[論文レビュー] Learning from Past Bids to Participate Strategically in Day-Ahead Electricity Markets

Ruidi Chen, Ioannis Ch. Paschalidis+2 more|arXiv (Cornell University)|Nov 14, 2018

Electric Power System Optimization参考文献 22被引用数 4

ひとこと要約

本稿では、歴史的市場調整価格および生産水準から電力卸売業者の費用関数を逆最適化によって推定する手法を提案し、前日市場における戦略的入札を可能にする。競合の費用構造を学習することで、利益を最大化するナッシュ均衡入札を算出可能となり、数値実験では推定された費用関数に基づく入札と真の費用に基づく入札の間に強い一致が得られた。

ABSTRACT

We consider the process of bidding by electricity suppliers in a day-ahead market context where each supplier bids a linear non-decreasing function of her generating capacity with the goal of maximizing her individual profit given other competing suppliers' bids. Based on the submitted bids, the market operator schedules suppliers to meet demand during each hour and determines hourly market clearing prices. Eventually, this game-theoretic process reaches a Nash equilibrium when no supplier is motivated to modify her bid. However, solving the individual profit maximization problem requires information of rivals' bids, which are typically not available. To address this issue, we develop an inverse optimization approach for estimating rivals' production cost functions given historical market clearing prices and production levels. We then use these functions to bid strategically and compute Nash equilibrium bids. We present numerical experiments illustrating our methodology, showing good agreement between bids based on the estimated production cost functions with the bids based on the true cost functions. We discuss an extension of our approach that takes into account network congestion resulting in location-dependent prices.

研究の動機と目的

• 競合の入札についての情報が欠如する前日電力市場における戦略的入札の課題に対処すること。
• 歴史的市場調整価格および発電量を用いて、競合の発電費用関数を推定し、競合の詳細を直接知らなくても均衡入札を可能にすること。
• 推定された費用関数に基づいてナッシュ均衡入札を計算する手法を開発し、競争的入札を上回る利益を実現すること。
• ネットワークの混雑に起因する場所依存価格に対応するため、『価格島』を特定し、各々の島における限界供給者を分析することで、アプローチを拡張すること。
• 市場参加者が推定された費用関数に基づいて戦略的に入札できるフレームワークを提供するとともに、規制当局が市場力の乱用を検出できるようにすること。

提案手法

• 歴史的データ（市場調整価格および生産水準を含む）から電力卸売業者の費用関数を逆最適化によって推定する。
• 過去の市場結果を最もよく説明する費用関数のパラメータ（発電量に比例）を特定するために、ランダムサーチアルゴリズムを適用する。
• 推定アルゴリズムに確率的収束保証を課し、外れ値データに対しても強い性能を確保する。
• 供給関数均衡（SFE）として市場をモデル化し、供給者が容量の線形かつ非減少関数として入札する。
• ネットワーク混雑に対応するため、均一な調整価格を持つ領域（『価格島』）を特定し、各々の島で限界供給者が価格を決定するとする。
• 各価格島および各観測ごとに逆問題を別々に解き、時間的および混雑状態に応じて限界供給者の集合が変化するのを扱えるようにする。

実験結果

リサーチクエスチョン

• RQ1 電力卸売業者が、競合の入札について直接の知識を持たない前日市場において、どのように戦略的に入札できるか？
• RQ2 歴史的市場調整価格および生産水準を用いて、競合の電力卸売業者の費用関数を正確に推定できるか？
• RQ3 推定された費用関数が、競争的市場環境下での真の均衡入札行動をどの程度正確に再現できるか？
• RQ4 逆最適化フレームワークは、ネットワーク混雑に起因する場所依存価格に対応するためにどのように拡張できるか？
• RQ5 推定アルゴリズムの収束特性は何か？また、未知の市場状態への一般化性能はどの程度高いか？

主な発見

• 逆最適化アプローチは、強力な指数的確率的収束保証のもとで費用関数のパラメータを的確に回復できた。
• 数値実験の結果、推定された費用関数に基づく入札が真の費用関数に基づく入札と強く一致しており、推定の高精度さが裏付けられた。
• 外れ値データに対しても一般化性能が高く、戦略的入札行動の予測に耐性があることが示された。
• ネットワーク混雑への拡張は、『価格島』の特定および各島内での限界供給者の分析に効果的に機能し、混雑に起因する価格差を的確に捉えた。
• 本手法は、合成的または仮想的な発電所に対しても適用可能であり、金融契約や需要応答集約者に対する費用関数の推定が可能になった。
• 本フレームワークは、卸売業者の戦略的入札支援と規制当局による市場力乱用の検出の両方に有効であり、市場設計および監視において二重の利点を提供する。