New biologically inspired models towards understanding the Italian Power Exchange market

Bevilacqua, Sara (2018) New biologically inspired models towards understanding the Italian Power Exchange market. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria informatica [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text non accessibile fino al 8 Febbraio 2021.
Disponibile con Licenza: Creative Commons Attribuzione - Non commerciale - Non opere derivate 3.0

Download (2MB) | Contatta l'autore

Abstract

Questa tesi tratta l’estensione di un modello ad agenti per la simulazione e lo studio del mercato elettrico Italiano. Nel modello, gli agenti, che rappresentano le compagnie energetiche presenti nel mercato Italiano, competono tra loro con l’obiettivo di avere il più alto profitto. Ogni agente determina la propria strategia attraverso un algoritmo genetico, che opera su una popolazione di strategie. Questo modello presenta però due limitazioni: (1) agli impianti di produzione di un agente, situati nella stessa zona geografica e aventi in comune la tecnologia di produzione, viene applicata la stessa strategia; (2) per la corretta evoluzione delle popolazioni private, gli agenti si scambiano informazioni circa la loro scelta strategica. Con questa tesi vogliamo dimostrare, prima di tutto, che il rilassamento delle ipotesi del primo punto non peggiora la qualità dei risultati. Successivamente, vogliamo testare l’efficacia dell’algoritmo genetico, applicando e testando algoritmi alternativi, quali l’ottimizzazione Monte Carlo e l’algoritmo Particle Swarm Optimization. La seconda parte del lavoro si focalizza sull’introduzione di agenti intelligenti che siano capaci di aggiornare due popolazioni, una composta dalle strategie dei concorrenti e l’altra con le proprie strategie. In questo modo, gli agenti non devono più condividere le proprie scelte strategiche, ma cercano di fare previsioni sui concorrenti, come nel mondo reale, e reagire di conseguenza, avvalendosi di tecniche di adversarial reasoning. Vogliamo infine mostrare i risultati che si ottengono con questa ultima estensione.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Bevilacqua, Sara
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
multi-agent based simulation,electricity market modeling,optimization algorithm,adversarial reasoning,economical paradigm
Data di discussione della Tesi
8 Febbraio 2018
URI

Altri metadati

Gestione del documento: Visualizza il documento

^