에너지 및 비상 예비 시장에서 에너지 저장 입찰을 위한 시간 인식 심층 강화 학습

배터리 에너지 저장 시스템(BESS)은 전력 시장에 참여함으로써 그리드의 신뢰성과 안전성을 향상시킬 수 있는 엄청난 잠재력을 가지고 있습니다. BESS는 종종 여러 시장에 참여하여 다양한 수익원 흐름을 추구하며, 이를 통해 전체 잠재력을 발휘하지만 가격 불확실성 하에서 공동 시장 참여를 위한 효과적인 알고리즘은 기존 연구에서 충분히 탐구되지 않았습니다. 이러한 격차를 해소하기 위해, 우리는 스팟 및 비상 주파수 제어 보조 서비스(FCAS) 시장에 입찰하기 위해 심층 강화 학습(DRL)을 활용하는 새로운 BESS 공동 입찰 전략을 개발합니다. 우리의 접근 방식은 변환기 기반의 시간적 특징 추출기를 활용하여 동시에 7개 시장의 가격 변동에 효과적으로 대응하고, DRL이 공동 시장 참여에서 최상의 BESS 입찰 전략을 학습하도록 돕습니다. 또한 기존의 "블랙 박스" DRL 모델과 달리, 우리의 접근 방식은 더 해석 가능하며 동적인 전력 시장에서 BESS의 시간적 입찰 행동에 대한 귀중한 통찰을 제공합니다. 우리는 호주 국가 전력 시장의 현실적인 시장 가격을 사용하여 우리의 방법을 검증합니다. 결과는 우리의 전략이 최적화 기반 및 다른 DRL 기반 전략 모두를 포함한 벤치마크를 실질적으로 초월함을 보여줍니다. 우리의 발견은 또한 효과적인 시간 인식 입찰이 개별 시장 참여에 비해 스팟 및 비상 FCAS 시장에서 수익을 크게 증가시킬 수 있음을 시사합니다.