Nonconvex Game and Multi Agent Reinforcement Learning for Zonal Ancillary Markets
创建于 更新于
摘要
本报告基于非合作博弈理论，构建了多区辅助服务市场模型，将其转化为具有非凸可行域的广义纳什均衡游戏。提出了集成优化、Gauss-Seidel最优响应和多智能体深度强化学习（MARL）三种算法进行市场均衡计算。基于德奥市场真实数据实证显示，MARL方法虽需预训练但收敛最快且降低市场总成本，且市场耦合度提升可降低大区成本，但收益分配的公平性较差 [page::0][page::5][page::7][page::9]
