智能代理模拟在电力市场中的运用

基于智能代理的模拟仿真方法已成为电力市场研究的一种新颖而有效的途径.文中结合某一实际区域电力市场模拟系统的构建,介绍了适合模拟发电厂商报价的智能代理学习算法,详细阐述了VRE learning算法、Q-learning算法以及贪婪算法在模拟系统中的运用及实现框架,并分别探讨了学习算法在代理报价收敛问题上的不同处理方式.算例结果表明,智能代理模型及学习算法能够模拟发电厂商的理性竞价行为.     

智能代理模型在电力市场模拟系统中的运用

电力市场机制设计及运行是相当复杂的课题,传统的统计学和理论分析工具均很难精确研究电力市场的经济特性与物理特性。针对此类复杂的社会系统,采用智能代理模型仿真研究是种新颖有效的途径,因而基于智能代理模型的电力市场研究平台随之成为深入分析电力市场的重要工具。一般而言,在电力市场智能代理模型的框架中,代理就是代替发电厂商决策报价的程序模块,为了体现发电厂商报价决策的理性,不同的学习算法被用来构建代理的决策模块。本文着重分析并探讨了电力市场模拟系统中的智能代理模型及其学习算法的运用与实现。通过算例表明,智能代理模型及学习算法在电力市场中的应用具有重要意义。     

自动电压控制中不良数据辨识的研究

自动电压控制（AVC）系统由于缺少对发电厂遥测量数据的真实性进行有效和准确地辨识,容易引起装置误动。支持向量机（SVM）是数据挖掘中一种具有优良模式识别性能的新方法。本文提出了利用SVM建立辨识发电厂遥测量中不良数据的模型：首先应用SVM非线性回归对各种运行情况下发电厂正常的遥测数据进行曲线拟合（即训练）;然后运用训练好的模型对历史遥测数据(包括正常遥测数据和不良遥测数据)进行预测,取得预测值与实际遥测数据的误差百分比;再结合历史遥测数据正确与否,应用SVM分类功能训练分类网络;最后将实时遥测数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测数据是否为不良数据。仿真算例验证了SVM模型的有效性和准确性。     

自动电压控制中不良数据的辨识

自动电压控制(AVC)系统由于缺乏对发电厂遥测量数据真实性的有效和准确辨识,容易引起装置误动.支持向量机(SVM)是一种具有优良模式识别性能的数据挖掘方法.文中利用SVM建立发电厂遥测量不良数据的辨识模型:首先应用SVM非线性回归对各种运行情况下发电厂的遥测量数据进行曲线拟合,然后应用SVM训练分类网络.将实时遥测量数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测量数据是否为不良数据.仿真算例验证了SVM模型的有效性和准确性.