عنوان پایان‌نامه
مدلسازی دینامیکی بازار برق با استفاده از تئوری بازی
- رشته تحصیلی
- مهندسی برق -قدرت - تجدید ساختار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1521;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40371;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1521
- تاریخ دفاع
- ۱۸ آذر ۱۳۸۷
- دانشجو
- مصطفی صحرائی اردکانی
- استاد راهنما
- اشکان رحیمی کیان
- چکیده
- در این پایان نامه، هدف ارائه مدلی دینامیکی از بازارهای برق می¬باشد. در سیستم هایی مثل بازار، بر خلاف سیستم های فیزیکی متغیرهای اصلی، تصمیم گیری بازیگران هستند. بنابراین ارائه مدلی دقیق غیر ممکن بوده و باید از روش هایی که قادر به مدل کردن تصمیم گیری انسانی هستند بهره گرفت. به این منظور از تئوری بازی به عنوان یک تئوری توسعه یافته ریاضی استفاده شده است. اکثر مدل¬های موجود، هر راند بازار را به صورت جداگانه در نظر گرفته، وبنابراین ایستا هستند. به نظر می¬رسد دخالت دادن سابقه بازار در تصمیم گیری بازیگران منجر به ارائه مدل های دقیق¬تر و پویا می¬گردد. در این پایان نامه با سود بردن از سابقه بازار، چندین مدل پویا ارائه گردیده است. ابتدا با استفاده از تئوری کنترل خطی، یک مدل خطی در فضای حالت برای بازارهای دوطرفه برق توسعه داده شده است. این مدل جهت تحلیل سیستم با استفاده از روش های رایج در کنترل خطی مفید می¬باشد. البته، در توسعه این مدل ساده¬سازی¬هایی صورت گرفته، که در برخی موارد همچون وقوع تراکم آن را تا حدودی غیر قابل اتکا می¬کند. برای رسیدن به یک مدل دقیق¬تر از الگوریتم علف هرز جهت بهینه سازی، همراه با یک شبیه ساز سیستم قدرت استفاده گردیده است. این الگوریتم قادر است بهینه سازی را با رعایت تمامی قیود سیستم قدرت که گاه غیر خطی هستند انجام دهد. مدل بدست آمده از این روش دقیق تر بوده ولی نمی¬تواند اطلاعات تحلیلی راجع به سیستم ارائه کند. در این دو روش، در صورت وجود نقطه تعادل، بازار به نقطه تعادل نش همگرا می¬شود. در غیر این صورت سیستم نوسانی و یا ناپایدار خواهد گردید. در ادامه، از یادگیری تقویتی برای مدل سازی رفتار بازیگران بهره گرفته شده است. ابتدا یک روش سلسله مراتبی جهت توصیف رفتار بازیگران در حال یادگیری توسعه داده شده و شرایط همگرایی الگوریتم بحث گردیده است. این روش به نقطه تعادل نش همگرا می¬شود. سپس یک روش جدید برای یادگیری در بازی های تصادفی ارائه شده و در بازار های برق مورد استفاده قرار گرفته است. این الگوریتم نشان می¬دهد که چگونه بازیگران کند تر در بلند مدت سود بیشتری بدست می آورند؛ در حالی که بازیگران سریعتر سود کوتاه مدت بیشتری کسب می کنند و سریعتر خود را با تغییرات سیستم وفق می دهند. در هر بخش، روش مورد بحث با شبیه سازی های کامپیوتری همراه بوده و نحوه عملکرد آن شرح داده شده است. در این مطالعات تلاش بر این بوده که تا جایی که ممکن است، از سیستم های بزرگ استفاده گردد تا قیود واقعی سیستم های قدرت بیشتر لحاظ گردند.
- Abstract
- Second, a novel algorithm for learning in general-sum stochastic games is presented. The algorithm is applied to electricity markets. It shows how slower agents achieve higher long-term profits, while faster agents obtain short-term profits and adapt faster. Each section is followed by computer simulation studies and discussions on the results. We tried to use large systems in computer simulation studies to consider the real conditions which may occur in a real power system.
