Natural-gas storage modelling by deep reinforcement learning
Created by
- Haebom
Category
Empty
저자
Tiziano Balaconi, Aldo Glielmo, Marco Taboga
개요
GasRL은 자연 가스 시장의 보정된 표현과 심층 강화 학습(RL)으로 훈련된 저장 운영자 정책 모델을 결합한 시뮬레이터입니다. 이를 사용하여 최적의 비축 관리가 균형 가격과 수요 및 공급의 역학에 미치는 영향을 분석합니다. 여러 RL 알고리즘을 테스트한 결과, Soft Actor Critic (SAC)가 GasRL 환경에서 우수한 성능을 보였습니다. 수익성, 견고한 시장 청산 및 가격 안정화를 포함한 저장 운영자의 여러 목표를 성공적으로 달성했습니다. 또한, SAC에서 파생된 최적 정책에 의해 유도된 균형 가격 역학은 변동성과 계절성과 같은 실제 가격과 밀접하게 일치하는 특성을 가지고 있습니다. 이 가격의 역사적 분포에 대한 일치는 모델을 가격 데이터에 명시적으로 보정하지 않고 얻어졌습니다. EU가 의무화한 최소 저장 임계값의 효과를 평가하는 데 이 시뮬레이터를 사용하는 방법을 보여줍니다. 이러한 임계값이 공급 충격 분포의 예상치 못한 변화에 대한 시장 회복력에 긍정적인 영향을 미치는 것을 발견했습니다. 예를 들어, 이례적으로 큰 충격이 발생할 경우, 임계값이 있는 경우 시장 혼란이 더 자주 방지됩니다.
시사점, 한계점
•
시사점:
◦
SAC 알고리즘이 가스 시장 시뮬레이션에서 여러 목표를 성공적으로 달성했습니다.
◦
SAC에서 파생된 최적 정책은 실제 가격의 변동성과 계절성과 유사한 특징을 보였습니다.
◦
모델을 가격 데이터에 명시적으로 보정하지 않고도 실제 가격 분포에 근접하게 일치하는 결과를 얻었습니다.
◦
EU의 최소 저장 임계값이 시장 회복력에 긍정적인 영향을 미치는 것으로 나타났습니다.
•
한계점:
◦
논문에서 한계점에 대한 직접적인 언급은 없음.
