Skip to main content

2023 | OriginalPaper | Buchkapitel

7. Dynamische Vorausschauhorizonte

Aktivieren Sie unsere intelligente Suche um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Wie Ghiani et al. (2009), Voccia et al. (2017) festgestellt haben, hat die Länge eines Vorausschauhorizonts einen erheblichen Einfluss auf die Qualität einer Lösung eines stochastisch-dynamischen Optimierungsproblems. Daher darf der Vorausschauhorizont weder zu kurz noch zu lang sein. Genauer gesagt muss der Vorausschauhorizont mit dem Anfragemuster übereinstimmen. In BSS haben wir es mit raum-zeitlichen Anfragesmustern zu tun (Abschn. 2.​4). Daher befassen wir uns in diesem Kapitel mit Vorausschauhorizonten für LAs, die sich im Laufe des Tages ändern. Wir definieren eine dynamische LA (DLA) als eine LA mit individuell für bestimmte Zeiträume des Zeithorizonts ausgewählten Vorausschauhorizonten. Zu diesem Zweck verwenden wir ein Verfahren, das ursprünglich von Brinkmann et al. (2019a) eingeführt wurde.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Fußnoten
1
„Eine Iteration der Approximationsphase einer VFA“, Abschn. 4.​2.​3, S. 38.
 
2
„Überblick über eine vorausschauende Politik“, Abschn. 6.​1, S. 51.
 
3
Daher führt die Einführung von Perioden zu einer Aggregation des Zustandsraums. In Abschn. 10.​2 werden fortgeschrittene Techniken zur Aggregation des Zustandsraums erörtert.
 
4
Nur eine Anmerkung zum besseren Verständnis: In unserem Beispiel haben wir 24 Perioden. Daher aktualisieren wir nach jeder Trajektorie 24 Werte.
 
5
„Unterlegen“ im Sinne von höheren Approximationen.
 
6
In der deterministisch-statischen Optimierung ist die Boltzmann-Exploration als Teil des lokalen Suchalgorithmus Simulated Annealing bekannt (Aarts und Korst 1989).
 
7
Da kleine Werte auf bessere Horizonte hinweisen, werden negative Größen verwendet. Bei Maximierungsproblemen braucht man keine negativen Größen.
 
8
Der Faktor 0,01 ist ein Tuning-Parameter. Vorläufige Experimente haben gezeigt, dass mit dieser Einstellung gute Ergebnisse erzielt werden.
 
9
In den Fallstudien (Kap. 8) verwenden wir Zeiträume von einer Stunde Länge.
 
Literatur
Zurück zum Zitat Aarts E, Korst J (1989) Simulated annealing and Boltzmann machines. Wiley, New YorkMATH Aarts E, Korst J (1989) Simulated annealing and Boltzmann machines. Wiley, New YorkMATH
Zurück zum Zitat Powell WB (2011) Approximate dynamic programming: solving the curses of dimensionality, 2. Aufl. Wiley, New YorkCrossRefMATH Powell WB (2011) Approximate dynamic programming: solving the curses of dimensionality, 2. Aufl. Wiley, New YorkCrossRefMATH
Metadaten
Titel
Dynamische Vorausschauhorizonte
verfasst von
Jan Brinkmann
Copyright-Jahr
2023
DOI
https://doi.org/10.1007/978-3-031-16536-8_7

Premium Partner