[论文解读] 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 4

一句话总结

本文提出一种逆优化方法，通过历史市场出清价格和发电量估计电力供应商的成本函数，实现在日前市场中的战略投标。通过学习竞争对手的成本结构，供应商可计算出最大化利润的纳什均衡出价，数值实验表明估计出价与真实基于成本的出价高度一致。

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.

研究动机与目标

• 解决在供应商缺乏对竞争对手出价信息的情况下，日前电力市场中的战略投标挑战。
• 利用历史市场出清价格和发电量估计竞争对手的生产成本函数，实现在不了解竞争者情况下的均衡出价。
• 开发一种基于估计成本函数计算纳什均衡出价的方法，使利润超越竞争性出价。
• 通过识别“价格孤岛”并分析每个孤岛内的边际供应商，将方法扩展至处理因网络阻塞导致的节点电价差异。
• 为市场参与者提供一种基于推断成本函数进行战略投标的框架，同时为监管机构提供检测市场势力滥用的工具。

提出的方法

• 使用逆优化从历史数据（包括市场出清价格和发电量）中估计供应商的成本函数。
• 应用随机搜索算法，识别能最好解释历史市场结果的成本函数参数（与发电量成比例）。
• 为估计算法施加概率收敛保证，确保其在样本外数据上的强性能。
• 将市场建模为供给函数均衡（SFE），其中供应商以容量的线性非减函数形式出价。
• 通过识别“价格孤岛”（即具有同质出清价格的区域）并分析每个孤岛内的边际供应商，将框架扩展以处理网络阻塞。
• 对每个价格孤岛和每组观测数据分别求解逆问题，以适应随时间与阻塞状态变化的边际供应商集合。

实验结果

研究问题

• RQ1 当供应商缺乏对竞争对手出价的直接了解时，如何在日前市场中实现战略投标？
• RQ2 能否利用历史市场出清价格和发电量准确推断出竞争供应商的成本函数？
• RQ3 在竞争性市场环境下，估计出的成本函数在多大程度上能复现真实的均衡出价行为？
• RQ4 如何将逆优化框架调整以处理由网络阻塞引起的节点电价差异？
• RQ5 该估计算法的收敛特性如何？其在未见市场条件下的泛化能力如何？

主要发现

• 逆优化方法成功恢复了成本函数参数，并具备强指数型概率收敛保证。
• 数值实验表明，基于估计成本函数计算出的出价与基于真实成本函数推导出的出价高度一致，表明估计精度高。
• 该方法在样本外数据上泛化良好，表现出对预测战略投标行为的稳健性。
• 对网络阻塞的扩展有效识别了“价格孤岛”，并分析了各孤岛内边际供应商，成功捕捉了阻塞驱动的价格差异。
• 该方法可应用于合成或虚拟发电机，实现对金融合约或需求响应聚合商成本函数的估计。
• 该框架既支持供应商进行战略投标，也支持监管机构检测市场势力滥用，为市场设计与监控提供双重应用价值。