首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
基于代理的计算经济学已成为电力市场研究的一种重要方法,构建智能代理的学习模型是其中的重要研究内容之一.常用的强化学习和信念学习算法各有弊端,为此引进了一种综合了强化学习和信念学习的经验权重魅力值(EWA)算法,将其应用于电力市场仿真研究中,模拟发电商决策行为.基于混合代理和单一代理系统的仿真结果表明,EWA学习算法对市场参与者的行为有更好的描述,在参与者众多的大系统中较Roth-Erev算法更为先进、智能,具备更好的学习性能;EWA算法具备更高的捕捉博弈均衡的能力.  相似文献   

2.
基于代理的电力市场仿真的实验设计方法探讨   总被引:2,自引:2,他引:0  
基于代理的计算经济学已经成为电力市场研究的一种重要方法,但是,作为一种新的方法,还有许多问题没有解决,其中一个基本的问题是研究方法的问题,包括仿真实验的设计方法、仿真结果的分析方法等.文中首先给出了电力市场仿真中一些关键概念的定义,然后以电力市场研究中常用的一种代理学习算法--Roth-Erev法为例,基于一个拥有4个发电商的日前电力市场,进行了市场模型、智能代理模型、实验目的及实验方案的设计.设计了3组实验,根据前2个实验的结果,对基于代理的电力市场仿真实验轮数的设定、实验盘数的设定等问题进行了分析和讨论,最后一个实验对Roth-Erev算法中一些参数的选取问题进行了探讨,展示了其在选取时的矛盾性,并从加强学习法的机理上分析了其原因.  相似文献   

3.
协同粒子群算法在电力市场ACE仿真中的应用   总被引:2,自引:1,他引:1  
将协同粒子群算法应用到智能代理报价中,通过电力市场仿真试验,对协同粒子群算法在仿真中的代理过程进行了分析;通过不同的成本变化和供需水平变化试验,分析了协同粒子群算法在代理报价中对成本因素和供需水平因素的响应水平;与Q-learning算法代理结果进行了比较,结果表明,协同粒子群算法应用到基于代理的计算经济学电力市场仿真中是可行的。  相似文献   

4.
由于电力拍卖市场具有明显的寡头市场特征,且由于发电领域依然存在规模经济性,电力拍卖市场的定价规则出现了多种选择,如边际成本定价、按报价支付定价和当量电价定价法.文中构造了一个基于智能代理的仿真模型讨论3种定价方法的市场运行特征.该模型用具有分散自主决策和智能学习的代理表示发电厂商,在重复进行的报价博弈中,发电厂商通过利润高低按照生物的条件反射原理学习并改进报价策略,追求其利润最大化,随着迭代次数的增加,市场将逐步收敛于均衡位置.然后,通过不同定价方式的拍卖市场均衡状态的比较给出了3种定价方式的市场运行特点.给出了智能代理仿真的模型及其发电厂商的学习算法.最后用一个算例阐述了学习算法的特点.  相似文献   

5.
排放权和可再生能源发展对电力市场的影响   总被引:3,自引:1,他引:2  
为减少温室气体排放,一些发达国家和地区已经或即将实施温室气体排放权交易机制和可再生能源发展机制。这2种机制的实施会给电力市场的运营带来一些新问题,值得认真研究。在此背景下,提出了采用基于智能代理的市场仿真方法来描绘在这种新的环境下发电公司的报价博弈过程,进而分析这2种机制的实施对电力市场运营的影响。采用了模仿者动态算法(replicator dynamics algorithm)来模拟智能体(发电公司)追求利润最大化的行为,并给出了基于电力市场仿真结果衡量其运营特征的指标。最后,用算例对所提出的方法进行了说明,并通过对电力市场运营指标的比较分析了这2种机制对电力市场运营的影响。  相似文献   

6.
随着中国电力市场改革进程的深化,首批电力现货试点地区陆续完成了按现货价格结算的工作。然而在实际结算过程中出现了大量结算不平衡费用,影响了市场的公平和效率。如何在市场设计阶段充分预估结算不平衡费用从而降低市场风险、提高市场效率是市场设计者需要重点关注的方向。文中从实时平衡市场中结算机制及市场主体交互行为的角度开展结算不平衡费用仿真分析。首先,提取与结算不平衡费用紧密联系的平衡市场要素。然后,基于主体代理模型(ABM)仿真方法建立平衡市场仿真模型,市场主体采用强化学习算法制定参与市场交易的交互策略。最后,通过算例详细分析了平衡服务提供商策略行为、不平衡结算价格机制和新能源免考核区间对结算不平衡费用的影响。  相似文献   

7.
为避免传统方法预测中长期电力负荷建模的复杂性,根据电力负荷历史数据,研究了基于LM算法的BP网络、RBF网络在中长期电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素.从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果.  相似文献   

8.
电力市场智能模拟中代理决策模块的实现   总被引:7,自引:5,他引:2  
在日前交易方式下,发电厂商为了追求长期最大利润,竞价策略显得尤其重要。通常,发电厂商运用的策略过于复杂,难以用传统的博弈论方法来建模。人工智能中强化学习 Q -learning算法是一种自适应的学习方法,使代理能够通过不断与环境进行交互所得到的经验进行学习,适合在电力市场智能模拟中运用。文中在开放源代码的电力市场智能模拟平台AMES上,增加了发电厂商代理基于 Q -learning的竞价决策程序模块,并在5节点测试系统上进行模拟。实验结果表明,运用基于 Q -learning算法竞价决策使代理可以较好地模拟发电厂商的经济特性,且在相同条件下表现出比AMES原有的VRE learning算法更强的探索能力。  相似文献   

9.
基于深度强化学习的激励型需求响应决策优化模型   总被引:1,自引:0,他引:1  
随着中国电力市场化改革的推进,售电侧市场逐步开放,售电商可以聚合大量的分散负荷参与电力市场环境下的需求响应.文中提出以售电商和用户综合收益最大化为目标的基于深度强化学习的激励型需求响应建模和求解方法.首先,建立售电商和用户的需求响应模型,通过引入时间-价格弹性,改进现有的用户响应模型,考虑用户对相邻时段补贴价格差的反应.然后,基于马尔可夫决策过程框架构建补贴价格决策优化模型,并设计基于深度Q学习网络的求解算法.最后,以1个售电商和3个不同类型的用户为例进行仿真计算,通过分析算法收敛性和对比不同模型及参数下的优化结果,验证了改进模型的合理性和生成策略的有效性,并分析了激励型需求响应对售电商以及用户的影响.  相似文献   

10.
Agent技术在电力市场中的应用综述   总被引:5,自引:0,他引:5  
Agent模型对不确定的电力市场进行仿真,是一种新兴研究方法。为了分析这一技术应用现状,从电力市场Multi—Agent系统框架、基于直接或间接探索学习算法的单Agent学习模式、Agent其他策略模型以及各Agent之间信息交互四个方面综述了近年来Agent技术在电力市场中的应用成果。研究表明,Agent仿真模型提前预警市场的潜在风险和开拓市场研究思路提供机会,很多单Agent模型在预测和处理数据方面已十分智能,但整个电力市场多Agent系统还停留在多个单Agent阶段,其整体智能的效用并未体现,是一个极具潜力的突破方向。  相似文献   

11.
李国勇  陈晓雷 《微电机》2008,41(1):43-45
利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.  相似文献   

12.
对于一类基于T-S模糊模型描述的非线性不确定系统,滑模控制算法的稳态误差和动态品质与T-S模糊算法描述模型的准确度相关,利用最小二乘支持向量机算法(LSSVM)学习T-S模糊模型可以很好的逼近实际系统.但是由于LSSVM算法对数据量有一定要求,而且学习速度比较慢,对要求动态响应较高或者内存较小的系统不适用.提出了一种基于改进共轭梯度在线学习算法学习T-S模型,可以实时逼近实际模型,配合滑模控制算法可以达到控制系统的渐进稳定.在不同误差条件下对该控制算法进行仿真实验,在随机误差幅值100以内,系统稳态误差为0.01,同时对时变误差表现出快速的稳定特性,显示了该控制算法较强的鲁棒性.最后,实验还对随机误差幅值为500的系统验证了T-S模型对于系统学习数据的随机误差具有去噪能力.  相似文献   

13.
为改善因人工神经网络参数随机初始化对短期电力负荷预测带来的不足,提出一种基于改进多元宇宙(improved multivariate universe optimizer, IMVO)算法优化极限学习机(extreme learning machine, ELM)的短期电力负荷预测方法。算法的改进包含3个方面。首先,添加beta分布的随机数得到改进Tent混沌映射方法,采用遍历均匀性更好的改进Tent混沌映射方法使MVO算法得到好的初始解位置。其次,采用指数形式改进传统MVO算法的旅行距离率,利用指数形式改进后可使算法在整个寻优迭代前中期保持较高的全局开发水平。然后,采用精英反向学习的方法改进宇宙群。通过基准函数测试改进前后算法的性能,表明IMVO算法具有更好的稳定性和鲁棒性。最后,利用IMVO算法优化ELM的权值和阈值,建立IMVO-ELM短期电力负荷预测模型。通过实例分析和实验对比,表明IMVO-ELM模型的稳定性、预测精度和泛化能力均优于其他模型。  相似文献   

14.
新电改背景下电力大客户服务策略推荐模型研究   总被引:3,自引:2,他引:1  
新电改的深化推进加快了市场"多买多卖"格局形成,基于数据挖掘的精准电力营销对加强电力企业客户关系管理、增强市场竞争力具有重要作用。基于服务策略清单梳理成果,抽取江苏武进区样本大客户作为训练样本,选用基于随机森林推荐算法的大数据分析方法,探索并构建了服务策略推荐模型,实现面向不同属性客户的服务策略略差异化精准推送。  相似文献   

15.
非侵入式负荷识别是实现用能管理的重要监测手段,而随机森林因其良好的泛化能力和鲁棒性应用于负荷识别领域。针对传统随机森林算法忽略决策树分类能力的差异、投票不公平的问题,提出了一种基于层次聚类的加权随机森林算法。首先,提取各类负荷开关状态下负荷特征量,建立特征数据库用于训练原始随机森林模型。然后,利用有功功率差检测总线信号中的开关事件,并提取负荷特征量作为验证集和测试集;验证集采用层次聚类选择法获得每个聚类中分类精度最高的决策树,测试集采用加权投票策略实现负荷识别。通过实验验证,说明相比于传统的机器学习算法,该算法可以实现更高的识别精度,准确率可达96.2%。  相似文献   

16.
基于灰色投影改进随机森林算法的电力系统短期负荷预测   总被引:7,自引:0,他引:7  
针对短期负荷预测领域传统的机器学习算法(如人工神经网络、支持向量机等)存在的诸如泛化性能不强、参数和模型结构确定困难等问题,将随机森林回归算法引入短期负荷预测领域。同时应用投影原理改进了传统的灰色关联相似日选取算法,提出了一种基于灰色投影改进随机森林算法的电力系统短期负荷预测组合方法。基于灰色投影的相似日选取方法,采用灰色关联度判断矩阵表征历史样本与待预测日影响因素间的关联关系,并用熵权法确立影响因素的权重对判断矩阵加权,最后利用各个样本关联度投影值排序得到相似日集合。采用随机森林算法建立预测模型,利用灰色投影筛选出的相似日样本集合训练模型,最后输入预测日特征向量(天气预报数值、日类型等)完成预测。以浙江电网某县级市的负荷数据作为实际算例,并将上述方法与支持向量机方法以及未作灰色投影改进的随机森林算法进行对比。实验结果表明,新方法具有较高的预测精度和鲁棒性。  相似文献   

17.
信息披露机制对市场效率的影响   总被引:5,自引:1,他引:5  
从制度经济学的角度来看,电力市场是一个由多种制度构成的制度体系,信息披露制度是其中一个重要组成部分。文中在研究市场成员行为特征的基础上,从理论上研究和建立了研究市场信息与市场成员学习和决策行为之间互动关系的框架,并利用报价中标概率信念,定量描述市场信息对市场成员学习行为的影响。在基于报价中标概率信念的电力市场模拟方法的基础上,对不同信息披露制度下电力市场的演化过程和均衡状态进行了定量的研究和比较。研究表明,不同的信息披露制度能够使市场成员获得不同的交易知识、产生不同的报价策略,使电力市场产生不同的演化过程和均衡状态。此外,在不同的供求关系下,信息披露制度对市场均衡状态的影响力度不同。  相似文献   

18.
轮胎缺陷检测对轮胎定级有重要参考意义,研究高性能的轮胎异常检测方法尤为重要。本文以强化学习算法为基础,提出一个以损失值异常变化作为判断异常特征的图像自动分类算法。该方法首先通过大量的正向样本输入来降低数据在经过梯度更新之后的损失值,从而与少量异常样本输入时的损失值形成明显差异,再引入神经批采样器,放大异常样本与正向样本之间的损失轮廓差异并为空间变分编码器提供训练批次,然后将训练结果作为异常分类器的输入,最后完成异常检测的分类与定位工作,经过对比研究发现本文提出的异常检测算法在轮胎缺陷样本集上性能明显优于其他传统图像异常检测方法。  相似文献   

19.
范海虹 《中国电力》2021,54(3):141-148
近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕(Kappa)测度和萤火虫算法的进行选择性集成学习方法实现短期负荷预测,该方法首先使用自展法(bootstrap抽样)生成多个学习器,然后使用Kappa测度对学习器进行初步筛选,接着使用萤火虫算法从中选择部分差异度大、准确率高的学习器参与集成,其准确率相较于单个学习器而言,有着明显提升。选取2015−2016年武汉2家激光企业的日均负荷曲线作为研究对象,进行负荷预测,通过与其他预测方法进行对比,该方法的预测精度较高。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号