استفاده از روش یادگیری رقابتی برای قیمت دهی استراتژیک شرکت های تولید بر اساس LMP در بازار برق

پیام:
چکیده:
ساختار رقابت مابین تامین کنندگان انرژی در بخش تولید بازارهای برق منجر به آن شده است که شرکت های تولید با اتخاذ تصمیمات استراتژیک به دنبال حداکثرسازی سودشان باشند. در این راستا، شرکت های تولید سعی می کنند که از طریق ارائه قیمتی مناسب در سطحی بالاتر از هزینه های حدی خود، در رقابت با سایر تولیدکنندگان سهم بیش تری از تامین انرژی الکتریکی بازار برق را کسب نمایند. هدف این مقاله پیشنهاد یک روش مبتنی بر تعیین بهینه تعاملات استراتژیک عامل های بازار برق است به نحوی که منجر به دست یابی نقطه تعادل نش گردد. در این راستا، از یک روش ابتکاری بر مبنای الگوریتم یادگیری تقویتی در ساختار بازار اشتراکی برای تعیین استراتژی های بهینه پیشنهاد قیمت واحدهای تولید استفاده می شود. از سوی دیگر، در این مقاله با در نظر گرفتن تاثیر ظرفیت شبکه انتقال یک سیستم چندناحیه ای، فرآیند تسویه بازار بر اساس قیمت گذاری حدی محلی (LMP) در شرایط مالکیت تک و چندژنراتوری موردبررسی قرار می گیرد. استراتژی پیشنهادشده بر روی بازار چهار ناحیه ای Nord Pool آزمایش گردیده است. نتایج شبیه سازی ارائه شده بر روی این شبکه بیانگر توانایی الگوریتم یادگیری تقویتی پیشنهادی در تعیین استراتژی بهینه شرکت های تولید و دستیابی به نقطه تعادل بازار می باشد.
زبان:
فارسی
صفحات:
537 تا 549
لینک کوتاه:
magiran.com/p1661842 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!