REINFORCEMENT LEARNING FOR PRICING ELECTRICITY IN DEREGULATED POWER POOLS
محل انتشار: یازدهمین کنفرانس مهندسی برق
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,480
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE11_042
تاریخ نمایه سازی: 18 تیر 1391
چکیده مقاله:
Pricing electricity in deregulated power pool has become a major issue in the power industry. Participants of deregulated energy marketplaces may be able to compete better by choosing a suitable policy in pricing the electricity. Various conventional methods for selecting a suitable policy, such as in Game theory, require complete information about other participants and the environment, whereas in real marketplace only the stop price is available for participants. Our results in a Pool Co model shows that, with reinforcement learning, a participant can learn the best policy and can adapt itself to unknown parameters in environment. This method doesn't require any information about other participants; and furthermore, if all participants use this method, they will stay in Nash equilibrium
کلیدواژه ها:
نویسندگان
M.B. Naghibi-Sistani
Department of Electrical Engineering, Ferdowsi University of Mashhad
M.R. Akbarzadeh-T
Department of Electrical Engineering, University of New Mexico
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :