DDPG 기반 VPP 전력시장 입찰 최적화

분산형 재생에너지원의 확산은 가상 발전소(VPP)의 지능형 입찰 전략 필요성을 증대시키고 있으며, 이를 위해 신뢰할 수 있는 통신 및 실시간 정보 교환이 필수적입니다. 본 연구는 전력 현물 시장에 참여하는 VPP를 위한 최적 입찰 경로 구성 프레임워크를 제안하며, 심층 결정론적 정책 경사(DDPG) 강화 학습 알고리즘을 기반으로 합니다. 동적 시장 상호작용을 특성화하기 위해 마르코프 결정 과정을 수립하고, Actor–Critic 아키텍처에 맞춤형 상태 공간 최적화, 제약된 행동 공간 설계, 다목적 보상 함수를 통합하여 운영 제약을 충족하면서 경제적 수익을 극대화합니다. 또한, 엣지 컴퓨팅 및 저지연 정보 교환을 활용하는 통신 인식 자원 조정 메커니즘을 통합하여 불확실한 재생에너지 발전 및 변동성 높은 시장 조건에서 의사결정의 일관성을 강화합니다. 실험 결과, 개선된 DDPG 알고리즘은 기존 DDPG 대비 일일 평균 수익을 39.1% 증가시키고, 수렴 속도를 약 15% 단축하며, 수익 변동성을 12% 감소시켰습니다. 또한, 제약 위반율은 1.2%로 유지되었습니다. 본 방법론은 지능형 에너지 스케줄링 외에도 통신 지원 전력 시스템, 분산형 전자기 정보 네트워크, 적응형 의사결정 및 신뢰할 수 있는 다중 노드 정보 교환이 필요한 무선 조정 인프라에 대한 귀중한 통찰력을 제공합니다.