点对点能源交易中以多智能体学习进行拍卖设计
计算机科学与博弈论
2021-10-22 v1 系统与控制
系统与控制
摘要
分布式能源资源(DERs),如屋顶太阳能板,正在快速增长并重塑电力系统。为促进DERs,公用事业公司通常采用上网电价补贴(FIT)以固定费率向DER所有者支付其供给电网的能量。FIT的一种替代方案是基于市场的方法;即消费者与DER所有者在基于拍卖的点对点(P2P)市场中交易能源,费率由供需决定。然而,拍卖的复杂性以及市场参与者的有限理性可能使许多既有的拍卖设计理论失效,并阻碍市场发展。为应对这些挑战,我们提出一种基于多智能体、多臂老虎机学习的重复拍卖自动出价框架,旨在最小化每个投标者的累积遗憾。数值结果表明此类多智能体学习博弈收敛至稳态。出于对拍卖设计的特别兴趣,我们将该框架应用于四种不同的重复双边拍卖实现以比较其市场结果。虽然难以选出明确的赢家,但-双重拍卖(统一价格拍卖的一种变体)与McAfee拍卖(Vickrey双边拍卖的一种变体)总体上表现良好,各有其优势与劣势。
引用
@article{arxiv.2110.10714,
title = {Auction Design through Multi-Agent Learning in Peer-to-Peer Energy Trading},
author = {Zibo Zhao and Chen Feng and Andrew L. Lu},
journal= {arXiv preprint arXiv:2110.10714},
year = {2021}
}