基于自洽微网的低碳P2P能源交易多智能体强化学习
多智能体系统
2026-04-13 v1
摘要
可再生能源和需求动态的不确定性挑战了日前调度。为提高可再生能源渗透率并维持日内平衡，我们发展了一种用于参与点对点 (P2P) 电力交易的自洽微网的多智能体强化学习框架。每个微网独立报价价格和数量，同时通过储能套利在时变主网电价下优化自身利润。提出了一种市场清算机制，协调交易并促进激励相容性。仿真结果表明，所学到的报价策略提高了可再生能源利用率，减少了对高碳电力的依赖，同时增加了社区层面的经济福利，实现了减排与本地繁荣的赢家赢局局面。
引用
@article{arxiv.2604.08973,
title = {Multi-agent Reinforcement Learning for Low-Carbon P2P Energy Trading among Self-Interested Microgrids},
author = {Junhao Ren and Honglin Gao and Lan Zhao and Qiyu Kang and Gaoxi Xiao and Yajuan Sun},
journal= {arXiv preprint arXiv:2604.08973},
year = {2026}
}
备注
Accepted by IEEE ICC 2026, 6 pages, 2 figures