EnergyBidSim: Pr�vision des prix par l'IA pour les march�s Day Ahead

Ce livre présente des algorithmes méta-heuristiques avancés et un système multi-agents (SMA) pour des enchères intelligentes sur le marché restructuré de l'énergie à un jour. Des versions améliorées de l'optimiseur Moth Flame (OB-MFO), de l'algorithme Firefly (RFA) et d'un hybride WOA-SCA sont proposées à l'aide de techniques d'apprentissage et d'adaptation basées sur l'opposition, et montrent des performances supérieures lors de tests de référence. Ces algorithmes sont appliqués à des scénarios d'appels d'offres sur le marché en situation d'incertitude, évalués à l'aide de mesures telles que la volatilité des prix et le pouvoir de marché. Un cadre MAS en couches est également introduit, permettant une prise de décision dynamique avec des données incomplètes. Les résultats sur les systèmes de test, y compris le bus IEEE-14, montrent une amélioration de la précision et de l'efficacité par rapport aux méthodes traditionnelles.