본 과제는 가상발전소가 전력도매시장에 참여해 입찰을 더 잘하도록 돕는 심층 강화학습 기반 운영시스템을 개발하는 연구임. 연구목표는 심층 강화학습 모델을 활용한 가상발전소 입찰 최적화 기술개발이며, 핵심 연구내용은 Q러닝 구현과 DQN(Deep Q network)으로 가상발전소의 입찰(action)과 시장 상태(state)에서 성과 매트릭스 Q를 학습하는 체계 구축임. 상태함수 S(태양광 출력, 풍력 출력, 부하, 저장장치SOC, 시장 가격), 행위 a(충·방전량, 입찰가)를 정의하고, 시장가격 재반영 및 불확실성을 고려한 Price-maker 입찰을 분석함. 기대효과는 모의시간 단축, 입찰 분석 효율 증진, 불확실성 대응 및 국가 인센티브 제도 근거자료 확보, 시장 운영 효율 제고에 있음.