基于多智能体强化学习的微电网低碳P2P市场与竞价策略联合设计
多智能体系统
2026-04-06 v1
摘要
可再生能源发电的不确定性和实时市场的不稳定性限制了微电网社区中清洁能源的有效利用。现有的点对点（P2P）和微电网协调方法通常依赖某种集中式优化或限制性协调规则，这在现实应用中难以实施。为应对这一挑战，我们提出一个日内P2P交易框架，允许自利微电网追求其经济效益，同时允许市场运营商最大化整个社区的社会福利，即低碳排放目标。具体而言，微电网的决策过程被建模为分布式部分可观测马尔可夫决策过程（DEC-POMDP），并使用多智能体强化学习（MARL）框架求解。该方法赋予每个微电网高度的决策自主权，同时引入一种新型市场出清机制进行宏观调控，激励微电网优先消费本地可再生能源，从而减少碳排放。仿真结果表明，自利竞价策略与P2P市场设计的结合显著提高了可再生能源利用率，减少了对高碳排放外部电力的依赖。该框架实现了本地自主性、自利追求和社区层面经济与环境效益改善的平衡整合。
引用
@article{arxiv.2604.02728,
title = {Multi-agent Reinforcement Learning-based Joint Design of Low-Carbon P2P Market and Bidding Strategy in Microgrids},
author = {Junhao Ren and Honglin Gao and Sijie Wang and Lan Zhao and Qiyu Kang and Aniq Ashan and Yajuan Sun and Gaoxi Xiao},
journal= {arXiv preprint arXiv:2604.02728},
year = {2026}
}
备注
10 pages, 6 figures