[论文解读] Automated Linear Function Submission-based Double Auction for Emergent Real-Time Pricing in a Regional Smart Grid.

Tadahiro Taniguchi, Koki Kawasaki+2 more|arXiv (Cornell University)|Mar 22, 2015

Smart Grid Energy Management参考文献 30被引用 2

一句话总结

本文提出了一种基于线性函数申报的双拍卖机制（LFS-DA），通过使其价格动态与基于对偶分解的实时电价（RTP）算法保持一致，实现实时区域智能电网中供需的精确平衡。该方法通过多 agents 申报的买价/卖价线性函数实现自动、涌现式定价，从而实现社会福利最大化。

ABSTRACT

This paper presents a clarification of the relationship between a real-time pricing (RTP) algorithm, which we derived on the basis of a dual decomposition framework, and a linear function submission-based double auction (LFS-DA) algorithm for regional smart grids. The double auction technique involves the use of linear demand and supply functions by multi-agents when they submit bids and asks to an auctioneer in a regional electricity market. In this paper, we introduce a concise LFSDA method, which is able to achieve an exact balance between electricity demand and supply for each time slot throughout learning phase. We proved that the price profile dynamics of the LFS-DA method are equal to those achieved by RTP controlled by the algorithm derived from the dual decomposition framework after deriving the RTP algorithm. This means that the price controller emerging as a result of the use of the double auction technique can maximize the social welfare of the regional smart grid. A simulation experiment was used to examine the validity of the proposed mechanism.

研究动机与目标

• 阐明基于对偶分解的实时电价（RTP）算法与基于线性函数申报的双拍卖（LFS-DA）在区域智能电网中的等价性。
• 开发一种简洁的 LFS-DA 机制，确保在学习阶段所有时间片均实现精确的供需平衡。
• 证明 LFS-DA 所涌现的价格配置与基于对偶分解框架推导出的最优价格动态完全一致。
• 通过仿真验证该机制在最大化社会福利方面的有效性。

提出的方法

• LFS-DA 机制通过多 agents 在区域电力市场中向拍卖人申报线性需求与供给函数。
• 拍卖人根据汇总的买价与卖价，确定清算价格与数量以完成市场出清。
• 该方法在数学上被证明可产生与基于对偶分解推导出的 RTP 算法完全相同的动态价格。
• 通过迭代学习与价格调整，系统在每个时间片均实现精确的供需平衡。
• 该框架整合了经济效率原则，以在去中心化的区域电网运行中实现社会福利最大化。

实验结果

研究问题

• RQ1 LFS-DA 机制的价格配置与基于对偶分解的实时电价算法相比如何？
• RQ2 LFS-DA 机制是否能在学习阶段的所有时间片实现精确的供需平衡？
• RQ3 LFS-DA 机制在多大程度上实现了区域智能电网中的社会福利最大化？
• RQ4 基于对偶分解的 RTP 与双拍卖机制在价格动态方面存在何种关系？

主要发现

• LFS-DA 机制的价格动态与基于对偶分解的 RTP 算法完全一致，证实了其在定价结果上的等价性。
• LFS-DA 机制在学习阶段成功实现了所有时间片的精确供需平衡，确保了市场出清。
• LFS-DA 所涌现的定价机制实现了区域智能电网中的社会福利最大化，其理论等价性已证明与最优 RTP 解一致。
• 仿真结果验证了所提机制在实时电力市场运行中的有效性与稳定性。