AI based profit strategies in a smart energy market
Kein Vorschaubild vorhanden
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2018
Typ der Arbeit
Master
Studiengang
Sammlung
Typ
11 - Studentische Arbeit
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Hochschule für Wirtschaft FHNW
Verlagsort / Veranstaltungsort
Olten
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
This master’s thesis proposes an approach to predict prices in a smart grid’s energy trading market using artificial neural networks to maximize the profit of a participating household. Because energy demand and supply must be balanced at all times to guarantee the stability of the energy grid, producers, wholesalers and brokers are equally interested in keeping the equilibrium to prevent blackouts, poor customer satisfaction and the respective costs. In the past couple of years, the ever-expanding energy demand and the addition of volatile renewable resources into the energy system has created new challenges. Recent advances in information technologies, on the other hand, introduce possibilities of how to tackle these challenges ahead. One approach is to decentralize the energy distribution and having smart microgrids balancing the demand and supply within themselves, stabilizing the whole system in the process. To do so, the Smart Stability Network incorporates an auction scheme where each participating household can offer to produce or consume energy for a price. Because market participants usually act selfishly and want to increase their profits, knowing the ideal price to win the auction in advance would enable them to maximize their profit and ensure their active participation in stabilizing the grid....
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Open Access-Status
Lizenz
Zitation
GEISER, Thomas, 2018. AI based profit strategies in a smart energy market. Olten: Hochschule für Wirtschaft FHNW. Verfügbar unter: https://irf.fhnw.ch/handle/11654/39848