[发明专利]一种最优竞价策略求解方法

权利要求书

1.一种最优竞价策略求解方法，其特征在于：所述方法包括如下步骤：

步骤1)：建立以消费者需求曲线为基础的用户参与需求响应收益模型；

步骤2)：根据所述用户参与需求响应收益模型，结合用户参与市场的目标导向，构建参与需求响应用户的优化模型；

步骤3)：基于有限理性的用户参与需求响应优化模型的博弈互动过程，构建基于有限理性的演化博弈模型，所述基于有限理性的演化博弈模型将各用户模拟为多个种群，并且不对博弈主体的决策进行外部干预；

步骤4)：将稳定演化策略建模为马尔科夫决策过程，将演化博弈模型结合Q学习与复合微分进化的最优竞价策略学习算法进行求解。

2.如权利要求1所述的最优竞价策略求解方法，其特征在于：所述步骤1)中所述需求响应收益模型为参与辅助服务市场提供需求响应资源用户的满意度目标、市场份额目标、经济补偿目标的数学模型。

3.如权利要求1所述的最优竞价策略求解方法，其特征在于：所述步骤3)中所述演化博弈模型包括市场信息的非完全性和主体决策的不确定性。

4.如权利要求1所述的最优竞价策略求解方法，其特征在于：所述步骤2)中优化模型为：

式中：F_n为用户n的总收益；为用户n在DR时段t的弹性负荷量；P_t^LA为LA在DR时段t发布的负荷削减量需求；和分别为用户n在DR时段t的最小用电量与最大用电量；和分别为用户n在时段t最小/最大的负荷转出量/负荷削减量；为用户n在负荷谷时段τ的最大用电量；为用户n在负荷谷时段τ允许的最大负荷转入量。

5.如权利要求3所述的最优竞价策略求解方法，其特征在于：所述演化博弈模型为：

式中：为用户集合，在演化博弈过程中被模拟为生物种群，用户n对应于种群n；为种群策略集合；为种群收益集合；策略为种群n在时段t的策略集合；为种群n在DR时段t的收益集合。

6.如权利要求1所述的最优竞价策略求解方法，其特征在于：所述Q学习算法为：

式中：为种群n在时段t的第m个策略；动作为种群n在时段t的第q次学习选择策略为对手在时段t的第q次学习采取动作的集合；为种群n选取动作对应的奖励值；为种群n在时段t的第q次学习选择动作对应的Q值；α为学习速率；γ为折扣因子；为种群n依据Q值表在第(q+1)次学习选取最优动作预计获得的最大Q值回报。

7.如权利要求1所述的最优竞价策略求解方法，其特征在于：所述步骤4)中所述复合微分进化算法进行种群的个体适应度排序、复合微分进化、以及种群重构。

8.如权利要求7所述的最优竞价策略求解方法，其特征在于：所述复合微分进化算法结合所述演化博弈模型考虑竞价策略对应的竞标电量与竞标价格的非负性并计及个体变异差异性。

9.如权利要求8所述的最优竞价策略求解方法，其特征在于：所述变异差异性包括变异操作DE/best/1和DE/rand/1，所述变异操作DE/best/1和DE/rand/1为：

式中：e为演化次数；κ为变异缩放因子，有0＜κ＜1；和分别为在第(e+1)次演化，种群n在时段t进行了DE/best/1和DE/rand/1变异操作后得到的第m个新生成策略；和分别为种群n在时段t进行了DE/best/1和DE/rand/1变异操作后得到的第m个新生成竞标电量/竞标价格；和分别为在第e次演化，种群n在时段t的根据Q值表得到的最优竞标电量/竞标价格；和分别为在第e次演化，种群n在时段t的第m个竞标电量/竞标价格；和分别为在第e次演化，种群n在时段t互不相同的任意两个竞标电量/竞标价格。

10.如权利要求8所述的最优竞价策略求解方法，其特征在于：所述演化博弈模型包括复制者动态方程。