双边拍卖中用于点对点能源交易的多智能体学习
系统与控制
2020-02-24 v1 系统与控制
摘要
分布式能源资源（DERs，如屋顶太阳能板）正快速增长并重塑电力系统。为推广 DERs，公用事业公司通常采用上网电价（FIT）以固定费率向 DER 所有者支付向电网供能的费用。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，费率由市场出清过程决定。然而，此类市场的复杂性及智能体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。为解决该问题，我们提出一种基于多臂老虎机学习的重复拍卖自动出价框架，旨在最小化各投标者的累积遗憾。数值结果表明这种多智能体学习博弈收敛到稳态。为比较起见，我们将该框架应用于三种不同拍卖设计以实现 P2P 市场。
引用
@article{arxiv.2002.09435,
title = {Multi-Agent Learning in Double-side Auctions forPeer-to-peer Energy Trading},
author = {Zibo Zhao and Andrew L. Liu},
journal= {arXiv preprint arXiv:2002.09435},
year = {2020}
}