Learning to Bid in Forward Electricity Markets Using a No-Regret Algorithm

目前电力市场文献中常见的做法是使用博弈论方法进行战略性定价竞标。然而，它们通常依赖于这样的假设，即战略性竞标者具有对竞争对手的出价的先前知识，无论是完全的还是有一定的不确定性。这不一定是一个现实的假设。本文采取了不同的方法，放宽了这种假设，并利用一种针对重复博弈的无悔学习算法。特别是，通过使用关于竞争对手出价的\emph{a posteriori}信息，学习者可以实施无悔算法来优化她/他的决策。在获得这些信息的情况下，我们利用一个多项式权重更新算法，通过适应竞标策略来减少她/他的遗憾。我们的数值结果表明，当使用所提出的学习方法时，社会成本和市场清算价格可能会高于对应于经典博弈论方法的价格。对市场监管机构的启示是，电力市场可能会面临比经典分析所显示的供应商更大的市场力量。

论文尝试通过放宽竞标者事先了解竞争对手出价的假设，利用无悔学习算法来优化竞标决策，解决电力市场竞价策略问题。

利用后验信息和多项式权重更新算法，适应多轮拍卖中的竞标策略，最小化遗憾值，提高社会成本和市场清算价格。

实验结果表明，使用论文提出的学习方法，电力市场可能会暴露出更大的供应商市场力量，需要监管机构关注。

与该论文相关的研究包括：电力市场竞价策略的博弈论方法、竞价策略的机器学习方法等。