بخشی از مقاله
.1 مقدمه:
نظریه بازی مطالعه عملها و عکس العمل های سیستم ها در چهارچوب علوم ریاضی است که توسط قواعد بازی توضیح داده می شود . این نظریه در سال 1930 در زمینه اقتصاد به وسیله ون نیومن و مورگنشترن گسترش یافت. نظریه بازی ها، شاخه ای از ریاضیات کاربردی است که امروزه کاربرد وسیعی در شاخه های مختلف علوم پیدا کرده است و درحوزه های مختلف به کار می رود. نظریه بازی ها تلاش می کند با ارائه روشهای ریاضی بهترین انتخابها و حرکات را برای بازیگران تعیین کند.
ویژگی عمده تصمیم گیری در شرایط بازی این است که هر بازیکن قبل از تصمیم گیری و انتخاب باید واکنش و عکس العمل دیگران را نسبت به انتخاب و تصمیم خود مورد تجزیه و تحلیل قرار دهد و آنگاه تصمیمی را اتخاذ نماید که برای او بهتریت تصمیم باشد. هر بازی دارای یک مجموعه از بازیگران و یک مجموعه از استراتژی ها و یا حرکت ها است .انتخاب حرکت و استراتژی از سوی هر یک از بازیگران بازار با توجه به رفتار رقبا صورت می پذیرد .
هر یک از بازیگران سعی خواهد کرد مقدار تابع پرداختی به خود را بیشینه کند .نتیجه بازی در صورت رفتار عقلانی و منطقی هر یک از بازیگران بازار باید منجر به یک نقطه یا دسته ای از نقاط تعادل گردد که طی آن ها بیشترین سود کسب شود و یا کمترین ضرر به بازیگران تحمیل گردد .حرکات بازیگران بر اساس اصل خردمندانه بودن رفتار آن ها انتخاب می شود .در این شرایط بازیگران می توانند نتایج انتخاب خود را از قبل بدانند و بدین ترتیب بهترین انتخاب را انجام دهند .
اگر بتوان استراتژی بهینه را مستقل از رفتار سایر بازیگران انتخاب کرد، بازی دارای یک نقطه تعادل غالب خواهد بود. تعادل نش، در واقع نتیجه بازی بهینه برای هر بازیکن است که او می تواند از طریق تغییر یک جانبه در راهبرد خود آن را کسب کند در حالی که راهبرد سایر بازیکنان ثابت می ماند .اما، قانون پارتو بهترین نتیجه بازی است که بازیکن می تواند بدون اشتباه بازیکن دیگر به دست آورد.
شرکت های تولیدکننده برق برای حداکثرکردن سودشان با یکدیگر رقابت می کنند لذا رقابت کردن این شرکت ها برای رسیدن به سود حداکثر یک نوع بازی است و در این مقاله با استفاده از مفهوم تعادلنَش سعی در به دست آوردن سود حداکثر این شرکت ها شده است .با فرض ثابت بودن رفتار - ستراتژی = در اینجا پیشنهاد قیمت - شرکت های رقیب، هر کدام از شرکت ها سعی در حداکثرکردن سود خود دارند .
اگر پس از چندین بار تکرار حل مسئله برای هر کدام از شرکت ها به پیشنهاد قیمت ثابتی برسیم، این پیشنهاد قیمت ها ابعاد نقطه تعادل نَش را تشکیل می دهند. در سال 2010، David Pozo و همکاران در پاسخ به این سوال که تعادل نش بلندمدت در تقاضای بازار برق به چه صورت است، با هدف ارائهی یک روش برای یافتن تعادل نش محتمل بلندمدت در تقاضای بازار برق استخرمحور، از روش مدل تعادل نش تکراری استفاده کردند و در مورد نوآوری مقالهی مورد مطالعه میتوان به توانایی این روش در مدلسازی نااطمینانی یا تولید سناریوهای قیمت برای مدلهای اقتصادی که ارزش هر واحد تولیدی را با استفاده از تحلیل آشنهای واقعی میسنجد، اشاره کرد. [8]
در سال 2010 ، A.A Ladjici و M. Boudour در مقالهی خود، تعادل نش در بازار رقابتی را مورد بررسی قرار دادند. آنها ادعا کردند که با استفاده از تعادل نش میتوان تقاضای برق بازار رقابتی بر پایهی ساختار متمرکز و دوطرفه را بررسی کرد. همچنین با هدف یافتن تعادل نش مشروح در بازار تقاضای برق رقابتی بر پایهی ساختار متمرکز و دوطرفه با در نظر گرفتن محدودیتهای انتقال، با رویکرد تکاملی رقابتی، توانستند یک بازار با عوامل تکاملی محدود را در نظر بگیرند و به نتایج قابل توجهی برسند.[9]
در سال 2011، Jianhui Wang و همکاران، میزان تقاضای برق در بازار برق با قیمت یکسان را با هدف تحلیل استراتژی پیشنهاد در بازار برق با تقاضای قیمت کشسان مورد بررسی قرار دادند. آنها این فرضیه را که به دلیل یادگیری انطباقی، پیشنهاد قیمت، متفاوت با نوع آن در بازی سنتی است و عامل یادگیری انطباقی در مدل ارائه شده، میتواند به صورت پویا، باور آنها را در مورد استراتژی پیشنهاد قیمت رقیبانشان در طول شبیه سازی به روز کند، با استفاده از روش نظریهی بازی با اطلاعات ناقص بررسی کردند و توانستند به این نتیجه برسند که GENCO'S به عنوان گونههای مختلف الگوریتم تکاملی برای یافتن تعادل ارائه میشوند. [10]
در سال 2012، Zhifeng Qiu و همکاران، سوال شاخصهای انحراف مدل تخمین تقاضای بازار برق کدام ها هستند، را با هدف شناسایی شاخصهای انحراف مدل و تخمین تقاضای بازار برق با استفاده از اطلاعات در دسترس، بهینه سازی تقاضای بازار برای هر کدام از پیشنهاد دهندگان مورد بررسی قرار دادند. در این مطالعه، آنها از روش پیشنهاد دهی CV-based با قابلیت فیلتر کردن داده ها استفاده کردند و در مورد نتایج این تحقیق میتوان به تفاوت تقاضای بهینه شده برای هر پیشنهاد دهنده در GENCO با تقاضای دیگر پیشنهاددهندگان و همچنین بازار واقعی اشاره کرد. [11]
در سال 2013، A.A Ladjici و همکاران، مقاله ای را با هدف محاسبهی استراتژیهای بهینه ی تامین کنندگان در یک بازار برق مقررات زدایی شده ارائه دادند. در این مطالعه، آنها ادعا داشتند که استراتژی االگوریتم تعادل نش برای رسیدن به بهترین درآمد استفاده میشود. سپس برای بررسی درستی این ادعا، از روش الگوریتمهای تکاملی رقابتی در بازارهای Spot و Forward استفاده کردند و توانستند درستی فرضیهی خود را به اثبات برسانند. [9]
در سال Prabavathi , Gnanadass 2014 در مقاله خود استراتژی های چانه زنی در بازار برق را مطرح کردند. آنها بیان داشتند که بسیاری از کشورهای جهان به منظور افزایش رقابت بازار برق خود را از حالت انحصاری به حالت انحصار چند جانبه تغیر دادند و در این تغییر ساختار ریسک و نا اطمینانی را به عنوان بخشی از اقتصاد- که سابقا دولتی بوده- معرفی کردند. در این راستا، عرضه کنندگان و مصرف کنندگان برای مدیریت ریسک ناشی از قیمت های بازار باید از روش های مالی استفاده کنند.
بیشینه کردن سود برای شرکت های برق به شدت وابسته به استراتژی چانه زنی است. به منظور بیشینه کردن سود، شرکت کنندگان در بازار نیازمند استراتژی چانه زنی مناسب هستند. در یک بازار برق آزاد مسئله چانه زنی به دلیل نااطمینانی رفتار تولییدکنندگان و نوسانات تقاضا، کار پیچیده ای است. بنابراین توسعه استراتژی های چانه زنی برای شرکت کنندگان در بازار برق به منظور بدست آوردن حداکثر سود بسیار اهمیت دارد. [6]
در سال lexander Vasin 2014 به مطالعه گیم تئوریک بازار برق پرداخت. مقاله او نتایج تعادل نش و اصلاحات آن را برای چند گونه از معماری بازار انحصاری برق بررسی می کند. او برای مدل های مختلف حراج یک طرفه و دو طرفه راه حل های گیم تئوریک و تعادل نش و تعادل رقابتی و تخمین رفاه از دست رفته مصرف کنندگان را با توجه به تولید کنندگان بازار برق با یکدیگر مقایسه کرده است و به معماری بهینه ای از بازار رسیده است. [4]
در سال Giulia Gallo 2014 به بررسی مدل های agent base در بازی های بازار برق می پردازد. او بیان میدارد که یکپارچه سازی متغیرهای سطوح بالا در بازار برق امریکا نه تنها نیازمند پرداختن به چالش های سیستم قدرت و مدلسازی شبکه است بلکه نیازمند درک درستی از واکنش شرکت کنندگان و نحوه تطبیق آنها خواهد بود. استفاده از مدل های agent base از عناصر اصلی بازار عمده برق در حال و آینده خواهد بود. [5]
در سال 2014 محوی و اردهالی با ارائه مقاله ای در جهت یافتن استراتژی چانه زنی بهینه در بازار برق رقابتی بر مبنای مدل agent baseو تحلیل حساسیت عددی تلاش نمودند. هدف این تحقیق ارائه روشی نوین برای تعین استراتژی چانه زنی بهینه برای شرکت های تولیدکننده در بازار برق با رویکرد agent base و NSA بوده است؛ به طوری که agent base برای تصمیم گیری و NSA برای تشخیص نقاط کنترل بحرانی مورد استفاده قرار گرفته و بهترین تصمیم برای تولیدکنندگان فراهم شود.
برای رسیدن به این هدف، از مکانیزم قیمت گذاری برای تنظیم بازار برق و تعین پاداش تولیدکنندگان با قیمت نهایی بومی - - LMP و حساسیت پاداش هر تولیدکننده با تحلیل پیشنهاد او انجام خواهد شد. و در نهایت استراتژی بهینه تعیین می شود. از یک مطالعه موردی برای بررسی تاثیر روش ارائه شده استفاده شده است و نتایج حاکی از آن است که بدین ترتیب تولیدکنندگان به سمت رفتار استراتژیک هدایت خواهند شد؛ در نتیجه قیمت ها افزایش خواهد یافت و پاداش آنها بیشینه خواهد شد. این روش در مقایسه با سایر روش ها بهبود 2.46 درصدی در پاداش بازار و کاهش زمان 8.16 درصدی در زمان شبیه سازی ایجاد خواهد کرد.[7] در سال 2016 محمد زارعی و ابوالفضل سلامی مقاله بهبود تحلیل گیم تئوریک حراج برق در بازارهای متوسط را ارائه نمودند.
هدف آنها ارائه نمودن یک روش منسب برای انتخاب پیشنهاد در جهت حداقل سازی پرداخت هزینه - PCM - بوده است. حل حراج ها با این روش به خصوص تحت تحلیل های گیم تئوریک به دلیل تکرارهای محاسباتی فراوان کار پیچیده و زمانبری است. از این رو نویسندگان مقاله تلاش دارند یک الگوریتم جدید ارائه نمایند. الگوریتم ارائه شده برای حل حراج و یافتن تعادل نش آن دو نوآوری دارد. این روش تحلیل رفتار بازار را برای تغییر استراتژی عرضه کنندگان تسهیل می کند.[3]
.2 بدنه اصلی مقاله:
.2-1 فرضیات مدل:
مدل مورد بررسی، یک بازار برق یکنواخت - Uniform - با سه تولید کننده را در نظر گرفته که این تولیدکنندگان در یک بازی با اطلاعات کامل قرار دارند. یعنی هر کدام از بازیکنان از قیمتهای پیشنهادی بازیکنان دیگر مطلع است. در این بازار، سقف قیمت برای تولیدکنندگان مشخص شده است و هر نیروگاه میتواند سه قیمت پیشنهاد دهد.
.2-2 رویکرد حل:
برای حل مسئلهی فوق، از روش گیم تئوری، بازی با اطلاعات کامل برای سه بازیکن استفاده شد. به این صورت که بازیکنان با اطلاع از میزان قیمت پیشنهادی بازیکنان دیگر و همچنین با توجه به میزان هزینه ی نهایی و ترجیحات خود، قیمتی هوشمندانه را پیشنهاد میدهند.
