EnergyBidSim

Niniejsza książka 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 się opartych na opozycji i technik adaptacyjnych wykazując doskonałą wydajność w testach porównawczych. Algorytmy te są stosowane w scenariuszach licytacji rynkowych w warunkach niepewności ocenianych przy użyciu takich wskaźników jak zmienność cen i siła rynkowa. Wprowadzono również warstwową strukturę MAS umożliwiającą dynamiczne podejmowanie decyzji przy niepełnych danych. Wyniki na systemach testowych w tym na magistrali IEEE-14 pokazują lepszą dokładność i wydajność w porównaniu z tradycyjnymi metodami.