وبلاگ

در شرایط واقعی از آن جایی که هر فروشنده می تواند کل انرژی هر واحد تولید کننده برق خود را بین یک پله الی ۱۰ پله متفاوت قیمت دهی کند و همچنین ممکن است هر فروشنده چندین واحد تولید کننده داشته باشد و همچنین با عنایت به تعداد فروشندگان برق که بالغ بر ۱۲۰ نیروگاه می باشد، تعداد بسیار زیاد این پله ها و یکی از زوایای پیچیدگی مدل سازی ملموس خواهد شد. به طور مثال یک نیروگاه مانند نیروگاه سیکل ترکیبی دماوند دارای ۱۲ واحد توربین گازی و ۶ واحد توربین بخار می باشد پس می تواند جمعاً برای ۱۸ واحد خود قیمت دهی کند و اگر از تمام فرصت های ایجاد پله خود بهره ببرد ۱۸۰ پیشنهاد پله قیمتی متفاوت می تواند در بازار داشته باشد.

با پیشروی مسیر برنامه بازار به نقطه تعیین کننده ۳۴۹۸۵ نزدیک می شویم اما با توجه به اینکه این نرم افزار در اختیار مدیریت بازار قرار دارد و نه در اختیار بازیگران بازار؛ از قیمت سایر رقبا اخباری در دسترس نیست بنابراین پیدا کردن نقطه تقاطع دو خط میزان تقاضای مصرف و پله های قیمت در واقع مساله ای می شود که استراتژی های قیمت دهی به دنبال کشف آن نقطه می باشند. به این نقطه بسیار مهم اصطلاحاً نقطه تسویه بازار گفته می شود.
این اتفاق(تعیین نقطه تسویه بازار و مشخص شدن بازندگان و برندگان بازار، نمودار رسم شده در شکل ۴-۱) در هر شبانه روز ۲۴ بار و یا به عبارت دیگر در هر ساعت یکبار صورت می پذیرد. به تفسیر دیگر هر فروشنده هنگامی که وارد سامانه قیمت دهی نیروگاه خود می شود، میزان تقاضای بار مصرفی در ۲۴ ساعت روز آتی را می داند و بر مبنای این نیازهای مصرف و سایر پارامترهایی که خود باید در نظر بگیرد برای هر ساعت روزهای آتی نیروگاه خود قیمت ثبت می کند.
با عنایت به آنچه که گفته شد، هدف تمام استراتژی های موجود کشف نقطه تسویه بازار می باشد که این کشف، در گرو پیش بینی رفتار سایر رقبا و یا به عبارت دیگر پیش بینی یا حدس قیمت های سایر بازیگران بازار است[۱۶، ۱۷، ۱۸].
همان طور که گفته شد در این پایان نامه از شبکه عصبی جهت مدل کردن مساله و همچنین از الگوریتم ژنتیک برای بهینه سازی مدل(کاهش خطای مدل) استفاده شده است. در واقع به منظور آموزش شبکه عصبی مصنوعی این پژوهش از اطلاعات ۳۶۵ روز یک نیروگاه مشخص که به طور مستمر در بازار شرکت کرده است استفاده شد. از آن جایی که هر شبانه روز ۲۴ ساعت دارد بنابراین در کل ۸۷۶۰ داده جهت آموزش اولیه شبکه عصبی به کار رفته است. صحت و اعتبار این ۸۷۶۰ داده نیز از سامانه قیمت دهی بازار برق شرکت مدیریت شبکه برق ایران(متصدی دولتی مدیریت شبکه برق و دیسپاچینگ ملی) مورد تایید قرار گرفته است.
مدل جدید پیشنهادی این پایان نامه به صورت کلی در شکل ۴-۲ خلاصه گردیده است.
شکل ۴- ۲: شماتیک طرح پیشنهادی و جعبه های تصمیم گیری تعبیه شده در الگوریتم حل مساله
توضیح اینکه در این طرح پیشنهادی ۴ جعبه تصمیم گیری تعبیه شده است که در هر جعبه یک منطق کلی پیگیری می شود. در جعبه اول داده های مربوط به یکسال گذشته توسط شبکه عصبی مصنوعی آموزش داده می شود و در نهایت یک قیمت مناسب به عنوان خروجی شبکه وارد گره بعدی در مدار می گردد. همین موضوع در رابطه با جعبه های دوم و سوم با جامعه آماری داده های مربوط به یک ماه گذشته و یک هفته گذشته تکرار می گردد. در مورد جعبه چهارم باید گفت که با یک بازه مشخصی که توسط بازیگر بازار برق تعیین می شود(مثلاً با تلرانس ۷۵ مگاوات) داده های مربوط به نزدیکترین میزان تقاضای بار شبکه کشور به بار پیش بینی شده روزهای آتی که در اختیار بازیگران بازار قرار می گیرد.
خروجی های این چهار جعبه با نمادx₁ ، x₂، x₃ و x₄ نام گذاری شده و به هر کدام از خروجی ها وزنی با نام λ اختصاص می گیرد. اکنون با بهره گرفتن از الگوریتم ژنتیک معادله زیر شکل می گیرد و به تعداد دفعات مورد نظر کاربر عملیات وزن دهی به ها انجام می پذیرد. بدین ترتیب اگر جعبه ای از چهار جعبه تعبیه شده در طرح قیمت نامناسبی نسبت به سایر قیمت ها تعیین کند با ضریب وزن دهی در نظر گرفته شده، خود به خود اثر کمتری بر روی خروجی نهایی خواهد گذاشت. یادمان باشد که کل این فرایند ها تنها و تنها برای تعیین قیمت بهینه یک ساعت از شبانه روز طی می شود و در ساعات دیگر این مراحل توسط نرم افزار نوشته شده تکرار می گردد. معادله ای که در الگوریتم ژنتیک بررسی می شود به صورت زیر می باشد:

متغیرهای ورودی
در بازار برق ایران، هنگامی بازیگر فروشنده می خواهد در سامانه قیمت دهی، قیمت های مورد نظر خود را برای روزهای آتی(معمولاً سه روز آینده) به ثبت برساند، یکسری از اطلاعات امروز بازار در اختیار وی قرار می گیرد تا علاوه بر سابقه گذشته از نتایج عملکرد خود در روز گذشته نیز اطلاع پیدا کند. از مهمترین این اطلاعات می توان به داده های جدول زیر اشاره کرد:
جدول ۴- ۱: متغیرهای ورودی مدل سازی

متغیرخروجی
در این مساله خاص تنها قیمت بهینه برای هر ساعت از شبانه روز آتی خروجی به حساب می آید. البته با یک ضریب کوچک اطمینان می توان از مقدار کمتر این خروجی به عنوان پله اول قیمت استفاده کرد و با توجه به استراتژی بازیگر که می خواهد در چند پله دیگر قیمت ثبت کند؛ پله های بعدی را به ترتیب صعودی ثبت نمود.