Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/3295 |
Resumo: | In almost all industrialized countries, the energy sector has suffered a severe restructuring that originated a greater complexity in market players’ interactions. The complexity that these changes brought made way for the creation of decision support tools that facilitate the study and understanding of these markets. MASCEM – “Multiagent Simulator for Competitive Electricity Markets” arose in this context providing a framework for evaluating new rules, new behaviour, and new participants in deregulated electricity markets. MASCEM uses game theory, machine learning techniques, scenario analysis and optimisation techniques to model market agents and to provide them with decision-support. ALBidS is a multiagent system created to provide decision support to market negotiating players. Fully integrated with MASCEM it considers several different methodologies based on very distinct approaches. The Six Thinking Hats is a powerful technique used to look at decisions from different perspectives. This tool’s goal is to force the thinker to move outside his habitual thinking style. It was developed to be used mainly at meetings in order to “run better meetings, make faster decisions”. This dissertation presents a study about the applicability of the Six Thinking Hats technique in Decision Support Systems, particularly with the multiagent paradigm like the MASCEM simulator. As such this work’s proposal is of a new agent, a meta-learner based on STH technique that organizes several different ALBidS’ strategies and combines the distinct answers into a single one that, expectedly, out-performs any of them. |
id |
RCAP_98663913efb6b1dccc0a87992adf2a91 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/3295 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decisionArtificial intelligenceDecision support systemsElectricity marketsMultiagent simulationMachine learningInteligência artificialSistemas de apoio à decisãoMercados de energiaSimulação multiagenteMachine learningIn almost all industrialized countries, the energy sector has suffered a severe restructuring that originated a greater complexity in market players’ interactions. The complexity that these changes brought made way for the creation of decision support tools that facilitate the study and understanding of these markets. MASCEM – “Multiagent Simulator for Competitive Electricity Markets” arose in this context providing a framework for evaluating new rules, new behaviour, and new participants in deregulated electricity markets. MASCEM uses game theory, machine learning techniques, scenario analysis and optimisation techniques to model market agents and to provide them with decision-support. ALBidS is a multiagent system created to provide decision support to market negotiating players. Fully integrated with MASCEM it considers several different methodologies based on very distinct approaches. The Six Thinking Hats is a powerful technique used to look at decisions from different perspectives. This tool’s goal is to force the thinker to move outside his habitual thinking style. It was developed to be used mainly at meetings in order to “run better meetings, make faster decisions”. This dissertation presents a study about the applicability of the Six Thinking Hats technique in Decision Support Systems, particularly with the multiagent paradigm like the MASCEM simulator. As such this work’s proposal is of a new agent, a meta-learner based on STH technique that organizes several different ALBidS’ strategies and combines the distinct answers into a single one that, expectedly, out-performs any of them.Nas últimas décadas, em quase todos os países industrializados, os mercados de energia sofreram um processo de reestruturação com o intuito principal de aumentar a competitividade do sector. Denominada de liberalização, esta alteração trouxe várias mudanças, nomeadamente à estrutura das companhias de energia – onde antes uma única empresa era verticalmente responsável por todo o ciclo de fornecimento, desde a produção ao fornecimento, passando pela distribuição, da sua divisão resultam agora várias empresas que se dedicam exclusivamente a uma destas três actividades. Este novo aspecto mais horizontal do mercado gera situações concorrenciais, beneficiando o consumidor final que passa a poder escolher o seu fornecedor de energia. Porém a liberalização dos mercados de energia traz consigo uma maior complexidade ao funcionamento da rede, e à comercialização de energia. Além da complexidade, as alterações introduziram um maior grau de imprevisibilidade e incerteza, forçando os intervenientes a repensar as suas estratégias e atitudes. Existem vários modelos de mercado, cada um com as suas próprias regras e diferentes desempenhos; gera-se assim diferentes necessidades de prever o comportamento deste mercado: - Será do interesse dos reguladores detectar, atempadamente, falhas nas regras do mercado, - Aos agentes de mercado interessa tirar partido desta nova estrutura para que possam aumentar os seus lucros. O emprego de ferramentas de simulação é uma forma muito adequada para encontrar ineficiências de mercado ou de apoio à decisão dos intervenientes no mercado; nestas ferramentas o paradigma multiagente revela-se formidável para o trabalho dado que pode representar naturalmente as várias partes envolvidas num sistema dinâmico e adaptativo. Algumas ferramentas relevantes neste domínio são EMCAS [Koritarov, 2004], AMES [Li e Tesfatsion, 2009], e MASCEM [Praça et al., 2003], [Vale et al., 2011a]. O simulador MASCEM – “Simulador Multiagente para Mercados de Electricidade Competitivos” surgiu neste âmbito servindo de ferramenta de apoio às entidades intervenientes nos mercados de energia que lidam com a necessidade de melhor compreender o comportamento, a evolução das relações comerciais e os mecanismos destes mercados. A estrutura deste simulador permite a avaliação do comportamento do mercado aquando da introdução de novas regras e novos participantes nos mercados liberalizados de energia. Este simulador usa teoria de jogos, técnicas de aprendizagem, análise de cenários e técnicas de optimização para modelar agentes de mercado que agem de uma forma dinâmica. Este sistema também possui histórico das interacções entre os agentes e de mercado pelo que pode suportar as decisões de cada um dos agentes de acordo com as suas características e objectivos. O MASCEM reproduz dois ambientes de mercado distintos – Mercado de Bolsa e Negociação de Contratos Bilaterais. No Mercado de Bolsa, existe um operador responsável pela gestão do início e do fecho de cada dia de negociações, e pela determinação do preço de mercado para o dia. Sobre este simulador foi desenvolvido o sistema ALBidS, cujo principal objectivo é criar uma ferramenta adaptativa, com faculdades de aprendizagem que ofereça uma maior eficácia no apoio à decisão às entidades de mercado. O ALBidS oferece suporte às decisões feitas no Mercado de Bolsa realizando previsões do preço de mercado e propondo valores de licitação que determina serem adequados; estas decisões são sustentadas pelas suas capacidades de análise de contexto e de análise de histórico. O ALBidS integra várias estratégias de decisão, cada uma delas abordando o problema de diferentes formas, para que conjuntamente possam contribuir para a melhor decisão. Edward de Bono [de Bono E., 1985] criou a técnica “Seis Chapéus do Pensamento” como um instrumento para ajudar a ver uma decisão por perspectivas diferentes. O objectivo desta ferramenta é obrigar uma pessoa a sair do seu estilo habitual de raciocínio. Foi desenvolvida para ser usada primariamente em reuniões para que estas decorram mais rapidamente tendo como resultado decisões melhores. Este método apresenta-se como o oposto do pensamento argumentativo, conflituoso; nele é pedido a cada participante que alterne a sua forma de pensar, evitando sempre o confronto ou a crítica não construtiva; isto permite a exploração total do assunto em discussão. Esta dissertação apresenta um estudo sobre a aplicabilidade da técnica Seis Chapéus do Pensamento em Sistemas de Apoio à Decisão, nomeadamente, com o paradigma multiagente do simulador MASCEM. Para tal foi necessário traçar o plano de abordagem, verificando se seria necessário fazer alterações ao formato de resposta ou às interacções entre agentes. Neste plano de abordagem, determinou-se que as decisões feitas pelo ALBidS seriam vistas como resultado de uma reunião com vários intervenientes, cada um com um método diferente de abordar o problema – considerou-se desnecessário criar uma estrutura em que cada interveniente abordaria o problema de várias formas. Cada uma destas formas distintas de pensar foi associada a uma estratégia diferente do ALBidS. Foi também necessário criar uma estrutura deliberativa, presente no método, que pegasse nas ideias postas “na mesa” e determinasse a decisão final da reunião. Um contributo importante deste trabalho está na proposta da combinação de vários algoritmos, tentando assim conseguindo um resultado melhor que os resultados individuais.Instituto Politécnico do Porto. Instituto Superior de Engenharia do PortoPraça, IsabelPinto, TiagoRepositório Científico do Instituto Politécnico do PortoBarreto, João Costa Borges2014-01-13T11:02:13Z20122012-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/3295enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:43:03Zoai:recipp.ipp.pt:10400.22/3295Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:24:16.953151Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
title |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
spellingShingle |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision Barreto, João Costa Borges Artificial intelligence Decision support systems Electricity markets Multiagent simulation Machine learning Inteligência artificial Sistemas de apoio à decisão Mercados de energia Simulação multiagente Machine learning |
title_short |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
title_full |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
title_fullStr |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
title_full_unstemmed |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
title_sort |
Six thinking hats for electricity markets simulation: adapting meeting tools to agent decision |
author |
Barreto, João Costa Borges |
author_facet |
Barreto, João Costa Borges |
author_role |
author |
dc.contributor.none.fl_str_mv |
Praça, Isabel Pinto, Tiago Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Barreto, João Costa Borges |
dc.subject.por.fl_str_mv |
Artificial intelligence Decision support systems Electricity markets Multiagent simulation Machine learning Inteligência artificial Sistemas de apoio à decisão Mercados de energia Simulação multiagente Machine learning |
topic |
Artificial intelligence Decision support systems Electricity markets Multiagent simulation Machine learning Inteligência artificial Sistemas de apoio à decisão Mercados de energia Simulação multiagente Machine learning |
description |
In almost all industrialized countries, the energy sector has suffered a severe restructuring that originated a greater complexity in market players’ interactions. The complexity that these changes brought made way for the creation of decision support tools that facilitate the study and understanding of these markets. MASCEM – “Multiagent Simulator for Competitive Electricity Markets” arose in this context providing a framework for evaluating new rules, new behaviour, and new participants in deregulated electricity markets. MASCEM uses game theory, machine learning techniques, scenario analysis and optimisation techniques to model market agents and to provide them with decision-support. ALBidS is a multiagent system created to provide decision support to market negotiating players. Fully integrated with MASCEM it considers several different methodologies based on very distinct approaches. The Six Thinking Hats is a powerful technique used to look at decisions from different perspectives. This tool’s goal is to force the thinker to move outside his habitual thinking style. It was developed to be used mainly at meetings in order to “run better meetings, make faster decisions”. This dissertation presents a study about the applicability of the Six Thinking Hats technique in Decision Support Systems, particularly with the multiagent paradigm like the MASCEM simulator. As such this work’s proposal is of a new agent, a meta-learner based on STH technique that organizes several different ALBidS’ strategies and combines the distinct answers into a single one that, expectedly, out-performs any of them. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012 2012-01-01T00:00:00Z 2014-01-13T11:02:13Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/3295 |
url |
http://hdl.handle.net/10400.22/3295 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto |
publisher.none.fl_str_mv |
Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131336529674240 |