人工智能多智能体强化学习驱动的电力现货市场竞价策略研究
王宁1 张佳妮2

1国核电力规划设计研究院有限公司，北京市，100095；

2银河金汇证券资产管理有限公司，北京市，100073；

摘要：电力现货市场以日前申报、实时偏差和节点价格为核心信号，发电侧、售电侧、储能和虚拟电厂的报价行为会相互改变出清边界。人工智能多智能体强化学习适合处理多主体同时学习、状态部分可见和收益反馈延迟等问题。本文分析市场状态配置和约束处理，梳理智能体协同、状态建模、规则反馈和出清响应关系，提出分层建模、规则嵌入、报价空间精细化、风险评估和复盘改进策略。这一策略把报价动作控制在可出清、可履约和可复盘范围内，为电力现货交易主体构建稳健智能报价方案提供技术路径。

关键词：电力现货市场；多智能体强化学习；竞价策略；报价动作；风险控制

参考文献

[1]夏为浩,王金龙.改进深度强化学习的多智能体联合导航策略研究[J].计算机科学,2025,52(S2):246-252.

[2]张耀琪,钱程亮,张轩.基于多智能体协同的智能仓库机器人动态任务规划与仿真优化[J].智能物联技术,2026,58(7):88-92.DOI:10.26921/j.cnki.2096-6059.2026.07.018.

[3]程云祥,李江华,吴金刚,等.基于多智能体强化学习的电力设备生产管控机器人协同调度方法研究[J].科技创新与应用,2026,16(18):151-154.DOI:10.19981/j.CN23-1581/G3.2026.18.036.

[4]吴文骏,林萌龙,陈涛,等.基于多智能体强化学习的分布式作战体系通信规划方法[J].指挥与控制学报,2026,12(3):345-354.DOI:10.20278/j.jc2.2096-0204.2023.0022.

[5]荣振山,安桂清.教育多智能体赋能跨学科主题学习：发展逻辑、实现机制与应用策略[J].现代教育技术,2026,36(6):16-26.

[6]梁嘉欣,苗好田,李博由,等.基于深度强化学习的多智能体射击游戏研究[J].沈阳理工大学学报,2026,45(4):1-7.

[7]李松,王丽绮,张祺,等.基于强化学习的多智能体协同任务分配与仿真验证[J].电子技术应用,2026,52(5):16-23.DOI:10.16157/j.issn.0258-7998.257192.