EnergyBidSim: Prognozowanie cen dla rynków dnia następnego z wykorzystaniem sztucznej inteligencji

Niniejsza książka przedstawia zaawansowane algorytmy metaheurystyczne i system wieloagentowy (MAS) do inteligentnego licytowania na zrestrukturyzowanym rynku energii z jednodniowym wyprzedzeniem. Zaproponowano ulepszone wersje algorytm闚 Moth Flame Optimizer (OB-MFO), Firefly Algorithm (RFA) i hybrydowego WOA-SCA z wykorzystaniem technik uczenia się opartych na opozycji i technik adaptacyjnych, wykazując doskonalą wydajnośc w testach por闚nawczych. Algorytmy te są stosowane w scenariuszach licytacji rynkowych w warunkach niepewności, ocenianych przy użyciu takich wskaźnik闚, jak zmiennośc cen i sila rynkowa. Wprowadzono r闚nież warstwową strukturę MAS, umożliwiającą dynamiczne podejmowanie decyzji przy niepelnych danych. Wyniki na systemach testowych, w tym na magistrali IEEE-14, pokazują lepszą dokladnośc i wydajnośc w por闚naniu z tradycyjnymi metodami.