[論文レビュー] Machine learning applications for electricity market agent-based models: A systematic literature review

Alexander Kell, A. Stephen McGough+1 more|arXiv (Cornell University)|Jun 5, 2022

Electric Power System Optimization被引用数 6

ひとこと要約

本系統的文献レビューでは、2016年から2021年までの電力市場におけるエージェントベースモデル（ABMs）における機械学習（ML）の応用を分析した55篇の論文を対象としている。研究は強化学習を用いた入札戦略に集約されている一方で、地域市場、炭素排出予測、システム全体の最適化といった未開拓分野が浮き彫りにされており、これらのロングテール分野における高インパクトな研究機会が示唆されている。

ABSTRACT

The electricity market has a vital role to play in the decarbonisation of the energy system. However, the electricity market is made up of many different variables and data inputs. These variables and data inputs behave in sometimes unpredictable ways which can not be predicted a-priori. It has therefore been suggested that agent-based simulations are used to better understand the dynamics of the electricity market. Agent-based models provide the opportunity to integrate machine learning and artificial intelligence to add intelligence, make better forecasts and control the power market in better and more efficient ways. In this systematic literature review, we review 55 papers published between 2016 and 2021 which focus on machine learning applied to agent-based electricity market models. We find that research clusters around popular topics, such as bidding strategies. However, there exists a long-tail of different research applications that could benefit from the high intensity research from the more investigated applications.

研究の動機と目的

• 電力市場におけるエージェントベースモデル（ABMs）内での機械学習（ML）および人工知能（AI）の応用分野を分類・マッピングすること。
• 電力市場シミュレーションにおけるML-ABM統合の分野で支配的である研究テーマ、技術、アルゴリズムの好みを特定すること。
• ML強化ABMにおけるエネルギーシステム分野における未開拓の研究分野を同定し、今後の研究の新たな方向性を提案すること。
• MLが電力市場の市場ダイナミクス、予測、政策に影響を与えるシステム最適化に与える影響を評価すること。

提案手法

• 2016年から2021年までの間に発表された、電力市場におけるABMsにおけるML応用に関する55篇の査読済み論文を対象とした系統的文献レビューを実施した。
• 市場タイプ（国際的／国レベル、地域的）、応用分野（例：入札、予測、料金設計）、使用されたML/AI技術ごとに論文を分類した。
• アルゴリズムを以下のクラスタに分類した：強化学習、遺伝的アルゴリズム、粒子群最適化、ゲーム理論、最適化ヒューリスティクス。
• 応用分野ごとの研究焦点の分布をマッピングし、支配的テーマとロングテール応用を特定した。
• 研究が市場全体の成果を評価するのに対し、エージェントのマイクロレベル行動に注目する程度を評価した。
• 主題的合成を用いて、複数の研究間の類似点と相違点を比較し、研究ギャップを同定した。

実験結果

リサーチクエスチョン

• RQ1 ML強化ABMにおける電力市場で最も頻繁に研究されている応用分野は何か？
• RQ2 ABMを用いた電力市場研究において、主に使用されている機械学習およびAI技術は何か？
• RQ3 研究活動は、国際的／国レベルの電力市場と比較して、地域電力市場など、異なる市場タイプにどのように分布しているか？
• RQ4 既存の研究は、エージェント行動が市場の安定性や効率性に与えるマクロレベルの影響をどの程度評価しているか？
• RQ5 現在の文献において、未開拓または未十分に研究されている応用分野は何か？

主な発見

• 大多数の研究（特に国際的／国レベル市場）は入札戦略に注目しており、強化学習が主要なML技術として支配的である。
• 調査された論文のうち18％しか地域電力市場に焦点を当てていないため、分散型再生可能エネルギー統合の重要性を鑑みれば、顕著な研究ギャップが存在する。
• 炭素排出予測、グリッド制御、二国間取引といった応用分野は未開拓であり、潜在的な研究機会のロングテールを形成している。
• 大多数の研究は個々の入札、需要応答などのマイクロレベル行動に注目しており、システム全体の最適化や政策に影響を与えるパrameterチューニングにはあまり注目が集まっていない。
• 唯一の研究がゲーム理論的手法を明示的に使用していたが、それは第二価格オークションに限定されており、不確実な環境下での戦略的相互作用の探求は限定的であった。
• 入札戦略といった、研究が盛んな分野の知見は、マイクログリッド管理などの他の応用分野に一般化可能であり、ドメイン間の転送可能性が極めて高いことが示唆された。