竞价上网的方式和竞价策略是电力市场理论研究的一个难点，有很强的随机性和实时性要求。该问题不仅与电力市场的经济效益有关，而且直接影响电力系统的安全性和可靠性。对一个发电商来说，竞价决策和其运行优化有密切关系，其竞目标是要获取最大利润。发电公司可以通过两种方式来增加企业利润：一是降低成本来增加利润，二是通过策略性报价即合法的使用市场力来增加利润。
（文章出自微信公众号电力市场观察 ID：cloudPowerMarket）
在单一购电模式下的发电企业上网竞价策略模型应具备以下特点：
(1)假设市场中报价是理性的，交易规则是规范的，这样可以保证预测的边际电价能比较真实地反映电力作为商品的特性。竞价模型从发电企业报价角度考虑，假设某发电企业在决策本企业单台机组的竞价策略时可以忽略其对其他企业报价策略的影响，忽略备用和网络阻塞的影响。
(2)进人市场的发电企业，根据交易与调度中心发布的市场信息（系统负荷、备用情况）预测未来时段的市场成交电价，提交自己的竞价曲线。
(3)发电企业的竞价原则是在满足合理收入的前提条件下期望利润最大化。根据经济学的意义，发电企业的供给函数应位于平均成本曲线以上的边际成本曲线，这样才能保证一定的盈利。报价过高，可能获得的回报也就较高，但失去发电机会的风险也大；反之，报价较低，获得发电的机会比较大，但存在无法收回成本的可能。最优报价应是两者的最佳协调。
(4)市场交易与调度中心按各发电企业的报价逐步加载机组直到满足系统负荷需求。其中加载机组还要考虑机组启、停机费用、技术出力和爬坡速率限制等约束条件。
目前国外关于竞价策略的理论，已经有十几种之多，阐述报价策略的动态规划法、序优化法和博弈论等方法，然后重点阐述我们给出的报价策略分析方法——遗传算法报价策略模型及实现方法。
一、报价策略分析的动态规划法
动态规划是解决多阶段决策过程最优化问题的一种方法。
动态规划算法主要不足是“维数灾”的问题，尤其对于随机模型，“维数灾”的问题更加突出，通常采用的主要措施有：限制各时段的状态数，限制各时段间的转移路径数，简化机组的费用特性，在启动每一时段的可行状态及可行转移路径时用最小容许运行时间进行限制。因此简化求解动态随机系统最优策略的马尔可夫决策规划，即根据边际电价预测值的概率修正值，将随机性模型转化为确定性模型。
二、报价策略分析的序优化法
序优化法是可以用来解决某些含有大量随机性决策优化问题的算法。
三、报价策略分析的博弈论方法
博弈论是研究两个或两个以上的利益主体，在相互作用的情况下，如何进行各自优化决策的理论。在电力市场报价决策当中，发电企业会有意或无意地运用博弈方法对市场进行操纵和控制。
四、报价策略分析的遗传算法
近年来，新出现的人工智能技术（如神经网络、混沌理论、遗传算法等）已越来越多地应用于电力工业领域。其中遗传算法（GeneticAlgorithms简称GA)是一种基于自然选择和群体遗传学的随机、迭代、进化和并行搜索的算法。与传统方法相比，它具有可并行性、全局最优性、不依赖问题模型的特性，计算简单、鲁棒性强等优点。
作为一个独立的电力供应商来说，重要的是，如何给出自己的报价曲线而得到最大利润。但是在新的电力市场结构下，一个独立的电力供应商能够得到的报价信息是有限的，如总的需求电童、燃料价格、传输损耗以及其他报价者的报价策略等，使得报价过程充满了随机因素和一定的风险，而传统的方法不能很好地解决报价策略问题。
遗传算法在发电企业报价策略中的应用，其主要的优点在于允许直接检验一个电力市场中发电企业报价策略的一般性假设。以一定前提条件为基础，例如我们首先假设竞价利润与机组容量和系统结算电价相关，并进一步假设前者与后两者的相关形式，然后测试大量的可能的交易规则，并从中搜索出有利的报价策略。遗传算法对问题域的信息要求很少，而且其高效和灵活的特性对于制定报价策略将非常有效。
遗传算法的寻优过程可以理解为：机组在正常运行条件下，根据预测未来时段的市场结算电价或接受市场发布的信息，满足约束条件的限制，通过目标函数评价其优劣。适应性差的被淘汰，只有适应性强的才有机会将其特征遗传至下一轮解，最后获得最优解，产生自己的报价策略。
根据具体问题的特点设置编码、构造适应度函数、产生初始种群和进行遗传操作是遗传算法优化的几个关键步骤。适宜的编码，能减少搜索空间的范围，同时进行遗传操作时不会产生无效个体；有效的适应度函数是实现“优胜劣汰”的进化原则；初始种群的合理选择则体现了遗传箅法并行性和全局搜索的概念；遗传操作是遗传算法获取优良个体和避免进化停止、过早收敛的重要手段。
原标题:知识百科|竞价策略分析方法
