【目的】随着新电改政策的深入实施和“双碳”目标的推进，新能源在电力系统中的渗透率不断提高。高比例新能源接入虽然有助于清洁能源转型，但也带来了显著的电价波动与市场不确定性风险，尤其对依赖现货交易的发电商而言，报价策略制定的复杂性大幅增加。针对传统火电企业及多类型能源主体在电能量与调频辅助服务联合市场中如何制定最优报价策略的问题，提出了一种基于近端策略优化（proximal policy optimization， PPO）的报价策略优化方法。【方法】首先，构建包含多类型发电资源参与的电能量-调频联合市场双层优化模型，并且考虑新能源配储，通过投标过程中的充放电调节实现价格平抑，提升风储联合体等市场主体的风险应对能力：上层发电商以利润最大化为目标制定报价策略；下层市场出清模型以系统运行成本最小化为目标实现联合调度。其次，将报价问题转化为马尔可夫决策过程（Markov decision process， MDP），引入深度强化学习（deep reinforcement learning，DRL）框架，并利用PPO算法实现报价策略的自主学习与动态优化。【结果】通过典型算例将所提方法与理论最优解进行对比，验证了其在提升火电企业收益、平抑新能源价格波动风险、降低市场运行成本及提升调频效率方面的优势。【结论】该方法在联合市场环境中表现出更优的策略经济性与更高的实时计算效率。

【目的】在可再生能源大规模并网与电力市场深化改革的背景下，为应对风光出力不确定性、电氢多能互补复杂性及多层级市场协同挑战，构建了多虚拟电厂（multi-virtual power plant，MVPP）与虚拟电厂调度中心（virtual power plant operator，VPPO）协同优化新架构。【方法】首先，采用Wasserstein距离构建风光出力模糊集，结合两阶段分布鲁棒优化模型量化预测误差风险；然后，建立Stackelberg-Nash双层博弈框架，VPPO作为领导者动态制定电能/氢能交易价格与资源分配策略，MVPP作为跟随者优化购售电计划、氢能调度及灵活负荷响应；最后，采用多智能体双延迟深度确定性策略梯度（multi-agent twin delayed deep deterministic policy gradient，MATD3）算法，通过集中训练分散执行机制与双重Critic网络抑制策略偏差，高效求解高维非凸问题。【结果】算例结果表明，所提策略成功实现VPPO跨市场套利收益与MVPP运行成本协同优化，显著提升算法收敛效率与策略稳定性，增强系统应对风光波动的鲁棒性及电氢协同灵活性，同时通过灵活负荷调峰服务优化资源时空分布。【结论】所提方法融合鲁棒优化与博弈理论，有效协调了电氢耦合与多市场交互矛盾，为高比例新能源并网下虚拟电厂集群的经济、鲁棒运行提供了创新解决方案。