Multi-Objective Planning of Community Energy Storage Systems Under Uncertainty
本文提出多目标随机优化框架，在三类能源交易方案下规划社区储能，并通过场景生成与K-Means缩减处理负荷和光伏不确定性，证明平均电网交易价格方案最公平。
2023-07-13 cs.SY eess.SY
Prosumer Behavior: Decision Making with Bounded Horizon
在智能电网中，大多数关于产消者决策的研究都集中在期望效用理论（EUT）和行为理论（如前景理论）框架内的单个时间离散决策上。在这项工作中，我们研究在一个更自然的，持续的市场情况下，生产消费者每天都要决定是否出售任何剩余的能源单位产生的太阳能电池板在她的屋顶或持有（存储）能源单位在未来以更好的价格出售的预期。在这种情况下，我们提出了一个新的行为模型，扩展EUT考虑到一个有限的时间范围内的各种决策参数的概念。具体来说，我们引入了一个有界的时间窗口（即将到来的天数，在此期间，一个prosumer评估的概率，每个可能的价格将是最高的），prosumers隐含地施加在他们的决策，在到达持有或出售的决定。新的行为模型假设人类在有限的时间窗口内做出影响他们生活的决定，而不管他们的单位在未来多久会被出售。建模的公用事业的产消者使用的参数，如提供的价格在一天内，能源单位的数量的产消者可供出售的一天，和预测价格的概率，我们适合传统的EUT和建议的行为模型与有界的时间窗口收集的数据从57个房主超过68天的模拟能源市场。每个产消者产生剩余的太阳能单位，并有机会以公用事业公司当天设定的价格将这些单位出售给当地公用事业公司，或持有这些单位供未来出售。对于大多数参与者来说，4-5天范围内的有界范围比传统（无界）EUT模型更适合他们的响应
2021-03-05 cs.GT cs.SY eess.SY
Managing Price Uncertainty in Prosumer-Centric Energy Trading: A Prospect-Theoretic Stackelberg Game Approach
Virginia Tech（弗吉尼亚理工大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Rutgers University（罗格斯大学）；Princeton University（普林斯顿大学）
本文研究了智能电网中生产者与电网公司之间的能源交易问题，提出了一种基于前景理论的斯塔克尔伯格博弈模型，考虑了生产者在利润不确定性下的主观决策，通过算法求解纳什均衡并验证了参考点对电网负载和公司利润的影响。
2017-09-18 cs.GT cs.MA cs.SY
ANOCA: AC Network-aware Optimal Curtailment Approach for Dynamic Hosting Capacity
本文提出ANOCA两阶段优化框架，基于三相AC模型结合滚动时域优化与不可行性优化，在保证配电网交流可行性前提下实现分布式能源的最优削减调度。
2024-09-14 cs.SY eess.SY
Exploiting the Benefits of P2P Energy Exchanges in Resilience Enhancement of Distribution Networks
本文提出结合 DLMP 与平均价格机制的 P2P 双向拍卖能源交易框架，以在配电网停电时提升韧性，并验证其可兼顾产消者收益与消费者持续供电。
2024-12-01 cs.SY eess.SY
Simplifying Preference Elicitation in Local Energy Markets: Combinatorial Clock Exchange
Technical University of Denmark（丹麦技术大学）
本文提出一种多产品市场机制，通过融合组合时钟交换与机器学习技术，简化产消者在本地能源市场中的偏好表达与价格发现过程。
2026-03-11 cs.GT cs.SY eess.SY
An Interactive Transactive Energy Mechanism Integrating Grid Operators, Aggregators and Prosumers
随着太阳能光伏发电和蓄电池储能系统成本的不断降低，越来越多的产消者出现在配电系统中。与之相伴随的是使用家庭能源管理系统（HEMS）的趋势。HEMS技术可以帮助家庭计划他们的能源消耗，以减少电费或增加自给自足。然而，他们的经济驱动的运行可能会影响电网的安全。因此，至关重要的是要设计一个框架，可以容纳在配电系统中的关键利益相关者的利益，即电网运营商，聚合器，和prosumers。本文提出了一种新的基于交互能量的操作框架。在上层，聚合器将通过交易方式与配电网运营商进行交互，以确保电网利益得到满足。如果存在电网问题，聚合器将通过设计的价格添加器与生产者互动。仿真结果表明，该框架可以有效地容纳在配电系统中的生产消费者的操作，同时保持关键利益相关者的利益。
2019-12-15 cs.SY eess.SY
A Real-Time Balancing Market Optimization with Personalized Prices: From Bilevel to Convex
针对实时平衡市场中聚合商与多产消者的互动，本文提出个性化定价的双层优化并转化为等价凸问题，实现实时低耗时求解，且成本更低、参与产消者更多。
2023-04-27 cs.SY eess.SY math.OC
Peer-to-Peer Energy Markets With Uniform Pricing: A Dynamic Operating Envelope Approach
本文提出两种带动态运行包络的点对点能源市场，将全局电网约束分解为局部约束，实现统一定价，并在IEEE 13节点馈线上验证了其有效性。
2025-06-24 cs.SY eess.SY
Competitive Equilibrium in Microgrids With Dynamic Loads
本文针对含动态负荷的微电网，提出竞争均衡模型，证明其等价于社会福利最大化和纳什均衡，并分析位置价格特性，通过数值示例验证，包括电动汽车充电控制应用。
2024-02-05 cs.GT cs.SY eess.SY
Can locational disparity of prosumer energy optimization due to inverter rules be limited?
为了缓解与可变智能负荷和分布式发电增长相关的问题，配电系统运营商（DSO）现在要求具有逆变器的生产消费者在预设规则下运行。特别是，产消者的最大有功和无功功率设定点基于本地电压测量，以确保逆变器输出不会导致电压违规。然而，这样的行动，在这项工作中观察到的，限制了范围内可用于本地能源管理，更不利的损失套利利润的prosumers位于远离变电站。本文的目标有三个方面：（a）开发一种最佳的局部能源优化算法，用于在时变电价下激活负载灵活性和逆变器接口的太阳能光伏和储能;（b）量化由于不同能源市场普遍存在的逆变器注入规则而对产消者套利收益的位置影响;（c）提出一种计算效率高的混合逆变器控制策略，该策略提供电压调节，同时大大减少位置差异。使用数值模拟的三个相同的prosumers位于不同的部分的径向馈线，我们表明，我们的控制策略是能够最大限度地减少位置差异的套利收益之间的客户在开始和结束的馈线到1.4%，而光伏削减减少了91.7%的基础情况下，限制性的电压无功和电压-瓦特政策。
2022-11-18 cs.SY eess.SY
Decentralized Integration of Grid Edge Resources into Wholesale Electricity Markets via Mean-field Games
本文提出一个平均场博弈框架，使产消者能基于动态电价和太阳能发电自主优化储能决策，实现电网边缘资源去中心化参与批发市场，并验证其收敛到平均场均衡且能降低峰值负荷与价格波动。
2025-03-11 cs.SY eess.SY
Automated Linear Function Submission-based Double Auction as Bottom-up Real-Time Pricing in a Regional Prosumers' Electricity Network
College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学工程学院）；Graduate School of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学工程学院研究生院）；Research Organization of Science and Technology, Ritsumeikan University（立命馆大学科学技术研究机构）
本文提出了一种基于线性函数提交的双拍卖机制，用于区域电力网络中的自下而上实时定价，通过每个代理同时作为生产者和消费者进行电力交易，实现电力供需的精确平衡，无需中央定价者。
2015-06-09 cs.MA cs.SY eess.SY
VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets
CEMSE Division, King Abdullah University of Science and Technology (KAUST), Saudi Arabia（科廷大学科学与技术学院（KAUST））；School of Engineering, University of Warwick, Coventry, United Kingdom（沃里克大学工程学院）
本文面向本地能源市场，提出基于 MADDPG 的产消者协同交易方法，并利用 VAE-GAN 模拟公用事业价格操纵，揭示对抗性定价会造成产消者损失，而市场扩大可促进合作与公平。
2025-07-26 cs.AI cs.LG cs.MA
Prosumer Synchronisation Risk: Impacts of Time-Varying Tariffs on Distribution Network Expansion
ETH Zürich（苏黎世联邦理工学院）；Swiss Federal Laboratories for Materials Science and Technology（瑞士联邦材料科技研究院）；Beijing Institute of Technology（北京理工大学）
该研究针对分布式能源资源部署带来的配电网扩容问题，量化了分时电价、实时电价两种时变电价的影响，发现高渗透率会逆转时变电价降低扩容成本的效果，明确了两类电价的最优渗透率阈值及对应的扩容需求增幅。
2026-09-03 cs.SY eess.SY
Market Strategy Evaluation for Prosumers in Local Electricity Markets
Federal Ministry for Economic Affairs and Climate Action（经济事务和气候行动部）；Projektträger Jülich GmbH（尤利奇项目载体）
研究本地电力市场中 prosumer 的市场策略，开发基于代理的模拟平台，比较四种市场策略，通过模拟发现基于规则的资源控制可降社区能源支出，市场自适应策略收益最高，策略有效性取决于多种因素。
2026-07-22 cs.AI cs.GT cs.SY
A Machine Learning Approach for Prosumer Management in Intraday Electricity Markets
KTH Royal Institute of Technology（瑞典皇家理工学院）
Prosumer运营商正在应对参与短期电力市场的广泛挑战，同时考虑到不确定性。需求、太阳能、风能和电价变化以及日内电力市场更快的响应时间等挑战。机器学习方法可以解决这些挑战，因为它们能够持续学习复杂关系并提供实时响应。这种方法适用于高性能计算和大数据的存在。为了应对这些挑战，提出了一个马尔可夫决策过程，并解决了强化学习算法与适当的观察和行动，采用表格Q学习。训练后的智能体收敛到一个类似于全局最优解的策略。与著名的随机优化方法相比，它使生产者的利润增加了13.39%。
2022-03-11 cs.AI cs.LG cs.SY
A Stackelberg game for incentive-based demand response in energy markets
在现代建筑中，可再生能源发电机和存储设备正在普及，因此用户在电网中的角色正在从被动转向主动。我们设计了一个需求响应计划，利用生产者的灵活性，提供辅助服务的主电网。我们提出了一个层次化的计划，以协调分销系统运营商和智能prosumers社区之间的互动。该框架继承了基于价格和基于激励的计划的特点，并保留了两者的优点。我们投的问题作为一个Stackelberg游戏的prosumers作为追随者和分销系统运营商作为领导者。我们解决了由此产生的双层优化程序，通过KKT重新制定，证明存在性和收敛到一个局部Stackelberg平衡。最后，我们提供了数值模拟，以证实我们的主张的好处，建议的框架。
2022-11-09 cs.SY eess.SY
Fully Decentralized Peer-to-Peer Community Grid with Dynamic and Congestion Pricing
本文提出一种全去中心化P2P社区电网，引入由需求决定的动态电网定价和动态拥塞定价，在保护隐私和满足物理约束下优化功率流动，并证明其收敛性与全局最优性，实验显示可显著降低主网发电成本和消费者电网交易量。
2023-08-09 cs.SY eess.SY
Dynamic Operating Envelopes Embedded Peer-to-Peer-to-Grid Energy Trading
提出考虑配电网完整性的去中心化P2P2G交易机制，通过DSO与产消者协商动态运行包络引导电网友好交易，并采用COCA算法降低通信成本，仿真验证了其有效性。
2023-11-23 cs.SY eess.SY
From prosumer to flexumer: Case study on the value of flexibility in decarbonizing the multi-energy system of a manufacturing company
本研究通过优化脱碳多能系统的设计运行并应用数据驱动指标，量化了企业MES的灵活性价值，发现灵活性利用能显著降低脱碳成本与碳排放，并指出多技术组合是实现净零运行的关键。
2023-01-19 cs.SY econ.EM eess.SY
Grid Influenced Peer-to-Peer Energy Trading
本文提出了一种点对点的能量交易方案，可以帮助集中式电力系统，以减少其客户在高峰小时的总电力需求。为此，制定了一个合作的Stackelberg博弈，其中集中式电力系统作为领导者，需要在需求高峰期决定价格，以激励生产消费者不寻求任何能源。作为追随者，通过与邻近的产消者形成合适的联盟来响应领导者的决定，以参与P2P能源交易，他们的能源需求。研究了所提出的Stackelberg对策的性质。结果表明，由于产消者联盟的稳定性，该博弈存在唯一稳定的Stackelberg均衡。在均衡时，领导者使用导出的封闭式表达式选择其策略，而产消者选择其均衡联盟结构。提出了一种算法，使集中式电力系统和产消者达到均衡解。数值算例研究表明了该方案的有益特性。
2019-08-26 cs.GT cs.SY eess.SY
LCOE-based Pricing for DLT-enabled Local Energy Trading Platforms
多年来，像上网电价（FiT）这样的支持计划一直是分布式能源部署以及从消费主义向生产消费主义过渡的重要推动力。能源系统的民主化和脱碳化为系统运营商带来了挑战和机遇，为当地能源市场等新兴概念铺平了道路。FiT方法通常被认为是生产消费者参与此类市场意愿的经济下限，但现在在几个国家正在逐步淘汰。本文提出了一种基于平准化电力成本的新定价机制，旨在确保生产消费者的盈利能力，并为所有市场参与者创造透明和公平的价格。该机制旨在基于分布式账本技术的平台上运行，并从整体角度进一步建立，将市场框架定义为网络-物理-社会系统中的互动。基于固定和可变合同与批发供应商的计划进行了分析，并与传统的FiT和其拟议的替代方案进行了比较。结果显示，与FiT计划相比，消费者的成本降低，生产者的收入略有损失。然而，将其与实际建议的FiT替代品进行比较，很明显，本研究中提出的定价机制为生产者和消费者提供了大幅增加的利益。
2022-03-21 cs.SY eess.SY
Deep Reinforcement Learning-Based Bidding Strategies for Prosumers Trading in Double Auction-Based Transactive Energy Market
Santa Clara University（圣克拉拉大学）；Concordia University（康考迪亚大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；Shenzhen University（深圳大学）
针对可交易能源市场建模难、强化学习应用受限等问题，设计含多产消者的双拍卖TEM，提出分布式DRL竞价模型，通过价格与电量双动作优化策略，平衡支出与舒适度，性能优于现有方法。
2025-02-16 cs.GT cs.LG cs.SY
Assessing the techno-economic benefits of LEMs for different grid topologies and prosumer shares
本研究使用基于智能体的仿真工具，评估了本地能源市场在不同电网拓扑和分布式能源渗透率下的技术经济收益，发现其能显著降低平均能源价格和运行峰值功率，提升经济效率与电网稳定性。
2024-10-17 cs.SY econ.GN eess.SY
On Net Energy Metering X: Optimal Prosumer Decisions, Social Welfare, and Cross-Subsidies
本文提出包容性零售电价模型 NEM X，揭示了产消者最优决策的三种模式并求出阈值闭式解，通过构建随机 Ramsey 定价规划最大化社会福利，评估了政策对社会福利、交叉补贴及 DER 投资回收期的影响。
2022-01-05 cs.SY econ.TH eess.SY
Optimal Solution Analysis and Decentralized Mechanisms for Peer-to-Peer Energy Markets
研究了P2P能源市场中产消者的最优出清问题。证明了在不强制交易权值且成功交易节点之间的通信结构是连通的情况下，P2P市场的最优清算价格和总交易功率与基于池的市场的最优清算价格和总交易功率相同.然而，如果这种通信结构是不连接的，那么P2P市场被聚集成更小的P2P市场。如果交易权重被施加，那么导出的P2P市场解决方案可以被显著改变。接下来，提出了一种新的分散式优化方法来推导P2P市场的交易机制，基于交替方向乘数法（ADMM），该方法自然适合P2P能源系统中的双向交易，并且收敛速度相当快。变量更新的分析公式揭示了每一对产消者在他们各自的交易价格和权力与他们的总交易权力之间的深刻关系。进一步，基于这些公式，分散学习方案的prosumers代价函数的参数调整，提出了实现成功的交易与总交易电量的期望。一个合成系统和IEEE欧洲低压测试馈线的案例研究，然后进行验证所提出的方法。
2020-09-01 cs.MA cs.SY eess.SY
Feasibility Study of Financial P2P Energy Trading in a Grid-tied Power Network
研究了P2P能源交易在并网环境下的适用性。主要目的是了解金融P2P能源交易对网络运行的影响，从而证明在设计实用的P2P交易方案时考虑与电力网络相关的各种问题的重要性。为了做到这一点，一个简单的机制，在不考虑任何网络的限制，如许多现有的研究所做的生产者之间的能源交易。一旦交易参数，如每个产消者在P2P市场上交易的能量和每单位能量的价格被确定，所开发的方案进行测试的低压（LV）网络模型，以检查其部署在一个真正的P2P网络的可行性。结果表明，虽然所考虑的交易计划是经济上有益的参与prosumers相比，现有的激励机制（如上网电价），它可能是不适合实际部署，由于违反总线电压限制在多个P2P交易同时执行。此外，电网运营商可能经历用于补偿P2P交易期间的损失的财务损失。
2019-09-10 cs.SY eess.SY
Network-Aware and Welfare-Maximizing Dynamic Pricing for Energy Sharing
针对表后分布式能源普及带来的配电网运行挑战，本文提出适配能源共享联盟的网络感知动态定价框架，通过Stackelberg博弈引导产消者安全运行并最大化社会福利，仿真验证了其动态特性与电压调控效果。
2024-09-12 cs.SY eess.SY math.OC
Energy Pricing in P2P Energy Systems Using Reinforcement Learning
Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
消费者方面可再生能源的增加给能源网带来了新的动力。微电网的参与者可以生产能源，并在能源供应商的许可下与同行（点对点）进行交易。在这种情况下，分布式可再生能源发电机和能源消费的随机性增加了确定购买和销售能源的公平价格的复杂性。在这项研究中，我们引入了一个强化学习框架，以帮助解决这个问题，通过训练代理设置的价格，最大限度地提高微电网中的所有组件的利润，旨在促进P2P电网在现实生活中的场景的实施。微电网考虑了消费者、产消者、服务提供商和社区电池。在\textit{Pymgrid}数据集上的实验结果表明，微电网中所有组件的价格优化方法是成功的。所提出的框架确保了灵活性，以考虑这些组件的利益，以及微电网中消费者和生产者的比例。研究结果还考察了改变社区电池容量对系统利润的影响。实现代码可从\href{https://github.com/Artifitialleap-MBZUAI/rl-p2p-price-prediction}{here}获得。
2022-10-24 cs.AI cs.LG cs.SY
Modeling and optimizing a distributed power network : A complex system approach of the prosumer management in the smart grid
本文探讨了智能电网中分布式电力网络的建模与优化，基于复杂系统理论，研究产消者管理的控制层级及通信需求，提出建立可问责模型以确保系统稳定性。
2013-05-17 cs.SY eess.SY
A Federated learning model for Electric Energy management using Blockchain Technology
University of Management and Technology（管理与技术大学）；University of the Punjab（旁遮普大学）
针对发展中国家能源短缺与管理不足问题，提出基于区块链的安全分布式账本技术保障产消者与消费者交易安全，同时构建联邦学习模型预测能源需求，实验验证可再生能源应用效果更优。
2023-07-18 cs.LG cs.SY eess.SY
Community Energy Storage Management for Welfare Optimization Using a Markov Decision Process
在本文中，我们解决了一个随机的可再生环境下的实时电力市场的社区储能的最优管理问题。在实时电力市场中，完整的市场信息可能无法评估的战略参与者，因此，我们提出了一个范例，使用部分信息，包括预测的实时价格和总供应曲线的斜率建模的价格影响的存储使用的价格制定者存储管理问题。作为价格制定者，社区储能不仅可以通过能源套利赚取利润，还可以平滑价格轨迹，进而影响社会福利。我们制定的问题作为一个有限的地平线马尔可夫决策过程，旨在最大限度地提高能源套利和社会福利的产消者为基础的社区。该管理方案的先进性在于最优策略具有阈值结构。该结构具有解析形式，可以通过比较其当前边际值和预期的未来边际值来指导能量存储器充电/放电。案例研究表明，福利最大化存储比利润最大化存储获得更多的好处。所提出的基于阈值的算法可以保证最优性，并大大降低了标准随机动态规划的计算复杂度。
2020-11-27 cs.SY eess.SY
Optimal Grid-Forming Control of Battery Energy Storage Systems Providing Multiple Services: Modelling and Experimental Validation
本文提出并实验验证了一个联合控制和调度框架的电网形成转换器接口BESS提供多种服务的电网。该框架的目的是调度运行的配电馈线托管异构prosumers根据调度计划，并提供频率遏制储备和电压控制作为额外的服务。该框架包括三个阶段。在日前调度阶段，鲁棒优化问题求解计算最优调度计划和频率下垂系数，计及总产量的不确定性。在日内阶段，采用模型预测控制算法计算BESS的功率设定值，实现对调度计划的跟踪。最后，在实时阶段中，通过考虑功率转换器的能力曲线的凸优化问题，将由调度跟踪产生的功率设定点转换成用于电网形成转换器的可行频率设定点。实验验证了所提出的框架，通过使用电网规模的720 kVA/560 kWh BESS连接到20 kV配电馈线的EPFL托管随机prosumption和光伏发电。
2021-10-19 cs.SY eess.SY
Decentralized Voltage Control with Peer-to-peer Energy Trading in a Distribution Network
通过点对点（P2P）能源交易利用分布式可再生能源和储能资源一直被吹捧为提高能源系统弹性和可持续性的解决方案。然而，消费者和产消者（拥有能源生产资源的人）没有从事重复P2P交易的专业知识，可再生能源的零边际成本对确定公平市场价格提出了挑战。为了解决这些问题，我们提出了一个多智能体强化学习（MARL）框架，以帮助自动化消费者的投标和管理他们的太阳能光伏和储能资源，在一个特定的P2P清算机制，利用所谓的供需比。此外，我们展示了MARL框架如何整合物理网络约束，实现分散式电压控制，从而确保P2P能源交易的物理可行性，并为现实世界的实现铺平道路。
2022-12-29 cs.SY eess.SY
Cyber-Physical Vulnerability Assessment of P2P Energy Exchanges in Active Distribution Networks
由于分布式能源（DER）成本的降低以及脱碳政策，电力系统正在经历一个现代化的过程。DER与物联网（IoT）设备的大规模部署为主动配电网络中的对等（P2P）能源交易提供了平台。然而，物联网设备的P2P能源交易使电网更容易受到网络物理威胁。为此，在本文中，一个面向分布式的P2P能量交换模型考虑三相不平衡的配电系统。此外，考虑到不利的产消者和消费者，谁提供虚假信息的价格和数量的最大经济利益和系统运行中断的目标，P2P能源交易所的脆弱性评估的各种情况下，被认为是。针对这些攻击的技术经济生存性分析研究了IEEE 13节点不平衡分布测试系统。仿真结果表明，不利的节点可以影响网格的物理操作，最大限度地提高自己的利益，并造成其他代理的经济损失。
2022-04-26 cs.SY eess.SY
Scalable Optimization for Mobility-Aware Coordinated Electric Vehicle Charging in Power Distribution Networks
University of California, Berkeley（加州大学伯克利分校）；Hong Kong University of Science and Technology（香港科技大学）
本文提出MAC框架，通过结合移动轨迹和充电决策，实现大规模电动汽车需求灵活性优化，以减少配电网过载升级需求。
2026-11-10 cs.SY eess.SY
Optimal Decentralized Dynamic Energy Management over Asynchronous Peer-to-Peer Transactive Networks via Operator Splitting
Hubei Normal University（湖北师范大学）；Chongqing University（重庆大学）；University of New South Wales（新南威尔士大学）；Southwest University（西南大学）；City University of Hong Kong（香港城市大学）；Shenzhen University of Advanced Technology（深圳先进技术研究院）
本文提出Syn-DYNA和Asyn-DYNA算法，解决异步点对点交易网络中的动态能源管理问题，通过操作符分裂理论实现非渐近线性收敛和几乎必然收敛。
2026-04-15 cs.SY eess.SY
How suboptimal is my stochastic network controller allowed to be? Completion certificates with application to power grids hosting AI data centers
University of Arizona（亚利桑那大学）
本文提出一种基于HJB子解和路径积分控制的证书方法，量化电网控制器在托管AI数据中心时的次优性，并在IEEE 118节点系统上验证了其有效性。
2026-10-05 cs.SY eess.SY math.DS
Loss-aware Pricing Strategies for Peer-to-Peer Energy Trading
针对P2P能源交易中的电网损耗与成本公平问题，提出基于Stackelberg博弈的损失感知定价机制，通过ADMM超梯度下降求解，在IEEE 33节点系统上显著降低成本并提升效率。
2025-03-30 cs.SY eess.SY
Peer-to-Peer Energy Trading of Solar and Energy Storage: A Networked Multiagent Reinforcement Learning Approach
School of Industrial Engineering, Purdue University（普渡大学工业工程学院）
针对P2P能源交易中主体缺乏交易 expertise、可再生能源零边际成本定价难的问题，提出结合供需比P2P出清机制的多智能体强化学习框架，实现光伏与储能资源自动化管理，还可整合网络约束实现电压控制，保障交易物理可行性以推动落地。
2024-10-09 cs.LG cs.MA cs.SY
Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach
School of Industrial Engineering, Purdue University（工业工程学院，普渡大学）
本文研究多个DER聚合商参与批发能源市场的多智能体互动问题，提出结合平均场博弈与平均场控制的混合平均场方法，并引入强化学习优化策略，仿真表明该方法能使节点边际价格快速稳定，且储能与平均场学习结合可显著降低价格波动。
2025-07-04 cs.AI cs.LG cs.SY
Reinforcement Learning-Based Cooperative P2P Power Trading between DC Nanogrid Clusters with Wind and PV Energy Resources
Electronics and Telecommunications Research Institute (ETRI)（韩国电子通信研究院）；Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
在用可再生能源替代化石燃料以实现碳中和的过程中，间歇性风能和光伏（PV）电力的不平衡资源生产是P2P（P2P）电力交易的关键问题。为了解决这个问题，强化学习（RL）技术在本文中介绍。对于强化学习，基于合作博弈理论，将图卷积网络（GCN）和双向长短期记忆（Bi-LSTM）网络联合应用于纳米网格簇之间的P2P电力交易.灵活可靠的直流纳米电网适用于为配电系统集成可再生能源。每个局部纳米网格集群都处于产消者的位置，同时关注电力生产和消费。对于纳米网格簇的电源管理，采用物联网技术对每个局部纳米网格簇进行多目标优化。电动车辆（EV）的充电/放电是考虑到风力和光伏发电的间歇特性而执行的。RL算法（诸如用于深度Q学习网络（DQN）的GCN卷积神经网络（CNN）层、用于深度递归Q学习网络（DRQN）的GCN-LSTM层、用于DRQN的GCN-Bi-LSTM层以及用于近端策略优化（PPO）的GCN-Bi-LSTM层）被用于仿真。因此，合作P2P电力交易系统通过考虑基于使用时间（ToU）的电价成本和系统边际价格（SMP）来最大化利润，并最小化电网电力消耗量。在配电测试馈线上实时的模拟具有P2P电力交易的纳米网格集群的电力管理，并且所提出的GCN-Bi-LSTM-PPO技术在用于比较的RL算法中实现最低的电力成本，将电力成本降低了36.7%，平均超过纳米网格集群。
2022-12-31 cs.LG cs.SY eess.SY
Optimal Sizing and Control of a Grid-Connected Battery in a Stacked Revenue Model Including an Energy Community
本文研究能源社区通过电池即服务模型租用并网电池容量的最优规模与定价方法，并提出带正则化的线性优化控制策略，案例研究表明200户社区租用280 kWh电池每年最多可节省12,874欧元。
2025-07-06 cs.MA cs.SY eess.SY
