Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/260769
Full metadata record
DC FieldValueLanguage
dc.contributor.CRUESPUNIVERSIDADE ESTADUAL DE CAMPINASpt_BR
dc.descriptionOrientador: Fernando Antônio Campos Gomidept_BR
dc.descriptionTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computaçãopt_BR
dc.format.extent184 p. : il.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.typeTESEpt_BR
dc.titleSistemas multiagentes em mercados de energia elétrica/pt_BR
dc.title.alternativeMultiagent systems bidding approach for competitive electricity marketspt_BR
dc.contributor.authorWalter, Igor Alexandrept_BR
dc.contributor.advisorGomide, Fernando Antonio Campos, 1951-pt_BR
dc.contributor.institutionUniversidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computaçãopt_BR
dc.contributor.nameofprogramPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subjectAgentes inteligentes (Software)pt_BR
dc.subjectInteligencia artificial distribuidapt_BR
dc.subjectAlgoritmos genéticospt_BR
dc.subjectSistemas fuzzypt_BR
dc.subjectEnergia elétrica - Mercadopt_BR
dc.subjectLeilõespt_BR
dc.subjectNegociaçãopt_BR
dc.subject.otherlanguageMultiagent systemsen
dc.subject.otherlanguageGenetic fuzzy systemsen
dc.subject.otherlanguageElectricy marketen
dc.subject.otherlanguageAgent-based computational economicsen
dc.subject.otherlanguageAuctionsen
dc.subject.otherlanguageCoordination strategiesen
dc.subject.otherlanguageCompetitive marketsen
dc.description.abstractResumo: Sugerimos uma abordagem evolutiva para o projeto de estratégias de interação em sistemas multiagentes, especialmente estratégias de oferta modeladas como sistemas baseados em regras nebulosas. O objetivo é a aprendizagem das estratégias de oferta em leilões em modelos em que a base de conhecimento sofre evolução para melhorar o desempenho dos agentes atuando em um ambiente competitivo. Dados para aprendizagem e otimização das estratégias são raros em ambientes competitivos como os leilões. Introduzimos um modelo de sistema genético fuzzy (GFS) cujos operadores genéticos utilizam uma representação de tamanho variável do cromossomo e uma relação hierárquica estabelecida através do fitness dos indivíduos, em um esquema que explora e explota o espaço de busca ao longo das gerações. A evolução de estratégias de interação permite a descoberta de comportamentos dos agentes previamente desconhecidos e inesperados, permitindouma análise mais rica dos mecanismos de negociação e seu papel como protocolo de coordenação. A aplicação da abordagem proposta no mercado de energia elétrica permite a simulação destes mercados através da evolução de estratégias de oferta (bidding) em leilões de energia. A reestruturação destes mercados nas economias contemporâneas apresenta novos desafios e oportunidades, uma vez que não há consenso sobre qual seria sua melhor organização. A evolução da estrutura organizacional destes mercados salienta a falta de discernimento sobre as principais questões a serem analisadas e levadas em consideração. Argumenta-se que a abordagem econômica neoclássica se mostra limitada na análise dos efeitos da reestruturação e no estudo do comportamento dos agentes econômicos competindo nos mercados de energia elétrica reestruturados. Apresentamos uma arquitetura computacional inspirada na Economia Computacional baseada em Agentes que permite a modelagem, estudo e simulação destes mercados. Aplicamos ferramentas de inteligência computacional adequadas à concepção dos agentes participantes nos mercados de energia e que podem ser estendidas a outros mecanismos de mercado e negociação. Os mercados de energia elétrica são sistemas complexos habitados por agentes econômicos com interesse próprio que interagem entre si. Concluímos que é natural modelar e simular estes mercados como sistemas multiagentes. A evolução de estratégias de oferta permite a descoberta de comportamentos que auxiliam na tomada de decisão de um participante e na avaliação do mecanismo de negociação por parte de seus projetistaspt
dc.description.abstractAbstract: We suggest an evolutionary approach to design interaction strategies for multiagent systems, focusing on strategies modeled as fuzzy rule-based systems. The aim is to learn models represented by evolving knowledge bases to achieve agents' performance improvement when playing in a competitive environment. In competitive situations data for learning and tuning are rare and rule bases must jointly evolve with the databases. We introduce an evolutionary algorithm whose operators use variable length chromosome, a hierarchical relationship among individuals through fitness, and a scheme that successively explores and exploits the search space along generations. Evolution of interaction strategies uncovers unknown and unexpected agent behaviors and allows a richer analysis of negotiation mechanisms and their role as a coordination protocol. An application concerning an electricity market illustrates the effectiveness of the approach and allows to simulate the market through evolutionary bidding strategies. The restructuring process of power markets raises new challenges and opportunities, since there is no consensual market architecture. The evolution of the power industry organization shows a lack of insight about the issues to be addressed and taken into account. Several authors have considered the available tools based on the neoclassical economics theory a limited approach to analyze the effects of the industry restructuring and to study economical agents behavior participating in a restructured electricity market. We present Artificial Economy Multiagent System (AEMAS), a computational architecture inspired on Agent-based Computational Economics (ACE) that allows to model, study and simulate a power market. We apply Computational Intelligence tools to conceive the market agents that we expect could be extended to other negotiation environments. A power market is a complex system populated by self interested economical agents that interact. We conclude that it is feasible to model and simulate these markets on a multiagent system based approach. The evolution of bidding strategies allows to uncover new and unexpected behaviors that help to address the negotiation mechanism analysis by its designers and to support a market player decision processen
dc.publisher[s.n.]pt_BR
dc.date.issued2010pt_BR
dc.identifier.citationWALTER, Igor Alexandre. Sistemas multiagentes em mercados de energia elétrica/. 2010. 184 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/260769>. Acesso em: 16 ago. 2018.pt_BR
dc.description.degreelevelDoutoradopt_BR
dc.description.degreedisciplineEngenharia de Computaçãopt_BR
dc.description.degreenameDoutor em Engenharia Elétricapt_BR
dc.contributor.committeepersonalnameVellasco, Marley Maria Bernardes Rebuzzipt_BR
dc.contributor.committeepersonalnameCorreia, Paulo de Barrospt_BR
dc.contributor.committeepersonalnameFilho, Secundino Soarespt_BR
dc.contributor.committeepersonalnameGudwin, Ricardo Ribeiropt_BR
dc.contributor.committeepersonalnameRicarte, Ivan Luiz Marquespt_BR
dc.date.defense2010-04-12T00:00:00Zpt_BR
dc.date.available2018-08-16T03:39:08Z-
dc.date.accessioned2018-08-16T03:39:08Z-
dc.description.provenanceMade available in DSpace on 2018-08-16T03:39:08Z (GMT). No. of bitstreams: 1 Walter_IgorAlexandre_D.pdf: 1762436 bytes, checksum: 257485271a6580f86b0b466799ceff14 (MD5) Previous issue date: 2010en
dc.identifier.urihttp://repositorio.unicamp.br/jspui/handle/REPOSIP/260769-
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Walter_IgorAlexandre_D.pdf1.72 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.