EnergyBidSim: Prognozowanie cen dla rynk�w dnia następnego z wykorzystaniem sztucznej inteligencji

Niniejsza ksi¿¿ka przedstawia zaawansowane algorytmy metaheurystyczne i system wieloagentowy (MAS) do inteligentnego licytowania na zrestrukturyzowanym rynku energii z jednodniowym wyprzedzeniem. Zaproponowano ulepszone wersje algorytmów Moth Flame Optimizer (OB-MFO), Firefly Algorithm (RFA) i hybrydowego WOA-SCA z wykorzystaniem technik uczenia si¿ opartych na opozycji i technik adaptacyjnych, wykazuj¿c doskonä¿ wydajno¿¿ w testach porównawczych. Algorytmy te s¿ stosowane w scenariuszach licytacji rynkowych w warunkach niepewno¿ci, ocenianych przy u¿yciu takich wskäników, jak zmienno¿¿ cen i si¿a rynkowa. Wprowadzono równie¿ warstwow¿ struktur¿ MAS, umo¿liwiaj¿c¿ dynamiczne podejmowanie decyzji przy niepe¿nych danych. Wyniki na systemach testowych, w tym na magistrali IEEE-14, pokazuj¿ lepsz¿ dok¿adno¿¿ i wydajno¿¿ w porównaniu z tradycyjnymi metodami.