Αναζήτηση

Πλοήγηση

• Κοινότητες
• Συγγραφείς
• Έτος
• Τίτλοι
• Θέματα

Ο Χώρος μου

• Είσοδος

Ανάπτυξη ανταγωνιστικού αυτόνομου πράκτορα για συμμετοχή σε αγορές ενέργειας του έξυπνου δικτύου ηλεκτροδότησης

Mastorakis Antonios

Πλήρης Εγγραφή

---

Περίληψη

Οι σύγχρονες αγορές ηλεκτρικής ενέργειας απαιτούν αγοραπωλησίες σε πραγματικό χρόνο, για τις οποίες πρέπει να ληφθούν υπόψη πολλοί παράγοντες ώστε οι στρατηγικές των συμμετεχόντων να συνάδουν με τους ρυθμούς μεταβολής της αγοράς. Σε αυτό το πλαίσιο, ο διεθνής διαγωνισμός Power Trading Agent (PowerTAC) προσομοιώνει μια ρεαλιστική πλατφόρμα για αγοραπωλησίες ηλεκτρικής ενέργειας, αντίστοιχη με τα πραγματικά χρηματιστήρια ενέργειας όπως το Nord Pool και το ΕΕΧ. Σε αυτή την πλατφόρμα διάφοροι ευφυείς πράκτορες λογισμικού – μεσίτες (τους οποίους αναπτύσσουν ερευνητικές ομάδες ανά την υφήλιο) ανταγωνίζονται μεταξύ τους, με κύριο σκοπό την αποκόμιση του μέγιστου δυνατού κέρδους. Κάθε ομάδα δημιουργεί τον δικό της πράκτορα και μέσα από διάφορες στρατηγικές τόσο στο λιανικό, όσο και στο χονδρικό εμπόριο προσπαθεί να πετύχει τον καλύτερο συνδυασμό στρατηγικών αγοραπωλησιών. Ένα ακόμα σημαντικό κομμάτι του διαγωνισμού είναι ότι οι πράκτορες που στοχεύουν να αποκτήσουν ένα δυσανάλογα υψηλό μερίδιο της αγοράς, ενδέχεται να υποφέρουν οικονομικές απώλειες λόγω της υποχρέωσης καταβολής τεράστιων τελών στις ρυθμιστικές αρχές. Τούτων δοθέντων, η παρούσα διπλωματική εργασία αποσκοπεί στην βελτιώση ενός ήδη υπάρχοντος πράκτορα, του TUC TAC. Ο συγκεκριμένος πράκτορας δημιουργήθηκε απο μια ερευνητική ομάδα στο Πολυτεχνείου Κρήτης το 2020, οπότε και κατάφερε να τερματίσει πρώτος στον διαγωνισμό PowerTAC εκείνης τη χρονιάς. Δύο βασικές αλλαγές υλοποιήθηκαν σε αυτή τη διπλωματική με σκοπό την βελτίωση του υφιστάμενου πράκτορα TUC TAC. Η πρώτη είναι η προσθήκη ενός Predictor (λογισμικού πρόβλεψης) στην αγορά χονδρικής, ώστε να μπορεί ο πράκτορας να εκτιμάει με ακρίβεια τις μελλοντικές τιμές της κιλοβατώρας. Η αξιοποίηση του Predictor θα επιτρέπει στον TUC TAC να πουλάει ή να αγοράζει ποσά ενέργειας πετυχαίνοντας μεγαλύτερο κέρδος. Το πρόβλημα αυτό προσεγγίστηκε κυρίως με κλασσικές μεθόδους Μηχανικής Μάθησης, συμπεριλαμβανομένων και Νευρωνικών Δικτύων. Η δεύτερη σημαντική αλλαγή είναι η βελτιστοποίηση ενός Monte Carlo Tree Search αλγορίθμου για χρήση σε δημοπρασίες διπλής κατεύθυνσης στην αγορά χονδρικής, ήδη υλοποιημένου στον υφιστάμενο ως τώρα TUC TAC πράκτορα, με δύο τρόπους: προσθέτοντας τον νέο predictor αλλά και ρυθμίζοντας καλύτερα τις παραμέτρους του αλγορίθμου, έτσι ώστε πωλώντας το ίδιο ποσό σε κιλοβατώρες στην αγορά λιανικής να έχουμε μικρότερα πρόστιμα λόγω μείωσης των απωλειών στο ισοζύγιο ενέργειας του πράκτορα. Πραγματοποιήσαμε εκτεταμένα πειράματα προσομοίωσης για να δοκιμάσουμε τις τροποποιήσεις μας, και να αξιολογήσουμε διάφορες εκδόσεις του πράκτορά μας σε περιβάλλοντα κυμαινόμενης δυσκολίας. Τα πειράματά μας επαληθεύουν την αποτελεσματικότητα των παρεχόμενων μέσω της παρούσας διπλωματικής εργασίας βελτιώσεων του πράκτορα TUC TAC.

Διαθέσιμα αρχεία

Υπηρεσίες