EnergyBidSim: KI-gestützte Preisprognose für Day-Ahead-Märkte

In diesem Buch werden fortschrittliche meta-heuristische Algorithmen und ein Multi-Agenten-System (MAS) für intelligente Ausschreibungen auf dem restrukturierten Day-Ahead-Energiemarkt vorgestellt. Es werden verbesserte Versionen des Moth Flame Optimizer (OB-MFO), des Firefly Algorithmus (RFA) und eines hybriden WOA-SCA vorgeschlagen, die auf oppositionellem Lernen und adaptiven Techniken beruhen und in Benchmark-Tests überlegene Leistungen zeigen. Diese Algorithmen werden auf Marktgebotsszenarien unter Unsicherheit angewandt und anhand von Metriken wie Preisvolatilität und Marktmacht bewertet. Außerdem wird ein geschichteter MAS-Rahmen eingeführt, der eine dynamische Entscheidungsfindung mit unvollständigen Daten ermöglicht. Die Ergebnisse auf Testsystemen, einschließlich IEEE-14-Bus, zeigen eine verbesserte Genauigkeit und Effizienz im Vergleich zu herkömmlichen Methoden.

Autorentext

Dr. Pooja Jain und Dr. Ankush Tandon sind außerordentliche Professoren am Swami Keshvanand Institute of Technology, Jaipur. Dr. Jain ist spezialisiert auf intelligentes Bieten, Optimierung und Multiagentensysteme und hat mehrere Publikationen und Patente veröffentlicht. Dr. Tandon konzentriert sich auf die Optimierung von Energiesystemen und dezentrale Erzeugung.