محمدجواد پورسلیمی جاغرق - دانشجوی کارشناسی ارشد گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردو
حبیب رجبی مشهدی - دانشیار گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد
مرتضی رحیمیان - دانشجوی دکتری گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد

الگوریتم Q-learning کاربرد وسیعی در مدلسازی عامل محور ( 1(ABM بازار برق دارد و کاربرد اصلی آن شبیه سازی قیمت دهی می باشد . مدیریت ریسک در قیمت دهی ازاهمیت ویژه ای برای شرکت های نیروگاهی برخوردار است . بنابراین الگوریتمQ-learningباید به گونه ای طراحی شود که علاوه بر بیشینه سازی سود، کمینه سازی ریسک را نیز درقیمت دهی لحاظ کند. این مسئله دو جنبه اصلی را در بر میگیرد. اول اینکه شرکت نیروگاهی چگونه تغییرات ریسک بازار را درک کند؟ دوم اینکه چگونه خود را با ریسک بازارتطبیق دهد؟ به منظور درک تغییرات ریسک بازار با استفاده ازاطلاعاتی که شرکت نیروگاهی از شرایط بازار دارد، شاخص قدرت بازار ساختاری 2MRRمحاسبه شده است. برای تطبیق با ریسک بازار از نظریه مطلوبیت استفاده شده است که یکی از روش های اصلی مدیریت ریسک می باشد . نتایج نشان می دهد که الگوریتم پیشنهادی در پاسخگویی به تغییر شرایط بازار (خروج خط یا واحدهای تولیدی) که منجر به تغییرات شدید در ریسک بازار می شود سریعتر از الگوریتمQ-learning کلاسیک عمل می کند.

بازار برق، مدیریت ریسک، نظریه مطلوبیت، اقتصاد محاسباتی عامل محور، الگوریتم Q-learning