period and multi-spatial equilibrium analysis in imperfect electricity markets： a novel multi-agent deep reinforcement learning approach ［J］. IEEE Access ， 2019 ， 7 ： 130515 - 130529 .

DU Y ， LI F X ， ZANDI H L ， et al . Approximating Nash equilibrium in day-ahead electricity market bidding with multi-agent deep reinforcement learning ［J］. Journal of Modern Power Systems and Clean Energy ， 2021 ， 9 （ 3 ）： 534 - 544 .

DORASZELSKI U ， LEWIS G ， PAKES A . Just starting out： learning and equilibrium in a new market ［J］. American Economic Review ， 2018 ， 108 （ 3 ）： 565 - 615 .

黎小林，周保荣，赵文猛，等 . 电力市场仿真平台建设的关键问题与功能设计［J］. 南方电网技术， 2018 ， 12 （ 12 ）： 23 - 29 .

LI Xiaolin ， ZHOU Baorong ， ZHAO Wenmeng ， et al . Key problems and function design for the construction of electricity market simulation platform ［J］. Southern Power System Technology ， 2018 ， 12 （ 12 ）： 23 - 29 .

KOHANSAL M ， MOHSENIAN-RAD H . A closer look at demand bids in California ISO energy market ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 4 ）： 3330 - 3331 .

KOHANSAL M ， SADEGHI-MOBARAKEH A ， MOHSENIAN-RAD H . A data-driven analysis of supply bids in California ISO market： price elasticity and impact of renewables ［C］// 2017 IEEE International Conference on Smart Grid Communications （SmartGridComm）， October 23-27 ， 2017 ， Dresden， Germany ： 58 - 63 .

SAMANI E ， MOHSENIAN-RAD H . A data-driven study to discover， characterize， and classify convergence bidding strategies in California ISO energy market ［C］// 2021 IEEE Power & Energy Society Innovative Smart Grid Technologies Conference ， February 16-18 ， 2021 ， Washington DC， USA ： 1 - 5 .

彭大健，裴玮，肖浩，等 . 数据驱动的用户需求响应行为建模与应用［J］. 电网技术， 2021 ， 45 （ 7 ）： 2577 - 2586 .

PENG Dajian ， PEI Wei ， XIAO Hao ， et al . Data-driven consumer demand response behavior modelization and application ［J］. Power System Technology ， 2021 ， 45 （ 7 ）： 2577 - 2586 .

RUIZ C ， CONEJO A J ， BERTSIMAS D J . Revealing rival marginal offer prices via inverse optimization ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 3 ）： 3056 - 3064 .

RISANGER S ， FLETEN S E ， GABRIEL S A . Inverse equilibrium analysis of oligopolistic electricity markets ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 6 ）： 4159 - 4166 .

LI Y P ， WANG X Z ， CHENG C T ， et al . A data-driven bilevel model for estimating operational information of a neighboring rival’s reservoir in a competitive context ［J］. IEEE Access ， 2021 ， 9 ： 159640 - 159651 .

ZHAO H ， ZHAO J H ， QIU J ， et al . Data-driven risk preference analysis in day-ahead electricity market ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 3 ）： 2508 - 2517 .

GUO H Y ， CHEN Q X ， XIA Q ， et al . Deep inverse reinforcement learning for objective function identification in bidding models ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 6 ）： 5684 - 5696 .

TANG Q H ， GUO H Y ， CHEN Q X . Multi-market bidding behavior analysis of energy storage system based on inverse reinforcement learning ［J］. IEEE Transactions on Power Systems ， 2022 ， 99 ： 0518 .

华回春，邓彬，刘哲，等 . 基于变分自编码高斯混合模型的发电企业串谋智能预警［J］. 电力系统自动化， 2022 ， 46 （ 4 ）： 188 - 196 .

HUA Huichun ， DENG Bin ， LIU Zhe ， et al . Intelligent early-warning of collusion between power generation enterprises based on variational autoencoding Gaussian mixture model ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 4 ）： 188 - 196 .

孙波，邓瑞林，谢敬东，等 . 基于排序多元Logit模型的卡特尔类机组串谋竞价识别［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 109 - 115 .

SUN Bo ， DENG Ruilin ， XIE Jingdong ， et al . Collusion bidding identification of cartel-type generators based on ordered Logit model ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 109 - 115 .

国家能源局 . 电力现货市场信息披露办法（暂行）［EB/OL］.（ 2020-11-06 ）［ 2022-05-07 ］. http：//zfxxgk.nea.gov.cn/2020-11/06/c_139573026.htm http://zfxxgk.nea.gov.cn/2020-11/06/c_139573026.htm .

National Energy Administration . Temporary information disclosure measures of spot power market ［EB/OL］. （ 2020-11-06 ）［ 2022-05-07 ］. http：//zfxxgk.nea.gov.cn/2020-11/06/c_139573026.htm http://zfxxgk.nea.gov.cn/2020-11/06/c_139573026.htm .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Hybrid Model-driven and Data-driven Approach to Price Forecasting in Bilateral Contract Electricity Markets

Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism

Related Author

Hongye GUO

Kedi ZHENG

Qinghu TANG

Xichen FANG

Qixin CHEN

Yapeng LI

Xu HAN

Xuguang YU

Related Institution

Faculty of Electronic Information & Electrical Engineering, Dalian University of Technology

Institute of Hydropower & Hydroinformatics, Dalian University of Technology

Kunming Power Exchange Center Company Limited

State Grid Corporation of China

State Grid Shanxi Electric Power Company

⁰