基于VAE-GAN的协同局部能源市场价格操纵
图像与视频处理
2025-07-29 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种用于协调具有异构分布式能源资源（DER）的 prosumer 的模型，这些资源参与本地能源市场（LEM），与市场清算实体交互。所提出的LEM方案利用基于多主体深度确定性策略梯度（MADDPG）框架的数据驱动、无模型强化学习方法，使 prosumer 能够在实时决策中选择购买、出售或不采取任何行动，从而在动态市场中实现高效协调，以实现最优能源交易。在此基础上，我们研究了一种基于变分自编码器-生成对抗网络（VAE-GAN）的价格操纵策略，允许 utility 调整价格信号，使 prosumer 面临经济损失。我们的结果表明，在对抗性定价下，特别是缺乏发电能力的异构 prosumer 群体，面临经济损失。不同规模的LEM也持有相同结果。随着市场规模的增加，交易趋于稳定，通过主体间的自发合作，公平性得到改善。
引用
@article{arxiv.2507.19843,
title = {Hybrid Deep Learning and Handcrafted Feature Fusion for Mammographic Breast Cancer Classification},
author = {Maximilian Tschuchnig and Michael Gadermayr and Khalifa Djemal},
journal= {arXiv preprint arXiv:2507.19843},
year = {2025}
}
备注
Accepted at IPTA2025