| تعداد نشریات | 61 |
| تعداد شمارهها | 2,224 |
| تعداد مقالات | 18,148 |
| تعداد مشاهده مقاله | 55,931,152 |
| تعداد دریافت فایل اصل مقاله | 29,008,474 |
کاربرد یادگیری تقویتی در یک مدلسازی عاملمحور برای بازار عمدهفروشی برق ایران | ||
| پژوهشنامه اقتصاد انرژی ایران | ||
| مقاله 1، دوره 7، شماره 25 - شماره پیاپی 4، دی 1396، صفحه 1-40 اصل مقاله (1.44 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jiee.2018.9993 | ||
| نویسندگان | ||
| محمدرضا اصغری اسکوئی* 1؛ فرهاد فلاحی2؛ میثم دوستیزاده3؛ سعید مشیری4 | ||
| 1گروه علوم رایانه، دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبائی | ||
| 2پژوهشگر پژوهشگاه نیرو، دانشجوی دکتری | ||
| 3استادیار دانشکده فنی و مهندسی دانشگاه لرستان | ||
| 4دانشیار دانشکده اقتصاد دانشگاه علامه طباطبائی | ||
| چکیده | ||
| مطالعات اخیر بازارهای عمدهفروشی برق عموماً براساس مدلهای چندعاملی است، که در آنها تعادل بازار برپایه رقابت و تعامل عوامل متعدد با یک دیگر به دست میآید. از ویژگیهای اصلی این نوع مدلها، امکان یادگیری عوامل از نتایج رفتار خود و سایرین دریک محیط رقابتی است. در بازار عمدهفروشی برق، هرعامل یک واحد تولیدکننده برق است که به صورت مستقل و هوشمند با سایر عاملها برای عرضه برق با قیمتهای پیشنهادی رقابت میکند. فرآیند قیمتگذاری را میتوان یک بازی ایستا فرض نمود که هرروز تکرار میشود. در این بازی هر عامل قیمت پیشنهادی خود را مستقلا اعلام نموده و بهرهبردار با توجه به تقاضای بار مصرفی و محدودیتها، بهترین پیشنهادها را انتخاب مینماید. عامل به صورت عقلائی عمل نموده و با انتخاب استراتژی مناسب، به دنبال بیشینه نمودن سود بلندمدت خود است. در این راستا، عامل از قدرت یادگیری و بهبود استراتژی قیمتگذاری، که نقش بسیار تعیین کننده در موفقیت عامل دارد، استفاده میکند. یادگیری تقویتی یک روش کلاسیک است که در مدلهای چندعاملی امکان یادگیری مبتنی بر سعی و خطا را فراهم مینماید. هدف این مقاله کاربرد و مطالعه روشهای یادگیری تقویتی در مدل چندعاملی بازار برق ایران و مقایسه آنها با دو استراتژی تصادفی و حریصانه است. در این مطالعه، میزان سود واحدها و زمان رسیدن به حالت تعادل به عنوان ملاک ارزیابی در نظر گرفته شده است. نتایج شبیه سازی نشان میدهد، استراتژی یادگیرنده سود عاملها را به طور معناداری افزایش میدهد و سرعت همگرائی به حالت تعادل را بیشتر میکند. | ||
| کلیدواژهها | ||
| مدلسازی عاملمحور؛ بازار برق؛ یادگیری تقویتی؛ نظریه بازیها؛ ایران | ||
| مراجع | ||
|
اصغریاسکوئی، محمدرضا (1394)، پیشبینی سریهای زمانی مالی با کمک شبکه عصبی تاخیری، فصلنامه پژوهشهای اقتصادی ایران، سال 15، شماره 57، صص 75 – 108. رحیمیان، مرتضی (1390)، سنجش و تحلیل بازار در بازار برق به کمک اقتصاد محاسباتی عامل محور، رساله دکتری، دانشگاه فردوسی مشهد. ناظمی، علی، خوشاخلاق، رحمان، عمادزاده، مصطفی، شریفی، علیمراد (1390)، برآورد قدرت بازار در بازار برق عمده فروشی ایران، تحقیقات مدلسازی اقتصادی، دوره1، شماره4، صص 31 – 55. مویدکاظمی، حمیدرضا و شیخالاسلامی، محمدکاظم (1393)، ارزیابی راهبردهای توسعه تولید از دید رگولاتور با در نظر گرفتن دینامیک سرمایهگذاری بازیگران بازار»، بیست و هشتمین کنفرانس بین المللی برق، تهران، ایران، صص 1- 7. فلاحی، فرهاد (۱۳۹۱)، «گزارش تحلیلی بازار برق ایران: کاربست شبیهسازی عامل محور در مطالعات بازار برق»، گزارشهای پژوهشکده انرژی و محیط زیست پژوهشگاه نیرو، گروه پژوهشی اقتصاد و مدیریت برق. فلاحی، فرهاد (۱۳۹۲)، «بررسی و تعیین مدل خرید انرژی الکتریکی در بازار روزانه از دید بهره بردار مستقل سیستم»، گزارشهای پژوهشکده انرژی و محیط زیست پژوهشگاه نیرو، گروه پژوهشی اقتصاد و مدیریت برق. مشیری، سعید، مروت، حبیب، ونصیری ، عباس (1397)، بررسی تاثیر افزایش قیمت سوخت بر قیمت برق با استفاده از مدلسازی عامل بنیان بازار برق، فصلنامه مطالعات اقتصاد انرژی، سال 14، شماره 56، صص 12-22. حاجرسولیها، حسین (1393). هوش مصنوعی پیشرفته، تالیف راسل و نورینگ، جلد دوم، چاپ سوم، تهران: نشر نیازدانش. | ||
|
آمار تعداد مشاهده مقاله: 1,715 تعداد دریافت فایل اصل مقاله: 1,865 |
||